2.52 ล้านล้านดอลลาร์ — ตัวเลขที่บอกว่า AI ไม่ใช่แค่เทรนด์อีกต่อไป
เมื่อเดือนมกราคม 2026 Gartner เผยแพร่รายงานคาดการณ์ที่สร้างแรงสั่นสะเทือนไปทั่ววงการเทคโนโลยี — การใช้จ่ายด้าน AI ทั่วโลกในปี 2026 จะสูงถึง $2.52 ล้านล้าน (2.52 Trillion USD) เพิ่มขึ้น 44% จากปี 2025 ที่อยู่ที่ $1.75 ล้านล้าน ตัวเลขนี้ครอบคลุมทั้ง hardware, software, services และ cloud infrastructure ที่เกี่ยวข้องกับ AI
เพื่อให้เห็นภาพชัดขึ้น $2.52 ล้านล้านนี้มากกว่า GDP ของอิตาลีทั้งประเทศ และคิดเป็นเกือบ 5 เท่าของ GDP ไทย นี่ไม่ใช่แค่ตัวเลขคาดการณ์ที่ดูดี — มันคือสัญญาณว่า AI กำลังเปลี่ยนจาก "technology trend" เป็น "economic infrastructure" ของโลกยุคใหม่
ตัวเลขสำคัญจากรายงาน Gartner
รายงานของ Gartner มีข้อมูลสำคัญหลายจุดที่ผู้บริหารองค์กรควรจับตา:
การใช้จ่ายแบ่งตามหมวด
- AI Infrastructure (Hardware & Cloud): คิดเป็น 48% ของการใช้จ่ายทั้งหมด หรือราว $1.21 ล้านล้าน เพิ่มขึ้น 58% YoY เป็นหมวดที่เติบโตเร็วที่สุดเพราะ GPU shortage ผลักราคาขึ้น และองค์กรแข่งกันลงทุน data center
- AI Software & Platforms: คิดเป็น 30% หรือ $756 พันล้าน เพิ่มขึ้น 38% YoY ครอบคลุม AI development platform, MLOps tools และ AI-powered SaaS
- AI Services & Consulting: คิดเป็น 22% หรือ $554 พันล้าน เพิ่มขึ้น 32% YoY สะท้อนว่าองค์กรต้องการความช่วยเหลือจากผู้เชี่ยวชาญในการ implement AI
การ Adopt AI ในองค์กร
- 40% ของ enterprise applications จะฝัง AI Agent ภายในสิ้นปี 2026 — เพิ่มจาก 12% ในปี 2025
- 60% ของ Fortune 500 มีงบ AI เฉพาะที่แยกจาก IT budget ทั่วไป
- ค่าเฉลี่ยการลงทุน AI ขององค์กรขนาดใหญ่ อยู่ที่ $47 ล้านต่อปี เพิ่มจาก $28 ล้านในปี 2025
40% ของโปรเจกต์ Agentic AI จะถูกยกเลิก — ทำไม?
ตัวเลขที่น่าตกใจที่สุดในรายงานของ Gartner คือคาดการณ์ว่า 40% ของโปรเจกต์ Agentic AI ที่เริ่มในปี 2026 จะถูกยกเลิกภายใน 18 เดือน เนื่องจากหลายสาเหตุ:
1. ความคาดหวังที่ไม่สมจริง (Unrealistic Expectations): หลายองค์กรเริ่มโปรเจกต์ Agentic AI ด้วยความเข้าใจผิดว่า AI Agent สามารถแทนที่พนักงานได้ทันที โดยไม่ได้ลงทุนในการปรับ process และ data infrastructure ให้พร้อม
2. Data Quality ไม่เพียงพอ: AI Agent ต้องอาศัยข้อมูลที่สะอาด ครบถ้วน และเข้าถึงได้ง่ายจึงจะทำงานได้ดี Gartner พบว่า 65% ขององค์กรที่ยกเลิกโปรเจกต์ AI ระบุว่า "ข้อมูลไม่พร้อม" เป็นสาเหตุหลัก
3. ขาด Governance Framework: AI Agent ที่ทำงานอัตโนมัติข้ามระบบสร้างความเสี่ยงด้าน compliance ที่หลายองค์กรไม่ได้เตรียมรับมือ เช่น Agent ตัดสินใจทำ transaction ที่ผิดกฎหมาย หรือเข้าถึงข้อมูลที่ไม่ควรเข้าถึง
4. Integration Complexity: การเชื่อมต่อ AI Agent กับ legacy systems ที่มีอยู่เดิมมีความซับซ้อนมากกว่าที่คาดไว้ โดยเฉพาะระบบที่ไม่มี API หรือมี API ที่ไม่ได้ออกแบบมาสำหรับ agentic interaction
5. ROI ที่วัดได้ยาก: หลายองค์กรไม่สามารถพิสูจน์ ROI ของ AI Agent ได้ภายในระยะเวลาที่ผู้บริหารคาดหวัง ส่งผลให้โปรเจกต์ถูกตัดงบ
