การเติบโตอย่างรวดเร็วของไฮเปอร์สเกลดาต้าเซ็นเตอร์ใหม่ ๆ เพื่อรองรับการใช้งาน AI และ GenAI กำลังก่อให้เกิดความต้องการพลังงานที่ไม่มีที่สิ้นสุด เกินกว่าความสามารถในการจ่ายไฟของผู้ให้บริการไฟฟ้าในปัจจุบัน

จากการคาดการณ์ของการ์ทเนอร์ระบุว่าในอีกสองปีข้างหน้าอุตสาหกรรมดาต้าเซ็นเตอร์อาจเติบโตสูงถึง 160% และการใช้ไฟฟ้าที่เพิ่มขึ้นอย่างรวดเร็วนี้อาจส่งผลกระทบต่อความพร้อมใช้งานของพลังงานและนำไปสู่ภาวะขาดแคลนไฟฟ้า

การ์ทเนอร์คาดการณ์ภายในอีกสองปี (ค.ศ. 2027) 40% ของดาต้าเซ็นเตอร์ AI ที่มีอยู่จะถูกจำกัดการดำเนินงานด้วยปัญหาด้านพลังงาน ซึ่งจะสร้างความท้าทายอย่างมากสำหรับองค์กรที่วางแผนจะนำเทคโนโลยีเหล่านี้มาใช้ นอกจากนี้ยังส่งผลกระทบอย่างมีนัยสำคัญต่อกลยุทธ์ด้านคลาวด์ โดยราคาอาจเพิ่มขึ้น 10 ถึง 100 เท่าของราคาปัจจุบันเนื่องจากการใช้พลังงานจาก AI ที่เพิ่มขึ้น

มีการวางแผนสร้างดาต้าเซ็นเตอร์ขนาดใหญ่ใหม่ ๆ เพื่อรองรับข้อมูลจำนวนมหาศาลที่จำเป็นสำหรับฝึกฝนและใช้งาน Large Language Models (LLMs) ที่กำลังขยายตัวอย่างรวดเร็ว ซึ่งเป็นพื้นฐานของการพัฒนาแอปพลิเคชัน GenAI

อย่างไรก็ตาม บางประเทศกำลังระงับการก่อสร้างดาต้าเซ็นเตอร์ การขออนุญาตสร้างดาต้าเซ็นเตอร์ในยุโรปถูกปฏิเสธเนื่องจากความต้องการพลังงานเกินกว่ากำลังการผลิตไฟฟ้าในท้องถิ่น บางพื้นที่ เช่น ไอร์แลนด์และสิงคโปร์ จำกัดหรือหยุดการเติบโตของดาต้าเซ็นเตอร์อย่างสิ้นเชิง เนื่องจากข้อกังวลด้านพลังงาน

ไม่ว่ารูปการณ์จะเป็นอย่างไร การสร้างระบบส่งไฟฟ้า การจัดจำหน่าย และกำลังการผลิตใหม่อาจต้องใช้เวลาหลายปีกว่าจะเริ่มใช้งานได้และไม่สามารถบรรเทาปัญหาในปัจจุบันจนกว่าจะมีทางออก องค์กรต่าง ๆ ต้องเตรียมพร้อมตั้งแต่วันนี้เพื่อลดความเสี่ยงดังกล่าว

การตัดสินใจนำ AI มาใช้อย่างรอบคอบ

องค์กรต้องคำนึงถึงผลกระทบเชิงลบที่อาจเกิดขึ้นจากการใช้พลังงานสำหรับการใช้งานและติดตั้ง AI ทั้งในองค์กรและบนคลาวด์ สิ่งนี้จะช่วยลดความเสี่ยงจากการหยุดชะงักทางธุรกิจและแม้แต่การปิดกิจการ เนื่องจากอุปสงค์ด้านพลังงานเกินกว่าอุปทานที่มี

ศักยภาพในการเพิ่มประสิทธิภาพการใช้พลังงานจากความก้าวหน้าของเทคโนโลยีเซมิคอนดักเตอร์และสถาปัตยกรรมองค์กรแบบใหม่ก็เป็นสิ่งที่ต้องคำนึงถึง แม้การ์ทเนอร์คาดว่าจะมีการพัฒนาอย่างก้าวกระโดดในด้านเหล่านี้ แต่ในอีก 36 เดือนข้างหน้าจะเต็มไปด้วยความวุ่นวาย เนื่องจากทั้งผู้เล่นรายเดิมที่กำลังเติบโตและผู้เล่นรายใหม่ที่เข้ามาแข่งขันกันในตลาดต่างต้องการเป็นผู้นำตลาด

สิ่งสำคัญคือองค์กรต้องพิจารณาหาทางเลือกใหม่ ๆ ด้านการจัดหาพลังงาน เพื่อให้มีพลังงานเพียงพอใช้เพื่อตอบสนองความต้องการที่เพิ่มขึ้น และในอดีตแสดงให้เห็นแล้วว่าโรงไฟฟ้าสามารถอัปเกรดเมื่อเวลาผ่านไปเพื่อรองรับความต้องการที่เพิ่มขึ้นเมื่อถึงจุดที่ต้องทำ

