บทนำ

เทคโนโลยีควอนตัมเริ่มเป็นที่น่าจับตามองยิ่งขึ้นหลังจากองค์การสหประชาชาติได้ประกาศให้ปี 2568 เป็นปีสากลแห่งวิทยาศาสตร์และเทคโนโลยีควอนตัม (International Year of Quantum Science and Technology)^1/  เพื่อให้ตระหนักถึงการนำเทคโนโลยีควอนตัมไปใช้ประโยชน์ โดยเทคโนโลยีควอนตัมซึ่งเป็นที่กล่าวถึงมากที่สุด คือ การประมวลผลเชิงควอนตัม หรือ Quantum computing ซึ่งเป็นเทคโนโลยีที่ทำให้คอมพิวเตอร์สามารถประมวลผลข้อมูลจำนวนมากได้ในเวลาเพียงเสี้ยววินาที ในอนาคต เมื่อเทคโนโลยีนี้ถูกประยุกต์ใช้ ภาคธุรกิจรวมถึงภาคธนาคารจะได้รับประโยชน์มหาศาล ไม่ว่าจะเป็นการวิเคราะห์ข้อมูลทางการเงินได้อย่างแม่นยำและรวดเร็ว รวมทั้งการพัฒนานวัตกรรม

ถึงแม้ว่าการประมวลผลเชิงควอนตัมจะเข้ามาปฏิวัติความสามารถของคอมพิวเตอร์อย่างที่ไม่เคยมีมาก่อน แต่การประยุกต์ใช้เทคโนโลยีนี้ในวงกว้างยังเผชิญความท้าทายที่สำคัญ อาทิ ความเข้าใจในเรื่องควอนตัม และการพัฒนาบุคลากร ภาคธนาคารจึงต้องเริ่มวางแผนเพื่อใช้ประโยชน์จากการประมวลผลเชิงควอนตัม ดังเช่นเทคโนโลยีปัญญาประดิษฐ์หรือ AI ที่ได้สร้างปรากฏการณ์ในช่วง 1-2 ปีที่ผ่านมา
 

การประมวลผลเชิงควอนตัมคืออะไร และจะมาปฏิวัติวงการคอมพิวเตอร์ได้อย่างไร

ทำความรู้จักเทคโนโลยีควอนตัม

หากจะทำความเข้าใจการประมวลผลเชิงควอนตัม เราควรเริ่มจากทำความรู้จักคำว่า “ควอนตัม (Quantum)” ซึ่งเป็นสาขาหนึ่งของวิชาฟิสิกส์เสียก่อน ควอนตัมเป็นศาสตร์ที่ศึกษาปรากฏการณ์ของสิ่งที่มีขนาดเล็กในระดับอะตอม^2/ และมีพฤติกรรมหรือคุณสมบัติจากกฎของฟิสิกส์ที่มนุษย์ไม่คุ้นเคย เช่น อะตอมสามารถปรากฏอยู่ได้หลายที่ในเวลาเดียวกัน ทะลุผ่านสิ่งกีดขวางได้ หรือมีปฏิสัมพันธ์ระหว่างกันได้แม้จะอยู่ห่างกันก็ตาม

องค์ความรู้เรื่องควอนตัมสามารถนำไปพัฒนาและต่อยอดให้เกิดเทคโนโลยีที่ส่งผลต่อทั้งการดำเนินชีวิตประจำวันและธุรกิจได้ เช่น ทรานซิสเตอร์ (Transistor)^3/ ซึ่งเป็นชิ้นส่วนสำคัญภายในหน่วยประมวลผลกลาง (Central Processing Unit: CPU) ของสมาร์ทโฟนและคอมพิวเตอร์ หรือเครื่องสแกนเอ็มอาร์ไอ (MRI)^4/ ซึ่งใช้ประโยชน์ในทางการแพทย์ อุปกรณ์เหล่านี้ล้วนนำหลักการของควอนตัมมาใช้ประโยชน์ ซึ่งในอนาคตหลักการควอนตัมจะสามารถช่วยเพิ่มประสิทธิภาพของเทคโนโลยีที่แทรกซึมอยู่ในชีวิตประจำวันของเราได้อีกมาก

รูปแบบหลักของการประยุกต์ใช้เทคโนโลยีควอนตัมมีอยู่ 3 ประเภท ได้แก่ (1) การตรวจวัดเชิงควอนตัม (Quantum sensing) เช่น การพัฒนาต่อยอดให้เกิดเป็นระบบนำทางเชิงควอนตัม (Quantum navigation) ซึ่งสามารถวัดการเคลื่อนที่ที่มีความแม่นยำมากกว่าระบบระบุพิกัดบนพื้นโลกหรือ GPS ที่เราใช้งานอยู่ในปัจจุบัน (2) การสื่อสารเชิงควอนตัม (Quantum communication) ที่นำหลักการทางควอนตัมมาประยุกต์ในการสื่อสาร^5/ ทำให้การเข้ารหัสข้อมูล (Cryptography) ปลอดภัยยิ่งขึ้น จึงเป็นประโยชน์ต่อการรับ-ส่งข้อมูล รวมถึงการทำธุรกรรมการเงิน โดยในปี 2567 รัฐบาลสหราชอาณาจักรได้จัดสรรงบประมาณสำหรับวิจัยและพัฒนาการสื่อสารรูปแบบใหม่นี้ด้วย เนื่องจากเล็งเห็นคุณประโยชน์ต่อการเชื่อมโยงหรือแลกเปลี่ยนข้อมูลด้านสาธารณสุข รวมถึงสามารถใช้ประโยชน์เพื่อเพิ่มประสิทธิภาพของเทคโนโลยี AI^6/ และ (3) การประมวลผลเชิงควอนตัม (Quantum computing) เป็นรูปแบบเทคโนโลยีที่นำหลักการทางควอนตัมมาใช้ประโยชน์มากที่สุด โดย McKinsey ประเมินว่า ในปี 2583 มูลค่าตลาดของการประมวลผลเชิงควอนตัมจะสูงถึง 131 พันล้านดอลลาร์สหรัฐ^7/

