AI Update Bangkok 2026 ตอนที่ 1

บ่ายวันหนึ่งเราไปนั่งฟังงาน AI Update Bangkok 2026 มา ตามคำชวนของพี่หมอจิม (Jimmy Tejasen) เจ้าของงาน กะว่าไปเก็บข่าวรุ่นใหม่ๆ แต่ของที่ติดหัวกลับมาไม่ใช่ชื่อรุ่นสักตัว

ปีนี้เราได้ยินคำว่ายุคใหม่ของ AI มาแล้ว 3 รอบ รอบแรก generative รอบสอง agentic รอบล่าสุด physical ทุกรอบจบด้วยประโยคเดียวกันคือให้รีบปรับตัว แต่ไม่มีใครบอกสักทีว่าปรับอะไร

งานนี้ให้คำตอบที่ตรงกว่านั้น นี่ไม่ใช่ 3 คลื่นให้เลือกขึ้น นี่คือ 3 ขั้นที่ต่อกัน และตอนที่ขยับจากขั้นที่ AI ทำงานอยู่ในคอมพิวเตอร์ ไปเป็นขั้นที่ขยับของจริง คำถามก็เปลี่ยนไปด้วย จากถามว่าเก่งแค่ไหน เป็นถามว่าพอทำพลาดแล้วซ่อมคืนได้หรือเปล่า

Productize สรุปงาน AI Update Bangkok 2026 ไว้ที่นี่ เอาเฉพาะของที่เอาไปใช้ต่อได้ ไม่ใช่ว่าใครขึ้นพูดอะไรบ้าง

ช่วงที่ 1Physical AI คืออะไร และต่างจาก Agentic AI ตรงไหน

คุณปฐม จาก SVOA ผู้แทนจำหน่ายฝั่งฮาร์ดแวร์ AI ไล่ทีละขั้นแบบสั้นที่สุด Generative AI คือ AI ที่สร้างของให้เรา Agentic AI คือ AI ที่ตัดสินใจแล้วลงมือทำเองในคอมพิวเตอร์ ส่วน Physical AI คือใส่ตา ใส่หู ใส่เซ็นเซอร์เข้าไป แล้วปล่อยออกไปจับของจริง

แล้วสรุปไว้ประโยคเดียวว่า Generative AI เข้าใจข้อมูล แต่ Physical AI ต้องเข้าใจโลก

พอพูดคำนี้คนส่วนใหญ่นึกถึงหุ่นยนต์เดินได้ แต่คุณปฐมย้ำเองว่าอย่าเพิ่งไปคิดถึงหุ่นยนต์อย่างเดียว หมายถึงอะไรก็ได้ที่ต่ออินเทอร์เน็ตได้ รถยนต์ เครื่องจักรในโรงงาน หรือกล่องเล็กๆ ที่ติดเซ็นเซอร์ไว้ หุ่นยนต์แค่เป็นหน้าตาที่เห็นชัดที่สุด

อีกอย่างที่ต้องบอกไว้ ขั้นใหม่ไม่ได้มาแทนขั้นเก่า ตัวที่คิดยังเป็นโมเดลภาษาตัวเดิมที่เราใช้กันทุกวัน ของที่เพิ่มเข้ามาคือมือกับตา

แล้วเราจะเอาเรื่องนี้ไปทำอะไรต่อ คุณปฐมพลิกคำถามให้ดูตอนที่เล่าบนเวที

คำถามทางธุรกิจไม่ใช่ "หุ่นยนต์ตัวละเท่าไหร่" แต่คือ "งานไหนในองค์กรของคุณที่ยังต้องใช้คน เพราะโลกใบนี้ถูกออกแบบมาเพื่อคน"

บนไมค์เขาพูดสั้นกว่านั้น ว่าเรากำลังเข้าสู่ยุคที่ไม่ได้ถามแล้วว่าต้องใช้หุ่นยนต์มากน้อยแค่ไหน แต่ถามว่ายังมีงานไหนที่ต้องใช้คนอยู่บ้าง คำถามนี้ดีตรงที่แยกงานที่ต้องใช้คนจริงๆ ออกจากงานที่ต้องใช้คนเพราะบันไดสูงเท่านี้ ประตูกว้างเท่านี้ และของวางอยู่ระดับนี้

