กระแส AI แบ่งเศรษฐกิจไทย 2 ขั้ว รวยจาก “ผลิต AI” ส่งออกพุ่ง แต่ธุรกิจ-แรงงานยังตามไม่ทันกระแส

ท่ามกลางกระแสเศรษฐกิจ AI ที่เกิดขึ้นทั่วโลก เศรษฐกิจไทยในปี 2026 นี้กำลังเผชิญกับภาพสองภาพที่มีความแตกต่างอย่างชัดเจน 

ด้านหนึ่ง ไทยได้รับประโยชน์อย่างมากจากการเติบโตอย่างรวดเร็วของกระแส AI ที่ทำให้ความต้องการในฮาร์ดแวร์สำหรับ AI เพิ่มขึ้นทั่วโลก ซึ่งไทยเป็นหนึ่งในฐานผลิตและส่งออกที่สำคัญ

แต่อีกด้านหนึ่ง แรงส่งจาก AI กลับไม่ได้กระจายไปสู่ภาคอุตสาหกรรมทั้งหมด ความเหลื่อมล้ำที่เกิดขึ้นในภาคธุรกิจจากการใช้งาน AI ด้วยต้นทุนที่สูง ขาดทักษะ จนส่งผลให้ผลิตภาพต่ำ

เศรษฐกิจไทย 2 ขั้ว

ข้อมูลจาก World Bank ตามรายงาน East Asia and Pacific Economic Update ฉบับเดือนตุลาคม 2026 ระบุว่า เศรษฐกิจไทยมีแนวโน้มขยายตัว 2.0% ในปี 2026 ซึ่งเป็นการปรับเพิ่มประมาณการขึ้น 0.7 จุดเปอร์เซ็นต์จากตัวเลขที่คาดการณ์ไว้เมื่อต้นปี และคาดว่าเศรษฐกิจจะขยายตัวเพิ่มเป็น 2.3% ในปี 2027 และ 2.4% ในปี 2028

แม้ GDP ที่แท้จริงของไทยในไตรมาสที่ 1 ปีนี้จะขยายตัว 2.8% เมื่อเทียบกับช่วงเดียวกันของปีก่อน แต่กลับชะลอตัวลงมาเหลือ 1.9% ในไตรมาสที่ 2 โดยผลการดำเนินงานของเศรษฐกิจไทยทำให้เห็นภาพความแตกต่างอย่างชัดเจนระหว่าง ภาคการส่งออกเทคโนโลยีขั้นสูงที่เติบโตโดดเด่น กับ กิจกรรมทางเศรษฐกิจภายในประเทศที่ยังซบเซา

ข้อมูลจากรายงานชี้ให้เห็นว่า การส่งออกสินค้าของไทยในเดือนกรกฎาคม 2026 ขยายตัวเกือบ 22% เมื่อเทียบกับปีก่อน และเมื่อมองเข้าไปจะพบว่า สินค้าที่เกี่ยวข้องกับ AI กลายเป็นแรงขับเคลื่อนหลักในการเติบโตของการส่งออกไทย โดยมีสัดส่วนมากกว่า 70% ของการเติบโตของการส่งออกทั้งหมดของไทย

ตัวเลขนี้ทำให้ไทยอยู่ในกลุ่มเดียวกับมาเลเซีย เวียดนาม และฟิลิปปินส์ ซึ่งเป็นประเทศที่ได้รับประโยชน์สำคัญจากการขยายตัวของการลงทุนโครงสร้างพื้นฐาน AI ทั่วโลก

ไทยคือหนึ่งในแหล่งที่มีความเชี่ยวชาญเกี่ยวกับสินค้า AI โดยเฉพาะในการผลิตขั้นปลายน้ำ ไม่ว่าจะเป็นการประกอบ การทดสอบ และการบรรจุชิปหรือชิ้นส่วน ตลอดจนการผลิตฮาร์ดแวร์สำเร็จรูป และแรงขับเคลื่อนจากการเป็นฐานผลิตสินค้าอิเล็กทรอนิกส์ไฮเทคเหล่านี้ ทำให้สัดส่วนการส่งออกคอมพิวเตอร์และชิ้นส่วนในตะกร้าการส่งออกทั้งหมดของไทยเพิ่มขึ้นเป็น 2 เท่านับจากปี 2023 มาอยู่ที่ 8%

