เปิด 3 หลักคิดนักเศรษฐศาสตร์โนเบล ถ้าจะใช้ AI แก้ปัญหาใหญ่ให้คนตัวเล็ก รัฐควรทำอะไรบ้าง?

แม้ปัญญาประดิษฐ์ (AI) จะมีศักยภาพในการเพิ่มผลิตภาพ สร้างงาน และยกระดับบริการภาครัฐ แต่การนำเทคโนโลยีมาใช้งานจริงยังมีโจทย์สำคัญมากกว่าการพัฒนาโมเดลให้มีประสิทธิภาพสูงขึ้น โดยเฉพาะการทำให้ AI ตอบโจทย์ความต้องการของประชาชนและหน่วยงานในประเทศรายได้ต่ำและปานกลางได้

บทเวที “Leader’s Series” ที่ Michael Kremer หัวหน้านักเศรษฐศาสตร์ World Bank Group และนักเศรษฐศาสตร์รางวัลโนเบล เน้นย้ำถึงการนำ AI มาใช้งานจริงในประเทศกำลังพัฒนาอย่างเท่าเทียม ทั่วถึง และเกิดผลิตภาพขึ้นจริง

ตามรายงาน World Development Report ประจำปี 2026 ของธนาคารโลกให้ความสำคัญกับศักยภาพของ AI โดยเฉพาะ Small AI หรือการประยุกต์ใช้ AI เพื่อแก้ปัญหาเฉพาะด้าน ซึ่งสามารถช่วยลดต้นทุนในการพัฒนาซอฟต์แวร์ที่ออกแบบให้เหมาะกับผู้ใช้งานแต่ละกลุ่ม ไม่ว่าจะเป็นเกษตรกรรายย่อย ผู้ประกอบการขนาดเล็ก หรือหน่วยงานภาครัฐ

Michael Kremer เล่าว่า ในอดีต ซอฟต์แวร์ที่พัฒนาขึ้นเพื่อรองรับความต้องการเฉพาะทางมักเข้าถึงได้เฉพาะบริษัทขนาดใหญ่และประเทศรายได้สูง แต่เมื่อ AI ช่วยลดต้นทุนการพัฒนา ก็เปิดโอกาสให้ผู้ใช้งานกลุ่มอื่นเข้าถึงเครื่องมือที่เหมาะกับความต้องการของตัวเองได้มากขึ้น

อย่างไรก็ตาม การทำให้ศักยภาพดังกล่าวเกิดขึ้นจริงจำเป็นต้องอาศัยมากกว่าเทคโนโลยีเพียงอย่างเดียว เขาจึงเสนอ 3 Principles เป็น 3 หลักการสำคัญที่จะทำให้การใช้งาน AI เกิดขึ้นได้จริงอย่างมีประสิทธิภาพ ประกอบไปด้วย 

• การเปิดให้เข้าถึงและต่อยอดซอฟต์แวร์ 
• การบูรณาการ AI เข้ากับคนและระบบการทำงานจริง 
• การสร้างมาตรฐานประเมินคุณภาพควบคู่กับระบบเงินทุนที่ช่วยให้ผลิตภัณฑ์ถูกนำไปใช้งานได้จริง

เปิดให้เข้าถึงและต่อยอด AI ได้ เพื่อให้เทคโนโลยีตอบโจทย์แต่ละประเทศ

หลักการแรก คือ การสร้างระบบที่ผสมผสานระหว่างซอฟต์แวร์แบบปิด (Closed Model) ซึ่งบริษัทเอกชนสามารถพัฒนาและจำหน่ายเพื่อสร้างรายได้ กับเครื่องมือแบบเปิด (Opened Meodel) ที่รัฐบาลสามารถเข้าถึงและปรับใช้ตามความต้องการของตัวเองได้

การเปิดให้เข้าถึงซอฟต์แวร์ช่วยลดความเสี่ยงที่รัฐบาลจะต้องพึ่งพาผู้ให้บริการรายใดรายหนึ่งมากเกินไป หรือเกิดภาวะ Vendor Lock-in จนเปลี่ยนไปใช้ระบบอื่นได้ยาก และยังเป็นการเปิดโอกาสให้ผู้ใช้งานและนักพัฒนารายอื่นเข้ามาปรับปรุงระบบอย่างต่อเนื่อง