ลองถามกับที่ทำงานของตัวเองดู คำตอบมักไม่เหมือนที่เดาไว้ตอนแรก

ช่วงที่ 23 กลุ่มโมเดล อยู่บนเส้นเดียวกัน ไม่ใช่ 3 ระดับคุณภาพ

ก่อนไปถึงหุ่นยนต์ ขอแวะเรื่องเลือกโมเดลก่อน เพราะเป็นพื้นของทุกอย่างที่เหลือ

ตอนที่เล่าบนเวที พี่สมชัยเอาความเก่งของโมเดลมาวางเทียบกับราคา แล้วลากเส้นโค้งผ่านตัวที่คุ้มที่สุดของแต่ละช่วงราคา เส้นนี้เรียกว่าเส้น Pareto บนเส้นมี 3 กลุ่ม เรียงจากถูกไปแพงคือ compact (ตัวเล็ก ราคาถูก) commodity (ตัวกลาง ใช้ทั่วไป) แล้วก็ frontier (ตัวท็อป แพงสุด) ส่วนอีกสิบกว่าจุดที่เหลือ กระจายอยู่ใต้เส้น แล้วติดป้ายไว้ว่าไม่แนะนำ

ตอนแรกเราอ่านว่าเป็น 3 ระดับคุณภาพ ถูกไปหาดี แต่ไม่ใช่ ทั้ง 3 กลุ่มคุ้มพอกันหมด ต่างกันแค่ว่าเราจ่ายไหวแค่ไหน

พอมองแบบนี้ คำถามก็เปลี่ยน จากเดิมที่ถามว่างานนี้ต้องใช้โมเดลเก่งแค่ไหน กลายเป็นถามว่า งานนี้เราจ่ายไหวแค่ไหน และตัวที่ใช้อยู่ คุ้มที่สุดในช่วงราคานั้นหรือเปล่า คำถามแรกพาเราไปไล่ซื้อของแพงขึ้นเรื่อยๆ คำถามหลังพาเรากลับไปดูว่ามีของถูกกว่าที่ทำงานได้เท่ากันรออยู่ไหม

อีกจุดที่เล็กแต่สำคัญ แกนราคาที่เขาใช้คือต้นทุนต่อหนึ่งงาน ไม่ใช่ต่อ token ฟังดูคล้ายกันแต่คนละเรื่อง ของถูกที่ต้องสั่ง 3 รอบกว่าจะใช้ได้ ก็ไม่ได้ถูก

เราไม่ได้เสียเงินเพราะเลือกจุดผิดบนเส้น เราเสียเพราะไม่รู้ว่าตัวเองหลุดออกนอกเส้นไปแล้วต่างหาก จุดบนเส้นย้ายทีหลังได้ แต่ที่หลุดออกนอกเส้น เสียทุกครั้งที่เรียกใช้

ช่วงที่ 3ทำไม Physical AI ต้องเริ่มจาก โลกจำลอง

ช่วงนี้ไม่ได้พูดถึงความฉลาดของโมเดลเลยสักคำ

เวลา agent ทำงานพลาด เราก็สั่งให้ทำใหม่ โดนบ่นนิดหน่อย จบ แต่ถ้าเป็นหุ่นยนต์ยกของแล้วทำหล่น ของก็แตกไปแล้ว สั่งทำใหม่ไม่ได้

สิ่งที่ตัดสินว่าต้องสร้างยังไง ไม่ใช่ว่าแม่นแค่ไหน แต่คือพลาดแล้วซ่อมคืนได้ไหม พอซ่อมคืนไม่ได้ วิธีทำก็ต้องเปลี่ยนหมด ต้องเอาไปลองในโลกจำลองให้เยอะที่สุดก่อน เก็บข้อมูลจากตรงนั้นให้มากที่สุด แล้วค่อยปล่อยลงของจริง