อย่างไรก็ตาม ประเด็นที่น่ากังวลเพิ่มขึ้นคือโครงสร้างพื้นฐานสายทองแดงของระบบไฟฟ้า ซึ่งมีการพัฒนาน้อยมากนับตั้งแต่ทศวรรษ 1960 หรือนับตั้งแต่ผลิตขึ้นครั้งแรก สิ่งนี้เป็นข้อจำกัดในการจ่ายไฟฟ้าที่สามารถแก้ไขได้ชั่วคราวโดยการวางดาต้าเซ็นเตอร์ไว้ใกล้โรงไฟฟ้านิวเคลียร์

ตัวอย่างเช่น Amazon Web Services (AWS) ที่เพิ่งดำเนินการไป โดยตั้งดาต้าเซ็นเตอร์ขนาด 750MW (เมกะวัตต์) ไว้ใกล้กับโรงไฟฟ้านิวเคลียร์ขนาด 2.3GW (กิกะวัตต์) ในรัฐเพนซิลเวเนีย เพื่อให้แน่ใจว่าจะสามารถสร้างการเติบโตในระยะยาวให้กับดาต้าเซ็นเตอร์ และจะไม่ประสบปัญหาการหยุดชะงักด้านพลังงาน

แน่นอนว่าตอนนี้ไม่ใช่ทางเลือกที่เป็นไปได้ในประเทศเทศไทย เนื่องจากยังไม่มีโรงไฟฟ้านิวเคลียร์ อย่างไรก็ตามตอนนี้ประเทศไทยกำลังอยู่ในขั้นของการทบทวนร่างแผนพัฒนากำลังผลิตไฟฟ้าของประเทศ หรือ Power Development Plan 2024 (PDP) ที่จะมีการพัฒนาโรงไฟฟ้านิวเคลียร์ขนาดเล็ก หรือ Small Modular Nuclear Reactors (SMR) โดยมีกำลังผลิตสูงสุด 300 เมกกะวัตต์ต่อหน่วย

การสร้างรายได้จากข้อมูลและบริการ AI

สิ่งที่เป็นผลตามมาอย่างหลีกเลี่ยงไม่ได้เลยจากปัญหาการขาดแคลนพลังงานที่กำลังจะเกิดขึ้นก็คือราคาพลังงานที่เพิ่มขึ้น องค์กรควรพิจารณาชดเชยต้นทุนที่เพิ่มขึ้นจากการใช้พลังงานที่เพิ่มขึ้นสำหรับการติดตั้งและนำ AI มาใช้งาน โดยสรรหาวิธีสร้างรายได้จากข้อมูลและบริการ AI

ตัวอย่างเช่น Tesla กำลังแก้ปัญหาที่กำลังขยายเพิ่มนี้ โดยสร้างศูนย์ซูเปอร์คอมพิวเตอร์ Dojo เพื่อตอบสนองความต้องการของยานพาหนะในการขับขี่อัตโนมัติระดับ 5 ซึ่งรถยนต์สามารถขับเคลื่อนได้โดยไม่ต้องมีมนุษย์ควบคุม เป้าหมายนี้จะไม่สำเร็จได้เลยหากไม่มีพลังงานหรือกำลังประมวลผลเพียงพอในรถยนต์แต่ละคัน ดังนั้นองค์กรจึงสร้างรายได้จากความสามารถนี้ผ่านศูนย์ Dojo

ในอนาคต จะไม่มีพลังงาน กำลังประมวลผลและความจุหน่วยความจำบนอุปกรณ์เพียงพอในหลายแอปพลิเคชัน หรือในอุปกรณ์พกพา อุปกรณ์ทางการแพทย์ และอุปกรณ์รักษาความปลอดภัย สำหรับองค์กรที่จะส่งมอบบริการ AI ในระดับที่ตลาดคาดหวัง การย้ายไปใช้ดาต้าเซ็นเตอร์ของตนเองหรือใช้ผู้ให้บริการคลาวด์ภายนอก อาจเป็นวิธีที่ดีในการสร้างรายได้จากวิสัยทัศน์ภาพรวม โดยไม่ถูกจำกัดด้วยขนาดของอุปกรณ์หรือแพลตฟอร์ม

นั่นหมายถึงแนวทางใหม่สำหรับโปรเซสเซอร์เซมิคอนดักเตอร์ที่เหมาะสมที่สุดสำหรับการเรียนรู้และการอนุมาน และแนวทางใหม่สำหรับการบรรจุชิปเพื่อปรับปรุงความเร็วอินพุต/เอาต์พุต (I/O) และการระบายความร้อน ตามรายงานจาก Tesla ศูนย์ Dojo ประมวลผลสตรีมวิดีโอจากยานพาหนะแบบเรียลไทม์ใช้พลังงานน้อยกว่าซูเปอร์คอมพิวเตอร์ทั่วไปถึง 30%

ผู้ผลิตชิปรายใหญ่อื่น ๆ กำลังพัฒนาและติดตั้งดาต้าเซ็นเตอร์ของตนเองเพื่อทำสิ่งที่คล้ายคลึงกัน การแข่งขันเพื่อลดการใช้พลังงานและปรับปรุงประสิทธิภาพของ AI จะสร้างประโยชน์อย่างมากสำหรับคนรุ่นต่อไป อย่างไรก็ตามความก้าวหน้าของเทคโนโลยีชิปเพียงอย่างเดียวไม่สามารถทดแทนความจำเป็นในการพัฒนาวิศวกรรมซอฟต์แวร์ AI และสถาปัตยกรรมองค์กรได้

