Tech Trends 2026: ปีแห่งการพิสูจน์ [สไลด์ 49 หน้า]

• บทสรุปภาพรวมแนวโน้มปี 2026 ที่รวบรวมจากแหล่งข้อมูลประมาณ 35 แห่ง เช่น Gartner, Deloitte, a16z เป็นต้น
• โดยภาพรวมมองตรงกันว่า ปี 2026 จะเป็นปีที่ AI ก้าวพ้นจากการเป็น 'เทคโนโลยีน่าทึ่ง' ไปสู่การเป็น 'หน่วยเศรษฐกิจที่ใช้งานได้จริง (Agent)' และ 'ความจริงทางกายภาพ (Physical AI/Robotics)' ขณะเดียวกันองค์กรต่าง ๆ จะต้องเผชิญกับ โจทย์เชิงปฏิบัติด้านต้นทุนโครงสร้างพื้นฐาน ความปลอดภัย และการพิสูจน์ ROI

1. Arm (แนวโน้มเซมิคอนดักเตอร์และโครงสร้างพื้นฐาน)

Arm ให้นิยามปี 2026 ว่าเป็นช่วงเวลาที่คอมพิวติ้งกำลังเปลี่ยนจากคลาวด์แบบรวมศูนย์ไปสู่ปัญญาแบบกระจายตัว และได้เผยการคาดการณ์เทคโนโลยี 20 ประการ

• นวัตกรรมฮาร์ดแวร์: การเปลี่ยนผ่านจากชิปขนาดยักษ์เพียงตัวเดียวไปสู่การออกแบบชิปเล็ต (Chiplet) แบบโมดูลาร์จะเร่งตัวขึ้น และการขยายประสิทธิภาพผ่านเทคโนโลยีซ้อนชั้นแบบ 3D จะกลายเป็นกระแสหลัก ความปลอดภัยจะไม่ใช่ทางเลือกอีกต่อไป แต่เป็นสิ่งจำเป็น (Secure-by-design)
• โครงสร้างพื้นฐาน AI: คลาวด์ เอดจ์ และ Physical AI จะหลอมรวมเป็นระบบที่ทำงานร่วมกัน โดยดาต้าเซ็นเตอร์จะถูกนิยามด้วยซิลิคอนแบบปรับแต่งสำหรับเวิร์กโหลด AI และการออกแบบร่วมกันในระดับระบบ
• Physical AI และหุ่นยนต์: World Models จะกลายเป็นเครื่องมือหลักในการพัฒนาหุ่นยนต์และระบบอัตโนมัติ และ AI จะพัฒนาเป็นเอเจนต์ที่รับรู้ ให้เหตุผล และลงมือทำในโลกกายภาพ
• อุปกรณ์: สมาร์ตโฟนจะมี on-device AI เป็นมาตรฐาน ทำให้สามารถทำงานด้าน AI ได้โดยไม่ต้องพึ่งคลาวด์ และจะเกิด 'AI Personal Fabric' ที่ทำให้เส้นแบ่งระหว่างอุปกรณ์ค่อย ๆ หายไป

2. Gartner (แนวโน้มเทคโนโลยีกลยุทธ์)

Gartner จัด 10 แนวโน้มเทคโนโลยีกลยุทธ์ของปี 2026 ออกเป็น 3 ธีม ได้แก่ การวางรากฐาน การบูรณาการเทคโนโลยี และการสร้างความเชื่อมั่น

