OPEN-TEC ศูนย์รวมองค์ความรู้ด้านเทคโนโลยี (Tech Knowledge Sharing Platform) ภายใต้การดูแลของ TCC TECHNOLOGY GROUP ขอนำเสนอมุมมองในการเตรียมความพร้อมขององค์กรในการใช้ AI จาก คุณโชติวิทย์ จารุวรรณสถิต และ คุณบุญชัย รัตนพิเศษ สองผู้บริหารจากเดลล์ เทคโนโลยีส์ ที่มาร่วมกันแบ่งปันข้อมูลบนเวทีให้ความรู้ภายใต้หัวข้อ “Navigating AI Frontier” ซึ่ง ทีซีซี เทคโนโลยี (TCCtech) และเดลล์ เทคโนโลยีส์ (Dell Technologies) ร่วมกันจัดขึ้น โดยทั้งสองท่านเห็นพ้องกับประเด็นบนเวที World Economic Forum 2024 ในเรื่องการทำงานที่ต้องสอดประสานกันของทั้ง 3 องค์ประกอบสำคัญ ได้แก่ M+A+D; Machine Learning, กระบวนการทำ Analytics และ Data ข้อมูลที่มีปริมาณมหาศาลเป็นสิ่งที่ผลักดันให้เกิดการนำ AI มาใช้งาน บนแพลตฟอร์มที่มีความยืดหยุ่น ชาญ

ฉลาด โดยที่ไม่สามารถละเลยข้อคำนึงในหลักการ AI TRiSM (Trust, Risk, and Security Management) และผสมผสานเทคโนโลยีที่เหมาะสม

AI ส่งผลกระทบต่อทุกระดับ

ในยามที่ AI กำลังเข้ามามีอิทธิพลและแทรกซึมในองค์กรด้านใดด้านหนึ่งไม่มากก็น้อย หลักการของ “AI in Everything” ได้ถูกนำมาปรับใช้กับหลาย ๆ กระบวนการ เช่น Product Development, Sales Process, Training System, Post Sales Support การตระหนักว่า AI จะไม่ได้เข้ามาแทนที่แรงงาน แต่เป็นการสร้างโอกาสในการพัฒนาศักยภาพของบุคลากร ซึ่งยังต้องอาศัยประสบการณ์ ความเข้าใจ ที่พัฒนาเป็นองค์ความรู้ และมุมมองการตัดสินใจของทีมงาน ทำงานร่วมกันในลักษณะ “Human-Machine Interaction” เป็นการปูทางไปสู่ Digital Transformation ที่ประสบความสำเร็จ ตัวอย่างการทำงานร่วมกันในปัจจุบัน เช่น Software Development, Productivity Improvement, Knowledge Management ฯลฯ

แนวทางสำคัญสำหรับการนำ AI มาใช้ในระดับองค์กร

AI กำลังกลายเป็นเครื่องมือสำคัญในการขับเคลื่อนธุรกิจสู่อนาคต องค์กรชั้นนำทั่วโลกต่างมุ่งนำ AI มาประยุกต์ใช้เพื่อเพิ่มประสิทธิภาพการทำงาน พัฒนาสินค้าและบริการ ตลอดจนสร้างกลยุทธ์ทางธุรกิจที่เหนือชั้น แต่การนำ AI มาใช้ในระดับองค์กรนั้น ไม่ได้เกิดขึ้นโดยง่าย จำเป็นต้องมีการวางแผนอย่างรอบคอบ คุณโชติวิทย์และคุณบุญชัย ได้เชื่อมโยง 2 แนวทางสำคัญที่ผนวกกับแนวคิดของ AI Maturity Index ดังนี้

1. การตระหนักรู้ในตนเองและความพร้อม

· ความสอดคล้องของการจัดการการกำกับดูแลข้อมูล (Compliance) ความพร้อมของบุคลากรด้วยทักษะที่เหมาะสม (People Skills Set) และการนำทางลำดับชั้นขององค์กร (Hierarchy) ถือเป็นข้อพิจารณาที่สำคัญ

· การระบุเป้าหมายและปัญหาทางธุรกิจ (Business Use Case) และจัดลำดับความสำคัญของโครงการตามผลกระทบ ไม่ว่าจะเป็นการเพิ่มประสิทธิภาพในการจัดการต้นทุน การส่งเสริมความยั่งยืน หรือการบรรลุเป้าหมายเชิงกลยุทธ์อื่น ๆ

· การวัดผล การทดสอบความเป็นไปได้ และความคุ้มค่าของการลงทุน AI ผ่านตัวชี้วัดที่ชัดเจนและผลลัพธ์ที่จับต้องได้ถือเป็นสิ่งสำคัญในการพิจารณา

2. กระบวนการทำ Data Operation

· ร้อยละ 80 ของเวลาในการดำเนินงานด้านข้อมูล หมดไปกับขั้นตอนการแยก การแปลง และการถ่ายโอนข้อมูล (ETL) พร้อมทั้งจัดการกับข้อกังวลด้านความปลอดภัย กับการรวบรวมข้อมูลจากหลากหลายรูปแบบและแหล่งที่มา

· การเลือกใช้โซลูชัน หรือ Software Ecosystem ที่ยืดหยุ่น เป็นแบบเปิดและปรับเปลี่ยนได้ (open-source and adaptable platforms) เริ่มต้นจากส่วนงานย่อย ๆ แล้วจึงค่อย ๆ ขยายขนาด และจัดลำดับความสำคัญของมุมมองการจัดการด้านไอทีช่วยให้มั่นใจว่าการเปลี่ยนแปลงจะราบรื่น

แม้การนำ AI มาใช้ในองค์กรจะเต็มไปด้วยโอกาสและประโยชน์มากมาย แต่ก็ยังมีความท้าทายและข้อควรพิจารณา หลายประการที่องค์กรต้องเผชิญ ได้แก่

· ความซับซ้อนและปริมาณข้อมูลที่ต้องการของ Deep Learning: การผสมผสานระหว่าง Data Lake และ Data Warehouse ไปสู่รูปแบบ “Data Lakehouse” ด้วยการจัดการแบบผสมผสาน (Hybrid Approach) โดยใช้ Data Lake เพื่อการจัดเก็บข้อมูลที่หลากหลาย ร่วมกับ Data Warehouse สำหรับข้อมูลที่มีโครงสร้างที่ใช้ในการรายงานและการวิเคราะห์

· IT infrastructure & Data Architecture: ทีมไอทีต้องมีการวางแผนและการจัดการที่ดี เพื่อเตรียมโครงสร้างพื้นฐาน อุปกรณ์ และ Architecture ที่เหมาะสมกับ Use Case ให้พร้อมรองรับความสามารถในการรัน AI Workloads โดยเฉพาะอย่างยิ่งสำหรับ Large Language Models (LLMs) ที่ต้องใช้ GPU ที่มีประสิทธิภาพและพลังงาน รวมถึงการพิจารณาปรับใช้ On Premise, Cloud หรือในลักษณะ Hybrid ที่เหมาะสมกับธุรกิจ