เราว่าอันนี้ไม่ได้ใช้ได้แค่กับหุ่นยนต์ ลองเอามาส่องงานที่เราให้ AI ทำอยู่ตอนนี้ดู ร่างอีเมล สรุปประชุม เขียนดราฟต์ พวกนี้พลาดแล้วแก้ได้หมด แต่งานที่ไปแตะฐานข้อมูลจริง งานที่กดส่งของออกไปหาลูกค้า งานที่ลบไฟล์ คนละเรื่องกันเลย

แปลเป็นของที่ทำได้พรุ่งนี้เลยคือ งานที่แก้คืนได้ ปล่อยให้ AI ลองไปเถอะ ส่วนงานที่แก้คืนไม่ได้ ต้องมีที่ให้ซ้อมก่อน แล้วต้องมีคนกดยืนยันก่อนของจริงจะขยับ

ช่วงที่ 4local LLM ที่แข่งได้ ไม่ได้แปลว่า เก่งภาษาไทย

คุณปฐมถามกลางเวทีว่า ถ้าให้ไทยไปสร้างโมเดลใหญ่แข่งกับจีนกับสหรัฐ ไหวไหม แล้วก็ตอบเองว่าไม่ไหวหรอก แต่ local LLM นี่ทำได้

มุมที่น่าคิดคือ เขาบอกให้เลิกคิดว่า local LLM แปลว่าเราเก่งภาษาไทย ที่ควรจะเป็นคือโมเดลที่เก่งเรื่องเฉพาะทางไปเลย เก่งในเรื่องที่คนกลุ่มหนึ่งรู้ลึกจริงๆ ไม่ใช่เก่งภาษาที่คนกลุ่มนั้นพูด

ตัวอย่างที่เขายกคือโรงเรียนแพทย์บ้านเราที่ทำโมเดลอ่านฟิล์มเอกซเรย์ อ่าน MRI อ่านชิ้นเนื้อ ขึ้นมาใช้เอง แต่ของแถมที่น่าสนใจกว่าตัวโมเดลคือ ปกติซอฟต์แวร์แบบนี้เขาขายพ่วงมากับเครื่อง พอมีโมเดลของตัวเองแล้ว ก็ไปซื้อเครื่องเปล่าจากที่ไหนก็ได้ ของที่ล็อกเราไว้ไม่เคยเป็นตัวเครื่อง แต่เป็นซอฟต์แวร์ที่ติดมากับเครื่องนั้น

สำหรับคนทำของขาย เราว่านี่คือแผนที่หาช่องของตัวเอง ช่องที่เหลือให้เราไม่ใช่ช่องที่ต้องใหญ่กว่าเขา แต่เป็นช่องที่เรารู้ลึกกว่าเขา

ช่วงที่ 5สิ่งที่ยังขายได้ เมื่อลูกค้า ทำต้นแบบเองได้แล้ว

มีช่วงหนึ่งคุณปฐมเล่าเรื่องที่เจอกับตัวในธุรกิจรับทำซอฟต์แวร์ ทุกวันนี้ลูกค้าเดินเข้ามาคุยพร้อมของที่ทำมาแล้ว ไม่ใช่แค่ภาพร่างสวยๆ แต่เป็นแอปที่กดใช้ได้จริง หน้าตาครบ เสร็จไปแล้วราว 80%

แล้วทำไมยังจ้างอยู่ เขาตอบว่า ถ้าทำเองแล้วมันพัง จะไปด่าใคร แต่ถ้าจ้างบริษัท ก็ยังมีคนให้เรียกมารับผิดชอบได้

แปลว่าของที่ยังขายได้ไม่ใช่ฝีมือเขียนโค้ด แต่คือคนที่ยืนรับแทนตอนของพัง แล้วเขาก็พูดต่อเองว่าอีก 5 ปีจะยังจริงอยู่ไหม เขาก็ไม่รู้เหมือนกัน

