AI ในปี 2026: 12 เดือนที่ผ่านมา มีอะไรเปลี่ยนไปจริงๆ บ้าง?

ยุคที่ความตื่นเต้นเริ่มจางหาย

12 เดือนที่ผ่านมาในวงการเทคโนโลยีมันให้ความรู้สึกที่ต่างออกไป พลังงานที่เคยพลุ่งพล่านในปีก่อนๆ ถูกแทนที่ด้วยการยอมรับความจริงอันแสนเย็นชาที่ว่า การสร้าง model นั้นง่ายกว่าการสร้างธุรกิจเยอะ เราก้าวข้ามช่วงเวลาแห่งความมหัศจรรย์เข้าสู่ยุคของการเน้นการใช้งานจริง นี่คือปีที่อุตสาหกรรมเลิกพูดถึงสิ่งที่ *อาจจะ* เกิดขึ้น และเริ่มจัดการกับสิ่งที่เกิดขึ้นจริง เราได้เห็นจุดจบของยุคที่การเปิดตัว model ใหม่จะทำให้คนทั้งโลกหยุดชะงักไปทั้งวัน แต่เรากลับได้เห็นการผสานระบบเหล่านี้เข้ากับระบบหลังบ้านของอินเทอร์เน็ตอย่างช้าๆ เรื่องราวที่ใหญ่ที่สุดในปีที่ผ่านมาไม่ใช่เรื่องของ benchmark แต่เป็นเรื่องของโครงข่ายไฟฟ้า ห้องพิจารณาคดี และการค่อยๆ เลือนหายไปของ search engine แบบเดิมๆ นี่คือช่วงเวลาที่อุตสาหกรรมยอมแลกความตื่นเต้นเพื่อที่นั่งในฐานะโครงสร้างพื้นฐานระดับโลก การลดระดับความคาดหวังนี้ไม่ใช่ความล้มเหลวของเทคโนโลยี แต่มันคือสัญญาณของความโตเต็มวัย เราไม่ได้อยู่ในโลกของอนาคตที่เต็มไปด้วยการคาดเดาอีกต่อไป แต่เราอยู่ในโลกของระบบที่เชื่อมต่อถึงกันซึ่งความแปลกใหม่ได้จางหายไปแล้ว

การรวมศูนย์อำนาจทางปัญญา

หัวใจสำคัญของการเปลี่ยนแปลงในช่วง 12 เดือนที่ผ่านมาคือการย้ายที่อยู่ของอำนาจ เราได้เห็นการรวมกลุ่มครั้งใหญ่ที่ยักษ์ใหญ่ในวงการยิ่งใหญ่ขึ้นกว่าเดิม ความฝันที่ว่าจะมี model เล็กๆ นับพันแข่งกันในสนามที่เท่าเทียมนั้นเริ่มเลือนลาง แต่เรากลับเห็นการผงาดของ foundation layer ที่มีเพียงไม่กี่บริษัทเท่านั้นที่มีกำลังจ่ายค่าไฟฟ้าและค่า chips ที่จำเป็นในการแข่งขัน บริษัทเหล่านี้เลิกโฟกัสที่การทำให้ model ฉลาดขึ้นในภาพรวม แต่หันมาทำให้พวกมันมีความน่าเชื่อถือมากขึ้น model ในปัจจุบันทำตามคำสั่งได้ดีขึ้นและมีโอกาส “มโน” (hallucinate) น้อยลง ซึ่งความสำเร็จนี้ไม่ได้มาจากความก้าวหน้าครั้งใหญ่เพียงครั้งเดียว แต่มาจากการปรับปรุงเล็กๆ น้อยๆ นับพันจุดในการทำความสะอาดข้อมูลและการจูน model การเปลี่ยนจุดโฟกัสนี้เห็นได้ชัดจาก AI industry analysis ล่าสุดที่เน้นเรื่องประโยชน์ใช้สอยมากกว่าขนาดของ model นอกจากนี้เรายังเห็นการเติบโตของ small language models ที่ทำงานบน smartphone และ laptop ได้โดยตรง แม้ระบบขนาดเล็กเหล่านี้จะไม่มีความรู้กว้างขวางเท่ารุ่นพี่ใน cloud แต่พวกมันทำงานได้เร็วและมีความเป็นส่วนตัวสูง การแบ่งแยกระหว่างสมองกลบน cloud ขนาดใหญ่และอุปกรณ์ระดับ edge นี่แหละที่กำหนดสถาปัตยกรรมทางเทคนิคของปีนี้ อุตสาหกรรมเลิกเชื่อว่า model ยักษ์ตัวเดียวจะทำได้ทุกอย่าง เพราะปีนี้ประสิทธิภาพสำคัญกว่าขนาดดิบๆ บริษัทต่างๆ เริ่มตระหนักว่า model ขนาดเล็กที่ตอบถูก 99% มีค่ามากกว่า model ยักษ์ที่ตอบถูกแค่ 90%