ความแตกต่างระหว่างการประมวลผลแบบดั้งเดิม (Classical computing) และการประมวลผลเชิงควอนตัม (Quantum computing)

ความแตกต่างที่สำคัญระหว่างการประมวลผลแบบดั้งเดิม (Classical computing) กับการประมวลผลเชิงควอนตัม (Quantum computing) อยู่ที่หน่วยประมวลผลหรือหน่วยเก็บข้อมูลพื้นฐาน โดยคอมพิวเตอร์ที่เราใช้งานในประชีวิตประจำวัน (Classical computer) ใช้การประมวลผลแบบดั้งเดิม (Classical computing) มีหน่วยย่อยที่สุดในการเก็บข้อมูลและประมวลผลในรูปแบบ “บิต” (Bit)^8/ ซึ่งสามารถเก็บข้อมูลในสถานะ 0 หรือ 1 อย่างใดอย่างหนึ่งเท่านั้น โดยสถานะและการทำงานของบิตแต่ละตัวเป็นอิสระจากกัน บิตจะทำหน้าที่แทนระดับสัญญาณไฟฟ้าในวงจรของเครื่องคอมพิวเตอร์เพื่อบ่งชี้สถานการณ์เพียง 2 อย่างเท่านั้น (เช่น เปิด-ปิด จริง-ไม่จริง) เพื่อให้คอมพิวเตอร์ประมวลผลและทำงานตามคำสั่งได้อย่างถูกต้อง

ขณะที่การประมวลผลเชิงควอนตัม (Quantum computing) นำหลักกลศาสตร์ควอนตัม (Quantum mechanics) เช่น การซ้อนทับเชิงสถานะของควอนตัม (Quantum superposition)  และการพัวพันเชิงควอนตัม (Quantum entanglement)  มาพัฒนาเป็นหน่วยประมวลผลและเก็บข้อมูลพื้นฐานรูปแบบใหม่ที่เรียกว่า “ควอนตัมบิต” (Quantum bit) หรือ “คิวบิต” (Qubit) ซึ่งสามารถมีสถานะทั้ง 0 และ 1 ในเวลาเดียวกันได้ และคิวบิตแต่ละตัวสามารถสื่อสารและเชื่อมโยงสถานะระหว่างกันได้ ดังนั้น คอมพิวเตอร์ที่ใช้การประมวลผลเชิงควอนตัม หรือคอมพิวเตอร์ควอนตัม (Quantum computer) จึงสามารถประมวลผลหรือแก้ปัญหาที่ซับซ้อนได้อย่างรวดเร็ว

คุณประโยชน์ของการประมวลผลเชิงควอนตัม

การประมวลผลเชิงควอนตัมมีคุณลักษณะที่โดดเด่นแตกต่างจากการประมวลผลแบบดั้งเดิม ดังนี้

ประมวลผลรวดเร็วขึ้น

คอมพิวเตอร์ควอนตัมสามารถประมวลผลงานที่มีความซับซ้อนรวดเร็วกว่าคอมพิวเตอร์แบบดั้งเดิมอย่างมาก เช่น “Sycamore” คอมพิวเตอร์ควอนตัมที่พัฒนาโดย Google สามารถแก้ปัญหาที่ซับซ้อนได้ภายในเสี้ยววินาที ขณะที่ “Frontier” ซูเปอร์คอมพิวเตอร์ (Supercomputer)^11/ ที่แม้จะมีสมรรถนะสูงเป็นอันดับ 2 ของโลก^12/ แต่เป็นคอมพิวเตอร์แบบดั้งเดิม ต้องใช้เวลาถึง 47 ปีในการแก้ปัญหาเดียวกัน^13/ แสดงให้เห็นว่าศักยภาพของการประมวลผลเชิงควอนตัมสามารถก้าวข้ามขีดความสามารถของการประมวลผลโดยคอมพิวเตอร์แบบดั้งเดิมได้

สามารถวิเคราะห์ข้อมูลขนาดใหญ่ได้ดีขึ้น

เนื่องจากการประมวลผลแบบดั้งเดิมมีข้อจำกัดเมื่อต้องประมวลผลข้อมูลที่มีปริมาณมหาศาล จึงมีข้อมูลทั่วโลกเพียงแค่ร้อยละ 1 เท่านั้นที่ถูกจัดเก็บแล้วสามารถนำไปใช้ประโยชน์ต่อได้ โดย Frost & Sullivan (2567) คาดการณ์ว่า ในปี 2568 ข้อมูลจากหลากหลายแหล่งทั่วโลกไม่ว่าจะเป็นข้อมูลที่เกี่ยวข้องกับพฤติกรรมของลูกค้า ข้อมูลทางด้านสาธารณสุข และข้อมูลการบริหารจัดการห่วงโซ่อุปทาน (Supply chain) อาจมีปริมาณมากถึง 181 เซตตาไบต์ (Zettabyte: ZB) หรือเท่ากับ 181 พันล้านล้านเทราไบต์ (Terabyte: TB)^14/ และในอนาคตข้อมูลจะยิ่งซับซ้อนและหลากหลายมากขึ้น ซึ่งการประมวลผลเชิงควอนตัมสามารถช่วยวิเคราะห์และหาความสัมพันธ์ของตัวแปรจากข้อมูลปริมาณมากได้ในระยะเวลาอันสั้น และเปิดโอกาสให้นำข้อมูลไปใช้ประโยชน์ต่อยอดได้

ประมาณค่าได้แม่นยำยิ่งขึ้น

คอมพิวเตอร์แบบดั้งเดิมอาจมีค่าความคลาดเคลื่อนราวร้อยละ 5-20 ในการประมวลผลหรือแก้โจทย์ที่มีความซับซ้อน เช่น การประมาณค่าที่เหมาะสม (Optimization) หรือสร้างแบบจำลอง (Simulation) และการเรียนรู้ของเครื่อง (Machine learning) แต่ BCG (2024) ได้คาดการณ์ว่าคอมพิวเตอร์ควอนตัมจะสามารถประมวลผลหรือประมาณค่าได้แม่นยำยิ่งขึ้น ด้วยค่าความคลาดเคลื่อนที่น้อยกว่าคอมพิวเตอร์แบบดั้งเดิม^15/ นอกจากนี้ Kea et al (2024) ยังพบว่า การทำนายราคาหุ้นจะแม่นยำมากขึ้นร้อยละ 10 เมื่อใช้การประมวลผลเชิงควอนตัมร่วมกับการประมวลผลแบบดั้งเดิม^16/ อย่างไรก็ตาม การประมวลผลเชิงควอนตัมอาจมี อัตราความผิดพลาด (Error rate) สูงขึ้นหากเกิดสัญญาณรบกวนเชิงควอนตัม (Quantum noise) ซึ่งจะกล่าวถึงต่อไป

