ธุรกิจ BFSI จะทลายข้อจำกัดโครงสร้างพื้นฐานเดิม เพื่อเป็นผู้นำ AI Economy ได้อย่างไร?

Share

 

โดย บุศรินทร์ ประดิษฐยนต์ Country Head, บริษัท เอสที เทเลมีเดีย โกลบอล ดาต้าเซ็นเตอร์ (ประเทศไทย) 

ช่วงต้นปีที่ผ่านมา World Economic Forum นิยามภูมิทัศน์ตลาดภาคการเงินโลกว่ากำลังก้าวไปสู่ ‘ยุคแห่งการแข่งขัน’ หรือ Age of Competition ท่ามกลางสถานการณ์เศรษฐกิจโลกที่คาดการณ์ว่าจะเติบโตเพียง 2.7% ดังนั้นภารกิจหลักของผู้บริหารในภาคการเงินจึงไม่ได้มุ่งเน้นแค่การขยายธุรกิจแบบเดิม ๆ อีกต่อไป แต่ต้องเปลี่ยนมาให้ความสำคัญกับการสร้างความยืดหยุ่นและรักษาเสถียรภาพในการดำเนินงาน เพื่อรับมือกับกระแสเงินทุนที่ผันผวนและความขัดแย้งทางภูมิรัฐศาสตร์ที่เกิดขึ้น

บทความนี้อ้างอิงผลการศึกษาจาก 2 รายงานของ STT GDC ได้แก่ Mind the Gap: Bridging the AI Infrastructure Readiness Divide และ When In-House Infrastructure Starts Holding You Back เพื่อเจาะลึกว่าผู้บริหารภาคการเงินของไทยจะสามารถเปลี่ยนวิสัยทัศน์ทางด้านเทคโนโลยีมาเป็นการดำเนินงานจริง ๆ ได้อย่างไร เพราะการยกระดับโครงสร้างพื้นฐานดิจิทัลในปัจจุบันไม่ได้เป็นภารกิจของฝ่ายไอทีอีกต่อไป แต่เป็น ‘ภารกิจสำคัญของธุรกิจ’ ซึ่งการจะก้าวขึ้นเป็นผู้นำในยุคนี้ ผู้นำกลุ่มธุรกิจธนาคาร บริการทางการเงิน และประกันภัย (BFSI) ต้องเร่งขจัดปัญหาคอขวดจากโครงสร้างพื้นฐานไอทีแบบเดิม ๆ ภายในองค์กร (In-House Infra) เพื่อปลดล็อกความยืดหยุ่นและสร้างการเติบโตให้องค์กรระยะยาว

สำหรับอุตสาหกรรม BFSI ความยืดหยุ่นดังกล่าวกำลังถูกท้าทายอย่างหนัก ขณะที่เศรษฐกิจดิจิทัลระดับภูมิภาคได้รับการคาดการณ์ว่าจะการเติบโตที่ 1-2 ล้านล้านดอลลาร์สหรัฐภายในปี 2030 พร้อมเม็ดเงินลงทุนมหาศาลกว่า 1.06 ล้านล้านบาท ก็ได้หลั่งไหลเข้าสู่ตลาดของไทย โดยในปี 2025 สำนักงานคณะกรรมการส่งเสริมการลงทุน (BOI) ได้รับคำขอส่งเสริมการลงทุนในโครงการดาต้าเซ็นเตอร์สะสมถึง 36 โครงการ คิดเป็นมูลค่ารวมกว่า 2.31 หมื่นล้านดอลลาร์สหรัฐ (ราว 7.28 แสนล้านบาท) เป็นสัญญาณชัดเจนของการยกเครื่องโครงสร้างพื้นฐานทางการเงินของไทยครั้งใหญ่ แต่คำถามที่ตามมาคือ ผู้นำ BFSI จะสามารถทลายข้อจำกัดของโครงสร้างพื้นฐานภายในองค์กรได้รวดเร็วพอ และเติมเต็มช่องว่างระหว่างเป้าหมาย AI ไปสู่การดำเนินงานจริงได้อย่างไร? 

