ไทยเร่งปั้นนักพัฒนา AI ให้ได้หมื่นคนต่อปี แต่ผู้เชี่ยวชาญยังมีแค่หลักพัน 'BDI' มองมหาวิทยาลัยอย่างเดียวผลิตไม่ทัน ต้อง Reskill-Upskill คนทำงาน ดึงเอกชนช่วยสร้างกำลังคน
ดร.สุนทรีย์ ส่งเสริม รองผู้อำนวยการสถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน) หรือ BDI กล่าวถึงโจทย์กำลังคนภายใต้แผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติเพื่อการพัฒนาประเทศไทย (พ.ศ.2565-2570) หรือแผน AI แห่งชาติ ที่เข้าสู่การพิจารณาของคณะกรรมการปัญญาประดิษฐ์แห่งชาติ (บอร์ด AI แห่งชาติ) ว่า ไทยตั้งเป้าพัฒนาคน 3 ระดับ ตั้งแต่ประชาชนที่ต้องรู้เท่าทัน AI บุคลากรที่สามารถนำ AI ไปใช้กับงานจริง ไปจนถึงนักพัฒนาและนักวิจัยที่สร้างหรือพัฒนา AI ได้เอง โดยกลุ่มที่ท้าทายที่สุดคือ AI Developer/Researcher ซึ่งตั้งเป้า 10,000 คนต่อปี ขณะที่ผู้เชี่ยวชาญที่สามารถรีเทรนโมเดลในระดับลึกได้จริง ปัจจุบันยังมีเพียงระดับหลักพัน
ตามเป้าหมายรายปี กลุ่ม AI Literacy/General Users อยู่ที่ 2.5 ล้านคน AI Professionals/Leaders 50,000 คน และ AI Developers/Researchers 10,000 คน โดยใช้กรอบนิยามที่แยกความสามารถตั้งแต่การรู้เท่าทัน AI การประยุกต์ใช้ AI ในการทำงาน จนถึงการออกแบบและพัฒนาเทคโนโลยีเอง
◉ AI Developer 1 หมื่นคน ยากที่สุด
ดร.สุนทรีย์อธิบายว่า AI Professionals ไม่ได้หมายถึงคนที่ทำงานในอุตสาหกรรม AI เท่านั้น แต่ครอบคลุมคนทำงานทุกสาขาที่นำ AI มาใช้กับงานได้จริง เช่น ใช้ช่วยตอบอีเมล วิเคราะห์ข้อมูล จัดทำ Dashboard หรือใช้ระบบ Agentic AI เพิ่มประสิทธิภาพการทำงาน ส่วน AI Developer ต้องมีความสามารถลึกขึ้น ตั้งแต่เชื่อม Data Pipeline เลือกโมเดล ทำ Retrieval-Augmented Generation หรือ RAG ไปจนถึง Training โมเดลขึ้นมาเอง ซึ่งอยู่ในกรอบความสามารถด้าน Design and Develop AI
"แม้เป้าหมาย AI Developer จะอยู่ที่ 10,000 คนต่อปี ซึ่งเป็นตัวเลขที่น้อยกว่ากลุ่มอื่น แต่กลับเป็นเป้าหมายที่ทำได้ยากที่สุด เพราะปัจจุบันไทยมีบุคลากรที่มีความเชี่ยวชาญระดับลึกอยู่เพียงหลักพัน และการพัฒนาคนกลุ่มนี้ต้องใช้เวลา ไม่สามารถเร่งสร้างได้ในระยะสั้น" ดร.สุนทรีย์ กล่าว
ความยากไม่ได้อยู่ที่จำนวนเป้าหมายเพียงอย่างเดียว แต่เป็นเรื่องของ Supply ในระบบการศึกษา เพราะบุคลากรที่จบตรงด้านและสามารถพัฒนา AI ในระดับลึกยังมีจำนวนจำกัด ขณะที่เมื่อถูกถามว่าปัจจุบันไทยผลิต AI Developer เข้าสู่ตลาดได้ปีละเท่าใด ดร.สุนทรีย์ระบุว่ายังไม่มีตัวเลขที่ชัดเจน จึงไม่ควรนำจำนวนผู้เชี่ยวชาญที่มีอยู่ทั้งหมดไปเท่ากับจำนวนคนที่ระบบการศึกษาผลิตได้ในแต่ละปี
