ศิริเชษฐ์ พูลทิพายานนท์
ศูนย์วิจัยกีฬาต่อสู้และศิลปะป้องกันตัว : CMARC
ภาควิชาวิทยาศาสตร์การกีฬา คณะพลศึกษา
มหาวิทยาลัยศรีนครินทรวิโรฒ
เมื่อประเทศขนาดกลางประกาศว่าจะไม่เป็นเพียง “ผู้ใช้” AI ของคนอื่น
ในเดือนที่ผ่านมา รัฐบาลแคนาดาเผยแพร่เอกสารยุทธศาสตร์ปัญญาประดิษฐ์แห่งชาติฉบับใหม่ภายใต้ชื่อ “AI for All” [1] เอกสารความยาว 50 หน้าฉบับนี้น่าสนใจเป็นพิเศษสำหรับผู้กำหนดนโยบายไทย ไม่ใช่เพราะแคนาดาเป็นมหาอำนาจ AI ที่เราเอื้อมไม่ถึง แต่เพราะแคนาดาเผชิญ “โจทย์แบบประเทศขนาดกลาง” ที่คล้ายกับเราอย่างน่าประหลาด นั่นคือ การเป็นประเทศที่มีศักยภาพทางวิชาการและทรัพยากรมนุษย์ แต่ถูกบีบอยู่ระหว่างมหาอำนาจเทคโนโลยี ตลาดภายในประเทศมีขนาดจำกัด ภาคธุรกิจขนาดกลางและขนาดย่อมยังไม่กล้าลงทุนใน AI และประชาชนจำนวนมากยังไม่ไว้วางใจเทคโนโลยีนี้
สิ่งที่ทำให้เอกสารฉบับนี้แตกต่างจากยุทธศาสตร์ AI ทั่วไปที่มักเต็มไปด้วยถ้อยคำสวยหรู คือความตรงไปตรงมาของมัน แคนาดายอมรับอย่างเปิดเผยว่าตนเองมี “ช่องว่างการนำไปใช้” (adoption gap) ที่รุนแรง: มีธุรกิจแคนาดาเพียงร้อยละ 12 เท่านั้นที่ใช้ AI ในการผลิตสินค้าหรือบริการ และในกลุ่ม SMEs ตัวเลขนี้ลดลงเหลือเพียงประมาณร้อยละ 8 ตามหลังกลุ่มประเทศนอร์ดิก (ร้อยละ 29–42) และเยอรมนี (ร้อยละ 26) อย่างชัดเจน ยิ่งไปกว่านั้น ผลสำรวจความเชื่อมั่นระดับโลกของ KPMG ร่วมกับ University of Melbourne จัดให้แคนาดาอยู่อันดับที่ 44 จาก 47 ประเทศด้านการฝึกอบรมและความรู้เท่าทัน AI และอันดับที่ 42 จาก 47 ด้านความไว้วางใจในระบบ AI
ประเทศที่ให้กำเนิด Geoffrey Hinton, Yoshua Bengio และ Richard Sutton สามผู้ที่ได้รับการขนานนามว่าเป็น “godfathers of AI” กลับมีประชาชนที่ไม่ไว้ใจและไม่ได้ใช้เทคโนโลยีที่ตนเองช่วยคิดค้นขึ้นมา นี่คือความย้อนแย้งที่แคนาดากล้าพูดออกมาดัง ๆ และคำถามที่ผมอยากชวนผู้อ่านขบคิดในบทความนี้คือ ถ้าเราวัดประเทศไทยด้วยมาตรวัดเดียวกัน เราจะกล้ายอมรับตัวเลขของเราหรือไม่ และเราจะเรียนรู้อะไรจากวิธีที่แคนาดาออกแบบคำตอบ
- สถาปัตยกรรมของยุทธศาสตร์: ความไว้วางใจคือเป้าหมาย การนำไปใช้คือเครื่องยนต์
หัวใจเชิงแนวคิดของ AI for All สรุปได้ในประโยคเดียวจากตัวเอกสารเอง: “Trust is the north star of this strategy” ความไว้วางใจคือดาวเหนือของยุทธศาสตร์นี้
