Articles › AI

บทนำ ในช่วงไม่กี่ปีที่ผ่านมา ธุรกิจรีไซเคิลในประเทศไทยเริ่มให้ความสนใจกับ AI มากขึ้น ไม่ว่าจะเป็นการคัดแยกวัสดุอัตโนมัติ การทำแดชบอร์ดวิเคราะห์ข้อมูล หรือการคาดการณ์ราคาเศษวัสดุ แต่ในความเป็นจริง โครงการ AI จำนวนไม่น้อยกลับไม่สามารถสร้างผลลัพธ์ทางธุรกิจได้อย่างที่คาดหวัง สาเหตุหลักไม่ได้อยู่ที่ว่า AI ไม่เก่งพอ แต่เกิดจาก AI ถูกนำมาใช้โดยไม่มีการเชื่อมต่อเข้ากับระบบการทำงานจริงของโรงงานและธุรกิจ

Introduction Many recycling companies are investing in AI technologies with the hope of improving efficiency, yield, and profitability. However, a significant number of these projects fail to deliver real business value. The primary reason is not the AI models themselves—but the lack of proper system integration. This article explains why AI initiatives in recycling often […]

在过去几年里，低代码 / 无代码平台 一度被视为“软件开发的未来”。 它们的价值主张非常明确： 更快的交付速度 更低的开发成本 非程序员也能参与系统构建 这些优势在早期阶段确实极具吸引力。 但进入 2025 年后，低代码的热度明显下降。 低代码并没有消失， 但它 已经不再是技术创新的核心方向。 本文将从现实系统建设的角度，解释： 为什么低代码正在失去重要性 以及当前更具生命力的替代路径

ここ数年、ローコード／ノーコードプラットフォームは「ソフトウェア開発の未来」として注目されてきました。 開発スピードが速い 開発コストを抑えられる エンジニア以外でもアプリを作れる こうした価値提案は非常に魅力的でした。 しかし 2025 年現在、ローコードの勢いは明らかに落ち着いてきています。 ローコードが消えたわけではありません。 ただし イノベーションの中心ではなくなった のです。 本記事では、なぜローコードが重要性を失いつつあるのか、そして 現在主流になりつつある代替アプローチ を整理します。

ในช่วงหลายปีที่ผ่านมา แพลตฟอร์ม Low-code และ No-code ถูกมองว่าเป็นอนาคตของการพัฒนาซอฟต์แวร์ แนวคิดฟังดูน่าสนใจมาก: สร้างระบบได้เร็ว ลดต้นทุนการพัฒนา คนที่ไม่ใช่โปรแกรมเมอร์ก็สร้างแอปได้ แต่เมื่อเข้าสู่ปี 2025 กระแสของ Low-code เริ่มชะลอตัวอย่างชัดเจน Low-code ไม่ได้ “ตาย” แต่ ไม่ใช่จุดที่นวัตกรรมกำลังเกิดขึ้นอีกต่อไป บทความนี้จะอธิบายว่า ทำไม Low-code ถึงเริ่มหมดความสำคัญ และอะไรคือแนวทางที่มาแทนที่

For several years, low‑code and no‑code platforms were positioned as the future of software development. The promise was compelling: build applications faster, reduce engineering cost, and allow non‑developers to create real systems. But in 2025, the momentum has clearly slowed. Low‑code is not dead—but it is no longer where innovation is happening. This article explains […]

在 2025 年，失败的并不是技术本身。这一点对中国企业而言尤为重要。 AI 模型持续进化，算力和硬件不断提升，云计算与开源生态日趋成熟。 然而，产品却以前所未有的速度走向失败——从 AI 设备、企业级平台，到消费级硬件与机器人创业公司，无一幸免。 本文并不是一份“失败产品清单”。 而是一篇复盘分析（Post-mortem）：为什么在拥有资金、技术与资源的情况下，产品依然会崩溃？这些问题对 中国企业、制造业与 IT/数字化团队 有着直接参考价值。

2025年、テクノロジー自体が失敗したわけではありません。この点は日本企業にとっても非常に重要です。 AIモデルは飛躍的に進化し、ハードウェアは高速化し、クラウドは成熟し、オープンソースのエコシステムも拡大しました。 それにもかかわらず、製品は過去に例のないスピードで失敗しました。AIデバイス、エンタープライズプラットフォーム、消費者向けハードウェア、ロボティクス系スタートアップまで例外ではありません。

ในปี 2025 เทคโนโลยีไม่ได้ล้มเหลว — และประเด็นนี้เกี่ยวข้องกับธุรกิจในประเทศไทยอย่างมาก โมเดล AI เก่งขึ้นอย่างก้าวกระโดด ฮาร์ดแวร์เร็วขึ้น คลาวด์มีความเสถียรมากขึ้น และระบบโอเพนซอร์สเติบโตอย่างรวดเร็ว แต่ถึงอย่างนั้น ผลิตภัณฑ์กลับล้มเหลวในอัตราสูงเป็นประวัติการณ์ — ตั้งแต่อุปกรณ์ AI แพลตฟอร์มองค์กร ฮาร์ดแวร์ผู้บริโภค ไปจนถึงสตาร์ทอัพด้านหุ่นยนต์ บทความนี้ไม่ใช่การรวบรวม “ผลิตภัณฑ์ห่วย” แต่เป็น บทวิเคราะห์หลังเหตุการณ์ (post-mortem) ว่าทำไมผลิตภัณฑ์ที่มีเงินทุนพร้อม ทีมเก่ง และเทคโนโลยีดี จึงยังล้มเหลว — พร้อมบทเรียนที่ใช้ได้จริงกับ สตาร์ทอัพ โรงงาน และองค์กรไทย

In 2025, technology did not fail. AI models became stronger. Hardware became faster. Cloud platforms became more mature. Open‑source ecosystems expanded rapidly. And yet, products failed at a historic rate — from AI devices and enterprise platforms to consumer hardware and robotics startups. This article is not a list of “bad products.” It is a […]

执行摘要 Agentic AI 已不再停留在研究阶段。对中国企业而言，它正逐步进入实际应用，用于提升运营效率、整合现有系统、推动数字化与智能化升级。 但需要注意的是，不同的 Agentic AI 采用了完全不同的设计理念。如果忽视这一点，可能会在安全、治理和长期运维方面带来风险。 本文将对以下三种主流路径进行对比分析： Manus（高度自主的 Agentic AI） OpenAI Agentic AI（由企业设计和控制的 Agentic AI） Google Agentic AI（深度集成于 Google 生态的 Agentic AI） 为中国企业在真实业务环境中的决策提供参考。

エグゼクティブサマリー Agentic AIは、もはや研究段階の技術ではありません。日本企業においても、既存システムの活用、業務自動化、生産性向上を目的に、実運用への導入が始まっています。 しかし、すべてのAgentic AIが同じ思想で設計されているわけではありません。選択を誤ると、ガバナンスや運用面で大きなリスクを抱える可能性があります。 本記事では、以下3つのアプローチを比較します。 Manus（高い自律性を持つAgentic AI） OpenAI Agentic AI（企業が設計・制御するAgentic AI） Google Agentic AI（Googleエコシステムに統合されたAgentic AI） 日本企業の実務に適した判断材料としてご活用ください。

สรุปสำหรับผู้บริหาร Agentic AI ไม่ใช่แนวคิดเชิงวิจัยอีกต่อไป แต่กำลังถูกนำมาใช้จริงในองค์กร เพื่อช่วยลดงานซ้ำซ้อน เชื่อมต่อระบบเดิม และเพิ่มประสิทธิภาพการดำเนินงาน อย่างไรก็ตาม Agentic AI แต่ละแนวทางไม่ได้ถูกออกแบบมาเหมือนกัน และการเลือกผิดอาจสร้างความเสี่ยงด้านการควบคุมและความน่าเชื่อถือของระบบ บทความนี้อธิบายความแตกต่างระหว่าง: Manus (เอเจนต์ AI ที่ทำงานอัตโนมัติสูง) OpenAI Agentic AI (เอเจนต์ที่องค์กรออกแบบและควบคุมได้) Google Agentic AI (เอเจนต์ที่ฝังอยู่ในระบบของ Google) เพื่อช่วยให้องค์กรไทยเลือกแนวทางที่เหมาะสมกับการใช้งานจริง ไม่ใช่แค่ตามกระแส

Executive summary Agentic AI is no longer a research concept. It is already reshaping how enterprises automate work, integrate legacy systems, and scale operations. But not all agentic AI systems are built the same. In this article, we explain the real difference between: Manus (fully autonomous AI agents) OpenAI’s agentic AI frameworks Google’s agentic AI […]

1. 中国医院语境下的“纵向整合”是什么 在中国医院中，纵向整合（Vertical Integration）指的是将以下环节打通为一个连续、可智能决策的整体系统： 患者 → 诊疗 → 检验 / 医学影像 → 医院运营 → 费用结算 / 医保 → 管理决策 目前大多数中国医院已经拥有： HIS / EMR LIS（检验系统） PACS（影像系统） 收费 / 医保结算系统 但现实问题是： 👉 系统之间“能传数据”，但“不理解彼此” AI 正是解决这一断层的关键技术。

1. Vertical Integration ในบริบทของโรงพยาบาลไทยคืออะไร Vertical Integration ของโรงพยาบาล หมายถึงการเชื่อมโยงระบบตั้งแต่ต้นน้ำถึงปลายน้ำให้ทำงานเป็นหนึ่งเดียว ได้แก่ ผู้ป่วย → การรักษา → ห้องแล็บ / ภาพทางการแพทย์ → การบริหารโรงพยาบาล → การเงิน / การเรียกเก็บเงิน → การตัดสินใจเชิงบริหาร โรงพยาบาลไทยส่วนใหญ่มีระบบเหล่านี้อยู่แล้ว เช่น HIS / EMR LIS (Laboratory) PACS (Medical Imaging) ระบบการเงิน / Billing แต่ปัญหาคือ 👉 ระบบเชื่อมกันในระดับข้อมูล แต่ไม่เชื่อมกันในระดับความเข้าใจและการตัดสินใจ AI เข้ามาเติมช่องว่างนี้

1. 日本の病院における「垂直統合」とは何か 病院における垂直統合とは、 患者接点 → 診療 → 検査・画像 → 病院運営 → 会計・請求 → 経営判断 までを、一貫した文脈（コンテキスト）と意思決定フローで結びつけることを意味します。 日本の多くの病院では、 電子カルテ（HIS / EMR） 検体検査システム（LIS） 画像管理（PACS） 医事会計・DPC は既に存在しますが、 👉 「接続されているが、理解されていない」 状態に留まっています。

1. What Vertical Integration Means in a Hospital Context Vertical integration in hospitals means connecting patient-facing, clinical, operational, and financial systems into one continuous, intelligent flow. Instead of isolated software silos, the hospital operates as a single system where data, decisions, and actions move seamlessly end to end. Patient → Clinical Care → Diagnostics → […]

过去几年，工业AI的讨论大多集中在AI模型本身： 模型精度、训练数据规模、算法先进性。 这些当然重要，但在迈向 2026 年的过程中，中国制造业正在发生明显转变。 真正决定成败的，不再是“用了什么模型”， 而是 AI 能否作为工业系统的一部分，长期、稳定、安全地运行。 正是在这个层面上，AI 加速器与软件框架开始成为关键。

これまでIndustrial AIの議論は、AIモデルに焦点が当たることがほとんどでした。 精度、データ量、アルゴリズム──それらは確かに重要です。 しかし2026年に向けて、製造業の現場では視点が大きく変わりつつあります。 本当に差を生むのは「どのモデルを使うか」ではなく、 AIを実システムとして、長期間・安全・安定的に動かせるかどうかです。 この変化の中心にあるのが、AIアクセラレータとソフトウェアフレームワークです。