ความขัดแย้งและการผงาดของ Sovereign AI

ในระดับโลก ปีที่ผ่านมาถูกนิยามด้วยความขัดแย้ง ช่วงเวลาฮันนีมูนระหว่างบริษัทเทคโนโลยีและรัฐบาลได้สิ้นสุดลงแล้ว สหภาพยุโรปเริ่มบังคับใช้ AI Act ซึ่งบีบให้บริษัทต่างๆ ต้องโปร่งใสมากขึ้นเกี่ยวกับข้อมูลที่ใช้เทรน สิ่งนี้สร้างโลกที่มีความเร็วสองระดับ คือฟีเจอร์บางอย่างใช้ได้ในสหรัฐฯ แต่ถูกบล็อกในยุโรป ในขณะเดียวกัน การต่อสู้เรื่องลิขสิทธิ์ก็มาถึงจุดเดือด สำนักพิมพ์และศิลปินรายใหญ่ชนะการเจรจาหรือได้รับข้อตกลงการอนุญาตใช้งานที่มีมูลค่ามหาศาล สิ่งนี้เปลี่ยนระบบเศรษฐกิจของอุตสาหกรรมไปเลย เพราะการดูดข้อมูลจากอินเทอร์เน็ตมาสร้างผลิตภัณฑ์ไม่ใช่ของฟรีอีกต่อไป ตามรายงานจาก Reuters การต่อสู้ทางกฎหมายเหล่านี้บีบให้เหล่านักพัฒนาต้องคิดกลยุทธ์การหาข้อมูลใหม่ นอกจากนี้เรายังเห็นการเกิดขึ้นของ *sovereign AI* ที่ประเทศอย่างฝรั่งเศส ญี่ปุ่น และซาอุดีอาระเบีย เริ่มสร้างคลัสเตอร์การประมวลผลของตัวเอง พวกเขาตระหนักว่าการพึ่งพาบริษัทจาก Silicon Valley เพียงไม่กี่แห่งสำหรับโครงสร้างพื้นฐานทางปัญญานั้นเป็นความเสี่ยงต่อความมั่นคงของชาติ การผลักดันเพื่อการควบคุมในระดับท้องถิ่นนี้ทำให้ตลาดเทคโนโลยีโลกเริ่มแตกส่วน โดยรัฐบาลมุ่งเน้นไปที่การกำกับดูแลใน 3 ด้านหลัก:

• ข้อกำหนดด้านความโปร่งใสสำหรับชุดข้อมูลเทรนเพื่อให้แน่ใจว่าได้ข้อมูลมาอย่างถูกต้องตามกฎหมาย
• ข้อจำกัดที่เข้มงวดในการใช้งานที่มีความเสี่ยงสูง เช่น การจดจำใบหน้าในพื้นที่สาธารณะ
• ข้อบังคับในการทำลายน้ำ (watermarking) เนื้อหาที่สร้างโดย AI เพื่อป้องกันการแพร่กระจายของข้อมูลเท็จ

จากแชทบอทสู่เอเจนท์อัจฉริยะ

ผลกระทบในโลกแห่งความเป็นจริงเห็นได้ชัดที่สุดจากการเปลี่ยนจาก chat boxes ไปสู่ agents ในปีก่อนๆ คุณต้องบอกคอมพิวเตอร์ว่าต้องทำอะไรทีละขั้นตอน แต่ตอนนี้ระบบถูกออกแบบมาให้รับเป้าหมายและไปดำเนินการเอง ลองนึกถึงชีวิตของผู้จัดการฝ่ายโลจิสติกส์ในเมืองขนาดกลาง ในตอนเช้า ผู้ช่วยของเธอได้สแกนอีเมล 500 ฉบับและจัดลำดับความสำคัญให้เรียบร้อยแล้ว มันแจ้งเตือนเรื่องการขนส่งที่ล่าช้าจากสิงคโปร์และร่างทางแก้ปัญหา 3 แบบโดยอิงจากสภาพอากาศและข้อมูลท่าเรือปัจจุบัน เธอไม่ได้แชทกับเครื่องจักร แต่เธอมีหน้าที่อนุมัติหรือปฏิเสธคำแนะนำของมัน ในช่วงพักเที่ยง เธอใช้เครื่องมือสรุปการประชุมสภาเมืองที่ยาว 4 ชั่วโมงให้เหลือเพียงเสียงสรุป 5 นาที ในตอนบ่าย ระบบจะจัดการตารางเวลาของเธอ ย้ายการประชุมเพื่อรองรับวิกฤตการขนส่งโดยที่เธอไม่ต้องแตะเมาส์เลย นี่คือการเปลี่ยนผ่านสู่ยุค **agentic** AI ไม่ใช่เครื่องมือที่คุณใช้อีกต่อไป แต่มันคือพนักงานที่คุณบริหารจัดการ อย่างไรก็ตาม การเปลี่ยนแปลงนี้สร้างความเครียดแบบใหม่ ความเร็วในการทำงานเพิ่มขึ้น แต่ความสามารถของมนุษย์ในการประมวลผลยังเท่าเดิม พนักงานพบว่าในขณะที่เครื่องจักรทำงานที่น่าเบื่อไปให้ แต่งานที่เหลืออยู่นั้นเข้มข้นกว่าเดิมและต้องตัดสินใจในระดับสูงตลอดเวลา สิ่งนี้ทำให้เกิดอาการ burnout แบบใหม่ที่จำนวนการตัดสินใจต่อชั่วโมงเพิ่มขึ้นเป็นเท่าตัว เราเห็นเทรนด์นี้ในทุกภาคส่วนอาชีพ ตามที่ The Verge ได้บันทึกไว้ในการศึกษาเรื่องสถานที่ทำงานล่าสุด เครื่องจักรจัดการข้อมูล แต่มนุษย์ยังต้องแบกรับความรับผิดชอบ สิ่งนี้สร้างน้ำหนักทางจิตใจที่อุตสาหกรรมยังไม่ได้แก้ไข

