Agentic AI พลิกโฉมอุตสาหกรรมพลังงาน จาก Pilot สู่ยุค Energy Autonomy

เอไอกำลังเปลี่ยนสถานะจากเครื่องมือที่รอคำสั่ง ไปสู่ระบบที่สามารถรับเป้าหมาย วางแผนงาน เรียกใช้เครื่องมือ และดำเนินการต่อเนื่องได้ด้วยตัวเอง ความเปลี่ยนแปลงนี้กำลังเปิดโจทย์ใหม่ให้อุตสาหกรรมพลังงาน ซึ่งไม่ได้ต้องการเพียงเอไอที่ฉลาดขึ้น แต่ต้องตอบให้ได้ว่า เมื่อเครื่องจักรเริ่มตัดสินใจและลงมือทำเอง มนุษย์ควรให้อำนาจมันมากแค่ไหน

วงเสวนาหัวข้อ Agentic AI: From Pilot to the Next Era of Energy Autonomy ในงาน Gastech 2026 ผู้บริหารจากบริษัทเทคโนโลยี วิศวกรรม และพลังงานชวนมองไปไกลกว่าการนำเอไอมาเพิ่มในกระบวนการเดิม โดยเสนอว่า การมาถึงของเอเจนต์เอไออาจบังคับให้องค์กรต้องออกแบบวิธีทำงานใหม่ทั้งระบบ ตั้งแต่การจัดการข้อมูลและงานวิศวกรรม ไปจนถึงการกำหนดว่าเรื่องใดเอไอตัดสินใจได้เอง และเรื่องใดต้องมีมนุษย์เป็นผู้รับรอง เพราะเมื่อเอไอไม่ได้แค่ให้คำตอบ แต่สามารถนำคำตอบไปดำเนินการต่อ ความผิดพลาดก็ไม่ได้จบอยู่บนหน้าจออีกต่อไป

ที่ผ่านมา การลงทุนด้านเอไอขององค์กรจำนวนมากอยู่ในรูปแบบเครื่องมือเฉพาะงาน เช่น ช่วยเขียน สรุปเอกสาร ค้นข้อมูล หรือวิเคราะห์ข้อมูล แต่การเพิ่มเครื่องมือเข้าไปในกระบวนการเดิมไม่ได้หมายความว่าจะทำให้ทั้งระบบมีประสิทธิภาพขึ้น

ฮันโน สเตกมันน์ (Hanno Stegmann) กรรมการผู้จัดการและพาร์ตเนอร์ของ BCG X ชี้ว่า องค์กรต้องขยับจากการถามว่า “จะเอาเอไอไปใส่ตรงไหน” ไปสู่การออกแบบกระบวนการทำงานใหม่ตั้งแต่ต้น

แนวคิดนี้มีผลโดยตรงต่อเศรษฐศาสตร์ของการลงทุนเอไอ เพราะการประหยัดเวลาจากงานหนึ่งขั้นตอนอาจมีมูลค่าไม่มาก หากขั้นตอนอื่นในกระบวนการยังต้องทำแบบเดิม แต่หากเอไอสามารถเชื่อมหลายขั้นตอนเข้าด้วยกัน ผลประโยชน์จะเกิดในระดับกระบวนการ เอเจนต์เอไอจึงมีความสำคัญตรงนี้ เพราะระบบสามารถรับเป้าหมายแล้วทำงานต่อเนื่อง ตั้งแต่ค้นข้อมูล วิเคราะห์ ไปจนถึงส่งต่อผลลัพธ์หรือเรียกใช้เครื่องมืออื่น โดยไม่ต้องให้คนเป็นผู้สั่งทุกขั้นตอน

วาสซิม กัดบาน (Wassim Ghadban) ผู้บริหารระดับสูงด้าน AI & Digital Engineering ของ Kent ยกตัวอย่างงานวิศวกรรมและโครงการขนาดใหญ่ที่ต้องจัดการเอกสารจากผู้รับเหมา ซัพพลายเออร์ และคู่ค้าจำนวนมาก เอไอสามารถช่วยอ่านเอกสาร ตรวจสอบความแตกต่าง และติดตามการเปลี่ยนแปลง แต่หากนำผลลัพธ์ไปเชื่อมกับการติดตามโครงการ การประเมินผลกระทบ หรือการประสานงานในขั้นตอนถัดไป เอไอจะไม่ได้เป็นเพียงเครื่องมืออ่านข้อมูล แต่กลายเป็นส่วนหนึ่งของ workflow นี่คือจุดที่มูลค่าทางธุรกิจเริ่มเปลี่ยนจากประหยัดเวลาไปสู่การเปลี่ยนวิธีทำงาน

