ธนาคารแห่งประเทศไทยชี้ว่า AI boom ไม่ได้เป็นเพียงเรื่องเทคโนโลยี เมื่อเงินลงทุน โครงสร้างพื้นฐาน และการตัดสินใจของภาคการเงินเริ่มพึ่งพากันเป็นวงจร ความเสี่ยงจึงอาจส่งต่อข้ามภาคส่วนได้เร็วขึ้นกว่าที่เห็นจากบริษัทใดบริษัทหนึ่ง
บทความ “ความเสี่ยงงูกินหาง : เศรษฐกิจ X การเงิน X AI” ของ ดร.นครินทร์ อมเรศ เผยแพร่โดยธนาคารแห่งประเทศไทยเมื่อ 24 กรกฎาคม 2569 เสนอกรอบคิด 3 ช่องทางเพื่ออ่านความเสี่ยงนี้: เงินทุนที่หล่อเลี้ยงโครงการ AI, การกระจุกตัวของโครงสร้างพื้นฐาน AI และการนำ AI เข้าไปช่วยตัดสินใจในธุรกิจการเงิน
ตัวเลขลงทุน AI ที่ ธปท. ยกมา
เอกสารระบุว่าเม็ดเงินลงทุนโครงสร้างพื้นฐาน AI ของบริษัทเทคโนโลยีรายใหญ่ 5 แห่งในสหรัฐฯ เพิ่มจากราว 155 พันล้านดอลลาร์สหรัฐในปี 2022 เป็นประมาณ 755 พันล้านดอลลาร์ในปี 2026 หรือจาก 0.6% เป็น 2.4% ของ GDP สหรัฐฯ ตัวเลขนี้ไม่ใช่คำตัดสินว่าการลงทุนจะล้มเหลว แต่สะท้อนว่าผลิตภาพและรายได้ที่จะรองรับเงินลงทุนก้อนใหญ่เป็นโจทย์ที่ตลาดต้องติดตาม
| ประเด็น | ข้อมูลที่บทความ ธปท. อ้างถึง |
|---|---|
| ลงทุนโครงสร้างพื้นฐาน AI ของบริษัทเทคฯ ใหญ่ 5 แห่งสหรัฐฯ | ราว 155 พันล้านดอลลาร์ในปี 2022 → ประมาณ 755 พันล้านดอลลาร์ในปี 2026 |
| สัดส่วนต่อ GDP สหรัฐฯ | 0.6% → 2.4% |
| ผลต่อ TFP ใน 10 ปีตามงานศึกษาที่อ้าง | 0.53–0.66% |
| ผลต่อ GDP สหรัฐฯ ต่อปีเมื่อรวมการสะสมทุน | ราว 0.09–0.12% |
3 วงจรที่ทำให้ความเสี่ยง AI ต่อระบบการเงินไม่ใช่เรื่องไกลตัว
1) เงินทุนและผลตอบแทนผูกกัน
โครงการ AI ต้องใช้เงินลงทุนต่อเนื่อง ขณะที่ผู้ให้ทุนคาดหวังผลตอบแทนจากโครงการเดียวกัน บทความยกงานของ BIS ที่มองการแข่งขันลงทุน AI เป็นการแย่งตำแหน่งผู้นำตลาด โดยประเมินว่าการลงทุนอาจสูงกว่าระดับที่เหมาะสมต่อสังคม 1.5 เท่า และอาจถึง 3 เท่าในกรณีที่อุปสงค์บริการ AI ยืดหยุ่นน้อย ประเด็นสำคัญคือการแยกให้ออกระหว่างรายได้ใหม่ของเศรษฐกิจกับส่วนแบ่งที่ย้ายจากคู่แข่ง
2) โครงสร้างพื้นฐาน AI กระจุกตัว
ภาคการเงินเป็นผู้ใช้ AI รายสำคัญ แต่บริการโครงสร้างพื้นฐานและโมเดลพื้นฐานกระจุกอยู่กับผู้เล่นไม่กี่ราย เอกสารอ้างข้อมูลว่า สหรัฐฯ และจีนมีบริษัทรวมกันราว 75% ของบริษัท AI ในกลุ่มมูลค่าตั้งแต่ 500 ล้านดอลลาร์ขึ้นไป และสถาบันการเงินราว 80% พึ่งพาโครงสร้างพื้นฐาน AI จากผู้ให้บริการรายใหญ่ไม่กี่ราย จึงเป็นโจทย์เรื่องความต่อเนื่องของบริการและแผนสำรอง ไม่ใช่แค่เรื่องเลือกเครื่องมือให้เก่ง
