แชร์

Nutanix ชี้ เมื่อทุกองค์กรเข้าถึง AI ได้ ความได้เปรียบจึงไม่ได้อยู่ที่โมเดล แต่อยู่ที่ข้อมูลขององค์กร

อัพเดทล่าสุด: 18 ต.ค. 2026

27 ผู้เข้าชม

เมื่อทุกองค์กรเข้าถึง AI ได้ ความแตกต่างอยู่ที่ข้อมูล
นายดารียุช แอชจารี ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีและรองประธานฝ่ายวิศวกรรมโซลูชัน ประจำภูมิภาคเอเชียแปซิฟิกและญี่ปุ่นของ Nutanix ให้มุมมองว่า โมเดลภาษาขนาดใหญ่หรือ LLM กำลังกลายเป็นเทคโนโลยีพื้นฐานที่องค์กรทั่วไปสามารถเข้าถึงได้ ทั้งผ่านโมเดลโอเพนซอร์สและบริการคลาวด์

ต่างจากเมื่อสองปีก่อนที่การเข้าถึง AI ประสิทธิภาพสูงอาจสร้างความได้เปรียบให้ธุรกิจ ปัจจุบันคำถามสำคัญจึงเปลี่ยนจาก “ควรใช้ AI โมเดลไหน” เป็น “จะใช้ AI สร้างมูลค่าทางธุรกิจได้อย่างไร โดยยังควบคุมข้อมูลของตัวเองได้”

แนวคิดนี้เกี่ยวข้องกับ Data Sovereignty หรืออธิปไตยทางข้อมูล ซึ่งหมายถึงความสามารถขององค์กรในการกำหนดว่าข้อมูลจะถูกจัดเก็บ ประมวลผล และควบคุมภายใต้กฎระเบียบใด โดยเฉพาะข้อมูลลูกค้าและข้อมูลธุรกิจที่มีความละเอียดอ่อน

82% ยอมรับว่าโครงสร้างพื้นฐานยังไม่พร้อมรองรับ AI
แม้องค์กรจำนวนมากให้ความสำคัญกับ AI แต่การนำไปใช้งานจริงยังมีอุปสรรค

รายงาน Enterprise Cloud Index (ECI) ปีที่ 8 ของ Nutanix ระบุว่า

85% ของผู้นำด้านไอทีที่ตอบแบบสำรวจมองว่า AI เป็นปัจจัยเร่งให้องค์กรต้องปรับปรุงระบบให้ทันสมัย
82% ยอมรับว่าโครงสร้างพื้นฐานที่ติดตั้งภายในองค์กรยังไม่พร้อมรองรับภาระงาน AI
79% ขององค์กรมีหน่วยงานนอกฝ่ายไอทีนำ AI มาใช้งานโดยไม่ได้รับอนุญาต

บทความยังระบุว่าโครงการต้นแบบ AI เกือบ 88% ไม่สามารถพัฒนาไปสู่การใช้งานจริงได้ อย่างไรก็ตาม ตัวเลขนี้ไม่ได้ถูกระบุว่าเป็นผลสำรวจจากรายงาน ECI โดยตรง

ปัญหาไม่ได้มีเพียงประสิทธิภาพการประมวลผล แต่ยังรวมถึงข้อมูลที่กระจัดกระจาย การควบคุมค่าใช้จ่าย และความเสี่ยงจากการที่พนักงานนำเครื่องมือ AI มาใช้เองโดยไม่มีระบบกำกับดูแล หรือที่เรียกว่า Shadow AI

การใช้ AI โดยไม่มีระบบข้อมูลที่ดี อาจเพิ่มต้นทุนโดยไม่สร้างผลลัพธ์
Nutanix มองว่าการนำ AI มาใช้ไม่ได้หมายถึงค่าใช้จ่ายในการซื้อซอฟต์แวร์เท่านั้น แต่ยังมีต้นทุนจากการประมวลผล การจัดเก็บข้อมูล และการใช้ Token ซึ่งเป็นหน่วยที่ใช้วัดและคิดค่าใช้จ่ายในการประมวลผลของโมเดล AI หลายประเภท