ตรรกะของแคนาดาเรียงลำดับเหตุผลแบบลูกโซ่อย่างชัดเจน: ประชาชนจะได้ประโยชน์จาก AI ก็ต่อเมื่อนำมันมาใช้ จะใช้ได้ก็ต้องเรียนรู้ และจะเรียนรู้ก็ต่อเมื่อ ไว้วางใจ เสียก่อน และความไว้วางใจนั้นจะยั่งยืนได้ก็ต่อเมื่อโครงสร้างพื้นฐานที่ AI ทำงานอยู่นั้นอยู่ภายใต้การกำกับของประเทศตนเองในระดับที่มีนัยสำคัญ (sovereign control)
จากตรรกะนี้ ยุทธศาสตร์จึงถูกจัดวางบนสามเสาแนวคิด ความไว้วางใจ (Trust), โอกาส (Opportunity), และอธิปไตย (Sovereignty) ซึ่งแตกออกเป็นหกเสาหลักเชิงปฏิบัติการ [1]:
- การคุ้มครองประชาชนและปกป้องประชาธิปไตย ปรับปรุงกฎหมายความเป็นส่วนตัว PDPA ออกกฎหมายความปลอดภัยออนไลน์ สร้างเครื่องมือทางกฎหมายต่อสู้กับ deepfake และลงทุน 50 ล้านดอลลาร์แคนาดาขยายขีดความสามารถของ Canadian AI Safety Institute
- การเสริมพลังประชาชน โครงการ National AI Literacy Initiative ที่ตั้งเป้าให้ความรู้ AI ระดับพื้นฐานแก่ประชาชนทุกคนโดยไม่มีค่าใช้จ่าย เข้าถึงนักศึกษา 1 ล้านคน ครู 3,000 คน และให้นักศึกษาทุกคนเข้าถึง AI agent ที่เชื่อถือได้
- การขับเคลื่อนความมั่งคั่งร่วมกัน เร่งการนำ AI ไปใช้ใน SMEs ผ่านวงเงินสนับสนุนรวมกว่า 1 พันล้านดอลลาร์ และตั้งเป้าเพิ่มสัดส่วนธุรกิจที่ใช้ AI จากร้อยละ 12 เป็นร้อยละ 60 ภายในปี 2034
- การสร้างรากฐาน AI อธิปไตย สร้างซูเปอร์คอมพิวเตอร์สาธารณะระดับโลกภายในปี 2031 ขยายศูนย์ข้อมูลที่ใช้พลังงานสะอาด และปลดล็อกข้อมูลภาครัฐให้เป็น “สินทรัพย์ยุทธศาสตร์ของชาติ”
- การขยายแชมเปี้ยนสัญชาติแคนาดา กองทุน Canadian Tech Growth Fund มูลค่า 500 ล้านดอลลาร์ ที่เปิดทางให้รัฐถือหุ้นในบริษัท AI ที่มีศักยภาพสูงสุด เพื่อยึดโยงบริษัทไว้กับประเทศ
- การสร้างพันธมิตรระดับโลก Sovereign Technology Alliance ที่ริเริ่มร่วมกับเยอรมนีในเดือนกุมภาพันธ์ 2026 เพื่อรวมพลังประเทศประชาธิปไตยขนาดกลางต่อรองกับ “hegemons and hyperscalers”
สิ่งที่ผมอยากเน้นคือ ทั้งหกเสาไม่ได้ลอยอยู่อย่างเอกเทศ แต่ถูกร้อยเข้าด้วยกันด้วยแนวคิดว่า “การนำไปใช้” (adoption) คือกลไกส่งผ่านประโยชน์ ไม่ใช่ตัวเทคโนโลยีเอง ประโยคหนึ่งในเอกสารที่ควรค่าแก่การจดจำคือ ประโยชน์ของ AI “ไม่ได้ไหลออกมาจากเทคโนโลยีโดยอัตโนมัติ แต่ไหลผ่านพลเมืองที่เข้าใจมัน ใช้มัน และร่วมกำหนดทิศทางของมัน”
