Virtual Bank ไทยใกล้เปิดตัว: KTB+AIS และ SCB X+KakaoBank ใช้ AI เป็นแกนกลาง — คนทำ risk ต้องรู้อะไร

ปลายปี 2025 ธนาคารแห่งประเทศไทย (ธปท.) อนุมัติใบอนุญาต virtual bank รวม 3 กลุ่มพันธมิตร — บทความนี้โฟกัส 2 กลุ่มที่วาง AI เป็นแกนกลางชัดที่สุด คือ KTB+AIS และ SCB X+KakaoBank ในเวลานี้กลางปี 2026 ทั้งคู่กำลังเดินหน้าสู่การเปิดตัวเชิงพาณิชย์ — ทำให้ประเทศไทยกำลังจะมีสถาบันการเงินที่ออกแบบมาเพื่อ AI ตั้งแต่แรก ไม่ใช่การนำ AI มาแปะทีหลัง

สำหรับคนทำงานสาย risk, data, และ model validation นี่คือสัญญาณที่ควรติดตามอย่างใกล้ชิด

---

สองกลุ่มพันธมิตร — ใครมีใครบ้าง

ธปท. อนุมัติทั้งหมด 3 กลุ่มในรอบแรก (มติ รมว.คลัง 19 มิ.ย. 2025) — มีกลุ่ม ACM Holding (เครือ CP / ทรูมันนี่) รวมอยู่ด้วย แต่บทความนี้โฟกัส 2 กลุ่มที่วาง AI เป็นแกนกลางชัดที่สุด:

กลุ่ม 1: กรุงไทย + AIS + PTT Oil and Retail (PTTORP)

• แกนหลัก: ธนาคารกรุงไทย (รัฐถือหุ้นใหญ่ ฐานลูกค้ารายย่อยขนาดใหญ่ผ่านแอปเป๋าตังกว่า 40 ล้านผู้ใช้) + AIS (ผู้ให้บริการมือถือรายใหญ่ ส่วนแบ่งผู้ใช้ราว 44%) + PTTOR (ปั๊มน้ำมัน Café Amazon กว่า 4,000 สาขาในไทย)
• จุดแข็งที่ชัดเจน: ฐาน mobile และ physical touchpoint ขนาดใหญ่ พร้อม government connectivity ผ่าน KTB

กลุ่ม 2: SCB X + WeTechnology + KakaoBank

• แกนหลัก: SCB X (fintech arm ของไทยพาณิชย์) + KakaoBank (virtual bank เกาหลีใต้ที่มีลูกค้ากว่า 23 ล้านราย ประสบการณ์เกือบ 9 ปี เปิดตั้งแต่ปี 2017)
• จุดแข็งที่ชัดเจน: KakaoBank นำ playbook ที่ผ่านการพิสูจน์แล้วจากตลาดที่มีความเข้มข้นด้านดิจิทัลสูง

แหล่งข้อมูล: Chambers Fintech Thailand 2026 | Fintech Singapore — SEA AI Maturity

---

ทำไม AI ถึงเป็นแกนกลาง ไม่ใช่แค่ feature เสริม

Virtual bank ในยุคนี้ต่างจาก neobank รุ่นแรก (เช่น Revolut, N26) ตรงที่ AI ไม่ใช่สิ่งที่เพิ่มเข้ามาทีหลัง แต่เป็น operating model ตั้งแต่วันแรก เพราะ:

1. ไม่มีสาขา = AI คือ front-line risk assessment ทั้งหมด — credit scoring, fraud detection, AML/KYC ทำงานโดยอัตโนมัติโดยไม่มี relationship manager คอยเสริม
2. ฐานลูกค้าไม่มีประวัติ — คนที่ virtual bank ดึงดูดคือกลุ่ม underbanked ที่ไม่มีข้อมูล credit bureau ดั้งเดิม ทำให้ต้องใช้ alternative data (mobile payment history, utility bills, e-commerce) ซึ่งต้องพึ่ง ML model โดยตรง
3. ธปท. กำหนด framework — แนวทาง AI Risk Management สำหรับสถาบันการเงินที่ออกในปี 2025 กำหนดให้ virtual bank ต้องมี model governance ตั้งแต่ launch ไม่ใช่แก้ทีหลัง

---

ช่องว่าง AI ของไทย — ตัวเลขที่น่าตกใจ

รายงาน Global AI Adoption in 2025: A Widening Digital Divide (รายงานผ่าน Nation Thailand) ระบุว่า ไทยมีอัตราการใช้ AI เพียง 10.7% ของประชากร — ต่ำกว่าค่าเฉลี่ยโลกที่ 16.3% และห่างจากผู้นำภูมิภาคอย่างสิงคโปร์กว่า 5 เท่า:

หมายเหตุ: ตัวเลข "AI adoption" ต่างกันมากตามนิยามและแหล่งสำรวจ — บางสำรวจที่วัดการใช้ในที่ทำงานให้ไทยสูงกว่านี้มาก; ชุดข้อมูลนี้วัดอัตราการใช้ระดับประชากร