◉ มหาวิทยาลัยอย่างเดียวผลิตไม่ทัน
การเพิ่ม AI Developer จึงไม่สามารถพึ่งการผลิตบัณฑิตใหม่เพียงช่องทางเดียว ดร.สุนทรีย์มองว่าต้องนำบุคลากรที่อยู่ในอุตสาหกรรมแล้ว เช่น Computer Engineer หรือคนสายเทคโนโลยีที่มีพื้นฐานใกล้เคียง มาทำ Reskill และ Upskill ควบคู่กับการลงทุนของภาคเอกชน
"การพัฒนาบุคลากรด้าน AI ไม่สามารถพึ่งพาการผลิตกำลังคนจากมหาวิทยาลัยเพียงอย่างเดียว เพราะอาจไม่ทันต่อความต้องการ จึงต้องเร่ง Reskill และ Upskill บุคลากรที่ทำงานอยู่ในอุตสาหกรรม เช่น Computer Engineer ควบคู่กับการลงทุนและการมีส่วนร่วมของภาคเอกชน" ดร.สุนทรีย์ กล่าว
อีกแนวทางคือเชื่อมการส่งเสริมการลงทุนด้านเทคโนโลยีเข้ากับ Knowledge Transfer ให้เกิดผลกับกำลังคนอย่างเป็นรูปธรรม โดยมีการหารือถึงการกำหนดเงื่อนไขให้บริษัทที่ได้รับการส่งเสริมการลงทุนมีส่วนสร้างหรือพัฒนาบุคลากรไทยตามจำนวนที่กำหนด ไม่ใช่จำกัดอยู่เพียงการจัดอบรม เพื่อให้การลงทุนด้าน Data Center และธุรกิจเทคโนโลยีต่อยอดมาถึงฐานคนของประเทศด้วย
ส่วนของ BDI ใช้รูปแบบให้ทุนมหาวิทยาลัยจัดหลักสูตรตามกลุ่มทักษะที่ประเทศต้องการ เนื่องจากการพัฒนาคนระดับ Professional และ Developer จำเป็นต้องเรียนแบบ Hands-on ทำ Workshop และฝึกกับโจทย์จริง ไม่เหมาะกับการเรียนผ่านวิดีโอเพียงอย่างเดียว
ตัวอย่างที่ผ่านมา BDI กำหนดโจทย์ให้มหาวิทยาลัยจัดหลักสูตร Cloud Engineer โดยกำหนดให้ผู้เรียนอย่างน้อย 30% เป็นเจ้าหน้าที่รัฐ เพื่อรองรับทักษะการบริหารจัดการ Cloud รวมถึงหลักสูตร Data Science ตั้งแต่ระดับ Intermediate ขึ้นไป ซึ่งกำหนดกรอบระดับความยาก การเรียนแบบ On-site และการประเมินผล อย่างไรก็ตาม จำนวนผู้เรียนที่สามารถพัฒนาผ่านรูปแบบนี้ในแต่ละปียังอยู่ในระดับหลักร้อย จึงเป็นเพียงส่วนหนึ่งของการเติมเป้าหมายระดับหลักหมื่น
◉ ปูทักษะ AI ตั้งแต่ห้องเรียน
ในระดับเยาวชน BDI ทดลองแนวทาง Micro-credit เพื่อให้เด็กเรียนรู้ AI ก่อนเข้าสู่มหาวิทยาลัย โดยภาคเรียนที่ 1 ปี 2569 มีโรงเรียนเดิมที่ใช้หลักสูตรต่อเนื่องและโรงเรียนใหม่รวม 13 แห่ง รวมถึงขยายไปยังโรงเรียนในจังหวัดสุพรรณบุรีอีก 3 แห่ง และบางแห่งเริ่มนำเนื้อหาไปใช้กับนักเรียนระดับมัธยมศึกษาตอนต้น
ขณะเดียวกัน มีการประสานกับมหาวิทยาลัยราชภัฏอุดรธานีให้นักศึกษาชั้นปีที่ 1 เรียนเป็นวิชาเลือก โดยเป้าหมายระยะต่อไปคือเชื่อม Micro-credit เข้ากับ Credit Bank หากนักเรียนมัธยมเรียนหลักสูตร AI แล้วสามารถเทียบหน่วยกิตกับหมวดวิชาศึกษาทั่วไปในมหาวิทยาลัยได้ เด็กจะสามารถสะสมหน่วยกิตล่วงหน้า ลดระยะเวลาเรียนบางส่วน และลดค่าใช้จ่ายเมื่อเข้าสู่ระดับอุดมศึกษา