ทั้งคู่ปิดด้วยความกังวลเดียวกัน แต่มาคนละทาง

พี่สมชัยเล่าว่ามีพนักงานถามเขาตรงๆ ว่าถ้าไม่ต้องใช้คนแล้วหนูจะไปทำอะไร เขาบอกว่าตอบไม่ได้จริงๆ สิ่งเดียวที่ตอบได้คือถ้าไม่ใช้ AI ก็จะสู้คนที่ใช้ไม่ได้

ส่วนคุณปฐมเจอของที่ไกลกว่านั้นอีกขั้น เขาเล่าถึงนักเขียนคนหนึ่งที่เลิกเขียน เพราะอ่านงานที่ AI เขียนแล้วรู้สึกว่าตัวเองสู้ไม่ได้ กับนักแต่งเพลงอีกคนที่เลิกแต่งด้วยเหตุผลเดียวกัน สิ่งที่เขากลัวไม่ใช่คนถูกแทนที่ แต่คือคนตัดสินเองว่าสู้ไม่ได้ แล้วถอยออกมาเอง ทั้งที่ยังไม่มีใครไล่

เขาบอกว่าอยากให้ทั้งคู่กลับมาทำงาน เพราะของที่คนใส่ลงไปได้แล้วเครื่องยังใส่ไม่ได้ คือความรู้สึกกับสิ่งที่เคยผ่านมาจริง

สรุปสิ่งที่ เอาไปใช้ได้เลย

1. เลิกถามว่าต้องใช้โมเดลเก่งแค่ไหน เปลี่ยนเป็นถามว่างานนี้อยู่ตรงไหนบนเส้นความคุ้ม และตอนนี้เราหล่นออกนอกเส้นไปหรือยัง
2. คิดต้นทุนต่อหนึ่งงาน ไม่ใช่ต่อ token ของถูกที่ต้องสั่ง 3 รอบ แพงกว่าของแพงที่จบในรอบเดียว
3. แยกงานว่าพลาดแล้วซ่อมคืนได้ไหม ก่อนจะแยกว่ายากแค่ไหน งานที่แก้คืนได้ ปล่อยให้ AI ลองเลย งานที่แก้คืนไม่ได้ ต้องมีที่ให้ซ้อมและมีคนกดยืนยัน
4. ช่องของเราคือความลึกเฉพาะสาขา ไม่ใช่ภาษา ถ้าจะสร้างของที่แข่งได้ ให้เริ่มจากเรื่องที่เรารู้ลึกกว่าคนอื่นจริงๆ
5. สิ่งที่ยังขายได้คือความรับผิดชอบ ไม่ใช่ความเร็วในการผลิตของ ออกแบบบริการของเราจากตรงนั้น

ถ้าหยิบไปได้ข้อเดียว เราเลือกข้อ 3 เพราะมันเปลี่ยนคำถามแรกที่เราถามก่อนจะโยนงานให้ AI จากเดิมถามว่ามันทำได้ไหม กลายเป็นถามว่าถ้ามันทำพัง เราจะเสียอะไรที่เอาคืนไม่ได้บ้าง

คำถามหลังตอบง่ายกว่าเยอะ แล้วตอบได้ตั้งแต่ยังไม่เริ่มทำ

ที่มา

เนื้อหาทั้งหมดมาจากงาน AI Update Bangkok 2026 ที่พี่หมอจิม (Jimmy Tejasen) จัดขึ้นวันที่ 21 สิงหาคม 2026 ที่ The Cloud Bangkok ขอบคุณที่ชวนไป และขอบคุณผู้พูดทั้งสองท่าน พี่สมชัยกับคุณปฐม ที่เล่าเรื่องพวกนี้ให้ฟัง

• บันทึกถ่ายทอดสดของงาน: ดูย้อนหลัง
• งานของ Jimmy Tejasen: aiserver.in.th เว็บข่าวและรีวิวฮาร์ดแวร์เซิร์ฟเวอร์ AI และ agentic-press.com สำนักพิมพ์หนังสือสาย AI

ภาพประกอบทั้งคู่เราวาดขึ้นใหม่เพื่ออธิบายหลักการ ไม่ได้ทำสำเนาของในงานมาลง