เข็มทิศสู่ความสำเร็จในการใช้ AI ให้เกิดประโยชน์สูงสุด ได้แก่

· AI Deployment Model สามารถเริ่มได้จากสิ่งใกล้ตัวและเทคโนโลยีภายในองค์กรที่พร้อมใช้งาน เพียงแค่อาศัยการเทรนเพิ่มเติมภายใต้องค์ความรู้เดิม

· เลือกใช้โซลูชันต่าง ๆ ที่เหมาะสม จากผู้ให้บริการมากมายที่ตอบโจทย์ เพื่อให้ได้ผลลัพธ์ที่ดีที่สุด

· ลงทุนในระบบที่ยืดหยุ่น คล่องตัวและปรับเปลี่ยนได้ ซึ่งสามารถพัฒนาให้สอดรับกับความท้าทายที่ไม่หยุดนิ่ง

· วางแผนและจัดสรรการลงทุนการใช้ทรัพยากรให้ทันกับความก้าวหน้าทางเทคโนโลยี เพื่อการเติบโตอย่างต่อเนื่อง

เมื่อได้เห็นความสามารถที่เพิ่มขึ้นของ AI ก็ชัดเจนว่าอนาคตนั้น อุตสาหกรรมต่าง ๆ จะมีความชาญฉลาด ตั้งแต่อาคารและโรงงาน ไปจนถึงทุกหน่วยในองค์กรที่ได้พยายามนำ AI มาใช้ ซึ่งการร่วมมือกับผู้เชี่ยวชาญด้านเทคโนโลยี ทั้งในฝั่ง Solution Provider และ Technology Provider จะสามารถสร้างสรรรค์พลังของ AI ให้ปลดล็อกศักยภาพที่แท้จริง

ทั้งหมดนี้เป็นส่วนหนึ่งของเนื้อหาที่ OPEN-TEC ได้รวบรวมไว้จากงานสัมมนา “Navigating AI Frontier” ที่จัดขึ้นโดย ทีซีซี เทคโนโลยี และเดลล์ เทคโนโลยีส์

Generative AI เริ่มมีบทบาทสำคัญมากขึ้นต่ออุตสาหกรรมเซมิคอนดักเตอร์และการพัฒนาชิป จากรายงาน Deloitte 2024 global semiconductor industry outlook ดีลอยท์คาดการณ์เมื่อเดือนพฤศจิกายน 2566 ว่ายอดขายชิป Gen AI จะสูงถึงห้าหมื่นล้านดอลลาร์สหรัฐฯภายในปี 2567 และคาดว่าจะคิดเป็นประมาณ 8.5% ของยอดขายเซมิคอนดักเตอร์ทั้งหมด ซึ่งการเติบโตนี้ได้รับแรงหนุนจากความก้าวหน้าของเทคโนโลยีชิปที่สำคัญหลายประการ รวมถึง logic processor ที่สร้างขึ้นบนโหนดที่ทันสมัย หน่วยความจำแบนด์วิดท์สูง (HBM3) บรรจุภัณฑ์2.5D ขั้นสูง และความสามารถในการเชื่อมต่อขั้นสูงของชิป

แม้จะมีการคาดการณ์ว่าปีนี้ยอดขายชิป Gen AI จะอยู่ในระดับสูง การคำนึงถึงเชิงปริมาณก็เป็นสิ่งที่สำคัญเช่นกัน ในปี 2565 จะมียอดขายชิปรวมกันกว่าล้านล้านชิ้นในราคาเฉลี่ยต่อชิ้นเพียงราวๆ ครึ่งดอลลาร์สหรัฐ แต่สำหรับชิป Gen AI กลับไม่เป็นเช่นกัน ชิป Gen AI อาจมีราคาสูงถึงชิ้นละ 40,000 ดอลลาร์สหรัฐฯ หรือสูงกว่า 7 หมื่นเท่าของราคาเฉลี่ยของชิปทั้งหมด ดังนั้นยอดขายชิป Gen AI ห้าหมื่นล้านดอลลาร์สหรัฐฯ ซึ่งคิดเป็นประมาณ 1.25 ล้านหน่วย อาจเป็นเพียงสัดส่วนเล็กน้อย อยู่ที่ประมาณ 0.1% ของปริมาณชิปทั้งหมด ประเด็นดังกล่าวชี้ให้เห็นถึงความพิเศษของเซมิคอนดักเตอร์ที่มีความสามารถเฉพาะทางกลุ่มนี้ เมื่อเทียบกับชิปราคาที่ต่ำกว่าจำนวนมากที่นำมาใช้ในอุปกรณ์อิเล็กทรอนิกส์ในชีวิตประจำวัน

ชิป Gen AI คือบรรจุภัณฑ์ Graphics processing units (GPUs) แบบพิเศษ Central processing units (CPUs) แบบพิเศษหรือ หน่วยความจำแบนด์วิดท์สูง (HBM3) ในบรรจุภัณฑ์ 2.5D ขั้นสูง รวมถึงชิปแบบพิเศษอื่นๆ ที่จำเป็นสำหรับการเชื่อมต่อในศูนย์ข้อมูล บริษัทซอฟต์แวร์ระดับองค์กรมีส่วนทำให้ชิป Gen AI เป็นที่ต้องการ ทั้งสำหรับการใช้งานในองค์กร และการใช้ผ่านผู้ให้บริการระบบคลาวด์ที่ให้บริการการประมวลผลโดยใช้ Gen AI ซึ่งบริษัทเหล่านี้อาจรวมคุณสมบัติของ Gen AI เข้ากับบริการซอฟต์แวร์ต่างๆ เพื่อเป็นโอกาสสร้างรายได้เพิ่มขึ้น

Gen AI กับการผลิตชิป

อุตสาหกรรมเซมิคอนดักเตอร์ใช้ประโยชน์จาก Gen AI นอกเหนือจากความสามารถในการประมวลผล เครื่องมือเหล่านี้เข้ามาเปลี่ยนแปลงห่วงโซ่คุณค่าของเซมิคอนดักเตอร์ อาทิ

· การกำหนดเวลาและคาดการณ์ที่ดีขึ้น Gen AI สามารถสร้างตารางการผลิต และคาดการณ์ห่วงโซ่อุปทานได้แม่นยำขึ้น

· การวิจัยและพัฒนาที่ดีขึ้น การส่งเสริมของงานวิจัยที่ขับเคลื่อนโดย Gen AI มีส่วนช่วยในการเร่งการสร้างนวัตกรรมได้

