คะแนนความพร้อมดิจิทัลไทย 2.12 จาก 4 บอกอะไรผู้ซื้อระบบ และไม่ได้บอกอะไร

ผู้บริหารคนหนึ่งเปิดข่าวผลสำรวจความพร้อมดิจิทัลของไทยแล้วถามทีมว่า เฉลี่ยทั้งประเทศได้ 2.12 จาก 4 องค์กรเราได้เท่าไร และถ้าต่ำกว่าเฉลี่ย เราควรซื้อระบบอะไรเพิ่มหรือเปล่า

คำถามนี้เข้าใจได้ แต่ตัวเลขในข่าวตอบมันไม่ได้ บทความนี้เขียนจากมุมของทีมที่ต้องช่วยองค์กรตัดสินใจเรื่องระบบ ไม่ใช่การวิเคราะห์เศรษฐกิจ เราจะเล่าว่าผลสำรวจฉบับนี้ระบุอะไรเท่าที่ข่าวที่เปิดอ่านได้รายงาน ตัวเลขแต่ละตัวบอกอะไรได้และบอกอะไรไม่ได้ และจะเปลี่ยนตัวเลขเฉลี่ยให้เป็นคำถามตรวจความพร้อมภายในองค์กรได้อย่างไร

ผลสำรวจนี้ระบุอะไร

ไทยรัฐรายงานเมื่อวันที่ 8 กรกฎาคม 2569 ว่า สำนักงานคณะกรรมการดิจิทัลเพื่อเศรษฐกิจและสังคมแห่งชาติ (สดช.) ภายใต้กระทรวงดิจิทัลเพื่อเศรษฐกิจและสังคม เปิดผลสำรวจ Thailand Digital Outlook 2569 โดยเลขาธิการ สดช. เป็นผู้แถลง (ดูข่าวของไทยรัฐ) ข้อมูลที่ข่าวระบุมีดังนี้

• กลุ่มตัวอย่างคือผู้ประกอบการดิจิทัลเป้าหมาย 834 ราย

• คะแนนความพร้อมวัดในมาตราส่วน 0 ถึง 4 ค่าเฉลี่ยอยู่ที่ 2.12 เพิ่มขึ้น 0.56 จากปีก่อน และข่าวอธิบายว่าอยู่ในระดับปานกลาง

• AI เป็นเทคโนโลยีขั้นสูงที่ถูกใช้มากที่สุดในกลุ่มที่สำรวจ ที่ร้อยละ 21.18 ตามด้วยบล็อกเชนร้อยละ 20.09 และการวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data Analytics) ร้อยละ 19.88

ข้อควรระวังเกี่ยวกับแหล่งข้อมูล เราอ่านจากข่าวเพียงชิ้นเดียว ไม่ได้เปิดรายงานฉบับเต็มของ สดช. จึงไม่ทราบรายละเอียดเชิงวิธีวิจัย เช่น ใช้คำถามอะไรวัดแต่ละระดับคะแนน เก็บข้อมูลช่วงไหน และใครนับเป็นผู้ประกอบการดิจิทัลเป้าหมาย ถ้าคุณจะอ้างตัวเลขเหล่านี้ในเอกสารภายใน ควรเปิดรายงานต้นฉบับเทียบอีกครั้ง

ตัวเลขแต่ละตัวบอกอะไรได้ และบอกอะไรไม่ได้

เราเสนอให้อ่านทีละตัว เพราะแต่ละตัวถูกใช้ผิดความหมายได้ต่างกัน

คะแนนเฉลี่ย 2.12 จาก 4 บอกว่ากลุ่มตัวอย่างโดยรวมอยู่กลางมาตราส่วน สิ่งที่มันไม่บอกคือการกระจาย ค่าเฉลี่ย 2.12 เกิดได้จากทุกรายได้ราว 2 พอดี หรือจากครึ่งหนึ่งได้ 4 และอีกครึ่งได้ 0.24 ทั้งสองกรณีให้ค่าเฉลี่ยใกล้เคียงกัน แต่สถานการณ์ต่างกันมาก องค์กรที่เปรียบตัวเองกับค่าเฉลี่ยจึงเปรียบกับตัวเลขที่ไม่ได้อธิบายใครเป็นพิเศษ

