รายงานพบโครงสร้างพื้นฐานขององค์กรไทยส่วนใหญ่ ยังไม่รองรับการจัดการข้อมูลสำหรับ AI

“รายงาน Data Streaming ประจำปี 2569 CIO มองโครงสร้างพื้นฐานที่ไม่ได้มาตรฐานเป็นอุปสรรคต่อการเติบโตของ AI แนวคิดเรื่อง Data Streaming อาจเป็นทางออกสำหรับผู้บริหาร

Confluent เปิดเผยรายงานการสตรีมข้อมูลปี 2026 (Data_Streaming ประจำปี 2569) โดยมีประเด็นสำคัญที่จะหาคำตอบเรื่องของ การเชื่อมช่องว่างระหว่างข้อมูลและมูลค่าของ AI ซึ่งอิงจากข้อมูลเชิงลึกจากผู้บริหารด้านไอที 4,625 คนที่สำรวจ 

รายงานดังกล่าว ได้วิเคราะห์ความท้าทายที่องค์กรต่างๆ กำลังเผชิญในการขยายการใช้งาน AI พร้อมชี้ให้เห็นว่า องค์กรอาจต้องให้ความสำคัญกับการปรับปรุงโครงสร้างพื้นฐานที่ระบบ AI ต้องพึ่งพา มากกว่าการเพิ่มงบลงทุนในเทคโนโลยี AI เพียงอย่างเดียว

เผยปัญหาของ CIO ในการใช้งาน AI

ผลการวิจัยพบว่า 72% ของผู้บริหารด้านไอทีต้องประสบปัญหาอย่างน้อย 3 ประการ ในการขยายผลการใช้งาน AI ได้แก่ โครงสร้างพื้นฐานที่ไม่รองรับการประมวลผลข้อมูลแบบเรียลไทม์ (72%) ความไม่ชัดเจนเกี่ยวกับแหล่งที่มาของข้อมูล ความสดใหม่ และคุณภาพของข้อมูล (66%) และปัญหาการจัดเก็บข้อมูลแบบแยกส่วนขาดผู้ดูแลส่วนกลาง (65%)

ความท้าทายด้านโครงสร้างพื้นฐานเหล่านี้ยังส่งผลให้การนำ Agentic AI มาใช้งานเป็นไปอย่างล่าช้า โดยสองในสาม (66%) ของผู้บริหารด้านไอทีระบุว่า ปัญหาดังกล่าวเป็นอุปสรรคสำคัญต่อการนำ Agentic AI มาใช้งาน 

ขณะที่มีเพียง 32% เท่านั้นที่รายงานว่าได้นำ Agentic AI ไปใช้ในระบบการทำงาน และองค์กรส่วนใหญ่ยังคงเผชิญกับความล่าช้าในการดำเนินโครงการ 

โครงสร้างพื้นฐานขององค์กรไทย ยังไม่รองรับการจัดการข้อมูลแบบเรียลไทม์

ผลการสำรวจยังเผยให้เห็นข้อมูลที่น่าสนใจของประเทศไทย โดยพบว่าผู้บริหารด้านไอทีในไทยกว่า 84% ต้องเผชิญกับอุปสรรคสำคัญอย่างน้อย 3 ประการในการนำ AI ไปใช้งาน ซึ่งเป็นสัดส่วนสูงที่สุดเมื่อเทียบกับทุกประเทศที่ทำการสำรวจ 

โดยอันดับแรก คือโครงสร้างพื้นฐานที่ไม่รองรับการประมวลผลข้อมูลแบบเรียลไทม์ (83%) ความไม่ชัดเจนเกี่ยวกับแหล่งที่มาของข้อมูล ความสดใหม่ และคุณภาพของข้อมูล (80%) และปัญหาการจัดเก็บข้อมูลแบบแยกส่วนขาดผู้ดูแลส่วนกลาง (79%)

แม้จะเผชิญกับความท้าทายเหล่านี้ แต่ประเทศไทยยังถือเป็นหนึ่งในประเทศที่มีความก้าวหน้าในการนำ AI ไปใช้งาน โดยมีองค์กรถึง 39% สามารถนำ Agentic AI ไปใช้ในระบบการทำงานแล้ว 

นอกจากนี้ ผู้บริหารด้านไอทีในประเทศไทยยังมีความเชื่อมั่นต่อ Data Streaming ในระดับสูง โดย 97% เชื่อว่าจะช่วยเพิ่มผลลัพธ์จากการลงทุนด้าน AI และเร่งการนำ AI ไปใช้งานในองค์กร 

ขณะที่ 93% จัดให้ Data Streaming เป็นหนึ่งในลำดับความสำคัญเชิงกลยุทธ์ขององค์กร ซึ่งสูงกว่า AI และ Machine Learning ที่ได้รับการจัดลำดับความสำคัญที่ 91% ของผู้ตอบแบบสำรวจ

