Gemini 3.0: เจาะลึกความสามารถ การแข่งขัน และผลกระทบต่อผู้ใช้งาน

1. บทนำสู่ Gemini 3.0 – นิยามใหม่ของ AI จาก Google

การมาถึงของ Gemini 3.0 ไม่ใช่เพียงการเปิดตัวผลิตภัณฑ์ แต่คือการประกาศสงคราม Ecosystem ของ Google ที่ใช้ความได้เปรียบเชิงสถาปัตยกรรม (MoE), การควบคุมครบวงจร (Full Stack), และแพลตฟอร์มสำหรับนักพัฒนา (Antigravity) เป็นอาวุธหลักในการทวงคืนสถานะผู้นำอย่างยั่งยืน การเปิดตัวครั้งนี้สะท้อนถึงความเชื่อมั่นในระดับสูง โดยมีการนำโมเดลไปใช้งานจริงในผลิตภัณฑ์หลักอย่าง Google Search และ Vertex AI ทันทีตั้งแต่วันแรก ซึ่งแสดงให้เห็นว่า Gemini 3.0 ไม่ได้เป็นเพียงความสำเร็จในห้องทดลอง แต่เป็นผลิตภัณฑ์ที่พร้อมสำหรับภารกิจระดับองค์กรและผู้ใช้งานทั่วไป เอกสารฉบับนี้จะทำการวิเคราะห์องค์ประกอบหลักของ Gemini 3.0 อย่างละเอียด ตั้งแต่สถาปัตยกรรมเทคโนโลยีเบื้องหลัง ประสิทธิภาพเมื่อเทียบกับคู่แข่งในตลาด ไปจนถึงผลกระทบที่เกิดขึ้นจริงกับผู้ใช้งานในหลากหลายกลุ่ม เพื่อให้เห็นภาพที่ชัดเจนว่าการมาถึงของ Gemini 3.0 จะเปลี่ยนภูมิทัศน์ของ AI ไปอย่างไรบ้าง

1.1 ภาพรวมผลิตภัณฑ์ Gemini 3.0: ครอบคลุมตั้งแต่คลาวด์สู่สมาร์ทโฟน

Gemini 3.0 ไม่ได้เป็นเพียงโมเดลเดียว แต่เป็นกลุ่มผลิตภัณฑ์ที่ถูกออกแบบมาเพื่อครอบคลุมการใช้งานตั้งแต่บนอุปกรณ์พกพาไปจนถึงโครงสร้างพื้นฐานคลาวด์ขนาดใหญ่ ซึ่งสะท้อนกลยุทธ์ “Edge-to-Cloud” ของ Google ที่มุ่งสร้างความต่อเนื่องของ AI ในทุกสภาพแวดล้อม

1.2 สถาปัตยกรรมหลัก: พลังของ Sparse Mixture-of-Experts (MoE)

เบื้องหลังประสิทธิภาพอันน่าทึ่งของ Gemini 3.0 คือสถาปัตยกรรม Sparse Mixture-of-Experts (MoE) ที่ได้รับการพัฒนาไปอีกขั้น สถาปัตยกรรมนี้เปรียบเสมือนการมี “คณะผู้เชี่ยวชาญ” จำนวนมากอยู่ภายในโมเดล โดยแต่ละ “ผู้เชี่ยวชาญ” (Expert) คือโครงข่ายประสาทเทียมขนาดเล็กที่เชี่ยวชาญในงานเฉพาะด้าน เมื่อมีคำสั่งเข้ามา ระบบจะเลือกใช้ผู้เชี่ยวชาญเพียงไม่กี่คนจากทั้งหมดที่เหมาะสมที่สุดในการประมวลผลคำสั่งนั้นๆ

แนวทางนี้ช่วยให้ Google สามารถสร้างโมเดลที่มีขนาดใหญ่มหาศาล (อาจเกิน 1 ล้านล้านพารามิเตอร์) แต่ยังคงรักษาความเร็วและประสิทธิภาพในการประมวลผลไว้ได้ เนื่องจากไม่ต้องใช้พลังงานในการคำนวณพารามิเตอร์ทั้งหมดทุกครั้ง ซึ่งส่งผลให้ต้นทุนการใช้งาน (Inference Cost) ต่อครั้งลดลงอย่างมีนัยสำคัญ ทำให้โมเดลที่ทรงพลังเช่นนี้สามารถนำมาให้บริการในระดับสากลได้อย่างคุ้มค่า

