Key Points
- AI พัฒนาเร็วกว่าเกณฑ์วัดมาตรฐาน (Benchmark) ที่มนุษย์สร้างขึ้น และ AI Agents เริ่มมีความสามารถในการทำงานบนหน้าจอคอมพิวเตอร์จริงได้ใกล้เคียงกับมนุษย์มากขึ้นอย่างก้าวกระโดด
- ภาคเอกชนกลายเป็นผู้ขับเคลื่อนหลักโดยผลิตโมเดลระดับแนวหน้ากว่า 90% และมีการลงทุนใน Generative AI เติบโตกว่า 200% ซึ่งช่วยเพิ่มรายได้ให้องค์กรได้อย่างชัดเจน
- การปฏิวัติวงการแพทย์และการศึกษาที่มาพร้อมความท้าทายด้านนโยบาย โดย AI สามารถวินิจฉัยเคสผู้ป่วยซับซ้อนได้แม่นยำถึง 85.5% สูงกว่าแพทย์ที่ไม่ได้ใช้เครื่องมือช่วยหลายเท่า และนักเรียนกว่า 80% นำ AI มาใช้ในการเรียน
รายงาน AI Index Report 2026 จาก Stanford University ซึ่งเป็นผลการเก็บข้อมูลในช่วงปี 2025 เพิ่งเผยแพร่ออกมา และเป็นหนึ่งในรายงานที่ผมเฝ้ารอทุกปี เพราะมันรวบรวมข้อมูลจากทั่วโลกอย่างเป็นระบบ ครอบคลุมทั้งเรื่องการวิจัย เศรษฐกิจ การแพทย์ การศึกษา นโยบาย และความคิดเห็นของสาธารณชน ปีนี้รายงานแบ่งเป็น 9 บทหลัก และผมจะพาไปดูทีละบทว่าเกิดอะไรขึ้นในโลก AI ตลอดปีที่ผ่านมา
บทที่ 1: การวิจัยและพัฒนา (Research and Development)
ภาคเอกชนกลายเป็นผู้ขับเคลื่อนหลักของวงการ AI อย่างเต็มตัว โดยผลิตโมเดลระดับแนวหน้า (Frontier Models) กว่า 90% ในปี 2025 สหรัฐฯ ยังคงเป็นผู้นำโดยผลิตได้ถึง 50 โมเดล เทียบกับจีนที่ผลิตได้ 30 โมเดล แต่ที่น่าสังเกตคือ ยิ่ง AI ทรงพลังมากขึ้น ความโปร่งใสกลับลดลงเรื่อยๆ บริษัทอย่าง OpenAI, Anthropic และ Google ไม่เปิดเผยข้อมูลสำคัญอีกต่อไป ไม่ว่าจะเป็นขนาดชุดข้อมูล จำนวนพารามิเตอร์ หรือกระบวนการฝึก
ด้านโครงสร้างพื้นฐาน สหรัฐฯ มีศูนย์ข้อมูลมากถึง 5,427 แห่ง มากกว่าประเทศอันดับสองถึง 10 เท่า แต่ห่วงโซ่อุปทานฮาร์ดแวร์มีจุดเปราะบางสำคัญ เพราะชิป AI ชั้นนำเกือบทั้งหมดผลิตโดย TSMC เพียงบริษัทเดียวในไต้หวัน พลังการประมวลผลเติบโตขึ้น 3.3 เท่าต่อปี และมีความกังวลว่าข้อมูลคุณภาพสูงจากมนุษย์ที่ใช้ฝึกโมเดลกำลังจะหมดลงในช่วงปี 2026-2032 ขณะที่เนื้อหาออนไลน์ที่สร้างโดย AI แซงหน้า 50% ของเนื้อหาใหม่แล้ว
บทที่ 2: ประสิทธิภาพทางเทคนิค (Technical Performance)
สิ่งที่โดดเด่นที่สุดในบทนี้คือ AI พัฒนาเร็วกว่า benchmark ที่ออกแบบมาวัดมัน ในแบบทดสอบ Humanity’s Last Exam โมเดลชั้นนำทำคะแนนเพิ่มขึ้น 30% ภายในปีเดียว จนแบบทดสอบที่ออกวันนี้อาจล้าสมัยภายในไม่กี่เดือน
