Small Language Model (SLM): AI ขนาดกะทัดรัดที่ SME ไทยใช้จริง ประหยัดค่าใช้จ่าย

Small Language Model (SLM) คือ AI ขนาดกะทัดรัดที่ SME ไทยรันบนเครื่องของตัวเองได้จริง ลดค่าใช้จ่ายรายเดือนและทำให้ข้อมูลลูกค้าไม่ออกจากระบบ แทนที่การเรียก API คลาวด์ใหญ่ในทุกครั้ง โมเดลเหล่านี้มีพารามิเตอร์ราว 2-8 พันล้าน ทำงานตอบแชท สรุปเอกสาร คัดกรองใบแจ้งหนี้ จัดหมวดหมู่สินค้า และค้นหาความรู้ภายในองค์กรได้ทันที โดยไม่ต้องพึ่งคลาวด์ใหญ่หรือ GPU ราคาแพงตลอดเวลา

SLM คืออะไร และต่างจาก LLM อย่างไร

SLM ย่อมาจาก Small Language Model หมายถึงโมเดลภาษาที่ถูกฝึกด้วยหลักการเดียวกับ Large Language Model หรือ LLM แต่มีขนาดเล็กลงมาก จุดประสงค์คือให้สามารถทำงานได้บนฮาร์ดแวร์ทั่วไป เช่น เดสก์ท็อป โน้ตบุ๊กสเปกแรง หรือเซิร์ฟเวอร์ขององค์กร ในขณะที่ LLM อย่างรุ่น 70B หรือ 100B พารามิเตอร์มักต้องใช้คลัสเตอร์ GPU และคลาวด์ขนาดใหญ่

ความต่างที่ SME สัมผัสได้จริงมีอยู่ 4 เรื่อง ต้นทุน ข้อมูล ความเร็ว และการปรับแต่ง สมมติว่าใช้บริการ API ของโมเดลใหญ่ทุกครั้งที่ลูกค้าสอบถาม ระบบจะคิดเงินตามจำนวน token ยิ่งมีแชทและเอกสารมาก ยิ่งจ่ายรายเดือนสูง แต่ SLM รันบนเครื่องตัวเองหลังจ่ายค่าฮาร์ดแวร์ครั้งเดียว ก็เหลือแค่ค่าไฟและค่าบำรุงรักษา ประเด็นเรื่องข้อมูลสำคัญกว่า เพราะเมื่อใช้ API คลาวด์ ข้อมูลคำถามและเอกสารต้องถูกส่งไปยังผู้ให้บริการภายนอก แต่ SLM เก็บทุกอย่างไว้ในระบบของเรา

หลายคนคิดว่า AI ยิ่งใหญ่ยิ่งฉลาดเสมอ แต่ในงานประจำที่มีขอบเขตชัดเจน โมเดลขนาด 2-8B ให้คำตอบที่ไวเพียงพอ และยังควบคุมความเพี้ยนได้ด้วยการจำกัดการใช้งานเฉพาะด้าน เช่น ตอบเรื่องสินค้า สรุปสัญญา หรือแยกหมวดหมู่เอกสาร ในทางกลับกัน LLM เหมาะกับงานที่ต้องใช้ความรู้กว้าง ซับซ้อน หรือสร้างสรรค์เนื้อหายาว ซึ่ง SME ส่วนใหญ่ไม่จำเป็นต้องใช้ทุกวัน ดังนั้น SLM จึงตอบโจทย์การใช้งานจริงได้คุ้มค่ากว่า

ทำไม SME ไทยถึงลดต้นทุนค่าใช้จ่าย AI ได้จริง

ปัญหาแรกของ SME ไทยที่อยากใช้ AI คือค่าใช้บริการโมเดลใหญ่บนคลาวด์เป็นรายเดือน ยิ่งทำแชทบอทให้ลูกค้าหรือประมวลผลเอกสารจำนวนมาก ค่า API ก็ยิ่งบานปลาย ถ้าเดือนหนึ่งมีข้อความเข้า 20,000 ข้อความและแต่ละข้อความยาว 500-1,000 คำ ตัวเลขค่าใช้จ่ายจะสูงจนธุรกิจต้องคิดใหม่

SLM ช่วยเปลี่ยนโครงสร้างค่าใช้จ่ายจากการจ่ายตามปริมาณ เป็นการลงทุนครั้งเดียวกับค่าไฟรายเดือน ธุรกิจสามารถเลือกใช้โมเดลเปิดขนาด 3B, 4B, 7B หรือ 8B ที่ดาวน์โหลดมาใช้ฟรี แล้วรันบนเครื่องที่มี RAM 16GB ขึ้นไป ถ้าต้องการความเร็วมากขึ้น จึงค่อยลงทุนการ์ดจอระดับกลาง เช่น RTX 3060 12GB หรือ 4060 Ti 16GB ซึ่งราคาย่อมเยากว่าการเช่า GPU บนคลาวด์หลายเท่า ผู้ให้บริการระบุว่าโมเดล 8B แบบควอนไทซ์ใช้ VRAM ประมาณ 6-8GB ผลจริงขึ้นกับบริบทและขนาดของโมเดล