เพิ่มความฉลาดของ AI

การประมวลผลเชิงควอนตัมช่วยให้ AI ทำงานที่ซับซ้อนได้เร็วขึ้น อีกทั้งยังช่วยสร้างข้อมูลสังเคราะห์ (Synthetic data)^17/ ที่มีคุณภาพสูงขึ้น เพื่อใช้ฝึกหัดปัญญาประดิษฐ์นักสร้าง (Generative AI) หรือ GenAI^18/ และ AI ประเภทอื่นๆ เช่น ปัญญาประดิษฐ์นักทำนาย (Predictive AI)^19/ รวมถึงช่วยประหยัดต้นทุนและเวลาในขั้นตอนการพัฒนาโมเดล AI เช่น โมเดลภาษาขนาดใหญ่ (Large Language Model: LLM)^20/ ที่อยู่เบื้องหลังความฉลาดของ GenAI และต้องอาศัยข้อมูลจำนวนมหาศาลในการพัฒนา

ข้อจำกัดของการประมวลผลเชิงควอนตัม

สัญญาณรบกวนควอนตัม (Quantum noise) หรือการรบกวนที่เกิดขึ้นในระบบควอนตัมนับเป็นข้อจำกัดสำคัญของการประยุกต์ใช้คอมพิวเตอร์ควอนตัม โดยสัญญาณรบกวนควอนตัมเกิดจากการเปลี่ยนแปลงอุณหภูมิ การสั่นสะเทือน หรือสนามแม่เหล็ก ซึ่งหากเกิดสัญญาณรบกวนเพียงเล็กน้อย คิวบิตจะสูญเสียคุณสมบัติตามหลักกลศาสตร์ควอนตัม ส่งผลให้การประมวลผลเชิงควอนตัมเกิดข้อผิดพลาด (Error) และลดทอนความสามารถในการประมวลผลข้อมูลที่ซับซ้อนหรือมีปริมาณมาก คอมพิวเตอร์ควอนตัมจึงต้องทำงานภายใต้สภาพแวดล้อมที่เหมาะสมเพื่อป้องกันการเกิดสัญญาณรบกวนควอนตัม เช่น ต้องควบคุมอุณหภูมิให้ใกล้เคียงกับอุณหภูมิศูนย์สัมบรูณ์ (Absolute zero)^21/ หรือเท่ากับ -273.15 องศาเซลเซียส โดยห้องควบคุมอุณหภูมิและสภาพแวดล้อมสำหรับคอมพิวเตอร์ควอนตัมอาจมีขนาดใกล้เคียงกับรถยนต์ 1 คัน

นอกจากนี้ การพัฒนาซอฟต์แวร์และอัลกอริทึมควอนตัม (Quantum algorithm) เพื่อให้คอมพิวเตอร์ควอนตัมทำงานได้อย่างเต็มประสิทธิภาพต้องใช้ภาษาสำหรับการเขียนโปรแกรมรูปแบบใหม่^22/รวมทั้งกระบวนการผลิตคอมพิวเตอร์ควอนตัมซึ่งซับซ้อนกว่าการผลิตคอมพิวเตอร์แบบดั้งเดิม ล้วนเป็นข้อจำกัดต่อการประยุกต์ใช้คอมพิวเตอร์ควอนตัมในวงกว้างด้วยเช่นกัน^23/
 

ความเคลื่อนไหวและพัฒนาการของการประมวลผลเชิงควอนตัม

ในช่วง 1-2 ปีที่ผ่านมา บริษัทเทคโนโลยีรายใหญ่ของโลกต่างเร่งพัฒนาเทคโนโลยี AI ควบคู่ไปกับเทคโนโลยีการประมวลผลเชิงควอนตัม อาทิ Nvidia บริษัทผู้ผลิตชิปรายใหญ่ได้ร่วมมือกับ Google ใช้ซูเปอร์คอมพิวเตอร์ของ Nvidia สร้างแบบจำลองของการประมวลผลเชิงควอนตัมเพื่อพัฒนาประสิทธิภาพและลดข้อจำกัดของการประมวลผลเชิงควอนตัม^24/ นอกจากนี้ บริษัทเทคโนโลยีอีกหลายแห่งต่างเร่งหาแนวทางลดข้อผิดพลาด (Error) เพื่อขจัดข้อจำกัดสำคัญของการประมวลผลเชิงควอนตัมอย่างต่อเนื่อง อาทิ IBM ได้พัฒนากระบวนการแก้ไขข้อผิดพลาดของควอนตัม (Quantum error correction) ซึ่งมีประสิทธิภาพมากขึ้นกว่าเดิมถึง10 เท่า^25/ ในฝั่ง Google ใช้ AI เข้ามาช่วยวิเคราะห์และระบุสาเหตุที่ทำให้เกิดข้อผิดพลาด (Error) ได้อย่างละเอียดขึ้น^26/ และในเดือนธันวาคม 2567 Google ได้เปิดตัวชิปคอมพิวเตอร์ควอนตัม “Willow” ที่ใช้วิธีการร้อยเรียงคิวบิตรูปแบบใหม่ ที่ช่วยลดข้อผิดพลาดของคอมพิวเตอร์ควอนตัม แม้คิวบิตจะมีจำนวนมากขึ้น^27/ นับเป็นการพัฒนาครั้งสำคัญที่จะปูทางให้คอมพิวเตอร์ควอนตัมประยุกต์ใช้ได้จริงและสร้างประโยชน์ในด้านต่างๆ