ช่องว่างระหว่าง AI ของสหรัฐฯ และจีนแทบจะหมดไปแล้ว โมเดล DeepSeek-R1 เคยทำคะแนนเทียบเท่าอันดับหนึ่งของสหรัฐฯ ในช่วงกุมภาพันธ์ 2025 และล่าสุดเดือนมีนาคม 2026 ช่องว่างเหลือเพียง 2.7% เท่านั้น AI Agents ก็พัฒนาก้าวกระโดด ในแบบทดสอบ OSWorld ที่ให้ AI ทำงานบนหน้าจอคอมพิวเตอร์จริง ความแม่นยำพุ่งจาก 12% เป็น 66.3% ตามหลังมนุษย์เพียง 6%
แต่รายงานยังพบปรากฏการณ์ที่เรียกว่า “Jagged Intelligence” — AI ที่คว้าเหรียญทองคณิตศาสตร์โอลิมปิกได้ กลับอ่านนาฬิกาอะนาล็อกแบบเข็มได้เพียง 50.1% ขณะที่มนุษย์ทำได้ 90.1% ความฉลาดแบบแหลมคมแต่ไม่สม่ำเสมอนี้คือสิ่งที่ต้องระวังในการนำ AI ไปใช้งานจริง
บทที่ 3: ความรับผิดชอบต่อสังคม (Responsible AI)
ปัญหาต่างๆ ที่เกิดจาก AI เพิ่มขึ้นจาก 233 ครั้งในปี 2024 เป็น 362 ครั้งในปี 2025 และยิ่งน่ากังวลเมื่อพบว่าการปรับปรุง AI ให้ปลอดภัยขึ้นด้านหนึ่ง มักส่งผลให้ประสิทธิภาพด้านอื่นลดลง เรายังไม่มีสูตรสำเร็จที่ทำให้ AI ทั้งเก่งและน่าเชื่อถือในเวลาเดียวกัน ความโปร่งใสของโมเดลชั้นนำลดลง ทำให้การตรวจสอบจากภายนอกยากขึ้นเรื่อยๆ ขณะที่การใช้งาน AI ในชีวิตประจำวันกลับขยายตัวเร็วกว่ากลไกกำกับดูแล
บทที่ 4: เศรษฐกิจ (Economy)
การลงทุนด้าน AI ระเบิดออกมาอย่างชัดเจน สหรัฐฯ ยังเป็นผู้นำในด้านการลงทุนภาคเอกชนด้วยเม็ดเงิน 2.85 แสนล้านดอลลาร์ การลงทุนทั่วโลกเพิ่มขึ้นกว่าสองเท่า และ Generative AI เติบโตมากกว่า 200% นับเป็นครึ่งหนึ่งของเงินทุนด้าน AI ทั้งหมด องค์กร 88% มีการใช้ AI แล้วในบางรูปแบบ โดย AI ช่วยเพิ่มรายได้ในส่วนงานการตลาดและการขายถึง 67% และลดต้นทุนในงานวิศวกรรมซอฟต์แวร์ 56%
ผลกระทบต่อตลาดแรงงานเริ่มมีสัญญาณชัดขึ้น AI เพิ่มประสิทธิภาพงานลูกค้าสัมพันธ์ 55% และงานเขียนโค้ด 26% แต่พนักงานใหม่อายุ 22-25 ปีในสายงานเหล่านี้กลับลดลงเกือบ 20% นับตั้งแต่ปี 2024 บ่งชี้ว่าตำแหน่ง entry-level กำลังหายไปจริงๆ ผู้บริโภคในสหรัฐฯ ได้รับประโยชน์จาก Generative AI สูงถึง 1.72 แสนล้านดอลลาร์ต่อปี เพิ่มขึ้น 54% ภายในปีเดียว แม้เครื่องมือส่วนใหญ่จะใช้ฟรีหรือราคาถูก
บทที่ 5: วิทยาศาสตร์ (Science)
งานวิจัยที่ใช้ AI ในสาขา Natural Sciences พุ่งสูงถึง 80,150 ชิ้นในปี 2025 เติบโต 26% และปัจจุบัน AI มีส่วนร่วมในงานวิจัยวิทยาศาสตร์ถึง 5.8%-8.8% ของงานทั้งหมด เพิ่มจากต่ำกว่า 1% ในปี 2010 โมเดล AI ทำคะแนนชนะนักเคมีมนุษย์ในการทดสอบ ChemBench และปี 2025 เริ่มมีการเปิดตัว Virtual Cell Models อย่าง Evo 2 และ AlphaGenome ที่ตั้งเป้าทำนายการตอบสนองของเซลล์โดยไม่ต้องทดลองในแล็บจริง
