KBTG Techtopia: Human of Tomorrow

Thailand Today: Building a Runway Towards The Future

Speaker Suphajee Suthumpun

📌5D ที่ไทยต้องรับมือ

  • Decoupling - Geopolitics โลกแบ่งขั้วอำนาจ เกิดกติกาโลกใหม่ ไทยต้องหาจุดยืนและเร่งกระจายความเสี่ยง
  • Diversification -แม้การส่งออกและการลงทุนจะเติบโต แต่รายได้ยังกระจุกตัวอยู่ที่กลุ่มรายใหญ่ โดยผู้ส่งออกรายย่อย (SMEs) 70–80% สร้างรายได้รวมไม่ถึง 15% ของยอดส่งออกทั้งหมด และยังพึ่งพาเพียง 2 ตลาดหลัก คือ US และ CHINA คิดเป็น 1 ใน 3
  • Decarbonization Climate Change กดดันให้เกิดกฎระเบียบการค้าใหม่ ธุรกิจไทยต้อปรับตัวลดคาร์บอน เพื่อรักษาสายการค้าโลก
  • Demographicไทยเข้าสู่สังคมสูงวัยเต็มรูปแบบ และประชากรลดลงติดต่อกัน 5 ปี ส่งผลกระทบโดยตรงต่อกำลังแรงงาน และ การบริโภคภายในประเทศ
  • Digital & AI เทคโนโลยีเปลี่ยนรูปแบบเศรษฐกิจเป็น K-Shape ผู้ที่นำเทคโนโลยีมาสร้าง Value จะเป็นผู้ชนะ ส่วนผู้ที่ไม่ปรับตัวจะหลุดออกจากอุตสาหกรรม

📌 4 อย่างที่ต้องปรับ เพื่อเตรียมพร้อม

  • People: พัฒนาทักษะด้านดิจิทัลของประชากร
  • Infrastructure: สร้างและยกระดับโครงสร้างพื้นฐานดิจิทัลเพื่อรองรับ AI
  • Regulations: วางกรอบธรรมาภิบาล กฎระเบียบ Cyber Security และการจัดการข้อมูล
  • Energy: จัดหาและบริหารจัดการพลังงานสะอาดเพื่อรองรับ Data Center และเทคโนโลยีแห่งอนาคต

📌 Government Move 3 มิติ

  • Digital Government นำ Data มาใช้วางนโยบายตอนนี้ใช้การเกษตร และเชื่อมโยงข้อมูลข้ามหน่วยงานเพื่อแก้ปัญหาเชิงโครงสร้าง เช่น การเชื่อมข้อมูลหน่วยงานตรวจสอบ Nominee / บัญชีม้า อาจจะเอาความเชื่อมโยงมีบัตรสวัสดิการแห่งรัฐ แต่จะมาเปิดบัญชี หรือ บริษัท พอทำแบบนี้ได้ลด 80% อนาคต จะเชื่อมไปหน่วยอื่นไปด้วย ที่ดิน สรรพาการ
  • DBD Academy up skill โดยมี platform ที่เกี่ยวข้องมาช่งย การลงบัญชี จัดการสินค้าคงคลัง ให้ sme
  • Ecosystem (Inbound & Outbound)
    - Inbound: ปรับจากการส่งเสริม Tourism Economy ไปสู่ Visitor Economy เพื่อดึงดูดกลุ่ม Medical, นักศึกษา และ Tech Talent เข้ามาอาศัยและทำงานในไทย
    - Outbound: ผลักดันข้อตกลง DEFA (Digital Economy Framework Agreement) ในอาเซียน เพื่อเชื่อมต่อตลาด 600 กว่าล้านคนด้วยกฎระเบียบและระบบการชำระเงิน (Payment) เดียวกัน

Reimaging Our Next Chapter

Speaker Voranuch Dejakkaisaya

📌 ทุกการเปลี่ยนแปลงย่อมมีบทเรียนจาก - วิกฤตต้มยำกุ้งปี 1997 (Resilience/Recovery) > ยุค Digital Transformation (Cloud/Mobile) > และตอนนี้ยุค AI ซึ่งมันไปไว และไม่มี playbook ที่รับการเปลี่ยนแปลงได้ทันที รวมถึงปีนี้มีการเปลี่ยนแปลงหลายอย่างทั้ง Geopolitics ภัยธรรมชาติ สงคราม climate change เราต้องมองว่า อีก 10 ปี จะเป็นยังไง ?

📌 Reimaging 6 pillar

1. Reality

  • AI ไม่ใช่แค่ Chatbot สำหรับถาม-ตอบอีกต่อไป แต่เปลี่ยนบทบาทเป็น AI Agent / Digital Workforce
  • ดึง AI เข้ามาช่วยในกระบวนการพัฒนาซอฟต์แวร์ตั้งแต่การรับ Requirement ไปจนถึง Testing (AI SDLC) คาดว่าลดต้นทุนได้ 15% ภายในปี 2028

2. The AI Driven Must Do

  • เห็นหลาย บ อย่าง Claude เริ่มกลับ AI จะหลุด จริงๆ การควบคุมที่พอดี ไม่ได้ทำให้ช้า และยังช่วยให้ Go to Prod ได้ไวขึ้น เพราะ ทำ governance ดีแล้ว
  • โดยที่ 1. data ต้องสะอาด / 2. Human in Loop การเอา AI มาใช้ระบบสำคัญอย่าง Core Bank เป็นต้น และ 3. Enterprise grade
  • เอา Agent + Tech มาช่วย Sai Jai (ตรวจ / Evaluate AI) / Aegis (Guardrail) และ AI playground พื้นที่ innovation ที่เราคุมได้ ซึ่งการ control ดี ช่วย project lunch เร็ว 12x ไม่ต้องกังวล Security เพราะมาด้วยกัน