สำหรับภาคธุรกิจ พบว่าได้เริ่มวางแผนนำการประมวลผลเชิงควอนตัมมาใช้ประโยชน์ในด้านต่างๆ บ้างแล้ว อาทิ Airbus วางแผนใช้การประมวลผลเชิงควอนตัมในการออกแบบอากาศยานให้เป็นตามหลักพลศาสตร์ของไหล (Fluid Dynamics)^28/ เพื่อพัฒนาอากาศยานให้มีสมรรถนะที่ดีขึ้น รวมถึงสนับสนุนเป้าหมายด้านความยั่งยืนของอุตสาหกรรมการบิน เช่น การวิจัยและพัฒนาเซลล์เชื้อเพลิง (Fuel cell) แทนการใช้น้ำมันอากาศยาน^29/ หรือในประเทศไทย Paypoint ซึ่งเป็นแพลตฟอร์มบริหารจัดการคะแนนสะสม (Rewards) ได้นำเทคโนโลยีควอนตัมมาคำนวณคะแนนสะสมระหว่างพาร์ทเนอร์ได้แบบเรียลไทม์^30/

ตัวอย่างที่กล่าวถึงข้างต้นเป็นเพียงตัวอย่างของการประมวลผลเชิงควอนตัมที่สามารถนำมาใช้ประโยชน์ในทางธุรกิจ และในอนาคตการประมวลผลเชิงควอนตัมจะเข้ามีบทบาทสร้างสรรค์นวัตกรรมได้อีกมาก อาทิ สร้างแบบจำลองปฏิกิริยาทางเคมีที่ซับซ้อนซึ่งเป็นประโยชน์ต่อการวิจัยพัฒนายารักษาโรค และออกแบบแบตเตอรี่สำหรับรถยนต์ไฟฟ้าให้มีน้ำหนักเบา ชาร์จไฟได้เร็ว และมีระยะทางต่อรอบการชาร์จมากขึ้น^31/

การนำการประมวลผลเชิงควอนตัมมาประยุกต์ใช้เริ่มเป็นที่น่าจับตามอง

ปัจจุบัน แวดวงเทคโนโลยีและธุรกิจต่างจับตามองถึงพัฒนาการและคาดการณ์เกี่ยวกับการนำการประมวลผลเชิงควอนตัมมาประยุกต์ใช้ในวงกว้าง โดยผลสำรวจความคิดเห็นของ McKinsey ในปี 2566 ระบุว่ากว่าร้อยละ 72 ของผู้บริหารองค์กรด้านเทคโนโลยี นักลงทุน ตลอดจนนักวิชาการด้านการประมวลผลเชิงควอนตัมคาดการณ์ว่าคอมพิวเตอร์ควอนตัมจะสามารถทำงานได้ต่อเนื่องแม้จะเกิดข้อผิดพลาด (Fully fault-tolerant) ได้ในปี 2578 ขณะที่อีกร้อยละ 28 เชื่อว่าสถานการณ์ดังกล่าวจะเกิดขึ้นหลังจากปี 2583^32/ 

ทั้งนี้ คาดว่าในอนาคตความต้องการใช้งานการประมวลผลเชิงควอนตัมมีแนวโน้มเติบโตตามความสามารถที่พัฒนาอย่างต่อเนื่องของเทคโนโลยีนี้ ในขณะที่ข้อจำกัดจะลดลงเรื่อยๆ โดย McKinsey (2567) คาดการณ์ว่า มูลค่าตลาดของการประมวลผลเชิงควอนตัมทั่วโลกจะสูงถึง 131 พันล้านดอลลาร์สหรัฐในปี 2583 หรือเพิ่มขึ้นกว่า 14.6 เท่า จาก 9 พันล้านดอลลาร์สหรัฐในปี 2566^33/  คิดเป็นอัตราการเติบโตเฉลี่ยสะสมต่อปี (CAGR) ที่ร้อยละ 17

ถึงแม้ว่าคอมพิวเตอร์ควอนตัมจะมีคุณสมบัติอันโดดเด่น แต่ปัจจุบันยังคงต้องใช้งานควบคู่กับคอมพิวเตอร์แบบดั้งเดิม  เช่น ต้องจัดเตรียมข้อมูลด้วยคอมพิวเตอร์แบบดั้งเดิมเพื่อให้คอมพิวเตอร์ควอนตัมประมวลผลต่อ หรือใช้คอมพิวเตอร์แบบดั้งเดิมเพื่อเข้าถึงการประมวลผลเชิงควอนตัมในรูปแบบคลาวด์ (Cloud-connected quantum computing) อีกทั้งการใช้งานคอมพิวเตอร์รูปแบบพื้นฐานที่เราคุ้นเคย ไม่ว่าจะเป็นการท่องอินเทอร์เน็ตผ่านเว็บเบราว์เซอร์ การเขียนหรืออ่านอีเมล ตลอดจนการทำงานเอกสาร ยังคงต้องพึ่งคอมพิวเตอร์แบบดั้งเดิมเช่นกัน^34/
 

ธนาคารสามารถใช้ประโยชน์จากการประมวลผลเชิงควอนตัมได้อย่างไร

ภาคการเงินนับเป็นภาคส่วนหนึ่งที่จะได้รับประโยชน์จากการประมวลผลเชิงควอนตัม โดย McKinsey (2566) คาดว่า ภายในปี 2578 การประมวลผลเชิงควอนตัมจะสร้างมูลค่าให้ภาคการเงินทั่วโลกถึง 622 ล้านดอลลาร์สหรัฐ^35/ (หรือประมาณ 2 หมื่นล้านบาท) โดยเฉพาะการให้บริการลูกค้าธุรกิจ (Corporate banking) ที่การประมวลผลเชิงควอนตัมจะสร้างมูลค่าได้มากถึง 190 ล้านดอลลาร์สหรัฐ (ประมาณ 6.6 พันล้านบาท) (ภาพที่ 7) นอกจากนี้ ภาคการเงินเองเริ่มสนใจลงทุนในการประมวลผลเชิงควอนตัมด้วยเช่นกัน โดย Deloitte (2566) ประเมินว่า ในปี 2575 ภาคการเงินทั่วโลกจะมีค่าใช้จ่ายสำหรับการลงทุนในการประมวลผลเชิงควอนตัมราว 19 พันล้านดอลลาร์สหรัฐ เพิ่มขึ้นกว่า 233 เท่าเมื่อเทียบกับปี 2565 ซึ่งอยู่ที่ 80 ล้านดอลลาร์สหรัฐ หรือคิดเป็นอัตราการเติบโตเฉลี่ยสะสมต่อปี (CAGR) ที่ร้อยละ 72^36/  (ภาพที่ 8)

การประมวลผลเชิงควอนตัมช่วยสร้างประโยชน์ต่อธุรกิจธนาคารในงานหลากหลายประเภท โดยตัวอย่างการประยุกต์ใช้ที่น่าสนใจมีดังนี้

การประมาณค่าหรือสร้างแบบจำลอง (Modelling and simulation)

การประมวลผลเชิงควอนตัมช่วยจัดการข้อมูลหรือตัวแปรที่ซับซ้อนและมีปริมาณมากได้ ทำให้ธนาคารประมาณการณ์หรือสร้างแบบจำลองค่าได้รวดเร็วและแม่นยำขึ้น โดยตัวอย่างการนำการประมวลผลเชิงควอนตัมมาประยุกต์ใช้ ได้แก่ การทดสอบภาวะวิกฤติ (Stress test) การประมาณสภาพคล่อง (Liquidity) การบริหารจัดการความเสี่ยง การคัดเลือกกลุ่มลูกค้าเป้าหมาย รวมถึง
การวางแผนขยายสาขาหรือการติดตั้งเครื่อง ATM ให้เหมาะสมกับความหนาแน่นและความต้องการของลูกค้าในแต่ละพื้นที่

การบริหารจัดการพอร์ตการลงทุน (Portfolio optimization)

คอมพิวเตอร์แบบดั้งเดิมอาจใช้เวลานานในการประมวลผลสำหรับการบริหารจัดการพอร์ตการลงทุน เนื่องจากต้องประมวลผลข้อมูลหลายประเภท ดังนั้น การประมวลผลเชิงควอนตัมจึงเป็นเครื่องมือที่ช่วยให้ธนาคารปรับองค์ประกอบของสินทรัพย์ในพอร์ตการลงทุน เช่น หุ้น พันธบัตร เพื่อให้ได้ผลตอบแทนมากที่สุดภายใต้ความเสี่ยงที่น้อยที่สุดได้อย่างฉับไว โดยในปัจจุบัน สถาบันการเงินระดับโลกเริ่มสนใจที่จะใช้ประโยชน์จากการการประมวลผลเชิงควอนตัมในด้านนี้ เช่น Citi^37/ JPMorgan^38/ ร่วมมือกับบริษัทเทคโนโลยีพัฒนาการประมวลผลเพื่อบริหารจัดการพอร์ตการลงทุนให้มีประสิทธิภาพขึ้น

การตรวจสอบธุรกรรมที่เข้าข่ายฉ้อโกง (Fraud detection)

ในกระบวนการตรวจจับธุรกรรมที่ผิดปกติหรือเข้าข่ายการฉ้อโกง ธนาคารจำเป็นต้องประมวลผลข้อมูลปริมาณมหาศาล อาทิ ข้อมูลที่เกี่ยวข้องพฤติกรรม รูปแบบ และพิกัดในการทำธุรกรรม ดังนั้น คอมพิวเตอร์ควอนตัมจึงมาช่วยประมวลผลทั้งข้อมูลที่จัดโครงสร้างแล้ว (Structured data) และข้อมูลที่ยังไม่ได้จัดโครงสร้าง (Unstructured data)^39/ ส่งผลให้กระบวนการตรวจสอบธุรกรรมที่เข้าข่ายฉ้อโกงมีความรวดเร็วและแม่นยำขึ้น

การสร้างประสบการณ์ที่ดีให้กับลูกค้า

ธนาคารสามารถประยุกต์ใช้การประมวลผลเชิงควอนตัมร่วมกับ AI เพื่อยกระดับการให้บริการลูกค้า เช่น ช่วยวิเคราะห์ข้อมูลหรือพฤติกรรมของลูกค้าแล้วนำเสนอผลิตภัณฑ์หรือบริการทางการเงินที่รู้ใจลูกค้าในระดับบุคคล (Hyper-personalization)^40/ ได้อย่างเรียลไทม์ รวมถึงเมื่อการประมวลผลเชิงควอนตัมช่วยให้ AI มีความฉลาดมากขึ้น ธนาคารสามารถพัฒนาแชทบอทอัจฉริยะที่ทำตามคำสั่งหรือให้ความช่วยเหลือลูกค้าได้อย่างรู้ใจและฉับไวยิ่งขึ้น ส่งผลให้ลูกค้าได้รับประสบการณ์ที่ดีขึ้นจากการให้บริการของธนาคารอีกทาง

ความท้าทายต่อภาคธนาคาร

แม้จะยังเป็นเวลาอีกระยะหนึ่งกว่าที่เทคโนโลยีประมวลผลเชิงควอนตัมจะพร้อมใช้งานในเชิงพาณิชย์ แต่หากธนาคารหรือสถาบันการเงินอื่นๆ สนใจในเทคโนโลยีนี้ อาจต้องเตรียมความพร้อมไว้แต่เนิ่นๆ เพื่อรับมือกับความท้าทาย ดังนี้

