สำนักข่าวหุ้นอินไซด์ (27 ตุลาคม 2568 )-----การ์ทเนอร์ อิงค์ บริษัทวิจัยข้อมูลเชิงลึกด้านธุรกิจและเทคโนโลยี ประกาศ 10 อันดับเทรนด์เทคโนโลยีเชิงกลยุทธ์ในปี 2569 ที่องค์กรธุรกิจควรศึกษาและเฝ้าจับตา

 

Gene Alvarez, รองประธานนักวิเคราะห์การ์ทเนอร์ กล่าวว่า "ในปี 2569 จะเป็นปีที่สำคัญต่อผู้นำด้านเทคโนโลยีที่ต้องเผชิญกับการหยุดชะงัก นวัตกรรม ไปจนถึงความเสี่ยงที่ขยายตัวรวดเร็วอย่างที่ไม่เคยพบมาก่อน เทรนด์เทคโนโลยีเชิงกลยุทธ์ในปีหน้าจะเชื่อมโยงกับปัจจัยเหล่านี้อย่างใกล้ชิด และสะท้อนความเป็นไปของโลกที่ขับเคลื่อนด้วย AI และเชื่อมต่อกันสูงตลอดเวลา ซึ่งองค์กรธุรกิจต้องขับเคลื่อนนวัตกรรมอย่างมีความรับผิดชอบ ดำเนินงานด้วยความเป็นเลิศ และสร้างความไว้วางใจทางดิจิทัลไปพร้อมกัน"

 

Tori Paulman, รองประธานนักวิเคราะห์การ์ทเนอร์อีกท่าน กล่าวว่า "แนวโน้มต่าง ๆ เหล่านี้แสดงให้เราเห็นมากไปกว่าการเปลี่ยนผ่านทางเทคโนโลยี แต่ยังเป็นตัวเร่งการเปลี่ยนแปลงทางธุรกิจ โดยสิ่งที่แตกต่างออกไปในปีนี้คือความเร็ว ในระยะเวลาหนึ่งปีเราเห็นนวัตกรรมเกิดขึ้นมากกว่าที่เคยเป็น เนื่องจากคลื่นนวัตกรรมลูกใหม่ไม่ได้อยู่ไกลออกไปเป็นปี ๆ อีกแล้ว ดังนั้นองค์กรที่ลงมือตั้งแต่ตอนนี้นอกจากจะไม่เพียงแค่สามารถรับมือกับความผันผวนได้ แต่ยังเป็นผู้กำหนดทิศทางอุตสาหกรรมของตนในทศวรรษต่อไป"

 

เทรนด์เทคโนโลยีเชิงกลยุทธ์ที่สำคัญในปี 2569 ประกอบด้วย

 

AI Supercomputing Platforms 

AI Supercomputing Platforms รวมเอา CPUs, GPUs, ชิปประมวลผลเฉพาะแอปพลิเคชัน หรือ AI ASICs, การประมวลผลแบบนิวโรมอร์ฟิก (Neuromorphic) ที่เป็นการจำลองการประมวลผลในรูปแบบเดียวกับสมองมนุษย์ รวมถึงรูปแบบการประมวลผลทางเลือกอื่น ๆ เข้าไว้ด้วยกัน ช่วยให้องค์กรสามารถจัดการงานที่ซับซ้อนพร้อมปลดล็อกประสิทธิภาพ เพิ่มประสิทธิผล และการพัฒนานวัตกรรมไปสู่อีกระดับ โดยระบบเหล่านี้มีทั้งจากโปรเซสเซอร์ที่ทรงพลัง หน่วยความจำขนาดใหญ่ ฮาร์ดแวร์เฉพาะทาง และซอฟต์แวร์ที่ทำงานร่วมกัน (Orchestration Software) ที่ทำหน้าที่จัดการและประสานงานระบบแอปพลิเคชัน, บริการ, หรือเวิร์กโฟลว์ที่ซับซ้อนให้ทำงานร่วมกันโดยอัตโนมัติ เพื่อจัดการกับงานที่ต้องใช้ข้อมูลอย่างเข้มข้นในด้านต่าง ๆ อาทิ Machine Learning, Simulation และ Analytics

 

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2571 มากกว่า 40% ขององค์กรชั้นนำจะนำสถาปัตยกรรม Hybrid Computing Paradigm มาใช้ในเวิร์กโฟลว์ธุรกิจที่มีความสำคัญ เพิ่มขึ้นจาก 8% ในปัจจุบัน

 

