จาก Individual AI สู่ Institutional AI เมื่อ ‘Google Cloud’ ส่ง ‘Gemini Enterprise’ รุกตลาดองค์กรไทย รับยุค Agentic AI

นับตั้งแต่ Google เปิดตัว “Gemini” ครั้งแรกในปี 2023 ถึงวันนี้ยอดผู้ใช้งานกว่า 900 ล้านคนทั่วโลก ซึ่งประเทศไทยมีอัตราการใช้งานสูงเช่นกัน แต่นอกจากตลาด Personal Use แล้ว ทาง Google Cloud ยังได้รุกตลาด AI สำหรับองค์กร ภายใต้ชื่อ “Gemini Enterprise”  รับยุค Agentic AI

เพราะโจทย์ขององค์กรในวันนี้ ไม่ใช่เพียงการนำ AI มาใช้งาน แต่ต้องสามารถนำ AI เข้ามาอยู่ใน Workflow ของการทำงานจริง เชื่อมต่อกับข้อมูลภายในองค์กร การทำงานข้ามระบบ การวัดผลลัพธ์ทางธุรกิจ ไปจนถึงการควบคุมต้นทุนและการมีระบบความปลอดภัยที่จะมั่นใจได้ว่าข้อมูลต่างๆ และระบบ AI จะไม่รั่วไหล หรือถูกโจมตีทางไซเบอร์

เมื่อมองไปข้างหน้าการมาถึงของยุค “Agentic AI” เป็นจุดเปลี่ยนสำคัญต่อระบบเศรษฐกิจไทยและภาคธุรกิจไทย ซึ่งในท้ายที่สุดจะสะท้อนออกมาผ่านการเติบโตทางเศรษฐกิจของประเทศ และหากสามารถทำให้ AI ไปไกลกว่าการใช้งานรูปแบบ Personal Use หรือที่เรียกว่า “Individual AI” ขยายไปสู่การใช้งานระดับองค์กร หรือ “Institutional AI” ก็จะยิ่งสร้างมูลค่าทางเศรษฐกิจได้อย่างมหาศาล โดยคาดการณ์ว่า AI จะสร้างมูลค่าทางเศรษฐกิจให้กับประเทศไทยได้มากถึง 1.4 ล้านล้านบาท

“โอกาสขององค์กรในวันนี้ไม่ใช่แค่การทดลองใช้เทคโนโลยีใหม่ๆ เพียงอย่างเดียว แต่คือ การนำ AI มาใช้แก้ปัญหาทางธุรกิจที่เกิดขึ้นจริงภายในองค์กร และสามารถต่อยอดสู่การใช้งานระดับโครงสร้างได้อย่างเป็นรูปธรรม

ความสำเร็จในยุค AI ไม่ได้วัดจากการมี AI อยู่ในบางส่วนขององค์กร แต่ต้องสามารถเชื่อมโยง AI เข้ากับกระบวนการทำงานหลัก เพื่อสร้างผลลัพธ์ทางธุรกิจที่วัดผลได้อย่างชัดเจน” คุณสรุจ ทิพเสนา Country Manager ของ Google Cloud ประเทศไทย ฉายภาพถึงการใช้ AI ในองค์กร

AI องค์กรต้องอยู่ใน Workflow, Data และวัดผลได้จริง

Google Cloud มองว่า การนำ AI ไปใช้จริงในองค์กรต้องมี 3 ปัจจัยสำคัญ ได้แก่

• AI ต้องเข้าไปอยู่ใน workflow การทำงานอย่างแท้จริง นั่นคือ มี AI อยู่ตรงกลางเป็นตัวประสาน เก็บข้อมูล รีวิวข้อมูลได้มากขึ้น
• AI ต้องเข้าถึงข้อมูลองค์กรได้อย่างน่าเชื่อถือและปลอดภัย พบว่าปัจจุบันหลายองค์กรในไทยให้พนักงานใช้ AI แต่ขณะเดียวกันก็มีความกังวลเรื่องข้อมูลรั่วไหลออกนอกองค์กร ส่งผลให้การใช้ AI แบบ End-to-End Workflow ไม่เกิดขึ้นจริง
• องค์กรต้องวัดผลได้ว่า AI สร้าง productivity เพิ่มขึ้นจริงหรือไม่