คำถามที่ยังไร้คำตอบในยุคจักรกล

เราต้องตั้งคำถามว่าใครกันแน่ที่ได้ประโยชน์จากความเร็วที่เพิ่มขึ้นนี้ ถ้าพนักงานทำงานได้มากขึ้นสองเท่าในหนึ่งวัน เงินเดือนพวกเขาจะเพิ่มเป็นสองเท่า หรือบริษัทจะแค่ไล่พนักงานออกครึ่งหนึ่ง? ต้นทุนที่ซ่อนอยู่เริ่มมองข้ามได้ยากขึ้น ทุกการค้นหาผ่าน model ระดับสูงต้องใช้น้ำมหาศาลในการระบายความร้อนให้ data centers เมื่อระบบเหล่านี้กลายเป็นส่วนหนึ่งของการค้นหาและอีเมลทุกฉบับ รอยเท้าทางสิ่งแวดล้อมก็เติบโตในอัตราที่พลังงานสะอาดแบบเดิมตามไม่ทัน นอกจากนี้ยังมีเรื่องของอำนาจอธิปไตยเหนือข้อมูล เมื่อ agent จัดการชีวิตคุณ มันจะรู้ทั้งตารางเวลา ความชอบ และการสนทนาส่วนตัว ข้อมูลเหล่านั้นไปอยู่ที่ไหน? แม้จะมีการเข้ารหัส แต่ metadata ของชีวิตเราก็ถูกเก็บเกี่ยวไปเพื่อเทรนระบบรุ่นต่อไป เรากำลังแลกความเป็นส่วนตัวกับความสะดวกสบายในระดับที่ทำให้ยุคโซเชียลมีเดียดูจ้อยร่อยไปเลย ความมีประสิทธิภาพนั้นคุ้มค่ากับการสูญเสียอิสระส่วนบุคคลหรือไม่? เรากำลังสร้างโลกที่การใช้ชีวิตตามปกติจำเป็นต้องสมัครสมาชิกกับยักษ์ใหญ่เทคโนโลยี สิ่งนี้สร้างความเหลื่อมล้ำทางดิจิทัลแบบใหม่สำหรับผู้ที่ไม่มีกำลังจ่ายค่า agent ระดับพรีเมียม ยิ่งไปกว่านั้น การพึ่งพาระบบเหล่านี้สร้างจุดอ่อนที่อันตราย หากผู้ให้บริการรายใหญ่ล่ม อุตสาหกรรมทั้งระบบอาจหยุดชะงัก เราย้ายจากโลกของซอฟต์แวร์ที่หลากหลายไปสู่โลกที่ทุกคนพึ่งพา neural networks เพียงไม่กี่แห่ง การรวมศูนย์ความเสี่ยงนี้เป็นสิ่งที่นักเศรษฐศาสตร์เพิ่งเริ่มศึกษา และผลกระทบระยะยาวต่อความสามารถทางปัญญาของมนุษย์ก็ยังไม่มีใครรู้ ถ้าเราเลิกเขียนอีเมลเองและเลิกจัดการตารางเวลาเอง จะเกิดอะไรขึ้นกับความสามารถในการทำงานเหล่านั้นเมื่อระบบล่ม?