BDI ยังเลือกไม่สร้างแพลตฟอร์มการเรียนรู้ของตัวเองเพิ่ม แต่เน้นผลิตเนื้อหาแล้วนำไปใช้กับแพลตฟอร์มที่มีผู้ใช้อยู่แล้ว เช่น ระบบของ NECTEC ศูนย์ดิจิทัลชุมชน และแพลตฟอร์มของ SME Bank เพื่อกระจายเนื้อหาไปยังกลุ่มเป้าหมายต่าง ๆ และเพิ่มจำนวนประชาชนที่มี AI Literacy
◉ ปี 70 เตรียมกรอบวัดสกิล AI
อีกโจทย์ที่ BDI เตรียมทำในปี 2570 คือการสร้าง Framework สำหรับประเมินระดับทักษะ AI หลังพบปัญหาว่า แม้องค์กรจะลงทุนส่งบุคลากรไปอบรมและได้รับประกาศนียบัตรกลับมา แต่ยังตอบได้ยากว่าบุคลากรมีความสามารถระดับใด ควรพัฒนาทักษะด้านใดต่อ และสามารถเปรียบเทียบกับคนที่เรียนจากหลักสูตรหรือเครื่องมืออื่นได้อย่างไร
ปัจจุบันการทดสอบด้าน AI จำนวนหนึ่งผูกอยู่กับผลิตภัณฑ์หรือเครื่องมือของผู้ให้บริการแต่ละราย ทำให้เกิดข้อจำกัดในการเปรียบเทียบข้ามระบบ BDI จึงอยู่ระหว่างหารือกับมหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี หรือ มจธ. เรื่องกรอบ Assessment ที่พิจารณาความสามารถตาม Capability และตำแหน่งงาน เพื่อให้ภาคธุรกิจมีข้อมูลประกอบการวางเส้นทาง Upskill และ Reskill ของพนักงานได้ชัดขึ้น
◉ ระเบียบใหม่ลดคอขวดข้อมูลรัฐ
นอกจากโจทย์กำลังคน อีกภารกิจของ BDI คือการสร้างโครงสร้างพื้นฐานข้อมูลให้หน่วยงานรัฐสามารถนำข้อมูลข้ามหน่วยงานมาใช้ได้จริง เพราะที่ผ่านมา แม้หลายหน่วยงานมีข้อมูลอยู่แล้ว แต่การเชื่อมข้อมูลระหว่างกันต้องผ่านขั้นตอนด้านกฎหมายและเอกสารจำนวนมาก
ดร.สุนทรีย์ยกตัวอย่างการทำฐานข้อมูลกลุ่มเปราะบาง ซึ่งต้องใช้ข้อมูล 100 ชุดจาก 44 กรม โดยเริ่มจากการขอมติ ครม. จากนั้นทำ MOU กับหน่วยงานที่เกี่ยวข้อง ก่อนจัดทำ Data Processing Agreement และ Data Sharing Agreement ภายใต้กฎหมายคุ้มครองข้อมูลส่วนบุคคล กระบวนการด้านเอกสารใช้เวลาเกือบปี และเมื่อนับตั้งแต่ต้นจนสามารถนำข้อมูลมาวิเคราะห์เห็น Insight ใช้เวลาราวปีครึ่ง
ปัญหาที่เกิดซ้ำในหลายโครงการนำมาสู่ "ระเบียบสำนักนายกรัฐมนตรีว่าด้วยการแบ่งปันข้อมูลดิจิทัล พ.ศ. 2569" ซึ่งตามข้อมูลที่ BDI เผยแพร่ ประกาศในราชกิจจานุเบกษาเมื่อวันที่ 4 กันยายน 2569 และมีผลบังคับใช้ตั้งแต่วันถัดมา โดยกำหนดกลไกและหลักเกณฑ์สำหรับแบ่งปัน แลกเปลี่ยน เชื่อมโยง และบูรณาการข้อมูลดิจิทัลระหว่างหน่วยงานของรัฐ ภายใต้หลักธรรมาภิบาลข้อมูล
BDI ได้รับบทบาทเป็น "สำนักงาน" ทำหน้าที่จัดให้มีและบริหารระบบกลางเพื่อการแบ่งปันข้อมูล เชื่อมระบบกลางกับระบบแลกเปลี่ยนข้อมูลของภาครัฐ ประมวลผลข้อมูลเพื่อการใช้ประโยชน์เชิงวิเคราะห์ ตรวจสอบสิทธิและข้อกำหนดในการแบ่งปันข้อมูล ให้คำแนะนำแก่หน่วยงาน และเป็นศูนย์กลางจัดการข้อมูลในกรณีฉุกเฉิน
