“ปรับ เปลี่ยน ไปต่อ” ฉบับ “Amity” สู่ AI สตาร์ตอัพไทย 7พันล้าน

“กรวัฒน์ เจียวนนท์” เปิดมุมมองการปรับเปลี่ยนโฉมบริษัทครั้งใหญ่ สู่ บริษัท AI เฉพาะทาง เปลี่ยนโมเดลธุรกิจ สเกลต่อด้วยกลยุทธ์ควบรวมบริษัทต่างชาติ แล้วเปลี่ยนทั้งองค์กรด้วยทีมไทย เจาะตลาดยุโรป – ตลาดโลก

 “กรวัฒน์ เจียรวนนท์” ประธานกรรมการบริหารและผู้ก่อตั้งบริษัท Amity ได้ร่วมแลกเปลี่ยน มุมมอง Global Mindset และประสบการณ์ในการเปลี่ยนโฉมองค์กรครั้งใหญ่เพื่อรับโอกาสใหญ่จากคลื่นปัญญาประดิษฐ์ที่ถาโถมเข้ามา ในงานสัมมนา ‘Thailand 2027 #ปรับ-เปลี่ยน-ไปต่อ ep.2’ ในหัวข้อ “เชื่อมโลก เปิดโอกาส #ThinkGlobal” จัดโดย “ประชาชาติธุรกิจ”

“กรวัฒน์” เล่าว่า Amity เริ่มต้นในปี 2012 ด้วยความฝันอยากสร้างบริษัทเทคโนโลยีระดับโลกจากประเทศไทย ช่วง 10 ปีแรกเติบโตจากการขายซอฟต์แวร์แบบ B2B จนมียอดขาย 10 ล้านดอลลาร์สหรัฐในปี 2023 ใน 10 ปีแรก นับว่าช้ามาก

แต่เมื่อปี 2023 เราได้เห็นการมาถึงของ AI มาถึง เราเห็นว่าคลื่นนี้ใหญ่ และส่งผลกระทบมาก เราไม่อยากพลาด จึงตัดสินใจใหญ่ เปลี่ยนบริษัทจากทำซอฟต์แวร์สำหรับองค์กร มาทำ AI Research เพื่อจะสร้าง โมเดล AI เฉพาะทาง หรือ Vertical AI Models สำหรับให้บริการลูกค้าองค์กรแทน

“Amity ไม่ได้สร้าง Large Language Model (LLM) ขนาดใหญ่มาแข่งกับ OpenAI หรือ Anthropic เพราะสู้ทุนและปริมาณข้อมูลมหาศาลไม่ได้ แต่เน้นทำ Vertical Models ที่เฉพาะเจาะจง มีขนาดเล็กกว่า 10 เท่า ประหยัดค่าใช้จ่ายประมวลผล และตอบโจทย์ธุรกิจได้แม่นยำกว่า”

“ลองนึกภาพองค์กรไทย อย่างธนาคารมีข้อมูลที่บิ๊กเทคเข้าถึงไม่ได้ อย่างธนาคารมีข้อมูลการกู้ยืม การใช้จ่าย ไม่มีใครรู้เรื่องพฤตกรรมการเงินของคนไทยเท่าธนาคารไทย ถ้าเอามาเทรนด์โมเดล จะเก่งกว่า LLM แต่มีขนาดเล็กกว่า ทำให้การดูแลและการ Operate ถูกกว่า 10 เท่า”

โดยการเปลี่ยนแปลงสู่ AI Researh ส่งผลให้ยอดขายเติบโตก้าวกระโดดจาก 10 ล้านดอลลาร์ สู่ 100 ล้านดอลลาร์ในปีถัดมา และปัจจุบันแตะระดับเกือบ 300 ล้านดอลลาร์สหรัฐหรือ ราว 7,000 ล้านบาท หรือ โต 3 เท่าใน 3 ปี และสามารถระดมทุนซีรีย์ D ได้สูงกว่า 3พันล้านบาท โดยมีการ สนับสนุนสําคัญจาก กองทุนของรัฐบาลสิงคโปร์

“เงินที่เราได้จากการระดมทุนจึงต้องนำไปแก้ไขปัญหาเรื่องการ Scale หรือขยายตลาด ถ้าหากทำเทคโนโลยีหรือ AI ขายเฉพาะในประเทศไทยหรือภูมิภาคอาเซียน จะไม่สามารถสร้างสเกลได้ เราสู้ จีนและสหรัฐไม่ได้ ด้วยเขามีขนาดตลาดใหญ่กว่า 10–100 เท่า และหากไม่สเกล ยอดขายและงบประมาณในการทำวิจัย (จะไม่สามารถสู้คู่แข่งระดับโลกได้ จึงต้องไปเล่นในประเทศที่ GDP ใหญ่ จึงไปที่ยุโรป ตั้งฐานและควบรวมกิจการที่นั่นเลย” 