"ความสามารถนี้กำลังขับเคลื่อนนวัตกรรมในภาคอุตสาหกรรมที่หลากหลาย ตัวอย่างเช่น บริษัทด้านการดูแลสุขภาพและเทคโนโลยีชีวภาพ (Biotech) ที่สามารถคิดค้นยาตัวใหม่ โดยใช้เวลาไม่กี่สัปดาห์แทนที่เดิมต้องใช้เวลาหลายปี หรือในภาคบริการทางการเงิน องค์กรต่าง ๆ กำลังจำลองตลาดโลกเพื่อลดความเสี่ยงของพอร์ตโฟลิโอ ขณะที่ผู้ให้บริการสาธารณูปโภคกำลังจำลองสภาพอากาศที่มีความรุนแรง เพื่อเพิ่มประสิทธิภาพระบบส่งกำลังไฟฟ้า" Paulman กล่าว

 

Multiagent Systems

Multiagent Systems (หรือ MAS) คือชุด AI Agent ที่โต้ตอบกันเพื่อให้บรรลุเป้าหมายที่ซับซ้อนทั้งแบบเฉพาะตัวหรือร่วมกัน Agent อาจถูกส่งมอบในสภาพแวดล้อมเชิงเดี่ยวหรือพัฒนาและปรับใช้แยกกันในสภาพแวดล้อมแบบกระจาย

 

"การนำระบบ Multiagent มาใช้ช่วยให้องค์กรมีวิธีการที่ใช้งานได้จริงในการทำให้กระบวนการทางธุรกิจที่ซับซ้อนเป็นอัตโนมัติ ยกระดับทักษะทีม และสร้างวิธีการใหม่ ๆ ให้ผู้คนและ AI Agent ทำงานร่วมกันได้ Agent แบบโมดูลาร์และเฉพาะทางสามารถเพิ่มประสิทธิภาพ เร่งการส่งมอบ และลดความเสี่ยงโดยการนำโซลูชันที่ได้รับการพิสูจน์แล้วมาใช้ซ้ำในเวิร์กโฟลว์ต่าง ๆ แนวทางนี้ยังทำให้ง่ายต่อการขยายการดำเนินงานและนำไปปรับใช้ได้รวดเร็วตามความต้องการที่เปลี่ยนแปลง"

 

Domain-Specific Language Models (DSLMs)

CIO และ CEO กำลังเรียกร้องคุณค่าทางธุรกิจมากขึ้นจาก AI แต่โดยส่วนใหญ่แล้ว Large Language Model (LLM) มักไม่ตอบโจทย์กับงานเฉพาะทาง โมเดลภาษาเฉพาะโดเมน (DSLMs) เติมเต็มช่องว่างนี้ด้วยความแม่นยำที่สูงขึ้น ต้นทุนที่ต่ำลง และการปฏิบัติตามข้อกำหนดที่ดีขึ้น DSLMs คือโมเดลภาษาที่ได้รับการฝึกหรือปรับแต่งด้วยข้อมูลเฉพาะทางสำหรับอุตสาหกรรม มีหน้าที่ หรือกระบวนการเฉพาะ ซึ่งแตกต่างจากโมเดลอเนกประสงค์ DSLMs ให้ความแม่นยำ ความน่าเชื่อถือ และการปฏิบัติตามข้อกำหนดที่สูงขึ้นสำหรับความต้องการทางธุรกิจที่เป็นเป้าหมาย

 

Gartner คาดการณ์ว่าภายในปี 2571 มากกว่าครึ่งหนึ่งของโมเดล GenAI ที่องค์กรใช้จะเป็นแบบเฉพาะโดเมน

 

"บริบทการใช้ Agent กลายเป็นหนึ่งในปัจจัยสร้างความแตกต่างที่สำคัญที่สุดสำหรับการใช้ Agent ให้ประสบความสำเร็จ AI Agent ที่รองรับด้วย DSLM สามารถตีความบริบทเฉพาะของอุตสาหกรรมเพื่อตัดสินใจได้อย่างถูกต้องแม้ในสถานการณ์ที่ไม่คุ้นเคย โดดเด่นในด้านความแม่นยำ อธิบายถึงที่มาที่ไปได้ และตัดสินใจได้ถูกต้อง"  Paulman กล่าว

 

AI Security Platforms

แพลตฟอร์มความปลอดภัย AI หรือ AI Security Platforms นำเสนอแนวทางการทำงานแบบรวมศูนย์เพื่อรักษาความปลอดภัยแอปพลิเคชัน AI จากบุคคลที่สามและที่สร้างเองเฉพาะตัว ช่วยรวมศูนย์การมองเห็น บังคับใช้นโยบายการใช้งาน และป้องกันความเสี่ยงเฉพาะของ AI เช่น การโจมตีด้วยพรอมต์ (Prompt Injection), การรั่วไหลของข้อมูล (Data Leakage) และการกระทำของ Agent ที่เป็นอันตราย (Rogue Agent Actions) แพลตฟอร์มเหล่านี้ช่วย CIO บังคับใช้นโยบายการใช้งาน ติดตามกิจกรรม AI และใช้มาตรการป้องกันที่สอดคล้องกันในทุก AI