ต้องมั่นใจว่าผู้ให้บริการคลาวด์สามารถจัดหาพลังงานได้เพียงพอ ก่อนที่จะนำหรือใช้โครงสร้างพื้นฐานคลาวด์สำหรับแอปพลิเคชัน AI และ GenAI องค์กรควรตรวจสอบภาพรวมการใช้พลังงานของผู้ให้บริการคลาวด์ และดูเครื่องมือที่แสดงกำลังการผลิต ณ ปัจจุบันและที่มีอยู่แบบเรียลไทม์

องค์กรจำเป็นต้องกำหนดแผนสำรองในกรณีที่พลังงานไม่เพียงพอ โดยเฉพาะอย่างยิ่งเมื่อรัฐบาลบางประเทศกำหนดมาตรการเชิงรุกระงับการก่อสร้างดาต้าเซ็นเตอร์เนื่องจากขาดแคลนพลังงานในท้องถิ่น นอกจากนี้ยังต้องพิจารณาว่าการเปลี่ยนแปลงกำลังการผลิตต้องไม่ส่งผลกระทบต่อนโยบายด้านสิ่งแวดล้อม สังคม และธรรมาภิบาล (ESG) ของดาต้าเซ็นเตอร์ แนวคิดเก่าที่เคยใช้คือ สร้างดาต้าเซ็นเตอร์ที่ไหนก็ได้แล้วค่อยต่อไฟเข้าไป แต่ตอนนี้ต้องคิดใหม่ทำใหม่ หาแหล่งพลังงานก่อน แล้วค่อยสร้างดาต้าเซ็นเตอร์บริเวณใกล้เคียง

ประเทศ รัฐและเมืองต่าง ๆ ที่ต้องการรักษาความได้เปรียบสำหรับแข่งขันด้านดาต้าเซ็นเตอร์ จะต้องลงทุนในกำลังการผลิตไฟฟ้าใหม่ รวมถึงโครงสร้างพื้นฐานใหม่สำหรับการจัดจำหน่าย

โดย จอร์จ โลเปซ

รองประธานนักวิเคราะห์ การ์ทเนอร์

การ์ทเนอร์เน้นย้ำถึงแนวโน้มสำคัญหลายประการที่จะเป็นตัวกำหนดทิศทางของภาคยานยนต์ในปี 2568 ด้วยเหตุที่อุตสาหกรรมนี้กำลังเผชิญกับแรงกดดันด้านกฎระเบียบการปล่อยมลพิษและการเติบโตที่แข็งแกร่งจากจีน

เปโดร ปาเชโก รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า "ซอฟต์แวร์และการใช้พลังงานไฟฟ้าจะยังเป็นปัจจัยขับเคลื่อนหลักสองประการในการเปลี่ยนแปลงของภาคยานยนต์ อย่างไรก็ตามในปีนี้ผู้ผลิตรถยนต์จะต้องเผชิญกับความไม่แน่นอนในเรื่องกฎระเบียบการปล่อยมลพิษและความตึงเครียดทางการค้าที่เพิ่มขึ้นระหว่างจีนกับชาติตะวันตก โดยเฉพาะอย่างยิ่งในตลาดรถยนต์ไฟฟ้า"

ภูมิทัศน์ทางการเมืองที่กำลังเปลี่ยนไปทั้งในสหรัฐอเมริกาและสหภาพยุโรป (EU) ทำให้ประเด็นเรื่องกฎระเบียบการปล่อยมลพิษของยานยนต์กลับมาได้รับความสนใจอีกครั้ง ซึ่งสร้างความไม่แน่นอนให้กับอุตสาหกรรมยานยนต์ ส่งผลให้ผู้รับจ้างผลิตอุปกรณ์หรือชิ้นส่วนหรือ OEMs บางรายอาจลังเลที่วางกลยุทธ์หลักของธุรกิจไว้ที่รถยนต์ไฟฟ้า การ์ทเนอร์ประเมินว่ายอดการจัดส่งรถยนต์ไฟฟ้า (ประเภทรถโดยสาร รถยนต์ รถตู้ และรถบรรทุกขนาดใหญ่) จะเติบโต 17% ในปี 2568 และคาดว่าในปี 2573 มากกว่าครึ่งของรถยนต์ทั้งหมดที่วางจำหน่ายและทำตลาดโดยผู้ผลิตนั้นจะเป็นรถยนต์ไฟฟ้า

ภูมิรัฐศาสตร์ทำให้การนำแนวคิด CASE มาปรับใช้ล่าช้า อุปสรรคทางการค้าที่สหรัฐอเมริกาและสหภาพยุโรปกำหนดและบังคับใช้กับรถยนต์ไฟฟ้าของจีนจะทำให้การนำเทคโนโลยีการเชื่อมต่อ ความเป็นอิสระ ซอฟต์แวร์ และการใช้พลังงานไฟฟ้า หรือที่เรียกรวมกันว่า CASE มาใช้ในทั้งสองภูมิภาคนี้ล่าช้าลง เนื่องจากรถยนต์ไฟฟ้าจีนถือเป็นประเภทยานพาหนะที่มีความก้าวหน้าที่สุดในอุตสาหกรรม