15 ปีของเอไอในโรงงาน สู่โจทย์รวมระบบ

อุตสาหกรรมพลังงานไม่ได้เริ่มใช้เอไอในยุคเจเนอเรทีฟเอไอ แดน จีวอนส์ (Dan Jeavons) ประธานฝ่าย Applied Computing Technologies เล่าว่า ตลอดประมาณ 15 ปีที่ผ่านมา บริษัทพลังงานนำวิธีทางสถิติ แบบจำลองทางวิศวกรรม แมชชีนเลิร์นนิง แมชชีนวิชัน และการวิเคราะห์ความเสี่ยงมาใช้กับสินทรัพย์ แต่การเพิ่มเครื่องมือแต่ละตัวก็ทำให้ระบบโดยรวมซับซ้อนขึ้น

สำหรับวิศวกร การมีโมเดลเพิ่มขึ้นไม่ได้แปลว่าภาระลดลง เพราะต้องเรียนรู้ว่าจะใช้เครื่องมือใดกับงานใด และต้องเชื่อมผลลัพธ์จากแต่ละระบบเข้าด้วยกัน แดนจึงมองว่า เอไอรุ่นใหม่ควรถูกใช้เพื่อรวมความสามารถเหล่านี้เข้าด้วยกัน โดยผสานเอไอเจเนอเรทีฟ แมชชีนเลิร์นนิง วิธีทางสถิติ แบบจำลองทางวิศวกรรม และความเข้าใจหลักฟิสิกส์ของสินทรัพย์

เป้าหมายคือ ระบบที่สามารถสนับสนุนงานตั้งแต่ความน่าเชื่อถือของเครื่องจักร กระบวนการผลิต ความปลอดภัย การบำรุงรักษา ไปจนถึงการวางแผนและเพิ่มประสิทธิภาพ หากทำได้สำเร็จ การลงทุนเอไอจะไม่ถูกวัดจากจำนวนโมเดลหรือจำนวนโครงการทดลอง แต่จากความสามารถในการลดขั้นตอน ลดเวลาการทำงาน เพิ่มประสิทธิภาพสินทรัพย์ และทำให้คนหนึ่งคนสามารถดูแลงานได้มากขึ้น

แม้เทคโนโลยีจะพัฒนาเร็ว แต่การนำเอไอไปใช้งานจริงในองค์กรขนาดใหญ่ยังมีคอขวดหลายด้าน แดนระบุว่า จากประสบการณ์ที่ได้เห็นโครงการเอไอในอุตสาหกรรมพลังงานมากกว่า 500 โครงการ ปัจจัยที่ทำให้โครงการเดินหน้าไม่ได้มีเพียงเรื่องเทคโนโลยี แต่รวมถึงผู้นำที่ต้องการเปลี่ยนแปลง ความเชี่ยวชาญในงานจริง การตรวจสอบผลลัพธ์ของเอไอ และความพยายามต่อเนื่องจนผ่านช่วงที่ผลลัพธ์ยังไม่ชัดเจน

ปัญหาจึงเกิดขึ้นในช่วงเปลี่ยนจาก Pilot ไปสู่ Scale การทดลองเอไอในหนึ่งโรงงานหรือหนึ่งทีมสามารถทำได้ แต่เมื่อขยายไปยังหลายโรงงาน หลายหน่วยธุรกิจ และหลายกระบวนการ ความซับซ้อนจะเพิ่มขึ้น ทั้งระบบข้อมูล ซอฟต์แวร์เดิม กระบวนการอนุมัติ และทักษะของบุคลากร

ฮันโนมองว่าองค์กรจึงต้องเปลี่ยนจากการทำโครงการเอไอแบบแยกส่วน ไปสู่การออกแบบ workflow ทั้งกระบวนการ นี่เป็นเหตุผลว่า ทำไมการนำ Copilot หรือ ChatGPT ไปให้พนักงานใช้จึงอาจเป็นเพียงจุดเริ่มต้น ไม่ใช่คำตอบสุดท้ายของการสร้างมูลค่าจากเอไอ

ความสามารถของเอเจนต์เอไอในการทำงานต่อเนื่องหลายขั้นตอนทำให้ระบบอัตโนมัติไม่ได้จำกัดอยู่กับงานที่มีขั้นตอนตายตัวอีกต่อไป งานที่เคยต้องใช้คนอ่านข้อมูล ตัดสินใจเบื้องต้น แล้วส่งต่อให้คนอีกคน สามารถถูกออกแบบใหม่ให้เอไอทำงานต่อเนื่องได้มากขึ้น