Infrastructure เป็นตัวขับเคลื่อนหลัก
Gartner เน้นย้ำว่า Infrastructure คือตัวขับเคลื่อนที่แท้จริง ของตัวเลข $2.52 ล้านล้าน ไม่ใช่ AI application เหตุผลหลักมาจาก:
GPU และ AI Chip: ความต้องการ GPU สำหรับ training และ inference ยังคงสูงกว่า supply อย่างมาก NVIDIA ครองส่วนแบ่งตลาด AI chip ที่ 80% แม้ AMD, Intel และ Google TPU จะพยายามแข่งขัน ราคา GPU server สำหรับ enterprise AI อยู่ที่ $300,000-$2 ล้านต่อ node
Data Center: บริษัท hyperscaler อย่าง AWS, Azure และ Google Cloud ลงทุนรวมกันกว่า $180 พันล้านในปี 2026 เพื่อสร้าง data center ใหม่ที่รองรับ AI workload โดยเฉพาะ หลายแห่งถูกสร้างใกล้แหล่งพลังงานสะอาดเพราะ AI training ใช้ไฟฟ้ามหาศาล
Energy: Gartner ประเมินว่า AI data center ทั่วโลกจะใช้ไฟฟ้ารวม 85 TWh ในปี 2026 — เทียบเท่ากับการใช้ไฟฟ้าของประเทศเบลเยียมทั้งประเทศ ต้นทุนพลังงานกลายเป็นปัจจัยสำคัญในการเลือกที่ตั้ง data center
AI Spending ตามภูมิภาค
รายงานแบ่งการใช้จ่ายตามภูมิภาค:
- อเมริกาเหนือ: 52% ของการใช้จ่ายทั้งหมด ($1.31 ล้านล้าน) ยังคงเป็นผู้นำ
- เอเชียแปซิฟิก: 25% ($630 พันล้าน) เพิ่มขึ้น 62% YoY เป็นภูมิภาคที่เติบโตเร็วที่สุด นำโดยจีน ญี่ปุ่น และอินเดีย
- ยุโรป: 18% ($454 พันล้าน) เพิ่มขึ้น 35% YoY ชะลอตัวบ้างจากผลของ EU AI Act
- ส่วนที่เหลือ: 5% ($126 พันล้าน)
สำหรับ อาเซียน Gartner ประเมินว่าการใช้จ่ายด้าน AI อยู่ที่ราว $38 พันล้าน เพิ่มขึ้น 55% YoY โดยสิงคโปร์นำเป็นอันดับ 1 ตามด้วยอินโดนีเซียและไทย
ผลกระทบต่อองค์กรไทย
ตัวเลขจาก Gartner ส่งข้อความที่ชัดเจน — องค์กรที่ไม่ลงทุนด้าน AI ในวันนี้กำลังสร้างช่องว่างที่จะยากขึ้นเรื่อย ๆ ในการตามทัน แต่การลงทุนโดยไม่มีแผนที่ชัดเจนก็เสี่ยงที่จะเป็น 1 ใน 40% ของโปรเจกต์ที่ถูกยกเลิก
สิ่งที่องค์กรไทยควรทำ:
1. ประเมินความพร้อม (AI Readiness Assessment): ก่อนลงทุนด้าน AI ต้องรู้ว่าองค์กรพร้อมแค่ไหน — ทั้งด้านข้อมูล, infrastructure, ทักษะบุคลากร และ governance
2. เริ่มจากโปรเจกต์ที่วัด ROI ได้: เลือกใช้ AI กับกระบวนการที่สามารถวัดผลได้ชัด เช่น customer service automation, document processing หรือ demand forecasting
3. จัดงบ AI แยกจาก IT budget: ตามแนวปฏิบัติของ Fortune 500 ที่ 60% แยกงบ AI ออกจาก IT budget ทั่วไป เพื่อให้การลงทุนด้าน AI มีทิศทางชัดเจนและไม่ถูกตัดเมื่อต้องลดค่าใช้จ่าย
4. ลงทุนด้าน Data Infrastructure ก่อน: 65% ของโปรเจกต์ AI ที่ล้มเหลวมีสาเหตุจากข้อมูลไม่พร้อม การลงทุนจัดการข้อมูลให้เป็นระเบียบจึงเป็นขั้นตอนแรกที่สำคัญที่สุด
5. สร้าง AI Governance Framework: กำหนดนโยบายที่ชัดเจนว่า AI ทำอะไรได้ ทำอะไรไม่ได้ ใครรับผิดชอบเมื่อ AI ตัดสินใจผิดพลาด
หากองค์กรของคุณต้องการทราบจุดเริ่มต้นที่เหมาะสม AI Readiness Assessment ของ Enersys ช่วยประเมินความพร้อมขององค์กรใน 6 มิติ ได้แก่ Strategy, Data, Technology, People, Process และ Governance — เพื่อให้คุณสามารถวางแผนการลงทุนด้าน AI ได้อย่างมีทิศทางและลดความเสี่ยงในการเป็นส่วนหนึ่งของ 40% ที่ล้มเหลว
แหล่งข้อมูล:
