จาก 'Hype' สู่โลกจริง 'AI' พลิกโฉมโรงงาน เปิดกรณีศึกษาในจีน–ไต้หวัน มองถึง 'โอกาสของไทย'

คำตอบเริ่มชัดเจนขึ้นในการสัมมนา  “Exclusive executive forum : Proof over promises : Real AI applications in action จัดโดย เฮกซ่าเทค โซลูชั่นส์ และ Profet AI เมื่อเร็ว ๆ นี้ ที่ดึงผู้บริหารองค์กรและผู้เชี่ยวชาญหลายสาขามารวมตัวกัน พร้อมนำเสนอกรณีศึกษาจากจีนและไต้หวัน ที่สามารถเปลี่ยน AI ให้เป็นเครื่องมือขับเคลื่อนธุรกิจจริง ไม่ใช่เพียงโครงการทดลองในห้องแล็บ

ไทยยัง “ช้า” ในการนำ AI สู่โรงงาน

‘บัญชา ธรรมารุ่งเรือง’ ซีอีโอ เฮกซ่าเทค โซลูชั่นส์  เล่าถึงข้อมูลจากงานสัมมนาชี้ว่า ปัจจุบันโรงงานไทยเพียง 17% เท่านั้นที่นำ AI มาใช้จนส่งผลต่อผลประกอบการอย่างเป็นรูปธรรม ขณะที่ 73% ยังไม่เริ่ม หรืออยู่ในขั้นวางแผนเท่านั้น ตัวเลขนี้สะท้อนว่าภาคการผลิตไทยยังล้าหลัง เมื่อเทียบกับจีน ไต้หวัน หรือเกาหลีใต้ ที่เร่งลงทุนด้านนี้อย่างต่อเนื่อง

หนึ่งในปัญหาใหญ่ที่ฉุดรั้งการพัฒนา คือ “Tribal Knowledge” หรือความรู้ที่ไม่ได้บันทึก แต่ฝังอยู่ในหัวของผู้เชี่ยวชาญ เมื่อบุคลากรรุ่นเก๋าเกษียณ ความรู้หลายสิบปีก็สูญหายไปทันที ทำให้โรงงานขาดรากฐานในการพัฒนาอย่างต่อเนื่อง

ขณะที่ โจนาธาน เฉิน ผู้บริหาร Profet AI กล่าวว่า “เราเห็นบริษัทไทยกำลังต่อสู้กับปัญหาเดียวกับที่ไต้หวันเผชิญเมื่อสิบปีก่อน  ความรู้ที่ขาดการส่งต่อ ช่องว่างระหว่างคนรุ่นเก่ากับรุ่นใหม่ และการไม่สามารถขยายความเชี่ยวชาญไปยังโรงงานหลายแห่งได้” 

Profet AI: ทำ AI ให้ “ง่ายและเร็ว”

เพื่อแก้โจทย์ดังกล่าว Profet AI พัฒนาแพลตฟอร์ม No-Code Auto Machine Learning ที่ทำให้แม้บุคลากรที่ไม่ใช่สาย IT ก็สามารถสร้างโมเดล AI ได้เองภายใน 3 ชั่วโมง จุดแข็งสำคัญคือการเห็นผลลัพธ์จริง (ROI) ภายในเวลาเพียง 90 วัน

ปัจจุบัน Profet AI มีลูกค้าองค์กรกว่า 300 แห่ง ครอบคลุม 20 อุตสาหกรรม และมากกว่า 50% ของเครือข่ายการผลิต Nvidia ในเอเชีย ต่างใช้แพลตฟอร์มนี้เพื่อยกระดับประสิทธิภาพการผลิต ลดต้นทุน และรักษามาตรฐานคุณภาพ

กรณีศึกษา 1: Minth Group – ใช้ AI ลดของเสีย

Minth Group ผู้ผลิตชิ้นส่วนยานยนต์ระดับโลก ประกาศโครงการ “AI+” เพื่อผลักดันการทำดิจิทัลทรานส์ฟอร์เมชันทั่วทั้งองค์กร โดยเริ่มจากการฝึกอบรมพนักงานกว่า 800 คน ให้สามารถใช้งาน AI

โจทย์ใหญ่ คืออัตราของเสียสูงถึง 40–47% ในขั้นตอนการดัดโค้งชิ้นส่วนยานยนต์ และต้องอาศัยการตรวจสอบแบบแมนนวลทั้งหมด ซึ่งเปลืองแรงงานและลดทอนประสิทธิภาพ

ทางออกด้วย AI คือการสร้างโมเดล Machine Learning วิเคราะห์พารามิเตอร์เชิงกลต่าง ๆ เพื่อหาปัจจัยที่ทำให้เกิดความไม่มั่นคง เช่น ความแข็งของวัสดุและตำแหน่งแขนกล จากนั้นทดสอบและปรับพารามิเตอร์ในสถานที่จริง

