Why 2026 Will Be Remembered as New Era of AI
- Sertis
- 3 วันที่ผ่านมา
- ยาว 3 นาที
ปฏิเสธไม่ได้เลยว่าปี 2026 คือปีแห่ง AI Agent เพราะแค่เมื่อเดือนพฤษภาคมที่ผ่านมา เราได้เห็นการเคลื่อนไหวครั้งใหญ่จาก Big Tech เกือบทุกราย
ไล่มาตั้งแต่ Google ที่เปิดตัวความสามารถใหม่อย่าง “Gemini Spark” AI Agent ส่วนตัวที่รันอยู่บน Cloud ตลอด 24 ชั่วโมง โดยไม่ต้องรอคำสั่ง ในสัปดาห์เดียวกัน Anthropic ก็เปิดตัว Claude Managed Agents สำหรับ long-running workflows OpenAI ก็เอาขึ้น AWS จนมี user ทะลุ 5 ล้านคนต่อสัปดาห์ และฝั่ง Microsoft ก็ไม่น้อยหน้า ประกาศบนเวที Build 2026 ว่าบริษัทกำลังเข้าสู่ "Agentic era" พร้อม Windows Agent Runtime ที่ฝัง AI Agent ลงในระดับ OS
แต่ถ้าเรามองให้ลึกไปกว่ากระแสการแข่งขันด้านตัวโปรดักต์ สิ่งที่กำลังถูกพูดถึงมากขึ้นเรื่อย ๆ ก็คือเรื่องของ โครงสร้างพื้นฐาน (Infrastructure) เพราะเมื่อ AI Agent ต้องทำหน้าที่วางแผน คิดวิเคราะห์ เรียกใช้เครื่องมือข้ามระบบ และทำงานต่อเนื่องยาวนานกว่า Chatbot ทั่วไป ระบบหลังบ้านจึงกลายเป็นปัจจัยสำคัญที่ชี้วัดความสำเร็จ ไม่แพ้ความฉลาดของตัวโมเดลเลยทีเดียว
AI Agent ไม่ใช่แค่ chatbot ที่เก่งขึ้น
ก่อนจะไปถึงเรื่องการแข่งขันระหว่างบริษัท AI ตัวท็อป สิ่งหนึ่งที่ต้องปรับความเข้าใจให้ตรงกันก่อน คือ AI Agent ไม่ใช่ Generative AI แบบเดิมที่ตอบได้เก่งขึ้น แต่ความต่างจะอยู่ที่กระบวนการทำงาน
Generative AI ทำงานแบบ reactive: มนุษย์ต้องถาม ระบบถึงจะตอบ มนุษย์ป้อนพรอมต์ (Prompt) ระบบถึงจะสร้างผลลัพธ์ (Output) กลับมา
AI Agent ทำงานแบบ proactive : ตัวระบบสามารถตั้งเป้าหมายเอง วางแผนเอง ตัดสินใจเอง และลงมือทำเองหลายขั้นตอนติดต่อกัน โดยไม่ต้องรอให้มนุษย์กดอนุมัติทุกครั้ง
ลองนึกภาพง่าย ๆ ถ้า Generative AI คือนักวิเคราะห์ที่ฉลาดแต่ต้องคอยบอกคำสั่งในทุกขั้นตอน AI Agent ก็เปรียบเสมือนพนักงานที่สามารถรับ brief และ feedback แล้วดำเนินงานหลายขั้นตอนที่ซับซ้อนต่อเนื่องได้ด้วยตัวเอง พร้อมรายงานผลกลับมาเมื่อถึงจุดที่ต้องการการตัดสินใจจากมนุษย์
ความต่างนี้คือ Paradigm shift ครั้งใหญ่ และจะเป็นทิศทางที่องค์กรจะใช้ AI ในอีก 2-3 ปีข้างหน้า
Big Tech แต่ละรายกำลังเดินเกมอย่างไร
แม้ Google, Anthropic, OpenAI และ Microsoft จะพูดถึง AI Agent เหมือนกัน แต่ถ้าเจาะลึกลงไป เราจะเห็นว่าแต่ละบริษัทกำลังเลือกลงทุนในส่วนที่ต่างกัน