· การตรวจจับข้อบกพร่องขั้นสูง ข้อมูลสังเคราะห์ที่สร้างขึ้นโดย Gen AI สามารถเร่งการตรวจจับความผิดปกติและข้อบกพร่องในการผลิตชิปได้

· การเพิ่มประสิทธิภาพการผลิต การจำลองกระบวนการผลิตและ digital twins สามารถเพิ่มประสิทธิภาพการผลิตและการจัดการทรัพยากรได้

· การตลาดแบบกำหนดเป้าหมาย Gen AI สามารถปรับแต่งเนื้อหาทางการตลาดให้ได้การเข้าถึง (reach) และการมีส่วนร่วม (engagement) ที่ดีขึ้น

อย่างไรก็ตาม ราคาของต้นทุนยังคงเป็นความท้าทายอยู่ เช่น การสร้างและกำหนดโมเดล Gen AI เองมักมีราคาแพงเมื่อเทียบกับรูปแบบดั้งเดิม รวมทั้งโมเดลขนาดใหญ่อาจมีต้นทุนการดำเนินการที่สูงกว่าการได้ประโยชน์จากความเร็วของระบบอัตโนมัติ นอกจากนี้ยังอาจต้องใช้การตรวจสอบโดยมนุษย์เพื่อรับรองความถูกต้องและหลีกเลี่ยงผลลัพธ์ที่มีอคติ

ผู้ผลิตเซมิคอนดักเตอร์มีการใช้ Gen AI อย่างไร

โรงงานเซมิคอนดักเตอร์ต่างๆ มีความมุ่งมั่นที่จะพัฒนาระบบอัตโนมัติและประสิทธิภาพอย่างต่อเนื่อง เครื่องมือ Gen AI นำความก้าวหน้าครั้งสำคัญในการพัฒนาโรงงานการผลิตอัจฉริยะ อาทิ

· ช่วยจัดเตรียมข้อมูลเชิงลึกขั้นสูง Gen AI สามารถวิเคราะห์ชุดข้อมูลจำนวนมหาศาลเพื่อให้ได้ข้อมูลเชิงลึกเพื่อเพิ่มประสิทธิภาพของกระบวนการต่างๆ เช่น เชื่อมต่ออุปกรณ์ในโรงงาน สร้างกระบวนการทำงานแบบอัตโนมัติ ใช้การวิเคราะห์ข้อมูลประกอบการตัดสินใจ และการคาดการณ์ในส่วนการบำรุงรักษาเพื่อป้องกันไม่ให้เกิดค่าใช้จ่ายสูงจากการหยุดงาน

· การให้ความสำคัญกับความยั่งยืน การผลิตที่โหนดขั้นสูงมีการใช้พลังงานมาก เครื่องมือการผลิตแบบอัจฉริยะสามารถช่วยเพิ่มประสิทธิภาพในกระบวนการต่างๆ และลดผลกระทบต่อสิ่งแวดล้อมจากการผลิตชิปได้

การประกอบและทดสอบชิปในภูมิรัฐศาสตร์ใหม่

แม้ว่าจะมีการผลิตชิปในหลากหลายพื้นที่ทั่วโลก การประกอบและการทดสอบชิปมักจะพบในเขตพื้นที่เอเชีย ซึ่งความไม่สมดุลทางภูมิรัฐศาสตร์นี้สร้างความท้าทายให้กับสหรัฐอเมริกาและยุโรปในการเพิ่มกำลังการผลิตชิปภายในประเทศ และต้องมีการลงทุนทั้งด้านการประกอบและทดสอบควบคู่ไปกับการผลิตเพื่อลดความซับซ้อนต่อ

ห่วงโซ่อุปทาน นอกจากนี้ ชิปประสิทธิภาพสูงยังต้องพึ่งพาเทคโนโลยีบรรจุภัณฑ์ขั้นสูงมากขึ้น จึงจำเป็นที่จะต้องมีสิ่งที่ช่วยจัดการความท้าทายเหล่านี้ เช่น การพัฒนาบรรจุภัณฑ์และการทดสอบใหม่อย่างรวดเร็ว การสร้างทีมงานผู้เชี่ยวชาญในการประกอบและทดสอบชิป การเสนอทางเลือกบรรจุภัณฑ์ที่หลากหลาย การเพิ่มประสิทธิภาพการใช้ทรัพยากร เสริมสร้างโครงสร้างพื้นฐานด้านไอทีสำหรับการบูรณาการ AI/ML และใช้ความสามารถในการทดสอบขั้นสูงเพื่อการออกแบบชิปที่มีความซับซ้อน

ข้อกังวลด้านความมั่นคงปลอดภัยทางไซเบอร์

อุตสาหกรรมเซมิคอนดักเตอร์เผชิญกับภัยคุกคามด้านไซเบอร์ที่แตกต่าง นอกเหนือจากการโจมตีด้วยมัลแวร์เรียกค่าไถ่ (Ransomware attack) แล้ว ผู้ผลิตชิปยังมีทรัพย์สินทางปัญญาที่มีมูลค่าสูง ทำให้ตกเป็นเป้าหมายหลักสำหรับผู้ไม่ประสงค์ดี โดยเฉพาะช่วงเวลาที่ชิปมีความสำคัญมากขึ้นท่ามกลางความขัดแข้งระหว่างประเทศ การโจมตีขั้นสูงโดยแอบอ้างว่าเป็นการโจมตีแบบมัลแวร์เรียกค่าไถ่ทำให้อุตสาหกรรมชิปและผู้บริหารพบกับภัยคุกคามที่ซับซ้อนมากขึ้น

ในอนาคตผู้บริหารในอุตสาหกรรมเซมิคอนดักเตอร์ควรคำนึงถึงทิศทางการเปลี่ยนแปลงอย่างรวดเร็วนี้ เช่น การจัดการสินค้าคงคลังจำเป็นต้องสร้างสมดุลระหว่างความต้องการที่มีมาแต่เดิมที่ลดลง กับความต้องการชิปเฉพาะทางที่อาจเพิ่มสูงขึ้น รวมถึงโอกาสในการควบรวมกิจการเชิงกลยุทธ์อีกมากมายในด้านการออกแบบ วัสดุ และบรรจุภัณฑ์ ในส่วนความขัดแย้งระหว่างประเทศส่งผลให้มีการประเมินความร่วมมือด้านช่องทางการขาย และแหล่งที่มาของทรัพยากร เนื่องด้วยข้อตกลงระหว่างประเทศอาจเกี่ยวข้องกับภาษีและกฎระเบียบที่ซับซ้อน นอกจากนี้ ต้องอาศัยความรอบคอบทางการเงินในช่วงเวลาที่อัตราดอกเบี้ยที่ยังอยู่ในระดับสูงขึ้น สำหรับด้านทรัพยากรบุคคลจำเป็นต้องเฟ้นหาบุคลากรที่มีความสามารถหลากหลายกลุ่มและเสริมสร้างทักษะให้กับพนักงาน การใช้ Gen AI อาจทำให้เกิดความต้องการด้านทรัพยากรบุคคลแบบใหม่ๆ อีกด้วยด้วย