1.3 ความสามารถรอบด้าน (Multimodality) และ Context Window ขนาด 1 ล้านโทเค็น

คุณสมบัติที่โดดเด่นที่สุดของ Gemini 3.0 คือความสามารถหลักสองประการที่ทำงานร่วมกันอย่างไร้รอยต่อ:

• Multimodality: Gemini 3.0 ถูกสร้างขึ้นมาให้เป็นโมเดล Multimodal โดยกำเนิด (Natively Multimodal) ซึ่งหมายความว่ามันสามารถทำความเข้าใจและประมวลผลข้อมูลหลากหลายรูปแบบ ไม่ว่าจะเป็นข้อความ, รูปภาพ, เสียง, วิดีโอ, และโค้ด ได้พร้อมกันในคราวเดียว แทนที่จะเป็นการนำโมเดลย่อยๆ ที่เชี่ยวชาญแต่ละด้านมาประกอบกัน สิ่งนี้เปิดประตูสู่การใช้งานรูปแบบใหม่ๆ เช่น การวิเคราะห์วิดีโอการทำงานของเครื่องจักรในโรงงานควบคู่ไปกับการอ่านคู่มือทางเทคนิคที่เป็นไฟล์ PDF เพื่อวินิจฉัยปัญหา
• Context Window: Gemini 3.0 มาพร้อมกับหน้าต่างบริบท (Context Window) ที่มีความจุสูงถึง 1 ล้านโทเค็น ซึ่งเป็นความสามารถที่เหนือกว่าคู่แข่งส่วนใหญ่ในตลาดอย่างชัดเจน ความจุระดับนี้ทำให้โมเดลสามารถ “อ่าน” และจดจำข้อมูลจากเอกสารขนาดยาว, หนังสือทั้งเล่ม, หรือแม้กระทั่งโค้ดโปรเจกต์ซอฟต์แวร์ทั้งหมดได้ภายในการเรียกใช้งานเพียงครั้งเดียว ช่วยลดความซับซ้อนและข้อผิดพลาดที่เกิดจากการต้องแบ่งข้อมูลเป็นส่วนๆ เพื่อป้อนให้โมเดล

2. นิยามใหม่ของประสิทธิภาพ: การเปรียบเทียบ Gemini 3.0 กับคู่แข่ง

ประสิทธิภาพของ Gemini 3.0 ไม่ได้เป็นเพียงการปรับปรุงเล็กน้อย แต่เป็นการสร้างมาตรฐานใหม่ที่ท้าทายผู้นำในวงการอย่างชัดเจน โดยเฉพาะในด้านการให้เหตุผลเชิงลึกและความเข้าใจในหลากหลายมิติ ในส่วนนี้จะทำการวิเคราะห์เปรียบเทียบผ่านข้อมูลเชิงปริมาณจากเกณฑ์มาตรฐาน (Benchmark) และการประเมินเชิงคุณภาพ เพื่อแสดงให้เห็นถึงความเหนือกว่าและจุดเด่นเชิงกลยุทธ์ของ Gemini 3.0

2.1 ความโดดเด่นด้าน Benchmark: ก้าวกระโดดด้านการให้เหตุผลและเชาวน์ปัญญา

ผลการทดสอบจาก Benchmark ที่เป็นที่ยอมรับในวงการยืนยันว่า Gemini 3.0 ได้ก้าวขึ้นมาเป็นผู้นำในด้านความสามารถในการให้เหตุผล โดยเฉพาะอย่างยิ่งในการทดสอบที่ต้องการความเข้าใจเชิงนามธรรมและองค์ความรู้ทางวิทยาศาสตร์ที่ซับซ้อน

ตัวเลขเหล่านี้ชี้ให้เห็นว่าในขณะที่ Gemini 3.0 ได้สร้างความโดดเด่นอย่างชัดเจนในด้านการให้เหตุผลทั่วไปและเชิงวิทยาศาสตร์ (HLE, ARC-AGI-2) แต่สมรภูมิการแข่งขันสำหรับงานเฉพาะทาง เช่น วิศวกรรมซอฟต์แวร์ (SWE-Bench) ยังคงมีการแข่งขันที่ดุเดือด โดยคู่แข่งยังคงมีความได้เปรียบเล็กน้อย สิ่งนี้สะท้อนให้เห็นถึงภาพรวมตลาดที่ซับซ้อนขึ้น ซึ่งโมเดลต่างๆ กำลังพัฒนาความเชี่ยวชาญเฉพาะด้านที่แตกต่างกันออกไป