อย่างไรก็ตาม แม้ตัวเลขการส่งออกจะเติบโตอย่างแข็งแกร่ง แต่เศรษฐกิจไทยกำลังเผชิญกับความแตกต่างเชิงโครงสร้างระหว่างภาคการผลิตอิเล็กทรอนิกส์เพื่อการส่งออกกับภาคอุตสาหกรรมโดยรวม โดยการผลิตภาคอุตสาหกรรมโดยรวมลดลงต่อเนื่องเป็นเดือนที่ 3 (นับถึงเดือนมิถุนายน 2026) โดยหดตัวลง 3.1% เมื่อเทียบกับปีก่อน ขณะที่การผลิตอุปกรณ์ไฟฟ้ากลับขยายตัวถึง 8% ในช่วงเวลาเดียวกัน

ตัวเลขดังกล่าวสะท้อนว่า แม้การผลิตฮาร์ดแวร์ที่เกี่ยวข้องกับ AI จะเติบโตได้ดี แต่การเติบโตดังกล่าวยังไม่ได้ส่งผ่านไปสู่การฟื้นตัวในวงกว้างของภาคการผลิตแบบดั้งเดิมภายในประเทศ

คอขวด AI ในภาคธุรกิจไทย

ลำดับต่อมา แม้ภาพการส่งออกของประเทศจะโดดเด่น แต่ในแง่การนำ AI มาใช้งานให้เกิดผลจริงในประเทศกลับยังติดหล่ม มีความล่าช้าในการนำ AI มาใช้อย่างเห็นได้ชัด

ข้อมูลจาก World Bank Enterprise Survey (WBES) ปี 2026 ยิ่งชี้ให้เห็นช่องว่างที่ชัดเจนขึ้น โดยพบว่า ภาคองค์กรของไทย มีเพียง 12% ที่ใช้งานเทคโนโลยี AI ไม่ว่าจะเป็น Predictive AI, Generative AI หรือ Agentic AI และหากเทียบกับสหรัฐอเมริกา จะพบว่าองค์กรในประเทศมหาอำนาจมีสัดส่วนใช้งานสูงถึง 43%

ยิ่งไปกว่านั้น บริษัทไทยที่จ่ายค่าสมาชิกหรือค่าลิขสิทธิ์สำหรับใช้งานซอฟต์แวร์ AI มีเพียง 4% เท่านั้น หรือแปลความสั้น ๆ ได้ว่า ธุรกิจไทยส่วนใหญ่ยังอยู่ในขั้นทดลองใช้งาน AI แบบไม่เป็นทางการ หรือใช้เครื่องมือฟรีกันอยู่นั่นเอง

ในการแถลงข่าว World Bank ระบุว่า บริษัทไทยประมาณ 80% คาดว่า AI จะเพิ่มผลิตภาพ (Productivity) ในระยะสั้นเพียงเล็กน้อยหรือแทบไม่มีเลย โดยสาเหตุสำคัญมาจากข้อจำกัดในการนำ AI ไปใช้งานหลายด้าน ได้แก่

• ต้นทุน AI สูง: บริษัทที่ใช้งาน AI แล้ว มองว่าค่าสมาชิก AI รวมถึงการติดตั้งหรือเพิ่มฮาร์ดแวร์เป็นอุปสรรคใหญ่ที่สุดต่อการขยายการใช้งาน
• ขาดความรู้: บริษัทที่ยังไม่ใช้ AI ระบุว่า เป็นเพราะยังขาดผู้เชี่ยวชาญด้านเทคนิค รวมถึงองค์กรยังไม่คุ้นเคยกับระบบ AI 
• กังวลเรื่องข้อมูลและความเป็นส่วนตัว: ความกังวลเรื่องความปลอดภัยของข้อมูล ความลับทางธุรกิจ และกรอบกำกับดูแลที่ยังไม่เอื้อต่อการใช้งาน เป็นอีกอุปสรรคสำคัญทั้งสำหรับบริษัทที่ใช้และยังไม่ใช้ AI