3. Risk Management - จัดการ Hallucinations หลอน / Bias ลำเอียง
4. Reskill แรงงาน

  • คาดการณ์ว่าในปี 2030 แรงงานกว่า 39% จำเป็นต้องได้รับการ Reskill เพื่อปรับตัวเข้ากับรูปแบบงานใหม่ๆที่มากับ AI / ส่วนงาน Blue Collar (ใช้ทักษะทางกายภาพ) ได้รับผลน้อย
  • สำหรับในไทยข้อมูลหลายๆทีพบว่าเรา Adopt ไวเป็นอันดับ 2 ของโลกเลยนะ ที่นี่เหลือภาครัฐมาช่วยส่งเสริมในด้านต่างๆ เช่น ภาครัฐ / เกษตร / Health Care / Finance / Logistic / Public Safety / Tourism / Edu / Factory
  • AI in Banking จะ ขยับจาก 2017 promptpay ตอนนี้ธนาคาร AI เอามาช่วย
    1. internal knowledge ตอบคำถาม ข้อมูลภายใน ตามกฏระเบียบ
    2. AI Advisory
    3. Documents Processing
    4. Voice Processing
    * Link data หลายๆ source ช่วยตัวสินใจ - KBTG มี AI Project ลองอบู่ 80 ตัว

5. Reclaiming Your Life ลดงานที่ซ้ำซ้อน ทำซ้ำให้ AI ทำ และเอาเวลาที่เหลือไปเติมเต็ม creative มากขึ้น
6. AI Become Digital Employeee โดยต้องมี Control & Resiliency Framework

  • Control Tower: กำหนดบทบาท หน้าที่ และขอบเขตอำนาจอนุมัติของ AI Agent แต่ละตัวให้ชัดเจน
  • Risk-Based Oversight: AI ต้องไม่ Overrule หรือตัดสินใจแทนมนุษย์ในเรื่องที่มีความเสี่ยงสูง
  • Kill Switch: ต้องมีระบบที่สามารถสั่งหยุดหรือตัดการทำงานของ AI Agent จากภายนอกได้ทันที
  • Red Team & Observability: Red Team ต้องทดสอบขอบเขตความเสียหายสูงสุดหาก AI ทำงานผิดพลาด พร้อมใช้หลัก Operation Resilience หยุดข้อผิดพลาดได้เร็ว และกลับมาทำงานได้ไว

Human วางตัวเป็น Master ของ AI (ใช้ AI เป็นเพื่อสร้าง Business Value) ไม่ใช่ปล่อยให้โดน AI ควบคุม โดยยังต้องมี Creativity, Empathy, Leadership Human

The Next Frontier Technology and Trust

Speaker Jessica Rosenworcel

📌 Trust in Autonomous Machines ?

  • Speaker ยกตัวอย่างนิยายหลายเล่มมาก บอกว่าอนาคตเป็นยังไง แต่เล่มที่สำคัญ "There Will Come Soft Rains" ของ Ray Bradbury (เขียนปี 1950) จินตนาการถึงโลกปี 2026 ที่มนุษย์สูญพันธุ์จากสงครามนิวเคลียร์ แต่บ้านและระบบอัตโนมัติต่างๆ ยังคงทำงานมาปกตื
  • เลยเป็นที่มาของการตั้งคำถามว่า เราให้ Machine ทำงานโดยที่ไม่มีคนได้หรือไม่ และกลับกัน เพราะในปัจจุบันเรา เริ่มเห็นปัญหาต้องมาตอบคำถามแล้ว อย่าง Agent ที่หลุดไป Hack เค้า / หุ่นยนต์คัดแยกสินค้าในคลัง / รถยนต์ หรือ taxi ไร้คนขับ

📌 State of Trust - กลับมาตั้งต้นว่าเรานิยามความเชื่อมันอย่างไร ?

  • ข้อมูลจาก Edelman Trust Barometer บอกว่า ความเชื่อมั่นในเทคโนโลยีทั่วโลกเริ่มลดลงอย่างต่อเนื่องตั้งแต่ปี 2020 เนื่องจากความกังวล Privacy , Misinformation-ข่าวปลอม, การสูญเสียงานจาก AI และการนำเทคโนโลยีไปใช้เป็นอาวุธ
  • ใน USA ผู้คนถึง 7 ใน 10 คน (70%) ไม่ไว้วางใจในนวัตกรรมใหม่ๆ เพราะรู้สึกว่าไม่สามารถควบคุมหรือเข้าใจมันได้ -- อันนี้ฟังแล้วแปลก ตอนแรกคิดว่าที่นั้นจะเปิดรับอะไรมากกว่าอีก
  • จากย้อนไปว่า เดิม ARPANET ระบบเครือข่าย Internet ยุคแรกนั้น ไม่มีประเด็นนี้ เพราะมองว่า ทุก Node น่าเชื่อถือ พอระบบใหญ่ขึ้น Protocol BGP (Three Napkin Protocol) เช้ามาจัดการต่อซึ่งคิดแบบคนดี Implicit Trust แต่ปัจจุบันทำแบบนั้นไม่ได้แล้ว 555 -- ถ้า Public VM ใน EC2 มีคนมาเยี่ยมทุกวัน
  • ดังนั้น

Trust = Credibility (หลักฐาน/ตรวจสอบได้)+ Reliability (คงเส้นคงวา) + Safety

📌 Example of Thoughtful Technologies - ยกตัวอย่างงานวัจัยมาเล่า 3-4 เรื่อง - สร้าง Trust