• การวางรากฐาน (The Architect): แพลตฟอร์มพัฒนาแบบ AI-native ที่ช่วยให้ทีมเล็ก ๆ สร้างซอฟต์แวร์ได้รวดเร็ว แพลตฟอร์ม AI supercomputing สำหรับฝึกโมเดล และ Confidential Computing ที่ปกป้องข้อมูลระหว่างการใช้งาน จะโดดเด่นขึ้นมา
• การบูรณาการเทคโนโลยี (The Synthesist): ระบบมัลติเอเจนต์ (MAS) ที่เอเจนต์เฉพาะทางทำงานร่วมกัน, โมเดลภาษาที่เฉพาะโดเมนหรืออุตสาหกรรม (DSLMs) และ Physical AI ที่รวมถึงหุ่นยนต์และโดรน จะสร้างมูลค่าใหม่
• การสร้างความเชื่อมั่น (The Vanguard): Cybersecurity เชิงรุกที่สกัดภัยคุกคามล่วงหน้า, การพิสูจน์ Digital Provenance เพื่อตรวจสอบความแท้จริงของคอนเทนต์, แพลตฟอร์มความปลอดภัย AI ที่รวมศูนย์การรักษาความปลอดภัยของแอปพลิเคชัน AI และ Geopatriation เพื่อหลีกเลี่ยงความเสี่ยงทางภูมิรัฐศาสตร์ จะกลายเป็นสิ่งจำเป็น

3. Deloitte (Tech Trends 2026)

Deloitte มองว่า AI กำลังก้าวพ้นช่วงทดลองไปสู่การสร้างผลกระทบที่จับต้องได้ และเสนอ 5 แนวโน้มหลัก

• การหลอมรวมของ AI และหุ่นยนต์: Physical AI จะเปลี่ยนหุ่นยนต์จากเครื่องจักรที่ถูกตั้งโปรแกรมล่วงหน้าไปเป็นระบบที่เรียนรู้และปรับตัวได้ โดยคาดว่าหุ่นยนต์ฮิวแมนนอยด์จะถูกนำมาใช้ถึง 2 ล้านเครื่องภายในปี 2035
• การทบทวนความเป็นจริงของเอเจนต์: สาเหตุของความล้มเหลวในการนำเอเจนต์มาใช้ อยู่ที่การทำเพียงแค่อัตโนมัติให้กระบวนการเดิม หากต้องการความสำเร็จ ต้องออกแบบกระบวนการใหม่ตั้งแต่ฐานราก และบริหารเอเจนต์ในฐานะ 'แรงงานที่ขับเคลื่อนด้วยซิลิคอน'
• การปรับโครงสร้างพื้นฐานใหม่: เพื่อรับมือกับต้นทุน AI inference ที่พุ่งสูง สถาปัตยกรรมไฮบริดที่ผสานคลาวด์ on-premises และ edge จะกลายเป็นมาตรฐาน และดาต้าเซ็นเตอร์เฉพาะทางสำหรับ AI (AI Factories) จะโดดเด่นขึ้นมา
• การสร้างองค์กรใหม่: องค์กรด้านเทคโนโลยีจะถูกปรับเป็นรูปแบบ AI-native และบทบาทของ CIO จะขยายไปเป็นทั้งผู้เผยแพร่แนวคิด AI และผู้ควบคุมการประสานงาน
• ภาวะกลืนไม่เข้าคายไม่ออกด้านความปลอดภัย: AI เป็นทั้งภัยคุกคามและเครื่องมือป้องกัน เพื่อรับมือกับการโจมตีที่เกิดขึ้นด้วย 'ความเร็วระดับเครื่องจักร' จำเป็นต้องมีระบบป้องกันอัตโนมัติที่ขับเคลื่อนด้วย AI

4. a16z (Andreessen Horowitz - แนวโน้มการลงทุนและอุตสาหกรรม)

a16z รวบรวมการคาดการณ์จากพาร์ตเนอร์เพื่อนำเสนอภาพอนาคตแบบรอบด้าน ทั้งโครงสร้างพื้นฐาน แอป ไบโอ เกม และคริปโต

