การเร่งลงทุนโครงสร้างพื้นฐาน การผลิต และโครงการเมืองอัจฉริยะ กำลังเพิ่มความซับซ้อนให้ภาคอุตสาหกรรมไทย ขณะที่เทคโนโลยี AI เริ่มขยายบทบาทจากงานประมวลผลข้อมูลสู่การสนับสนุนการตัดสินใจในระบบวิศวกรรมและการดำเนินงานจริง
ประเทศไทยอยู่ระหว่างการเดินหน้าลงทุนในหลายโครงการสำคัญ ทั้งงบลงทุนโครงสร้างพื้นฐานด้านการขนส่งกว่า 2.53 แสนล้านบาทในช่วงปี 2568-2569 โครงการเมืองอัจฉริยะในเขตพัฒนาพิเศษภาคตะวันออก (EEC) มูลค่า 1.34 ล้านล้านบาท และตลาดดิจิทัลทรานส์ฟอร์เมชันที่มีแนวโน้มเติบโตแตะ 6.484 แสนล้านบาทภายในปี 2576
ท่ามกลางการลงทุนดังกล่าว ภาคอุตสาหกรรมกำลังเผชิญความท้าทายจากความซับซ้อนของระบบที่เพิ่มขึ้น การขาดแคลนบุคลากรด้านวิศวกรรม ข้อกำหนดด้านความยั่งยืน และการบริหารจัดการข้อมูลจากหลายระบบ ทำให้ความต้องการเทคโนโลยีที่สามารถเชื่อมโยงข้อมูลและสนับสนุนการตัดสินใจในระดับปฏิบัติการเพิ่มสูงขึ้น
Industrial AI รับโจทย์ภาคการผลิตยุคใหม่
เวนแคต บาลาสุบรามาเนียน ผู้อำนวยการที่ปรึกษากระบวนการอุตสาหกรรม ภูมิภาคเอเชียแปซิฟิกใต้ บริษัท ดาสโซลท์ ซิสเทเมส (Dassault Systèmes) กล่าวว่า แม้การใช้งาน AI ในองค์กรส่วนใหญ่ยังมุ่งเน้นไปที่โมเดลภาษาและผู้ช่วย AI สำหรับงานทั่วไป แต่ภาคอุตสาหกรรมมีความต้องการ AI ที่สามารถเชื่อมโยงข้อมูลจากระบบงานและสภาพการทำงานจริง เพื่อสนับสนุนการวิเคราะห์และการตัดสินใจบนข้อจำกัดทางวิศวกรรม
แนวโน้มดังกล่าวสอดคล้องกับการพัฒนา AI ภาคอุตสาหกรรม (Industrial AI) ซึ่งถูกออกแบบให้รองรับการทำงานในระบบวิศวกรรมและกระบวนการปฏิบัติงานจริง แตกต่างจาก AI ทั่วไปที่มุ่งเน้นการประมวลผลภาษาและข้อมูลข้อความเป็นหลัก โดยสามารถเชื่อมโยงข้อมูลจากระบบงาน สินทรัพย์ และสภาพแวดล้อมทางกายภาพ เพื่อช่วยประเมินผลกระทบของการเปลี่ยนแปลงก่อนนำไปสู่การตัดสินใจ
แม้ AI จะเริ่มมีบทบาทในภาคอุตสาหกรรมมากขึ้น แต่การใช้งานส่วนใหญ่ยังคงอยู่ในรูปแบบโมเดลภาษาและผู้ช่วย AI สำหรับงานทั่วไป ภาคอุตสาหกรรมมีความต้องการระบบ AI ที่สามารถประเมินข้อจำกัดทางวิศวกรรม ตรวจสอบผลกระทบของการเปลี่ยนแปลง และเชื่อมโยงข้อมูลจากสภาพการทำงานจริงก่อนนำไปสู่การตัดสินใจ
มองโอกาส ‘ภาคการผลิต–ระบบราง’