บิล เรย์ รองประธานอาวุโสของการ์ทเนอร์ กล่าวว่า "ผู้ผลิตโดรนและบริษัทโทรคมนาคมจีนกำลังรับรู้ถึงผลกระทบจากมาตรการแทรกแซงทางการค้าระหว่างประเทศ และรายต่อไปก็คือผู้ผลิตหุ่นยนต์ การมีซอฟต์แวร์อัจฉริยะที่สามารถอัปเดตได้ กล้องที่เข้าถึงได้จากระยะไกล และการผสานการเก็บข้อมูลเข้ากับโมเดลธุรกิจยานยนต์ ทำให้หลีกเลี่ยงไม่ได้ที่จะต้องเผชิญกับความท้าทายด้านภูมิรัฐศาสตร์ที่จะเป็นตัวแบ่งแยกตลาดและชะลอการนำเทคโนโลยีเหล่านี้มาปรับใช้"

 ผู้ผลิตรถยนต์จากจีนได้เปรียบการแข่งขันในด้านซอฟต์แวร์และระบบพลังงานไฟฟ้า เนื่องจากมีแนวทางการพัฒนาที่มีความเฉพาะและมีประสิทธิภาพ ช่วยให้สามารถนำเสนอรถยนต์ไฟฟ้าที่มีประสิทธิภาพสูง และราคาไม่แพง อย่างไรก็ตามอุปสรรคทางการค้าที่เพิ่มขึ้นอาจลดทอนข้อได้เปรียบดังกล่าวนี้ และทำให้รถยนต์ไฟฟ้าในตลาดสำหรับผู้บริโภคมีความหลากหลายลดลง ผู้ผลิตชิ้นส่วน OEM ต่าง ๆ ขยายความร่วมมือด้านซอฟต์แวร์กับผู้ผลิต OEM จากจีน  ผู้รับจ้างผลิตชิ้นส่วนและส่วนประกอบกำลังประสบปัญหาในการพัฒนาความสามารถด้านซอฟต์แวร์ภายในองค์กร ส่งผลให้หลายรายหันมาทำข้อตกลงกับผู้ผลิต OEM จากจีน เพื่อเข้าถึงสถาปัตยกรรมไฟฟ้า/อิเล็กทรอนิกส์ (E/E) ของยานพาหนะ ทำให้พึ่งพาความสามารถด้านซอฟต์แวร์และฮาร์ดแวร์ของผู้ผลิตรถยนต์ไฟฟ้าจากจีนมากยิ่งขึ้น

กำลังการผลิตส่วนเกินกระตุ้นให้โรงงาน OEM ปิดตัว

กำลังการผลิตส่วนเกินเป็นความท้าทายสำหรับโรงงานผลิตรถยนต์หลายแห่งในยุโรปและอเมริกาเหนือมานานหลายปี การเพิ่มอัตราภาษีนำเข้ารถยนต์ไฟฟ้าจากจีนที่สหรัฐฯ และ EU กำหนดเมื่อเร็ว ๆ นี้มีแนวโน้มที่จะทำให้ปัญหานี้รุนแรงมากขึ้น โดยผู้ผลิตรถยนต์จีนอาจตั้งโรงงานในยุโรปและสหรัฐฯ หรือในประเทศพันธมิตรการค้าเสรี อาทิ โมร็อกโกหรือตุรกี เพื่อรักษาความสามารถด้านราคาให้แข่งขันได้

การ์ทเนอร์คาดว่าสถานการณ์นี้มีแนวโน้มที่จะนำไปสู่การปิดตัวหรือขายโรงงานผลิตรถยนต์หลายแห่งที่มีอัตราการใช้งานต่ำให้กับผู้ผลิตรถยนต์รายอื่น ๆ และก่อให้เกิดผลกระทบต่อเนื่อง ที่นำไปสู่การปิดตัวโรงงานของซัพพลายเออร์ ประเด็นนี้จะเป็นการกำหนดทำเลการผลิตรถยนต์ของสหรัฐฯ และยุโรปขึ้นใหม่ และทำให้ประเทศที่มีต้นทุนต่ำกลายเป็นศูนย์กลางการผลิตและเป็นห่วงโซ่อุปทานหลักของอุตสาหกรรมยานยนต์

การ์ทเนอร์คาดการณ์ว่าสิ้นปีหน้า (2568) จะมีปริมาณรถยนต์ไฟฟ้า (EVs) จำนวน 85 ล้านคัน วิ่งบนท้องถนน ครอบคลุมประเภทต่าง ๆ อาทิ รถยนต์, รถบัส, รถตู้ และรถบรรทุกขนาดใหญ่