วาสซิมมองไปถึงการใช้เอไอในงานโครงการ ตั้งแต่การตรวจสอบเอกสาร ไปจนถึงการประเมินกำหนดเวลาและประสานงานระหว่างกระบวนการ หากระบบเหล่านี้ทำงานร่วมกันได้จริง ผลกระทบทางธุรกิจจะไม่ได้อยู่ที่การลดเวลาของงานหนึ่งงาน แต่เกี่ยวข้องกับระยะเวลาของโครงการ ต้นทุนการดำเนินงาน และการใช้ทรัพยากรขององค์กร

ในอุตสาหกรรมที่มีโครงการลงทุนขนาดใหญ่ ความแตกต่างเพียงเล็กน้อยในกระบวนการจึงสามารถกลายเป็นมูลค่าทางเศรษฐกิจจำนวนมากได้ แต่การจะไปถึงจุดนั้น องค์กรต้องยอมเปลี่ยน workflow เดิม ไม่ใช่เพียงนำเอไอไปวางทับกระบวนการเดิม

ให้อำนาจเอไอมากขึ้น ต้องแลกกับระบบควบคุม

ยาน เลอเวอร์ (Jan Lower) ผู้ร่วมก่อตั้งและซีอีโอของ Deeplify ยกตัวอย่างงานด้านการตรวจสอบและประเมินความสมบูรณ์ของสินทรัพย์ ซึ่งเอไอสามารถช่วยรวบรวมข้อมูล วิเคราะห์เอกสาร และเตรียมข้อมูลให้วิศวกร แต่หากเอไอเริ่มเสนอหรือดำเนินการตัดสินใจที่มีผลต่อการตรวจสอบสินทรัพย์ ความรับผิดชอบจะเปลี่ยนไปทันที

ดังนั้น องค์กรต้องกำหนดระดับอำนาจของเอไอให้สัมพันธ์กับความเสี่ยง งานที่ผิดพลาดแล้วแก้ไขได้อาจเปิดให้เอไอทำเองได้มากขึ้น ขณะที่การตัดสินใจที่ย้อนกลับไม่ได้หรือเกี่ยวข้องกับความปลอดภัยต้องมีมนุษย์ตรวจสอบ

นี่ทำให้ต้นทุนของการนำเอไอมาใช้ไม่ได้มีเพียงค่าโมเดลหรือซอฟต์แวร์ แต่รวมถึงระบบกำกับดูแล การตรวจสอบ การฝึกคน และการออกแบบกระบวนการใหม่ พูดอีกแบบคือ ยิ่งองค์กรต้องการให้เอไอทำเองมากเท่าไร ก็ยิ่งต้องลงทุนกับระบบที่ทำให้รู้ว่าเอไอกำลังทำอะไร และสามารถหยุดระบบได้เมื่อจำเป็น

ใครรับผิดชอบ เมื่อเอไอทำงานผิด

แดนมองว่า ความรับผิดชอบไม่สามารถโยนให้ผู้พัฒนาโมเดลเพียงฝ่ายเดียว เพราะเอเจนต์หนึ่งระบบประกอบด้วยหลายชั้น ตั้งแต่โมเดล ข้อมูล เครื่องมือ ซอฟต์แวร์ ไปจนถึงองค์กรที่นำระบบไปใช้

เมื่อเกิดข้อผิดพลาด ทุกฝ่ายที่เกี่ยวข้องอาจได้รับผลกระทบ ประเด็นนี้จึงกลายเป็นส่วนหนึ่งของต้นทุนการนำเอไอเข้าสู่ภาคอุตสาหกรรม เพราะองค์กรต้องสร้างความน่าเชื่อถือให้ครบตั้งแต่ข้อมูล ระบบ ไปจนถึงกระบวนการตัดสินใจ

แดนกล่าวถึงการทำงานร่วมกับ Energy Institute เพื่อพัฒนาแนวทางด้านการกำกับดูแลเอไอ โดยมองว่าภาคอุตสาหกรรมควรมีส่วนร่วมในการกำหนดแนวทาง เนื่องจากเป็นผู้ที่เข้าใจความเสี่ยงจากการนำเอไอไปใช้จริง

เอไออาจไม่ได้ลดคน แต่เพิ่มกำลังการผลิตขององค์กร

ดร.เฮงเว่ย หลิว (Dr. Hengwei Liu) ประธานเจ้าหน้าที่เทคโนโลยีและหัวหน้าธุรกิจไฮโดรเจนสีเขียวของ Wison Engineering มองว่า การเปลี่ยนแปลงของเอไอในอุตสาหกรรมพลังงานไม่ควรถูกตั้งต้นด้วยคำถามว่าจะ “แทนคนกี่คน” แต่ควรถามว่า หากมีคนจำนวนเท่าเดิม องค์กรจะสามารถทำงานได้มากขึ้นหรือไม่