ปลดล็อกศักยภาพ AI แบบเรียลไทม์

ขณะที่องค์กรต่างๆ กำลังผลักดัน AI จากโครงการนำร่อง ไปสู่การใช้งานจริง ความสนใจจึงมุ่งเน้นไปที่ข้อมูล ซึ่งเป็นหัวใจสำคัญในการขับเคลื่อน AI มากขึ้นโดย 4 ใน 5 (80%) ของผู้บริหารด้านไอทีระบุว่า การนำข้อมูลขององค์กรมาใช้เพื่อขับเคลื่อนระบบ AI ถือเป็นหนึ่งในลำดับความสำคัญทางธุรกิจ ซึ่งสะท้อนให้เห็นถึงความจำเป็นที่เพิ่มขึ้นในการเข้าถึงข้อมูลที่น่าเชื่อถือได้แบบเรียลไทม์

จากผลสำรวจดังกล่าวชี้ให้เห็นว่าองค์กรส่วนใหญ่มองว่า Data Streaming คือกุญแจสำคัญที่จะเข้ามาตอบโจทย์และแก้ปัญหานี้

กว่า 88% ของผู้บริหารด้านไอทีระบุว่าแพลตฟอร์ม Data Streaming ช่วยปลดล็อกความก้าวหน้าในการนำ Agentic AI มาใช้งาน ด้วยการทำให้ข้อมูลมีความน่าเชื่อถือ มีบริบทที่ชัดเจน สามารถค้นหาและเข้าถึงได้ง่ายขึ้น 

ขณะเดียวกัน 94% เชื่อว่า Data_Streaming ช่วยเพิ่ม หรือคาดว่าจะช่วยเพิ่มผลตอบแทนจากการลงทุนด้าน AI ขณะที่ 90% ระบุว่าเทคโนโลยีดังกล่าวช่วยให้การนำ AI มาใช้งานในองค์กรเป็นไปได้อย่างมีประสิทธิภาพมากขึ้น

การลงทุนด้าน Data Streaming พุ่งนำหน้า AI

รายงานยังระบุว่า เมื่อมีการลงทุนด้าน AI เพิ่มขึ้น เม็ดเงินลงทุนใน Data_Streaming จะเพิ่มขึ้นควบคู่กัน โดย 88% ของผู้บริหารด้านไอทีจัดให้ Data_Streaming เป็นหนึ่งในลำดับความสำคัญหลัก ขณะที่ 82% ให้ความสำคัญกับเทคโนโลยี AI และ Machine Learning 

ผลการสำรวจนี้สะท้อนให้เห็นว่าผู้บริหารด้านไอทีตระหนักมากขึ้นว่าการสร้างมูลค่าสูงสุดจาก AI ต้องอาศัยการเข้าถึงข้อมูลที่น่าเชื่อถือและเรียลไทม์ 

และในขณะที่องค์กรต่างๆ กำลังเดินหน้าผลักดันโครงการ AI จากขั้นทดลองสู่การใช้งานจริง ความสนใจจึงเริ่มเปลี่ยนจากการพัฒนาโมเดล AI เพียงอย่างเดียว ไปสู่การสร้างโครงสร้างพื้นฐานที่สามารถส่งมอบข้อมูลที่ถูกต้องให้ถึงมือผู้ใช้งานได้ในเวลาที่เหมาะสม

แอนดรูว์ เซลเลอร์ส รองประธานฝ่ายกลยุทธ์และการสนับสนุนด้านเทคโนโลยี คอนฟลูเอนท์ กล่าวว่า “ผู้บริหารในหลายๆ องค์กรทั่วโลกถูกผลักดันให้ต้องมีการใช้งาน Agentic AI เพื่อผลลัพธ์ทางธุรกิจ”

“สิ่งที่เราเห็นนั้นหลายองค์กรมีการใช้งานในหลายๆ แผนก อาทิ ส่วนงานวิศวกรรม ฝ่ายการตลาด รวมถึงส่วนงานปฏิบัติบางอย่าง ซึ่งล้วนมีวัตถุประสงค์เพื่อพัฒนาเวิร์คโฟล์ เพิ่มยอดขาย หรือโอกาสทางธุรกิจ”

“ขณะที่ทางออกของแก้ปัญหา เรื่องการให้ความสำคัญระหว่างการลงทุนพัฒนาโครงสร้างพื้นฐานไอทีและการบริหารจัดการข้อมูลนั้น ควรจะต้องเริ่มจากผู้บริหารต้องเข้าใจถึงเป้าหมายทางธุรกิจขององค์กรเป็นอันดับแรก ซึ่งแต่ละองค์กรก็จะมีความต้องการการลงทุนด้านไอทีที่แตกต่างกัน”