- ห้าจุดเด่นเชิงการออกแบบนโยบายที่ไทยควรศึกษา
2.1 กล้าวินิจฉัยตนเองด้วยข้อมูลจริง ก่อนสั่งยา
แคนาดาเปิดเอกสารด้วยการประจานจุดอ่อนของตัวเองด้วยตัวเลขที่ตรวจสอบได้ อันดับความรู้เท่าทัน AI เกือบรั้งท้ายโลก ความเชื่อมั่นต่ำ ประชาชนแบ่งเป็นสองฝ่ายเกือบเท่ากันระหว่างมอง AI เป็นคุณ (ร้อยละ 34) กับเป็นโทษ (ร้อยละ 36) การวินิจฉัยที่ซื่อสัตย์เช่นนี้คือสิ่งที่เอกสารนโยบายของไทยจำนวนมากขาดหายไป เรามักเขียนยุทธศาสตร์จากภาพที่อยากให้เป็น มากกว่าภาพที่เป็นอยู่จริง
ที่ลึกซึ้งกว่านั้นคือการตีความข้อมูล เมื่อสถิติแคนาดาพบว่าร้อยละ 78 ของธุรกิจที่ไม่ใช้ AI ตอบว่า “มองไม่เห็นว่า AI จะเป็นประโยชน์ต่อสินค้าหรือบริการของตนอย่างไร” เอกสารไม่ได้สรุปว่าธุรกิจเหล่านี้ “ต่อต้านเทคโนโลยี” แต่วินิจฉัยว่านี่คือ “ปัญหาการแปลความ” (translation problem) ธุรกิจกำลังรอแอปพลิเคชันเฉพาะภาคส่วนที่แก้ปัญหาจริงของเขา ด้วยคุณค่าที่พิสูจน์แล้ว และเส้นทางการนำไปใช้ที่ราบรื่นพอจะคุ้มกับการกระโดด [1] การวินิจฉัยที่ต่างกันนำไปสู่ยาที่ต่างกันโดยสิ้นเชิง: ถ้าปัญหาคือทัศนคติ คำตอบคือการรณรงค์ แต่ถ้าปัญหาคือการแปลความ คำตอบคือ use case เฉพาะภาคส่วน ที่ปรึกษาภาคปฏิบัติ และกลไกการเงิน
2.2 AI Missions: เปลี่ยนโจทย์ระดับชาติให้เป็นเครื่องยนต์ของการนำไปใช้
ประเทศแคนาดาเลือกใช้แนวทาง mission-driven innovation ตามแบบที่ Mazzucato เสนอไว้ในวรรณกรรมนโยบายนวัตกรรม โดยประกาศ AI Missions Program ภารกิจแรกคือสุขภาพ ด้วยงบประมาณ 200 ล้านดอลลาร์ [1] เหตุผลที่เลือกสุขภาพชัดเจนมาก: ระบบหลักประกันสุขภาพถ้วนหน้าของแคนาดาผลิตข้อมูลคลินิกในระดับที่ประเทศส่วนใหญ่เทียบไม่ได้ และทุกคนในประเทศสัมผัสกับระบบนี้ — ความสำเร็จจึงจับต้องได้สำหรับประชาชนทุกคน
กรณีศึกษาในเอกสารตอกย้ำว่านี่ไม่ใช่ความฝัน: ระบบ CHARTWatch ที่โรงพยาบาล St. Michael’s ในโตรอนโต ซึ่งเฝ้าระวังสัญญาณชีพผู้ป่วยและแจ้งเตือนแพทย์ล่วงหน้าหลายชั่วโมงก่อนอาการทรุด ลดการเสียชีวิตที่ไม่คาดคิดในหอผู้ป่วยลงได้ร้อยละ 26 ตามผลการศึกษาที่ตีพิมพ์ใน Canadian Medical Association Journal
2.3 “Pro-worker AI”: วาทกรรมที่เปลี่ยนสมการการเมืองของเทคโนโลยี