สำหรับภาคการผลิต ซึ่งเป็นหนึ่งในฐานเศรษฐกิจหลักของไทย โดยเฉพาะอุตสาหกรรมยานยนต์และอิเล็กทรอนิกส์ ดาสโซลท์ ซิสเทเมส ระบุว่า แพลตฟอร์ม 3DEXPERIENCE และระบบ Virtual Companions ซึ่งเชื่อมโยงข้อมูลด้านวิศวกรรม ข้อมูลการปฏิบัติงาน และข้อมูลจากเซ็นเซอร์แบบเรียลไทม์ อาจช่วยให้ผู้ผลิตสามารถจำลองการเปลี่ยนแปลงสายการผลิต ทดสอบรูปแบบการดำเนินงาน และวางแผนการบำรุงรักษาก่อนนำไปใช้งานจริง
ส่วนภาคระบบรางและการขนส่ง ซึ่งประกอบด้วยโครงการขนาดใหญ่ เช่น รถไฟความเร็วสูงไทย-จีน โครงการเชื่อมสนามบิน 3 แห่งในอีอีซี และระบบขนส่งมวลชนในกรุงเทพฯ การบริหารจัดการข้อกำหนดและการติดตามผลกระทบจากการเปลี่ยนแปลงตลอดอายุโครงการถูกมองว่าเป็นหนึ่งในกรณีใช้งานสำคัญของ AI ภาคอุตสาหกรรม
นอกจากนี้ ระบบดังกล่าวยังรองรับการจัดการองค์ความรู้ข้ามโครงการ การประเมินผลกระทบจากการเปลี่ยนแปลงอย่างต่อเนื่อง และการสร้างแบบจำลองการออกแบบที่สอดคล้องกับข้อกำหนดทางวิศวกรรม
ดาสโซลท์ชูผลลัพธ์การใช้ Industrial AI
ดาสโซลท์ ซิสเทเมส ระบุว่า การประยุกต์ใช้ Industrial AI สามารถสร้างผลลัพธ์ทางธุรกิจในหลายด้าน ได้แก่
- เร่งกระบวนการตั้งแต่การพัฒนาจนถึงการปฏิบัติการได้ 15-50%
- ลดระยะเวลากระบวนการผลิตลง 25%
- ลดต้นทุนด้านการผลิตและการบริหารโครงการได้ 5-40%
- ลดปัญหาด้านคุณภาพได้ 30-90% จากการตรวจพบข้อผิดพลาดตั้งแต่ต้นทาง
- เพิ่มรายได้มากกว่า 10% จากการเพิ่มผลิตภาพและประสิทธิภาพการดำเนินงาน
ความท้าทายอยู่ที่ 'บุคลากร–การประยุกต์ใช้'
ในด้านนโยบาย ภาครัฐได้เดินหน้าผลักดันการใช้ AI ผ่านแผนปฏิบัติการด้านปัญญาประดิษฐ์แห่งชาติ ภายใต้เป้าหมายการพัฒนาประเทศตามนโยบาย Thailand 4.0 และการผลักดันให้ไทยเป็นศูนย์กลาง AI ของภูมิภาค
อย่างไรก็ตาม การขาดแคลนบุคลากรที่มีความเชี่ยวชาญด้านการจำลองขั้นสูง เทคโนโลยี Digital Twin และระบบวิศวกรรมดิจิทัล ยังคงเป็นข้อจำกัดสำคัญต่อการนำ Industrial AI ไปใช้ในวงกว้าง
เวนแคตกล่าวว่า การขยายความร่วมมือระหว่างภาคการศึกษาและภาคอุตสาหกรรม รวมถึงการพัฒนาทักษะด้านการจำลองและวิศวกรรมดิจิทัล จะเป็นปัจจัยสำคัญในการเพิ่มศักยภาพการใช้ AI ภาคอุตสาหกรรมของไทยในระยะต่อไป
พร้อมระบุว่า การนำแนวคิดการจำลองสถานการณ์และการบริหารจัดการผ่าน Virtual Twin มาใช้ตั้งแต่ขั้นตอนการวางแผนและออกแบบโครงการ อาจช่วยเพิ่มประสิทธิภาพการดำเนินงานในภาคอุตสาหกรรมและโครงสร้างพื้นฐานได้มากขึ้น