  1. US Cyber Trust Mark: อย ของ IoT ว่ามันปลอดภัย ไม่ล้วงอะไร เพราะตอนนี้ IoT มี 2 หมื่นล้านชิ้น โดยเป็นการร่วมมือสร้างมาตรฐานระดับโลกร่วมกับ สิงคโปร์ ญี่ปุ่น และ เยอรมนี
  2. AI Nutrition Labels: งานวิจัยโดยคุณ Patt (จาก MIT Media Lab) ที่เสนอให้สร้าง ฉลากรสำหรับ AI เพื่อให้ผู้ใช้รับรู้ผลกระทบกับ ร่างกาย สังคม และจิตใจ เช่น ภาวะสมองถดถอย หรือ อารมณ์ ก่อนตัดสินใจเลือกใช้
  3. Algorithmic Auditing: มองว่า Algorithmic เหมือนการตรวจสอบบัญชี มา Audit ที่ต้องแสดงความชัดเจน เพื่อลดความคลุมเครือ และป้องกันไม่ให้เกิด Bias หรือ เลือกปฏิบัติ ทำให้เป็น Responsible AI
  4. Sculpting Evolution: งานวิจัยตัดต่อพันธุกรรมหนูเพื่อแก้ปัญหาโรค Lyme จากเห็บ ตัดวงจรการระบาต ภายในหัวจะแบบ RE ไหมนะ 55 คนน่าจะคิดแบบผมเยอะ เลยเกิดการต่อต้านขึ้นมา และทำให้ทีมวิจัยต้องลงพื้นที่ตะวันออกของ US เพื่อสร้าง Trust

ROI or RIP Beyond the Pilot phase

Speaker Ruangroj Poonpol

ปัญหา หลายองค์กร เอา AI มาใช้มี Use Case เต็มไปหมด แต่ทว่ามันไม่รู้ว่าทำอะไรได้ วัดผลยังไง ตอบกับ Business ไหม เพราะตอนนี้ Model มันเก่งมาก ทำอะไรได้หลายอย่างดีขึ้น โดยที่ Cost ตอนนี้ยังไม่สูง และแถมเข้ายุค Q4 2026 agentic commerces

เลยเป็นที่มาของ Talk แยก 4 Pillars ของ AI Native Transformation ตามนี้

📌 Pillar 1: SEE (Strategic Foresight & Leadership)

  • ปัญหาที่เจอกัน - ขาด Vision, ติดกับดักการปั๊ม Use Cases (Use Case Trap), แรงกดดันตกอยู่ที่ Middle Management, การ Outsource มากเกินไปจนเสีย Innovation และสุดท้าย C-Level ถูกกรองข้อมูลชจนเกิด Blind spot
  • 4 ทักษะ C-Level ที่สั่ง AI ทำแทนไม่ได้:
    - Judgment: การตัดสินใจประเมินภาพอนาคตที่จะเกิดขึ้น
    - Taste: รสนิยมและความงดงาม
    - Conviction: ความยึดมั่นและตัดสินใจในสิ่งที่ถูกต้อง
    - Courage: ความกล้าเสี่ยงและการเลือกลงทุนในความเสี่ยง
  • ผู้นำต้องทำมากกว่า Forecast ต้องจับจุดอ่อน และ เตรียมพร้อมรับมือหลาย Scenario

📌 Pillar 2: REINVENT (AI Native Business & Operational Model)

  • เริ่มจาก Deploy (งานเล็กๆ เพิ่มประสิทธิภาพ) > Reshape (ปรับโฉม Feature + Biz แบบ End-to-End) > Invent (สร้าง Biz Model > Product / Service)
  • โดยที่สัดส่วนความสำเร็จ 10% AI Model + 20% Tech & Data + 70% People & Change Management
  • Tech & Data - เอาของสำเร็จรูปมาใช้ มันมักจะไม่ได้ผลเพราะมันไม่ได้เข้าใจสิ่งที่เราจะสื่อ ต้องทำการ Onboard AI ด้วย Private Company Data, ภาษาเฉพาะขององค์กร (Internal Language), Context และ Guardrails
    - ข้อมูลพวกนี้ Passive Knowledge ฝังในตัวพนักงานที่มีมากถึง 80% ที่เราต้องสกัดออกมา เพื่อสร้าง Proprietary Intelligence, Company Ontology
    - วางระบบ AI Agent: ต้อง 4 ส่วน ได้แก่ Scheduling, Execution, Access System และ Control System

📌 Pillar 3: UNLEASH (Nanopreneurs)

  • เรื่องของคน CEO ต้องลงมาเล่นเองนะ จะช่วย HR + Middle Management ที่แบกอยู่
  • ปรับโครงสร้างทีมเป็น One-Pizza Team: ปรับทีมขนาดเล็กให้ขับเคลื่อนด้วย AI Agent
    - Put the right man into the right job - แยกงานที่ต้องใช้ทักษะมนุษย์ (Human-centric) เช่น จิตแพทย์, ครู, งานบริการที่ใช้ความรู้สึก หรือการทำ Strategy ออกมา
    - Put the right AI in the right job at the right Tokenomic & Risk Profile: เลือกใช้โมเดล AI ให้เหมาะกับต้นทุน Token และระดับความเสี่ยงของงาน
  • เลิก Use Cases ขนาดเล็กเต็มไปหมด แต่ให้เลือกเพียง 1–3 Domain หลัก แล้วลงมือทำเจาะลึกจนมีความเข้าใจ ความเจ็บปวด
  • เปลี่ยนพนักงานเป็น (Directly Responsible Individual / หรือ Micro-CEO ที่ควบคุม AI Agent

📌 Pillar 4: JUDGE (Human Judge + Machine Inteligence)