หากองค์กรไม่มีข้อมูลที่ถูกต้องและเป็นระบบ AI อาจสร้างคำตอบผิดพลาด หรือเกิดสิ่งที่เรียกว่า Hallucination ทำให้ต้องเสียทรัพยากรในการประมวลผลโดยไม่ได้ผลลัพธ์ที่ต้องการ

ขณะเดียวกัน การรอให้เทคโนโลยีพร้อมก่อนตัดสินใจลงทุนก็มีความเสี่ยง ทั้งการพึ่งพาผู้ให้บริการรายใดรายหนึ่งมากเกินไป และการที่บุคลากรไม่ได้พัฒนาทักษะสำหรับระบบ AI รุ่นใหม่

แนวคิด AI Factory รวมทรัพยากรเพื่อควบคุมต้นทุนและข้อมูล
Nutanix เสนอให้องค์กรมอง AI เป็น AI Factory หรือระบบโครงสร้างพื้นฐานกลางสำหรับพัฒนาและใช้งาน AI แทนการสร้างโครงการทดลองแยกกันในแต่ละหน่วยงาน

แนวทางดังกล่าวเน้นการรวมทรัพยากรประมวลผล การจัดการข้อมูล และการกำกับดูแลไว้ในระบบที่สามารถบริหารร่วมกันได้ โดยบทความระบุถึงประโยชน์ที่คาดว่าจะได้รับ ได้แก่

ลดค่าใช้จ่ายด้านคลาวด์ได้สูงสุด 40% จากการใช้ทรัพยากรร่วมกันและลดระบบที่ใช้งานไม่เต็มประสิทธิภาพ
เพิ่มการควบคุมข้อมูลสำคัญ โดยสามารถเก็บและประมวลผลข้อมูลภายในองค์กร เพื่อให้สอดคล้องกับข้อกำหนดด้านข้อมูลในแต่ละประเทศ
ลดระยะเวลาติดตั้งระบบ AI จากหลายเดือนเหลือเพียงไม่กี่วัน ผ่านโครงสร้างพื้นฐานที่รองรับทั้ง Virtual Machine และ Kubernetes

ทั้งนี้ ตัวเลขด้านการลดต้นทุนและระยะเวลาติดตั้งเป็นประโยชน์ที่ Nutanix ระบุในบทความ ไม่ใช่ผลลัพธ์ที่รับประกันว่าจะเกิดขึ้นกับทุกองค์กร

ข้อมูลขององค์กรกลายเป็นส่วนสำคัญของกลยุทธ์ AI
ประเด็นหลักที่ Nutanix ต้องการสื่อคือ เมื่อโมเดล AI มีให้เลือกมากขึ้น องค์กรจำเป็นต้องให้ความสำคัญกับสิ่งที่ตนเองมีอยู่แล้ว นั่นคือ ข้อมูลเฉพาะทาง ความรู้ภายในองค์กร และความสามารถในการควบคุมการนำข้อมูลเหล่านั้นไปใช้

การลงทุน AI จึงไม่ควรพิจารณาเพียงความสามารถของโมเดล แต่ต้องประเมินความพร้อมของโครงสร้างพื้นฐาน ความถูกต้องของข้อมูล ต้นทุนการดำเนินงาน และข้อกำหนดด้านความปลอดภัยควบคู่กัน

สำหรับองค์กรที่กำลังขยายการใช้ AI จากการทดลองไปสู่การทำงานจริง แนวคิดนี้ชี้ให้เห็นว่า การจัดการข้อมูลและโครงสร้างพื้นฐานเป็นส่วนสำคัญในการทำให้ AI สร้างผลลัพธ์ทางธุรกิจได้อย่างต่อเนื่อง