ดังนั้นการใช้ Institutional AI ต้องมี 5 องค์ประกอบสำคัญ คือ

• Governance: การวางนโยบายการใช้ AI อย่างเป็นระบบทั้งองค์กร เพื่อให้เป็นไปในทิศทางเดียวกัน ไม่ใช่การใช้งานระดับบุคคล
• Teams: การใช้งาน AI แบบข้ามทีม ข้ามแผนกร่วมกันได้
• Workflows การปรับเปลี่ยนทั้งกระบวนการทำงานให้สอดรับกับ AI ไม่ใช่เพียงการนำ AI เข้ามาเสริมในบางขั้นตอน
• Data: ข้อมูลในองค์กรที่สามารถเชื่อมโยงกันได้
• Systems: การบูรณาการ AI เข้ากับระบบขององค์กร

รู้จัก ‘Gemini Enterprise’ แพลตฟอร์ม AI องค์กรที่บริหารข้อมูล – ต้นทุน – Tokenomics

หนึ่งในประเด็นสำคัญที่ทำให้ Gemini Enterprise แตกต่างจากการใช้ AI ส่วนบุคคล คือโครงสร้างที่ออกแบบมาสำหรับองค์กรโดยเฉพาะ โดยสามารถมองเป็น 2 Layer หลัก

Layer แรก: Gemini Enterprise Application
เป็น AI application ระดับองค์กร ที่ทำให้พนักงานสามารถใช้งาน AI กับข้อมูลและงานภายในบริษัทได้ โดยข้อมูลที่ใช้งานอยู่ใน Gemini Enterprise จะไม่ออกนอกองค์กร เช่น หากทีมต้องการทำ market research, วิเคราะห์ข้อมูลลูกค้า หรือสรุปข้อมูลภายใน ข้อมูลเหล่านี้ต้องอยู่ภายใต้การควบคุมขององค์กร ไม่ใช่ไหลออกไปนอกระบบ

Layer ที่สอง: Gemini Enterprise Agent Platform
เป็นแพลตฟอร์มที่ช่วยให้องค์กรสร้างและบริหาร AI Agent ได้เอง ซึ่งสามารถสร้างได้หลายตัวที่ทำงานคนละหน้าที่ เช่น AI Agent สำหรับตอบลูกค้า, ปิดออเดอร์, ส่งข้อมูลเข้าคลัง, วิเคราะห์ข้อมูลลูกค้า, ตรวจสอบเอกสาร, จัดการ workflow อัตโนมัติ โดยทุกอย่างทำงานอยู่บนแพลตฟอร์มเดียวกัน

อย่างไรก็ตาม เมื่อองค์กรเปลี่ยนผ่านจากขั้นทดลองใช้งาน AI หรือช่วง Pilot ไปสู่การใช้งานจริงในระดับองค์กร โจทย์สำคัญไม่ได้อยู่ที่การสร้าง AI Agent ได้เท่านั้น แต่ยังรวมถึงการบริหารต้นทุน และการคาดการณ์ค่าใช้จ่ายของ AI Workload ที่มีความซับซ้อนมากขึ้น

Google Cloud จึงเข้ามาแก้ปัญหานี้โดยตรง ด้วยการมอบทั้งทางเลือกและการควบคุมให้กับองค์กรในการบริหารจัดการ Tokenomics อย่างมีประสิทธิภาพ

• ทางเลือก: การนำ Gemini Enterprise มาช่วยให้องค์กรสามารถเลือกใช้โมเดล AI ที่เหมาะสมกับแต่ละภารกิจ พร้อมประเมินต้นทุนของ Workflow และผลตอบแทนจากการลงทุน (ROI) ได้อย่างแม่นยำ เนื่องจาก Google Cloud เป็นเจ้าของเทคโนโลยีแบบครบวงจร ตั้งแต่ Tensor Processing Units (TPUs) ไปจนถึงโมเดล Gemini จึงสามารถส่งต่อข้อได้เปรียบด้านต้นทุนให้แก่ลูกค้าโดยตรง พร้อมช่วยให้องค์กรบริหารและลดต้นทุนต่อ Token ได้อย่างมีประสิทธิผล
• การควบคุม: เพื่อช่วยให้องค์กรสามารถบริหารค่าใช้จ่ายจากการใช้งานโทเคนได้อย่างมีประสิทธิภาพและหลีกเลี่ยงต้นทุนที่ไม่คาดคิด Gemini Enterprise มาพร้อมเครื่องมือด้าน FinOps และ Governance ที่ช่วยให้ผู้บริหารฝ่ายเทคโนโลยีและการเงินสามารถติดตามประสิทธิภาพการทำงานของ AI Agent และต้นทุนได้อย่างละเอียด โดยความโปร่งใสนี้ ช่วยให้องค์กรในไทยสามารถขยายขนาดการใช้งานได้อย่างปลอดภัย ตั้งแต่ Use Case เฉพาะจุดไปจนถึงการใช้งานอย่างแพร่หลายทั่วทั้งองค์กร

“Google Cloud นำเสนอ AI Stack แบบครบวงจร พร้อมแพลตฟอร์ม Gemini Enterprise ที่ช่วยลดความซับซ้อนจากการเชื่อมต่อระบบที่กระจัดกระจาย (Integration Tax) ทำให้องค์กรขนาดใหญ่ในประเทศไทยสามารถยกระดับระบบเดิม (Legacy Infrastructure) จัดการต้นทุนการใช้งาน AI หรือ Tokenomics ได้อย่างแม่นยำ และขยายการใช้งาน AI Agent จากการทดลองสู่การใช้งานจริงในระดับองค์กรได้อย่างปลอดภัย พร้อมสร้างผลตอบแทนจากการลงทุน (ROI) ที่เป็นรูปธรรม” คุณสรุจ ขยายความเพิ่มเติม

องค์กรชั้นนำในประเทศไทยได้เริ่มสร้างผลลัพธ์ทางธุรกิจที่จับต้องได้จากการทำงานร่วมกับ Google Cloud ในหลากหลายอุตสาหกรรม ได้แก่

• Minor Hotels อยู่ในช่วงพัฒนาแพลตฟอร์มยุคใหม่ที่ออกแบบขึ้นเพื่อรองรับธุรกิจโรงแรมที่ขับเคลื่อนด้วย AI โดยวางรากฐานสำหรับการมอบประสบการณ์การเข้าพักที่ตอบโจทย์เฉพาะบุคคลมากยิ่งขึ้น สามารถคาดการณ์ความต้องการของผู้เข้าพักล่วงหน้า และตอบสนองได้อย่างรวดเร็วยิ่งขึ้น

แพลตฟอร์มดังกล่าวพัฒนาขึ้นบนสถาปัตยกรรมแบบ Full-stack ของ Google Cloud ที่มีความเปิดกว้างและปลอดภัย พร้อมรวบรวมข้อมูลผู้เข้าพักจากทุกแบรนด์ ทุกภูมิภาค และทุกช่องทางดิจิทัลไว้บนแพลตฟอร์มเดียว ก้าวข้ามการใช้งาน AI ในรูปแบบการถาม-ตอบแบบเดิม ไปสู่การประสานการทำงานของ Agentic Orchestration ได้อย่างมีประสิทธิภาพ โดยอาศัยข้อมูลที่เชื่อมโยงเป็นหนึ่งเดียว AI Agent จะสามารถบริหารจัดการการจอง วางแผนโปรแกรมการเดินทาง และตอบสนองต่อคำขอที่มีความซับซ้อนของผู้เข้าพักได้อย่างแม่นยำและแบบเรียลไทม์

• ในภาคบริการทางการเงิน Bitazza ต้องการแพลตฟอร์มที่สามารถขยายขีดความสามารถ เพื่อรวบรวมข้อมูลจากตลาดซื้อขายหลายแห่ง สินทรัพย์ดิจิทัล สกุลเงินทั่วไป และแหล่งข้อมูลภายนอก เพื่อรองรับปริมาณธุรกรรมและความซับซ้อนของข้อมูลที่เพิ่มขึ้นอย่างต่อเนื่อง

บริษัทจึงพัฒนาแพลตฟอร์มข้อมูลแบบรวมศูนย์ (Centralized Data Platform) บน BigQuery ซึ่งช่วยลดระยะเวลาในการจัดทำงบการเงินลงได้ถึง 75% จากเดิมที่ใช้เวลาประมาณ 1 ปี เหลือเพียง 3 เดือน

นอกจากนี้ แพลตฟอร์มยังรองรับการจัดทำรายงานเพื่อให้เป็นไปตามข้อกำหนดของหน่วยงานกำกับดูแลได้แบบเกือบเรียลไทม์ (Near Real-time) และช่วยให้ทีมข้อมูลสามารถพัฒนาและบริหารจัดการ CI/CD Pipeline ได้ด้วยตนเอง โดยไม่จำเป็นต้องมีวิศวกร DevOps ประจำทีม