2.2 การวิเคราะห์แบบตัวต่อตัว: Gemini 3.0 ปะทะ GPT-5.1 และ Claude 4.5

เมื่อมองลึกลงไปในสถานการณ์การใช้งานจริง จะเห็นได้ว่าตลาด AI กำลังแบ่งส่วนตามความเชี่ยวชาญเฉพาะทาง:

• เทียบกับ GPT-5.1: Gemini 3.0 มีความโดดเด่นในด้าน “ความฉลาด” และการให้เหตุผลเชิงลึก เหมาะสำหรับงานที่ต้องการความแม่นยำและการวิเคราะห์ที่ซับซ้อน ในขณะที่ GPT-5.1 มีจุดแข็งด้าน “ความเร็ว” และประสิทธิภาพด้านต้นทุนโทเค็น ทำให้เหมาะกับงานอัตโนมัติที่ต้องการปริมาณงานสูง (High-throughput) เช่น การบริการลูกค้า หรือการสร้างเนื้อหาการตลาดในปริมาณมาก
• เทียบกับ Claude 4.5: Gemini 3.0 มีความสามารถรอบด้านและเป็นเลิศในด้าน Multimodal ที่ถูกสร้างมาโดยกำเนิด ในขณะที่ Claude 4.5 ได้รับการยอมรับอย่างกว้างขวางในด้านการจัดการ “ข้อมูลที่ละเอียดอ่อน” และมีความปลอดภัยสูง เหมาะสำหรับองค์กรในอุตสาหกรรมที่มีกฎระเบียบเข้มงวด เช่น การเงิน หรือการแพทย์

2.3 ความได้เปรียบเชิงกลยุทธ์ “Full Stack”: จุดแข็งที่แตกต่างของ Google

ความได้เปรียบที่แท้จริงของ Google ไม่ได้มาจากตัวโมเดลเพียงอย่างเดียว แต่เกิดจากการเป็นผู้ให้บริการเพียงรายเดียวที่ควบคุม “ครบวงจร” (Vertically Integrated) ตั้งแต่ต้นน้ำถึงปลายน้ำ:

• ฮาร์ดแวร์: ชิปประมวลผล Tensor (TPU) ที่ออกแบบมาเพื่อ AI โดยเฉพาะ
• ซอฟต์แวร์และแพลตฟอร์ม: ระบบปฏิบัติการ Android, Google Workspace, และ Google Search ที่มีผู้ใช้งานหลายพันล้านคน
• โครงสร้างพื้นฐานคลาวด์: Vertex AI ที่ให้บริการระดับองค์กรอย่างเต็มรูปแบบ

ความได้เปรียบนี้ไม่ได้เป็นเพียงเรื่องประสิทธิภาพทางเทคนิค แต่เป็นกำแพงเชิงกลยุทธ์ที่ทำให้คู่แข่งซึ่งขาด Ecosystem ของผู้ใช้งานปลายทาง (End-user Ecosystem) หรือโครงสร้างพื้นฐานคลาวด์ของตนเอง ยากที่จะแข่งขันได้ในระยะยาว

3. ผลกระทบต่อผู้ใช้งาน: พลิกโฉมการทำงานและความคิดสร้างสรรค์ในชีวิตประจำวัน

ความสามารถที่ล้ำหน้าของ Gemini 3.0 ไม่ได้เป็นเพียงแนวคิดทางทฤษฎี แต่ได้ถูกนำมาปรับใช้เป็นฟีเจอร์ที่จับต้องได้ ซึ่งส่งผลกระทบโดยตรงต่อวิธีการทำงานและการใช้ชีวิตของผู้คนในหลายมิติ ตั้งแต่ผู้ใช้งานทั่วไปที่ต้องการความช่วยเหลือในชีวิตประจำวัน, นักพัฒนาที่ต้องการสร้างสรรค์นวัตกรรมใหม่ๆ ไปจนถึงองค์กรขนาดใหญ่ที่มุ่งหวังการเพิ่มประสิทธิภาพการดำเนินงาน