 สถานการณ์เซมิคอนดักเตอร์ในประเทศไทย

สำนักงานนโยบายและยุทธศาสตร์การค้าระบุว่า การค้าเซมิคอนดักเตอร์ของไทย แบ่งออกเป็น 2 กลุ่ม คือ กลุ่มแผงวงจรไฟฟ้า (IC) และกลุ่มอุปกรณ์กึ่งตัวนำทรานซิสเตอร์และไดโอด (O-S-D) สำนักงานปลัดกระทรวงพาณิชย์รายงานว่า อุปทานเซมิคอนดักเตอร์ของไทยปรับตัวสูงขึ้นจากการนำเข้ากลุ่ม IC เพิ่มขึ้นจาก 6.7 แสนล้านบาทในปี 2565 เป็น 6.8 แสนล้านบาท ล้านบาทในปี 2566 หรือเพิ่มขึ้นร้อยละ 2เมื่อเทียบกับปีที่ผ่านมาในช่วงเวลาเดียวกัน การนำเข้าในปี 2566 มาจากไต้หวันเป็นหลักที่ 2.5 แสนล้านบาท รองลงมาเป็นญี่ปุ่น ที่ 7.3 หมื่นล้านบาท และจีนที่ 6.9 หมื่นล้านบาท โดยการนำเข้าทั้งหมดในเดือนมกราคม 2567 นี้คิดเป็นมูลค่า 7.5 หมื่นล้านบาท ซึ่งเพิ่มสูงขึ้นร้อยละ 23 เมื่อเทียบกับปีที่ผ่านมาในช่วงเวลาเดียวกัน

สำหรับกลุ่มอุปกรณ์กึ่งตัวนำทรานซิสเตอร์ และไดโอด การนำเข้าเพิ่มขึ้นจากประมาณ 1 แสนล้านบาทในปี 2565 เป็นมูลค่าประมาณ 1.2 แสนล้านบาทในปี 2566 หรือเพิ่มขึ้นร้อยละ 23 ซึ่งการนำเข้าในปี 2566 มาจากจีนมากที่สุดที่ 6.4 หมื่นล้านบาท รองลงมาเป็นญี่ปุ่นที่ 1.6 หมื่นล้านบาท และสหรัฐอเมริกาที่ 1.1 หมื่นล้านบาท นอกจากนี้ การนำเข้าทั้งหมดในเดือนมกราคม 2567 นี้มีมูลค่า 1 หมื่นล้านบาท ซึ่งเพิ่มขึ้นร้อยละ 10 เมื่อเทียบกับปีก่อนในช่วงเวลาเดียวกัน

นอกจากนี้ประเทศไทยกำลังเร่งเจรจากับสหรัฐอเมริกาเรื่องการลงทุนในอุตสาหกรรมเซมิคอนดักเตอร์ในไทย เพื่อผลักดันประเทศไทยเป็นศูนย์กลางการผลิตรถยนต์ไฟฟ้า (EV) โดยนายเศรษฐา ทวีสิน นายกรัฐมนตรีและรัฐมนตรีว่าการกระทรวงการคลัง ได้นำเสนอความพร้อมของประเทศไทย ในการเป็นฐานการผลิตของภาคอุตสาหกรรมต่างๆ ให้แก่ผู้นำรัฐบาลและภาคเอกชนหลากหลายพื้นที่ ซึ่งการตั้งคณะทำงานร่วมระหว่างสองประเทศ เพื่อเจรจาเรื่องการลงทุนดังกล่าว ถือเป็นก้าวสำคัญในการสานสัมพันธ์ทางเศรษฐกิจ ขับเคลื่อนนวัตกรรมทางเทคโนโลยี และเสริมสร้างแรงงานทักษะสูงในไทย นอกจากนี้ข้อมูลจากคณะกรรมการส่งเสริมการลงทุน ยังระบุเพิ่มเติมอีกว่า จะมีการลงทุนโรงงานเซมิคอนดักเตอร์ต้นน้ำในไทยเพื่อผลิตแผ่นเวเฟอร์ซึ่งเป็นส่วนประกอบสำคัญของชิปต้นน้ำในเร็วๆ นี้อีกด้วย

บทความ   ปาริชาติ จิรวัชรา Partner Risk Advisory และ

              ทัศดา แสงมานะเจริญ Senior Consultant-Clients & Markets

              ดีลอยท์ ประเทศไทย

PTG ประกาศร่วมมือ SSC IT Group เดินหน้าใช้ประโยชน์บนเทคโนโลยีจาก Dataiku เพื่อยกระดับกลยุทธ์การวิเคราะห์ข้อมูล สำหรับองค์กร โดยความร่วมมือครั้งนี้จะช่วยให้ PTG สามารถวิเคราะห์ข้อมูลเชิงลึกจากแหล่งข้อมูลต่างๆ ได้อย่างมีประสิทธิภาพ และรองรับการนำ AI มาใช้เพื่อเพิ่มประสิทธิภาพการดำเนินงาน พัฒนาสินค้าและบริการ ซึ่งจะนำพาบริษัทเข้าสู่ยุคใหม่ด้วยกลยุทธ์ที่เน้นข้อมูลเป็นศูนย์กลาง และ จะสามารถเข้าใจลูกค้าและตอบสนองความต้องการของลูกค้าได้ดียิ่งขึ้น

นายสัทธา สุภาพ ผู้อำนวยการ ฝ่าย Business Intelligence บริษัท พีทีจีเอ็นเนอยีจํากัด (มหาชน) กล่าวเน้นย้ำถึงความสำคัญของเทคโนโลยีที่ทุกคนเข้าถึงได้ว่า "เรามุ่งหวังว่าทุกคน ไม่ว่าจะมีพื้นฐานด้านเทคนิคมากหรือน้อย ล้วนมีศักยภาพในการค้นหาคุณค่าจากข้อมูลและมีส่วนร่วมในการขับเคลื่อนการเติบโตขององค์กร Dataiku มีจุดเด่นเรื่องการทำงานด้านวิเคราะห์ข้อมูลร่วมกัน ซึ่งจะช่วยให้ผู้เชี่ยวชาญด้านข้อมูลและผู้เชี่ยวชาญด้านเฉพาะทางสามารถทำงานร่วมกันได้อย่างมีประสิทธิภาพ อีกทั้งยังนำ AI ไปบูรณาการกับการทำงานประจำวันได้ง่ายขึ้น นอกจากนี้ แพลตฟอร์ม Dataiku ยังมีระบบ MLOps และ Governance ซึ่งช่วยสร้างกลยุทธ์ที่น่าเชื่อถือและอธิบายได้ง่ายขึ้น"