งบประมาณ

การประมวลผลเชิงควอนตัมจำเป็นต้องใช้งบประมาณสูง ทั้งในด้านฮาร์ดแวร์ ซึ่ง Frost & Sullivan (2567) ประเมินว่า คอมพิวเตอร์ควอนตัมที่มีจำนวนหลักพันคิวบิตอาจมีต้นทุนสูงถึง 15 ล้านดอลลาร์สหรัฐ^46/ (หรือประมาณ 523 ล้านบาท) ด้านซอฟต์แวร์ ทั้งสำหรับการใช้งานคอมพิวเตอร์ควอนตัมโดยเฉพาะและการทำงานร่วมกันระหว่างคอมพิวเตอร์ควอนตัมและคอมพิวเตอร์แบบดั้งเดิม รวมถึงด้านระบบการบริหารจัดการหรือพัฒนาโครงสร้างพื้นฐาน เพื่อให้การประมวลผลเชิงควอนตัมอยู่ในสภาพแวดล้อมหรืออุณหภูมิที่เหมาะสม เช่น ห้องควบคุมอุณหภูมิด้วยเทคนิคเจือจางความร้อน (Dilution refrigerators)^47/  ซึ่งอาจใช้งบประมาณเริ่มต้นราว 500,000 ดอลลาร์สหรัฐ^48/ (หรือประมาณ 17.4 ล้านบาท) นอกจากนี้ งบประมาณสำหรับบุคลากรผู้เชี่ยวชาญด้านควอนตัมอาจอยู่ในระดับสูงด้วยเช่นกัน เนื่องจากบุคลากรในสาขานี้ยังมีไม่เพียงพอต่อความต้องการของตลาด

การพัฒนาบุคลากร

องค์กรทั่วโลกอาจเผชิญกับปัญหาการขาดแคลนบุคลากรด้านการประมวลผลเชิงควอนตัม โดย McKinsey (2565) คาดการณ์ว่าในปี 2568 จำนวนบุคลากรในด้านนี้จะมีน้อยกว่าร้อยละ 50 ของตำแหน่งงานที่เปิดรับสมัคร^49/ ธนาคารจึงต้องเริ่มวางแผนจัดตั้งทีมผู้เชี่ยวชาญในสาขานี้ ทั้งด้านการพัฒนาซอฟต์แวร์และฮาร์ดแวร์ โดยร่วมมือกับสถาบันการศึกษา สถาบันวิจัย รวมถึงสตาร์ทอัพที่เชี่ยวชาญเทคโนโลยีนี้ เพื่อพัฒนาบุคลากรและแลกเปลี่ยนองค์ความรู้ระหว่างกัน เนื่องจากการประมวลผลเชิงควอนตัมยังเป็นเทคโนโลยีเกิดใหม่ (Emerging technology) และอยู่ในขั้นตอนการวิจัยและพัฒนาเพื่อแสวงหาการประยุกต์ใช้ที่เหมาะสมในโลกธุรกิจ

มาตรการรักษาความปลอดภัยทางไซเบอร์

เนื่องจากอาชญากรในโลกดิจิทัลสามารถใช้การประมวลผลเชิงควอนตัมมาเป็นอาวุธเพื่อโจมตีทางไซเบอร์ได้รวดเร็วขึ้น โดยเฉพาะการถอดและเข้ารหัสข้อมูล (Data encryption) ซึ่งนับเป็นภัยคุกคามต่อความปลอดภัยของข้อมูลทางการเงิน ธนาคารจึงต้องเตรียมมาตรการป้องกันและรับมือกับภัยคุกคามทางไซเบอร์ที่มาพร้อมกับการประมวลผลเชิงควอนตัมด้วย อย่างไรก็ตาม หน่วยงานในต่างประเทศได้เริ่มวางแนวทางรับความเสี่ยงด้านไซเบอร์จากเทคโนโลยีควอนตัมบ้างแล้ว เช่น สถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (National Institute of Standards and Technology: NIST) ของสหรัฐฯ ได้ประกาศมาตรฐานของการประยุกต์การเข้ารหัสแบบใหม่ในยุคควอนตัม (Post Quantum Cryptography) ฉบับแรกของโลก^50/ เพื่อสร้างมาตรฐานความปลอดภัยทางไซเบอร์และการปกป้องข้อมูลที่สำคัญเมื่อยุคของเทคโนโลยีควอนตัมมาถึง ขณะที่ธนาคารกลางของสิงคโปร์ (Monetary Authority of Singapore: MAS) ได้ออกคำแนะนำเกี่ยวกับความเสี่ยงทางไซเบอร์ที่มาพร้อมกับเทคโนโลยีควอนตัมเพื่อลดความเสี่ยงสำหรับสถาบันการเงิน^51/ ความเคลื่อนไหวดังกล่าวสะท้อนให้เห็นถึงการเตรียมพร้อมรับมือกับภัยคุกคามทางไซเบอร์ที่เกิดขึ้นจากพัฒนาการของการประมวลผลเชิงควอนตัมในภาคส่วนต่างๆ รวมถึงภาคการเงินการธนาคาร
 

มุมมองวิจัยกรุงศรี

การประมวลผลเชิงควอนตัมอาจกลายเป็นมาตรฐานใหม่ของการประมวลผลของคอมพิวเตอร์ในระยะข้างหน้า ซึ่งภาคการเงินควรติดตามทั้งพัฒนาการของเทคโนโลยีนี้และการผสานความสามารถเข้ากับเทคโนโลยี AI ที่จะทำให้เกิดความก้าวหน้าทางเทคโนโลยีครั้งสำคัญ

ในปัจจุบัน ผู้เชี่ยวชาญวงการเทคโนโลยีมีความคิดเห็นต่างกันเกี่ยวกับการใช้ประโยชน์จากการประมวลผลเชิงควอนตัมในวงกว้าง เช่น Jensen Huang ซีอีโอของ Nvidia บริษัทผู้ผลิตชิปรายใหญ่ของโลกที่มองว่า “คอมพิวเตอร์ควอนตัมจะยังไม่พร้อมใช้งานได้จริงไปอีกอย่างน้อย 15-20 ปี” ขณะที่ Alan Baratz ซีอีโอของ D-Wave^52/ กลับเห็นต่างว่า “คอมพิวเตอร์ควอนตัมสามารถนำไปใช้ประโยชน์เชิงธุรกิจได้แล้ว”^53/  นอกจากนี้ Gartner ได้ยกให้เทคโนโลยีการเข้ารหัสแบบใหม่ในยุคควอนตัม (Post-Quantum Cryptography: PQC) อยู่ใน 10 อันดับแนวโน้มเทคโนโลยีเชิงกลยุทธ์ (Strategic Technology Trends) ของปี 2568^54/  ซึ่งเน้นย้ำให้ภาคธุรกิจเตรียมปกป้องข้อมูลและรับมือกับภัยคุกคามทางไซเบอร์จากการประมวลผลเชิงควอนตัม ถึงแม้จะยังไม่มีข้อสรุปที่ชัดเจน แต่ธนาคารอาจเริ่มศึกษากรณีการใช้งาน (Use cases) ของการประมวลผลเชิงควอนตัมที่สอดคล้องกับกลยุทธ์ทางธุรกิจ โดยอาจเริ่มจากการตั้งโครงการนำร่อง (Pilot project) เพื่อศึกษาความเป็นได้ของการประยุกต์ใช้ตลอดจนความคุ้มค่าของการลงทุน ซึ่งจะช่วยให้ธนาคารใช้ประโยชน์ได้อย่างเต็มที่และทันท่วงที เมื่อเทคโนโลยีนี้พร้อมประยุกต์ใช้ได้จริง