กลยุทธ์เปลี่ยน ข้อจำกัดระบบเดิมต้องเดินหน้าไปสู่ยุค ‘AI Readiness’ 

ในปี 2026 ภูมิทัศน์ภาคการธนาคารได้ก้าวข้ามจากการใช้ AI เป็นเพียง “ผู้ช่วย” ไปสู่ “การทำธุรกรรม” สถาบันการเงินชั้นนำระดับโลกเริ่มนำ Agentic AI หรือ “Digital Co-workers” ที่ทำงานได้แบบอัตโนมัติ มาใช้ในการจัดการธุรกรรมซื้อขายทั่วไปและดูแลกฎระเบียบภายใต้การกำกับดูแลโดยมนุษย์ อย่างไรก็ตาม รายงานล่าสุด Mind the Gap: Bridging the AI Infrastructure Readiness Divide กลับเผยให้เห็นความจริงที่น่ากังวลใจว่า แม้ 78% ขององค์กรในไทยจะเข้าสู่ระยะ ‘ผู้สร้าง’ (Builder) ด้าน AI แล้ว แต่มีเพียง 8% เท่านั้นที่พัฒนาเป็น ‘ผู้บูรณาการ’ (Integrators) และยังไม่มีองค์กรใดเลยที่ก้าวขึ้นไปถึงระดับ ‘ผู้นำ’ (Leader)

ภาวะชะงักงันนี้สะท้อนให้เห็นถึงความท้าทายที่เป็นคอขวดเชิงกลยุทธ์ 3 ประการ ซึ่งมีสาเหตุตรงมาจากรูปแบบโครงสร้างพื้นฐานที่ล้าสมัย ประกอบด้วย:

  • ต้นทุนจากความล้าสมัยและผลตอบแทนการลงทุนที่ไม่แน่นอน: สถาบันการเงินในไทยกำลังถูก “ฉุดรั้ง” ด้วยต้นทุนการซ่อมบำรุงฮาร์ดแวร์เก่าที่พุ่งสูงขึ้นอย่างต่อเนื่อง ปัญหานี้ถูกซ้ำเติมด้วยแรงกดดันทางการเงิน ผลการศึกษาของ STT GDC ระบุว่า 57% ของผู้บริหารไทยมองว่าข้อจำกัดด้านงบประมาณและความยากในการวัดผลตอบแทนจากการลงทุน (ROI) คืออุปสรรคสำคัญที่สุด และ 76% ขององค์กรยังจัดสรรงบไอทีเพื่อนำมาลงทุนด้าน AI ไว้เพียง 5% หรือน้อยกว่านั้น
  • การขาดแคลนนวัตกรรมและบุคลากร: บุคลากรไอทีที่มีทักษะความเชี่ยวชาญถือเป็นทรัพยากรที่มีจำกัด องค์กรถึง 38% บอกว่าพวกเขากำลังเผชิญปัญหาขาดแคลนผู้เชี่ยวชาญภายในองค์กรอย่างหนักในการจัดการโครงสร้างพื้นฐาน AI ที่ซับซ้อน และเมื่อทีมงานภายในต้องติดอยู่ใน “โหมดซ่อมบำรุง” เพื่อประคองระบบเก่า ๆ ให้ทำงานต่อไปได้ ก็เท่ากับการโดนตัดออกจาก Journey การแข่งขันทางด้านนวัตกรรมไปโดยปริยาย
  • ช่องว่างด้านความยืดหยุ่นและข้อจำกัดของการขยายระบบ: มีองค์กรไทยไม่ถึง 10% ที่ระบุว่าพร้อมรองรับการขยายเวิร์กโหลด AI เต็มรูปแบบ ขณะนี้ ศูนย์ข้อมูลภายในองค์กรกำลังเผชิญกับ “ข้อจำกัดในการขยายระบบ” เนื่องจากขาดขีดความสามารถทั้งด้านการประมวลผล พื้นที่จัดเก็บข้อมูล และเครือข่ายที่จำเป็นต่อเทคโนโลยี AI ขั้นสูง

อธิปไตยทางข้อมูล (Data Sovereignty) และช่องว่างความเชื่อมั่นในอุตสาหกรรม BFSI  

ในโลกดิจิทัลที่กระจัดกระจายนี้ การควบคุมข้อมูลด้านการเงินภายในประเทศไม่ได้เป็นเพียงแค่ทางเลือกอีกต่อไป ผลการศึกษาของ STT GDC พบว่าไม่มีองค์กรใดเลย (0%) ที่รู้สึกมั่นใจเต็มร้อยว่าระบบ AI ของตนจะสามารถคุ้มครองความเป็นส่วนตัวของข้อมูลได้ ซึ่งถือเป็นความเสี่ยงอย่างมหาศาลสำหรับอุตสาหกรรม BFSI ที่มีกฎระเบียบและการกำกับดูแลอย่างเข้มงวด

