ผลการศึกษาของซิสโก้ชี้ องค์กรในไทยเพียง 20% มีความพร้อมในการปรับใช้และใช้ประโยชน์จาก AI โดย 74% เป็นกังวลอย่างมากเกี่ยวกับผลกระทบต่อธุรกิจหากไม่เตรียมพร้อมในอีก 12 เดือนข้างหน้า

ประเด็นข่าว:

· องค์กรเกือบทั้งหมดในไทย (99%) ระบุว่าความจำเป็นเร่งด่วนในการปรับใช้เทคโนโลยีที่ขับเคลื่อนด้วย AI ได้เพิ่มสูงขึ้นช่วง 6 เดือนที่ผ่านมา

· มีช่องว่างที่สำคัญใน 6 เสาหลักของธุรกิจ ซึ่งได้แก่ กลยุทธ์ โครงสร้างพื้นฐาน ข้อมูล การกำกับดูแล บุคลากร และวัฒนธรรมองค์กร โดยบริษัท 80% กล่าวว่าพวกเขายังไม่พร้อมอย่างเต็มที่ในการบูรณาการ AI เข้ากับธุรกิจของตน

· บริษัทต่างๆ กำลังแข่งกับเวลา โดย 74% กล่าวว่าพวกเขามีเวลาสูงสุดแค่ “หนึ่งปี” ในการปรับใช้กลยุทธ์ AI มิฉะนั้นจะส่งผลเสียต่อธุรกิจ

กรุงเทพฯ, 16 พฤศจิกายน 2566 — มีเพียง 20% ขององค์กรในประเทศไทยเท่านั้นที่มีความพร้อมอย่างเต็มที่ในการปรับใช้และใช้ประโยชน์จากเทคโนโลยีที่ขับเคลื่อนด้วย AI ตามรายงานฉบับแรกเกี่ยวกับดัชนีความพร้อมด้าน AI (AI Readiness Index) ของซิสโก้ (NASDAQ: CSCO) ซึ่งได้ตีพิมพ์เผยแพร่ในวันนี้ ดัชนีดังกล่าวซึ่งเป็นการสำรวจข้อมูลจากบริษัททั่วโลกมากกว่า 8,000 แห่ง ที่ได้รับการพัฒนาเพื่อตอบสนองต่อการปรับใช้ AI อย่างรวดเร็ว ซึ่งนับเป็นการเปลี่ยนแปลงครั้งสำคัญที่ส่งผลกระทบต่อธุรกิจและชีวิตประจำวันในเกือบทุกแง่มุม รายงานดังกล่าวเน้นย้ำถึงความพร้อมของบริษัทต่างๆ ในการปรับใช้และใช้ประโยชน์จาก AI โดยแสดงให้เห็น “ช่องว่างที่สำคัญ” ในเสาหลักของธุรกิจและโครงสร้างพื้นฐานซึ่งจะก่อให้เกิดความเสี่ยงอย่างร้ายแรงในอนาคตอันใกล้นี้

ผลการศึกษาล่าสุดชี้ว่า ถึงแม้การปรับใช้ AI จะมีความคืบหน้าอย่างช้าๆ มานานหลายทศวรรษ แต่ความก้าวหน้าของเทคโนโลยี Generative AI ประกอบกับการเปิดให้ใช้งานอย่างกว้างขวางสำหรับผู้ใช้ทั่วไปในช่วงปีที่ผ่านมา ส่งผลให้มีความสนใจเพิ่มมากขึ้น รวมถึงความท้าทาย ความเปลี่ยนแปลง และความเป็นไปได้ใหม่ๆ ที่เกิดจากเทคโนโลยีนี้ ขณะที่ 63% ของผู้ตอบแบบสอบถามเชื่อว่า AI จะมีผลกระทบอย่างมากต่อการดำเนินธุรกิจของพวกเขา และอาจก่อให้เกิดประเด็นใหม่ๆ เกี่ยวกับความเป็นส่วนตัวของข้อมูลและความปลอดภัย รายงานดัชนีดังกล่าวพบว่า บริษัทต่างๆ เผชิญกับความท้าทายมากที่สุดเมื่อใช้ประโยชน์จาก AI ควบคู่ไปกับข้อมูลของพวกเขา ที่จริงแล้ว ผู้ตอบแบบสอบถาม 75% ยอมรับว่าสาเหตุเป็นเพราะข้อมูลถูกจัดเก็บอย่างกระจัดกระจายไว้ในระบบต่างๆ ทั่วทั้งองค์กร