สิ่งที่ Google เลือก คือการฝัง Gemini เข้าไปใน Existing Tools อย่าง Calendar,Docs, Gmail , Maps, หรือ YouTube รวมถึง Gemini Spark AI Agent ส่วนตัวที่ทำงานบน Google Cloud ตลอดเวลา ทางฝั่ง Developer ก็เปิดตัว Antigravity 2.0 ที่ยกระดับจากการเป็นแค่เครื่องมือเขียนโค้ดไปเป็น platform สำหรับสร้างและจัดการ AI Agent โดยเฉพาะ ขับเคลื่อนด้วย Gemini 3.5 Flash ที่เร็วกว่า frontier model อื่นถึง 4 เท่า ในราคาที่ถูกกว่าครึ่ง
Anthropic
ทางฝั่ง claude เลือกพัฒนา Managed Agent ช่วยให้องค์กรสามารถสร้างและดูแล Multi-agent system ภายใน infrastructure ของตัวเองได้ โดยมีทั้ง sandbox สำหรับการทดสอบการทำงาน และ Private MCP server เพื่อให้ข้อมูลสำคัญไม่ถูกส่งออกไปนอกองค์กร
นอกจากนี้ Anthropic ยังจับมือกับ องค์กรขนาดใหญ่อย่าง SAP และ PwC เพื่อนำ Claude เข้าไปอยู่ใน workflow จริงขององค์กร ตั้งแต่งาน Back-office ไปจนถึงงานที่ต้องการ compliance สูงอย่าง financial services และ healthcare
OpenAI
ทางฝั่ง OpenAI แม้ Codex จะเริ่มต้นจากการเป็นเครื่องมือเขียนโค้ด แต่ล่าสุด Codex มี User มากกว่า 5 ล้านคนต่อสัปดาห์ และที่น่าสนใจคือ กว่า 20% ของทั้งหมดไม่ใช่ Developer แต่เป็น Financial Analyst, Mareter และ Researcher โดยกลุ่มผู้ใช้นี้กำลังเติบโตเร็วกว่า Develpoer ถึง 3 เท่า เพราะแบบนี้ OpenAI เลยเริ่มเพิ่ม Role-specific plugin เพื่อรองรับการทำงานของผู้ใช้ในสายอาชีพอื่น ๆ โดยเฉพาะ
อีกประเด็นที่สะท้อนทิศทางของ OpenAI คือ การนำ Codex ขึ้นไปรันบน AWS โดยตรง แทนที่จะให้องค์กรต้องจัดหา Infrastructure ใหม่ Codex สามารถเข้าไปทำงานบน Cloud Environment ที่องค์กรใช้งานอยู่แล้วได้ทันที
Microsoft
อีกความเคลื่อนไหวที่น่าสนใจคือฝั่ง Microsoft ที่ในเวที Build 2026 Satya Nadella ได้ประกาศอย่างชัดเจนว่า Microsoft กำลังเกิดการเปลี่ยนแปลงครั้งใหญ่ของแพลตฟอร์ม โดยบริษัทกำลังจะเปลี่ยนจากการสร้างระบบปฏิบัติการและอุปกรณ์สำหรับรันแอป ไปสู่การสร้างเอเจนต์ (AI agents)
Windows Agent Runtime คือก้าวสำคัญของแนวคิดนี้ เพราะการฝัง agent ลงระดับ OS หมายความว่า agent จะสามารถโต้ตอบและทำงานได้กับทุก app บน Windows ได้โดยตรง
ขณะเดียวกัน Copilot Studio ก็เปิดให้ agent คุยกับ agent ได้แล้ว รองรับการส่งต่องานข้ามระบบได้โดยทั้งหมดรองรับ MCP