แต่สิ่งที่ขัดกันคือ โมเดลขนาดเล็กเฉพาะทางสามารถเอาชนะโมเดลขนาดใหญ่ได้ในงานชีววิทยาโมเลกุล MSAPairformer ที่มีเพียง 111 ล้านพารามิเตอร์เอาชนะโมเดลที่ใหญ่กว่า 4 หมื่นล้านพารามิเตอร์ได้ และ AI ยังล้มเหลวในการทำวิจัยซ้ำตามเปเปอร์ที่ตีพิมพ์แล้ว ทำคะแนน ReplicationBench ได้ต่ำกว่า 20% ในด้านฟิสิกส์ดาราศาสตร์
บทที่ 6: การแพทย์ (Medicine)
AI ก้าวข้ามขีดจำกัดด้านการแพทย์ชัดเจนขึ้นในปีนี้ (2025) ระบบ Multi-agent AI วินิจฉัยเคสผู้ป่วยซับซ้อนได้แม่นยำถึง 85.5% เทียบกับแพทย์ที่ไม่ได้ใช้เครื่องมือช่วยซึ่งทำได้เพียง 20% อุปกรณ์การแพทย์ AI ที่ผ่านการรับรอง FDA สะสมแล้ว 1,357 ชิ้น โดยรังสีวิทยาครองส่วนแบ่งสูงสุดถึง 76.6%
AI Overviews ปรากฏในผลการค้นหาข้อมูลสุขภาพบน Google ถึง 84-92% ของการค้นหาทั้งหมด ซึ่งหมายความว่าคนส่วนใหญ่กำลังรับข้อมูลสุขภาพครั้งแรกจาก AI โดยตรง เทคโนโลยี Digital Twins ในผู้ป่วยเบาหวาน 150 ราย พบว่า 71% ควบคุมระดับน้ำตาลในเกณฑ์ปกติได้ตลอด 1 ปี อย่างไรก็ตาม งานวิจัยด้านจริยธรรม AI ทางการแพทย์เพิ่มขึ้นกว่าเท่าตัว แต่ยังกระจุกตัวอยู่ที่เรื่อง governance เป็นหลัก ขณะที่ประเด็นความเท่าเทียมด้านสุขภาพระดับโลกยังถูกพูดถึงน้อยมาก
บทที่ 7: การศึกษา (Education)
มีการพบว่านักเรียน 80% ใช้ AI ช่วยทำการบ้านและค้นคว้า แต่โรงเรียนเพียง 50% มีนโยบายรองรับ และครูเพียง 6% ที่รู้สึกว่านโยบายเหล่านั้นชัดเจนพอ ยอดผู้เรียนปริญญาตรีสาขาวิทยาการคอมพิวเตอร์ในสหรัฐฯ ลดลง 11% แต่ปริญญาโทด้าน AI เพิ่มขึ้น 17% และ จำนวน PhD ด้าน AI ใหม่ในสหรัฐฯ และแคนาดาเพิ่มขึ้น 22% และน่าสนใจที่การเติบโตส่วนใหญ่ไหลกลับสู่ภาควิชาการแทนที่จะถูกดูดไปอยู่บริษัทเอกชนเหมือนก่อน ซึ่งสะท้อนว่าตลาดให้ค่ากับทักษะ AI เฉพาะทางมากกว่าการเรียนวิทยาการคอมพิวเตอร์ทั่วไป
นอกจากนี้ประเทศจีนและ UAE ประกาศบังคับสอน AI ในโรงเรียนระดับประเทศตั้งแต่ปีการศึกษา 2025-2026 ขณะที่ทักษะ AI Literacy เติบโตเร็วกว่า AI Engineering ในเกือบทุกประเทศ บ่งชี้ว่าคนส่วนใหญ่ต้องการเข้าใจ AI ในฐานะ “ผู้ใช้” มากกว่าในฐานะ “นักพัฒนา”
บทที่ 8: นโยบายและการกำกับดูแล (Policy and Governance)