ทั้งนี้ แม้คอมพิวเตอร์ควอนตัมจะเข้ามาเพิ่มประสิทธิภาพของการประมวลผลที่ซับซ้อนมากแต่จะยังไม่ได้มาทดแทนคอมพิวเตอร์แบบดั้งเดิมจนหายไป เนื่องจากคอมพิวเตอร์ควอนตัมเหมาะกับการแก้ปัญหาหรือทำงานเฉพาะด้าน เช่น งานจัดการข้อมูลปริมาณมหาศาล งานวิเคราะห์ความเสี่ยง หรือแม้กระทั่งการพัฒนา AI ให้ฉลาดขึ้น ขณะที่คอมพิวเตอร์แบบดั้งเดิมยังเหมาะกับการใช้งานรูปแบบพื้นฐานที่เราคุ้นเคยต่อไป ดังนั้น หากธนาคารจะประยุกต์ใช้การประมวลผลเชิงควอนตัมควรให้ความสำคัญเรื่องการพัฒนาระบบหรือซอฟต์แวร์ เพื่อประสานการทำงานระหว่างคอมพิวเตอร์แบบดั้งเดิมและคอมพิวเตอร์ควอนตัมด้วย

นอกจากนี้ แม้คอมพิวเตอร์ควอนตัมจะใช้พลังงานได้มีประสิทธิภาพมากกว่าคอมพิวเตอร์แบบดั้งเดิมเมื่อต้องประมวลผลที่ซับซ้อนและต้องการความแม่นยำ (ภาพที่ 10) ทำให้การประมวลผลเชิงควอนตัมอาจเป็น “การประมวลผลรักษ์โลก (Green computing)” ที่อาจช่วยให้บรรลุเป้าหมายด้านความยั่งยืน^55/  แต่คอมพิวเตอร์ควอนตัมใช้พลังงานไฟฟ้าส่วนใหญ่ในระบบทำความเย็น^56/  ซึ่งหากธนาคารจะประยุกต์ใช้ ควรให้ความสำคัญกับการใช้พลังงานในระบบโครงสร้างพื้นฐานที่ต้องรักษาอุณหภูมิและสภาพแวดล้อมให้เหมาะสม

ท้ายที่สุด ทุกภาคส่วนไม่ว่าจะเป็นบริษัทด้านเทคโนโลยี สถาบันการเงินและหน่วยงานกำกับดูแล ควรสร้างการตระหนักรู้ด้านความปลอดภัยทางไซเบอร์ที่มาพร้อมกับเทคโนโลยีควอนตัม โดยพัฒนามาตรฐานและแนวปฏิบัติในการรักษาความปลอดภัยของข้อมูลให้รัดกุม

References

BCG (2024): “The Long-Term Forecast for Quantum Computing Still Looks Bright” Retrieved December 17 2024 from https://www.bcg.com/publications/2024/long-term-forecast-for-quantum-computing-still-looks-bright

Berenice Baker (2024): “Airbus Looks to Quantum Computing for Decarbonization” Retrieved December 15 2024 from https://www.iotworldtoday.com/quantum/airbus-looks-to-quantum-computing-for-decarbonization

Capgemini (2023): “Green quantum computing” Retrieved 8 December from https://www.capgemini.com/insights/expert-perspectives/green-quantum-computing/

Deloitte (2023): “Industry spending on quantum computing will rise dramatically. Will it pay off?” Retrieved November 27 2024 from https://www2.deloitte.com/us/en/insights/industry/financial-services/financial-services-industry-predictions/2023/quantum-computing-in-finance.html

Department for Science, Innovation and Technology (2024): “Over £100 million boost to quantum hubs to develop life-saving blood tests and resilient security systems”. Retrieved December 9 2024 from https://www.gov.uk/government/news/over-100-million-boost-to-quantum-hubs-to-develop-life-saving-blood-tests-and-resilient-security-systems

Don Nico Forbes (2024): “Glass Chips Offer Hope of Cleaner Future for Quantum Computing” Retrieved November 30 2024 from https://www.wsj.com/articles/glass-chips-offer-hope-of-cleaner-future-for-quantum-computing-9c72a806?utm_source=chatgpt.com

Forst & Sullivan (2024): “Emerging Markets Quantum Computing Growth Opportunities” Retrieved December 23 2024 from https://store.frost.com/global-quantum-computing-growth-opportunities.html

Gene Alvarez (2024): “Gartner Top 10 Strategic Technology Trends for 2025” Retrieved January 21 2025 from https://www.gartner.com/en/articles/top-technology-trends-2025

HSBC (2023): “HSBC and Quantum” Retrieved 12 December from https://www.hsbc.com/who-we-are/hsbc-and-digital/hsbc-and-quantum

IBM (2022): “IBM scientists cool down the world’s largest quantum-ready cryogenic concept system Retrieved December 2 2024 from https://www.ibm.com/quantum/blog/goldeneye-cryogenic-concept-system?lnk=ushpv18nf2

IBM (2024): “NIST’s post-quantum cryptography standards are here” Retrieved December 23 2024 from https://research.ibm.com/blog/nist-pqc-standards

IBM (2024): “What is quantum computing?” Retrieved December 2 2024 from https://www.ibm.com/think/topics/quantum-computing