ที่สำคัญ จุดแข็งที่ทำให้ Microsoft ยังมีข้อได้เปรียบที่ไม่มีใครสู้ได้คือ Distribution เพราะองค์กรส่วนใหญ่ใช้ Windows, Teams, Azure และ M365 อยู่แล้ว การ deploy Copilot Agents จึงไม่ต้องเปลี่ยน workflow ที่มีอยู่แทบเลย
ยิ่ง Agent ฉลาดขึ้น Infrastructure ก็ยิ่งสำคัญขึ้น
เมื่อ AI Agent ต้องทำงานซับซ้อนและยาวนานขึ้น ต้นทุนการประมวลผล ความเร็วในการตอบสนอง และการจัดการข้อมูลจึงกลายเป็นโจทย์ต่อไปที่ต้องหาทางออก
นั่นเลยเป็นเหตุผลที่เหล่ายักษ์ใหญ่ในอุตสาหกรรมเทคโนโลยีต้องลงมาเล่นเกม Vertical Integration หรือการควบคุม AI Stack ตั้งแต่ต้นน้ำยันปลายน้ำ เพราะยิ่งควบคุมองค์ประกอบเหล่านี้ได้มากเท่าไร ก็ยิ่งลดต้นทุน เพิ่มประสิทธิภาพ และสร้างความได้เปรียบระยะยาวได้มากขึ้นเท่านั้น
ตัวอย่างที่ชัดเจนที่สุด คือการประกาศของ Alibaba ในงาน Cloud Summit 2026 ที่เมืองหางโจวเมื่อเดือนพฤษภาคมที่ผ่านมา Alibaba ไม่ได้เปิดตัวแค่โมเดล Qwen 3.7-Max แต่เลือกเปิดตัวโครงสร้างพื้นฐานแบบครบวงจร ตั้งแต่เซิร์ฟเวอร์สำหรับงาน AI ไปจนถึงชิปประมวลผลรุ่นใหม่อย่าง Zhenwu M890 (พัฒนาโดย T-Head บริษัทลูกของ Alibaba) ซึ่งถูกออกแบบมาเพื่อรองรับภาระงานของ AI Agent โดยเฉพาะ พร้อมวาง Roadmap ฮาร์ดแวร์ยาวไปถึงปี 2028 เพื่อสร้างระบบที่พึ่งพาตนเองได้สมบูรณ์แบบ
หากมองผิวเผินอาจดูเหมือนการเปิดตัวผลิตภัณฑ์ตามปกติ แต่ถ้าลองสังเหตดี ๆ เราจะเห็นว่า Alibaba กำลังพยายามสร้าง AI Ecosystem ของตัวเองให้ครบทุก Layer ตั้งแต่ฮาร์ดแวร์ไปจนถึงแอปพลิเคชัน
นอกจากนี้ Alibaba ยังนำโมเดล AI มาช่วยปรับปรุงและเพิ่มประสิทธิภาพการทำงานของระบบ Cloud ที่ใช้รัน AI เองด้วย ซึ่งเป็นสัญญาณที่ชัดเจนว่า AI กำลังเข้าไปมีบทบาทในการพัฒนา Infrastructure เบื้องหลังแล้วจริง ๆ
ชิป AI: ทรัพยากรเชิงกลยุทธ์ระดับโลก
การลงทุนด้านชิปของ Alibaba ไม่ใช่เรื่องที่เกิดขึ้นโดยบังเอิญ แต่มันสอดคล้องกับแนวโน้มที่เกิดขึ้นในอุตสาหกรรม AI ทั่วโลก
ในช่วงหลายปีที่ผ่านมา ข้อจำกัดด้านการส่งออกชิปประมวลผลขั้นสูงได้ผลักดันให้บริษัทจีนจำนวนมากเร่งพัฒนาเทคโนโลยีภายในประเทศเพื่อลดการพึ่งพาบริษัทภายนอก สิ่งที่เกิดขึ้นจึงไม่ใช่แค่การแข่งขันทางธุรกิจ แต่เป็นการแข่งขันด้านความสามารถเชิงยุทธศาสตร์ระดับประเทศด้วย
