เจาะลึก Pathumma Connect จาก เนคเทค สวทช. สู่ Agentic AI ภาครัฐ

เมื่อสัปดาห์ก่อน มีผู้อำนวยการกองสารสนเทศของหน่วยงานภาครัฐแห่งหนึ่งโทรหาผมด้วยน้ำเสียงเครียดๆ ว่า 'ช่างครับ ระบบบริการประชาชนของเราอยากนำ AI มาช่วยตอบคำถามและตรวจสอบเอกสารอัตโนมัติ แต่ติดปัญหาใหญ่คือข้อมูลประชาชนเป็นข้อมูลควบคุมตามกฎหมาย PDPA จะส่งออกไปประมวลผลบน Cloud ต่างชาติก็ทำไม่ได้ พอจะมีโซลูชัน AI ของไทยที่รันบน Private Server ภายในศูนย์ Data Center ของเราเองได้ไหม?' คำถามนี้ทำให้ผมคิดถึงโครงการระดับประเทศที่ เนคเทค สวทช. เพิ่งเปิดตัวออกมา นั่นคือโมเดลภาษาไทย ปทุมมา LLM ที่พัฒนาต่อยอดมาสู่ Pathumma Connect แพลตฟอร์ม Agentic AI สำหรับขับเคลื่อนงานภาครัฐและประชาชนโดยเฉพาะครับ

ในฐานะวิศวกรเครือข่ายที่ต้องดูแลทั้งระบบ Network และโครงสร้าง Server ให้กับองค์กรหลายแห่ง ผมมองว่าการมาของ Pathumma Connect ไม่ใช่แค่เรื่องของซอฟต์แวร์ AI ใหม่ๆ แต่เป็นจุดเปลี่ยนสำคัญของสถาปัตยกรรมไอทีในไทยที่องค์กรและหน่วยงานรัฐต้องเตรียมความพร้อมล่วงหน้าครับ

จาก Open-source Thai LLM สู่สถาปัตยกรรม Agentic AI เต็มรูปแบบ

ทีมวิจัยจากศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ (เนคเทค สวทช.) ได้พัฒนาโมเดลภาษาไทยภายใต้ชื่อ 'ปทุมมา' (Pathumma) มาอย่างต่อเนื่อง โดยเริ่มต้นจากการเป็นโมเดลภาษาขนาดใหญ่ (LLM) ที่เข้าใจบริบท ภาษาไทย วัฒนธรรม และข้อกฎหมายของไทยได้อย่างแม่นยำ ต่างจากโมเดลต่างประเทศที่มักจะตกหลุมพรางเรื่องไวยากรณ์หรือการตีความคำราชาศัพท์และศัพท์เอกสารราชการ

แต่สิ่งที่ทำให้น่าตื่นเต้นยิ่งกว่าคือการก้าวสู่ Pathumma Connect ซึ่งปรับเปลี่ยนรูปแบบจาก Generative AI ธรรมดาให้กลายเป็น Agentic AI หรือระบบเอเจนต์อัจฉริยะที่ไม่ได้ทำหน้าที่แค่ตอบข้อความ แต่สามารถคิด วางแผน ตัดสินใจ และทำงานร่วมกันหลายโมเดล (Multi-Agent System) เพื่อทำภารกิจที่ซับซ้อนให้สำเร็จได้โดยอัตโนมัติ เช่น การดึงข้อมูลจาก API ของหน่วยงาน ตรวจสอบความถูกต้องของเอกสาร และส่งผลอนุมัติกลับไปยังประชาชน

โครงสร้าง Network และ Server ที่ต้องเตรียมรองรับ Pathumma Connect

จากประสบการณ์ที่ผมได้วางระบบ Server & Storage สำหรับรันโมเดล AI ในระดับองค์กร การนำ Agentic AI อย่าง Pathumma Connect มาใช้งานจริงในหน่วยงาน ไม่ใช่แค่การดาวน์โหลดโปรแกรมมาลงเครื่องคอมพิวเตอร์ทั่วไป แต่ต้องมีการออกแบบ Infrastructure ที่รัดกุม 3 ด้านหลักดังนี้ครับ