แคนาดาวางกรอบ AI อย่างจงใจให้เป็นเทคโนโลยีที่ “เสริมความเชี่ยวชาญของมนุษย์ ไม่ใช่แทนที่” โดยอ้างอิงผลสำรวจของ OECD ที่พบว่าแรงงานภาคการผลิตและการเงินร้อยละ 80 รายงานว่า AI ช่วยให้ผลงานดีขึ้น [1] พร้อมยกกรณี Maya HTT ของควิเบกที่ติดตั้งระบบ AI อุตสาหกรรมกว่า 200 จุด เพิ่ม throughput สายการผลิตเฉลี่ยร้อยละ 17 พร้อมกับสร้างและรักษางานกว่า 1,000 ตำแหน่ง นี่คือการตอบโจทย์การเมืองเรื่องความกลัวตกงาน ด้วยข้อมูล ไม่ใช่ด้วยการปลอบใจ
2.4 ข้อมูลภาครัฐคือสินทรัพย์ยุทธศาสตร์ ไม่ใช่ความลับราชการ
เสาที่ 4 ของยุทธศาสตร์ประกาศหลักการว่า “ข้อมูลต้องถูกปฏิบัติเสมือนสินทรัพย์ยุทธศาสตร์ของชาติ” และชี้ว่าข้อมูลมหาศาลที่หน่วยงานรัฐสะสมมาหลายทศวรรษ “ยังคงถูกแยกส่วนและเข้าถึงไม่ได้สำหรับนวัตกรที่จะเปลี่ยนมันให้เป็นสินค้าและบริการระดับโลก” [1] แพลตฟอร์ม VITAL ที่เชื่อมข้อมูลคลินิกข้ามจังหวัด โดยมีบริษัทแคนาดากว่า 80 แห่งกำลังพัฒนาโซลูชันบนข้อมูลสุขภาพ คือรูปธรรมของหลักการนี้ [1]
2.5 อธิปไตยที่สมจริง: Build–Partner–Buy
แคนาดาไม่ได้เพ้อฝันว่าจะสร้างทุกอย่างเอง แต่ใช้กรอบ “build–partner–buy” สร้างเองเพื่อเป็นขีดความสามารถอธิปไตยที่สำคัญ จับมือพันธมิตรที่ไว้ใจได้เมื่อเหมาะสม และซื้อจากตลาดเมื่อสมเหตุสมผล [1] นี่คือความสมจริงของประเทศขนาดกลางที่รู้ขีดจำกัดของตน แต่ไม่ยอมจำนนต่อการพึ่งพิงโดยสิ้นเชิง
แล้วประเทศไทยอยู่ตรงไหน
เมื่อนำมาตรวัดของแคนาดามาส่องสังคมไทย ภาพที่ปรากฏมีทั้งความเหมือนและความต่างที่ต้องพูดกันอย่างตรงไปตรงมา
ความเหมือนประการแรกคือช่องว่างการนำไปใช้ในภาค SME ประเทศไทยมีผู้ประกอบการ SME กว่า 3 ล้านราย คิดเป็นการจ้างงานส่วนใหญ่ของประเทศเช่นเดียวกับแคนาดาที่ SME คิดเป็นร้อยละ 99 ของธุรกิจ [1] และเช่นเดียวกัน ปรากฏการณ์ที่เราเห็นในไทยคือผู้ประกอบการ “ทดลองเล่น” generative AI กันมาก แต่ “นำเข้าสู่กระบวนการธุรกิจจริง” น้อยมาก ช่องว่างระหว่างการทดลอง experimentation กับการนำไปใช้จริง deployment ที่แคนาดาวิเคราะห์ไว้ คือภาพเดียวกับที่เกิดในห้องแถวการค้าและโรงงานขนาดกลางทั่วประเทศไทย
ความเหมือนประการที่สองคือปัญหาความไว้วางใจและความรู้เท่าทัน สังคมไทยเผชิญทั้งกระแสตื่น AI และกระแสกลัว AI พร้อมกัน ขณะที่ภัยจาก deepfake และมิจฉาชีพออนไลน์ที่ใช้ AI กลายเป็นปัญหาระดับชาติที่กัดกร่อนความเชื่อมั่นต่อเทคโนโลยีโดยรวม จุดนี้ตรรกะของแคนาดาที่ว่า “ความปลอดภัยคือรูปแบบพื้นฐานที่สุดของความไว้วางใจ และความไว้วางใจคือเงื่อนไขของการนำไปใช้” จึงใช้กับไทยได้โดยตรง ตราบใดที่ประชาชนยังถูก AI หลอกมากกว่าถูก AI ช่วย การรณรงค์ให้ใช้ AI จะไร้ความหมาย