การควบรวมกิจการเป็นหนึ่งวิธีที่ทำให้เราสเกลได้เร็ว เรามองหาบริษัทซอฟต์แวร์ที่มีลูกค้า และข้อมูล (Data) อยู่แล้ว เช่น บริษัท Call Analytics อันดับ 1 ในอังกฤษ แล้วนำทีมวิศวกร/นักวิจัย AI จากประเทศไทย นำโมเดล AI ที่พัฒนาขึ้นไป “เสียบ” เพื่อเปลี่ยนโฉมบริษัทเหล่านั้นให้กลายเป็นบริษัท AI แล้วกระจายโปรดักส์ถึง ลูกค้าทันที กลยุทธ์นี้ทำให้สัดส่วนรายได้กว่า 80% ของบริษัท อยู่ในประเทศยุโรป

ช่องว่างในตลาดโลก โอกาสสตาร์ตอัพไทย

ในส่วนของแนวคิดและมุมมองในการหาตลาดเพื่อขยายบริการ “กรวัฒน์” เน้นย้ำว่า ไม่สามารถแข่งขันในตลาดไทยและอาเซียนสู้กับจีน-สหรัฐฯ ได้ด้วยขนาดของตลาดต่างกันมาก จึงต้องมองหาช่องว่าง และมุ่งเน้นไปที่ปลุ่มประเทศที่มี GDP ใหญ่ อย่างยุโรป

และว่า อย่าแข่งสร้าง Large Language Model (LLM) กับยักษ์ใหญ่ เช่น OpenAI, Anthropic ขนาดใหญ่ระดับ 1–2 ล้านล้าน parameters จากข้อมูลทั่วไปบนอินเทอร์เน็ต ซึ่งใช้ทุนและสเกลมหาศาลที่สตาร์ทอัพไทยสู้ไม่ได้

“ในสหรัฐอเมริกา ในยุค AI นี้ มีบริษัทระดับยูนิคอร์นเกิดขึ้นเฉลี่ย 1–2 ยูนิคอร์นต่อวัน และคาดว่าในปีนี้จะมีมากกว่า 600 ยูนิคอร์นใหม่ เกิดขึ้น แต่สำหรับประเทศไทยตลอด 20 ปีที่ผ่านมา มียูนิคอร์นเกิดขึ้นน้อยมาก ซึ่งสะท้อนว่าสเกลของตลาดและทรัพยากรของเราแตกต่างจากมหาอำนาจอย่างมหาศาล ยูนิคอร์นใหม่ๆ หลายร้อยแห่งในต่างประเทศ ไม่ได้ทุ่มเงินแข่งสร้างโมเดล AI ขนาดใหญ่ (LLM) แข่งกับยักษ์ใหญ่โดยตรง”

“กรวัฒน์” แนะว่า ช่องว่างที่แท้จริงคือ Vertical AI Models หรือโมเดล AI เฉพาะทางสำหรับแต่ละอุตสาหกรรม โดยให้ ยึดโมเดล Niche Market บน Global Supply Chain หรือ “Mittelstand” แบบเยอรมนีคือการค้นหามุมเฉพาะทางที่เรามีความชำนาญ แม้จะเป็นมุมเล็กๆ ในระดับโลก แต่หากขยายไปทั่วโลกได้ ก็จะมีขนาดตลาดที่ใหญ่พอและมีคู่แข่งน้อยกว่า

“แค่มุมเล็ก ๆ ในระดับโลก ก็ใหญ่พอสำหรับสตาร์คอัพ AI แล้ว”

และเน้นย้ำว่า บริษัท AI ยักษ์ใหญ่ระดับโลก ใช้ข้อมูลจากอินเทอร์เน็ตหรือที่ซื้อมา แต่ทรัพย์สิน หรือข้อมูลในองค์กร ไม่มีทางเข้าถึงข้อมูลเฉพาะทางเหล่านี้นี้ ดังเช่น ข้อมูลพฤติกรรมการเงิน การยืมเงิน และธุรกรรมของลูกค้าสถาบันการเงินในไทยที่ได้ยกตัวอย่างไปแล้ว

อีกส่วนคือ โอกาสจาก “Open Weight Models หรือ Open Source AI” ที่นับว่าเป็น ตัวเปลี่ยนเกม ช่วยให้ไม่ต้องเสียเงินมหาศาลไปสร้าง LLM เองตั้งแต่ต้นสามารถนำโมเดลเหล่านี้มาปรับแต่ง ตัดโฉม (Customize) และใช้งานในลักษณะระบบปิดภายในองค์กร เพื่อรักษาความปลอดภัยของข้อมูลสำคัญได้

“สำหรับ Open Weight Models เหล่านี้มันดีมากพอแล้ว”