• โครงสร้างพื้นฐานและแอป: การจัดโครงสร้างข้อมูลมัลติโหมดแบบไม่มีโครงสร้างจะเป็นโจทย์หลักขององค์กร และจะมี 'แอปที่ไม่ต้องใช้พรอมป์ต์' ซึ่ง AI จะเข้าใจเจตนาของผู้ใช้ล่วงหน้าและลงมือทำ ชั้นการดำเนินการของเอเจนต์จะสำคัญกว่าระบบบันทึกข้อมูล (System of Record)
• อุตสาหกรรม: พร้อมกับการฟื้นคืนของภาคการผลิตในสหรัฐฯ (American Dynamism) โรงงาน พลังงาน และโลจิสติกส์จะถูกสร้างใหม่ในรูปแบบ AI-native นอกจากนี้ แนวคิด 'Healthy MAUs' จะผลักให้เฮลท์แคร์เปลี่ยนจากการรักษาโรคไปสู่การป้องกันและการติดตาม
• คริปโต (Crypto): ความเป็นส่วนตัวจะกลายเป็นคูเมืองทางการแข่งขันหลักของบล็อกเชน ขณะที่ stablecoin จะอัปเกรดระบบสมุดบัญชีของธนาคารและก้าวสู่กระแสหลักของการชำระเงิน และ KYA (Know Your Agent) จะกลายเป็นขั้นตอนบังคับในภาคการเงิน
• เกมและสื่อ: AI World Models จะกลายเป็นศูนย์กลางของการเล่าเรื่อง สร้างโลกเสมือนที่ผู้ใช้สามารถสำรวจและโต้ตอบได้ด้วยตนเอง

5. Menlo Ventures (แนวโน้ม Generative AI สำหรับองค์กร)

• เหนือกว่าความสามารถด้านการเขียนโค้ด: ในปี 2026 AI จะทำผลงานเหนือมนุษย์ในงานเขียนโปรแกรมทั่วไปในชีวิตประจำวัน
• ความย้อนแย้งของ Jevon (Jevon's Paradox): แม้ต้นทุน inference จะลดลง แต่การใช้งานจะพุ่งสูงจนทำให้ค่าใช้จ่ายรวมด้าน AI ขององค์กรกลับเพิ่มขึ้น
• การอธิบายได้และธรรมาภิบาล: เมื่อเอเจนต์มีความเป็นอิสระมากขึ้น ความสามารถในการอธิบายและกำกับดูแลกระบวนการตัดสินใจจะกลายเป็นกระแสหลัก
• Edge AI: เนื่องจากปัญหาด้านต้นทุนและความเป็นส่วนตัว โมเดลจะย้ายไปรันบนอุปกรณ์ต่าง ๆ (เช่น มือถือ) มากขึ้น

6. SAS (ทบทวนความเป็นจริงของ AI)

• ปีแห่งการทบทวนความเป็นจริง: ปี 2026 จะเป็น 'ปีแห่งความรับผิดชอบ' ที่ต้องพิสูจน์ ROI ที่แท้จริงและความรับผิดชอบด้านจริยธรรม ท่ามกลางความกังวลเรื่องฟองสบู่ AI และความล้มเหลวของโครงการนำร่อง
• วิกฤตของดาต้าเซ็นเตอร์: เมื่อเทียบกับการลงทุนมหาศาลในดาต้าเซ็นเตอร์ รายได้อาจไม่ตามมา จนเกิดคำถามเรื่องความคุ้มค่าทางเศรษฐกิจ
• การเปลี่ยนบทบาทของ CIO: CIO จะเปลี่ยนจากผู้ให้บริการเทคโนโลยีไปเป็น Chief Integration Officer ที่ดูแลการบูรณาการระบบนิเวศของเอเจนต์
• การแข่งขันด้านข้อมูลสังเคราะห์: เพื่อแก้ปัญหาการขาดแคลนข้อมูล ข้อมูลสังเคราะห์จะกลายเป็นอาวุธเชิงกลยุทธ์ในการสร้างความได้เปรียบด้าน AI