โจนาธาน ดาเวนพอร์ท ผู้อำนวยการอาวุโสฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า "แม้จะมีอุปสรรคหลายอย่างส่งผลกระทบต่อตลาดรถยนต์ไฟฟ้าในช่วงไม่กี่เดือนที่ผ่านมา แต่เรายังคาดการณ์ว่าในปีนี้ยอดรวมของรถยนต์ไฟฟ้าทั่วโลกจะอยู่ที่ 64 ล้านคัน และจะเพิ่มขึ้น 33% ในปี 2568 ซึ่งผลจากการที่บริษัทหลายแห่งต่างประเมินสูงเกินจริงไปว่าการเปลี่ยนไปใช้รถยนต์ไฟฟ้าจะเกิดขึ้นรวดเร็ว นั่นส่งผลให้ต้องเลื่อนการเปิดตัวรถยนต์ไฟฟ้ารุ่นใหม่ ๆ ออกไป โดยปัจจัยขับเคลื่อนการเติบโตของตลาดรถยนต์ไฟฟ้าในปีหน้านั้น หลัก ๆ มาจากยอดขายที่เพิ่มสูงขึ้นในจีน (58%) และยุโรป (24%) ซึ่งเมื่อนับรวมกันแล้วคิดเป็น 82% ของจำนวนรถยนต์ไฟฟ้าทั้งหมดทั่วโลก"

การ์ทเนอร์คาดว่า สิ้นปี 2568 ปริมาณรถยนต์ไฟฟ้าแบตเตอรี่ (BEVs) จะมีจำนวนเกือบ 62 ล้านคัน เพิ่มขึ้น 35% จากปี 2567 ส่วนรถยนต์ไฟฟ้าปลั๊กอินไฮบริด (PHEVs) คาดว่าจะเติบโตในอัตราที่ช้ากว่าเล็กน้อยและปีหน้าจะมีปริมาณอยู่ที่ 23 ล้านคัน เพิ่มขึ้น 28% จากปี 2567

สำหรับประเทศไทย การ์ทเนอร์คาดว่าในปี 2568 จะมีรถยนต์ไฟฟ้า (EVs) มากกว่า 77,800 คัน เพิ่มขึ้น 49% จากปี 2567 โดยรถยนต์ไฟฟ้าแบตเตอรี่จะมีสัดส่วน 74% และมียอดรวมทั้งหมดกว่า 57,900 คัน

สำหรับในระดับภูมิภาค การ์ทเนอร์คาดว่าความต้องการเป็นเจ้าของรถยนต์ไฟฟ้าในจีนจะยังคงมีปริมาณมากกว่าจำนวนรถยนต์ไฟฟ้าส่วนที่เหลือของโลกรวมกันยาวไปจนถึงปีหน้า และอาจเป็นเช่นนี้ต่อไปอีกทศวรรษ โดยความต้องการรถยนต์ไฟฟ้าจะเติบโตอย่างต่อเนื่องในยุโรปและอเมริกาเหนือ คาดว่าจะคิดเป็น 36% ของยอดรวมรถยนต์ไฟฟ้าทั่วโลกในปีนี้ (2567) การ์ทเนอร์ประมาณการว่าในปีหน้า (2568) จะมีรถยนต์ไฟฟ้า 49 ล้านคัน วิ่งอยู่ตามท้องถนนในจีน 20.6 ล้านคันในยุโรป และ 10.4 ล้านคันในอเมริกาเหนือ

ภายในอีกหกปี (2573) ผู้ผลิตรถยนต์จะสามารถรีไซเคิลแบตเตอรี่รถ EVs ได้สูง 95% ช่วยลดปัญหาขาดแคลนวัตถุดิบ

ตามที่คาดการณ์ว่ายอดจำหน่ายรถยนต์ไฟฟ้าจะเพิ่มสูงขึ้นทุกปี และการแก้ไขปัญหาขาดแคลนวัตถุดิบถือเป็นเรื่องท้าทาย ดังนั้น "ความพยายามในการรีไซเคิลอย่างจริงจังเพื่อใช้ประโยชน์จากแบตเตอรี่ที่ผ่านการใช้งานรวมถึงเศษวัสดุจากกระบวนการผลิต ผนวกเข้ากับความพยายามของสหภาพยุโรปเพื่อบังคับให้มีการรีไซเคิลแบตเตอรี่ ก็อาจช่วยลดความจำเป็นในการขุดแร่เพิ่มเติมได้" ดาเวนพอร์ตกล่าวเพิ่มเติม

“เนื่องจากความเข้มข้นของโลหะหายากในแบตเตอรี่มีสูงกว่าแร่ธรรมชาติ ดังนั้นแบตเตอรี่ที่ใช้งานแล้วจึงอาจถือเป็นแร่ที่มีความเข้มข้นสูง หากสามารถนำกลับมาใช้ใหม่ได้ในปริมาณมาก ๆ อาจช่วยเพิ่มโอกาสทางการค้าในภาพรวมของตลาดรถยนต์ไฟฟ้า ด้วยการลดราคาแบตเตอรี่ลง นอกจากนี้ยังมีประโยชน์เพิ่มเติมคือ แบตเตอรี่จะไม่ถูกกำจัดด้วยวิธีที่ผิดจริยธรรมหรือถูกนำไปทิ้งในหลุมฝังกลบ" ดาเวนพอร์ตกล่าวสรุป

การ์ทเนอร์คาดการณ์ว่าในอีกสามปี (พ.ศ. 2570) 40% ของโซลูชัน Generative AI จะทำงานในแบบมัลติโหมดที่จะสามารถประมวลผล ทำความเข้าใจและทำงานร่วมกับข้อมูลได้มากกว่าหนึ่งประเภท (อาทิ ข้อความ, รูปภาพ, เสียง และวิดีโอ) ซึ่งเพิ่มขึ้นจาก 1% ในปี 2566 โดยการเปลี่ยนแปลงนี้ทำให้ Human-AI มีปฏิสัมพันธ์ที่พัฒนายิ่งขึ้น และยังมอบโอกาสที่จะสร้างความต่างให้กับสิ่งที่ GenAI มีให้

เอริค เบรทเดอนิวซ์ รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “เนื่องจากตลาด GenAI วิวัฒน์ไปสู่โมเดลที่เกิดและพัฒนาด้วยโหมดต่าง ๆ มากกว่าหนึ่งโหมด สิ่งนี้ช่วยสะท้อนภาพความสัมพันธ์ระหว่างข้อมูลที่ส่งออกมาในปริมาณมากและเพิ่มขึ้นต่อเนื่องที่แตกต่างกัน และมีศักยภาพในการปรับขนาดการใช้และเพิ่มประโยชน์ของ GenAI ให้ครอบคลุมประเภทข้อมูลและแอปพลิเคชันทั้งหมด นอกจากนี้ยังช่วยให้ AI สนับสนุนการทำงานของมนุษย์ได้มากขึ้นโดยไม่คำนึงถึงสภาพแวดล้อม”

Multimodal GenAI เป็นหนึ่งในสองเทคโนโลยีที่ได้รับการระบุไว้ในรายงาน Gartner Hype Cycle for Generative AI ปีนี้ โดยการนำมาใช้ช่วงแรกอาจสร้างความได้เปรียบในการแข่งขันที่สำคัญและเพิ่มประสิทธิภาพในด้านระยะเวลาในการนำออกสู่ตลาด ควบคู่ไปกับโมเดลภาษาโอเพนซอร์สขนาดใหญ่ (LLM) ทำให้เทคโนโลยีทั้งสองมีศักยภาพที่จะสร้างผลกระทบสูงต่อองค์กรอย่างสูงภายในห้าปีข้างหน้านี้  บรรดานวัตกรรม GenAI ที่การ์ทเนอร์คาดว่าจะได้รับการยอมรับแพร่หลายภายใน 10 ปีนั้น มีเทคโนโลยี 2 ประเภทที่ได้รับการระบุว่ามีศักยภาพสูงสุด ได้แก่ Domain-Specific GenAI Models และ Autonomous Agents

อรุณ จันทรเศกการัน รองประธานฝ่ายวิจัยของการ์ทเนอร์ กล่าวว่า “การวิเคราะห์แนวโน้มระบบนิเวศของ GenAI ยังคงเป็นเรื่องยากสำหรับองค์กร เนื่องจากระบบนิเวศของเทคโนโลยีนี้และผู้ผลิตหรือผู้ให้บริการเทคโนโลยีนั้นมีการเปลี่ยนแปลงอย่างรวดเร็ว โดย GenAI กำลังอยู่ในช่วงขาลงเมื่ออุตสาหกรรมเริ่มรวมตัวเข้าด้วยกัน ทว่าประโยชน์ที่แท้จริงจะเกิดขึ้นเมื่อกระแสนี้ลดลง และตามมาด้วยขีดความสามารถที่ก้าวหน้าขึ้นจะเกิดขึ้นรวดเร็วไปอีกมากในอีกไม่กี่ปีข้างหน้านี้”

Multimodal GenAI

Multimodal GenAI จะมีผลกระทบต่อแอปพลิเคชันองค์กรอย่างมาก จากการเพิ่มคุณสมบัติและฟังก์ชันใหม่ ๆ ที่วิธีอื่น ๆ ทำไม่ได้ และผลกระทบนั้นไม่ได้จำกัดอยู่แค่เฉพาะอุตสาหกรรมหรือยูสเคสการใช้งานเฉพาะเท่านั้น แต่ยังสามารถนำไปประยุกต์ใช้ในทุก Touchpoint ระหว่าง AI กับมนุษย์ ปัจจุบัน Multimodal Model หลาย ๆ ตัวยังมีข้อจำกัดอยู่เพียงสองหรือสามโหมดเท่านั้น แต่อีกไม่กี่ปีข้างหน้าจะเพิ่มขึ้นเพื่อให้ครอบคลุมมากขึ้น

“ในโลกความเป็นจริง ผู้คนจะพบเจอและเข้าใจข้อมูลผ่านการประมวลผลที่เป็นการผสมผสานของข้อมูลหลากหลายประเภท อาทิ เสียง ภาพและการสัมผัส โดย Multimodal GenAI นั้นมีความสำคัญอย่างยิ่ง เนื่องจากข้อมูลโดยทั่วไปนั้นจะประกอบด้วยประเภทต่าง ๆ อยู่แล้ว เมื่อนำ Single Modality Models มาประกอบเข้าด้วยกันเพื่อรองรับแอปพลิเคชัน Multimodal GenAI มักส่งผลให้เกิดความล่าช้าและลดความแม่นยำของผลลัพธ์ ส่งผลให้ได้รับประสบการณ์ที่มีคุณภาพต่ำ” เบรทเดอนิวซ์ กล่าวเพิ่ม

