
19 พฤศจิกายน 2568 World Economic Forum เผยแพร่ Report อันใหม่ ชื่อว่า AI in Strategic Foresight Reshaping Anticipatory Governance Report นี้ทาง World Economic Forum ทำร่วมกัน OECD เพื่อศึกษาว่า ตอนนี้คนทำงานมองอนาคต/วางแผนระยะยาว (foresight) ใช้ AI กันแค่ไหน ใช้ทำอะไร แล้วติดอะไรอยู่บ้าง และพูดถึงการเปลี่ยนผ่านเชิงกลยุทธ์
โดยการสำรวจผู้เชี่ยวชาญด้าน foresight 167 คน จาก 55 ประเทศ (มาจากเครือข่ายของ WEF, OECD และ Dubai Future Foundation) แล้วสรุปออกมาเป็นแนวโน้ม + ข้อเสนอแนะในการใช้งานแบบรับผิดชอบ
สนามนี้กำลังเปลี่ยน
- สิ่งสำคัญของเรื่องนี้ มี 3 เรื่อง
- AI กำลังย้ายจาก ลองเล่น ไปสู่ ใช้งานจริง และงาน foresight ก็โดนด้วย
- AI เริ่มช่วย ตั้งแต่ส่องสัญญาณการเปลี่ยนแปลง จนถึงช่วยคิดฉากอนาคต
- ภาพรวมตอนนี้คือ
- คนส่วนใหญ่ใช้ AI เพื่อช่วยงานค้น/สรุป/วิเคราะห์
- แต่มีกลุ่มเล็ก ๆ ที่เริ่มใช้ AI เป็นเหมือนคู่คิดในการออกแบบฉากอนาคตหรือทำแผนที่ความสัมพันธ์ของปัจจัยต่าง ๆ
- กำแพงสำคัญที่ทำให้ไปต่อยาก คือ
- ทักษะไม่เท่ากัน, ความน่าเชื่อถือ/ความโปร่งใส, และกติกาการใช้ ถ้าแก้ไม่ได้ AI อาจช่วยให้เร็วขึ้นก็จริง แต่ทำให้หลุดทิศได้เหมือนกัน
- องค์กรที่ชนะ ในเรื่องนี้ ไม่ใช่คนที่มีเครื่องมือเยอะสุด แต่คือ คนที่ทำให้ทีม ใช้ AI ได้อย่างมั่นใจ + ตรวจสอบได้ + มีกรอบใช้งานชัดก่อน
ผู้บริหารได้ประโยชน์จริง แต่คนยังกังวลหนัก
- ผู้บริหารบอกชัดมากว่า คนในวงการใช้ AI กันเยอะแล้ว และใช้กับงานหลัก ๆ ของ foresight ได้จริง เช่น
- วิเคราะห์เทรนด์
- ทำฉากอนาคต
- หาประเด็นใหม่ ๆ ที่กำลังโผล่ขึ้นมา
- แต่ความเห็นแตกเป็น 2 ฝั่ง เรื่อง คุ้มไหม/เข้าถึงได้ไหม/ไว้ใจได้แค่ไหน โดยความกังวลที่ถูกพูดถึงชัด ๆ คือ
- AI สร้างข้อความที่มั่วได้ (Hallucinations)
- ไม่โปร่งใส ตรวจที่มา/เหตุผลยาก
- มีอคติ (bias)
- AI มักยึดกับ ความรู้เดิม ไม่เก่งเรื่อง มองของที่ยังไม่เกิด
- อีกประเด็น คือ ช่องว่างระหว่างภาครัฐ vs เอกชน:
- เอกชนมั่นใจกว่า ส่วนภาครัฐติดเรื่องข้อมูล/ความลับ/กติกาการใช้ ทำให้ใช้ได้ไม่เต็มที่
ทำไมเรื่องนี้สำคัญกับการตัดสินใจของประเทศ/องค์กร
– การฝึกมองอนาคตหลายแบบ แล้วช่วยตัดสินใจวันนี้ให้รอดในโลกที่ไม่แน่นอน งานนี้ต้องกล้าท้าทายความคิดเดิม ๆ ระวังอคติของตัวเอง และต้องมีจินตนาการกับความคิดสร้างสรรค์ด้วย