 

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2571 มากกว่า 50% ขององค์กรจะใช้ AI Security Platforms เพื่อปกป้องการลงทุนด้าน AI ของตน

 

AI-Native Development Platforms

AI-Native Development Platforms หรือ แพลตฟอร์มการพัฒนาแบบ AI-Native ที่ใช้ GenAI เพื่อสร้างซอฟต์แวร์ได้รวดเร็วและง่ายกว่า โดย Software Engineer ที่ฝังอยู่ในธุรกิจ ทำหน้าที่เป็นวิศวกรซอฟต์แวร์ที่ทำงานร่วมกับลูกค้าโดยตรงเพื่อกำหนดค่าแพลตฟอร์มซอฟต์แวร์ หรือ "Forward-Deployed Engineer" สามารถใช้แพลตฟอร์มเหล่านี้ทำงานร่วมกับผู้เชี่ยวชาญในโดเมนเพื่อพัฒนาแอปพลิเคชัน

 

องค์กรสามารถมีทีมเล็ก ๆ ที่ประกอบด้วยคนที่ทำงานคู่กับ AI เพื่อสร้างแอปพลิเคชันมากขึ้นด้วยจำนวน นักพัฒนา (Developer) ที่มีอยู่ในปัจจุบัน องค์กรชั้นนำกำลังสร้างทีมแพลตฟอร์มเล็ก ๆ เพื่อให้ผู้เชี่ยวชาญในโดเมนที่ไม่ใช่ทางเทคนิคสามารถผลิตซอฟต์แวร์ด้วยตนเองได้ โดยมีมาตรการรักษาความปลอดภัยและธรรมาภิบาลประจำอยู่

 

Gartner คาดการณ์ว่าภายในปี 2573 แพลตฟอร์มการพัฒนาแบบ AI-Native จะส่งผลให้ 80% ขององค์กรพัฒนาทีม Software Engineering ขนาดใหญ่ให้เป็นทีมที่เล็กกว่าและคล่องตัวมากขึ้น โดยมี AI เสริม

 

Confidential Computing 

Confidential Computing คือ แนวทางใหม่ในการรักษาความปลอดภัยของข้อมูลที่มุ่งเน้นไปที่การปกป้องข้อมูลขณะที่ "กำลังถูกประมวลผล" จะเปลี่ยนวิธีที่องค์กรจัดการกับข้อมูลที่ละเอียดอ่อน โดยการแยกภาระงานไว้ในสภาพแวดล้อมการประมวลผลที่ปลอดภัย หรือ Trusted Execution Environment (TEE) ที่อิงกับฮาร์ดแวร์ ช่วยให้เนื้อหาและภาระงานเป็นส่วนตัวแม้แต่จากเจ้าของโครงสร้างพื้นฐาน ผู้ให้บริการคลาวด์ หรือใครก็ตามที่สามารถเข้าถึงฮาร์ดแวร์จริงได้ สิ่งนี้มีคุณค่าโดยเฉพาะกับอุตสาหกรรมที่มีการควบคุมและการดำเนินงานระดับโลกที่ต้องเผชิญกับความเสี่ยงทางภูมิรัฐศาสตร์และการปฏิบัติตามข้อกำหนด และทำงานร่วมมือกับคู่แข่ง

 

การ์ทเนอร์ คาดการณ์ว่าภายในปี 2572 มากกว่า 75% ของการดำเนินการในโครงสร้างพื้นฐานที่ไม่น่าเชื่อถือจะได้รับการรักษาความปลอดภัยระหว่างการใช้งานด้วย Confidential Computing

 

Physical AI

Physical AI หรือปัญญาประดิษฐ์เชิงกายภาพที่นำความฉลาดของ AI มาสู่โลกจริงโดยฝังไว้ในเครื่องจักรและอุปกรณ์ที่สามารถรับรู้ ตัดสินใจและดำเนินการได้ อาทิ หุ่นยนต์ โดรนและอุปกรณ์อัจฉริยะ ช่วยให้เกิดประสิทธิภาพที่วัดผลได้ในอุตสาหกรรมที่ให้ความสำคัญกับระบบอัตโนมัติ ความสามารถในการปรับตัวและความปลอดภัย

 