ที่สำคัญ ซอฟต์แวร์แบบเปิดยังสามารถสร้างประโยชน์ในระดับโลก เพราะเมื่อมีการพัฒนาระบบขึ้นมาแล้ว ประเทศอื่นก็สามารถนำไปปรับใช้ต่อได้ โดยมีต้นทุนในการเปลี่ยนแปลงให้เหมาะกับบริบทของประเทศต่ำกว่าการพัฒนาระบบใหม่ทั้งหมดตั้งแต่ต้น

• กรณีศึกษา: อินเดียใช้ AI พยากรณ์อากาศ ช่วยเกษตรกรกว่า 50 ล้านคน

Michael Kremer ยกตัวอย่างที่สะท้อนหลักการนี้ว่า มีการพัฒนาระบบพยากรณ์อากาศเพื่อการเกษตรของรัฐบาลอินเดีย โดยนำแบบจำลองทางฟิสิกส์ที่พัฒนาขึ้นเองมาผสมผสานกับแบบจำลอง AI ที่เปิดให้เข้าถึงได้ และแบบจำลองทางสถิติที่ใช้ข้อมูลปริมาณน้ำฝนในอดีต

การผสมผสานแบบจำลองหลายประเภทช่วยให้รัฐบาลสามารถพยากรณ์การเริ่มต้นของฤดูมรสุมได้อย่างมีประสิทธิภาพมากขึ้น เมื่อเทียบกับการใช้แบบจำลองใดแบบจำลองหนึ่งเพียงลำพัง

ระบบดังกล่าวยังไม่ได้พยากรณ์เพียงสภาพอากาศตามนิยามทางอุตุนิยมวิทยา แต่ปรับให้ตอบโจทย์การเกษตรโดยเฉพาะ เพื่อช่วยให้เกษตรกรตัดสินใจได้ว่าช่วงเวลาใดเหมาะสมสำหรับการเริ่มเพาะปลูก

ก่อนหน้านี้ แบบจำลองพยากรณ์อากาศที่เปิดให้เข้าถึงได้ยังสามารถคาดการณ์การหยุดชะงักของการเคลื่อนตัวของฤดูมรสุมในอินเดียเมื่อปี 2025 ได้ โดยฤดูมรสุมเคลื่อนตัวจากทางใต้ขึ้นไปทางเหนือ ก่อนหยุดชะงักชั่วคราวแล้วจึงเคลื่อนตัวต่อ

ในปีนี้ รัฐบาลอินเดียสามารถส่งข้อมูลพยากรณ์ให้เกษตรกรมากกว่า 50 ล้านคน โดยมีการประเมินผลเบื้องต้นพบว่า การส่งข้อมูลเพิ่มเติมผ่านข้อความเสียงในบางพื้นที่อาจช่วยเพิ่มกำไรของเกษตรกรได้ 8.5% แม้ตัวเลขดังกล่าวยังมีความไม่แน่นอนและจำเป็นต้องศึกษาเพิ่มเติม

ประโยชน์ของระบบแบบเปิดยังขยายตัวไปถึงเอธิโอเปีย ซึ่งกำลังพัฒนาระบบพยากรณ์โดยใช้แบบจำลองทางอุตุนิยมวิทยาที่ผสานข้อมูลของประเทศตนเอง และเริ่มทดลองส่งข้อมูลให้เกษตรกรหลายแสนคนแล้ว

กรณีนี้แสดงให้เห็นว่า การเปิดให้เข้าถึงเทคโนโลยีไม่ได้เพียงช่วยลดต้นทุนการพัฒนา แต่ยังทำให้แต่ละประเทศสามารถปรับปรุงระบบให้เหมาะกับความต้องการของตนเอง และเปิดโอกาสให้ประเทศอื่นนำแนวทางเดียวกันไปต่อยอดได้

บูรณาการ AI เข้ากับคนและระบบการทำงาน เพื่อให้เทคโนโลยีสร้างผลลัพธ์จริง

หลักการข้อที่สอง คือ การสร้างผลลัพธ์จาก AI จำเป็นต้องอาศัยระบบที่เชื่อมโยงเครื่องมือหลายประเภทเข้าด้วยกัน รวมถึงผสานเทคโนโลยีเข้ากับบุคลากรและกระบวนการทำงานจริง