3.1 สำหรับผู้ใช้งานทั่วไป: การค้นหาที่ฉลาดขึ้นและผู้ช่วยส่วนตัวเชิงรุก

Gemini 3.0 กำลังเปลี่ยนปฏิสัมพันธ์ของผู้ใช้งานทั่วไปกับเทคโนโลยีให้ฉลาดและเป็นประโยชน์มากขึ้น:

• AI Mode ใน Google Search: พลิกโฉมหน้าผลการค้นหาแบบเดิมๆ ด้วยฟีเจอร์ “Generative UI” ที่สามารถสร้างอินเทอร์เฟซแบบอินเทอร์แอคทีฟขึ้นมาใหม่ทั้งหมดตามคำค้นหา ตัวอย่างเช่น แทนที่จะแสดงลิงก์ข้อความเกี่ยวกับปัญหาฟิสิกส์ ระบบอาจสร้างแบบจำลองสามมิติที่ผู้ใช้สามารถโต้ตอบได้ หรือสร้างตารางเปรียบเทียบสินเชื่อที่สามารถปรับเปลี่ยนค่าต่างๆ เช่น อัตราดอกเบี้ยหรือเงินดาวน์ และเห็นผลลัพธ์ได้ทันที
• Gemini Agent ใน Gemini App: ยกระดับผู้ช่วย AI ให้สามารถทำงานที่ซับซ้อนและข้ามแอปพลิเคชันได้โดยอัตโนมัติ ตัวอย่างเช่น ผู้ใช้สามารถสั่งให้ Gemini Agent “จองรถเช่าสำหรับทริปของฉัน” จากนั้น Agent จะดึงข้อมูลเที่ยวบินจาก Gmail, ค้นหาบริษัทรถเช่าใกล้สนามบินผ่าน Google Search และ Maps, และเตรียมขั้นตอนการจองให้เสร็จสรรพ โดยที่ผู้ใช้ไม่ต้องสลับแอปพลิเคชันเอง

3.2 สำหรับนักพัฒนา: จุดเริ่มต้นของยุค Agentic Coding ด้วย “Antigravity”

Google กำลังส่งสัญญาณว่ากำลังเดิมพันอนาคตของการพัฒนาซอฟต์แวร์ทั้งหมดไว้กับสถาปัตยกรรมแบบ Agent-first ผ่านแพลตฟอร์ม “Google Antigravity” ซึ่งเป็นสภาพแวดล้อมการพัฒนาแบบเบ็ดเสร็จ (IDE) ที่ถูกออกแบบมาสำหรับ Agent-first โดยเฉพาะ แพลตฟอร์มนี้ทำให้นักพัฒนาสามารถทำงานในระดับที่สูงขึ้น โดยมอบหมายเป้าหมายระดับโปรเจกต์ให้กับ AI ซึ่งจะทำหน้าที่วางแผน, เขียนโค้ด, ทดสอบ, และแก้ไขข้อบกพร่องของซอฟต์แวร์ได้เกือบทั้งหมดโดยอัตโนมัติ นี่คือการเคลื่อนไหวที่นักวิเคราะห์ในวงการมองว่าเป็นการท้าทายโดยตรงต่อเครื่องมืออย่าง Cursor และเป็นการส่งเสริมให้นักพัฒนามอง AI ในฐานะ “ผู้ร่วมงาน” ที่มีความสามารถในการปฏิบัติงานเชิงรุก

3.3 สำหรับองค์กร: การผสานรวมอย่างลึกซึ้งใน Ecosystem ของ Google

สำหรับผู้ใช้งานระดับองค์กร Gemini 3.0 มอบประโยชน์ผ่านการผสานรวมที่ไร้รอยต่อกับเครื่องมือที่ใช้งานอยู่แล้ว:

• Google Workspace: Gemini 3 Pro ถูกผสานเข้ากับแอปพลิเคชันอย่าง Gmail, Docs, และ Sheets ผ่าน Side Panel ทำให้ AI สามารถทำงานโดยใช้บริบทจากอีเมลและเอกสารภายในองค์กรได้ทันที เช่น การสรุปประเด็นการประชุมจากเอกสารหลายฉบับ หรือร่างอีเมลตอบกลับโดยอ้างอิงข้อมูลจากไฟล์นำเสนอ
• Vertex AI: แพลตฟอร์มนี้มอบเครื่องมือควบคุมระดับองค์กรที่จำเป็นสำหรับการใช้งาน AI ในระดับโปรดักชัน เช่น “Thinking Mode” ที่ช่วยให้สามารถปรับสมดุลระหว่างความเร็วและความแม่นยำในการตอบสนอง, การทำ Grounding กับฐานข้อมูลภายในองค์กรเพื่อให้คำตอบมีความน่าเชื่อถือ, และ Batch Prediction ที่สามารถช่วยลดต้นทุนการประมวลผลข้อมูลปริมาณมากลงได้ถึง 50%