ที่สำคัญคือ SME ไม่ต้องเริ่มด้วยระบบใหญ่ก่อน ในช่วงแรกอาจใช้ CPU ประมวลผลแบบ async เช่น สรุปเอกสารข้ามคืน แล้วค่อยขยับมาทำแบบเรียลไทม์เมื่อมีงบประมาณ วิธีนี้ทำให้ธุรกิจที่มีทรัพยากรจำกัดได้ทดลอง AI โดยไม่ต้องเสี่ยงซื้อฮาร์ดแวร์แพง หรือผูกติดกับสัญญาคลาวด์ระยะยาว เมื่อรวมกับโมเดลเปิดที่ปรับใช้ได้ฟรี ต้นทุนเริ่มต้นจึงต่ำกว่าแนวคิดเดิมมาก

ข้อมูลไม่ต้องออกนอกระบบ ตอบโจทย์ PDPA ยังไง

ธุรกิจไทยหลายประเภทมีข้อมูลอ่อนไหว เช่น โรงงานที่รับผลิตให้แบรนด์ต่างประเทศ สำนักงานบัญชีที่เก็บเอกสารการเงิน หรือคลินิกที่มีประวัติลูกค้า ถ้าใช้บริการ AI บนคลาวด์ ข้อมูลเหล่านั้นจำเป็นต้องถูกส่งไปประมวลผลภายนอก แม้ผู้ให้บริการจะบอกว่าเข้ารหัส แต่ก็ยังมีความเสี่ยงเรื่องการรั่วไหล การเข้าถึงโดยพนักงานผู้ให้บริการ และปัญหาเขตพื้นที่เก็บข้อมูล

การรัน SLM ภายในเครื่องทำให้ข้อมูลลูกค้า เอกสารภายใน ใบแจ้งหนี้ และข้อมูลพนักงานอยู่ในเครือข่ายขององค์กรตลอดเวลา องค์กรสามารถตั้งสิทธิ์การเข้าถึง เก็บ log การใช้งาน และกำหนดมาตรการเข้ารหัสได้เอง ซึ่งสอดคล้องกับหลักการ PDPA ที่ให้เก็บข้อมูลเท่าที่จำเป็นและปกป้องข้อมูลส่วนบุคคลไม่ให้นำไปใช้ผิดวัตถุประสงค์

แน่นอนว่า SLM บนเครื่องไม่ได้แปลว่าปลอดภัย 100% เพราะระบบยังต้องถูกตั้งค่าให้แน่นหนา ไม่เปิด port ทิ้งไว้ และมีกระบวนการอนุมัติการเข้าถึง แต่การลดการส่งข้อมูลออกนอกระบบช่วยลด attack surface ได้มาก ธุรกิจที่ทำงานกับลูกค้าที่ต้องการความมั่นใจด้านข้อมูลสามารถใช้จุดนี้เป็นจุดขายได้ด้วยซ้ำ เช่น ยืนยันกับลูกค้าว่าเอกสารของพวกเขาไม่ถูกส่งไปให้บริษัท AI ภายนอก ช่วยเพิ่มความน่าเชื่อถือและผ่านข้อกำหนดของคู่ค้าได้ง่ายขึ้น

งานไหนที่ SLM ใช้ได้จริงใน SME ไทย

SLM ไม่ได้เป็นแค่โปรเจกต์ทดลอง แต่ใช้ทำงานจริงได้หลายอย่าง ตัวอย่างแรกคือการตอบแชทเบื้องต้นสำหรับร้านค้าออนไลน์ ลูกค้าถามบ่อยเรื่องราคาโปรโมชัน ขนาดสินค้า หรือวันจัดส่ง ถ้าร้านมีข้อมูลอยู่ในตารางหรือเว็บไซต์ เราสามารถเชื่อม SLM กับระบบค้นหาในเอกสารให้มันตอบพร้อมอ้างอิงแหล่งข้อมูล พนักงานจึงเหลือเวลามาดูแลลูกค้าที่ซับซ้อนจริง

งานที่สองคือการสรุปเอกสาร สำนักงานบัญชีหรือสำนักงานกฎหมายขนาดเล็กมีสัญญา ใบเสนอราคา และรายงานการประชุมจำนวนมาก SLM อ่านเอกสารแล้วสรุปประเด็นสำคัญ เช่น วันครบกำหนด จำนวนเงิน หรือเงื่อนไขที่ต้องระวัง ช่วยลดเวลาพนักงานที่ต้องไล่อ่านทีละหน้า งานที่สามคือการคัดกรองใบแจ้งหนี้ โรงงาน SME ที่รับใบส่งของจากซัพพลายเออร์หลายราย ใช้ SLM อ่านชื่อผู้ขาย เลขที่เอกสาร วันที่ และยอดเงิน แล้วส่งต่อเข้าโปรแกรมบัญชีอัตโนมัติ ลดการพิมพ์ข้อมูลซ้ำและความผิดพลาดจากคน