7. Christopher S. Penn (Almost Timely News)

• การระเบิดของปัญญา: ตั้งแต่ปี 2025 โมเดล AI ก็ฉลาดกว่าผู้เชี่ยวชาญระดับปริญญาเอกแล้ว และแนวโน้มนี้จะยิ่งเร่งตัวในปี 2026 โมเดลโอเพนซอร์สจะแข่งขันกับโมเดลปิดได้ในระดับใกล้เคียงกัน
• เอเจนต์และเครื่องมือ: ความสามารถของ AI ในการควบคุมเว็บเบราว์เซอร์โดยตรงและใช้เครื่องมือจะพัฒนาอย่างก้าวกระโดด ทำให้เอเจนต์ที่ทำงานจริงได้กลายเป็นเรื่องปกติ
• ผลกระทบต่อการจ้างงาน: ตลาดแรงงานจะเกิดการเปลี่ยนแปลงเชิงโครงสร้าง เช่น การลดลงอย่างมากของการรับพนักงานใหม่ในสายงานที่เปิดรับ AI สูงอย่างการตลาด การขาย และการพัฒนา

8. Neontri: 16 แนวโน้มที่เน้นการเงิน ฟินเทค และอีคอมเมิร์ซ

Neontri มองว่าในปี 2026 AI จะก้าวจากเครื่องมือธรรมดาไปเป็นพาร์ตเนอร์เชิงกลยุทธ์ และนำเสนอการคาดการณ์พร้อมตัวเลขที่ชัดเจน

• การนำไปใช้ในองค์กรและการใช้จ่าย: มากกว่า 80% ขององค์กรขนาดใหญ่จะปรับใช้ AI ครอบคลุมฟังก์ชันหลัก และการใช้จ่ายด้าน AI ทั่วโลกจะทะลุ 2 ล้านล้านดอลลาร์
• ฮาร์ดแวร์และโครงสร้างพื้นฐาน: มากกว่า 50% ของฮาร์ดแวร์องค์กรจะมี AI ฝังในตัว (Embedded) ทำให้การประมวลผลข้อมูลในเครื่องกลายเป็นมาตรฐาน
• ระบบอัตโนมัติอัจฉริยะ: RPA (Robotic Process Automation) แบบอิงกฎอย่างง่ายจะพัฒนาเมื่อผสานกับ AI ไปเป็นระบบอัตโนมัติอัจฉริยะที่เรียนรู้และตัดสินใจได้เอง และ 80% ของงานตรวจสอบภายในจะเปลี่ยนไปใช้ AI
• ข้อมูลสังเคราะห์และหน่วยความจำระยะยาว: 75% ขององค์กรจะฝึก AI ด้วยข้อมูลสังเคราะห์ (Synthetic Data) เพื่อคุ้มครองข้อมูลส่วนบุคคล และ AI จะมี 'Persistent Memory' ที่คงบริบทระยะยาวได้ ไม่ใช่แค่ความจำระยะสั้น
• การเปลี่ยนแปลงของการค้นหา: เมื่อการค้นหาแบบสนทนาเข้ามาแทนที่การค้นหาด้วยคีย์เวิร์ด ปริมาณการค้นหาแบบดั้งเดิมจะลดลง 25%
• Agentic AI: 40% ของแอปองค์กรจะฝังเอเจนต์อัตโนมัติไว้ในตัว ซึ่งจะก้าวพ้นจากการช่วยงานง่าย ๆ ไปสู่การบริหารเวิร์กโฟลว์และการตัดสินใจ
• ตลาดแรงงาน: ค่าจ้างพรีเมียมของผู้มีทักษะด้าน AI จะเพิ่มขึ้นเป็น 2 เท่า และจะมีการสร้างงานใหม่ 170 ล้านตำแหน่ง
• เฉพาะทางตามอุตสาหกรรม:
  • การเงิน: Hyper-personalization จะกลายเป็นมาตรฐาน และ AI chatbot จะจัดการคำถามจากลูกค้าธนาคาร 90%
  • ค้าปลีก: ภายในปี 2026 ผู้ค้าปลีก 75% จะต้องใช้ระบบมัลติเอเจนต์เพื่อเพิ่มประสิทธิภาพสต็อกและราคาแบบเรียลไทม์