อย่างไรก็ตาม ข่าวดีก็คือ รายงานดัชนีดังกล่าวเปิดเผยว่า บริษัทต่างๆ ในไทยกำลังใช้มาตรการเชิงรุกในหลายๆ ด้านเพื่อเตรียมพร้อมสำหรับอนาคตที่มุ่งเน้น AI เป็นหลัก เมื่อพูดถึงการกำหนดกลยุทธ์ด้าน AI องค์กร 97% มีกลยุทธ์ด้าน AI ที่แข็งแกร่งอยู่แล้วหรืออยู่ระหว่างการพัฒนา องค์กรมากกว่า 8 ใน 10 (81%) ถูกจัดอยู่ในกลุ่ม Pacesetters (มีความพร้อมอย่างเต็มที่) หรือ Chasers (มีความพร้อมปานกลาง) โดยมีเพียง 1% เท่านั้นที่จัดอยู่ในกลุ่ม Laggards (ไม่ได้เตรียมพร้อม) ซึ่งนับเป็นการบ่งบอกว่าผู้บริหารระดับสูงและผู้บริหารฝ่ายไอทีให้ความสำคัญกับเรื่องนี้เป็นอย่างมาก ดังจะเห็นได้จากข้อเท็จจริงที่ว่าผู้ตอบแบบสอบถามเกือบทุกคน (99%) กล่าวว่าความจำเป็นเร่งด่วนในการปรับใช้เทคโนโลยี AI ในองค์กรของพวกเขาเพิ่มสูงขึ้นในช่วง 6 เดือนที่ผ่านมา โดยมีการรายงานว่า ‘โครงสร้างพื้นฐานด้านไอทีและการรักษาความปลอดภัยทางไซเบอร์’ เป็นส่วนที่สำคัญที่สุดในการปรับใช้ AI

ลิซ เซนโทนี่ รองประธานบริหารและผู้จัดการทั่วไปฝ่ายแอปพลิเคชั่น และประธานเจ้าหน้าที่ฝ่ายกลยุทธ์ของซิสโก้ กล่าวว่า “ขณะที่บริษัทต่างๆ เร่งการปรับใช้โซลูชั่น AI ก็จะต้องมีการประเมินว่าควรจะลงทุนในส่วนใดบ้างเพื่อให้แน่ใจว่าโครงสร้างพื้นฐานของพวกเขาจะสามารถรองรับความต้องการของเวิร์กโหลด AI ได้ดีที่สุด นอกจากนี้ องค์กรยังต้องสามารถตรวจสอบว่า AI ถูกใช้งานอย่างไร เพื่อให้แน่ใจเกี่ยวกับ ROI, ความปลอดภัย โดยเฉพาะอย่างยิ่ง ‘ความรับผิดชอบ’ ”

ข้อมูลสำคัญที่พบในผลการศึกษา

ผลการศึกษาพบว่า โดยรวมแล้วมีบริษัทเพียง 20% เท่านั้นที่จัดอยู่ในกลุ่ม Pacesetters (มีความพร้อมอย่างเต็มที่) โดยที่ 36% ของบริษัทในไทยจัดอยู่ในกลุ่ม Laggards (ไม่ได้เตรียมพร้อม) ที่ 1% และกลุ่ม Followers (มีความพร้อมอย่างจำกัด) ที่ 35% นอกจากนี้ ยังพบข้อมูลที่สำคัญที่สุดได้แก่:

· ความเร่งด่วน: สูงสุด “หนึ่งปี” ก่อนที่บริษัทต่างๆ จะเริ่มเห็นผลกระทบเชิงลบต่อธุรกิจ โดย 74% ของผู้ตอบแบบสอบถามในไทยเชื่อว่าพวกเขามีเวลาสูงสุดไม่เกินหนึ่งปีในการปรับใช้กลยุทธ์ AI ก่อนที่องค์กรของพวกเขาจะเริ่มได้รับผลกระทบเชิงลบอย่างมีนัยสำคัญต่อธุรกิจ

