OKMD AI Playground เปิด AI หลายค่ายให้คนไทย—แต่พร้อมทำงานจริงแค่ไหน?

โครงการนี้ทำขึ้นมาเพื่ออะไร

เอกสารของ OKMD วาง AI Playground ไว้ในโครงการ “มหานครแห่งการเรียนรู้ผ่าน AI” เป้าหมายใหญ่ไม่ใช่การสร้างเครื่องมือเขียนโค้ด แต่เป็นการทำให้คนทั่วไปเข้าถึงความรู้ดิจิทัลได้ง่ายขึ้น โครงการยังครอบคลุม Knowledge Portal, Knowledge Map, พอดแคสต์ เวิร์กช็อป AI Literacy Bootcamp และ Hackathon

เพราะฉะนั้น ถ้าจะตัดสินว่าแพลตฟอร์มนี้ดีหรือไม่ ควรเริ่มจากบทบาทของพื้นที่เรียนรู้สาธารณะ ไม่ใช่เอาไปเทียบกับ Coding Agent เต็มรูปแบบทันที อย่างไรก็ตาม เมื่อในหน้าเว็บมีคำว่า Web Dev และมีผู้ช่วยเขียนโค้ด ความคาดหวังของผู้ใช้ก็ย่อมขยับจาก “ถามแล้วตอบ” ไปสู่ “ช่วยทำงานให้เสร็จ”

1. หน้าเว็บยังค้นข้อมูลสดไม่ได้

จากการทดสอบของผม หน้าแชตยังไม่มีเครื่องมือค้นเว็บหรือดึงข้อมูลภายนอกมาอ้างอิงให้เห็นอย่างชัดเจน เราจึงรู้ได้ยากว่าคำตอบมาจากความรู้เดิมของโมเดล ข้อมูลล่าสุด หรือการคาดเดา ข้อนี้เป็นข้อจำกัดของหน้าเว็บที่ผมเห็น ไม่ใช่ข้อสรุปว่า API ทุกส่วนทำไม่ได้

สำหรับบริการความรู้ของรัฐ เรื่องนี้สำคัญเป็นพิเศษ ผมอยากเห็นสวิตช์ค้นเว็บที่ผู้ใช้เลือกเปิดได้ มีลิงก์อ้างอิงอยู่ข้างข้อความ และบอกตรง ๆ เมื่อคำตอบไม่ได้ใช้ข้อมูลสด หากเชื่อมคลังของ OKMD, TK Park หรือหน่วยงานรัฐได้ด้วย ก็จะทำให้แพลตฟอร์มมีจุดแข็งที่บริการแชตทั่วไปเลียนแบบได้ยาก

2. โค้ดที่ได้ยังต้องประกอบเอง

ผู้ช่วยเขียนโค้ดมีประโยชน์ แต่คำตอบแบบ snippet หรือฟังก์ชันสั้น ๆ ยังไม่พอสำหรับคนที่อยากนำไปใช้ทันที โดยเฉพาะ Google Apps Script ที่ต้องรู้ทั้งโครงสร้างชีต สิทธิ์ การตั้ง Trigger และขั้นตอนติดตั้ง หากให้มาไม่ครบ โค้ดอาจดูถูกต้องในแชต แต่พอวางลงโปรเจกต์จริงกลับรันไม่ได้

• บอกชื่อชีต คอลัมน์ และชนิดข้อมูลให้ครบ
• ให้ Apps Script เต็มไฟล์ พร้อมวิธีนำไปติดตั้ง
• มีข้อมูลตัวอย่าง วิธีตั้ง Trigger และกรณีทดสอบ
• บอกข้อผิดพลาดที่มักพบ พร้อมแนวทางแก้
• มีพื้นที่ทดลอง หรือส่งออกโปรเจกต์เพื่อนำไปทำต่อ

