Blog, Insight Hub

AI ควร “เร่ง” หรือ “คุม” Jensen Huang และ Dario Amodei เปิดสองมุมมองเรื่องความปลอดภัย AI บนเวที Dreamforce 2026

AI ควร “เร่ง” หรือ “คุม”? Jensen Huang และ Dario Amodei เปิดสองมุมมองเรื่องความปลอดภัย AI บนเวที Dreamforce 2026

การพัฒนา Artificial Intelligence (AI)
กำลังเข้าสู่คำถามที่ใหญ่กว่าการแข่งขันว่าใครจะสร้างโมเดลที่ฉลาดกว่า เร็วกว่า
หรือมีต้นทุนต่ำกว่า

คำถามสำคัญในวันนี้คือ

“เมื่อ AI มีความสามารถเพิ่มขึ้นอย่างรวดเร็ว ใครควรเป็นผู้กำหนดว่าปลอดภัยเพียงพอแล้ว
— บริษัทผู้พัฒนา ตลาด อุตสาหกรรม รัฐบาล หรือมาตรฐานระหว่างประเทศ?”

ประเด็นนี้ปรากฏอย่างชัดเจนบนเวที Dreamforce 2026 ของ
Salesforce
ที่ซานฟรานซิสโก เมื่อวันที่ 15 กันยายน 2026 เมื่อ Jensen Huang ซีอีโอของ
NVIDIA และ Dario
Amodei ซีอีโอของ
Anthropic
นำเสนอมุมมองที่แตกต่างกันอย่างมีนัยสำคัญต่อการกำกับดูแลและความปลอดภัยของ AI

ประเด็นนี้ไม่ใช่เพียงการถกเถียงของผู้บริหารบริษัทเทคโนโลยี แต่สะท้อนโจทย์ใหญ่ของโลกว่า
เราจะรักษาความเร็วของนวัตกรรม พร้อมกับบริหารความเสี่ยงจาก AI
ที่มีความสามารถสูงขึ้นได้อย่างไร

Dreamforce 2026: เมื่อ AI Safety กลายเป็นประเด็นระดับ CEO

Dreamforce เป็นงานเทคโนโลยีประจำปีของ Salesforce โดยปี 2026 มีผู้เข้าร่วมประมาณ
43,000 คน และประเด็นเรื่อง AI, Agentic Enterprise
รวมถึงความปลอดภัยของระบบอัจฉริยะเป็นหัวข้อสำคัญของงาน

สิ่งที่น่าสนใจคือ Huang และ Amodei ไม่ได้ปฏิเสธความสำคัญของ AI Safety

จุดที่ทั้งสองแตกต่างกันคือ กลไกที่จะทำให้ AI ปลอดภัยควรเป็นอย่างไร

ฝั่งหนึ่งให้น้ำหนักกับ Engineering + Corporate Responsibility + Market
Forces

อีกฝั่งให้น้ำหนักกับ Internal Safety + Industry Standards + International
Cooperation

นี่คือความแตกต่างที่สำคัญ เพราะไม่ใช่การแบ่งง่าย ๆ ว่าใคร “สนับสนุนความปลอดภัย” และใคร
“ไม่สนับสนุนความปลอดภัย”

Jensen Huang: “Safety is an engineering problem”

Jensen Huang มองว่า AI แม้จะซับซ้อนมากขึ้น แต่สุดท้ายก็ยังเป็น Computing System
ที่มนุษย์สร้างขึ้น

ดังนั้น การจัดการความปลอดภัยจึงควรเริ่มจากหลักการทางวิศวกรรม ได้แก่ การออกแบบ
การทดสอบ การประเมินระบบ และการตัดสินใจว่าจะพร้อมเปิดตัวผลิตภัณฑ์หรือไม่

Huang กล่าวบนเวทีว่า “Safety is an engineering problem, not a legal
one.” และเสนอว่าหากบริษัทไม่มั่นใจใน Functionality, Capability หรือ Safety
ของผลิตภัณฑ์ ก็ไม่ควรปล่อยผลิตภัณฑ์นั้นออกสู่ตลาด

ในมุมมองนี้ Market Forces
เป็นกลไกหนึ่งที่สร้างแรงจูงใจให้บริษัทต้องรักษาคุณภาพและความปลอดภัย
เพราะผลิตภัณฑ์ที่สร้างความเสียหายย่อมส่งผลต่อความเชื่อมั่น ลูกค้า ชื่อเสียง
และธุรกิจของบริษัทเอง

“เราไม่ต้องการกฎหมายใหม่”

ส่วนที่ทำให้มุมมองของ Huang ถูกพูดถึงอย่างมากคือการคัดค้านแนวคิดที่ว่า AI
จำเป็นต้องมีกฎหมายหรือกฎระเบียบใหม่เพื่อจัดการกับความเสี่ยงโดยเฉพาะ

เขากล่าวว่า

“We don’t need any new laws. We don’t need new regulations.”