Open-Source LLMs LLM แบบโอเพ่นซอร์สเป็นโมเดลพื้นฐานการเรียนรู้เชิงลึกที่เร่งมูลค่าองค์กรจากการนำ GenAI ไปปรับใช้งาน โดยทำให้การเข้าถึงเชิงพาณิชย์ได้อย่างเสรีและอนุญาตให้ผู้พัฒนาปรับแต่งโมเดลให้เหมาะกับงานและยูสเคสการใช้งานเฉพาะ นอกจากนี้ ยังสามารถเข้าถึงชุมชนนักพัฒนาในองค์กร สถาบันการศึกษา และบทบาทการวิจัยอื่น ๆ ที่กำลังทำงานเพื่อเป้าหมายร่วมกันปรับปรุงและทำให้โมเดลนี้มีคุณค่ามากขึ้น

“LLM แบบโอเพ่นซอร์สเพิ่มศักยภาพด้านนวัตกรรมผ่านการปรับแต่งอย่างเหมาะสม ทำให้การควบคุมความเป็นส่วนตัวและความปลอดภัยดีขึ้น โมเดลมีความโปร่งใส มีความสามารถเพิ่มจากการพัฒนาร่วมกัน และมีศักยภาพในการลดการผูกขาดของผู้ขาย ท้ายที่สุดแล้ว LLM นำเสนอโมเดลขนาดเล็กกว่าให้กับองค์กร ซึ่งฝึกฝนได้ง่ายและมีค่าใช้จ่ายน้อยกว่า และเปิดใช้งานแอปพลิเคชันทางธุรกิจและกระบวนการทางธุรกิจหลัก” จันทราเสการัน กล่าวเพิ่ม

Domain-Specific GenAI Models

Domain-Specific GenAI Models ได้รับการพัฒนาเพื่อตอบสนองต่อความต้องการของอุตสาหกรรม ฟังก์ชันทางธุรกิจ หรือภารกิจที่มีความเฉพาะ โดยโมเดลเหล่านี้สามารถเพิ่มประสิทธิภาพของการจัดวางยูสเคสการใช้งานภายในองค์กรได้ พร้อมมอบความแม่นยำ ความปลอดภัย และความเป็นส่วนตัวที่ดีกว่า รวมถึงคำตอบที่เข้าใจบริบท ซึ่งช่วยลดความจำเป็นในการออกแบบข้อความที่ใช้สื่อสารกับโมเดล AI เทียบกับโมเดล AI ที่พัฒนามาเพื่อวัตถุประสงค์ทั่วไป และยังสามารถลดความเสี่ยงจากกรณีที่ AI อาจสร้างภาพหลอนขึ้นมาเอง (Hallucination Risks) จากการฝึกฝนที่เน้นการกำหนดเป้าหมาย

“Domain-specific models สามารถร่นระยะเวลาส่งมอบบริการตามความต้องการ (Time to Value) ประสิทธิภาพเพิ่มขึ้นและมีความปลอดภัยสูงขึ้นสำหรับโครงการ AI ต่าง ๆ โดยการนำเสนอจุด Start ที่ก้าวล้ำกว่าสำหรับงานอุตสาหกรรมเฉพาะ สิ่งนี้จะส่งเสริมการนำ GenAI มาใช้อย่างแพร่หลายมากขึ้น เนื่องจากองค์กรต่าง ๆ จะสามารถนำไปประยุกต์ใช้ในยูสเคสที่ General-Purpose Models ไม่มีประสิทธิภาพเพียงพอ” จันทราเสการัน กล่าวเพิ่ม

Autonomous Agents

Autonomous Agents คือ ระบบรวม (Combined Systems) ที่สามารถบรรลุเป้าหมายที่กำหนดไว้ได้โดยปราศจากมนุษย์ โดยใช้เทคนิค AI ที่หลากหลายในการระบุรูปแบบของสภาพแวดล้อม การตัดสินใจ การจัดลำดับการดำเนินการและสร้างผลลัพธ์ โดยตัวแทนเหล่านี้มีศักยภาพเรียนรู้จากสภาพแวดล้อมและปรับปรุงตลอดเวลา ทำให้สามารถจัดการงานที่ซับซ้อนได้

“Autonomous Agents เป็นการเปลี่ยนแปลงครั้งสำคัญของความสามารถ AI โดยความสามารถดำเนินการและตัดสินใจได้อย่างอิสระช่วยปรับปรุงการดำเนินธุรกิจ สร้างประสบการณ์ที่ดีให้กับลูกค้า และใช้ในการเปิดตัวผลิตภัณฑ์และบริการใหม่ ๆ ส่งผลให้ประหยัดต้นทุนและมีความได้เปรียบทางการแข่งขัน นอกจากนี้ยังเปลี่ยนบทบาทของทีมงานในองค์กรจากการส่งมอบ (Delivery) เป็นการควบคุมดูแล (Supervision) แทน”

ข้อมูลจากรายงาน Hype Cycle for Digital Workplace Applications, 2024 ของการ์ทเนอร์ คาดว่าภายในไม่ถึง 2 ปี นับจากนี้ Everyday AI และ Digital Employee Experience (DEX) จะกลายเป็นเทคโนโลยีที่อยู่ในกระแสหลัก