3.4 ตัวอย่างการใช้งานจริง: จากสไลด์นำเสนอสู่เว็บแอปพลิเคชันอินเทอร์แอคทีฟ

ศักยภาพของ Gemini 3.0 แสดงให้เห็นอย่างเป็นรูปธรรมผ่านตัวอย่างการใช้งานที่เหนือกว่าเครื่องมือรุ่นก่อนๆ:

• การสร้างสไลด์ Pitch Deck: เมื่อเปรียบเทียบกับการใช้เครื่องมืออย่าง Gamma ที่มักให้ผลลัพธ์เป็นเทมเพลตทั่วไป Gemini 3 Pro สามารถทำการค้นคว้าข้อมูลเชิงลึกเกี่ยวกับหัวข้อที่กำหนด และออกแบบสไลด์ที่มีคุณภาพสูงพร้อมเนื้อหาที่เฉพาะเจาะจงและน่าเชื่อถือได้ในทันที
• การสร้างเว็บแอปพลิเคชัน: ผู้ใช้สามารถสร้างเว็บแอปพลิเคชันที่ทำงานได้จริงจากคำสั่งเพียงประโยคเดียว เช่น การสร้างหน้าเว็บสไตล์ “Neo-Brutalist” พร้อมอนิเมชันที่ซับซ้อน หรือแม้กระทั่งการสร้างเกม 3 มิติที่สามารถโต้ตอบได้ ซึ่งแสดงให้เห็นถึงความสามารถในการแปลงแนวคิดให้กลายเป็นผลิตภัณฑ์ที่ใช้งานได้จริงในเวลาอันสั้น

4. ธรรมาภิบาลและความรับผิดชอบ: ความท้าทายของโมเดลระดับ Frontier

พลังของโมเดลระดับ Frontier อย่าง Gemini 3.0 มาพร้อมกับความรับผิดชอบและความเสี่ยงที่ต้องมีการกำกับดูแลอย่างเข้มงวด Google DeepMind ตระหนักถึงความท้าทายนี้และได้พัฒนากรอบการทำงานด้านความปลอดภัยที่ครอบคลุม เพื่อประเมินและลดความเสี่ยงที่อาจเกิดขึ้นล่วงหน้า ในส่วนนี้จะเจาะลึกถึงกรอบการทำงานดังกล่าวและผลการประเมินที่สำคัญซึ่งสะท้อนถึงความซับซ้อนของการสร้าง AI ที่ทรงพลังและปลอดภัยไปพร้อมกัน

4.1 การประเมินภายใต้กรอบ Frontier Safety Framework (FSF)

Google DeepMind ได้นำ Frontier Safety Framework (FSF) มาใช้เป็นเกณฑ์มาตรฐานในการประเมินความเสี่ยงของโมเดล AI ที่มีความสามารถสูง กรอบการทำงานนี้ประกอบด้วย Critical Capability Levels (CCLs) ซึ่งเป็นเกณฑ์วัดระดับความสามารถที่หากโมเดลไปถึง อาจก่อให้เกิดความเสี่ยงร้ายแรงในโดเมนต่างๆ เช่น ความปลอดภัยทางไซเบอร์, ชีวภาพ, และการพัฒนา AI ต่อเนื่อง

จากการประเมินอย่างละเอียดตามกรอบ FSF v3 พบว่า ความสามารถของ Gemini 3 Pro ยังไม่ถึงเกณฑ์ความสามารถระดับวิกฤต (CCLs) ในภาพรวม ซึ่งหมายความว่าโมเดลยังไม่มีความสามารถในระดับที่จะก่อให้เกิดความเสี่ยงร้ายแรงตามที่กำหนดไว้ และถือว่ามีความปลอดภัยเพียงพอสำหรับการเปิดตัวสู่สาธารณะ