1. ประสิทธิภาพการประมวลผล (High-Performance GPU Server)

การทำงานของ โมเดลภาษาไทย ขนาดใหญ่และการประมวลผล Agentic AI จำเป็นต้องใช้ GPU Card สำหรับงาน AI โดยเฉพาะ เช่น NVIDIA V100, A100 หรือ H100 รวมถึงการจัดสรร Video RAM (VRAM) ให้เพียงพอต่อการทำ Inference และ Fine-tuning ข้อมูลเฉพาะของหน่วยงาน เพื่อให้ระบบตอบสนองได้แบบ Real-time ไม่เกิดอาการคอขวด

2. การเชื่อมต่อเครือข่ายความเร็วสูงและความล่าช้าต่ำ (Low Latency Network)

เนื่องจากระบบ Agentic AI จะต้องมีการส่งต่อข้อมูลระหว่าง Agent หลายตัว (เช่น Agent ตรวจเอกสาร, Agent ค้นหาระเบียบข้อบังคับ, Agent ออกหนังสือแจ้ง) ระบบเครือข่ายภายใน Data Center ต้องมีความเร็วระดับ 10Gbps หรือ 25Gbps Uplink ขึ้นไป และต้องมีการจัดตั้ง Private Server หรือ Private Cloud ภายในเพื่อลดความล่าช้าในการรับส่งข้อมูล

3. ความปลอดภัยข้อมูลตามมาตรฐาน PDPA และ Cyber Security

นี่คือจุดแข็งที่สุดของการใช้โซลูชันของ เนคเทค สวทช. ครับ เพราะเราสามารถนำโมเดลมา Deploy ลงบน On-Premise Data Center ของเราเองได้ 100% ข้อมูลของประชาชนและเอกสารสำคัญจะไม่หลุดออกไปยัง Server นอกประเทศ โดยต้องมีการตั้งค่า Firewall และการแบ่ง VLAN Segregation อย่างเข้มงวดเพื่อแยก Traffic ของ AI Engine ออกจากเครือข่ายใช้งานทั่วไป

เปรียบเทียบการทำงาน: Traditional AI vs Pathumma Connect Agentic AI

• Traditional Chatbot / AI: ทำได้เพียงตอบคำถามตามคีย์เวิร์ดที่ตั้งไว้ หากเจอคำถามซับซ้อนจะตอบไม่ได้ และไม่สามารถเชื่อมต่อกับฐานข้อมูลเพื่อปฏิบัติงานจริงได้
• Pathumma Connect (Agentic AI): สามารถรับคำร้องจากประชาชน เข้าไปคค้นหาข้อมูลใน Vector Database ของหน่วยงาน ตรวจสอบเงื่อนไขตามกฎหมาย แล้วสรุปผลพร้อมยกร่างหนังสือตอบกลับให้เจ้าหน้าที่ตรวจสอบเพียงแค่คลิกเดียว

ทำไมหน่วยงานภาครัฐและองค์กรไทยถึงควรจับตามอง

การพัฒนาเทคโนโลยี AI ของ เนคเทค สวทช. ครั้งนี้ ช่วยลดการพึ่งพาเทคโนโลยีจากต่างชาติ (Technology Sovereignty) และช่วยประหยัดงบประมาณค่า API License มหาศาลในระยะยาว ที่สำคัญคือการเปิดโอกาสให้วิศวกรระบบและนักพัฒนาในไทยสามารถนำ Pathumma Connect ไปต่อยอดเชื่อมโยงกับระบบ legacy เดิมขององค์กรได้อย่างอิสระ

หากองค์กรหรือหน่วยงานของท่านกำลังมีแผนจะนำระบบ Agentic AI เข้ามาปรับใช้ การเตรียมความพร้อมด้านโครงสร้างพื้นฐานไอที ไม่ว่าจะเป็นสเปก Server, ระบบ Storage ความเร็วสูงสำหรับ Vector Database หรือการวางระบบ Firewall และ VPN เพื่อความปลอดภัย ถือเป็นก้าวแรกที่สำคัญที่สุดครับ