โอกาส: ทำให้การมองอนาคตเข้าถึงง่ายขึ้น (คน/หน่วยงานเล็ก ๆ ก็ทำได้ เพราะมี AI ช่วยแรง)
ความเสี่ยง: ถ้าใช้ผิด อาจทำให้กระบวนการคิด โดนแทนด้วยระบบอัตโนมัติเร็วเกินไป และอคติถูกขยาย
ภาครัฐมีโอกาสเอา AI ไปใช้ในวงจรการออกนโยบายได้ (มีข้อมูลเรียลไทม์ มี feedback) แต่ต้องมี เสา 3 ต้น ให้การใช้ AI น่าเชื่อถือ:
- ตัวช่วย/โครงสร้างสนับสนุน
- รั้วกันเสี่ยง
- การมีส่วนร่วมของคนที่เกี่ยวข้อง
AI skills and capacity ช่องว่างใหญ่ คือ รัฐ vs เอกชน
- ทักษะ AI ไม่เท่ากัน และทำให้โอกาสใช้ AI ในงาน foresight ไม่เท่ากันด้วย สิ่งที่ผลสำรวจเจอ
- ภาครัฐ: มีแค่ 53% ที่บอกว่าตัวเองมีทักษะพอใช้ AI กับงานนี้
- เอกชน: สูงถึง 93%
- ภาคประชาสังคม 57%
- สายวิชาการ 59%
- เครื่องมือที่คนใช้จริง
- คนส่วนใหญ่ใช้เครื่องมือสำเร็จรูป (off-the-shelf) 51%
- ใช้แบบทำเองเฉพาะทาง 12%
- ใช้แบบผสม 32%
อีกข้อเท็จจริงที่สะท้อนความเป็นจริงหน้างาน คือ คนส่วนใหญ่ไม่ได้ใช้เครื่องมือเดียว หลายคนใช้ 2+ บางคนใช้เยอะมาก (ถึงระดับ “หลายสิบ”)
คนเอา AI ไปใช้ทำอะไร งานยอดนิยมคือ
- วิเคราะห์เทรนด์/จัดกลุ่มข้อมูล 69%
- ทำฉากอนาคต 63%
- ส่องสัญญาณ/ประเด็นใหม่ ๆ 60%
AI Integration into Strategic Foresight มี 3 ระดับความโต
Level 1: ใช้ AI ช่วยช่วงรีเสิร์ช/สรุป/จัดระเบียบ เป็นกลุ่มใหญ่สุด
– AI เหมือนผู้ช่วยที่ไปกวาดข้อมูลมาให้ + สรุปให้ แต่คนยังต้องตีความเอง
เอกสารประเมินว่าช่วยให้เร็วขึ้นราว 10–15% แต่ต้องตรวจละเอียด
Insight: ระดับนี้เหมาะเริ่มต้น แต่ถ้าติดอยู่แค่นี้นาน ๆ คุณจะได้ Speed แต่ไม่ได้ คุณภาพการมองอนาคต เพิ่มเท่าไหร่
Level 2: ใช้ AI เป็นคู่คิด/ช่วยท้าทายไอเดีย
– เริ่มเอา AI มาช่วย
1. สรุปสัญญาณให้เป็นระบบ
2. เสนอกรอบรายงาน
3. ช่วยเสนอฉากอนาคตจากข้อมูลที่ใส่เข้าไป
4. เทียบกับข้อมูลข้อเท็จจริงอื่น ๆ
ผล คือ ทำงานได้มากขึ้น/ไวขึ้น/ขยายงานได้กว้างขึ้น
Insight: ระดับนี้ คือ จุดที่ AI เริ่มเพิ่มมุมมอง ให้ทีมได้ ไม่ใช่แค่ช่วยพิมพ์งาน
Level 3: เอา AI ฝังเข้าไปทั้งกระบวนการ (ยังมีน้อยมาก)
– ระดับนี้ หายาก เพราะต้องลงทุนและปรับกระบวนการจริงจัง AI เข้าไปช่วยหลายช่วง เช่น
1. เก็บเอกสารอัตโนมัติ
2. หา/คัดสัญญาณอัตโนมัติ
3. วิเคราะห์เพื่อป้อนการทำฉากอนาคต