ในภาพ: นายสัทธา สุภาพ ผู้อำนวยการ ฝ่าย Business Intelligence บริษัท พีทีจีเอ็นเนอยี จํากัด (มหาชน)

วันนี้ PTG กำลังดำเนินการโครงการ Customer Data Integration (CDI) ซึ่งจะนำมาใช้ในการสร้างแบบจำลองเชิงพยากรณ์ (predictive modeling) เข้ากับระบบสมาชิกที่มีสมาชิกกว่า 20 ล้านคน เพื่อมาคำนวณมูลค่าที่ลูกค้าแต่ละรายใช้จ่ายไปกับสินค้าหรือบริการของธุรกิจ (customer lifetime value) และเสริมสร้างการตลาดแบบเฉพาะบุคคล (marketing personalization) เป็นการเพิ่มประสิทธิภาพและลดต้นทุนการทำตลาดไปด้วยกัน ซึ่งด้วยความสำเร็จนี้ PTG มุ่งมั่นทีจะเดินหน้ายกระดับกลยุทธ์ การสร้างระบบ วิเคราะห์ข้อมูล สู่ enterprise AI อย่างต่อเนื่องโดยการนำเทคโนโลยี AI บนแพลตฟอร์ม Dataiku มาใช้ในการพัฒนาโซลูชันต่างๆ ไปสู่ภาคธุรกิจนอกเหนือจากธุรกิจน้ำมันเพื่อสร้างความยั่งยืนให้กับธุรกิจ

ความสำเร็จในการนำเทคโนโลยีการวิเคราะห์มาใช้ของ PTG และ Dataiku โดย SSC IT Group ครั้งนี้ ไม่เพียงแต่สามารถเอาชนะความท้าทายเดิมๆ ในการพัฒนาโครงการทางด้านวิทยาศาสตร์ข้อมูลเท่านั้น แต่ยังแสดงให้เห็นถึงศักยภาพของการสร้างสรรค์นวัตกรรมร่วมกัน ความสำเร็จนี้ตอกย้ำถึงความสำคัญของการพิสูจน์เทคโนโลยี (proof of technology) ภายใต้สภาพแวดล้อมทางธุรกิจที่รวดเร็วในปัจจุบัน ซึ่งโซลูชันของการนำ Dataiku มาใช้จะช่วยประหยัดเวลาในการสร้าง Model ซึ่งจะมีความสำคัญต่อการรักษาความได้เปรียบในการแข่งขันของกลุ่มธุรกิจต่างๆ ภายใต้เครือ PTG จะสามารถใช้ประโยชน์จากการวิเคราะห์ข้อมูลขนาดมหาศาลจากระบบนี้ ซึ่งจะช่วยเพิ่มรายได้ให้กับบริษัทนั้นได้อย่างมีประสิทธิภาพมากยิ่งขึ้น

ทั้งนี้เพื่อขับเคลื่อนธุรกิจด้วยการตัดสินใจทางธุรกิจที่มีประสิทธิภาพ PTG มุ่งมั่นที่จะคว้าและหาโอกาสใหม่ ๆ โดยอาศัยพลัง AI ซึ่งเปรียบเหมือนการสร้างสรรค์และคิดค้นสิ่งใหม่ ๆ วิสัยทัศน์ของ PTG คือการปฏิวัติความสัมพันธ์ระหว่างธุรกิจกับลูกค้า โดยมอบประสบการณ์ที่เหนือระดับ สร้างความประทับใจและสายสัมพันธ์ที่ยั่งยืนให้กับลูกค้า ความมุ่งมั่นด้านนวัตกรรมและความเป็นเลิศ นี่คือสิ่งที่ทำให้ PTG เป็นผู้นำโดดเด่น ไม่เพียงแค่ในภาคพลังงานเท่านั้น แต่ยังรวมไปถึงอุตสาหกรรมอื่น ๆ อีกด้วย

SSC IT Group ในฐานะคู่ค้าและเป็นผู้เชี่ยวชาญ Dataiku ซึ่งเป็นหนึ่งในแพลตฟอร์ม AI ระดับโลกที่เป็นที่ยอมรับอย่างกว้างขวางว่าสามารถนำมาใช้ในการสนับสนุนภาคธุรกิจได้เป็นอย่างดี เนื่องจาก Dataiku เป็นเครื่องมือที่มีความทันสมัยในด้านการนำข้อมูลองค์กรมาวิเคราะห์เชิงลึก (Advance analytics) โดยใช้เทคโนโลยี AI/ML ที่ใช้งานง่ายและมีความยืดหยุ่นสูงที่สุดในกลุ่ม Solutions ที่เกี่ยวกับ Data Science Platform โดยในปัจจุบันมีบริษัททั่วโลกให้ความไว้วางใจใช้ Dataiku เพื่อสนับสนุนการตัดสินใจทางธุรกิจที่สำคัญขององค์กรในทุกภาคธุรกิจ อาทิ ธุรกิจค้าปลีก ธุรกิจพลังงาน ธุรกิจการเงินการธนาคาร เป็นต้น โดย Dataiku มุ่งเน้นพัฒนารับการเปลี่ยนแปลงของการดำเนินธุรกิจของลูกค้าอย่างต่อเนื่อง ไม่ว่าจะเป็นทางด้านการคาดการณ์ยอดขายในอนาคต หรือ ระบบการวิเคราะห์ข้อมูลโดยคำนึงถึงพฤติกรรมลูกค้าในปัจจุบันและรวมถึงสามารถแนะนำข้อเสนอที่เหมาะสมในอนาคตให้กับลูกค้า ทั้งนี้ Dataiku ยังได้มุ่งมั่นพัฒนาแพลตฟอร์มสำหรับองค์กรธุรกิจที่จะนำ AI และ Generative AI มาขับเคลื่อนธุรกิจให้มีความคล่องตัว รวมถึงมีความพร้อมรองรับการแข่งขันทางธุรกิจ โดยย้ำเน้นถึงความง่ายและความสะดวกในการทำงานร่วมกันภายในองค์กร ตั้งแต่วิศวกรข้อมูล (Data Engineer), นักวิเคราะห์ข้อมูล (Data

Analyst) ไปจนถึงนักวิทยาศาสตร์ข้อมูล (Data Scientist) และอีกทั้งผู้ใช้ข้อมูลในเชิงธุรกิจ (Business User / Citizen Data Science) อีกด้วย