เมื่อมีการนำมาใช้เพิ่มขึ้น องค์กรต้องการทักษะใหม่ที่เชื่อมโยงกับระบบไอที, การดำเนินงานและการทำวิศวกรรม การเปลี่ยนแปลงนี้สร้างโอกาสสำหรับการยกระดับทักษะและความร่วมมือใหม่ ๆ แต่อาจทำให้เกิดความกังวลเกี่ยวกับงานและต้องการการจัดการการเปลี่ยนแปลงอย่างรอบคอบ

 

Preemptive Cybersecurity

ความปลอดภัยไซเบอร์เชิงป้องกันล่วงหน้าหรือ Preemptive Cybersecurity กำลังเป็นเทรนด์เมื่อองค์กรเผชิญกับภัยคุกคามที่เพิ่มขึ้นอย่างทวีคูณที่มุ่งเป้าหมายการโจมตีไปที่เครือข่าย ข้อมูล และระบบการเชื่อมต่อ การ์ทเนอร์คาดการณ์ว่าภายในปี 2573 โซลูชันเชิงป้องกันล่วงหน้า (Preemptive Solutions) จะคิดเป็นครึ่งหนึ่งของการใช้จ่ายด้านความปลอดภัยทั้งหมด เนื่องจากผู้บริหาร CIO เปลี่ยนโหมดการป้องกันจาก Reactive ไปสู่โหมด Proactive

 

ความปลอดภัยไซเบอร์เชิงป้องกันล่วงหน้าคือการดำเนินการก่อนที่ผู้โจมตีจะโจมตีโดยใช้ AI-powered SecOps, Programmatic Denial และเทคโนโลยีที่ออกแบบมาเพื่อหลอกล่อและเบี่ยงเบนความสนใจของ Hacker เมื่อเข้ามาในเครือข่ายขององค์กรอย่าง Deception เพราะนี่คือโลกที่การคาดการณ์คือการป้องกัน" Paulman กล่าว

 

Digital Provenance 

เมื่อองค์กรพึ่งพาซอฟต์แวร์จากบุคคลที่สาม โค้ดโอเพนซอร์ส และเนื้อหาที่สร้างโดย AI มากขึ้น การตรวจสอบ Digital Provenance กลายเป็นสิ่งจำเป็น หมายถึงความสามารถในการตรวจสอบแหล่งที่มา ความเป็นเจ้าของ และความสมบูรณ์ของซอฟต์แวร์ ข้อมูล สื่อ และกระบวนการ เครื่องมือใหม่ ๆ อาทิ  Software Bills of Materials (SBoM), Attestation Database และ Digital Watermarking มอบวิธีการแก่องค์กรในการตรวจสอบและติดตามสินทรัพย์ดิจิทัลตลอดห่วงโซ่อุปทาน

 

การ์ทเนอร์คาดการณ์ว่า ภายในปี 2572 ผู้ที่ไม่ได้ลงทุนอย่างเพียงพอในความสามารถด้าน Digital Provenance จะเผชิญกับความเสี่ยงจากการลงโทษที่อาจสูงถึงหลายพันล้านดอลลาร์

 

Geopatriation 

Geopatriation หมายถึงการย้ายข้อมูลและแอปพลิเคชันของบริษัทจากผู้ให้บริการคลาวด์สาธารณะระดับโลกไปสู่การดำเนินงานแบบท้องถิ่น เช่น Sovereign Cloud, Regional Cloud Provider หรือศูนย์ข้อมูลขององค์กรเอง เนื่องจากความเสี่ยงทางภูมิรัฐศาสตร์ที่รับรู้มา ซึ่งเคยจำกัดเฉพาะธนาคารและรัฐบาล แต่ระบบคลาวด์คอมพิวติ้งที่ตั้งและบริหารจัดการภายในประเทศหรือภูมิภาคเดียวกันกับผู้ใช้ หรือ Cloud Sovereignty นั้น ในปัจจุบันส่งผลกระทบต่อองค์กรหลากหลายเนื่องจากความไม่มั่นคงระดับโลกที่เพิ่มขึ้น

 

"การย้ายภาระงานไปยังผู้ให้บริการที่มีท่าทีด้าน Sovereignty ที่เพิ่มขึ้นสามารถช่วยผู้บริหาร CIO ได้รับการควบคุมที่มากขึ้นเหนือการเก็บข้อมูลในพื้นที่ การปฏิบัติตามข้อกำหนด และธรรมาภิบาล รวมถึงการควบคุมที่มากขึ้นนี้อาจช่วยปรับปรุงการปฏิบัติตามกฎระเบียบท้องถิ่นและสร้างความไว้วางใจให้กับลูกค้าที่กังวลด้านความเป็นส่วนตัวของข้อมูลหรือผลประโยชน์ของชาติ" Alvarez กล่าว