สหรัฐฯ ภายใต้รัฐบาลทรัมป์ให้การสนับสนุนนวัตกรรม แต่กลับยกเลิกนโยบายความปลอดภัยที่เข้มงวดในยุคประธานาธิบดีไบเดน ส่งผลให้แต่ละรัฐต้องออกกฎหมาย AI ของตัวเองมากขึ้น ขณะที่ EU เริ่มบังคับใช้ EU AI Act กำหนดให้ผู้พัฒนาโมเดลอเนกประสงค์ต้องประเมินความเสี่ยงและมีความโปร่งใส
ยุทธศาสตร์ AI แห่งชาติกำลังขยายตัวเร็วที่สุดในกลุ่มประเทศเศรษฐกิจเกิดใหม่ ภูมิภาคเอเชียแปซิฟิกมีมาตรการบังคับเก็บข้อมูลในประเทศถึง 77 มาตรการ มากกว่ายุโรป และสัดส่วนพยานจากภาคอุตสาหกรรมในการไต่สวนของสภาคองเกรสสหรัฐฯ เพิ่มขึ้น 3 เท่าจาก 13% เป็น 37% บ่งชี้ว่า บริษัทเอกชนมีบทบาทในการกำหนดนโยบาย AI มากกว่าที่ควร
บทที่ 9: ความคิดเห็นของสาธารณชน (Public Opinion)
ผลสำรวจพบว่า 59% ของผู้คนทั่วโลกมองว่า AI มีข้อดีมากกว่าข้อเสีย เพิ่มจาก 55% ในปี 2024 แต่ในขณะเดียวกัน 52% ยอมรับว่า AI ทำให้พวกเขารู้สึกกังวลใจ กลุ่มประเทศเศรษฐกิจเกิดใหม่อย่างอินเดีย จีน UAE และซาอุดีอาระเบีย มีพนักงานที่ใช้ AI ในที่ทำงานเกิน 80% สูงกว่าค่าเฉลี่ยโลกที่ 58% อย่างชัดเจน
มุมมองระหว่างผู้เชี่ยวชาญและประชาชนทั่วไปแตกต่างกันมาก ผู้เชี่ยวชาญมองบวกต่อผลกระทบด้านการจ้างงาน 73% เทียบกับประชาชน 23% แต่ทั้งสองกลุ่มเห็นตรงกันว่า AI น่าจะส่งผลเสียต่อการเลือกตั้งและความสัมพันธ์ส่วนบุคคลระหว่างมนุษย์ ผู้เชี่ยวชาญยังคาดว่าภายในปี 2027 คนอเมริกัน 10% จะใช้ AI เป็นเพื่อนร่วมคิดทุกวัน และจะพุ่งสูงถึง 30% ในปี 2040
สรุป: โลก AI ปี 2025 บอกอะไรเราบ้าง?
รายงานนี้น่าจะมีข้อสรุปว่า AI กำลังอยู่ในจุดที่น่าสนใจมาก มันเก่งขึ้นอย่างรวดเร็วในหลายด้าน แต่ยังมีจุดอ่อนที่คาดไม่ถึง มีการลงทุนมหาศาลแต่ยังเต็มไปด้วยความไม่แน่นอน และโลกกำลังแตกออกเป็นสองค่ายระหว่างประเทศที่รีบเร่งนำ AI มาใช้กับประเทศที่ยังลังเล
สำหรับประเทศไทย เราอยู่ในกลุ่มที่มีโอกาสแต่ก็มีความเสี่ยงพอกัน คนไทยใช้ AI กันมากขึ้น และเอเชียตะวันออกเฉียงใต้เป็นภูมิภาคที่มีทัศนคติเชิงบวกต่อ AI สูงที่สุดในโลก แต่ระบบการศึกษาตามไม่ทัน นโยบายยังไม่ชัด และเรายังไม่มี AI ที่รองรับภาษาไทยได้ดีพอ ช่องว่างด้านภาษาที่รายงานพูดถึงนั้นเป็นเรื่องจริงและส่งผลต่อคนไทยโดยตรง
ผมเชื่อว่าเรายังมีเวลา แต่เวลานั้นน้อยกว่าที่หลายคนคิด ประเทศที่จะได้ประโยชน์สูงสุดจาก AI คือประเทศที่เริ่มก่อน ลงทุนในคนก่อน และมีนโยบายที่ชัดเจนก่อน ไม่ใช่ประเทศที่รอให้เทคโนโลยีสมบูรณ์แบบก่อนแล้วค่อยตาม
