องค์กรทุ่มงบกับ AI แต่ยังใช้ Network เดิมอยู่หรือเปล่า?

 

AI ไม่ได้อยู่ใน Cloud มันอยู่บนสายที่คุณวางไว้

ความเข้าใจผิดอย่างหนึ่งในวงการ IT องค์กรช่วง 2–3 ปีที่ผ่านมา คือความเชื่อว่าการใช้ AI แค่ต้องเลือก Tool ให้ถูก แล้วทุกอย่างจะทำงานได้เอง

ความจริงมันไม่ได้ง่ายขนาดนั้น...

ทุกครั้งที่พนักงานพิมพ์ Prompt หรือให้ AI สรุปรายงาน ข้อมูลนั้นต้องเดินทาง ออกจากเครื่อง ผ่าน Network ขึ้นไปหา Model บน Cloud แล้วกลับลงมาพร้อมคำตอบ ในเวลาที่คุณคาดหวังว่าจะได้ผลลัพธ์ภายใน 2 วินาที ถ้าเส้นทางนั้นแคบ ช้า หรือมีคนแอบดักฟังอยู่กลางทาง ไม่มี AI Model ตัวไหนในโลกที่จะช่วยได้

ลองนึกภาพ — คุณซื้อรถสปอร์ตที่แรงที่สุดมาจอดไว้ แล้วขับออกไปบนถนนลูกรังที่ไม่ได้ซ่อมมา 10 ปี ผลลัพธ์ที่ได้ไม่ใช่ความเร็ว แต่คือช่วงล่างพัง

3 เรื่องที่ไม่มีใครบอกคุณตอนขาย AI

1.AI กินแบนด์วิดท์มากกว่าที่คิด

ลองนึกถึงพนักงาน 200 คนที่ใช้ AI Tool พร้อมกันในวันหนึ่ง แต่ละคนอัปโหลดเอกสาร สั่งให้ AI สรุป วิเคราะห์ ตอบอีเมล รู้มั้ยว่า Traffic ที่เกิดขึ้นบน Network ในชั่วโมงนั้นมากกว่าการประชุม Video Call พร้อมกัน 200 ห้อง เสียอีก

Network ส่วนใหญ่ในองค์กรไทยไม่ได้ออกแบบมาเพื่อรับโหลดแบบนี้ เพราะตอนที่วางสถาปัตยกรรมไว้ ยังไม่มีใครคิดว่า AI จะกลายเป็นเครื่องมือประจำวัน 

2.Latency 3 วินาทีฆ่า Adoption ได้

งานวิจัยหลายชิ้นบอกตรงกันว่าถ้าระบบตอบช้าเกิน 3 วินาที พนักงานจะเริ่มรู้สึกว่า "ช้ากว่าทำเอง" และจะค่อย ๆ เลิกใช้ในที่สุด

ปัญหาคือ Latency ส่วนใหญ่ไม่ได้เกิดที่ตัว AI Model แต่เกิดระหว่างทาง ข้อมูลต้องวิ่งผ่านหลาย Hop กว่าจะถึง Cloud ถ้า Network ไม่มี Direct Peering กับ Cloud Provider ที่ใช้งานอยู่ ทุก Hop คือเวลาที่เสียไป 

3.ข้อมูลที่ส่งให้ AI คือข้อมูลที่ละเอียดอ่อนที่สุดขององค์กร

คิดดูว่าพนักงานส่งอะไรให้ AI บ้าง สัญญา รายงานการเงิน อีเมลลูกค้า กลยุทธ์ธุรกิจ ทั้งหมดนั้นจะเดินทางบน Network ก่อนไปถึง Model ถ้า Network ไม่มี Zero-Trust Architecture ไม่มีการ Encrypt ข้อมูลระหว่างทาง หรือไม่มีการ Monitor ว่าใครเข้าถึงอะไรบ้าง นั่นไม่ใช่แค่ความเสี่ยงด้าน IT มันคือความเสี่ยงด้านธุรกิจที่จับต้องได้

ผิดพลาดแบบเดิม ซ้ำไปซ้ำมา

จากการทำงานกับองค์กรกว่า 4,500 แห่งในช่วง 20 ปีที่ผ่านมา มีสามความผิดพลาดที่วันทูออลเห็นซ้ำแล้วซ้ำเล่าในทุกรอบที่มีเทคโนโลยีใหม่มา และ AI ก็ไม่ต่างกัน

องค์กรส่วนใหญ่ทุ่มงบไปที่ Software License ก่อน แล้วมาพบทีหลังว่า Network ไม่รองรับ บางรายย้าย Workload ขึ้น Cloud ทั้งหมดโดยยังใช้ Internet บ้าน ๆ ในการเชื่อมต่อ แทนที่จะใช้ Direct Connection ที่เร็วและปลอดภัยกว่า และที่เห็นบ่อยที่สุดคือ Pilot ได้ผลดี พอ Roll-out จริงทั่วองค์กร Network รับไม่ไหว ทุกอย่างพังพร้อมกัน

ไม่ใช่ AI ไม่ดี แต่เพราะ Foundation ไม่พร้อม

Foundation ที่ AI ต้องการจริง ๆ ไม่ต้องซับซ้อน โดยมีอยู่ 3 ชั้นที่ต้องทำงานร่วมกัน

ชั้นแรกคือ Connectivity ที่ออกแบบมาสำหรับ AI Workload จริง ๆ ทั้งสายหลักในออฟฟิศและมือถือของพนักงาน Field ต้องรับโหลดได้โดยไม่กระทบงานปกติ

ชั้นที่ 2 คือ Security ที่ไม่มีรู ทุก Device, ทุกคน ทุกที่ ถ้าแตะข้อมูล AI ต้องผ่านการยืนยันตัวตนและเข้ารหัสทุกครั้ง ไม่มีข้อยกเว้นสำหรับ "คนภายใน" หรือ "อุปกรณ์ที่เชื่อถือได้"

ชั้นที่ 3 คือ Visibility ทีม IT ต้องมองเห็นได้ว่าข้อมูลไหลไปไหน แบบ Real-time ใครใช้อะไร และมีอะไรผิดปกติหรือเปล่า ไม่ใช่รู้ทีหลังจากรายงานรายเดือน

ทำไม Telecom Operator จึงมองเห็น

1-TO-ALL เป็น Telecom Operator ก่อนที่คำว่า Cloud จะเป็นที่รู้จักในไทย เรามองเห็นภาพตั้งแต่สายที่ออกจากออฟฟิศ ไปจนถึง Cloud ที่ AI ของคุณนั่งอยู่ และทุกจุดที่อยู่ระหว่างนั้น เพราะนั่นคือสิ่งที่เราทำมาตลอด 20 ปี

และนี่คือคำถามสำคัญ

  • Network ขององค์กรได้รับการ Audit ล่าสุดเมื่อไหร่?

  • ครอบคลุม AI Workload ไหม?

  • ถ้าพนักงานใช้ AI พร้อมกันทั้งบริษัท้ ระบบรับได้ไหม?

  • -ข้อมูลที่ส่งให้ AI ได้รับการป้องกันตลอดเส้นทางหรือเปล่า?

  • และถ้า Connectivity ขาดไปหนึ่งชั่วโมง ทีมทำงานได้ไหม

1-to-ALL ให้บริการ Enterprise Connectivity, Cybersecurity และ Digital Infrastructure แบบ Integrated Platform สำหรับองค์กรไทยมากกว่า 4,500 ราย พร้อมให้คำปรึกษาด้าน Network Readiness สำหรับองค์กรที่กำลังวางแผน AI Deployment

 
 
Alex Alun