ความต่างที่สำคัญคือฐานการวิจัยและทุน แคนาดามีบริษัท frontier model อย่าง Cohere มีสถาบันวิจัยระดับโลกสามแห่ง และมีเงินร่วมลงทุนใน AI ถึง 3.1 พันล้านดอลลาร์ในปี 2025 อยู่อันดับ 5 ของโลก [1] ประเทศไทยไม่มีต้นทุนเหล่านี้ และนี่คือเหตุผลที่เราต้อง ไม่ ลอกยุทธศาสตร์แคนาดาทั้งดุ้น แต่ต้องเลือกเสาที่เหมาะกับโครงสร้างของเรา
ผมเสนอว่าไทยควรทุ่มน้ำหนักไปที่เสาต้นที่ 2 (เสริมพลังประชาชน) และเสาต้นที่ 3 (การนำไปใช้เพื่อความมั่งคั่ง) เป็นหลัก โดยใช้เสาต้นที่ 1 (การคุ้มครอง) เป็นฐานราก และดำเนินเสา 4–6 (อธิปไตยและเครือข่ายพันธมิตร) อย่างสมจริงตามกำลัง
- ข้อเสนอเชิงนโยบาย: หกบทเรียนจากแคนาดาสู่บริบทไทย
บทเรียนที่ 1 สร้าง “National AI Literacy Initiative” ฉบับไทย ที่ใช้โครงสร้างชุมชนเดิม ไม่สร้างใหม่
จุดที่ชาญฉลาดที่สุดจุดหนึ่งของแคนาดาคือการมอบบทบาทให้ ห้องสมุดประชาชนและองค์กรชุมชน เป็นหุ้นส่วนหลักในการนำความรู้ AI เข้าสู่ทุกชุมชน โดยเฉพาะพื้นที่ห่างไกล [1] เพราะสถาบันเหล่านี้มี “ทุนความไว้วางใจ” สะสมอยู่แล้ว สำหรับไทย โครงข่ายที่เทียบเคียงได้มีอยู่จริงและกระจายตัวลึกกว่าห้องสมุดแคนาดาเสียอีก: Uninet, กศน. (สกร.) โรงเรียนผู้สูงอายุ อสม. กองทุนหมู่บ้าน และวิทยาลัยชุมชน หาก อสม. กว่าล้านคนทั่วประเทศได้รับการติดอาวุธความรู้เท่าทัน AI ขั้นพื้นฐาน โดยเฉพาะการรู้ทันมิจฉาชีพและข้อมูลสุขภาพปลอม เราจะได้โครงข่ายภูมิคุ้มกันดิจิทัลที่ไม่มีประเทศใดในโลกมี
บทเรียนที่ 2 เลิกถามว่า “จะส่งเสริม AI อย่างไร” แล้วถามว่า “ภารกิจชาติข้อไหนที่ AI จะช่วยแก้”
แนวทาง AI Missions ของแคนาดาเริ่มที่ปัญหา ไม่ใช่เริ่มที่เทคโนโลยี ภารกิจแรกของไทยที่เหมาะสมที่สุดในสายตาผมคือ สุขภาพ เช่นเดียวกับแคนาดา ด้วยเหตุผลเดียวกัน: ระบบหลักประกันสุขภาพถ้วนหน้าของไทย (บัตรทอง) คือหนึ่งในระบบที่ผลิตข้อมูลสุขภาพประชากรขนาดใหญ่ที่สุดในอาเซียน ภาระงานของบุคลากรสาธารณสุขไทยอยู่ในจุดวิกฤต และความสำเร็จจะจับต้องได้สำหรับคนไทยทุกคน กรณี CHARTWatch ที่ลดการเสียชีวิตไม่คาดคิดลงร้อยละ 26 ควรเป็นโจทย์ตั้งต้นให้โรงพยาบาลศูนย์และโรงเรียนแพทย์ไทยตอบว่า ทำไมเราจะทำไม่ได้