  • 5 คำถามวัดใจเช้าวันจันทร์สำหรับผู้นำ:
    - อนาคตแบบไหนที่เรากำลังสร้าง?
    - เรากำลัง Transform ธุรกิจ หรือแค่ Automate อดีต?
    - เบ็ตใหญ่เรื่องไหนที่เราจะลงมือทำอย่างจริงจังเพื่อเปลี่ยน Bottom Line?
    - เราจะเปลี่ยนพนักงานหมื่นคนให้กลายเป็นพันคนที่มีศักยภาพสูงสุดได้อย่างไร?
    - การตัดสินใจตรงไหนที่ยังต้องเป็นของมนุษย์?
  • Being Human นึกถึง Captain America ก่อนไปเข้าเครื่อง
    - AI ทำให้เราฉลาดขึ้น แต่หากขาด Judgment มันอาจทำให้เรากลายเป็น Leader ที่แย่ลง
    - กระบวนการตัดสินใจต้องนำ Human Wisdom + Intelligence ของ AI
    - คุณค่าของมนุษย์ไม่ได้ลดลงเมื่อ AI เก่งขึ้น เพราะคุณค่าที่แท้จริงอยู่ที่ Empathy, Compassion, Meaning, Caring, Love และ Courage
    - ผู้นำไม่ควรมองว่าการลด Cost ของตนเองคือการปลดคนได้นับหมื่นคน
    - การทำ AI Native Transformation ต้องทำ By Human and For Human โดยการตัดสินใจของพวกเราใน 5 ปีนี้ (2026–2030) จะเป็นตัวกำหนดอนาคตของโลกในปี 2050 เพื่อไม่ให้ตกไปสู่จุดที่เป็น Dystopian Digital Inequality

อันนี้ Speaker พูดไฟแลบมา อาจจะจดหลุดได้นะ

Success Driven by Data: How to Scale Your SMEs Seamlessly

Speaker Natee Charussuriyong / Thitipat Yimserhthi / Tanawit Tonekunya (Mod)

ผมเข้ามาช้าประมาณ 4-5 นาที รอ Checkout เข้าใจว่า Base ธุรกิจที่มาแชร์มี 2 อัน ไอติม กับอาหารแมวนะครับ ผมพยายามแยกตามคำถามนะ

📌 ถ้าไม่มี data ลำบากยังไง ?

  • พบ Waste มากมาย เช่น หาวัตถุดิบมาไม่ครบตามเวลา ทำให้ของอื่นที่ใช้มาผสม เสียของไปได้ มีข้อจำกัดเวลา ความสด หรือ ต้องเสียเวลารถรอบพิเศษไปขนของ เพื่อแก้ปัญหาจ้างต้นแทน ถ้ามี data ระบบ เห็นภาพชัดเจนขึ้น ลด waste ได้
  • แก้ปัญหาคอขวดได้ - การทีมีระบบ ทำให้ข่วยในการตัดสินใจได้ไวขึ้นด้วย

📌 เดิมทำงานยังไง เอาระบบมาช่วยยังไง ?

  • ถ้าแบบเล็ก แบบเคสของร้านไอติม ช่วยแรกทำเองทุกอย่าง จนถึงจุดนึงที่มีข้อจำกัด เอาระบบมาใช้ในจุดที่กระทบ Biz มากที่สุดเลย เริ่มในส่วน POS อยากรู้ยอดขาย
  • ถ้ามีภาพชัดเจน อาหารแมว จะเริ่มไปที่ ERP เลย

📌 ในช่วงเริ่มต้นตัวชี้วัดและภาพรวม ยังไง ?

  • ในช่วงแรกของธุรกิจ ยอดซื้อต่อบิล และ จำนวนบิล/ลูกค้า ซึ่งการใช้ระบบ POS ทำให้เราได้ทราบข้อมูลพวกนี้ ว่ารูปแบบสินค้า รสชาติไหน ขายดี
  • นอกจากนี้การมีระบบช่วยแก้ปัญหา และเตือนได้ด้วย
    - รู้แนวโน้มว่าขายไม่ออก จะได้จัดโปร หรือตัดทิ้งไป
    - จัดการ Stock ให้พอดีการขาย ในช่วงต่างๆ รวมถึง Logistic / Production(การผลิต)

📌 ERP ควรเอามาตอนไหน ?

  • มี 2 แบบ ทำในจุดกระทบ Biz ที่สุด (ไอติม) หรือ จะลงทุนแต่แรก (อาหารแมว) ก็ได้ขึ้นกับเงินทุน แต่ต้องตอบทำคำถามเก็บอะไร และมีรุปแบบ Structured Data ชัดเจน ERP จะตอบตรงนี้ได้
  • นอกจากนี้ ถ้าข้อมูลมีโครงสร้างชัดเจน สามารถให้ AI ช่วยสกัด Insight ออกมาใช้งานได้ง่าย

📌 Data ไม่จำเป็นต้องลงทุนมากมาย แต่ต้องมีการพลิกแพลง ?

  • จากเดิมการทำ Research ต้องลงทุน และการสัมภาษณ์ใช้เวลา ราคาแพงในเคสของ อาหารแมว มองว่า Cat MBTI ดีกว่า คำถามประมาณ 20 ข้อให้ลองทำ โดยมี gamification มาจุดใจ
  • ทำให้ได้ข้อมูลจำนวลแมวจำนวน 2 แสนตัวมา Data เยอะ และน่าเชื่อถือ มาอ้างอิงกับ R&D และพัฒนาสินค้าสูตรเฉพาะ เช่น ลดขนร่วง ป้องกันนิ่วด้วย //ที่ R&D มีเลี้ยงแมว และวัดผลด้วยนะ

📌กลยุทธ์ใช้งาน

  • Collaboration กับ Brand อื่นๆ - เน้น Brand ที่มี Storytelling ของแบรนด์ผ่านรสชาติ มากกว่าการนำโลโก้มาแปะ ตรงนี้ข้อมูลการขายของแต่ละรสชาติของไอติม
  • การตลาด + Influencer - เมื่อ 4-5 ปีก่อน TikTok เป็นทางเลือกแรกในการทำการตลาด เพราะ ตอนนั้น ฺBrand ใหญ่ๆ ยังไม่ได้ลงไปเล่นในส่วนนั้น และตัว TikTok เองยังไม่มีระบบปักตะกร้า และการลงทุนยังไม่เยอะ ช้งบหลักหมื่นในการทำงานร่วมกับ Influencer ได้

📌 จุดไหนควรใช้ Feeling (Gut) หรือ ควรใช้ Data มาช่วยในการตัดสินใจ ?