สองผู้นำด้านเทคโนโลยี ได้แก่ ทีซีซี เทคโนโลยี (TCCtech) และเดลล์ เทคโนโลยีส์ (ประเทศไทย) (Dell Technologies) ร่วมกันจัดเวทีให้ความรู้ ภายใต้หัวข้อ “Navigating AI Frontier” โดยได้รับเกียรติจากผู้ทรงคุณวุฒิจากสถาบัน IMC ผู้บริหารของ TCCtech และ เดลล์ เทคโนโลยีส์ (ประเทศไทย) เข้าร่วมแบ่งปันประสบการณ์การนำ AI ไปใช้งานในหลายอุตสาหกรรม อัพเดทผลิตภัณฑ์และบริการด้านเทคโนโลยีรวมถึงแนะนำโซลูชันที่ตอบโจทย์เพื่อช่วยเพิ่มขีดความสามารถและประสิทธิภาพของการบริหารจัดการธุรกิจ OPEN-TEC ศูนย์รวมองค์ความรู้ด้านเทคโนโลยี (Tech Knowledge Sharing Platform) ภายใต้การดูแลของ TCC TECHNOLOGY GROUP

ขอนำเสนอประสบการณ์และผลลัพธ์จริงจากทีมงาน TCCtech ซึ่งนำความเชี่ยวชาญด้านเทคโนโลยีและความสามารถของ AI มาประยุกต์ใช้กับโครงการต่าง ๆ ของลูกค้าให้สามารถบริหารอาคารได้มีประสิทธิภาพมากขึ้น จัดการภาคอุตสาหกรรมได้อย่างชาญฉลาดยิ่งขึ้น ด้วย AI

ตัวอย่างการใช้เทคโนโลยีเพื่อเพิ่มประสิทธิภาพการบริหารจัดการโซลูชันภายในโครงการอสังหาริมทรัพย์ เช่น การใช้ Video Analytics วิเคราะห์ภาพใบหน้า เครื่องแบบ เพื่อคัดแยกกลุ่มแรงงานที่เข้ามาทำงานในพื้นที่แต่ละจุด สามารถจำแนกเพศ สังกัด แม้กระทั่งพฤติกรรมของแรงงานที่ก่อให้เกิดความเสี่ยง เช่น การสูบบุหรี่ในพื้นที่ควบคุม ด้วยการสร้างเงื่อนไขให้ AI เรียนรู้ คาดการณ์ และวิเคราะห์จากลักษณะที่ปรากฎ ซึ่งมีความแม่นยำสูง ละเอียดถึงระดับดวงตา สามารถค้นหาบุคคลหรือยานพาหนะในพื้นที่ภายในเวลาอันรวดเร็ว นอกจากนี้ ยังมีการใช้งาน AI เพื่อบริหารจัดการสภาพการจราจร และสนับสนุนงานอาชีวะอนามัย เป็นต้น ตัวอย่างถัดมา เป็นการบริหารจัดการพลังงาน ซึ่งโครงการขนาดใหญ่จะมีการใช้พลังงานจำนวนมาก ข้อมูลการใช้พลังงานจากระบบเซนเซอร์ต่าง ๆ เช่น อุณหภูมิ น้ำเย็น แสงสว่าง และความเร็วลม ซึ่งมีปริมาณมหาศาลจะถูกบันทึกไว้บน Data Server เพื่อรองรับการทำงานของซอฟต์แวร์เพื่อประมวลผล ระบบปรับอากาศจะทำงานอัตโนมัติโดยเปรียบเทียบข้อมูลต่าง ๆ เช่น อุณหภูมิภายในและภายนอกอาคาร ปริมาณน้ำฝน ภาพจากกล้องวงจรปิด และความหนาแน่นของ Heat Map เพื่อปรับอุณหภูมิของน้ำเย็นและความเร็วลมให้เหมาะสม

 สำหรับการนำ AI ไปใช้ในภาคอุตสาหกรรม ซึ่ง TCCtech ได้พัฒนาโซลูชัน AI ให้ครอบคลุมทุกแง่มุมของธุรกิจ เพื่อตอบโจทย์ความต้องการของลูกค้า โดยใช้เทคนิคต่าง ๆ ดังนี้

· Rule-Based: การกำหนดกฎเกณฑ์ให้ AI ทำงานตาม

· Optimization: กระบวนการค้นหาคำตอบที่เหมาะสมที่สุดภายใต้ข้อจำกัดที่มีอยู่

· Statistics: โดยการผสมผสานหลากหลายเทคนิควิธีเข้าด้วยกันมาเป็นผลวิเคราะห์และตัวตัดสินใจ

· Machine Learning: การให้แมชชีนเรียนรู้จากข้อมูล

· Deep Learning: การให้แมชชีนเรียนรู้ข้อมูลเชิงลึกด้วยการเลียนแบบการทำงานของโครงข่ายประสาทมนุษย์

ตัวอย่างการใช้งาน AI จากต้นน้ำถึงปลายน้ำ ในภาคอุตสาหกรรม

· Production Planning: การวางแผนการผลิตสินค้า โดยคำนึงถึงปัจจัยต่าง ๆ เช่น ความต้องการของตลาด กำลังการผลิต และวัตถุดิบ เพื่อเพิ่มความแม่นยำ และลดเวลาการทำงาน

· Inventory Planning: วางแผนการจัดการสินค้าคงคลัง โดยใช้ Route Optimization มาช่วยให้ Operation ที่เคยทำงานแยกกัน ให้สามารถมองเห็นข้อมูลทั้งระบบและลดระยะทางการจัดส่งสินค้า และเวลาในการทำงาน

· Vehicle Routing Problem: ช่วยแก้ปัญหาการวางแผนเส้นทางขนส่งสินค้า ช่วยให้ประหยัดค่าขนส่งสินค้า และเวลาวางแผนขนส่งได้

· Demand Forecasting: การพยากรณ์ความต้องการสินค้าของผู้บริโภค

· Retail Outlet: การประเมินคุณภาพร้านค้า โดยใช้ ML วิเคราะห์ข้อมูล Actual Transaction ด้วยเทคนิค Local Outlier Factor ช่วยในการตรวจสอบและระบุ Indicator ที่ส่งผลต่อคุณภาพการให้บริการของร้านค้า

· Bottle Recycle Classification: การคัดแยกขวดรีไซเคิล ไปจัดการในรูปแบบต่าง ๆ โดยใช้ AI วิเคราะห์ภาพจากกล้อง

ความท้าทาย และอนาคตของ AI

การนำ AI ไปใช้ในบางกรณี ยังมีข้อจำกัด เช่น เทคโนโลยี Deep Learning ที่แม้จะทำงานได้อย่างแม่นยำ แต่อาจยังไม่สามารถทำงานได้ทันเวลาในบางสถานการณ์ อย่างเช่น การวิเคราะห์ภาพขวดรีไซเคิลบนสายพานลำเลียงความเร็วสูง หรือข้อมูลที่เก็บมาบางประเภท ไม่เพียงพอหรือไม่มีคุณภาพต่อการนำไปสอน AI อย่างไรก็ตาม เป็นที่แน่นอนแล้วว่าเทคโนโลยี AI จะได้รับการพัฒนาอย่างต่อเนื่อง และมีบทบาทสำคัญในภาคธุรกิจ โดยเฉพาะ Gen AI ที่จะเข้ามาช่วยแก้ปัญหาที่ซับซ้อนและสร้างประสิทธิภาพให้กับธุรกิจมากขึ้น