Virtual bank คือ "leapfrog play" ของภาคธนาคารไทย — พนันว่าถ้าธนาคารรุ่นใหม่ออกแบบประสบการณ์ได้ดีพอ จะดึงประชากรกลุ่ม late-adopter เข้าสู่ AI-enabled financial services ได้เร็วกว่าการรอให้คนเลือกใช้เอง

---

มุมมอง Model Risk Manager: Risk landscape ของ Virtual Bank ต่างอย่างไร

ในฐานะคนที่อยู่ในวงการ model risk และ credit risk มาหลายปี ผมมองว่า virtual bank สร้าง risk pattern ที่ไม่คุ้นเคยอย่างน้อย 3 จุด:

1. Model concentration risk สูงมาก

แบงก์แบบเดิมมี "human backstop" — relationship manager, branch teller, หรือแม้แต่ call center ที่ช่วย override model ในบางกรณี Virtual bank ไม่มีสิ่งนี้ ถ้า credit scoring model พังหรือ drift ไป กระทบลูกค้าทุกรายที่ผ่าน pipeline นั้นทันที

นี่คือสาเหตุที่ EWS (Early Warning System) ใน virtual bank ต้องทำงานแบบ real-time ไม่ใช่ batch รายเดือน — ดูรายละเอียดวิธีสร้าง NLP-based EWS ได้ที่ บทความ NLP Early Warning System สำหรับธนาคาร

2. Alternative data = ความเสี่ยง fairness ที่ซ่อนอยู่

การใช้ mobile data และ e-commerce behavior เพื่อ score credit นั้นเต็มไปด้วย proxy discrimination ที่ตรวจจับยาก เพราะ:

• คนที่ซื้อสินค้าราคาถูกอาจถูก penalize ทางอ้อม
• พื้นที่ที่มี signal อ่อน (ชนบท) อาจได้รับ score ต่ำกว่าเหตุ

ธปท. จำเป็นต้องพัฒนา explainability requirement ที่ครอบคลุม non-traditional data ด้วย — ซึ่งยังเป็น grey area ในปัจจุบัน

3. Regulatory framework ยังตาม product ไม่ทัน

แนวทาง Model Risk Management ฉบับ OCC/Fed/FDIC ปี 2026 (Bulletin 2026-13) ที่เพิ่งออกใหม่ยังไม่ครอบ GenAI และ agentic AI — หน่วยงานกำกับอเมริกาวางแผนออก RFI แยกต่างหากในอนาคต แนวโน้มนี้บ่งบอกว่าไม่ว่าจะ OCC หรือ ธปท. ล้วนตาม innovation ไม่ทัน ทำให้ virtual bank ต้องสร้าง internal model governance ที่แข็งแกร่งเองก่อนที่ regulator จะมาถึง

ดูภาพรวม model risk framework สำหรับยุค AI ได้ที่ Model Risk Management ในยุค AI

---

คนทำงาน Data Science และ Risk ต้องเตรียมอะไร

Virtual bank ที่ AI-first ต้องการทักษะที่ต่างออกไปจากงาน risk แบบเดิม:

• Model monitoring แบบ real-time — batch validation รายไตรมาสไม่พอแล้ว ต้องมี drift detection ที่ทำงานแบบ continuous
• Explainability สำหรับ alternative data — SHAP/LIME ไม่ใช่แค่ best practice แต่กำลังจะกลายเป็น regulatory baseline (EU Digital Omnibus 2027 เริ่มกำหนด)
• AI governance documentation — virtual bank จะถูก scrutinize หนักกว่าเรื่อง audit trail ของทุก model decision

ทักษะเหล่านี้คือ differentiator สำหรับ data scientist สาย risk ที่ต้องการ transition ไปยังองค์กร AI-first

---

สิ่งที่ต้องติดตามต่อ

• การประกาศ launch date อย่างเป็นทางการ จากทั้ง 2 กลุ่ม (เป้าหมายกลางปี 2026 ยังเป็น target ไม่ใช่ confirmed date)
• ธปท. AI Risk Governance Guiding Principles — implementation detail ที่ออกมาแล้ว แต่ market practice ยังต้องพัฒนาต่อ
• ผลลัพธ์ KakaoBank Thailand — เกาหลีใต้สอน ไทย apply แต่ dynamic ตลาดต่างกัน credit culture ต่างกัน ต้องดูว่า playbook ที่พิสูจน์ในตลาดหนึ่งจะทำงานอีกตลาดได้แค่ไหน

---

ที่มา

• Chambers — Fintech Thailand 2026: Trends and Developments — ข้อมูล virtual bank approval และ consortium composition
• Nation Thailand — Thailand's AI gamble (อ้างรายงาน Global AI Adoption in 2025) — ตัวเลขอัตราการใช้ AI ไทย 10.7% / สิงคโปร์ / ค่าเฉลี่ยโลก 16.3%
• Enersys Insights — Thailand's AI Adoption Gap — ยืนยันตัวเลข 10.7% + บริบทโครงการ TH-AI Passport
• OCC Bulletin 2026-13 — Revised Model Risk Management Guidance — บริบทกฎหมาย MRM ระดับสากล (GenAI exclusion + forthcoming RFI)

วิเคราะห์และเผยแพร่เพื่อการศึกษา — ไม่ใช่คำแนะนำในการลงทุน