เพราะแม้ AI จะมีความสามารถสูง แต่หากไม่สอดคล้องกับวิธีทำงานของผู้ใช้งาน หรือไม่สามารถเชื่อมโยงกับระบบของหน่วยงานที่เกี่ยวข้อง ก็อาจไม่สามารถสร้างผลลัพธ์ตามที่คาดหวังได้

• กรณีศึกษา: พยากรณ์อากาศเพื่อการเกษตร ต้องมากกว่าแบบจำลอง AI

กรณีของอินเดียยังสะท้อนให้เห็นด้วยว่า การพัฒนาระบบพยากรณ์อากาศให้ใช้งานได้จริงไม่ได้จบลงที่การสร้างแบบจำลองที่แม่นยำ แต่ต้องอาศัยองค์ประกอบหลายด้าน

นอกจากการผสานแบบจำลอง AI เข้ากับแบบจำลองทางฟิสิกส์และข้อมูลทางสถิติแล้ว รัฐบาลยังต้องนำความรู้ด้านการเกษตรเข้ามาช่วยกำหนดว่าควรพยากรณ์ปรากฏการณ์ใด เพื่อให้ข้อมูลตอบโจทย์การตัดสินใจของเกษตรกร

อีกขั้นตอนสำคัญคือการออกแบบวิธีสื่อสารข้อมูลพยากรณ์ ซึ่งอยู่ในรูปความน่าจะเป็นของการเริ่มต้นฤดูฝนในช่วงเวลาต่าง ๆ

ในช่วงแรก เกษตรกรจำนวนมากยังไม่เข้าใจข้อความที่ส่งไป รัฐบาลจึงต้องทดลองข้อความหลายรูปแบบและปรับวิธีนำเสนอข้อมูล จนได้รูปแบบที่เกษตรกรเข้าใจได้ดีกว่าเดิม

นอกจากนี้ ยังต้องอาศัยการประสานงานระหว่างหน่วยงานภาครัฐที่เกี่ยวข้อง ทั้งด้านการเกษตรและด้านอุตุนิยมวิทยา เพื่อให้ระบบทำงานสอดคล้องกันตั้งแต่การพยากรณ์ไปจนถึงการนำข้อมูลไปใช้

• กรณีศึกษา: Wadhwani AI ใช้เทคโนโลยีช่วยเจ้าหน้าที่สาธารณสุขชุมชน

อีกหนึ่งตัวอย่างที่เห็นภาพชัดยิ่งขึ้น คือ ผลงานของ Wadhwani AI ผู้พัฒนาเครื่องมือช่วยเจ้าหน้าที่สาธารณสุขชุมชนรับมือกับปัญหาสุขภาพหลายประเภท

หนึ่งในเครื่องมือที่สำคัญนั้น คือแพลตฟอร์มที่สามารถใช้วิดีโอสั้น ๆ ของทารกเพื่อประเมินส่วนสูงและน้ำหนัก ซึ่งเป็นข้อมูลสำคัญสำหรับติดตามการเจริญเติบโตของเด็ก จากเดิมที่กระบวนการวัดอาจต้องใช้เจ้าหน้าที่ถึงสองคน

อีกเครื่องมือหนึ่งสามารถวิเคราะห์เสียงไอจากการไอใส่โทรศัพท์ 3 ครั้ง เพื่อประเมินสัญญาณที่อาจบ่งชี้ถึงวัณโรค

แม้เทคโนโลยีเหล่านี้จะมีความก้าวหน้า แต่สิ่งที่น่าสนใจ คือ ผู้พัฒนาระบุว่างานด้านเทคโนโลยีคิดเป็นเพียง 20% ของความพยายามหรือค่าใช้จ่ายทั้งหมด ขณะที่อีก 80% ใช้ไปกับการทำงานร่วมกับเจ้าหน้าที่สาธารณสุขชุมชนและรัฐบาล เพื่อให้เครื่องมือสามารถผสานเข้ากับระบบการทำงานจริงได้