3) AI เข้าใกล้การตัดสินใจสินเชื่อ
เมื่อ AI เข้าไปช่วยประเมินความเสี่ยงและพิจารณาสินเชื่อ ผลกระทบอาจไม่ได้จบที่ประสิทธิภาพของสถาบันการเงินรายเดียว งานวิจัยที่เอกสารอ้างถึงจากข้อมูลธนาคารอิตาลีในช่วงโควิด-19 พบว่า ธนาคารที่ไม่ได้ใช้ AI เพิ่มสินเชื่อราว 1.36% และลดดอกเบี้ยราว 9 basis points ขณะที่กลุ่มใช้ AI แทบไม่เปลี่ยนพฤติกรรมจากภาวะปกติ บทเรียนจึงอยู่ที่การกำกับดูแลมนุษย์และการทดสอบโมเดลในภาวะเครียด
มุมไทย: ใช้ AI มากขึ้น ต้องเห็นจุดพึ่งพาให้ชัด
บทความระบุว่าไทยไม่มีบริษัทผู้ผลิต AI ในเกณฑ์มูลค่าที่งานศึกษากำหนด และให้ภาพว่าเศรษฐกิจไทยอยู่ในฐานะผู้ใช้บริการเป็นหลัก สำหรับผู้ประกอบการและผู้ใช้บริการการเงิน สิ่งที่นำไปใช้ได้ทันทีคือรู้ว่ากระบวนการใดพึ่งผู้ให้บริการรายใด มีทางเลือกหรือแผนทำงานต่อเมื่อบริการสะดุดหรือไม่ และงานใดควรมีมนุษย์รับผิดชอบผลการตัดสินใจเสมอ
ประเด็นนี้ต่อยอดจากการที่ภาคการเงินไทยกำลังใช้เทคโนโลยีเพื่อความปลอดภัยและการเข้าถึงบริการ ซึ่งอ่านเพิ่มเติมได้จาก แนวทาง Safe and Inclusive Digital Finance ของ ธปท.–WEF
คำถามที่พบบ่อย
“ความเสี่ยงงูกินหาง” ในบทความนี้หมายถึงอะไร
หมายถึงการพึ่งพาแบบวนกลับ: การเงินให้ทุนแก่ AI, การเงินใช้บริการ AI และ AI ต้องอาศัยข้อมูลหรือกระบวนการของภาคการเงินเพื่อพิสูจน์คุณค่า หากจุดหนึ่งสะดุด ผลกระทบอาจวิ่งผ่านอีกจุดได้
ธปท. ประกาศว่า AI เป็นวิกฤตหรือไม่
ไม่ใช่ เอกสารเป็นบทความเชิงวิเคราะห์และระบุว่าเป็นข้อคิดเห็นส่วนบุคคลของผู้เขียน ไม่ใช่ประกาศนโยบายหรือคำเตือนเหตุวิกฤตจาก ธปท.
ตัวเลข 755 พันล้านดอลลาร์เป็นการคาดการณ์ของใคร
เป็นประมาณการที่บทความ ธปท. นำมาอ้างอิงจากงานวิจัยต้นทางเกี่ยวกับการเปลี่ยนผ่านสู่ AI ไม่ใช่ตัวเลขคาดการณ์ของ FlowRiseNews
คนใช้บริการการเงินควรดูอะไร
ควรแยกข้อเท็จจริงจากความสามารถของเครื่องมือ และรู้ช่องทางติดต่อหรือทางเลือกสำรองเมื่อบริการดิจิทัลขัดข้อง ส่วนการอนุมัติสินเชื่อหรือธุรกรรมสำคัญควรมีความรับผิดชอบที่ตรวจสอบได้
อ่านต้นฉบับได้ที่ไหน
อ่าน หน้าเผยแพร่ของธนาคารแห่งประเทศไทย หรือเปิด สำเนาเอกสารที่เก็บใน FlowRiseNews ได้