Huang ให้เหตุผลว่าแรงกดดันจากตลาดมีอยู่แล้ว
และบริษัทควรเป็นผู้ตัดสินใจว่าควรเดินหน้าเร็วเพียงใด
หรือเมื่อใดควรหยุดเพื่อแก้ไขปัญหาความปลอดภัย

อย่างไรก็ตาม คำกล่าวนี้ควรตีความอย่างระมัดระวังว่าเป็นการคัดค้าน
กฎหมายหรือกฎระเบียบใหม่สำหรับ AI ไม่ใช่การกล่าวว่า AI
ไม่ควรอยู่ภายใต้กฎหมายใดเลย

“เร็ว” กับ “ปลอดภัย” ไม่จำเป็นต้องเลือกอย่างใดอย่างหนึ่ง

อีกประเด็นสำคัญในแนวคิดของ Huang คือ
เขาไม่เห็นด้วยกับการตั้งโจทย์ว่าอุตสาหกรรมต้องเลือกระหว่าง

Innovation Speed

กับ

AI Safety

Huang มองว่านี่เป็น “False Choice”
เพราะบริษัทสามารถพัฒนาเทคโนโลยีอย่างรวดเร็วและสร้างผลิตภัณฑ์ที่ปลอดภัยไปพร้อมกันได้

แนวคิดของเขาสรุปได้ว่า

Continuous Safety Cycle

Run fast → Test continuously → Monitor risk → Pause when necessary →
Fix → Continue

หลักการสำคัญ

กล่าวคือ “วิ่งให้เร็วที่สุดเท่าที่ทำได้” แต่ถ้าบริษัทเริ่มรู้สึกว่าควบคุมระบบไม่ได้
หรือผลิตภัณฑ์อาจไม่ปลอดภัย ก็ควรหยุดและแก้ไขให้ถูกต้องก่อนเดินหน้าต่อ

Dario Amodei: เริ่มจากตรวจสอบตัวเอง ก่อนยกระดับเป็นมาตรฐานร่วม

Dario Amodei เสนออีกแนวทางหนึ่ง

ก่อนขึ้นเวที Dreamforce เขาได้เรียกร้องให้บริษัท AI ชะลออัตราการเพิ่มขีดความสามารถของ
Frontier Models เพื่อให้กลไกด้าน Safety และ Oversight สามารถตามทัน โดย
Reuters รายงานว่าแนวทางของเขาครอบคลุมการประเมินความปลอดภัยที่เป็นอิสระ
การประสานมาตรฐานระหว่างบริษัท และความร่วมมือระดับนานาชาติ

บนเวที Dreamforce เขาอธิบายแนวคิดนี้ผ่านตัวอย่าง อุตสาหกรรมรถยนต์

สมมติว่าคู่แข่งประสบอุบัติเหตุจากปัญหาด้านความปลอดภัย
สิ่งที่บริษัทควรทำไม่ใช่รีบใช้เหตุการณ์นั้นโจมตีคู่แข่ง แต่ควรกลับมาตรวจสอบก่อนว่า

“ระบบความปลอดภัยของเราเองดีพอหรือยัง?”

จากนั้นจึงค่อยยกระดับไปสู่การสร้างมาตรฐานของอุตสาหกรรม
และสุดท้ายคือความร่วมมือระหว่างประเทศ

3 ขั้นตอนของแนวคิด Amodei

แนวทางของ Amodei สามารถสรุปเป็นสามระดับ

ระดับที่ 1 — Company

บริษัท AI ควรตรวจสอบแนวปฏิบัติ ความปลอดภัย และความโปร่งใสของตนเอง
รวมถึงยอมรับว่ายังสามารถปรับปรุงได้

ระดับที่ 2 — Industry

บริษัทในอุตสาหกรรมควรร่วมกันพิจารณาว่า จะกำหนดมาตรฐานด้าน AI Safety
ที่ยกระดับความปลอดภัยของทั้งอุตสาหกรรมได้อย่างไร