4. ทำการทดสอบ/จำลอง/ทำภาพสื่อสาร
Benefits and challenges ได้ของดี แต่ก็พกความเสี่ยงมาเต็มกระเป๋า
- มุมมองเรื่อง AI มีประโยชน์แค่ไหน ต่างกันตามประสบการณ์ใช้งาน
คนที่เคยใช้จริง มักให้คะแนนประโยชน์สูงกว่า ประโยชน์มี 6 กลุ่ม:
- ประหยัดเวลา/เร่งงาน (39%) ลดงานซ้ำ งานหนัก ทำให้งานออกไวขึ้น
- จัดการข้อมูลก้อนใหญ่ (17%) หาแพทเทิร์น/เทรนด์ที่คนทำมือจะช้า
- ช่วยคิดไอเดีย (12%) ช่วยร่าง/แตกมุม/แก้ตัน
- ช่วยทำฉากอนาคต (10%) สร้างหลายฉากได้เร็วขึ้น
- เพิ่มคุณภาพและความครอบคลุม (7%) งานดูเป็นระบบขึ้น ครอบคลุมขึ้น
- ช่วยมือใหม่/คนไม่ถนัด (4%) ทำให้คนเข้ามามีส่วนร่วมได้ง่ายขึ้น
จุดเจ็บไม่ได้อยู่ที่ ใช้ไม่เป็น อย่างเดียว
– อุปสรรคใหญ่ ๆ มักวนอยู่ 3 แกน
1. กติกา/จริยธรรม/การกำกับ (กลัวพลาดแล้วกระทบใหญ่)
2. ทักษะและความรู้เทคนิค (โดยเฉพาะคนที่ยังไม่ค่อยได้ใช้)
3. ทำยังไงให้ผลลัพธ์ของ AI เข้ากับงานที่ต้องมีมนุษย์เป็นแกน
นอกจากนี้ยังมีปัญหาที่โดนพูดถึงบ่อยมาก ได้แก่
1. ผลลัพธ์ไม่นิ่ง/มีโอกาสมั่ว (hallucinations)
2. ไม่ค่อยบอกที่มา/ตรรกะ (ทำให้ต้องเสียเวลา “ตรวจ” เยอะ)
3. อคติด้านภาษา/วัฒนธรรม (ข้อมูลอังกฤษ/ตะวันตก/อดีตเยอะ)
4. AI ไม่ถนัดเรื่อง สัญญาณที่ยังไม่เคยมีมาก่อน หรือเหตุการณ์พลิกเกมที่โอกาสต่ำ แต่กระทบสูง
กลัว AI ทำพัง…แต่ส่วนใหญ่บอกขึ้นอยู่กับวิธีใช้
- ในอีก 5 ปี AI จะเสี่ยงทำให้งาน foresight พังไหม
- ผลสำรวจส่วนใหญ่ตอบว่า ขึ้นอยู่กับบริบทและวิธีออกแบบ/กำกับ/เอาไปใช้ (65%) แต่ก็มีคนที่มองว่าความเสี่ยง ระดับกลาง 19% และ เสี่ยงสูงมาก 6%
นอกจากนี้ใน Report ยังเตือนความเสี่ยงแบบย้อนแย้งที่น่าสนใจมาก:
- AI อาจทำให้ foresight เข้าถึงง่ายขึ้น มีคนใช้มากขึ้น แต่ถ้าคุณภาพออกมาแย่ (มั่ว/ตื้น/มีอคติ) คนจะไม่เชื่อถือ แล้วความพยายามฝัง foresight เข้าไปในงานตัดสินใจจะพังกลับไป
ข้อสรุป:
AI เป็นตัวเร่งให้ทีมทำงานไวขึ้นก็จริง แต่มีความเสี่ยง เรื่อง ขาดทักษะ Soft Skills หรือพึ่งมากไป และเขาย้ำว่า AI มักเก่งเรื่อง เอาความรู้ที่มีอยู่แล้วมาปะติดปะต่อ แต่ไม่ถนัดเรื่อง มองสิ่งที่ยังไม่เกิด หรือสัญญาณเบา ๆ ที่คนต้องอาศัยประสบการณ์และสัญชาตญาณทางอาชีพช่วยจับ
ทางรอด คือ ลงทุนทั้งคนและเครื่องมือ + มีกรอบกำกับให้เชื่อถือได้ + สร้างวัฒนธรรมลองผิดลองถูกอย่างมีระบบ