อย่างไรก็ตาม ท่ามกลางข้อจำกัดดังกล่าว ยังมีบริษัทไทยบางส่วนที่มองอนาคตของ AI ในเชิงบวกอย่างมาก โดยมีราว 13% ของบริษัทไทยที่สำรวจ คาดว่าการพัฒนา AI ของโลกที่เร็วขึ้นจะช่วยเพิ่ม Productivity ในแรงงานโดยจะวัดจากยอดขายต่อพนักงาน ได้อย่างน้อย 20% ภายใน 3 ปีข้างหน้า

ทักษะแรงงานไทยแทบไม่เปลี่ยนแปลง

หากมองไปที่ประเทศเศรษฐกิจพัฒนาแล้วอย่าง สหรัฐอเมริกา การเข้ามาของ Generative AI กำลังสั่นสะเทือนตลาดแรงงาน เพราะเสี่ยงที่จะเข้ามาแทนที่มนุษย์ในการทำงาน โดยเฉพาะงาน White Collar หรืองานสำนักงาน

กลับกันสำหรับกลุ่มประเทศในตลาดเกิดใหม่ของเอเชียตะวันออกเฉียงใต้ ซึ่งรวมถึงไทย ที่ได้รับผลกระทบน้อยกว่า โดยรายงานของ World Bank ชี้ว่า ประเทศในกลุ่มตลาดเกิดใหม่นี้มีงานในกลุ่ม Non-Routine Cognitive Tasks หรืองานที่ต้องใช้ทักษะทางความคิดในลักษณะที่ไม่ใช่กิจวัตรประจำวันเพียง 13% เท่านั้น

งานในกลุ่มนี้เป็นงานที่ต้องใช้ความคิด การวิเคราะห์ และการตัดสินใจในระดับสูง ซึ่งเป็นกลุ่มงานที่เครื่องมือ AI สามารถเข้ามาเสริมศักยภาพและทำงานร่วมกับมนุษย์ได้อย่างมีประสิทธิภาพ แต่ในทางกลับกัน ประเทศเศรษฐกิจพัฒนาแล้วมีงานประเภท Non-Routine Cognitive Tasks สูงถึง 39% ของตำแหน่งงานทั้งหมด

ด้วยเหตุนี้ ข้อมูลประกาศรับสมัครงานออนไลน์ที่ World Bank วิเคราะห์จึงยังไม่พบการลดลงอย่างมีนัยสำคัญของตำแหน่งงานที่ AI สามารถทำงานแทนได้ในไทย นับตั้งแต่ ChatGPT เปิดตัวในช่วงปลายปี 2022

อีกด้านหนึ่ง ข้อมูลการใช้งาน Large Language Models ของคนไทยพบว่า ผู้ใช้ส่วนใหญ่ยังนำ Generative AI ไปใช้เพื่อ “ทำงานแทน” มากกว่า “เพิ่มศักยภาพการทำงาน” 

โดยไทยมักจะใช้ไปกับงานกลุ่ม Automation อย่างเช่น งานค้นหาข้อมูล งานร่างอีเมล หรือการสื่อสารทั่วไป และการทำ Structured Queries แต่งานในกลุ่ม Augmentation หรือการใช้ AI เพื่อช่วยทำงานที่ซับซ้อนขึ้น เช่น การแก้ปัญหาที่ซับซ้อน การสังเคราะห์ข้อมูลเชิงกลยุทธ์ หรือการออกแบบงานร่วมกับผู้อื่น ยังไม่ถูกนำมาใช้มากเท่าที่ควร

แรงกดดันอื่น ๆ 

นอกจากนี้ ความสามารถของไทยในการใช้ AI เป็นเครื่องยนต์ขับเคลื่อนเศรษฐกิจในวงกว้าง ยังคงถูกจำกัดด้วยปัจจัยอื่น ๆ ไม่ว่าจะเป็นความเปราะบางด้านเศรษฐกิจและการเงิน รวมถึงความเสี่ยงด้านสิ่งแวดล้อม