คะแนนเพิ่มขึ้น 0.56 บอกทิศทางว่ากลุ่มตัวอย่างดีขึ้นเมื่อเทียบกับปีก่อน เมื่อลบกลับ เราคำนวณได้ว่าค่าเฉลี่ยปีก่อนอยู่ราว 1.56 ตัวเลขนี้เป็นการคำนวณของเราเอง ไม่ใช่ตัวเลขที่ข่าวระบุ และใช้ได้เฉพาะเมื่อกลุ่มตัวอย่างและวิธีวัดปีนี้กับปีก่อนเทียบกันได้ ซึ่งเราไม่ทราบ ถ้ากลุ่มตัวอย่างเปลี่ยน คะแนนที่เพิ่มอาจสะท้อนว่าได้คนกลุ่มใหม่ ไม่ใช่ว่าคนเดิมดีขึ้น

AI ถูกใช้ร้อยละ 21.18 ตัวเลขนี้เป็นสัดส่วนของกลุ่มตัวอย่างที่ใช้เทคโนโลยีนั้น ไม่ใช่สัดส่วนของธุรกิจไทยทั้งหมด และกลุ่มตัวอย่างคือผู้ประกอบการดิจิทัลเป้าหมาย ซึ่งน่าจะเอนไปทางองค์กรที่ทำงานด้านดิจิทัลอยู่แล้ว ธุรกิจทั่วไปอาจมีสัดส่วนต่างออกไป เราไม่มีข้อมูลที่จะบอกว่าต่างอย่างไร คำว่า "ใช้" ในผลสำรวจก็อาจหมายถึงตั้งแต่ทดลองใช้เครื่องมือสำเร็จรูปไปจนถึงฝังในกระบวนการหลัก ข่าวไม่ระบุ มีข้อสังเกตเล็ก ๆ ที่เป็นการคำนวณของเราเอง ร้อยละ 21.18 ของ 834 ราย ไม่ลงตัวเป็นจำนวนเต็ม (ได้ราว 176.6 ราย) แปลว่าฐานของร้อยละอาจไม่ใช่ 834 รายเต็ม เช่น อาจนับเฉพาะผู้ตอบบางข้อ หรือถ่วงน้ำหนักตัวอย่าง เป็นอีกเหตุผลที่ควรเปิดรายงานต้นฉบับดูว่าฐานคืออะไร

อีกข้อที่ควรสังเกตคือช่องว่างระหว่างสามอันดับแรกแคบมาก ร้อยละ 21.18, 20.09 และ 19.88 ต่างกันไม่ถึงสองจุดเปอร์เซ็นต์ เราไม่ทราบความคลาดเคลื่อนของการสุ่มตัวอย่าง จึงไม่ควรตีความว่า AI นำหน้าอย่างมีนัยสำคัญ ข่าวระบุเพียงว่า AI สูงสุด และเราก็อ้างได้เท่านั้น

ทำไมค่าเฉลี่ยจึงไม่ควรเป็นเกณฑ์ซื้อระบบ

ผู้บริหารที่ถามว่าต่ำกว่าเฉลี่ยแล้วควรซื้อระบบเพิ่มไหม กำลังใช้ค่าเฉลี่ยเป็นสัญญาณให้ลงทุน เรามีเหตุผลสามข้อที่เห็นว่าเส้นทางนี้เสี่ยง

ข้อแรก ค่าเฉลี่ยวัดความพร้อมของกลุ่ม ไม่ได้วัดว่าอะไรคือปัญหาขององค์กรคุณ องค์กรที่ได้คะแนนต่ำอาจต่ำเพราะไม่มีระบบจัดการสต็อก ส่วนอีกแห่งต่ำเพราะมีระบบแต่ไม่มีใครป้อนข้อมูลให้ตรงกัน สองกรณีนี้ต้องการทางแก้คนละอย่าง และไม่มีทางใดที่ขึ้นต้นด้วยการซื้อ

ข้อสอง ระบบที่ซื้อเพราะกลัวตามไม่ทัน มักถูกเลือกจากฟีเจอร์ที่คนอื่นมี ไม่ใช่จากงานที่องค์กรทำอยู่ เราเขียนถึงอาการที่ควรดูก่อนตัดสินใจซื้อระบบจัดการธุรกิจไว้ในบทความเรื่อง ERP สำหรับเจ้าของธุรกิจ แนวคิดคือเริ่มจากอาการที่เห็นในงานจริง แล้วค่อยหาว่าส่วนไหนของระบบตอบอาการนั้น