สถาปัตยกรรมของการใช้งานในระดับท้องถิ่น

สำหรับเหล่า power users ปีที่ผ่านมาคือเรื่องของระบบหลังบ้านล้วนๆ เราได้เห็นขีดจำกัดของ Retrieval Augmented Generation (RAG) ที่ถูกผลักดันไปจนสุดทาง จุดโฟกัสเปลี่ยนจากตัว model ไปอยู่ที่ orchestration layer นักพัฒนาใช้เวลากับ vector databases และ context windows ที่ยาวขึ้น มากกว่าการทำ prompt engineering การเปลี่ยนแปลงครั้งใหญ่เกิดขึ้นในการจัดการพื้นที่จัดเก็บข้อมูลในเครื่อง แทนที่จะส่งข้อมูลทุกอย่างไปที่ cloud เราเริ่มเห็น hybrid inference ที่งานง่ายๆ จะถูกจัดการด้วย hardware ในเครื่อง และงานยากๆ จะถูกส่งไปยังคลัสเตอร์ ข้อจำกัดของ API กลายเป็นคอขวดใหม่สำหรับการเติบโตขององค์กร บริษัทต่างๆ พบว่าพวกเขาไม่สามารถขยาย workflow ได้เพราะ rate limits ของ model ระดับท็อปนั้นเข้มงวดเกินไป งานวิจัยจาก MIT Technology Review ชี้ว่าก้าวต่อไปของการเติบโตจะขึ้นอยู่กับประสิทธิภาพของ hardware มากกว่าขนาดของ model นอกจากนี้เรายังเห็นการหันไปทำ fine-tuning model ขนาดเล็กด้วยชุดข้อมูลเฉพาะของบริษัท model ขนาด 7 พันล้าน parameter ที่เทรนด้วยเอกสารภายในบริษัท มักจะทำงานได้ดีกว่า model ทั่วไปขนาด 1 ล้านล้าน parameter สิ่งนี้ทำให้ความต้องการ hardware ในเครื่องที่สามารถรัน model เหล่านี้ด้วยความเร็วสูงพุ่งทะยาน ชุมชนเทคนิคกำลังโฟกัสที่ตัวชี้วัดสำคัญหลายอย่าง:

• ข้อจำกัดของ memory bandwidth ใน hardware ระดับผู้บริโภคสำหรับการทำ local inference
• benchmark ของ token ต่อวินาทีสำหรับ quantized models ที่รันบนชิปมือถือ
• การจัดการ context window ในการวิเคราะห์เอกสารขนาดยาวและงานแบบ multi-modal

ยอมรับความปกติใหม่

สรุปสั้นๆ คือ ปีที่ผ่านมาคือปีที่ AI กลายเป็นเรื่อง “น่าเบื่อ” และนั่นแหละคือความสำเร็จที่ยิ่งใหญ่ที่สุดของมัน เมื่อเทคโนโลยีกลายเป็นส่วนหนึ่งของฉากหลัง นั่นแปลว่ามันได้มาถึงจุดที่ใช้งานได้จริงแล้ว เราก้าวข้ามยุคของมายากลเข้าสู่ยุคของการประยุกต์ใช้ในระดับอุตสาหกรรม อำนาจถูกรวมศูนย์อยู่ในมือของผู้ที่ครอบครองชิปและโรงไฟฟ้า แต่ประโยชน์ใช้สอยได้กระจายไปทุกมุมของโลกการทำงาน ความเสี่ยงนั้นมีอยู่จริง ตั้งแต่ผลกระทบต่อสิ่งแวดล้อมไปจนถึงการสูญเสียความเป็นส่วนตัว แต่แรงขับเคลื่อนในตอนนี้ไม่สามารถย้อนกลับได้แล้ว เราไม่ได้กำลังรอให้อนาคตมาถึง แต่เรากำลังยุ่งกับการจัดการอนาคตที่เราสร้างขึ้นมาแล้ว เมื่อเราก้าวผ่านปีนี้ไป จุดโฟกัสจะยังคงอยู่ที่การทำให้ระบบเหล่านี้ล่องหนและน่าเชื่อถือมากขึ้น 12 เดือนข้างหน้าจะไม่ใช่เรื่องของ model ใหม่ๆ แต่จะเป็นเรื่องของการที่เราจะใช้ชีวิตร่วมกับสิ่งที่เรามีได้อย่างไร

หมายเหตุจากบรรณาธิการ: เราสร้างเว็บไซต์นี้ขึ้นมาเพื่อเป็นศูนย์กลางข่าวสารและคู่มือ AI หลายภาษาสำหรับผู้ที่ไม่ได้เป็นผู้เชี่ยวชาญคอมพิวเตอร์ แต่ยังคงต้องการทำความเข้าใจปัญญาประดิษฐ์ ใช้งานได้อย่างมั่นใจมากขึ้น และติดตามอนาคตที่กำลังจะมาถึงแล้ว