  • ในช่วงเริ่มต้น การคิดรสชาติหรือสินค้าใหม่ๆ ใช้ Feeling หรือ นำได้เลย เนื่องจากบริษัทเล็กยังไม่มีงบทำ Focus Group
  • แต่หลังบ้านต้องมีระบบจัดเก็บ Data วัดผลอย่างตรงไปตรงมา เคสของไอติม
    - รสอะไรดีสุด 3 อัน Dark chocolate / Sea Sault Almond
    - รส burnfire burn caramel ขม แต่คนชอบชอบมาก เกลียดเกลียดไปเลย ถ้าลูกค้าใหม่ แนะนำ
  • สุดท้ายอย่าพึ่งพา Data 100% จนเสียความเป็นคนไป หากเน้นแต่ตัวเลข Data อย่างเดียว อาจทำให้แบรนด์ขาดความคิดสร้างสรรค์ (Creativity) และเสน่ห์ไป แต่ละธุรกิจมีสัดส่วนไม่เท่ากัน เช่น แบรนด์ไอศกรีมใช้ Feeling/Emotional ถึง 70% เพื่อสร้างเสน่ห์และความคิดสร้างสรรค์ แล้วใช้ Data/Logic เสริมหลังบ้าน

Unlocking Agentic AI in Future Enterprise

Speaker Vatsun Thiraoatarapong

📌 ปัจจุบัน Agentic AI สามารถช่วยงานที่มีความซับซ้อนและทำต่อเนื่องได้เท่ากับมนุษย์ทำนานถึง 14 ชั่วโมง ความสามารถของ AI เพิ่มขึ้นเท่าตัวในทุกๆ 4 เดือน (เร็วกว่ากฎของมัวร์) และช่วงนี้ราคา Token ถูก ทำให้ผลตอบแทน ROI สูง คาดการณ์ว่าภายในปี 2028 Enterprise Software มี Agentic AI ฝังในนั้นถึง 33%

📌 แม้หลายองค์กรจะเริ่มสร้าง AI Agent ตัวแรกได้ง่าย แต่พบว่า 40% ของโครงการต้องถูกยกเลิก เพราะ

  • ไม่สามารถดึงข้อมูลข้ามระบบ/แผนกได้
  • Agent ไม่สามารถสื่อสารหรือทำงานร่วมกับ Agent ตัวอื่นได้
  • ไม่สามารถจำกัดสิทธิ์การเข้าถึงข้อมูลลับของ Agent ได้
  • การวัดผลและ Debugging

📌 Recap Agentic AI ประกอบส่วนสำคัญ 

User Input -> Guard Rail / Observably -> Brain (LLM) - [Memory (จำว่าทำอะไร) / Tools / Context]

📌 AWS Stack for Agentic AI

  • Ready-to-use Agents:
    - AI Coding (AI ELC - Environment Life Cycle): ปรับรูปแบบการ Coding ใช้ Spec Driven Development ผ่านตัว Kiro IDE
    - Security Agent: ช่วยประเมินความปลอดภัยของระบบ, Code Review และทำ Pen-test แบบ 24/7
    - DevOps Agent: Root Cause Analysis เมื่อระบบหรือ App ช้า
  • Platform for Custom Agents
    - Bedrock Agent Core:
    -- Platform สร้าง Agent บนมาตรฐานเปิด (Open Standard) รองรับโมเดลได้ทุกค่าย (เช่น Open AI, Anthropic, Meta, AWS)
    -- หลาย Framework/Harness ค่ายต่างๆ หรือใช้ กำหนด Strands Agents ของ AWS
    -- Guardrails/Policy ป้องกัน Agent ข้ามแผนก
    -- และมีระบบ Observability ย้อนดูประวัติการทำงาน
    - Amazon Q Business: เหมือน Claude Cowork - AI Assistant สำหรับองค์กรที่เชื่อมต่อกับ M365, Slack, Salesforce และสร้าง Knowledge Graph ภายในองค์กรอย่างปลอดภัย
  • Legacy Modernization (AWS Transform): แปลงระบบเก่า เช่น Mainframe, AS400, VMware, Java, NET ให้เป็น Cloud Native ขึ้น

Choose Your Game(s) Build Career Portfolio

Speaker Tanawit T. (Horga) / Nolapan T. (Travelbuddy.bkk) / Jinn I. (Primo)

สำหรับ Session นี้มีตัวแทน 3 มุมทั้ง Corporate / Entrepreneur / Startup มาแชร์ครับ

📌 Self-Discovery Model - Model เพื่อให้เราตอบตัวเอง ก่อนเลือกสายงาน ประกอบด้วย 3 ส่วนหลัก

  • What you do well (สีเขียว) - สิ่งที่ทำได้อย่างเป็นธรรมชาติ ไม่เกี่ยวกับว่าชอบหรือไม่ชอบ[1] รวมถึงสิ่งที่เพื่อนๆ มักชอบขอให้เราช่วย และสิ่งที่เราเรียนรู้จนทำได้อย่างมั่นใจ เข่น Problem Solving / Connect ผู้คนมารวมกัน / Planning / ชอบแก้ปัญหา เป็นต้น
  • What you care about (สีเหลือง)- สิ่งที่ทำแล้วรู้สึกตื่นเต้น มีพลัง รู้สึกว่าสร้าง Impact ต่อโลก หรือทำได้เรื่อยๆ แม้จะไม่ได้เงิน เช่น การเข้าไปปรับองค์กรจากไม่มี Structure ให้มี และพร้อม Scale / Mental Health / การได้รับการยอมรับ (Recognition) / ความไว้วางใจ (Respect/Trust) / เรื่องครอบครัว เป็นต้น
  • What the world needs (สีฟ้า) - สิ่งที่ตลาดหรือสังคมต้องการ และมีคนยอมจ่ายเงินให้ เช่น หลาย บ มีแต่ Visionary สร้างขั้น 0 > 1 แต่ยังขาด Builder คนที่สานต่อจาก 1 > 100