“การลงทุนทั้งสองเรื่องมีความสำคัญมากพอๆ กัน โดยเฉพาะเรื่องดาต้านั้นต้องอยู่บนหลักการของคำว่า Data Governance ที่จะเป็นตัวสร้างความพร้อมและความถูกต้องให้ข้อมูลถูกนำไปใช้เพื่อการประมวลผล AI บนโครงสร้างพื้นฐานที่ทันสมัย”

“ดังนั้นการนำเอาแนวคิดเรื่อง Data_Streaming เข้ามาปรับใช้ในการลงทุนจะเป็นทางออกสำหรับผู้บริหารแต่ละองค์กรว่าจะให้น้ำหนักความสำคัญกับการลงทุนเรื่องดังกล่าวอย่างไร” 

ก้าวนำคู่แข่งในสนามการแข่งขันด้าน AI

เคนนี่ ชิน ผู้อำนวยการภูมิภาคเอเชียตะวันออกเฉียงใต้ คอนฟลูเอนท์ กล่าวว่า “ในการแข่งขันด้าน AI ในปี 2026 ไม่ได้วัดกันที่ใครมีโมเดล AI ที่ใหญ่ที่สุด แต่จะวัดกันที่ใครมีข้อมูลแบบเรียลไทม์ มี Data Governance ที่เข้มแข็ง และมีรากฐานข้อมูลที่พร้อมรองรับการใช้งาน AI ในระดับองค์กรได้จริง”

“โดยจำเป็นอย่างยิ่งที่องค์กรจะต้องดำเนินการใน 3 ประเด็น นั่นคือ ลดช่องว่างของบริบทข้อมูล, การกำกับดูแล AI เริ่มต้นจากการกำกับดูแลข้อมูล และ สร้างรากฐานข้อมูลที่แข็งแกร่ง โดยแต่ละประเด็นมีสิ่งที่องค์กรสามารถทำได้นั้นคือ”

“เรื่อง การลดช่องว่างของบริบทข้อมูล สิ่งที่เกิดขึ้นคือ องค์กรที่ยังใช้ข้อมูลล่าช้า จะทำให้ AI ตัดสินใจจากข้อมูลเก่า ส่งผลให้การวิเคราะห์ การคาดการณ์ และการตอบสนองต่อลูกค้าช้ากว่าคู่แข่ง” 

“ดังนั้นองค์กร สามารถเร่งการเปลี่ยนผ่านจากการประมวลผลแบบ Batch ไปสู่การสตรีมข้อมูลแบบเรียลไทม์ เลิกพึ่งพาการประมวลผลข้อมูลเป็นรอบๆ แล้วเปลี่ยนมาใช้ข้อมูลที่ไหลเข้ามาอย่างต่อเนื่องแบบ Real-time Streaming

อาศัยแนวคิด McPify everything หมายถึงการทำให้ระบบต่างๆ เชื่อมต่อกับบริบทข้อมูลได้ทันที เพื่อให้ AI และแอปพลิเคชันสามารถเข้าใจสถานการณ์ปัจจุบันได้อย่างแม่นยำ”

“ประเด็นที่สอง การกำกับดูแล AI ที่ต้องเริ่มต้นจากการกำกับดูแลข้อมูล เพราะ AI Governance ที่แท้จริงไม่ได้เริ่มที่โมเดล AI แต่เริ่มที่ คุณภาพ ความถูกต้อง ความปลอดภัย และสิทธิ์การเข้าถึงข้อมูล หากข้อมูลไม่มีการกำกับดูแล AI ก็มีความเสี่ยงต่อการให้ผลลัพธ์ผิดพลาด ละเมิดกฎระเบียบ หรือเกิดปัญหาด้านความเป็นส่วนตัว”

“ดังนั้น สิ่งที่ภาคธุรกิจสามารถทำได้คือ อย่ารอให้กฎหมายหรือข้อกำกับออกมาครบก่อน แล้วค่อยเริ่มทำ Governance และเริ่มกำกับดูแลข้อมูลและกระแสข้อมูลแบบเรียลไทม์เชิงรุก ตั้งแต่วันนี้”

“ประการสุดท้ายสร้าง การวางรากฐานข้อมูลที่แข็งแกร่ง สิ่งที่เกิดขึ้นคือ หลายองค์กรรีบลงทุน AI แต่ยังไม่มีโครงสร้างข้อมูลที่พร้อมใช้งานจริง ทำให้โครงการ AI ไม่สามารถขยายผลได้ในระยะยาว รากฐานข้อมูลที่ดีจึงเป็น เงื่อนไขสำคัญก่อนการทำ AI Scale-up”

“ดังนั้น องค์กรควร กลับไปสู่พื้นฐาน สร้าง Data Pipeline แบบรวมศูนย์และมีการกำกับดูแล, ลงทุนในการเสริมความแข็งแกร่งของแพลตฟอร์มและบุคลากร และทำความเข้าใจปัญหาและแนวทางแก้ไขด้านข้อมูลขององค์กรให้ลึกซึ้งยิ่งขึ้น” ชิน กล่าวสรุป

Featured Image: magnific