ระดับที่ 3 — International

เมื่อ AI เป็นเทคโนโลยีที่ใช้งานข้ามพรมแดน
การบริหารความเสี่ยงบางประเภทอาจต้องอาศัยความร่วมมือและมาตรฐานในระดับนานาชาติด้วย

ดังนั้น แนวคิดของ Amodei ไม่ได้หมายถึงเพียง “ออกกฎหมายมาหยุด AI” แต่ครอบคลุมทั้ง
Self-governance, Industry Coordination, External Evaluation และ
International Cooperation

จุดที่น่าสนใจ: Amodei ไม่ได้ต้องการหยุดการใช้ AI

ประเด็นนี้มีความสำคัญมาก

การเรียกร้องให้ควบคุมความเร็วของ Frontier AI Development
ไม่ได้หมายความว่าต้องหยุดการนำ AI ที่มีอยู่แล้วไปใช้ในธุรกิจ

Amodei ระบุว่า แม้ความสามารถของ AI จะหยุดอยู่ ณ ระดับปัจจุบัน
สังคมและเศรษฐกิจก็ยังใช้ประโยชน์จากศักยภาพที่มีอยู่ได้เพียงส่วนเล็ก ๆ เท่านั้น
โดยเขาประเมินบนเวทีว่าปัจจุบันอาจใช้ประโยชน์ได้ราว 5–10% ของมูลค่าที่เป็นไปได้

จึงต้องแยกสองเรื่องออกจากกัน:

AI Capability Development — การทำให้ Frontier Model
ฉลาดและมีความสามารถเพิ่มขึ้น

กับ

AI Adoption — การนำความสามารถที่มีอยู่แล้วไปใช้ในองค์กร เศรษฐกิจ และสังคม

เราสามารถเร่ง Adoption ได้ แม้จะเพิ่มความเข้มงวดในการพัฒนา Frontier Models

สองแนวคิดนี้ต่างกันตรงไหน?

หากตัดรายละเอียดออก เราจะเห็นว่าทั้งสองฝ่ายยอมรับหลักการร่วมกันอย่างหนึ่งคือ
บริษัทไม่ควรปล่อยระบบที่ไม่ปลอดภัยออกสู่ตลาด

สิ่งที่แตกต่างคือคำถามว่า “กลไกภายในบริษัทเพียงพอหรือไม่?”

แนวทางของ Jensen Huang

Huang ให้น้ำหนักกับ

Engineering → Testing → Corporate Decision → Market Discipline

แนวทางของ Dario Amodei

ขณะที่ Amodei มองไปไกลกว่านั้นเป็น

Company Safety → Industry Standards → External Oversight → International Cooperation

กล่าวอีกแบบคือ Huang ให้น้ำหนักกับ Decentralized Responsibility ของแต่ละบริษัท
ส่วน Amodei ต้องการเพิ่ม Collective Governance สำหรับความเสี่ยงบางประเภทของ
Frontier AI

นี่เป็นข้อถกเถียงเชิงนโยบายที่ยังไม่มีฉันทามติในอุตสาหกรรม
และหลักฐานเกี่ยวกับความเสี่ยงระยะยาวของ AI
รวมถึงประสิทธิผลของกลไกกำกับแต่ละแบบก็ยังอยู่ระหว่างการศึกษาและถกเถียง

เรื่องนี้เกี่ยวอะไรกับองค์กรไทย?

สำหรับองค์กรไทย ประเด็นสำคัญอาจไม่ใช่การเลือกว่า Huang หรือ Amodei “ถูกกว่า”

แต่คือการนำคำถามจากทั้งสองแนวคิดมาประยุกต์ใช้กับ AI Governance ภายในองค์กร

องค์กรที่กำลังนำ Generative AI หรือ AI Agent มาใช้ควรถามอย่างน้อยว่า

Engineering

ระบบผ่าน Security Testing, Privacy Testing และ Model Evaluation
เพียงพอหรือยัง?

Data

ข้อมูลส่วนบุคคล ข้อมูลลูกค้า และข้อมูลลับขององค์กรสามารถถูกส่งเข้า Model ได้หรือไม่?

Human Oversight

การตัดสินใจประเภทใดที่ AI ทำได้เอง และเรื่องใดต้องมี Human-in-the-Loop?

Accountability

หาก AI ให้คำตอบผิด ตัดสินใจผิด หรือสร้างความเสียหาย ใครเป็นผู้รับผิดชอบ?

Monitoring

หลัง Deploy แล้ว มีระบบตรวจสอบ Hallucination, Data Leakage, Prompt
Injection, Abuse และพฤติกรรมผิดปกติหรือไม่?