บทเรียนที่ 3 แก้ “ปัญหาการแปลความ” ของ SME ไทยด้วยกลไกรายภาคส่วน ไม่ใช่การอบรมรวมศูนย์
ถ้าร้อยละ 78 ของธุรกิจที่ไม่ใช้ AI มองไม่เห็นประโยชน์ คำตอบไม่ใช่การสัมมนา “AI 101” อีกร้อยเวที แต่คือ (ก) คลังกรณีศึกษารายอุตสาหกรรมที่พิสูจน์ผลตอบแทนเป็นตัวเลข แบบที่แคนาดาใช้เรื่องเล่าของเกษตรกรรายหนึ่งในซัสแคตเชวันกับเทคโนโลยีแผนที่ดินของ Croptimistic (ข) เครื่องมือประเมินความพร้อม AI ของกิจการแบบบริการตนเอง และ (ค) สินเชื่อดอกเบี้ยต่ำผูกกับการลงทุนเทคโนโลยี ผ่าน SME D Bank และบสย. ในแบบเดียวกับโครงการ LIFT มูลค่า 500 ล้านดอลลาร์ของ BDC แคนาดา ภาคธุรกิจนำร่องของไทยควรเป็นเกษตร อาหาร ท่องเที่ยว และโลจิสติกส์ คือจุดที่เรามีข้อมูลและความเชี่ยวชาญเชิงลึกอยู่แล้ว
บทเรียนที่ 4 ประกาศให้ข้อมูลภาครัฐเป็นสินทรัพย์ยุทธศาสตร์ พร้อมธรรมาภิบาลที่แข็งแรง
ไทยมีฐานข้อมูลสุขภาพ ข้อมูลเกษตรกร ข้อมูลประกันสังคม และข้อมูลการศึกษาที่สะสมมาหลายทศวรรษ แต่ติดอยู่ในไซโลแบบเดียวกับที่แคนาดาวิจารณ์ตนเอง บทเรียนคือการเปิดข้อมูลต้องมาพร้อมโครงสร้างพื้นฐานความปลอดภัยและมาตรฐานกลาง แคนาดาลงทุน 100 ล้านดอลลาร์ใน Health Sector Data Space ที่เน้นคำว่า “secure, private and standardized” ไทยมี PDPA เป็นฐานกฎหมายแล้ว สิ่งที่ขาดคือแพลตฟอร์มกลางและเจตจำนงทางการเมืองที่จะบังคับให้หน่วยงานเชื่อมข้อมูลกันจริง
บทเรียนที่ 5 อธิปไตยทางเทคโนโลยีแบบสมจริง: ไทยไม่ต้องสร้าง frontier model แต่ต้องไม่ไร้อำนาจต่อรอง
กรอบ build–partner–buy ของแคนาดา แปลเป็นบริบทไทยได้ดังนี้: build โมเดลภาษาไทยและคลังข้อมูลภาษา-วัฒนธรรมไทย (ต่อยอด OpenThaiGPT, WangchanX และงานของ สวทช./VISTEC) เพราะไม่มีใครทำแทนเราได้ และนี่คือพื้นที่เดียวกับที่แคนาดาปกป้องภาษาฝรั่งเศสและภาษาชนพื้นเมืองของเขา partner เจรจาระดับภูมิภาคอาเซียนเรื่อง compute ร่วมและมาตรฐานร่วม ในตรรกะเดียวกับ Sovereign Technology Alliance ที่รวมพลังประเทศขนาดกลางต่อรองกับผู้เล่นยักษ์ buy บริการ cloud และโมเดลพื้นฐานจากตลาด แต่ด้วยสัญญาที่กำหนดเงื่อนไข data residency อย่างเข้มงวด การที่ไทยกำลังเป็นฐานลงทุน data center ระดับภูมิภาคคือแต้มต่อที่ต้องแปลงเป็นอำนาจต่อรอง ไม่ใช่เพียงตัวเลข การลงทุนโดยตรงจากต่างประเทศ FDI