ดร.สุนทรีย์อธิบายว่า ระบบดังกล่าวจะทำให้กระบวนการ Request-Response ระหว่างหน่วยงานอยู่ในรูปแบบอิเล็กทรอนิกส์มากขึ้น ลดการส่งหนังสือราชการไปมาระหว่างหน่วยงาน และลดเวลาที่ใช้ในการขอข้อมูลเพื่อนำมาวิเคราะห์เชิงนโยบาย
ตามกรอบการดำเนินงาน หน่วยงานที่ได้รับคำขอต้องตอบรับและนำส่งข้อมูล หรือแจ้งปฏิเสธการแบ่งปันให้แล้วเสร็จภายใน 90 วัน ส่วนหน่วยงานเจ้าของข้อมูลตามภาคผนวกท้ายระเบียบต้องเชื่อมระบบสารสนเทศกับระบบกลางและนำส่งข้อมูลเข้าสู่ระบบภายใน 60 วันนับแต่ระเบียบมีผล หากยังไม่สามารถดำเนินการได้ ต้องแจ้ง BDI ภายใน 15 วัน เพื่อหารือและจัดทำแผนสร้างความพร้อม
◉ 118 ชุดข้อมูล ทำถนนก่อนภัยมา
ภารกิจชุดแรกของระบบกลางอยู่ที่การจัดการภัยพิบัติและสถานการณ์ฉุกเฉิน โดยภาคผนวกท้ายระเบียบกำหนดข้อมูลสำคัญ 118 ชุด ครอบคลุมสภาพอากาศและอุตุนิยมวิทยา ปริมาณฝนและระดับน้ำ พื้นที่เสี่ยงและข้อมูลเชิงพื้นที่ โครงสร้างพื้นฐานและเส้นทางคมนาคม ระบบสื่อสาร ประชาชนและกลุ่มเปราะบาง ตลอดจนสุขภาพและบริการฉุกเฉิน
แนวทางไม่ได้หมายถึงการดึงข้อมูลทั้งหมดมาเก็บรวมไว้ล่วงหน้า แต่เป็นการเตรียม "ถนนข้อมูล" หรือ API กำหนด Field และมาตรฐานสำหรับแลกเปลี่ยนข้อมูลให้ตกลงกันไว้ก่อน เมื่อเกิดเหตุจึงสามารถเชื่อมเฉพาะข้อมูลที่จำเป็นได้ทันที
บทเรียนหนึ่งมาจากการจัดการข้อมูลช่วงเหตุการณ์น้ำท่วมที่หาดใหญ่ ซึ่ง BDI ต้องรวบรวมข้อมูลจาก 11 แพลตฟอร์ม แต่แต่ละระบบมีรูปแบบ Field ต่างกัน ทำให้ต้องใช้ Data Analytics ตรวจสอบว่าเหตุหรือบุคคลที่แจ้งเข้ามาเป็นเคสเดียวกันหรือเป็นข้อมูลซ้ำ การเตรียมรูปแบบข้อมูลไว้ล่วงหน้าจึงมีเป้าหมายลดปัญหาดังกล่าวเมื่อเกิดเหตุครั้งต่อไป
ดร.สุนทรีย์กล่าวว่า จาก 118 ชุดข้อมูล ข้อมูลที่เกี่ยวข้องกับบุคคลจริงๆ มีประมาณ 10 ชุด ส่วนใหญ่เป็นข้อมูลประเภทถนน น้ำ พื้นที่ ศูนย์อพยพ หรือข้อมูลดาวเทียม ส่วนข้อมูลบุคคลจะถูกนำมาใช้เฉพาะกรณีจำเป็น เช่น การระบุกลุ่มเปราะบาง ผู้ที่ต้องได้รับยาต่อเนื่อง หรือเกษตรกรในพื้นที่เกิดภัย เพื่อให้หน่วยงานที่มีอำนาจช่วยเหลือเข้าถึงข้อมูลประกอบการดำเนินงานได้เร็วขึ้น
สำหรับ BDI การสร้างกำลังคนและการวางระบบข้อมูลจึงเป็นงานที่ต้องเดินควบคู่กัน ด้านหนึ่งไทยต้องเพิ่มคนที่สามารถใช้และพัฒนา AI ได้จริง อีกด้านต้องทำให้ข้อมูลจากหน่วยงานต่างๆ เชื่อมโยงและนำมาใช้ได้อย่างมีประสิทธิภาพ เพราะหากมีเทคโนโลยีแต่ขาดคน หรือมีคนแต่ข้อมูลยังติดอยู่ตามหน่วยงาน ศักยภาพของ Big Data และ AI ก็ยังไม่สามารถนำมาใช้กับงานภาครัฐ ธุรกิจ และบริการประชาชนได้เต็มที่