ข้อสาม เทคโนโลยีที่ใช้กันมากไม่ได้แปลว่าเหมาะกับคุณ AI ถูกใช้มากที่สุดในกลุ่มตัวอย่าง แต่ก่อนให้ AI เข้าไปแตะข้อมูลจริงในระบบ องค์กรต้องมีสิ่งรองรับก่อน เช่น ข้อมูลที่สะอาดพอ สิทธิ์ที่ชัด และคนที่ตรวจผลลัพธ์ ซึ่งเราเขียนไว้ในบทความเรื่องด่านก่อนให้ AI Agent เข้าถึงระบบ

แปลงตัวเลขเฉลี่ยเป็นคำถามภายใน

แม้เราจะไม่ทราบเกณฑ์ที่ สดช. ใช้ให้คะแนนแต่ละระดับ องค์กรยังสร้างแบบตรวจของตัวเองได้ โดยใช้คำถามที่ตอบจากสิ่งที่ผู้ดูแลระบบเห็นอยู่แล้ว เราแนะนำให้ถามห้าเรื่อง ตอบเป็นข้อเท็จจริง ไม่ใช่ความรู้สึก

1. ข้อมูลหลักขององค์กรอยู่ที่ไหน และมีกี่ที่ ลูกค้า สินค้า และรายการขายอยู่ในระบบเดียวหรือกระจายในสเปรดชีตหลายไฟล์ ถ้ากระจาย ไฟล์ไหนเป็นฉบับที่ใช้ตัดสินเมื่อตัวเลขไม่ตรงกัน

2. ใครเป็นเจ้าของระบบแต่ละตัว เป็นรายชื่อคน และถ้าเขาลาออกพรุ่งนี้ ใครรับช่วง

3. ระบบคุยกันเองหรือต้องมีคนคัดลอกข้อมูลข้ามระบบ ถ้ามีคนคัดลอก ใช้เวลาต่อสัปดาห์เท่าไร และผิดพลาดบ่อยแค่ไหน ข้อนี้นับได้จากการสังเกตงานหนึ่งสัปดาห์

4. เมื่อระบบล่ม งานหยุดนานแค่ไหนและใครรู้ก่อน เรื่องนี้โยงกับการตั้งเป้าฟื้นระบบที่เราเขียนไว้ในบทความเรื่อง RPO และ RTO

5. เครื่องมือดิจิทัลที่ซื้อมาแล้ว ใช้ครบฟังก์ชันที่จ่ายเงินหรือไม่ หลายองค์กรพบว่าปัญหาที่อยากแก้ด้วยระบบใหม่ มีฟังก์ชันรองรับอยู่ในระบบเดิมแต่ไม่มีใครเปิดใช้

คำตอบทั้งห้าข้อไม่ให้คะแนนรวม และเราตั้งใจไม่ทำเป็นคะแนน เพราะคะแนนรวมจะกลายเป็นตัวเลขที่คนเอาไปเทียบกับ 2.12 ทั้งที่วัดคนละอย่าง สิ่งที่ได้คือรายการปัญหาที่ระบุตัวได้ ซึ่งแต่ละข้อมีเจ้าของและมีงานถัดไปที่ชัด

ตัวอย่างการอ่าน

สมมติว่าบริษัทแห่งหนึ่งตอบข้อสามว่า ฝ่ายขายออกใบเสนอราคาในสเปรดชีต ส่งให้ฝ่ายบัญชีคีย์ซ้ำในระบบบัญชีอีกรอบ และจดบันทึกว่าสัปดาห์ที่สังเกต มีสามใบที่ตัวเลขไม่ตรงกัน ตัวอย่างนี้ไม่ได้บอกว่าบริษัทต้องซื้อ ERP มันบอกว่ามีงานคัดลอกที่แก้ได้หลายทาง ตั้งแต่ปรับแบบฟอร์มให้ฝ่ายขายกรอกในรูปแบบที่นำเข้าได้ ไปจนถึงเชื่อมสองระบบ และเมื่อรู้ต้นทุนของความผิดพลาดแล้ว จึงเลือกทางที่คุ้มกับขนาดปัญหา