ซึ่งเมื่อนำทั้ง 3 วงมาร่วมกัน จะเป็นการแสดง Calling ของเรา เช่น

  • ตัวเราเองที่เป็นคน Problem Solving ชอบจัดการ Structure เลยทำ Builder คนที่สานต่อจาก 1 > 100 เป็นต้น
  • หรือ โลกต้องการคนกล้าลองผิดลองถูกในสิ่งใหม่ พี่จึงทำหน้าที่เป็นผู้จุดไฟบุกเบิกเรื่องใหม่ๆ เมื่อระบบเริ่มนิ่งค่อยส่งต่อให้คนสไตล์ Builder ดูแลต่อ

📌 GROW Model - เป็นเครื่องมือใช้วิเคราะห์ตัวเราเอง เทียบกับตัวเลือกงานหรือองค์กร (Job/Org Candidate) ที่กำลังพิจารณา โดย GROW แตกมาจาก

  1. G - Growth: ความต้องการเรียนรู้ ทักษะใหม่ๆ การอัปเลเวล และการเติบโต
  2. R - Revenue: รายได้ เช่น เงินเดือน โบนัส หุ้น (Equity) หรือสวัสดิการต่างๆ
  3. O - Organization Fit: จริต โครงสร้าง Culture และความเร็ว/ช้าขององค์กรว่าตรงกับนิสัยเราไหม
  4. W - Work-Life Balance: เวลาในการใช้ชีวิตด้านอื่นที่ไม่ใช่งาน

การนำ GROW Model มาให้งานจริง ให้เอา แต่ละตัว GROW แต่ละด้าน 0–3 แต้ม ซึ่งคะแนนรวมของทั้ง 4 ด้านต้องไม่เกิน 8 เพื่อบังคับให้เราจัด Priority และ Trade-off ระหว่างความต้องการของตัวเรา กับ Job/Org Candidate

  • คะแนน GROW ไม่ได้คงที่ตลอดไป จะเปลี่ยนตามช่วงชีวิต (Timing/Stage) เช่น ก่อนแต่งงาน vs หลังแต่งงาน หรือเริ่มทำงานใหม่ๆ vs เป็น Senior
  • ควร Re-check สม่ำเสมอ: ทุกๆ 1–2 ปี หรือทุกครั้งที่มีโอกาสใหม่เข้ามา เพื่อตรวจสอบว่าเราอยู่ในองค์กรเดิมดีหรือ ควรก้าวไป

Resource: Slide (https://www.canvaqr.com/RGRlWBRfwk)

Defense Upgrade: 2026 Guide to a strong cyber Fortress

Speaker Pakrit Krittayapong / Dr Rattipong Putthacharoen / Wiprwat Uppatunwichian (Kitisak Jirawanakool (Mod)

📌 Cyber Threat Landscape

  • แหล่งที่มา
    - Cyber Attack: การเจาะระบบ, DDoS, SQL Injection หรือขโมยข้อมูลโดยใช้ความรู้่ IT
    - Scammer / Social Engineering: นักต้มตุ๋นที่ใช้จิตวิทยาหลอกลวงคน ซึ่งเป็นกลุ่ที่น่ากลัวที่สุดเพราะเข้าถึงตัวบุคคลโดยตรง
  • สิ่งที่อาชญากรต้องการ เงินในบัญชี, ข้อมูลส่วนบุคคล (นำไปขายต่อใน Telegram หรือ Dark Web) และสิทธิ์เข้าถึงระบบ/รหัสผ่าน
  • สถิติความเสียหาย: ตั้งแต่ปี 2565 ถึงปัจจุบัน ความเสียหายถึง 100,000 ล้านบาท (เฉลี่ยวันละ 74 ล้านบาท)
  • กลุ่มเหยื่อ: กลุ่มที่ถูกหลอกบ่อย ช่วงอายุ 30–40 ปี ส่วนผู้สูงอายุแม้จะถูกหลอกน้อยครั้งกว่า แต่หากตกเป็นเหยื่อจะเสียมูลค่าสูงสุดถึงขั้นหมดตัว

📌 AI-Powered Attacks

  • ตอนนี้ Attacker เดิมใช้คนมาเป็น AI Model / AI Agent ซึ่งมันคิด วิเคราะห์ และ Scan ช่องโหว่เพื่อโจมตีได้ด้วยตลอด 24 ชั่วโมง ซึ่งการรูปแบบการโจมตีคล้ายเดิม แต่ถี่ขึ้น และ Scale ได้มาก จากภัยเดิม เช่น Ransomware, Phishing, Malware)
  • Targeted Scam เป็นรายบุคคลแทน โดยมิจฉาชีพใช้ AI ร่วมกับ OSINT (Open Source Intelligence) ดึงข้อมูลของเหยื่อจาก Social มาวิเคราะห์ แล้วใช้ AI Agent วางแผนและสร้างบทสนทนาเข้าหาเหยื่อได้อย่างแนบเนียน เช่น การทำ Romance scam

📌 Shadow IT & Legacy, API

  • ช่องโหว่สำคัญขององค์กรคือ Shadow IT, ระบบ Legacy System อย่าง API เก่า หรือเว็บไซต์ที่เปิดทิ้งไว้หลายปีโดยไม่มีใครดูแล บางทีมันหลุดจากการทำ Asset Inventory ขององค์กรไป
  • ทำให้ AI ของฝั่ง Attacker สามารถสแกนพบ Asset ที่ซ่อนอยู่ ทำ Lateral Movement จาก Asset ที่ซ่อนใช้เป็นประตูทางเข้า เพื่อขยายการโจมตีระบบภายในที่สำคัญ
  • การป้องกัน
    - ทำ Asset inventory ด้วย กันได้ระดับนึง
    - และ ปรับฝั่ง app ด้วย แต่ทำได้ช้า และยาก อาจจะ คนเดิมไม่อยู่แล้ว) เลยไปกันระดับ network ได้ 90% หรือ ใช้ binary dummer ยัด agent ใน app เดิม