Kea et al. (2024): “A Hybrid Quantum-Classical Model for Stock Price Prediction Using Quantum-Enhanced Long Short-Term Memory” Retrieved February 17 2024 from https://www.mdpi.com/1099-4300/26/11/954

Kif Leswing (2024): “Nvidia’s Jensen Huang is ‘dead wrong’ about quantum computers, D-Wave CEO says” Retrieved January 20 2025 from https://www.cnbc.com/2025/01/08/nvidia-ceo-jensen-huang-is-dead-wrong-about-quantum-d-wave-ceo.html

Kitty Wheeler (2024): “How Google is Tackling Quantum Computing Challenges” Retrieved December 13 2024 from https://technologymagazine.com/articles/how-google-is-tackling-quantum-computing-challenges

Louis Thompsett (2024): “Citi Explores Quantum Computing for Portfolio Optimisation” Retrieved 9 December from https://fintechmagazine.com/articles/citi-explores-quantum-computing-for-portfolio-optimisation

Matt Swayne (2022): “Quantum Computing Inc. to Help Rabobank Fight Fraud with Entropy Quantum Computing” Retrieved 18 December from https://thequantuminsider.com/2022/12/08/quantum-computing-inc-to-help-rabobank-fight-fraud-with-entropy-quantum-computing/

Matt Swayne (2023): “What Are The Remaining Challenges of Quantum Computing?” Retrieved November 24 2024 from https://thequantuminsider.com/2023/03/24/quantum-computing-challenges/

Matt Swayne (2024): “Quantum Scientists Say Better Portfolio Management Might be in The (Decomposition) Pipeline” Retrieved 15 December from https://thequantuminsider.com/2024/11/05/quantum-scientists-say-better-portfolio-management-might-be-in-the-decomposition-pipeline/

McKinsey (2022): “Five lessons from AI on closing quantum’s talent gap—before it’s too late” Retrieved December 3 2024 from https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/five-lessons-from-ai-on-closing-quantums-talent-gap-before-its-too-late

McKinsey (2023): “Is winter coming? Quantum computing’s trajectory in the years ahead” Retrieved December 19 2024 from https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/tech-forward/is-winter-coming-quantum-computings-trajectory-in-the-years-ahead

McKinsey (2023): “Quantum Technology Monitor” Retrieved December 19 2024 from https://www.mckinsey.com/~/media/mckinsey/business functions/mckinsey digital/our insights/steady progress in approaching the quantum advantage/quantum-technology-monitor-april-2024.pdf?shouldIndex=false

McKinsey (2023): “Quantum technology use cases as fuel for value in finance” Retrieved December 23 2024 from https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/tech-forward/quantum-technology-use-cases-as-fuel-for-value-in-finance

McKinsey (2024): “Steady progress in approaching the quantum advantage” Retrieved December 19 2024 from https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/steady-progress-in-approaching-the-quantum-advantage

McKinsey (2024): “What is quantum computing?” Retrieved December 15 2024 from https://www.mckinsey.com/featured-insights/mckinsey-explainers/what-is-quantum-computing

Mindphp (2017): “Bit คืออะไร บิต คือ หน่วยของข้อมูลที่เล็กที่สุด” Retrieved November 19 2024 from https://www.mindphp.com/%E0%B8%84%E0%B8%B9%E0%B9%88%E0%B8%A1%E0%B8%B7%E0%B8%AD/73-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3/2220-bit-%E0%B8%84%E0%B8%B7%E0%B8%AD%E0%B8%AD%E0%B8%B0%E0%B9%84%E0%B8%A3.html#google_vignette

Monetary Authority of Singapore (2024): “MAS/TCRS/2024/01 : Advisory on Addressing the Cybersecurity Risks Associated with Quantum” Retrieved December 20 2024 from https://www.mas.gov.sg/regulation/circulars/advisory-on-addressing-the-cybersecurity-risks-associated-with-quantum

Nvidia (2024): “NVIDIA Accelerates Google Quantum AI Processor Design With Simulation of Quantum Device Physics” Retrieved December 21 2024 from https://nvidianews.nvidia.com/news/nvidia-supercharges-google-quantum-processor-design-with-simulation-of-quantum-device-physics

Sciencealert (2023): “Google Quantum Computer Is '47 Years' Faster Than #1 Supercomputer” Retrieved December 23 2024 from https://www.sciencealert.com/google-quantum-computer-is-47-years-faster-than-1-supercomputer

TNN (2024): “ก้าวสำคัญจาก Google เปิดตัวชิปใหม่ คำนวณโจทย์จากหลายล้าน ๆ ปี เหลือเพียง 5 นาทีเท่านั้น” Retrieved December 21 2024 from https://www.tnnthailand.com/tech/183374/?fbclid=IwY2xjawHFGApleHRuA2FlbQIxMAABHStRbqIwcU5yMOp1zEQfOPjsyfdXW2sdWB8Su10uu2kJXfClXsODcxHcbg_aem_fM8swj5DgTY4yF9IAvCgww

Top500.org (2024): “Top500 List” Retrieved December 9 2024 from https://top500.org/lists/top500/2024/11/

Yuki Nakamura (2023): “MUFG aims to use quantum computer tech in financial services” Retrieved 12 December from https://asia.nikkei.com/Business/Finance/MUFG-aims-to-use-quantum-computer-tech-in-financial-services

Yuval Boger (2023): “The Energy Advantage of Quantum Computers” Retrieved November 30 2024 from https://insidehpc.com/2023/06/the-energy-advantage-of-quantum-computers/

Yuval Boger, (2024): “How Quantum Computing Can Drive Innovation In The Automotive Industry” Retrieved January26 2025 from https://www.forbes.com/councils/forbesbusinessdevelopmentcouncil/2024/11/26/how-quantum-computing-can-drive-innovation-in-the-automotive-industry/

กรุงเทพธุรกิจ (2024) : “ยิบอินซอย’ เร่งเกมปลุก ‘Robinhood’ สู่ธุรกิจทำกำไรภายในสิ้นปี 67 นี้” Retrieved December 14 2024 from https://www.bangkokbiznews.com/tech/gadget/1153566