  • มอง “อธิปไตยข้อมูล” เป็นกลยุทธ์หลัก (Sovereignty as a Strategy): ประเทศไทยกำลังก้าวขึ้นเป็น “ฐานที่มั่น” ในระดับภูมิภาค เนื่องจากข้อบังคับของธนาคารแห่งประเทศไทย (ธปท.) และ พ.ร.บ. คุ้มครองข้อมูลส่วนบุคคล (PDPA) ที่มีความเข้มงวดมากขึ้น กำหนดให้ข้อมูลทางการเงินที่ละเอียดอ่อนต้องถูกจัดเก็บและประมวลผลภายในประเทศเท่านั้น
  • เพิ่มความพร้อมในการปฏิบัติตามกฎระเบียบ (Compliance-Readiness): การย้ายระบบไปยังศูนย์ข้อมูล (Colocation) ที่ทันสมัยและปลอดภัย จะช่วยให้สถาบันการเงินยกระดับสู่มาตรฐานอุตสาหกรรมระดับสากล พร้อมสร้างเกราะป้องกันให้กับธุรกิจในระดับองค์กรที่ระบบ On-Premises เดิมทำได้ยาก ซึ่งสิ่งนี้จะช่วยอุดช่องว่างความเชื่อมั่นด้านธรรมาภิบาลข้อมูลได้อย่างสมบูรณ์

การก้าวขึ้นเป็นศูนย์กลาง Hyperscale แห่งใหม่ของประเทศไทย  

ตลาดดาต้าเซ็นเตอร์ของไทยกำลังเผชิญกับการขยายตัวเชิงกลยุทธ์ โดยคาดการณ์ว่าจะมีมูลค่าสูงถึง 6.29 พันล้านดอลลาร์สหรัฐภายในปี 2031

  • แรงขับเคลื่อนจากบริษัทระดับ Hyperscale: การลงทุนระดับหลายพันล้านดอลลาร์จากบริษัทยักษ์ใหญ่ระดับโลก กำลังผลักดันให้ประเทศไทยกลายเป็น Digital Hub ที่สำคัญ ซึ่งรองรับด้วยแผนพัฒนาโครงสร้างพื้นฐานที่มีกำลังการประมวลผลรวมทะลุ 2.87 กิกะวัตต์
  • เพิ่มแรงจูงใจด้วยประสิทธิภาพที่ดี: สำนักงานคณะกรรมการส่งเสริมการลงทุน (BOI) ได้เข้ามากระตุ้นการเติบโตนี้ ด้วยการมอบสิทธิประโยชน์ยกเว้นภาษีเงินได้นิติบุคคลสูงสุดถึง 8 ปี ให้แก่ศูนย์ดาต้าเซ็นเตอร์ที่ประหยัดพลังงานและผ่านมาตรฐานขั้นสูง เช่น มีค่าประสิทธิภาพการใช้พลังงาน (Power Usage Effectiveness หรือ PUE ) ไม่เกิน 1.3

พันธกิจด้านความยั่งยืนในยุค AI 

กรอบการทำงานด้าน ESG หรือแนวทางการดำเนินธุรกิจที่คำนึงถึงความรับผิดชอบต่อสิ่งแวดล้อม สังคม และบรรษัทภิบาล ในปี 2026 จะกลายเป็นข้อได้เปรียบทางการแข่งขันที่ส่งผลกระทบโดยตรงต่อชื่อเสียงของแบรนด์และเป็นต้นทุนหลักการดำเนินงาน อย่างไรก็ตาม การเติบโตของ AI กำลังสร้างความท้าทายและความเสี่ยงแฝงในการดำเนินงาน จากผลการศึกษาของ STT GDC พบว่า องค์กรถึง 78% ยอมรับว่าแนวคิดด้าน ESG ยังถูกมองเป็นเรื่องรองจากเรื่องของประสิทธิภาพและต้นทุน ซึ่งสิ่งนี้ได้สร้างรอยเท้าความเสี่ยงที่สำคัญ (Critical risk footprint): ขณะที่ 50% ขององค์กรไทยลงทุนในฮาร์ดแวร์ AI ที่มีความหนาแน่นสูง (เช่น GPU) เพื่อขับเคลื่อนประสิทธิภาพ แต่มีเพียง 15% เท่านั้นที่กำลังพิจารณาและศึกษาการใช้ระบบระบายความร้อนด้วยของเหลว (Liquid Cooling) อย่างจริงจัง ซึ่งเป็นสิ่งจำเป็นต่อการใช้งานฮาร์ดแวร์เหล่านี้อย่างยั่งยืน