ตัวอย่างเหล่านี้ชี้ให้เห็นว่า ความสำเร็จของ AI เพื่อการพัฒนาไม่ได้ขึ้นอยู่กับความสามารถทางเทคนิคเพียงอย่างเดียว แต่ต้องมีการออกแบบระบบให้เหมาะกับผู้ใช้งาน เชื่อมโยงกับบุคลากร และทำงานร่วมกับหน่วยงานที่เกี่ยวข้องได้จริง

สร้างมาตรฐานวัดคุณภาพ AI และระบบเงินทุน เพื่อให้ผลิตภัณฑ์ที่ดีถูกนำไปใช้

หลักการข้อที่สาม คือ การมีมาตรฐานประเมินคุณภาพและระบบทดสอบผลิตภัณฑ์ในสถานการณ์จริง เพื่อช่วยให้รัฐบาลสามารถตัดสินใจเลือกใช้ AI ได้จากหลักฐาน ไม่ใช่เพียงคำกล่าวอ้างทางการตลาด

ปัญหาสำคัญในปัจจุบันคือ มีผลิตภัณฑ์ AI บางประเภทที่นำเสนอความสามารถของตัวเองออกมาได้น่าสนใจ แต่ยังไม่มีหลักฐานเพียงพอที่จะยืนยันประสิทธิภาพ หรือไม่สามารถอธิบายได้ชัดเจนว่าแบบจำลองทำงานได้ดีเพียงใด

หากรัฐบาลเลือกซื้อผลิตภัณฑ์โดยพิจารณาจากราคาต่ำที่สุดเพียงอย่างเดียว ก็อาจได้ระบบที่มีต้นทุนเริ่มต้นต่ำ แต่ไม่สามารถสร้างผลลัพธ์ที่ต้องการได้จริง

ตัวอย่างเช่น ระบบเทคโนโลยีเพื่อการศึกษาอาจมีต้นทุนซอฟต์แวร์เป็นเพียงส่วนหนึ่งของต้นทุนทั้งหมด หากระบบไม่สามารถเพิ่มผลการเรียนรู้ของนักเรียนได้ การเลือกผลิตภัณฑ์ที่ถูกกว่าเพียงเล็กน้อยก็อาจไม่ใช่การใช้เงินอย่างคุ้มค่า

แนวทางแก้ไขคือ การกำหนดเกณฑ์ให้ผู้พัฒนาต้องระบุข้อกล่าวอ้างเกี่ยวกับประสิทธิภาพของผลิตภัณฑ์อย่างชัดเจน พร้อมแสดงวิธีตรวจสอบและประเมินผล รวมถึงทดสอบทั้งในสภาพแวดล้อมที่ควบคุมได้และในสถานการณ์จริง

• กรณีศึกษา: การพยากรณ์อากาศต้องพิสูจน์ความแม่นยำ ไม่ใช่แค่คำกล่าวอ้าง

ในกรณีการพยากรณ์อากาศ นักวิจัยได้เสนอแนวทางให้ผู้พัฒนาอธิบายอย่างชัดเจนว่าแบบจำลองสามารถพยากรณ์อะไรได้ มีวิธีตรวจสอบข้อกล่าวอ้างอย่างไร และจัดการกับปัญหาทางเทคนิค เช่น Overfitting อย่างไร

การมีมาตรฐานที่ชัดเจนจะช่วยให้รัฐบาลเปรียบเทียบคุณภาพของผลิตภัณฑ์ต่าง ๆ ได้ดีขึ้น และลดความเสี่ยงจากการเลือกใช้ระบบที่มีคำกล่าวอ้างสูง แต่ไม่มีหลักฐานรองรับเพียงพอ

• กรณีศึกษา: จ่ายเงินตามผลลัพธ์การเรียนรู้ ไม่ใช่แค่การได้รับสัญญา

ในอินเดีย รัฐบาลกลางได้ร่วมมือกับรัฐบาลระดับรัฐทดลองแนวทางจัดซื้อจัดจ้างที่เชื่อมโยงการจ่ายเงินส่วนหนึ่งกับผลลัพธ์การเรียนรู้ของนักเรียน

หากผลิตภัณฑ์หลายประเภทถูกนำไปทดลองใช้ในสภาพแวดล้อมที่แตกต่างกัน รัฐบาลก็สามารถเปรียบเทียบได้ว่าระบบใดช่วยเพิ่มผลการเรียนรู้ได้มากกว่า และนำข้อมูลดังกล่าวมาใช้ประกอบการตัดสินใจ