ตัวอย่างนี้เป็นสถานการณ์สมมติ เราไม่ได้อ้างว่าเป็นกรณีจริงของลูกค้าใด และตัวเลขสามใบเป็นตัวเลขประกอบการอธิบาย

ถ้าต้องรายงานผลต่อบอร์ด

ผู้บริหารที่ต้องนำตัวเลขจากผลสำรวจนี้ไปเสนอบอร์ดมักถูกขอให้ตอบว่าองค์กรอยู่ตรงไหนเมื่อเทียบกับตลาด เราเห็นว่าคำตอบที่ซื่อตรงกว่าคือแยกเป็นสองส่วน ส่วนแรกคือบริบท บอกว่าผลสำรวจของ สดช. ครอบคลุมกลุ่มตัวอย่าง 834 ราย มีค่าเฉลี่ย 2.12 จาก 4 และ AI เป็นเทคโนโลยีที่ถูกใช้มากสุดในกลุ่มนั้น พร้อมระบุแหล่งและวันที่ ส่วนที่สองคือสถานะภายในที่องค์กรวัดเอง เช่น จำนวนระบบที่ข้อมูลไม่ตรงกัน ชั่วโมงงานคัดลอกต่อสัปดาห์ และจำนวนครั้งที่ระบบหยุดในไตรมาสที่ผ่านมา สองส่วนนี้ไม่ควรถูกรวมเป็นประโยคเดียวว่าเราต่ำกว่าหรือสูงกว่าค่าเฉลี่ย เพราะประโยคแบบนั้นให้ความรู้สึกว่ามีการเปรียบเทียบที่ไม่ได้เกิดขึ้นจริง

วิธีนี้ทำให้บอร์ดถามต่อได้ตรงจุดกว่า แทนที่จะถามว่าทำไมต่ำกว่าเฉลี่ย กรรมการจะถามว่าชั่วโมงคัดลอกต่อสัปดาห์ลดได้เท่าไรถ้าแก้จุดนี้ คำถามหลังตอบด้วยงานที่ระบุได้ และหากคำตอบคือยังไม่รู้ ก็เป็นข้อมูลที่บอร์ดควรทราบเช่นกัน

ข้อจำกัดที่ต้องบอกตรง ๆ

ถ้าองค์กรของคุณมีคนไม่กี่สิบคน ใช้เครื่องมือสำเร็จรูปไม่กี่ตัว และทุกคนรู้ว่าข้อมูลอยู่ที่ไหน แบบตรวจห้าข้อนี้อาจเกินความจำเป็น คุณตอบได้ในการประชุมสิบนาที ไม่ต้องเขียนเอกสาร ประโยชน์ของมันเพิ่มขึ้นเมื่อองค์กรมีหลายแผนก หลายระบบ และคนที่รู้ภาพรวมน้อยกว่าที่คิด

อีกข้อคือ แบบตรวจนี้เป็นความเห็นของเรา ไม่ใช่เกณฑ์ที่ สดช. ใช้ และตอบไม่ได้ว่าคุณอยู่ตรงไหนเมื่อเทียบกับกลุ่มตัวอย่าง ถ้าคุณต้องการเทียบจริง ต้องขอเกณฑ์ให้คะแนนจากรายงานต้นฉบับ ซึ่งเรายังไม่ได้อ่าน

ข้อสุดท้าย ผลสำรวจเป็นภาพรวมของกลุ่มที่ถูกสำรวจในช่วงเวลาหนึ่ง ข่าวฉบับที่เราอ่านลงวันที่ 8 กรกฎาคม 2569 ตัวเลขอาจเปลี่ยนในรอบถัดไป และเราไม่ทราบว่าผู้สำรวจจะใช้วิธีเดียวกันหรือไม่

ข้อโต้แย้งที่ได้ยินบ่อย

ข้อโต้แย้งที่ได้ยินบ่อยคือ คู่แข่งใช้ AI แล้ว ถ้าเรารอ เราจะตามไม่ทัน ข้อนี้มีส่วนจริง และเราไม่ได้เห็นว่าใครควรหยุดดูเทคโนโลยีใหม่ ผลสำรวจที่ว่าร้อยละ 21.18 ของกลุ่มตัวอย่างใช้ AI ก็บอกว่ามีคนทำอยู่จริง