9. Ciklum: 5 แนวโน้มที่กำลังนิยามเทคโนโลยีใหม่

Ciklum ให้นิยามปี 2026 ว่าเป็นจุดเปลี่ยนที่ Generative AI ขยับจาก 'การทดลอง' ไปสู่ 'การปฏิบัติจริง'

• การทำให้ Agentic AI ใช้งานได้จริงในปฏิบัติการ: เอเจนต์จะก้าวพ้นระยะต้นแบบ และการทำงานอัตโนมัติที่แก้ไขข้อผิดพลาดเองได้ในงานอย่างบริการลูกค้าและโลจิสติกส์จะกลายเป็นเรื่องปกติ
• ผลิตภัณฑ์ AI-native: โลกจะก้าวพ้นช่วง AI-enabled ที่เพียงเติมฟีเจอร์ AI เข้าในซอฟต์แวร์เดิม ไปสู่ผลิตภัณฑ์ 'AI-native' ที่ใช้โมเดลการให้เหตุผลเป็นเอนจินหลัก และเข้ามาแทนซอฟต์แวร์แบบ legacy
• Hyper-personalization ในฐานะโครงสร้างพื้นฐานที่มองไม่เห็น: การทำ personalization จะไม่ใช่แค่ฟีเจอร์อีกต่อไป แต่เป็น 'โครงสร้างพื้นฐานที่มองไม่เห็น' ที่ตีความพฤติกรรมและบริบทของผู้ใช้แบบเรียลไทม์
• Enterprise Memory: เพื่อแก้ปัญหาที่ AI ลืมบริบท 'หน่วยความจำองค์กร' ที่เชื่อมโยงปฏิสัมพันธ์ในอดีตและความรู้เฉพาะโดเมน จะกลายเป็นปราการทางการแข่งขัน (Moat) ที่สำคัญ
• AI ที่เข้าสู่ผังองค์กร: เอเจนต์ AI จะถูกบรรจุลงในผังองค์กรในฐานะ 'พนักงาน AI (AI Workers)' ที่มีหน้าที่งานและตัวชี้วัดผลงาน (KPI) อย่างเป็นทางการ และทำงานร่วมกับมนุษย์

10. Digicrome: 10 แนวโน้ม AI สำคัญที่กำลังกำหนดอนาคต

Digicrome มองว่าปี 2026 เป็นจุดเปลี่ยนที่ AI กำลังกลายเป็น 'สิ่งจำเป็น (Essential)'

• GenAI 3.0: จากเดิมที่เน้นสร้างคอนเทนต์ สู่ Generative AI เจเนอเรชันที่ 3 ที่สามารถให้ intelligence สำหรับการตัดสินใจ การวางแผน และการปฏิบัติการอัตโนมัติ จนกลายเป็นเครื่องยนต์ขององค์กร
• เฟรมเวิร์ก AI แบบเรียลไทม์: การประมวลผลแบบ batch จะถูกแทนที่ด้วยโครงสร้างพื้นฐาน intelligence แบบเรียลไทม์ที่กลายเป็นแกนสันหลังดิจิทัล
• การครองโลกของ UI เสียงและภาพ: วิธีป้อนข้อมูลจะเปลี่ยนจากการพิมพ์ไปเป็นการ 'พูดและแสดงให้ดู' โดยเสียงและวิสัยทัศน์ของ AI จะเข้ามาครองประสบการณ์ผู้ใช้ (UX)
• Cyber Intelligence: ระบบป้องกันจะเปลี่ยนเป็น 'ระบบนิเวศเชิงป้องกันล่วงหน้า' ที่ขับเคลื่อนด้วย AI ซึ่งสามารถตรวจจับและบรรเทาภัยคุกคามได้เอง
• Digital Twin และ AI ส่วนบุคคล: AI ส่วนบุคคลระดับ 'Digital Twin' ที่ดูแลตารางเวลา การเรียนรู้ และสุขภาพของแต่ละคน จะกลายเป็นเรื่องแพร่หลาย
• ความคิดสร้างสรรค์แบบอัตโนมัติ: ในอุตสาหกรรมสื่อ AI จะไม่ใช่เพียงเครื่องมือ แต่จะเป็น 'ผู้ร่วมสร้าง (Co-Creator)' ที่มีส่วนลึกในงานอย่างการสร้างภาพยนตร์และแต่งเพลง