แมตต์ เคน รองประธานฝ่ายวิจัยหลักการ์ทเนอร์ กล่าวว่า “Everyday AI ช่วยกำจัดความยุ่งยากด้านดิจิทัลให้แก่พนักงานด้วยการช่วยงานเขียน การค้นคว้า การทำงานร่วมกันและคิดไอเดีย และยังเป็นส่วนสำคัญของเทคโนโลยี DEX ในความพยายามขจัดความยุ่งยากและเพิ่มความชำนาญด้านดิจิทัลให้กับพนักงาน ซึ่งเป็นหนึ่งในปัจจัยสำคัญของการพาองค์กรไปสู่ความก้าวหน้าจากนี้จนถึงปี 2573”

ปี 2567 ถือเป็นปีสำคัญของผู้นำแอปพลิเคชัน Digital Workplace เนื่องจากการให้ความสำคัญกับรูปแบบการทำงานไฮบริดและการทำงานจากระยะไกลนั้นลดลง ประกอบกับธุรกิจต่างมุ่งเน้นไปที่การใช้เทคโนโลยี Everyday AI เพิ่มขึ้น ทำให้ Everyday AI ถูกวางไว้ให้อยู่ในจุดสูงสุดของความคาดหวังที่จะเติบโตในวงจรเทคโนโลยีสำหรับ Digital Workplace Applications ในปี 2567 ของการ์ทเนอร์

Everyday AI สำคัญต่อการเพิ่มประสิทธิผลการทำงานของพนักงานอย่างยิ่ง อาดัม พรีเซต รองประธานฝ่ายวิจัยการ์ทเนอร์ กล่าวว่า “Everyday AI มีเป้าหมายเพื่อช่วยพนักงานทำงานได้อย่างรวดเร็ว ครอบคลุมและมั่นใจได้ โดยเทคโนโลยีนี้ยังสนับสนุนวิธีการทำงานแบบใหม่ ผ่านการใช้ซอฟต์แวร์อัจฉริยะทำหน้าที่เป็นผู้ร่วมงานมากกว่าเป็นแค่เครื่องมือ ซึ่งปัจจุบัน Digital Workplace กำลังเดินเข้าสู่ยุคการใช้ AI ในชีวิตประจำวัน”

เมื่อผู้ขายเทคโนโลยีต่างหาวิธีเพิ่มประสิทธิผลการทำงานของพนักงานให้มากขึ้น ด้วยการพัฒนาฟีเจอร์และแอปพลิเคชันเดิมให้มีความสามารถเพิ่มขึ้น ซึ่ง Everyday AI นั้นตอบโจทย์ โดยเทคโนโลยีนี้ไม่เพียงแต่มอบประโยชน์ด้านประสิทธิภาพการทำงานเท่านั้น แต่ยังมอบโอกาสใหม่ ๆ ในการทำตลาด อาทิ เป็นเครื่องมือช่วยพนักงานค้นหาและสังเคราะห์ข้อมูลที่เกี่ยวข้อง ตอบคำถามได้อย่างครอบคลุมและสร้างสรรค์งานศิลป์ได้ง่ายขึ้น

“Everyday AI จะมีความซับซ้อนยิ่งขึ้น เปลี่ยนจากบริการที่ช่วยจัดเรียงและสรุปข้อความแชทหรืออีเมลไปสู่บริการที่ช่วยเขียนรายงานโดยป้อนคำสั่งเพียงเล็กน้อย ดังนั้น Everyday AI จึงเป็นอนาคตของการเพิ่มประสิทธิผลการทำงานให้กับพนักงานในหลากหลายด้าน”

องค์กรควรให้ความสำคัญกับกลยุทธ์ DEX มากขึ้น

วันนี้พนักงานเกือบทั้งหมดกลายเป็นพนักงานดิจิทัล เนื่องจากใช้เวลาทำงานกับเทคโนโลยีมากขึ้นกว่าที่เคย ดังนั้น องค์กรต้องมีกลยุทธ์ในการประเมินและพัฒนา DEX เพื่อดึงดูดและรักษาบุคลากรที่มีทักษะความสามารถและสร้างการมีส่วนร่วมของพนักงานให้เกิดขึ้น ขณะที่ยังคงเพิ่มความผูกพันของการทำงานและทำให้พวกเขายังอยู่กับองค์กรต่อไป

ผู้นำธุรกิจกำลังมองหาแนวทางในการนำเทคโนโลยีมาใช้เพิ่มประสิทธิผลขององค์กรได้อย่างเหมาะสม DEX คือแนวทางปฏิบัติที่ดีที่สุดในการช่วยเพิ่มความชำนาญด้านดิจิทัล ดึงดูดและรักษาบุคลากรที่มีทักษะความสามารถพร้อมช่วยให้พนักงานบรรลุผลลัพธ์ทางธุรกิจได้

DEX กำลังอยู่ในช่วงขาลงในวงจรเทคโนโลยีฯ ซึ่งหมายถึงกำลังได้รับความสนใจลดลง เนื่องจากการทดลองและการใช้งานล้มเหลว ดังนั้นเพื่อเพิ่มความน่าสนใจและสร้างความเกี่ยวข้องเชื่อมโยงกับ DEX ผู้นำทางธุรกิจควรใช้แนวทางแบบองค์รวม ร่วมมือกับทั้งพันธมิตรไอทีและที่ไม่ใช่ไอทีเพื่อสร้างสภาพแวดล้อมที่มีความหมายต่อการส่งเสริมให้พนักงานนำวิธีการทำงานใหม่ ๆ มาปรับใช้