แต่ตัวเลขเดียวกันก็บอกว่า กลุ่มตัวอย่างส่วนใหญ่ไม่ได้รายงานว่าใช้ AI ถ้าร้อยละ 21.18 คือสัดส่วนของกลุ่มตัวอย่างทั้งหมด ซึ่งเป็นข้อสันนิษฐานที่เรายืนยันไม่ได้จากข่าว ประเด็นของเราคือ เทคโนโลยีที่คนส่วนมากยังไม่ได้ใช้ ไม่ใช่เหตุผลให้องค์กรหนึ่งไปใช้ก่อนที่จะรู้ว่ามันแก้ปัญหาอะไรของตัวเอง การรอหนึ่งไตรมาสเพื่อทำแบบตรวจห้าข้อมีต้นทุนต่ำกว่าการเริ่มโครงการผิดจังหวะ

อีกข้อโต้แย้งคือ ตัวเลขจากรัฐเชื่อถือได้ ใช้ตัดสินใจได้เลย ตัวเลขจากหน่วยงานรัฐเป็นแหล่งที่เปิดตรวจสอบได้ ซึ่งดีกว่าตัวเลขลอย ๆ แต่การเชื่อถือได้ไม่ได้แปลว่าตรงกับคำถามของคุณ ผลสำรวจตอบคำถามว่ากลุ่มตัวอย่างเป็นอย่างไร ส่วนคุณกำลังถามว่าองค์กรของคุณควรทำอะไร คำถามสองข้อนี้ต้องใช้ข้อมูลคนละชุด

จะเริ่มตรงไหน

1. หาต้นฉบับรายงาน Thailand Digital Outlook 2569 จาก สดช. และอ่านวิธีวิจัย กลุ่มตัวอย่าง และเกณฑ์ให้คะแนน ก่อนนำตัวเลขไปอ้างต่อ

2. นัดผู้ดูแลระบบหนึ่งคนจากแต่ละแผนกมาตอบห้าข้อ ใช้เวลาครึ่งวัน ไม่ต้องมีเครื่องมือพิเศษ

3. สังเกตงานคัดลอกข้ามระบบหนึ่งสัปดาห์ นับจำนวนครั้งและความผิดพลาด จดเป็นตัวเลขที่องค์กรวัดเอง

4. จัดอันดับปัญหาที่ระบุตัวได้ ตามผลกระทบต่อลูกค้าและต้นทุนความผิดพลาด ไม่ใช่ตามความน่าตื่นเต้นของเทคโนโลยี

5. เมื่อเลือกได้หนึ่งปัญหา จึงค่อยหาว่าทางแก้เป็นการตั้งค่าระบบเดิม การเชื่อมระบบ หรือระบบใหม่ และกำหนดว่าจะวัดผลอย่างไรเมื่อเสร็จ

สรุป

คะแนนเฉลี่ย 2.12 จาก 4 และร้อยละ 21.18 ที่ใช้ AI เป็นภาพรวมของกลุ่มตัวอย่าง 834 ราย ไม่ใช่เกณฑ์ที่บอกว่าองค์กรคุณควรซื้ออะไร ถ้าจะหยิบไปใช้อย่างเดียวจากบทความนี้ ให้ตอบห้าคำถามด้วยข้อเท็จจริงของระบบในองค์กรเอง แล้วเลือกปัญหาที่ระบุตัวได้ก่อนคุยเรื่องการซื้อ

หากต้องการคุยรายละเอียดของโครงการ ติดต่อเราได้ที่ 088-983-9386 หรืออีเมล [email protected] สำนักงานของเราอยู่ที่บางกะปิ กรุงเทพฯ สำหรับองค์กรที่ยังอยู่ระหว่างร่างขอบเขตงาน เรายินดีนัดคุยเพื่อทำความเข้าใจโจทย์ก่อน โดยยังไม่ต้องมีเอกสารครบ และหากคุยแล้วพบว่าโจทย์ยังไม่ถึงเวลาต้องพัฒนาระบบใหม่ เราจะบอกตรง ๆ เพราะการเริ่มโครงการผิดจังหวะ มีต้นทุนสูงกว่าการรออีกหนึ่งไตรมาส