📌 แนวทางการป้องกันในปัจจุบัน

  • การปรับใช้ Zero Trust Architecture
    - Verify Explicitly - ไม่เชื่อถือทั้งคน Identity / device นอกและคนภายในองค์กร - Continuous Verification
    - Least Privilege Access - จำกัดสิทธิแบบ Just-In-Time / Just-Enough-Access
    - Assume Breach - มองว่าถูกเจาะแล้ว ต้องแยกระบบมให้ Impact กันน้อยทีสุด
  • Zero Trust - เริ่มจากทำความเข้าใจ Guideline ก่อนนะ แล้วค่อยเลือกจัดซื้อ หรือ Implement Open Source ให้เหมาะสม องค์กรต้องไม่เน้นเพียงแค่การเร่งใช้ของใหม่ เช่น AI แต่ต้องลงทุน Security ไปพร้อมกัน เปรียบเหมือนรถยนต์ที่มีทั้งคันเร่งและเบรก ใช้ให้ Balance
  • สุดท้ายเสริมความเข้าใจ (Awareness) เพราะ "คน" ยังคงเป็นจุดอ่อนที่ใหญ่ที่สุดของระบบความปลอดภั

หัวข้อนี้ผมฟังไม่จบนะ วิ่งไป Workshop ต่อ

Workshop: The Taste Gap: Building AI Product That Look Worth Funding

สำหรับ Workshop อันนี้เรียกเอา Claude มาใช้ในมุม Design ว่าเราสามารถ จากข้อมูลดิบๆ เราสามารถให้ Claude เอามาช่วยจัดการยังไง

  • ตั้งแต่การใช้ Prompt เพียวๆ > grill-me มาเพิ่มความคม
  • การใช้ Design.md
    - อันนี้ Idea จาก Google มาแก้ AI Slop มีม่วงๆ Emoji เยอะๆ โดยเอา Design System มาใช้ จะได้เป็น Design.md บอก ของที่ออกแบบเป็นอย่างไร มีสี โทนอะไร ปุ่ม primary (action หลัก) / secondary (action รอง) กดนี้ไงสีไหน พวก
    - เพื่อให้ Style ของคนในทีมทำมาไปทางเดียวกัน
    - ถ้านึกไม่ออก ไปเอา Idea จาก https://getdesign.md/
  • lieflat-charts มาเพื่อปรับ Design ให้ชัดเจนขึ้น
  • และใช้ Impeccable มาวิจารณ์งานของเรา (critique) และปรับแก้ (polish)

นอกจากนี้ ถ้าเราทำงานกับทีมงานอื่นจาก UX/UI Claude มี Connector เอาไปเชื่อมกับ MCP Server ของ Claude + Figma Bridge มาเชื้่อม

Resource: Slide

Networking Without Feeling Fake: Building Genous Relatinoship That Last

Speaker Sittinunt P. (Content Shifu) / Sudarat E. (KBTG)

📌 Connection ที่ดีมีประโยชน์ทั้งเรื่องงานและเรื่องส่วนตัว ดีต่องานและดีต่อใจ
📌 หลักคิดสำคัญคือ "คบกันเพื่อเป็นประโยชน์" ไม่ใช่ "คบกันเพื่อผลประโยชน์" ซึ่ง Win+Win ไม่ใช่การตักตวงประโยชน์จากอีกฝ่ายเพียงฝ่ายเดียว การมี Network ที่ดีจะช่วยเปิดโอกาสเติบโตในสายอาชีพได้อย่างมาก
📌 เทคนิคการสร้าง Relationship

  • พัฒนา Skill / Credential ของตนเอง: สร้างผลงานและ Profile ให้ชัดเจน เพื่อให้ผู้อื่น รู้ว่าเรา Focus เรื่องอะไรและอยากเข้ามาแลกเปลี่ยน/คุยด้วย
  • Break the Ice ด้วยการหาจุดร่วม (Common Interest): เริ่มต้นบทสนทนาด้วย Small Talk ในเรื่องทั่วไป เช่น มหาวิทยาลัย กีฬา อาหาร กิจกกรรมที่ชอบ หรือคนรู้จักร่วมกัน (Common Friend) แทนการเปิดด้วยเรื่องงานโดยตรง
  • หาคนรู้จักพาไปคุย - เพื่อนหรือ Connector ช่วยแนะนำ ดูเป็นธรรมชาติและไม่เป็นการอวยตัวเอง Idea Parasite Marketing
  • แนะนำตัวให้ชัดเจนและน่าจดจำ (Pitch Framework):
    - XYZ Framework: แนะนำว่าช่วยให้ใคร (X) ทำอะไรได้สำเร็จ (Y) ด้วย Solutuion อะไร (Z) เช่น ผมช่วยให้ นักการตลาดและนักธุรกิจ (X) ทำการตลาดได้ดีขึ้น (Y) ผ่าน Content Shifu ที่เป็นสื่อ สถาบันฝึกอบรม และงาน Event สาย Digital Marketing และ Martech (Z)
    - Extravaganza Pitch: เติมคีย์เวิร์ดสนุกๆ หรือกิมมิกสั้นๆ เพื่อให้คนฟังจดจำได้ง่าย เช่น ชื่อเนย เป็น MC สวยไม่มาก แต่ถึกมากค่ะ
  • Be Nice - ทำตัวให้น่ารักและนิสัยดี นอกจากการคอยแสดงความยินดี ให้กำลังใจ หรือช่วยเหลือเล็กๆ น้อยๆ ทั้งออนไลน์ ลองมาเจอแบบออฟไลน์ จะช่วยให้สนิทกันมากขึ้น
  • ฝึกฝนปฏิบัติจริง: ออกไปพูดคุย รฟังความสนใจของคนอื่น และดูว่าเราสามารถชวยเหลือเติมเต็มยังไง

