จาก AI ready สู่ OECD ready ไทยต้องพร้อมทั้งคน รัฐ และเศรษฐกิจ
ประเทศไทยกำลังเดินหน้าสู่สมาชิกองค์การเพื่อความร่วมมือทางเศรษฐกิจและการพัฒนา (OECD) พร้อมเร่งพัฒนากำลังคนรับยุค AI แต่โจทย์สำคัญไม่ใช่แค่การผ่านเกณฑ์สากลหรือเพิ่มจำนวนคนใช้เทคโนโลยี หากต้องทำให้ทั้งสองเรื่องยกระดับผลิตภาพและคุณภาพชีวิตประชาชนได้จริง
SPACEBAR สรุปและวิเคราะห์จากเวที Building an AI-Ready Thailand Together Microsoft Elevate AI & Jobs for Thailand’s OECD Journey เวทีที่ระดมตัวแทน องค์กรระหว่างประเทศ หน่วยงานรัฐ ที่ขับเคลื่อน OECD มาให้มุมมองถึง การปฎิรูปภาครัฐ ในการพัฒนากำลังคน และการปฎิรูปประเทศ ที่สะท้อนตรงกันว่า อุปสรรคสำคัญของไทยคือระบบราชการที่ทำงานแยกส่วน ข้อมูลไม่เชื่อมโยง และการพัฒนาทักษะที่ยังไม่ตอบโจทย์ตลาดแรงงาน
มี AI แต่ระบบไม่เปลี่ยน ก็ยากจะเห็นผล
การนำ AI มาใช้จึงต้องเริ่มจากปัญหาที่ต้องการแก้ ไม่ใช่เริ่มจากการซื้อเทคโนโลยี หากหน่วยงานรัฐยังทำงานซ้ำซ้อน ประชาชนยังต้องยื่นเอกสารเดิมหลายครั้ง และข้อมูลยังเชื่อมกันไม่ได้ AI ก็อาจเป็นเพียงเครื่องมือใหม่ในระบบงานเก่า เช่นเดียวกับการพัฒนาคน การนับจำนวนผู้ผ่านอบรมไม่ใช่คำตอบสุดท้าย แต่ต้องวัดต่อว่าแรงงานได้งานใหม่หรือไม่ รายได้เพิ่มขึ้นเพียงใด และธุรกิจลดต้นทุนหรือเพิ่มผลิตภาพได้จริงหรือเปล่
OECD ไม่ได้เป็นเพียงเป้าหมายด้านสถานะระหว่างประเทศ แต่กระบวนการเข้าเป็นสมาชิกยังเป็นโอกาสให้ไทยกลับมาทบทวนกฎระเบียบ ประสิทธิภาพภาครัฐ การพัฒนาทักษะ และมาตรฐานการดำเนินนโยบายให้สอดคล้องกับแนวปฏิบัติสากล ขณะที่ AI ไม่ใช่เพียงเครื่องมือใหม่สำหรับธุรกิจหรือระบบราชการ แต่กำลังเปลี่ยนวิธีทำงาน ความต้องการแรงงาน และรูปแบบการแข่งขันของเศรษฐกิจ
เมื่อสองวาระนี้มาบรรจบกัน คำถามจึงไม่ใช่แค่ประเทศไทยจะนำ AI มาใช้ได้เร็วแค่ไหน หรือจะผ่านกระบวนการ OECD เมื่อใด แต่คือ ไทยจะใช้การเปลี่ยนผ่านทั้งสองเรื่องเป็นแรงผลักให้ประเทศทำงานได้ดีขึ้นจริงหรือไม่
สำนักงานคณะกรรมการกฤษฎีกาชี้ว่า การทำงานของหน่วยงานรัฐที่ขาดการประสานงานและแลกเปลี่ยนข้อมูล ทำให้เกิดความซ้ำซ้อน ขณะที่กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคมเสนอให้พัฒนาบริการภาครัฐที่เชื่อมโยงกัน ประชาชนไม่ควรต้องยื่นข้อมูลชุดเดิมซ้ำหลายหน่วยงาน และภาครัฐควรนำข้อมูลมาใช้ประกอบการกำหนดนโยบายอย่างมีหลักฐานรองรับ