• ไทยมีระดับหนี้ครัวเรือนสูงที่สุดในกลุ่มประเทศตลาดเกิดใหม่ของภูมิภาค โดยหนี้ครัวเรือนอยู่ที่ 86.9% ของ GDP และแม้ว่าหนี้เพียงประมาณ 1% จะเป็นหนี้สกุลเงินต่างประเทศ ซึ่งช่วยลดความเสี่ยงโดยตรงจากความผันผวนของอัตราแลกเปลี่ยน แต่ภาระการชำระหนี้ที่อยู่ในระดับสูงยังคงกดดันการบริโภคภายในประเทศ
• การบริโภคภาคเอกชนปรับตัวดีขึ้นในช่วงกลางปี 2026 โดยได้รับแรงสนับสนุนจากโครงการไทยช่วยไทยพลัส อย่างไรก็ตาม หากมองไปที่การบริโภคที่เกิดจากกำลังซื้อพื้นฐานของประชาชนเอง ยังถือว่าอยู่ในระดับซบเซา
• ไทยกำลังเผชิญแรงกดดันด้านเงินเฟ้ออย่างมาก หลังเกิดความปั่นป่วนทางภูมิรัฐศาสตร์ในตะวันออกกลาง โดยเงินเฟ้อทั่วไปของไทยอยู่ที่ -0.7% ในช่วงต้นปี 2026 ก่อนปรับขึ้นเป็น 2.5% ในเดือนสิงหาคม 
• สาเหตุสำคัญมาจากราคาน้ำมันดิบในตลาดโลกที่เพิ่มขึ้น และถูกส่งผ่านมายังราคาน้ำมันเชื้อเพลิงและต้นทุนการขนส่งภายในประเทศ เพื่อช่วยลดผลกระทบต่อครัวเรือนและสนับสนุนการเปลี่ยนผ่านด้านพลังงาน รัฐบาลไทยได้ดำเนินมาตรการอุดหนุนพลังงานและช่วยเหลือค่าครองชีพ แต่มาตรการทางการคลังเหล่านี้ เมื่อรวมกับภาระการใช้จ่ายเชิงโครงสร้างของภาครัฐ ทำให้การสะสมหนี้สาธารณะเพิ่มขึ้น
• World Bank คาดว่าหนี้สาธารณะของไทยจะเพิ่มขึ้นอย่างมาก และทะลุ 69% ของ GDP ภายในปี 2028
• ความเสี่ยงด้านสภาพภูมิอากาศที่รุนแรง ยังเป็นอีกแรงกดดันสำคัญต่อเศรษฐกิจไทย และในปีนี้ต้องเจอกับปรากฏการณ์เอลนีโญที่มีความรุนแรงผิดปกติ อาจส่งผลกระทบต่อผลผลิตภาคเกษตร และเพิ่มความถี่ของเหตุการณ์สภาพอากาศรุนแรง

เสนอแนวทางเชิงนโยบาย

ตามรายงานของ World Bank ระบุว่า หากไทยต้องการเปลี่ยนแรงส่งจาก AI ที่มาจากภาคส่งออก ให้กลายเป็นการพัฒนาเศรษฐกิจที่กระจายตัวในวงกว้าง จำเป็นต้องเดินหน้าปฏิรูปเชิงนโยบายใน 3 เสาหลักสำคัญ ประกอบไปด้วย

• ใช้ “Small AI” และปรับให้เข้ากับบริบทไทย

แทนที่จะพยายามแข่งขันกับการพัฒนา Frontier Large Language Models ซึ่งต้องใช้เงินลงทุนมหาศาล เส้นทางที่เหมาะสมกว่าสำหรับไทยคือการนำ “Small AI” มาใช้และปรับให้เข้ากับบริบทท้องถิ่น

Small AI ในที่นี้หมายถึงโมเดลที่มีขนาดเล็ก ใช้ทรัพยากรน้อย และออกแบบมาเฉพาะสำหรับแต่ละอุตสาหกรรมหรือแต่ละงาน รวมถึงรองรับภาษาและความต้องการเฉพาะของประเทศ ตัวอย่างเช่น โครงการ ThaiLLM แสดงให้เห็นว่าโมเดลแบบ Open-weight สามารถนำมาปรับให้เข้ากับชุดข้อมูลภาษาไทยได้ โดยใช้ต้นทุนเพียงเศษเสี้ยวเมื่อเทียบกับการพัฒนาโมเดล Frontier ตั้งแต่ต้น