บทเรียนที่ 6 วางกรอบ “AI เคียงข้างแรงงาน” ก่อนที่ความกลัวจะกลายเป็นแรงต้านทางการเมือง
ข้อความ pro-worker AI ของแคนาดา สำคัญต่อไทยเป็นพิเศษ เพราะโครงสร้างแรงงานไทยมีสัดส่วนแรงงานนอกระบบสูงและทักษะกระจุกตัว หากปล่อยให้การเปลี่ยนผ่าน AI เกิดแบบไร้ทิศทาง ผู้แพ้จะมีจำนวนมากพอที่จะเปลี่ยนประเด็นเทคโนโลยีให้กลายเป็นประเด็นการเมือง ข้อเสนอรูปธรรมคือผูกงบพัฒนาทักษะ upskilling เข้ากับกองทุนพัฒนาฝีมือแรงงานที่มีอยู่แล้ว และตั้งเป้าหมายแบบวัดได้ตามแบบแคนาดาที่ประกาศตัวเลข 90,000 ตำแหน่งงานและโอกาสฝึกงานด้าน AI สำหรับเยาวชนภายในปี 2031 ตัวเลขที่ตรวจสอบย้อนหลังได้คือกลไกความรับผิดรับชอบที่ยุทธศาสตร์ไทยมักหลบเลี่ยง
- มุมมองเฉพาะทาง: นัยต่อวงการกีฬาและวิทยาศาสตร์การกีฬาไทย
ในฐานะคนทำงานด้านวิทยาศาสตร์การกีฬา ผมอดไม่ได้ที่จะอ่านยุทธศาสตร์ฉบับนี้ผ่านมุมมอง ของวงการกีฬาไทย และพบว่าหลักการของมันแปลมาใช้ได้เกือบทุกข้อ
ประการแรก ตรรกะ “adoption gap” เกิดขึ้นในวงการกีฬาไทยอย่างชัดเจน เรามีงานวิจัยด้าน sports science และเครื่องมือวิเคราะห์สมรรถนะระดับสากลในมหาวิทยาลัย แต่สมาคมกีฬา สโมสร และโค้ชระดับปฏิบัติการส่วนใหญ่ยังไม่ได้นำเทคโนโลยีเหล่านี้ไปใช้จริง นี่คือ “translation problem” แบบเดียวกับที่แคนาดาวินิจฉัยในภาคธุรกิจ คำตอบจึงไม่ใช่การซื้อเครื่องมือเพิ่ม แต่คือกลไกแปลความระหว่างห้องปฏิบัติการกับสนามจริง
ประการที่สอง แนวคิด mission-driven ใช้ออกแบบโจทย์กีฬาชาติได้ทันที ลองจินตนาการ “Sport AI Mission” ของไทยที่ตั้งเป้าวัดได้ เช่น การใช้ AI วิเคราะห์ภาพเพื่อคัดกรองและพัฒนานักกีฬาเยาวชนทั่วประเทศด้วยต้นทุนต่ำ (markerless motion capture บนสมาร์ตโฟน ซึ่งปัจจุบันเทคโนโลยีอย่าง OpenCap ทำให้เป็นไปได้แล้วในงบประมาณที่โรงเรียนเข้าถึงได้) การเฝ้าระวังการบาดเจ็บในกีฬาต่อสู้ หรือระบบช่วยตัดสินที่ลดข้อครหาเรื่องความไม่โปร่งใส VAR แม้กระทั่ง ปัญหาเรื้อรังที่ผมเขียนถึงบ่อยครั้งในบริบทธรรมาภิบาลกีฬาไทย
ประการที่สาม หลักการ “ข้อมูลคือสินทรัพย์ยุทธศาสตร์” ชี้ตรงมาที่หน่วยงานกีฬาของรัฐ ข้อมูลสมรรถนะนักกีฬา ข้อมูลการแข่งขัน และข้อมูลสุขภาพนักกีฬาที่กระจัดกระจายตามสมาคมและศูนย์ฝึกต่าง ๆ หากถูกเชื่อมโยงภายใต้ธรรมาภิบาลที่ดี จะกลายเป็นรากฐานของระบบพัฒนานักกีฬาด้วยหลักฐานเชิงประจักษ์ที่แท้จริง แทนการตัดสินใจด้วยสายตาและสายสัมพันธ์แบบที่เป็นมา