ผลลัพธ์ ลดอัตราของเสียลงได้ชัดเจน คาดว่าจะสร้างมูลค่าประหยัดต้นทุนกว่า 5.9 ล้านหยวนต่อปี และอาจขยายถึง 14.7 ล้านหยวนต่อปี สร้างทีม “AI seed user” กว่า 38 คน และเปิดตัวโครงการ AI ใหม่อีก 10 โครงการทั่วทั้งองค์กร

กรณีศึกษา 2: Chicony Power – AI ช่วยประหยัดพลังงาน

Chicony Power ผู้ผลิตระบบพลังงาน เจอปัญหาใหญ่คือ ระบบชิลเลอร์ (chiller) ที่ใช้พลังงานจำนวนมากและต้องพึ่งการควบคุมด้วยประสบการณ์ของวิศวกร ร่วมกับ Profet AI และ JOSUN Engineering พวกเขาพัฒนา โมเดลพยากรณ์โหลด เพื่อคาดการณ์ความต้องการปรับอากาศ และ โมเดลการใช้พลังงาน เพื่อวิเคราะห์การตั้งค่าที่เหมาะสมที่สุดสำหรับชิลเลอร์ ปั๊ม และหอระบายความร้อน

ผลลัพธ์ คือ ลดการใช้พลังงานได้ 3–15% เพิ่มประสิทธิภาพโดยรวม (COP) ลดความเสี่ยงการทำงานผิดพลาดด้วยการแจ้งเตือนล่วงหน้า มอบแดชบอร์ดที่ทำให้วิศวกรโรงงานตัดสินใจได้ง่ายขึ้น

“Domain Twin” – จำลองผู้เชี่ยวชาญในระบบ

สิ่งที่ทำให้ AI ของ Profet แตกต่างคือการสร้าง “Domain Twin” หรือการฝังความรู้ของผู้เชี่ยวชาญเข้าไปในระบบ AI เทคโนโลยีนี้ไม่เพียงมองตัวเลข แต่ยัง “คิดและอธิบาย” ได้เหมือนผู้เชี่ยวชาญ

ตัวอย่างคือโรงงาน PCB ในไทยที่ขาดบุคลากรเชี่ยวชาญ กระบวนการ ENIG เกิดของเสียสูง ระบบ AI ที่ฝังความรู้จากผู้เชี่ยวชาญไต้หวันเข้ามาช่วยวิเคราะห์ปัญหาและอธิบายให้ทีมไทยเข้าใจได้ทันที กลายเป็นเครื่องมือเชื่อมช่องว่างความรู้ระหว่างรุ่น

กุญแจสู่ความสำเร็จ: ผสาน “คน–ธุรกิจ–เทคโนโลยี”

ด้าน ‘บัญชา' ซีอีโอ เฮกซ่าเทค โซลูชั่นส์ ย้ำว่า การทำ AI ให้ได้ผลต้องไม่เริ่มจากเทคโนโลยี แต่ต้องเริ่มจาก โจทย์ธุรกิจที่วัดผลได้

“เรามักเริ่มจากโครงการ Quick Win เพื่อพิสูจน์ผลลัพธ์ สร้างความมั่นใจ จากนั้นจึงขยายสู่การเชื่อมต่อกับระบบ ERP, CRM หรือ MES ที่องค์กรใช้อยู่” บัญชากล่าว พร้อมเสริมว่า “ความสำเร็จของ AI อยู่ที่การผสมผสานคน ธุรกิจ และเทคโนโลยีเข้าด้วยกัน เพื่อสร้างกระแสเงินสด ลดต้นทุน และสร้างรายได้ใหม่”

บทเรียนสำหรับอุตสาหกรรมไทย

กรณีศึกษาจาก Minth และ Chicony ชี้ชัดว่าโครงการ AI ที่ประสบความสำเร็จมีจุดร่วมคือ เลือกโจทย์ที่ชัดและวัดผลได้จริง ฝัง AI ไว้ในกระบวนการทำงานจริง ไม่ใช่แค่การทดลอง ผสานความรู้คนกับเทคโนโลยี สร้างบุคลากรที่ต่อยอด AI ได้เอง

สำหรับไทย การก้าวจาก “ทดลองใช้” ไปสู่ “การใช้งานเต็มรูปแบบ” จะเป็น หมุดหมายสำคัญในการเพิ่มขีดความสามารถแข่งขัน ในยุคที่แรงงานขาดแคลนและต้นทุนสูงขึ้นอย่างต่อเนื่อง หากเดินให้ถูกทาง ผลลัพธ์ที่ได้จะไม่ใช่เพียงตัวเลขกำไร แต่ยังหมายถึงความยั่งยืนขององค์กรในระยะยาว