แนวทาง Problem-Driven Technology Adoption หรือการเริ่มต้นจากปัญหาที่ต้องการแก้ไข ก่อนเลือกเทคโนโลยีที่เหมาะสม ขณะที่กระทรวงดิจิทัลฯ เสนอหลัก “Connect, Measure, Trust” ซึ่งหมายถึงการเชื่อมโยงระบบ การวัดผลประโยชน์ที่ประชาชนได้รับ และการสร้างความเชื่อมั่นผ่านธรรมาภิบาลที่เหมาะสม
แนวคิดนี้สำคัญ เพราะการมีระบบดิจิทัลจำนวนมากไม่ได้หมายความว่ารัฐจะมีประสิทธิภาพมากขึ้นโดยอัตโนมัติ เช่นเดียวกับการนำ AI มาใช้ไม่ได้รับประกันว่ากระบวนการทำงานจะเร็วขึ้น ถูกลง หรือแม่นยำขึ้นเสมอไป
การใช้ AI วิเคราะห์กฎระเบียบของรัฐ หากระบบสามารถค้นหาข้อกำหนดที่ซ้ำซ้อน ระบุขั้นตอนที่ไม่จำเป็น หรือช่วยวิเคราะห์ความคิดเห็นของประชาชนได้ ก็อาจช่วยลดภาระทั้งเจ้าหน้าที่และผู้ประกอบการหากขั้นตอนอนุมัติยังเหมือนเดิม หน่วยงานยังต้องตรวจเอกสารชุดเดิม และระบบข้อมูลยังไม่สามารถเชื่อมโยงกันได้ AI ก็อาจเป็นเพียงเครื่องมือที่เพิ่มเข้ามาในกระบวนการเก่า โดยไม่ได้แก้ปัญหาที่ต้นเหตุ
การใช้ AI ในภาครัฐจึงต้องเดินควบคู่กับการออกแบบกระบวนการทำงานใหม่ การพัฒนาคุณภาพข้อมูล และการกำหนดความรับผิดชอบที่ชัดเจน เมื่อ AI เข้ามาช่วยวิเคราะห์ข้อมูลหรือเสนอทางเลือกในการตัดสินใจ ก็ยิ่งต้องมีระบบกำกับดูแลที่ตรวจสอบได้ โดยเฉพาะงานที่เกี่ยวข้องกับสิทธิ สวัสดิการ และบริการสาธารณะ ตัวชี้วัดความสำเร็จจึงไม่ควรเป็นจำนวนระบบ AI ที่เปิดใช้ แต่เป็นเวลาที่ประชาชนประหยัดได้ ต้นทุนที่ลดลง ความผิดพลาดที่น้อยลง และคุณภาพบริการที่ดีขึ้น
กระทรวงศึกษาธิการเสนอแนวคิด Learn, Earn, Return ตั้งแต่การสร้างทักษะการเรียนรู้ในโรงเรียน การบูรณาการ AI กับทักษะวิชาชีพของนักเรียนอาชีวศึกษา ไปจนถึงการเรียนรู้ตลอดชีวิตสำหรับแรงงานและผู้สูงอายุ
ขณะที่สภาอุตสาหกรรมแห่งประเทศไทยแบ่งความต้องการทักษะ AI ในโรงงานเป็น 3 ระดับ ได้แก่ ผู้บริหารที่ต้องเลือกโครงการและประเมินผลตอบแทนจากการลงทุน วิศวกรและเจ้าหน้าที่เทคนิคที่ต้องประยุกต์ AI กับข้อมูลและกระบวนการผลิต และพนักงานปฏิบัติการที่ต้องเข้าใจเครื่องมือและจัดการข้อมูลได้อย่างถูกต้อง
ธนาคารโลกมองการเปลี่ยนผ่านสู่ AI ว่าเป็นการปฏิรูประดับประเทศ ไม่ใช่ยุทธศาสตร์เฉพาะอุตสาหกรรมใดอุตสาหกรรมหนึ่ง พร้อมยกประสบการณ์เกาหลีใต้ในช่วงการปฏิรูปดิจิทัลที่เชื่อมโยงกับการเข้าเป็นสมาชิก OECD เป็นกรณีที่ไทยสามารถศึกษาได้
ขณะที่ออสเตรเลียสะท้อนว่า การขับเคลื่อน OECD ต้องอาศัยทั้งการประสานงานระหว่างหน่วยงานระดับชาติ และการเชื่อมโยงรัฐบาลส่วนกลางกับระดับรัฐและท้องถิ่น เพราะบริการประชาชนจำนวนมากเกิดขึ้นในระดับพื้นที่
Insight สำคัญคือ ปัญหาของไทยอาจไม่ใช่การขาดแผนหรือขาดโครงการ แต่เป็นการขาดระบบที่ทำให้แผนและโครงการเหล่านั้นทำงานร่วมกันได้หากหน่วยงานหนึ่งพัฒนาฐานข้อมูล อีกหน่วยงานพัฒนาระบบ AI และอีกหน่วยงานลงทุนในโครงสร้างพื้นฐานดิจิทัล แต่ไม่มีมาตรฐานร่วม ไม่มีการแลกเปลี่ยนข้อมูล และไม่มีเจ้าภาพรับผิดชอบผลลัพธ์ในภาพรวม การลงทุนเหล่านั้นก็อาจไม่สามารถสร้างประโยชน์ได้เต็มศักยภาพ
OECD จึงอาจทำหน้าที่เป็นกรอบมาตรฐานร่วมที่ช่วยให้ไทยตรวจสอบตัวเองว่า กฎระเบียบมีเหตุผลเพียงพอหรือไม่ การทำงานของรัฐมีประสิทธิภาพเพียงใด และนโยบายที่ประกาศไว้เกิดผลจริงหรือยัง
การปรับกฎหมายให้สอดคล้องกับมาตรฐานสากลเป็นเพียงจุดเริ่มต้น สิ่งที่ยากกว่าคือการทำให้มาตรฐานนั้นกลายเป็นวิธีปฏิบัติประจำวันของหน่วยงานรัฐนี่คือความแตกต่างระหว่างการเตรียมตัวเพื่อเข้าเป็นสมาชิก OECD กับการใช้กระบวนการ OECD เพื่อเปลี่ยนประเทศ มี AI แล้วต้องแก้ปัญหาได้ ไม่ใช่แค่ทำให้รัฐดูทันสมัย ประเด็นที่น่าสนใจจากเวทีนี้ คือการตั้งคำถามถึงวิธีคิดในการนำเทคโนโลยีมาใช้
ในกระบวนการเปลี่ยนผ่าน วิกฤตแรงงานไทยอาจไม่ใช่แค่ขาดคน
ประเทศไทยกำลังเผชิญสังคมสูงวัยและจำนวนประชากรวัยทำงานที่ลดลง การเพิ่มผลิตภาพแรงงานจึงเป็นโจทย์สำคัญต่อการรักษาความสามารถในการแข่งขัน AI อาจช่วยให้แรงงานคนหนึ่งทำงานได้มากขึ้น ลดงานซ้ำซ้อน และเปิดทางให้ธุรกิจสร้างมูลค่าเพิ่มโดยไม่จำเป็นต้องเพิ่มจำนวนพนักงานในสัดส่วนเดียวกับปริมาณงาน แต่โอกาสดังกล่าวจะเกิดขึ้นได้ก็ต่อเมื่อแรงงานสามารถใช้ AI แก้ปัญหาจริงในงานของตัวเอง ไม่ใช่เพียงรู้จักเครื่องมือหรือผ่านการอบรมหลักสูตรระยะสั้น
เวทีเสวนาสะท้อนช่องว่างด้านทักษะที่น่าสนใจอย่างน้อย 3 ระดับ