  • การยกระดับองค์กรที่เน้นผลลัพธ์จริง (Pragmatic Transformation): สถาบันการเงินยุคใหม่เริ่มตระหนักแล้วว่า การขยายความจุระบบไอทีแบบฉุกเฉินระยะสั้น ต้องไม่เป็นภาระด้านประสิทธิภาพและต้นทุนในระยะยาว และต้องเติมเต็มช่องว่างนี้เพื่อตอบสนองพันธกิจด้านความยั่งยืนขององค์กร
  • การลดคาร์บอนเพิ่มขึ้น (Decarbonisation at Scale): โดยการร่วมมือกับพันธมิตรผู้ให้บริการโครงสร้างพื้นฐานที่มีเป้าหมายชัดเจน อาทิ STT GDC ซึ่งปัจจุบันใช้พลังงานหมุนเวียนในการดำเนินงานทั่วโลกแล้วกว่า 78% และตั้งเป้าบรรลุความเป็นกลางทางคาร์บอนภายในปี 2030 ช่วยให้สถาบันการเงินสามารถรองรับการประมวลผล AI ปริมาณมหาศาลได้อย่างมีประสิทธิภาพ โดยไม่ขัดต่อพันธกิจด้านความยั่งยืนขององค์กร

ดันยุทธศาสตร์สำคัญ STT GDC พร้อมเป็นหนึ่งในพันธมิตรโครงสร้างพื้นฐานดิจิทัลขององค์กร 

เพื่อเติบโตอย่างแข็งแกร่งใน ‘ยุคแห่งการแข่งขัน’ ผู้นำ BFSI ของไทยต้องก้าวข้ามข้อจำกัดของระบบ On-premises อย่างไรก็ตาม การเพียงแค่เปลี่ยนไปใช้บริการ Colocation ทั่วไปนั้นไม่เพียงพออีกต่อไป อุตสาหกรรมจำเป็นต้องพึ่งพาพันธมิตรด้านโครงสร้างพื้นฐานดิจิทัลที่มีความเชี่ยวชาญเฉพาะทางและสามารถมอบคุณค่าที่แตกต่างได้ ซึ่ง STT GDC สามารถเป็นพันธมิตรเพื่อช่วยปลดล็อกข้อได้เปรียบให้กับสถาบันการเงิน ได้ด้วยจุดเด่นสำคัญ ดังนี้:

  • ยกระดับความยืดหยุ่นและเสถียรภาพขององค์กร (Enterprise Resilience): ลดโอกาสในการสูญเสียรายได้ของธุรกิจ ด้วยการรักษามาตรฐานระยะเวลาที่ระบบสามารถทำงานได้ตามปกติอย่างต่อเนื่องโดยไม่หยุดชะงัก (Uptime) ในระดับแนวหน้าของอุตสาหกรรม ควบคู่กับระบบกู้คืนข้อมูลจากภัยพิบัติ ซึ่งช่วยอุดช่องโหว่หรือจุดเปราะบางที่อาจทำให้ระบบหยุดทำงาน
  • มีประสิทธิภาพการเชื่อมต่อที่มีความหนาแน่นสูง (High-Density Connectivity): ดาต้าเซ็นเตอร์ที่เปิดกว้างการเชื่อมต่อกับผู้ให้บริการเครือข่ายได้ทุกราย (Carrier-neutral) อย่าง STT Bangkok 3 ช่วยยกระดับความเร็วในการเชื่อมต่อที่ตอบสนองไว (Low-latency) ณ ใจกลางย่านธุรกิจ (CBD) พร้อมรองรับระบบระบายความร้อนด้วยของเหลว (Liquid Cooling) ซึ่งเป็นองค์ประกอบสำคัญที่ขาดไม่ได้ในการให้บริการดิจิทัลแบบเรียลไทม์
  • มีความคล่องตัวทางการเงิน (Financial Agility): การปรับเปลี่ยนรูปแบบจากการลงทุนก้อนใหญ่ (CapEx) ไปเป็นค่าใช้จ่ายในการดำเนินงานที่คาดการณ์ได้ (OpEx) ช่วยให้องค์กรสามารถปรับลดหรือขยายทรัพยากรได้อย่างรวดเร็วตามทิศทางของตลาด

วันนี้การแข่งขันด้านโครงสร้างพื้นฐานมีมูลค่าสูงแตะ 1 ล้านล้านบาทนี้ เป็นมากกว่าแค่เรื่องของเทคโนโลยี แต่มันคือตัวชี้วัดว่าสถาบันการเงินใดจะมีความคล่องตัวมากพอที่จะก้าวเป็นผู้นำในยุค AI Economy ที่มีการปรับใช้เทคโนโลยีหลากหลาย สำหรับอุตสาหกรรม BFSI การสลัดข้อจำกัดของระบบเดิมทิ้งไปนั้น และหันมาจับมือกับผู้เชี่ยวชาญด้านโครงสร้างพื้นฐานเฉพาะทาง เป็นหนทางลัดหนึ่งที่จะช่วยให้องค์กรเดินหน้าไปได้รวดเร็วกว่า ปลอดภัยกว่า และมีความอัจฉริยะยิ่งขึ้นในปีนี้

innomatter

innomatter

ข่าวไอที นวัตกรรม พลังงาน และความยั่งยืน

Related Articles