Collaborating With People Who Think Differently

Speaker Naphaohach P. (โตไปกับรี่) / Jatawat X. (Data Echoo)

📌 สำหรับ Session มาเปิดก่อนว่าใครเจอปัญหาอะไรบ้างในที่ทำงานในเรื่องความคิดต่างกัน จะได้มาประมาณนี้ครับ

  • เข้าใจไม่ตรงกัน
  • Way of work
  • ไม่มีคนกล้า share เพราะกลัวผลที่ตามมา
  • อยู่เฉยๆ แต่พอมีปัญหา เราเป็น Owner ต้องเข้าไปแก้ไขกดับไฟแทน เป็นต้น

📌 จากปัญหาข้างต้น ต้องลงมาดูว่า เรามีวิธีรับมือยังไง มี 4 แบบ

  • Adapting: ยืดหยุ่น / ยอมปรับตัว/ ปรับวิธีทำงานของเราตามอีกฝ่าย
  • Forcing: ผลักดัน ยืนกราน หรือควบคุมให้อีกฝ่ายทำตามแนวทางของเรา
  • Exiting: เมื่อประเมิน Style / Goal ไปด้วยกันไม่ได้ การเลือกที่จะเปลี่ยนที่ ถอยออกมา หรือแยกย้ายกันไป
  • Collaborating: การทำงานร่วมกับผู้อื่น - เดินไปข้างหน้าร่วมกันอย่างไรทั้งที่รู้ว่ามีความคิดเห็นไม่ตรงกัน
    - Collaboration ≠ Consensus
    - ไม่ได้แปลว่าจะต้องไม่มีความขัดแย้ง (Conflict)

📌 Root Cause ของ Collaborating ของงานที่ล้มเหลว 86% เกิดจากการสื่อสารที่ไม่แม่นยำและไม่มีประสิทธิภาพ ต้องมาดูว่าพลาดอะไร

  • Expectation ไม่ตรงกัน: ความคาดหวังที่ไม่เท่ากันมักเกิดจาก Experience (ประสบการณ์) และการเข้าถึงข้อมูลที่แตกต่างกันของแต่ละคน (เช่น รุ่นพี่ Senior กับน้อง Junior หรือทีม Sales กับทีม Marketing)
  • Common Sense ในการทำงาน: อย่าคิดว่าอีกฝ่าย "น่าจะรู้/น่าจะเข้าใจอยู่แล้ว การสื่อสารที่ดีจึงต้องเน้น Over-communicate (สื่อสารให้เยอะไว้ก่อน) และกล้าที่จะถามเพื่อทวนความเข้าใจ

ของพวกนี้มี Challenge นะ นอกจาก Communication Expectation จะมีเรื่อง Power / Trust / Authority / Safe Space ใครเปิดโดนเพ่ง

📌 เครื่องมือและ Framework ในการรับมือ

  • Perspective-Taking มองผ่านสายคนอื่น - มองในมุม Business, มุม Developer, หรือมุมของลูกค้า ว่าเห็นอะไรที่เราไม่เอ๊ะบ้่าง
    - share goal & why
    - ใครเป็นคนใช้ต่อ มี impact > แล้วทำยังไงให้เดินต่อได้
    - รู้ว่าจุดไหนต้องถาม หาคนรู้เรื่อง Context นั้นๆ มา sync ลองทวนซ้ำได้สารเท่ากันไหม
    - ผิดแผน เสัยหายเท่าไหร่ ทั้งเงิน เวลา
  • Step into the Game - เปลี่ยนจากการโทษคนอื่น มาถามตัวเองด้วยคำถามว่า "How am I contributing to this situation?" มันมาจากเราไหม
  • กล้าที่จะทดลอง แต่องค์กรเปิด Safe Space ก่อน
  • หา Collaboration Orbit การมองคนรอบข้างเป็นเหมือนดาว เพื่อประเมินระยะห่าง Gap และ ในการรับมือว่าจะ ใช้ ALIGN / ASK / SUPPORT / INFROM / TRY
  • C-O-L-L-A-B Framework:
    1. C - Clarify the Challenge: ระบุให้ชัดเจนว่า Challenge ที่เจอจัดอยู่ในประเภทไหน (เช่น Communication / Expectation / Authority
    2. O - Open Perspective: เปิดมุมมองโดยพยายามมองปัญหาผ่านสายตาหรือหมวกของอีกฝ่าย[20]
    3. O - Listen: รับฟังความต้องการ ข้อกังวล และเป้าหมาย (Goal) ของแต่ละฝั่ง
    4. L - Look for a workable Move: จุดที่สามารถเริ่มทดลองทำร่วมกันได้เล็กๆ (Pilot)
    5. A - Act Small
    6. B - Boundary & Review: สิ่งที่ทำได้และทำไม่ได้ให้ชัดเจน แล้วกลับมารีวิวผล เพื่อปรับปรุงร่วมกัน

จบไปแล้วสำหรับ Blog วันนี้จดยาวมาก และสถานที่จัดงานเป็นเหมือน Hall เปิด แล้วแยกทั้ง State ต่างๆ Workshop อารมณ์แบบกะเสียงได้ว่าจะไม่ตีกัน และมีข้างในงานมีบูธเยอะจาก KBTG เอง ที่ผมไปฟังตัว OCR / Orbix Tech ครับ นอกจากนี้มีค่ายอื่นๆด้วยอย่าง Lenovo / Dynatrance / MFEC เป็นต้นครับ

Reference

Tags

Related Posts