11. USAII (สถาบันปัญญาประดิษฐ์แห่งสหรัฐฯ): 10 แนวโน้มที่ควรจับตา

USAII คาดว่า AI ในปี 2026 จะพัฒนาโดยมีแกนหลักอยู่ที่ความเป็นอิสระและการบูรณาการ

• วิวัฒนาการของ Prompt Engineering: เมื่อโมเดล AI ซับซ้อนขึ้น Prompt Engineering จะกลายเป็นบทบาทสำคัญที่เชื่อมโลกธุรกิจกับเทคโนโลยี
• Physical AI: AI จะผสานกับหุ่นยนต์ IoT และโครงสร้างพื้นฐานอัจฉริยะ เพื่อทำงานทางกายภาพในหน้างานการผลิต โลจิสติกส์ และเฮลท์แคร์
• ระยะเริ่มต้นของ AGI (ปัญญาประดิษฐ์ทั่วไป): ระบบ AGI ที่เรียนรู้และให้เหตุผลได้ในหลายโดเมน ไม่จำกัดเฉพาะงานใดงานหนึ่ง จะเริ่มถูกนำมาใช้ในกระบวนการข้ามฟังก์ชันขององค์กร
• Sovereign AI: ความต้องการ Sovereign AI จะพุ่งขึ้นอย่างมาก เพื่อให้ประเทศหรือองค์กรสามารถควบคุมโครงสร้างพื้นฐานและโมเดลของตนเองได้เพื่อเรื่องอธิปไตยด้านข้อมูลและความปลอดภัย
• Invisible AI: AI จะซึมเข้าสู่ชีวิตประจำวันอย่างเป็นธรรมชาติจนผู้ใช้แทบไม่รู้สึกถึงการมีอยู่ของเทคโนโลยี เช่น ในสมาร์ตโฮมหรือผู้ช่วยเสียง

12. Muteki Group: จากกระแสเกินจริงสู่พาร์ตเนอร์ชิป

Muteki Group มองว่าปี 2026 ไม่ใช่ปีของ 'กระแสเกินจริง (Hype)' แต่เป็นปีของ 'คุณค่า (Value)' และ 'การมุ่งเน้นที่โครงสร้างพื้นฐาน'

• จากเครื่องมือสู่พาร์ตเนอร์: AI จะไม่ใช่เพียงเครื่องมือ แต่จะกลายเป็น 'พาร์ตเนอร์' ที่ช่วยนิยามปัญหาและค้นหาวิธีแก้ร่วมกัน
• ความจริงของคอมพิวติ้งและการมุ่งเน้นที่โครงสร้างพื้นฐาน: ต่างจากกระแส Edge AI ปี 2026 กำลังการผลิตของโครงสร้างพื้นฐาน AI ถึง 2 ใน 3 จะกระจุกตัวอยู่ในดาต้าเซ็นเตอร์และเซิร์ฟเวอร์องค์กร
• Confidential Computing: ในฐานะรากฐานของเศรษฐกิจเอเจนต์ เทคโนโลยีความปลอดภัยที่ประมวลผลข้อมูลได้ในสถานะเข้ารหัสจะกลายเป็นสิ่งจำเป็น
• AI ในวงการวิทยาศาสตร์: แนวทาง 'MVP' จะถูกนำมาใช้เพื่อให้ AI ตั้งสมมติฐาน จำลองสถานการณ์ และบริหารการทดลอง ซึ่งจะเร่งความเร็วของการค้นพบทางวิทยาศาสตร์อย่างก้าวกระโดด
• การทำมาตรฐาน AI IQ: จะมีการนำตัวชี้วัดมาตรฐาน เช่น 'MIQ (Machine Intelligence Quotient)' มาใช้เพื่อประเมินความสามารถในการให้เหตุผล ความแม่นยำ และประสิทธิภาพของ AI แบบองค์รวม