ทั้งหมดนี้เป็นส่วนหนึ่งของเนื้อหาที่ OPEN-TEC ได้รวบรวมไว้จากงานสัมมนา “Navigating AI Frontier” ที่จัดขึ้นโดย ทีซีซี เทคโนโลยี และเดลล์ เทคโนโลยีส์ (ประเทศไทย)

 บทความโดย OPEN-TEC

แกร็บ ประเทศไทย ประกาศความสำเร็จในปี 2566 ตอกย้ำความเป็นผู้นำซูเปอร์แอปในตลาดเรียกรถผ่านแอปและเดลิเวอรี เร่งเครื่องรุกธุรกิจเต็มสูบโดยชูไฮไลท์ “4A” มุ่งรักษาฐานลูกค้าหลัก (Active Users) ผุดบริการใหม่ที่เน้นความคุ้มค่า (Affordability) ใช้เทคโนโลยีเอไอเสริมแกร่ง (AI Technology) โหมธุรกิจโฆษณา-บริการใหม่ (Ads & New Services) พร้อมเดินหน้าขับเคลื่อนธุรกิจสู่ความยั่งยืนโดยมุ่งยกระดับคุณภาพชีวิตของคนในสังคมและผลักดันโครงการด้านสิ่งแวดล้อมต่อเนื่อง ครอบคลุมทั้งการส่งเสริมการใช้รถ EV การชดเชยคาร์บอน และการพัฒนาศักยภาพ-เพิ่มโอกาสในการสร้างรายได้ โดยเฉพาะกับกลุ่มผู้หญิง

นายวรฉัตร ลักขณาโรจน์ กรรมการผู้จัดการใหญ่ แกร็บ ประเทศไทย เผยว่า “ปี 2566 ถือเป็นอีกหนึ่งปีทองของ แกร็บ ประเทศไทย ภายหลังจากที่เราได้ประกาศนโยบายขับเคลื่อนธุรกิจสู่การเติบโตอย่างยั่งยืน ด้วยผลประกอบการทางธุรกิจที่แข็งแกร่ง และความสำเร็จ จากการเปิดตัวบริการใหม่ๆ ตลอดจนโครงการความร่วมมือกับพันธมิตรทั้งภาครัฐและเอกชน ไม่ว่าจะเป็น ธุรกิจการเดินทางที่เติบโตขึ้นอย่างมากภายหลังสถานการณ์โควิดคลี่คลาย ด้วยอานิสงส์ของนโยบายการเปิดประเทศและการส่งเสริมการท่องเที่ยวของรัฐบาล ทำให้ใน ปีที่ผ่านมายอดใช้บริการเรียกรถผ่านแอปพลิเคชัน Grab ในกลุ่มนักท่องเที่ยวต่างชาติเติบโตขึ้นถึง 139%1 ขณะที่ธุรกิจเดลิเวอรีของเรา ก็ยังคงแข็งแกร่ง โดยบริการ GrabFood และ GrabMart ยังคงครองใจผู้ใช้บริการยุคใหม่ที่มองหาความสะดวกสบายและบริการ ที่มีคุณภาพ ขณะเดียวกันเราก็ได้พัฒนาฟีเจอร์และบริการใหม่ๆ ออกมาเพื่อตอบสนองพฤติกรรมที่เปลี่ยนไปอย่างบริการรับเองที่ร้าน

(Pickup) บริการสั่งอาหารแบบกลุ่ม (Group Order) หรือแม้แต่บริการกินที่ร้าน (Dine-in) ซึ่งได้รับความนิยมเพิ่มขึ้นอย่างมีนัยสำคัญ ในส่วนของธุรกิจทางการเงิน เราได้เพิ่มช่องทางการชำระเงินสำหรับนักท่องเที่ยวต่างชาติโดยร่วมมือกับ Alipay และ Kakao Pay พร้อมขยาย ฐานผู้ใช้บริการในต่างจังหวัดผ่านการผนึกพันธมิตรกับธนาคารกรุงไทยโดยได้เชื่อมต่อระบบชำระเงินของแกร็บเพย์ วอลเล็ต (GrabPay Wallet) เข้ากับแอปพลิเคชัน Krungthai NEXT”

“แกร็บมองเห็นสัญญาณเชิงบวกและเชื่อมั่นว่าเศรษฐกิจดิจิทัลของทั้งภูมิภาค รวมถึงประเทศไทย ยังคงมีแนวโน้ม การเติบโตที่ดี โดยปัจจุบันประเทศไทยมีมูลค่าเศรษฐกิจดิจิทัลสูงถึง 3.6 หมื่นล้านเหรียญสหรัฐฯ2 โดยเฉพาะในกลุ่มธุรกิจเรียกรถผ่านแอปและฟู้ดเดลิเวอรี ซึ่งเป็นที่คาดการณ์ว่าจะมีอัตราการเติบโตสูงถึง 15%3 ภายในปี 2568 โดยในปีนี้ แกร็บ ประเทศไทย เตรียมเดินหน้ารุกธุรกิจเต็มสูบเพื่อร่วมขับเคลื่อนเศรษฐกิจดิจิทัลของประเทศ โดยมุ่งเน้นไป ที่ 4 ประเด็นหลัก (หรือ 4A) ควบคู่ไปกับการสานต่อโครงการต่างๆ ที่ช่วยยกระดับคุณภาพชีวิตของคนในสังคมและการดูแลรักษาสิ่งแวดล้อม เพื่อมุ่งสร้างการเติบโตทางธุรกิจอย่างยั่งยืน และสร้างความสมดุลให้เกิดขึ้นกับทุกคนในอีโคซิสเต็มของเรา” นายวรฉัตร กล่าวเสริม

สำหรับในปีนี้ แกร็บ ประเทศไทย มุ่งสร้างการเติบโตทางธุรกิจโดยเน้นไปที่ 4 ประเด็นหลัก ประกอบด้วย