เอไอสามารถรับงานซ้ำๆ งานค้นและประมวลผลข้อมูล รวมถึงงานที่ใช้เวลามากแต่ไม่จำเป็นต้องใช้การตัดสินใจของมนุษย์ทุกขั้นตอน ขณะที่คนสามารถใช้เวลาไปกับงานที่ต้องอาศัยประสบการณ์ ความรู้เฉพาะทาง และการตัดสินใจ แต่การเปลี่ยนแบบนี้หมายความว่าทักษะของคนก็ต้องเปลี่ยนตาม พนักงานต้องเข้าใจว่าเอไอทำอะไรได้และทำอะไรไม่ได้ ต้องรู้จักตรวจสอบผลลัพธ์ และต้องสามารถทำงานร่วมกับระบบที่มีความเป็นอิสระมากขึ้น

ดร.เฮงเว่ยยังชี้ว่า ขณะนี้เอไอไม่ได้จำกัดอยู่กับงานใดงานหนึ่งในห่วงโซ่พลังงาน แต่มีตั้งแต่การวิเคราะห์และออกแบบ การขนส่ง วิศวกรรม การก่อสร้าง ไปจนถึงการดำเนินงาน เมื่อเอไอเข้าไปอยู่ในหลายจุดพร้อมกัน การจัดการจึงต้องมองทั้งระบบ ไม่ใช่เลือกใช้เครื่องมือเป็นรายจุดโดยไม่มีภาพรวม

สิ่งที่ผู้ร่วมเสวนาพูดถึงจึงไม่ใช่ภาพโรงงานที่ไม่มีมนุษย์ แต่เป็นโรงงานที่แบ่งงานระหว่างคนกับเอไอใหม่ เอไอจะรับงานที่เป็นกระบวนการมากขึ้น ตั้งแต่รวบรวมข้อมูล วิเคราะห์ วางแผน ไปจนถึงดำเนินการในงานที่ได้รับอนุญาต ขณะที่คนจะขยับไปทำหน้าที่กำกับ ตรวจสอบ และตัดสินใจในจุดที่มีความเสี่ยงสูง นั่นทำให้คำว่า Energy Autonomy ไม่ได้หมายถึงการปล่อยให้เอไอทำทุกอย่างเอง แต่หมายถึงการออกแบบระบบที่เอไอสามารถทำงานได้อย่างเป็นอิสระภายใต้ขอบเขตที่กำหนดไว้ และยิ่งระบบมีความสามารถมากขึ้น ขอบเขตนั้นก็ยิ่งต้องละเอียดขึ้น

จาก Pilot สู่เศรษฐกิจเอไอของภาคพลังงาน

สิ่งที่เวที Gastech 2026 กำลังชี้ให้เห็นจึงไม่ใช่เพียงว่าเอเจนต์เอไอมีความสามารถมากขึ้น แต่คือโครงสร้างเศรษฐกิจของการใช้เอไอกำลังเปลี่ยน

ระยะแรก องค์กรอาจลงทุนกับเอไอเพื่อประหยัดเวลาของพนักงานหนึ่งคนหรือทำงานบางขั้นตอนให้เร็วขึ้น แต่ระยะถัดไป เมื่อเอเจนต์สามารถทำงานหลายขั้นตอนต่อเนื่องกัน มูลค่าจะถูกวัดในระดับ workflow และระดับองค์กร ตั้งแต่ระยะเวลาของโครงการ ประสิทธิภาพของสินทรัพย์ ต้นทุนการดำเนินงาน ไปจนถึงปริมาณงานที่องค์กรสามารถรับได้โดยไม่ต้องเพิ่มทรัพยากรในสัดส่วนเดียวกัน

ขณะเดียวกัน การเปลี่ยนผ่านนี้ไม่ได้เกิดขึ้นด้วยการซื้อเทคโนโลยีเพียงอย่างเดียว องค์กรต้องลงทุนกับข้อมูล ระบบโครงสร้างพื้นฐาน การออกแบบ workflow ทักษะของคน และระบบกำกับดูแลควบคู่กัน เพราะในวันที่เอไอเป็นเพียงผู้ช่วย ความผิดพลาดอาจถูกแก้ด้วยคน แต่เมื่อเอไอเริ่มเป็นผู้ลงมือทำ ความผิดพลาดจะกลายเป็นต้นทุนของทั้งกระบวนการ และนั่นทำให้คำถามสำคัญของอุตสาหกรรมพลังงานในยุคต่อไป ไม่ใช่เพียงว่า “เอไอทำอะไรได้บ้าง” แต่คือ “จะออกแบบองค์กรอย่างไรให้เอไอสร้างมูลค่าได้จริงในระดับอุตสาหกรรม”