Alibaba ก็ไม่ได้เดินเกมนี้เพียงลำพัง Google เองก็พัฒนาชิป TPU ของตัวเองมาอย่างต่อเนื่อง Amazon ลงทุนใน Trainium และ Inferentia เพื่อรองรับงาน AI บน AWS ส่วน Microsoft ก็เดินหน้าพัฒนาโครงสร้างพื้นฐาน AI ภายในระบบ Azure ของตัวเองเช่นกัน
สรุปคือ การเร่งพัฒนา Infastructure พวกนี้มีจุดประสงค์หลักคือ การลดการพึ่งพาเทคโนโลยีจากภายนอก และเพิ่มความสามารถในการควบคุม AI Stack ของตัวเอง ตั้งแต่ชิป ระบบคลาวด์ ไปจนถึงแพลตฟอร์มสำหรับพัฒนาและใช้งาน AI
ที่เป็นแบบนี้ เพราะทุกบริษัทรู้ดีกว่า เมื่อ AI กลายเป็นส่วนสำคัญของธุรกิจ การเป็นเจ้าของ Infrastructure มากขึ้นหมายถึงการควบคุมต้นทุน ประสิทธิภาพ และข้อมูลได้มากขึ้นเช่นกัน
สิ่งที่องค์กรควรรู้
สำหรับองค์กรที่กำลังอยากพัฒนาด้าน AI สิ่งที่น่าสนใจจากกรณีของ Alibaba อาจไม่ใช่ตัวชิปหรือโมเดลรุ่นใหม่เพียงอย่างเดียว แต่เป็นบทเรียนเรื่องการมอง AI ในภาพรวม
ในระยะสั้น โมเดลที่ดีอาจสร้างความแตกต่างได้ แต่ในระยะยาว ความสามารถในการบริหารจัดการข้อมูล โครงสร้างพื้นฐาน ความปลอดภัย และการเชื่อมต่อ AI เข้ากับกระบวนการทำงานจริง อาจเป็นปัจจัยที่สร้างความได้เปรียบได้มากกว่า
การแข่งขันด้าน AI ในวันนี้จึงไม่ได้เกิดขึ้นแค่ในที่ที่ผู้ใช้เห็นเท่านั้น แต่มันกำลังเกิดขึ้นในตั้งแต่ขั้น Infrastructure ที่อยู่เบื้องหลัง สำหรับหลายองค์กร นั่นอาจเป็นส่วนที่ควรเริ่มให้ความสำคัญมากขึ้นตั้งแต่วันนี้ เพราะเมื่อ AI กลายเป็นส่วนหนึ่งของธุรกิจอย่างเต็มรูปแบบ ความแข็งแรงของโครงสร้างพื้นฐานอาจสำคัญพอ ๆ กับความฉลาดของโมเดลเองเลยทีเดียว
ดังนั้นหัวใจสำคัญในปัจจุบันไม่ใช่แค่การเลือก AI ที่เก่งที่สุด แต่คือการสร้างสภาพแวดล้อมที่ทำให้ AI สามารถทำงานกับข้อมูลจริงขององค์กรได้อย่างปลอดภัย มีประสิทธิภาพ และสามารถขยายการใช้งานได้ในระยะยาว
แนวทางอย่าง Private LLM หรือ Private AI Environment จึงได้รับความสนใจมากขึ้น เพราะช่วยให้องค์กรสามารถใช้ประโยชน์จาก AI ได้เต็มที่ ขณะที่ข้อมูลยังคงอยู่ภายใต้การควบคุมขององค์กรเอง
ที่ Sertis เราช่วยองค์กรออกแบบและพัฒนา AI Infrastructure ตั้งแต่การจัดระเบียบข้อมูล การเชื่อมต่อกับระบบภายใน ไปจนถึงการพัฒนา Private LLM ที่สอดคล้องกับข้อกำหนดด้านความปลอดภัยและการกำกับดูแลข้อมูล เพราะในท้ายที่สุด AI ที่ดีไม่ได้ขึ้นอยู่กับโมเดลเพียงอย่างเดียว แต่ขึ้นอยู่กับว่าองค์กรสามารถนำ AI ไปใช้งานได้จริงบน Infrastructure ที่เหมาะสมหรือไม่
ติดต่อเรา: Contact us