· กลยุทธ์ : ขั้นตอนแรกคือการกำหนดกลยุทธ์ และองค์กรต่างๆ ดำเนินการได้ด้วยดี โดย 81% ขององค์กรในไทยจัดอยู่ในกลุ่ม Pacesetters หรือ Chasers โดยมีเพียง 1% เท่านั้นที่จัดอยู่ในกลุ่ม Laggards นอกจากนี้ 97% ขององค์กรมีกลยุทธ์ AI ที่ชัดเจนอยู่แล้วหรืออยู่ระหว่างการพัฒนา ซึ่งนับเป็นสัญญาณเชิงบวก แต่ก็ยังมีสิ่งที่ต้องทำอีกมาก

· โครงสร้างพื้นฐาน: เครือข่ายยังไม่มีความพร้อมที่จะรองรับเวิร์กโหลด AI โดย 95% ขององค์กรธุรกิจทั่วโลกตระหนักดีว่า AI จะก่อให้เกิดเวิร์กโหลดเพิ่มมากขึ้นต่อโครงสร้างพื้นฐาน แต่ในประเทศไทย มีองค์กรเพียง 29% เท่านั้นที่มองว่าโครงสร้างพื้นฐานของตนสามารถปรับขนาดได้อย่างยืดหยุ่น ผู้ตอบแบบสอบถามส่วนใหญ่ (56%) ระบุว่าพวกเขามีความสามารถในการปรับขนาดอย่างจำกัด หรือไม่มีเลยเมื่อต้องรับมือกับปัญหาหรือความท้าทายด้าน AI ใหม่ๆ ภายในโครงสร้างพื้นฐานด้านไอทีที่มีอยู่ในปัจจุบัน นอกจากนี้ เพื่อรองรับความต้องการด้านพลังงานและการประมวลผลที่เพิ่มสูงขึ้นของ AI บริษัทมากกว่าสองในสาม (71%) จะต้องใช้หน่วยประมวลผลกราฟิก (GPU) สำหรับดาต้าเซ็นเตอร์มากขึ้น เพื่อรองรับเวิร์กโหลด AI ในอนาคต

· ข้อมูล: องค์กรไม่สามารถละเลยความสำคัญของการมี ‘ข้อมูลที่พร้อมสำหรับ AI’ แม้ว่าข้อมูลจะทำหน้าที่เป็นแกนหลักที่สำคัญสำหรับการดำเนินการของ AI แต่กลับเป็นส่วนที่มีความพร้อมน้อยที่สุด โดยมีจำนวน Laggards มากที่สุด (10%) เมื่อเทียบกับเสาหลักอื่นๆ ทั้งนี้ 75% ของผู้ตอบแบบสอบถามทั้งหมดระบุว่า ข้อมูลต่างๆ ถูกแยกส่วนหรือกระจัดกระจายอยู่ในองค์กรของตน ซึ่งจะก่อให้เกิดปัญหาท้าทายที่สำคัญ เพราะความยุ่งยากซับซ้อนในการบูรณาการข้อมูลที่อยู่ในระบบต่างๆ และการทำให้ข้อมูลดังกล่าวพร้อมใช้งานสำหรับแอปพลิเคชัน AI สามารถส่งผลกระทบต่อความสามารถในการใช้ประโยชน์จากแอปพลิเคชันเหล่านี้

· บุคลากร: ความต้องการทักษะด้าน AI เผยให้เห็นถึงช่องว่างหรือความเหลื่อมล้ำทางดิจิทัลในยุคใหม่ คณะกรรมการ (93%) และผู้บริหาร (91%) มีแนวโน้มที่จะยอมรับการเปลี่ยนแปลงที่เกิดจาก AI มากที่สุด โดยมีการตอบรับในระดับสูงหรือปานกลาง อย่างไรก็ตาม ยังมีงานที่ต้องทำอีกมากเพื่อดึงดูดผู้บริหารระดับกลาง โดย 19% ยอมรับ AI อย่างมีข้อจำกัดหรือไม่ยอมรับเลย และในส่วนของพนักงาน องค์กรเกือบหนึ่งในห้า (22%) รายงานว่าพนักงานไม่ค่อยเต็มใจที่จะปรับใช้ AI หรือต่อต้านการใช้ AI ความต้องการทักษะด้าน AI เผยถึงช่องว่างทางดิจิทัลยุคใหม่ ผู้ตอบแบบสอบถาม 95% กล่าวว่าพวกเขาได้ลงทุนเพื่อยกระดับทักษะของพนักงานที่มีอยู่ ขณะที่ 10% เห็นถึงความเหลื่อมล้ำด้าน AI ที่กำลังเกิดขึ้น โดยตั้งข้อสงสัยว่าจะมีบุคลากรเพียงพอต่อการยกระดับทักษะหรือไม่