ช่องว่างด้านการคิด (Thinking Gap) กระทรวงศึกษาธิการชี้ว่า ผู้เรียนอาจใช้ AI ได้ แต่ยังขาดทักษะการตั้งคำถาม วิเคราะห์ และตรวจสอบคำตอบ ความสามารถในการใช้เครื่องมือจึงต้องมาพร้อมความสามารถในการประเมินว่าเครื่องมือให้คำตอบที่ถูกต้องหรือเหมาะสมหรือไม่
ช่องว่างด้านโอกาส (Reach Gap) แรงงานที่ทำงานอยู่แล้ว ผู้สูงอายุ คนพิการ และประชาชนในพื้นที่ที่เข้าถึงการฝึกอบรมได้จำกัด อาจไม่ได้รับประโยชน์จาก AI เท่ากับคนที่มีอุปกรณ์ อินเทอร์เน็ต และโอกาสเรียนรู้พร้อมกว่า
ช่องว่างระหว่างทักษะกับงาน (Skills-to-Jobs Gap) หลักสูตรที่ผลิตผู้มีทักษะ AI จำนวนมากอาจยังไม่ตอบโจทย์ หากทักษะเหล่านั้นไม่ตรงกับความต้องการของนายจ้าง หรือแรงงานไม่สามารถนำไปใช้เพิ่มประสิทธิภาพและรายได้ในการทำงานได้จริง ข้อเสนอจากแต่ละภาคส่วนช่วยให้เห็นว่า การพัฒนากำลังคนต้องออกแบบตามบริบทการใช้งาน ไม่ใช่ใช้หลักสูตรเดียวกับทุกคน
ข้อสรุปจากเวทีทุกฝ่าย มองว่า การเข้าเป็นสมาชิก OECD และการเตรียมประเทศไทยให้พร้อมรับ AI อาจเป็นแรงส่งสำคัญต่อการปฏิรูปประเทศ แต่ทั้งสองเรื่องจะไม่สร้างผลลัพธ์โดยอัตโนมัติ
การมีมาตรฐานสากลไม่ได้รับประกันว่าระบบราชการจะมีประสิทธิภาพ การมี AI ไม่ได้หมายความว่าแรงงานจะมีผลิตภาพสูงขึ้น และการมีผู้ผ่านการอบรมจำนวนมากก็ไม่ได้ยืนยันว่าประชาชนจะมีรายได้ดีขึ้น สิ่งที่ไทยต้องสร้างคือความเชื่อมโยงระหว่างมาตรฐานกับการปฏิบัติ ระหว่างทักษะกับงาน และระหว่างการลงทุนด้านเทคโนโลยีกับผลประโยชน์ทางเศรษฐกิจที่เกิดขึ้นจริง
ในประเทศที่กำลังเผชิญทั้งสังคมสูงวัย การแข่งขันด้านผลิตภาพ และความเปลี่ยนแปลงของตลาดแรงงาน การใช้ AI ให้เกิดประโยชน์ไม่ใช่ทางเลือกเพื่อสร้างภาพความทันสมัยอีกต่อไป แต่เป็นส่วนหนึ่งของการปรับโครงสร้างเศรษฐกิจ
ความสำเร็จของ AI-ready Thailand ไม่ควรวัดจากจำนวนคนที่บอกว่าใช้ AI เป็น หรือจำนวนหน่วยงานที่ประกาศนำ AI มาใช้ แต่ต้องวัดจากว่าคนไทยทำงานได้ดีขึ้น มีโอกาสเข้าถึงงานที่มีคุณภาพมากขึ้น ธุรกิจแข่งขันได้มากขึ้น และภาครัฐตอบสนองประชาชนได้ดีขึ้นเพียงใด และนั่นอาจเป็นบททดสอบที่แท้จริงของการเดินทางสู่ OECD ว่าไทยพร้อมเพียงพอที่จะนำมาตรฐานสากลมาเปลี่ยนเป็นคุณภาพชีวิตที่ดีขึ้นของคนในประเทศหรือยัง