4.2 การแจ้งเตือนด้านความปลอดภัยทางไซเบอร์: ดาบสองคมของ Agentic Coding

แม้ว่าความสามารถของ Gemini 3 Pro จะยังไม่ถึงเกณฑ์ CCLs แต่ผลการประเมินได้ชี้ให้เห็นถึงประเด็นสำคัญในด้านความปลอดภัยทางไซเบอร์ (Cybersecurity) โดยระบุว่าโมเดลได้แตะระดับ “Alert Threshold” (เกณฑ์แจ้งเตือน) ซึ่งเป็นระดับที่ต่ำกว่า CCL แต่ทำหน้าที่เป็นสัญญาณเตือนล่วงหน้าว่าความสามารถของโมเดลกำลังเข้าใกล้ระดับที่อาจมีความเสี่ยง

ความสามารถในการเขียนโค้ดเชิงรุกในระดับสูงนี้ คือรากฐานของแพลตฟอร์มอย่าง ‘Google Antigravity’ ที่ช่วยเพิ่มประสิทธิภาพให้นักพัฒนา แต่ในขณะเดียวกันก็เป็นเหตุผลโดยตรงที่ทำให้โมเดลเข้าใกล้เกณฑ์ความเสี่ยงด้านความปลอดภัยทางไซเบอร์ ซึ่งเป็นบทพิสูจน์ถึงธรรมชาติของดาบสองคมที่องค์กรต้องบริหารจัดการอย่างรัดกุม ประเด็นนี้เน้นย้ำถึงความจำเป็นที่ Google ต้องปรับใช้มาตรการลดความเสี่ยงอย่างต่อเนื่องเพื่อป้องกันการใช้งานในทางที่ผิด

5. บทสรุป: นัยยะเชิงกลยุทธ์ของ Gemini 3.0

การเปิดตัว Gemini 3.0 ไม่ใช่แค่การเปิดตัวผลิตภัณฑ์ใหม่ แต่เป็นการประกาศทิศทางเชิงกลยุทธ์ที่ชัดเจนของ Google ในการเป็นผู้นำด้านปัญญาประดิษฐ์ โดยมีนัยยะสำคัญที่สามารถสรุปได้ดังนี้:

• การทวงคืนบัลลังก์ผู้นำด้านความฉลาด: Gemini 3.0 ได้สร้างมาตรฐานใหม่ด้านประสิทธิภาพ โดยเฉพาะอย่างยิ่งในด้านการให้เหตุผลเชิงลึกและการแก้ปัญหาที่ซับซ้อน ซึ่งสะท้อนผ่านคะแนน Benchmark ที่เหนือกว่าคู่แข่งอย่างมีนัยสำคัญ Google ได้เปลี่ยนเกมจากการแข่งขันด้านขนาดโมเดลมาเป็นการแข่งขันด้าน “เชาวน์ปัญญา” ที่แท้จริง
• สงคราม Ecosystem ไม่ใช่แค่สงครามโมเดล: กลยุทธ์ของ Google คือการใช้ความได้เปรียบของ Ecosystem ที่ครบวงจรและควบคุมได้ทั้งหมด ตั้งแต่ฮาร์ดแวร์ (Tensor), ซอฟต์แวร์ (Workspace, Android), ไปจนถึงแพลตฟอร์มสำหรับนักพัฒนา (Antigravity) และคลาวด์ (Vertex AI) เพื่อสร้างประสบการณ์ที่ไร้รอยต่อและสร้าง “Lock-in” ที่ทำให้ผู้ใช้งานและองค์กรอยู่ในระบบของ Google อย่างยั่งยืน
• จากเครื่องมือสู่ Agent: โอกาสและความเสี่ยงใหม่: Gemini 3.0 กำลังเปลี่ยนสถานะของ AI จากเครื่องมือตอบคำถามเชิงรับ (Passive Tool) ให้กลายเป็น “ผู้ปฏิบัติงาน” (Agent) ที่มีความสามารถเชิงรุก การเปลี่ยนผ่านนี้สร้างโอกาสในการเพิ่มผลิตภาพอย่างมหาศาล แต่ในขณะเดียวกันก็ก่อให้เกิดความเสี่ยงด้านปฏิบัติการและความปลอดภัยรูปแบบใหม่ที่องค์กรต้องเริ่มวางแผนบริหารจัดการ ซึ่งสอดคล้องโดยตรงกับผลการประเมินด้านความปลอดภัยทางไซเบอร์ที่ระบุไว้ใน Frontier Safety Framework