• Wisesight บริษัทที่ปรึกษาด้านการตลาดและผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูลโซเชียลมีเดียของประเทศไทย ได้นำ Gemini บน Google Cloud มาใช้วิเคราะห์ข้อมูลเสียงสะท้อนบนสื่อสังคมออนไลน์ ในปริมาณมหาศาล เพื่อสร้างข้อมูลเชิงลึกที่ขับเคลื่อนด้วย AI และส่งมอบคุณค่าให้แก่ลูกค้า

ส่งผลให้งานด้านการวิจัย การวิเคราะห์ข้อมูลเชิงลึก และการสร้างสรรค์คอนเทนต์ ซึ่งเดิมใช้เวลาประมาณ 2 วัน สามารถดำเนินการแล้วเสร็จได้ภายในเวลาราว 30 นาที ช่วยให้องค์กรได้รับข้อมูลเชิงลึกไปใช้ประกอบการตัดสินใจและขับเคลื่อนการดำเนินธุรกิจได้อย่างรวดเร็วยิ่งขึ้น

“Google AI Threat Defense” ระบบความปลอดภัยแบบอัตโนมัติ

ยิ่ง AI Agent เข้าไปทำงานกับข้อมูลลูกค้า ระบบหลังบ้าน หรือ workflow ของธุรกิจ ยิ่งทำให้ระบบ “Security” เป็นอีกหนึ่งโจทย์ใหญ่ขององค์กร ทำให้หลายองค์กรมีคำถามว่าจะมั่นใจได้อย่างไรว่า AI Agent จะปฏิบัติภายใต้กฎระเบียบของบริษัท และจะไม่มีการโจมตีทางไซเบอร์

นี่จึงเป็นที่มาที่ Google Cloud เปิดตัว “Google AI Threat Defense” ระบบรักษาความปลอดภัยแบบอัตโนมัติที่ออกแบบมาเพื่อช่วยให้องค์กรสามารถตรวจสอบ เฝ้าระวัง และหยุดยั้งภัยคุกคามที่ขับเคลื่อนด้วย AI ได้อย่างต่อเนื่อง ก่อนที่จะส่งผลกระทบต่อธุรกิจ

โดยการผสานพลังระหว่างการจัดลำดับความสำคัญของความเสี่ยงตามบริบท (Contextual Risk Prioritization) ของ Wiz, ความสามารถในการแก้ไขโค้ดของ CodeMender, ความอัจฉริยะของ Gemini และความเชี่ยวชาญหน้างานของ Mandiant ทำให้ Google Cloud สามารถส่งมอบโครงสร้างที่จำเป็นต่อการรับมือกับความเร็วของฝ่ายโจมตี (Adversary)

นอกจากนี้ AI Threat Defense ยังใช้งานโมเดลที่หลากหลายผ่าน Gemini Enterprise Agent Platform เพื่อช่วยให้องค์กรค้นพบช่องโหว่ได้ครอบคลุมที่สุด ควบคู่ไปกับการบริหารจัดการต้นทุน ช่วยให้สามารถสแกน แก้ไข และบำรุงรักษาสินทรัพย์ซอฟต์แวร์ได้อย่างต่อเนื่อง

“AI ได้ปรับเปลี่ยนภูมิทัศน์ของภัยคุกคาม (Threat Landscape) ไปอย่างสิ้นเชิง การโจมตีที่เคยใช้เวลาหลายสัปดาห์ในอดีต ตอนนี้สามารถเกิดขึ้นได้ในเวลาเพียงไม่กี่นาทีหรือชั่วโมง เพื่อป้องกันภัยคุกคามที่หลากหลายนี้ องค์กรต้องการมากกว่าแค่โมเดลหรือ Agent ตัวเดียว

แต่จำเป็นต้องใช้กลุ่มโมเดลเพื่อตรวจสอบหลายรอบ (Multiple Passes) และโซลูชันที่สามารถวิเคราะห์ระบบ จัดลำดับความสำคัญของภัยคุกคามที่ร้ายแรงที่สุด อุดช่องโหว่ได้อย่างรวดเร็ว และเฝ้าระวังการโจมตีใหม่ ๆ อย่างต่อเนื่อง” คุณสตีฟ เลดเซียน ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของ Google Cloud Security และ Mandiant ประจำประเทศญี่ปุ่นและภูมิภาคเอเชียแปซิฟิก กล่าวทิ้งท้ายถึงความสำคัญของระบบความปลอดภัย