หากนำเครื่องมือเหล่านี้ไปใช้กับอุตสาหกรรมที่มีการจ้างงานสูง เช่น การท่องเที่ยวและภาคเกษตร ก็สามารถช่วยเพิ่มผลิตภาพในอุตสาหกรรมที่มีอุปสรรคในการนำเทคโนโลยีมาใช้ไม่สูงมากได้

• ปฏิรูประบบจัดซื้อจัดจ้างภาครัฐและรัฐบาลดิจิทัล

ไทยกำลังเดินหน้าปฏิรูประบบจัดซื้อจัดจ้างภาครัฐ เพื่อเปิดโอกาสให้สตาร์ตอัพและผู้ให้บริการโซลูชันดิจิทัลที่มีนวัตกรรม สามารถเข้าถึงตลาดภาครัฐได้มากขึ้น

การใช้ความต้องการซื้อจากภาครัฐเป็นเครื่องมือ จะช่วยให้รัฐบาลสามารถกระตุ้นการนำเครื่องมือ AI ที่พัฒนาในประเทศออกมาใช้งานจริงและสร้างตลาดเชิงพาณิชย์ได้ และยังสามารถใช้การลงทุนนั้นยกระดับการให้บริการประชาชน โดยเฉพาะในด้านการบริหารงานของท้องถิ่นและระบบสาธารณสุข

• ยกระดับโครงสร้างพื้นฐานและเดินหน้าการเปลี่ยนผ่านด้านพลังงาน

การเพิ่มความพร้อมและความน่าเชื่อถือของโครงสร้างพื้นฐานดิจิทัลและด้านพลังงาน ถือเป็นเงื่อนไขพื้นฐานสำหรับการนำ AI มาใช้ในระยะยาว เนื่องจากผู้ให้บริการดาต้าเซ็นเตอร์และผู้ผลิตเทคโนโลยีขั้นสูงจำเป็นต้องใช้ไฟฟ้าปริมาณมากอย่างต่อเนื่อง และต้องการระบบไฟฟ้าที่มีความเสถียร รวมถึงโครงข่ายไฟเบอร์ที่เชื่อถือได้ 

ดังนั้น ไทยจำเป็นต้องลดความบิดเบือนของราคาในตลาดพลังงาน ลดระยะเวลาการเชื่อมต่อกับโครงข่ายไฟฟ้า และเร่งการติดตั้งพลังงานหมุนเวียน โดยเฉพาะพลังงานแสงอาทิตย์และพลังงานลม และแนวทางนี้จะช่วยให้ไทยสามารถรองรับการขยายตัวของโครงสร้างพื้นฐานดิจิทัลได้ โดยไม่เพิ่มความเสี่ยงจากการพึ่งพาราคาพลังงานฟอสซิลนำเข้าที่มีความผันผวน

เมื่อมองภาพใหญ่ทั้งหมด จะเห็นว่า AI ไม่ได้เข้ามาแทนที่เศรษฐกิจไทย แต่กำลังทำให้เราเห็นภาพที่ซับซ้อนกว่านั้น ซึ่งไทยกำลังได้ประโยชน์จากกระแส AI บูมผ่านภาคการส่งออก โดยเฉพาะฮาร์ดแวร์ เซิร์ฟเวอร์ คอมพิวเตอร์ และอุปกรณ์เครือข่าย แต่กลับกัน การนำ AI มาใช้ภายในประเทศยังอยู่ในระดับต่ำ

โจทย์สำคัญจึงไม่ใช่เพียงการทำให้ไทยเป็นฐานผลิตฮาร์ดแวร์ AI ของโลก แต่คือการทำให้ AI เพิ่มผลิตภาพของธุรกิจไทย แรงงานไทย และเศรษฐกิจภายในประเทศให้ได้จริง

และเส้นทางที่ World Bank ชี้ให้เห็นนั้น ไทยไม่จำเป็นที่จะต้องแข่งขันเพื่อสร้าง AI โมเดลที่ใหญ่ที่สุด หากแต่เป็นการเลือกใช้เทคโนโลยีที่เหมาะกับบริบทของประเทศ ลงทุนในโครงสร้างพื้นฐาน พัฒนาทักษะมนุษย์ และสร้างระบบนโยบายที่ทำให้ธุรกิจไทยสามารถนำ AI ไปใช้งานได้จริงอย่างกว้างขวางมากขึ้น

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