งานที่สี่คือการจัดหมวดหมู่สินค้า สำหรับธุรกิจที่ขายสินค้าหลายพันรายการ ทั้งบนเว็บไซต์ ตลาดออนไลน์ และหน้าร้าน SLM อ่านชื่อสินค้าและคุณสมบัติแล้วจัดลงหมวดหมู่ที่ถูกต้อง เช่น เสื้อยืด กางเกง หรืออุปกรณ์อิเล็กทรอนิกส์ งานสุดท้ายคือระบบหาความรู้ภายในองค์กร พนักงานสามารถถามว่า “ลาป่วยได้กี่วัน” หรือ “ขั้นตอนเบิกเงินสดย่อยทำยังไง” ระบบ SLM จะค้นหาคำตอบจากคู่มือพนักงานที่อัปเดตล่าสุด แทนการโทรถามฝ่ายบุคคลซ้ำ ๆ ทุกวัน

วิธีเลือกโมเดล SLM และต่อ RAG สำหรับธุรกิจ

การเริ่มต้นที่คุ้มค่าที่สุดคือเลือกโมเดลเปิดขนาด 2-8B ที่รองรับภาษาไทย โมเดลอย่าง Qwen2.5 7B, Llama 3.1 8B หรือ SeaLLM เป็นตัวเลือกที่ใช้งานได้จริง บางตัวถูกเทรนด้วยข้อมูลภาษาไทยเพิ่มเติม และมีขนาดหลายแบบให้เลือกตามทรัพยากรเครื่อง แต่ไม่ควรเลือกจากชื่อหรือขนาดเพียงอย่างเดียว ควรเตรียมคำถามจริงจากธุรกิจ เช่น ประโยคที่ลูกค้าใช้ถาม และเอกสารตัวอย่างที่ต้องสรุป แล้วทดลองเทียบหลายโมเดล

เครื่องมือที่ทำให้เริ่มง่ายที่สุดคือ Ollama ติดตั้งแล้วรันคำสั่งแบบ ollama run qwen2.5:7b ได้ทันทีบน macOS, Linux หรือ Windows เหมาะสำหรับทีมที่ยังไม่มีนักวิจัย AI แต่พอเขียนคำสั่งได้ เมื่อทดลองจนพอใจแล้ว จึงค่อยสร้าง API interface หรือเชื่อมกับ LINE, Messenger หรือเว็บแชท

ส่วนระบบ RAG หรือ Retrieval-Augmented Generation เป็นวิธีทำให้ SLM รู้จักข้อมูลเฉพาะของธุรกิจโดยไม่ต้องเทรนใหม่ทั้งหมด หลักการคือตัดเอกสารออกเป็นส่วนย่อย ๆ นำไปแปลงเป็นเวกเตอร์ด้วย embedding model แล้วเก็บในฐานข้อมูลเวกเตอร์ เช่น Chroma หรือ Qdrant เมื่อมีคำถามใหม่ ระบบจะค้นหาส่วนที่เกี่ยวข้องมากที่สุดจากฐานข้อมูล แล้วส่งให้ SLM สรุปคำตอบพร้อมบอกแหล่งอ้างอิง วิธีนี้เหมาะมากสำหรับ SME เพราะข้อมูลสินค้า ราคา และนโยบายเปลี่ยนตลอดเวลา การแก้เอกสารต้นทางก็เพียงพอ ไม่ต้องปรับแต่งโมเดลบ่อย ๆ

สรุป: SME ไทยควรเริ่ม SLM ตอนนี้ไหม

คำตอบคือใช่ ถ้าธุรกิจมีงานซ้ำ ๆ ที่ต้องใช้ภาษาและการอ่านเอกสาร เพราะ SLM ช่วยลดค่าใช้จ่าย API รายเดือน เก็บข้อมูลลูกค้าไว้ในเครื่องเพื่อความปลอดภัย และปรับให้พูดภาษาไทยตรงกับบริบทของธุรกิจได้จริง เริ่มจากงานเล็ก ๆ หนึ่งงานก่อน เช่น คัดกรองใบแจ้งหนี้หรือตอบคำถามลูกค้า เลือกโมเดลเปิด 2-8B ทดลองกับ Ollama แล้วต่อ RAG เข้ากับเอกสารภายใน เมื่อเห็นผลชัดเจนแล้วค่อยขยายไปงานอื่น ไม่ต้องรอให้ AI ใหญ่ฉลาดที่สุด เพราะในหลายกรณีความคุ้มค่ามาจากโมเดลเล็กที่ใช้ถูกที่ต่างหาก