3. คำว่า Web Dev อาจทำให้คาดหวังเกินความสามารถจริง

ปุ่ม Web Dev ที่ผมเห็นเป็นโหมดช่วยตอบคำถามด้านการพัฒนาเว็บ แต่ยังไม่ใช่ Developer Agent ที่เข้าไปอ่านโปรเจกต์ แก้ไฟล์ รันคำสั่ง ตรวจข้อผิดพลาด และทดสอบงานให้เราได้ คำสองคำนี้ใกล้กันในสายตาผู้ใช้ แต่ประสบการณ์ใช้งานต่างกันมาก

ระยะต่อไปอาจเริ่มจาก workspace สำหรับโค้ดหรือ sandbox ที่จำกัดสิทธิ์อย่างรัดกุม แล้วค่อยเพิ่มการเชื่อม GitHub หรือ GitLab แบบขออนุญาตเป็นรายครั้ง ทุกการกระทำควรมีบันทึก และผู้ใช้ต้องเห็นชัดว่า AI กำลังอ่านหรือแก้อะไรอยู่

4. จุดแข็งที่ไม่ควรมองข้าม: มี API ให้ใช้

จุดนี้สำคัญและต้องแก้ความเข้าใจจากรีวิวฉบับแรกของผม: OKMD AI Playground มี API และใช้รูปแบบที่เข้ากันได้กับ OpenAI ผู้ใช้เปลี่ยน base URL แล้วนำไปต่อกับ OpenAI SDK หรือโปรแกรมที่รองรับรูปแบบเดียวกันได้ จึงไม่ได้เป็นเพียงเว็บรวมช่องแชต นักพัฒนาสามารถพาโมเดลไปใช้กับ CLI, IDE หรือขั้นตอนทำงานของตัวเองได้ ภายใต้โควตารายวันของระบบ

เอกสารระบุโมเดลจาก OpenAI, Claude, Gemini, DeepSeek, Qwen, Meta, Mistral, Nova และ Perplexity แต่คำว่า OpenAI-compatible ในระดับ Chat Completions ไม่ได้แปลว่า tool calling, structured outputs, ภาพ หรือ streaming จะทำงานเหมือนกันทุกโมเดล ผมจึงอยากเห็นตารางที่ทดสอบความเข้ากันได้จริง พร้อมตัวอย่างคำสั่งของแต่ละรุ่น

ข้อเสนอที่อยากฝากไว้

อย่างแรกคือ Model Card ที่บอกชื่อรุ่น จุดเด่น งานที่เหมาะ ภาษาไทย โควตา และข้อจำกัดของ API แบบอ่านแล้วเลือกได้ทันที อย่างที่สองคือความสามารถของหน้าแชตควรแยกให้ชัดจากความสามารถที่เรียกผ่าน API เพื่อไม่ให้ผู้ใช้เข้าใจคลาดเคลื่อน

ถ้าจะใช้ข้อได้เปรียบจากการมีหลายโมเดลให้คุ้ม ผมอยากเห็นโหมดที่ให้หลายโมเดลช่วยกันตรวจงาน เช่น ตัวหนึ่งวางแผน ตัวหนึ่งลงมือ และอีกตัวช่วยหาจุดผิด แทนที่จะให้ผู้ใช้เลือกชื่อโมเดลจากเมนูเพียงอย่างเดียว

โดยรวม OKMD AI Playground เป็นจุดเริ่มต้นที่ดีสำหรับพื้นที่เรียนรู้ AI ของสาธารณะ และ API-compatible endpoint คือของสำคัญที่ควรสื่อสารให้เด่นกว่านี้ ส่วนที่ยังต้องพัฒนาคือคำตอบที่ตรวจสอบแหล่งที่มาได้ เครื่องมือที่บอกตรง ๆ ว่ากำลังทำอะไร และผลลัพธ์ที่ผู้ใช้นำไปทำงานต่อได้จริง

ข้อมูลประกอบ: OKMD อยู่ภายใต้สำนักนายกรัฐมนตรี ส่วนโครงการ “มหานครแห่งการเรียนรู้ผ่าน AI” มีงบประมาณรวมในปี 2567–2568 จำนวน 28.355 ล้านบาท