Kill Switch

ถ้า AI Agent เริ่มทำงานผิดจากวัตถุประสงค์ องค์กรสามารถหยุดหรือจำกัดสิทธิ์ได้ทันทีหรือไม่?

AI Governance by Design

นี่คือเหตุผลที่ AI Governance ไม่ควรเริ่มต้นหลังจาก Deploy AI แล้ว
แต่ควรถูกออกแบบเข้าไปตั้งแต่ Architecture, Data, Security, Workflow และ
Business Process

AI Safety อาจไม่ใช่ “Engineering หรือ Governance” แต่ต้องมีทั้งสองด้าน

บทสนทนาบนเวที Dreamforce 2026 แสดงให้เห็นกรอบคิดที่แตกต่างกันอย่างชัดเจน

มุมหนึ่งมองว่า เทคโนโลยีต้องเดินหน้าอย่างรวดเร็ว และความปลอดภัยสามารถสร้างขึ้นผ่าน
Engineering, Testing และความรับผิดชอบของบริษัท

อีกมุมหนึ่งมองว่า เมื่อ AI มีความสามารถและผลกระทบกว้างขึ้น
การบริหารความเสี่ยงบางประเภทจำเป็นต้องขยายจากระดับบริษัทไปสู่ระดับอุตสาหกรรมและระหว่างประเทศ

แนวทางสำหรับองค์กร

ในทางปฏิบัติ องค์กรที่นำ AI มาใช้อาจต้องจัดการทั้งสองมิติพร้อมกัน:

AI Engineering

AI Engineering ทำให้ระบบทำงานได้อย่างถูกต้องและปลอดภัย

AI Governance

AI Governance กำหนดว่าใครมีสิทธิ์ใช้ ใช้กับอะไร ใครรับผิดชอบ ตรวจสอบอย่างไร
และความเสี่ยงระดับใดที่องค์กรยอมรับได้

บทสรุป: คำถามใหญ่ไม่ใช่แค่ “AI จะเก่งขึ้นแค่ไหน?”

Dreamforce 2026 ทำให้เห็นชัดว่า เมื่อ AI ก้าวจาก Chatbot → Copilot → AI Agent
→ Agentic Enterprise การแข่งขันของอุตสาหกรรมจะไม่ได้อยู่แค่เรื่อง Model
Performance อีกต่อไป

แต่จะรวมถึง Safety, Trust, Governance และ Accountability

Jensen Huang เสนอแนวทางที่ให้น้ำหนักกับ Engineering, Market Forces
และความรับผิดชอบของแต่ละบริษัท

Dario Amodei เสนอแนวทางที่ขยายจาก การตรวจสอบตนเอง →
มาตรฐานร่วมของอุตสาหกรรม → ความร่วมมือระดับนานาชาติ

ทั้งสองมุมมองจึงนำไปสู่คำถามที่ผู้บริหารทุกองค์กรควรเริ่มตอบตั้งแต่วันนี้ว่า

“เราจะเร่งใช้ AI เพื่อสร้างความได้เปรียบทางธุรกิจ
โดยยังสามารถพิสูจน์ได้อย่างไรว่าระบบนั้นปลอดภัย ควบคุมได้ และมีผู้รับผิดชอบ?”

เพราะในยุค Agentic AI ความสามารถในการพัฒนา AI ให้เร็วอาจเป็นข้อได้เปรียบ

แต่ความสามารถในการ ควบคุม ตรวจสอบ และสร้างความไว้วางใจให้กับ AI
ก็อาจมีความสำคัญไม่แพ้กัน

เกี่ยวกับผู้เขียน

อาจารย์ปรเมศร์ เพียรสกุล ผู้เชี่ยวชาญด้านความมั่นคงปลอดภัยไซเบอร์ (Cybersecurity) ปัญญาประดิษฐ์ (Artificial Intelligence: AI) และการวิเคราะห์ข้อมูลเชิงกลยุทธ์ ปัจจุบันดำรงตำแหน่งประธานเจ้าหน้าที่บริหาร (Chief Executive Officer: CEO) และผู้ก่อตั้ง บริษัท อินเทลลิเจนท์ ดาต้า อนาไลติก จำกัด โดยมุ่งพัฒนาและประยุกต์ใช้เทคโนโลยี เพื่อเปลี่ยนข้อมูลให้เป็นข่าวกรองที่เชื่อถือได้สำหรับการตัดสินใจของผู้บริหารและองค์กรอย่างมีประสิทธิภาพและยั่งยืน