Sub-tool · Data Boundary Map · Stage 3 of Journey

The AI Stack Tiers

5 ระดับการวาง AI ในองค์กร · จาก ChatGPT รายคน → Sovereign AI ที่ self-host ทั้งหมด
เป็นแกนที่ 2 ของ Data Boundary Map — ทำงานคู่กับ 3 Zones (Open / Internal / Core) เป็น Decision Grid

The Architect's Question

"องค์กรเราควรใช้ AI ระดับไหน กับข้อมูล แบบไหน?"
— คำถามที่ owner ตอบเองไม่ได้ก่อนเซ็น license ใดๆ

The 5 Tiers

01Direct

Direct Public AI

ใช้ AI ของ vendor ตรงๆ · ไม่มี layer คั่น

⚠ Data ออก · วินัยพนักงาน

Stack: LLM ของ vendor อย่างเดียว · พนักงาน paste prompt ตรงเข้า web/app

ChatGPT · Claude.ai · Gemini (ส่วนตัว / Team plan / Enterprise plan)

Cost

$20–30 / คน / เดือน

Time to value: วันนี้

02Managed

Managed RAG

Vendor LLM + Vendor knowledge connector

⚠ Data ออก · มี contract

Stack: Vendor connects ตรงกับ knowledge ของบริษัท (SharePoint · Drive · Confluence) · vendor จัดการ RAG ทั้งหมด

M365 Copilot + SharePoint · Gemini for Workspace + Drive · OpenAI Assistants + File Search

Cost

$30–60 / คน / เดือน + integration

Time to value: 2–8 สัปดาห์

03Filter

Filter Layer

Self-built RAG → กรอง → Public LLM

↘ ออกเฉพาะที่กรองแล้ว

Stack: Self-host RAG (Qdrant + n8n + LiteLLM + Presidio) · กรอง PII + apply RBAC + redact ก่อนส่ง public LLM · ลูกค้า own ทุกอย่าง

Symphony Cloud · self-build ผ่าน open-source stack · ที่ Faberic ออกแบบให้ลูกค้า

Cost

Infra + dev (one-time) + LLM API

Time to value: 1–3 เดือน

04Hybrid

Hybrid Sovereignty

Self-host LLM (Core) + Public LLM (ทั่วไป)

↗ บางส่วนออก · บางส่วนไม่

Stack: Self-host open-source LLM (Llama / Qwen) สำหรับ Zone 3 + ใช้ public LLM (GPT/Claude) สำหรับ Zone 1-2 · routing โดย policy

ธนาคาร · กลุ่มประกัน · บริษัทขนาดกลาง-ใหญ่ที่มีทีม IT ของตัวเอง · บาง Listed Co.

Cost

50–200K / เดือน (GPU + ops)

Time to value: 3–6 เดือน

05Sovereign

Full Sovereign AI

Self-host LLM + Self RAG · ทุกอย่างใน org

✓ ไม่มีอะไรออก

Stack: Open-source LLM (Llama 3/4 · Qwen · DeepSeek) บน private GPU · self RAG · ไม่มี API call ออก internet

Regulated industry · กลาโหม · ธนาคารใหญ่ · บริษัทที่มี data residency mandate · บาง Listed Co.

Cost

GPU farm + dedicated ops team

Time to value: 6+ เดือน

Tradeoff axes (ขึ้น Tier = แลก 6 อย่าง)

Control / Data sovereignty

↑↑ เพิ่มขึ้นมาก

ระดับสูง = องค์กรคุมข้อมูลและ model 100%

Setup complexity

↑↑ ซับซ้อนขึ้นมาก

Tier 4-5 ต้องการทีม DevOps + ML ที่ในไทยหายาก

Talent requirement

↑↑ ต้องการคนเก่งขึ้น

RAG engineer · GPU ops · LLM fine-tuning specialist

Recurring cost predictability

↑ ดีขึ้น (one-time vs per-seat)

Tier 1-2 = per-seat ขยายตามคน · Tier 4-5 = fixed infra cost

Latest model quality

↓ ลดลง (vs frontier)

Open-source ตามหลัง GPT-5 / Claude 5 ราว 3–6 เดือน

Time to value

↓↓ ช้าลงมาก

Tier 1 = วันนี้ · Tier 5 = 6 เดือนขึ้นไป

★ The Killer Artifact · Decision Grid

Zone × Tier — การออกแบบที่ปลอดภัย + ใช้งานได้

หนึ่งตารางที่ owner กลับบ้านแล้วใช้ตัดสินใจได้ — *"ข้อมูลแบบนี้ ควรใส่ AI ระดับไหน"* จับ ❌ ก่อน · กำจัด overkill ที่จ่ายเกิน · กำหนด priority redesign

	Zone 1 Open ห้องรับแขก	Zone 2 Internal ห้องทำงาน	Zone 3 Core ห้องเซฟ
Tier 1Direct Public AI	✓ปลอดภัย	⚠พิจารณา · ต้องวินัย	✗ไม่ควร
Tier 2Managed RAG	✓ปลอดภัย	✓เหมาะ	⚠ขึ้นกับ vendor contract
Tier 3Filter Layer	○overkill	✓เหมาะ	✓ถ้ากรองดี
Tier 4Hybrid	○overkill	✓ดี	✓ดี
Tier 5Full Sovereign	○overkill (cost)	○overkill	✓เหมาะ · regulated

✓ ใช้ได้ปลอดภัย ⚠ มีเงื่อนไข (contract / policy / training) ✗ ไม่ควร — ความเสี่ยง > ประโยชน์ ○ Overkill — ใช้ได้แต่จ่ายเกินจำเป็น

"AI ไม่ได้มีระดับเดียว · เลือกระดับให้ตรงกับชั้นข้อมูล · ตรงกับ stage องค์กร · ตรงกับงบ — คือหน้าที่ของ architect ก่อนเซ็น license"

— Faberic · The AI Stack Tiers

Anti-patterns · 3 จุดที่ตลาดทำผิด

Zone 3 data + Tier 1 AI

โยน financial · payroll · margin · supplier pricing เข้า ChatGPT ส่วนตัว — เป็นจุดที่ Symphony Cloud + competitors ขู่ลูกค้าได้สมเหตุสมผล · ที่ Faberic ออกแบบไม่ให้เกิด

Zone 1 data + Tier 5 AI

ลงทุน GPU farm 100K+ ต่อเดือนเพื่อให้พนักงานเขียน marketing copy / brainstorm = burn cash ฟรี · ขัด ROI · เกิดจากการขู่ขายของ vendor "ความเสี่ยง" ที่ไม่ตรงกับ data zone

กระโดดจาก Tier 1 → Tier 5

ข้าม Tier 2-3-4 = ทำพัง ส่วนใหญ่ ส่วนใหญ่ของ org ลงตัวที่ Tier 2-3 ก่อน scale ไป 4-5 · path ที่ถูกต้องคือไต่ทีละขั้น