· Active Users: แกร็บให้ความสำคัญกับกลุ่มลูกค้าหลักโดยมุ่งรักษาคุณภาพและมาตรฐานการให้บริการเพื่อสร้างความประทับใจให้กับผู้ใช้บริการโดยเฉพาะ 3 กลุ่มหลัก คือ นักท่องเที่ยวชาวต่างชาติ สมาชิกแพ็กเกจ GrabUnlimited และลูกค้าคุณภาพ ที่ใช้บริการเป็นประจำ (Quality User) ผ่านการผนึกความร่วมมือเชิงกลยุทธ์กับพันธมิตร อาทิ การร่วมมือกับการท่องเที่ยว แห่งประเทศไทยและ บริษัท ท่าอากาศยานไทย จำกัด (มหาชน) เพื่อส่งเสริมการท่องเที่ยวและผลักดันซอฟต์พาวเวอร์อย่างต่อเนื่อง พร้อมยกระดับความปลอดภัยและความสะดวกสบายในการเดินทางให้กับนักท่องเที่ยว การพัฒนาสิทธิประโยชน์ที่มากกว่าการ ให้ส่วนลดสำหรับสมาชิก GrabUnlimited รวมถึงการเปิดตัวแพ็กเกจสมาชิกแบบรายปีเพื่อรักษาฐานลูกค้าในระยะยาว ตลอดจนการพัฒนาสองแฟล็กชิพแบรนด์ของบริการ GrabFood อย่าง #GrabThumbsUp และ Only at Grab เพื่อรักษามาตรฐานและประสบการณ์ความอร่อยให้กับผู้ใช้บริการอย่างต่อเนื่อง

· Affordability: เพื่อเป็นการเพิ่มทางเลือกให้กับผู้ใช้บริการและขยายฐานลูกค้าใหม่ๆ แกร็บได้นำเสนอบริการใหม่โดยชูจุดเด่นใน เรื่องความคุ้มค่าเพื่อตอบโจทย์กลุ่มผู้ใช้บริการที่ให้ความสำคัญกับเรื่องราคาเป็นหลัก โดยแกร็บได้เปิดตัวบริการ “GrabCar SAVER” สำหรับการเดินทางด้วยรถยนต์ขนาดเล็กในราคาประหยัดลงสูงสุดถึง 15% (เมื่อเทียบกับบริการ GrabCar) ซึ่งปัจจุบันได้เริ่มทดลองให้บริการแล้วใน 20 จังหวัด และบริการ “GrabBike SAVER” สำหรับการเดินทางด้วยรถจักรยานยนต์ ในระยะทางไม่เกิน 4 กิโลเมตรในราคาเริ่มต้นเพียง 26 บาท ในส่วนของธุรกิจเดลิเวอรี นอกจากการเพิ่มทางเลือกในการจัดส่งอาหารแบบประหยัดหรือ “SAVER Delivery” แล้ว ล่าสุด แกร็บได้เปิดตัวซับแบรนด์ใหม่ “Hot Deals” เป็นเครื่องหมายการันตีความคุ้ม เอาใจสายประหยัดด้วยการนำเสนอเมนูเด็ดที่ลดราคาเป็นพิเศษจากหลากหลายร้านอาหาร มาพร้อมส่วนลดออนท็อป ในทุกช่วงเวลาให้ได้อิ่มคุ้มทั้งวัน

· AI Technology: ในปีที่ผ่านมาแกร็บได้พัฒนาเทคโนโลยีปัญญาประดิษฐ์ (AI: Artificial Intelligence) และแมชชีนเลิร์นนิง (ML: Machine Learning) มากกว่า 1,000 โมเดลเพื่อพัฒนาบริการและเสริมประสิทธิภาพ ในการดำเนินธุรกิจทั่วทั้งภูมิภาค สำหรับในปีนี้ แกร็บ ประเทศไทย ยังคงนำเทคโนโลยีที่พัฒนาเองเหล่านี้ มาใช้ต่อยอดเชิงกลยุทธ์เพื่อสร้างประสบการณ์ที่ดีในการใช้แพลตฟอร์มให้กับผู้ใช้บริการ รวมถึงพาร์ทเนอร์คนขับและร้านค้า อาทิ การนำ AI และ ML มาใช้ปรับปรุงและพัฒนาระบบพิจารณาเครดิตสำหรับการให้สินเชื่อกับพาร์ทเนอร์ หรือการพัฒนา GrabGPT เพื่อเป็นประโยชน์ในการทำคอนเทนต์หรืองานออกแบบภายในองค์กร เป็นต้น

· Ads & New Services: แกร็บเตรียมขยายบริการ GrabAds เต็มสูบเพื่อเพิ่มสัดส่วนรายได้จากธุรกิจโฆษณา โดยนอกจากการ เจาะตลาดลูกค้าองค์กร โดยเฉพาะในกลุ่มธุรกิจท่องเที่ยว สินค้าสุขภาพ-ความงาม และสินค้าอุปโภคบริโภคแล้ว ในปีนี้แกร็บ ยังเตรียมผลักดัน “Self-serve Ads” เครื่องมือในการโฆษณาสำหรับพาร์ทเนอร์ร้านค้า ที่เปิดโอกาสให้ผู้ประกอบการขนาดกลาง และเล็กสามารถเพิ่มยอดขายจากการทำโฆษณาและแนะนำโปรโมชันกับลูกค้าได้ด้วยตัวเอง โดยมีผลตอบแทนจากการโฆษณา (Return on Ad Spend) เฉลี่ยสูงถึง 6 เท่า4 นอกจากนี้ แกร็บยังวางแผนที่จะพัฒนาและปรับปรุงบริการใหม่ที่เกี่ยวข้องกับธุรกิจ เรียกรถและเดลิเวอรี อาทิ บริการจองการเดินทางล่วงหน้า (Advance Booking) และกินที่ร้าน (Dine-in) ให้มีประสิทธิภาพ และตอบโจทย์ผู้ใช้บริการยิ่งขึ้น

“นอกจากการพัฒนาในด้านธุรกิจแล้ว แกร็บ ประเทศไทย ยังคงยึดมั่นเจตนารมณ์ในการพัฒนาคุณภาพชีวิตให้กับผู้คน ในสังคมควบคู่ไปกับการดูแลรักษาสิ่งแวดล้อม โดยในปีนี้เรายังเดินหน้าสานต่อโครงการสำคัญต่างๆ ไม่ว่าจะเป็น โครงการ GrabEV เพื่อผลักดันการใช้ยานยนต์ไฟฟ้าในกลุ่มพาร์ทเนอร์คนขับให้ได้ 10% ภายในปี 2569 โครงการ Carbon Offset ที่ยังคงร่วมปลูกต้นไม้เพื่อชดเชยคาร์บอนจากการใช้บริการ รวมถึงการพัฒนาศักยภาพและส่งเสริมการเข้าถึงโอกาสในการสร้างรายได้ให้กับพาร์ทเนอร์คนขับและร้านค้า โดยเฉพาะกลุ่มผู้หญิง เพื่อเป้าหมายในการสร้างธุรกิจให้เติบโตได้อย่างยั่งยืนและร่วมเป็นส่วนหนึ่งในการสร้างอนาคตที่ดีกว่าให้คนไทย” นายวรฉัตร กล่าวทิ้งท้าย