แนวทางนี้ช่วยสร้างแรงจูงใจให้ผู้พัฒนาปรับปรุงคุณภาพผลิตภัณฑ์อย่างต่อเนื่อง แทนที่จะมุ่งแข่งขันด้วยราคา หรือการนำเสนอที่ดูน่าสนใจเพียงอย่างเดียว

อย่างไรก็ตาม การมีมาตรฐานประเมินคุณภาพยังไม่เพียงพอ หากไม่มีหน่วยงานหรือแหล่งเงินทุนที่พร้อมจัดซื้อผลิตภัณฑ์ที่ผ่านเกณฑ์เหล่านั้น

ธนาคารโลกเสนอให้รัฐบาล องค์กรการกุศล และสถาบันการเงินระหว่างประเทศมีบทบาทช่วยสร้างอุปสงค์สำหรับผลิตภัณฑ์ AI คุณภาพสูง โดยเฉพาะในภาคการศึกษา สาธารณสุข และการเกษตร

หากประเทศที่ได้รับเงินทุนสนับสนุนโครงการสามารถเข้าถึงข้อมูลประเมินคุณภาพและหลักฐานผลลัพธ์ของผลิตภัณฑ์ ก็จะช่วยให้การจัดซื้อจัดจ้างมีข้อมูลรองรับมากขึ้น ส่วนผู้พัฒนาก็จะมีแรงจูงใจลงทุนสร้างผลิตภัณฑ์ที่มีคุณภาพ เพราะมีโอกาสที่ผลิตภัณฑ์จะถูกนำไปใช้จริง

เปลี่ยน AI จากความก้าวหน้าทางเทคโนโลยี ให้เป็นประโยชน์ต่อประชาชน

ทั้งสามหลักการนี้คือแนวทางที่ได้นำเสนอออกมาจากนักเศรษฐศาสตร์รางวัลโนเบล ถึงการใช้ AI เพื่อการพัฒนาไม่ใช่เพียงการนำเทคโนโลยีใหม่มาใช้ แต่ต้องสร้างระบบนิเวศที่ช่วยให้เทคโนโลยีเข้าถึงได้ ปรับใช้ได้จริง และสร้างผลลัพธ์ที่ตรวจสอบได้

กรณีการพยากรณ์อากาศในอินเดียแสดงให้เห็นว่า การผสานแบบจำลองที่เปิดให้เข้าถึงเข้ากับความรู้เฉพาะด้านและระบบสื่อสารที่เหมาะสม สามารถช่วยให้เกษตรกรกว่า 50 ล้านคนเข้าถึงข้อมูลเพื่อประกอบการตัดสินใจได้ ส่วนกรณี Wadhwani AI คือการบอกว่า การนำเทคโนโลยีไปใช้ในระบบสุขภาพต้องอาศัยการทำงานร่วมกับบุคลากรและรัฐบาลอย่างมาก

นอกจากนี้ การสร้างมาตรฐานและระบบจัดซื้อจัดจ้างที่พิจารณาผลลัพธ์จริง จะช่วยให้รัฐบาลเลือกใช้ผลิตภัณฑ์ที่มีคุณภาพ และทำให้การลงทุนด้าน AI สร้างประโยชน์ได้อย่างคุ้มค่า

ท้ายที่สุด หากสามารถเชื่อมโยงการพัฒนาเทคโนโลยีเข้ากับระบบการทำงานจริง มาตรฐานประเมินคุณภาพ และแหล่งเงินทุนที่ชัดเจน AI ก็มีโอกาสช่วยเพิ่มผลิตภาพ สร้างงานที่มีคุณภาพ และยกระดับบริการสาธารณะได้มากขึ้น โดยเฉพาะในประเทศรายได้ต่ำและปานกลางที่ยังมีช่องว่างในการเข้าถึงเทคโนโลยี

อ่านข่าวเศรษฐกิจและนโยบายรัฐ กับ Thairath Money เพื่อให้คุณ “การเงินดีชีวิตดี” ได้ที่ https://www.thairath.co.th/money/economics/thai_economics 

ติดตามเพจ Facebook : Thairath Money ได้ที่ลิงก์นี้  https:// www.facebook.com/ThairathMoney