ประการสุดท้าย ความไว้วางใจ คือ ดาวเหนือของแคนาดา คือดาวเหนือของการปฏิรูปกีฬาไทยเช่นกัน เทคโนโลยีจะไม่ถูกนำมาใช้ในองค์กรกีฬาที่ผู้คนไม่ไว้วางใจกระบวนการตัดสินใจของมัน AI ในวงการกีฬาจึงไม่ใช่เรื่องเทคนิคล้วน ๆ แต่เป็นเรื่องธรรมาภิบาลตั้งแต่ต้นน้ำ จนถึงปลายน้ำ นี่คือปัญหาหลัก
บทสรุป: ยุทธศาสตร์ที่ดีเริ่มจากความซื่อสัตย์ต่อตัวเอง
หากให้สรุปบทเรียนใหญ่ที่สุดจาก AI for All ในหนึ่งย่อหน้า ผมจะไม่เลือกตัวเลขงบประมาณหรือซูเปอร์คอมพิวเตอร์ แต่จะเลือกท่าทีของมัน: แคนาดาเริ่มจากการยอมรับว่าตนเองล้าหลังในจุดใด วินิจฉัยสาเหตุด้วยข้อมูล วางตรรกะเชิงเหตุผลที่ตรวจสอบได้ (trust → literacy → adoption → benefit) ประกาศเป้าหมายเป็นตัวเลขที่วัดได้พร้อมกรอบเวลา และยอมรับตั้งแต่ต้นว่าแผนต้องปรับตัวได้เพราะ “AI เคลื่อนที่เร็วกว่าที่ยุทธศาสตร์ใดจะคาดการณ์ได้”
ประเทศไทยไม่ขาดเอกสารยุทธศาสตร์ เรามีแผนปัญญาประดิษฐ์แห่งชาติ มีแผนพัฒนาเศรษฐกิจดิจิทัล มีแผนปฏิรูปประเทศหลายฉบับ สิ่งที่เราขาดคือสามองค์ประกอบที่แคนาดาสาธิตให้ดู: ความซื่อสัตย์ในการวินิจฉัย เป้าหมายที่วัดได้และมีเจ้าภาพรับผิดชอบ และการออกแบบที่เริ่มจากความไว้วางใจของประชาชนเป็นฐานราก ไม่ใช่เริ่มจากเทคโนโลยีเป็นธง
AI for All ของแคนาดาอาจสำเร็จหรือล้มเหลวก็ได้ เป้าหมายเพิ่มการนำไปใช้จากร้อยละ 12 เป็นร้อยละ 60 ภายในแปดปีนั้นทะเยอทะยานมาก แต่ไม่ว่าผลลัพธ์จะเป็นอย่างไร วิธีคิดของมันคือกระจกที่สังคมไทยควรหยิบมาส่องตัวเองตั้งแต่วันนี้ เพราะคำถามที่แท้จริงไม่ใช่ “ไทยจะมี AI ใช้หรือไม่” เราจะมีแน่นอน ไม่ทางใดก็ทางหนึ่ง แต่คือ “AI ที่คนไทยใช้ จะถูกออกแบบและกำกับโดยคำนึงถึงผลประโยชน์ ภาษา วัฒนธรรม และศักดิ์ศรีของคนไทยหรือไม่” คำตอบนั้นคงจะได้รับในไม่ช้า จากการตัดสินใจของผู้บริหารประเทศ
เอกสารอ้างอิง
- Innovation, Science and Economic Development Canada. Canada’s National Artificial Intelligence Strategy: AI for All. Ottawa: Government of Canada; 2026. Available from: https://ised-isde.canada.ca/site/ised/en/canadas-national-artificial-intelligence-strategy-ai-all