13. Daffodil Software: คู่มือสำหรับผู้นำธุรกิจ

• Autonomous AI: AI จะก้าวพ้นจากการเพียงทำนายหรือสร้างเนื้อหา ไปสู่การเป็นเจ้าของและดำเนินเวิร์กโฟลว์ทั้งระบบ
• การทำให้ RAG เป็นมาตรฐานในองค์กร: Retrieval-Augmented Generation (RAG) จะกลายเป็นค่าตั้งต้นของ AI สำหรับองค์กร เพื่อแก้ปัญหา hallucination
• GEO (Generative Engine Optimization): เมื่อ SEO เสื่อมความสำคัญลง 'Generative Engine Optimization (GEO)' ที่ทำให้แบรนด์ถูกอ้างถึงในคำตอบของโมเดล AI จะกลายเป็นสมรภูมิการตลาดใหม่
• อาชีพ AI รูปแบบใหม่: บทบาทใหม่ที่เกี่ยวข้องกับ AI เช่น นักจริยธรรม AI, AI trainer และผู้ตรวจสอบโมเดล จะกลายเป็นสิ่งจำเป็น ไม่ใช่แค่ตำแหน่งสายเทคนิค

14. EY (Ernst & Young): 10 โอกาสทางเทคโนโลยี

• M&A และบริษัทร่วมทุน: เพื่อให้ทันความเร็วของนวัตกรรม AI องค์กรจะให้ความสำคัญสูงสุดกับ M&A และพันธมิตรเชิงกลยุทธ์
• การตั้งราคาตามผลลัพธ์ (Outcome-based Pricing): เมื่อ AI ทำงานอัตโนมัติมากขึ้น รูปแบบการตั้งราคาซอฟต์แวร์จะเปลี่ยนจากอิง 'ปริมาณการใช้งาน' ไปเป็นอิง 'ผลลัพธ์จริง'
• AI FinOps: ฝ่ายการเงินจะกลายเป็นเครื่องยนต์ในการพิสูจน์ ROI ของการนำ AI มาใช้ และการบริหารต้นทุน AI (FinOps) จะถูกทำให้เป็นระบบ

15. BlackRock (แบล็กร็อก): มุมมองการลงทุนระดับโลก

• ข้อจำกัดทางกายภาพและพลังงาน: เมื่อความต้องการไฟฟ้าของดาต้าเซ็นเตอร์ AI พุ่งสูงขึ้น แหล่งพลังงานและที่ดินจะกลายเป็นทั้งคอขวดสำคัญของการขยาย AI และโอกาสการลงทุน
• ภาพลวงตาของการกระจายความเสี่ยง: เมื่อเมกะเทรนด์ AI ครอบงำตลาด การลงทุนแบบกระจายไปหลายสินทรัพย์อย่างเดียวจะได้ผลลดลง และต้องใช้กลยุทธ์การลงทุนเชิงรุก (Active) มากขึ้น

คำอธิบายข้างต้นเป็นการคัดลอกมาจาก เนื้อหาที่คุณ Jeon Jong-hong แชร์ไว้บน Facebook