· การกำกับดูแล: การปรับใช้นโยบาย AI เริ่มต้นช้า 57% ขององค์กรไม่มีนโยบาย AI ที่ครอบคลุม ซึ่งนับเป็นปัญหาที่ต้องได้รับการแก้ไข ขณะที่บริษัทต่างๆ พิจารณาและกำกับดูแลปัจจัยทั้งหมดที่ทำให้เกิดความเสี่ยงต่อการทำลายความเชื่อมั่นและความไว้วางใจ ปัจจัยที่ว่านี้ได้แก่ ความเป็นส่วนตัวของข้อมูล อธิปไตยด้านข้อมูล หรือสิทธิของการเป็นเจ้าของข้อมูล (Data Sovereignty) และความเข้าใจต่อการปฏิบัติตามกฎระเบียบโลก นอกจากนั้น จะต้องให้ความสนใจอย่างใกล้ชิดเกี่ยวกับแนวคิดเรื่องอคติ ความยุติธรรม และความโปร่งใส ทั้งในส่วนของข้อมูลและอัลกอริธึม

· วัฒนธรรมองค์กร: มีการเตรียมการน้อยมาก แต่มีแรงจูงใจสูงในการให้ความสำคัญเป็นอันดับต้นๆ เสาหลักนี้มีจำนวน Pacesetters ต่ำที่สุด (13%) เมื่อเทียบกับหมวดหมู่อื่นๆ โดยส่วนใหญ่ได้รับแรงหนุนจากข้อเท็จจริงที่ว่า 3.4% ของบริษัทยังไม่ได้จัดทำแผนการจัดการการเปลี่ยนแปลง (Change Management Plans) และสำหรับบริษัทที่ทำแผนไว้แล้ว 76% ยังคงอยู่ระหว่างดำเนินการ ผู้บริหารระดับสูงเปิดรับการเปลี่ยนแปลงด้าน AI ภายในองค์กรมากที่สุด และจะต้องเป็นผู้นำในการจัดทำแผนงานที่ครอบคลุมและมีการสื่อสารอย่างชัดเจนไปยังผู้บริหารระดับกลางและพนักงานที่มีอัตราการยอมรับ AI ค่อนข้างต่ำ ข่าวดีก็คือ พนักงานมีแรงจูงใจอยู่ในระดับสูง โดยมากกว่า 8 ใน 10 (81%) กล่าวว่าองค์กรของพวกเขากำลังเปิดรับ AI โดยมีความเร่งด่วนในระดับปานกลางถึงระดับสูง

ดัชนีความพร้อมด้าน AI ของซิสโก้

ดัชนีความพร้อมด้าน AI ของซิสโก้ (Cisco AI Readiness Index) อ้างอิงการสำรวจความคิดเห็นแบบปกปิดสองทาง (Double Blind) สำหรับผู้บริหารฝ่ายธุรกิจและฝ่ายไอทีภาคเอกชนจำนวน 8,161 คนใน 30 ประเทศ ซึ่งดำเนินการโดยหน่วยงานอิสระ และเป็นการสอบถามความเห็นของผู้ตอบแบบสอบถามจากบริษัทที่มีพนักงาน 500 คนขึ้นไป ดัชนีดังกล่าวประเมินความพร้อมด้าน AI ของผู้ตอบแบบสอบถาม ใน 6 เสาหลักที่สำคัญ ได้แก่ กลยุทธ์ โครงสร้างพื้นฐาน ข้อมูล บุคลากร การกำกับดูแล และวัฒนธรรมองค์กร

บริษัทต่างๆ ได้รับการตรวจสอบโดยใช้เกณฑ์ชี้วัดที่แตกต่างกัน 49 รายการ ครอบคลุมเสาหลักทั้งหก เพื่อกำหนดคะแนนความพร้อมสำหรับแต่ละด้าน รวมถึงคะแนนความพร้อมโดยรวมสำหรับองค์กรของผู้ตอบแบบสอบถาม ตัวบ่งชี้แต่ละรายการได้รับการถ่วงน้ำหนักตามความสำคัญสำหรับความพร้อมในส่วนของเสาหลักที่เกี่ยวข้อง และจากคะแนนโดยรวม ซิสโก้ได้จำแนกองค์กรเป็น 4 กลุ่มตามระดับความพร้อมที่แตกต่างกัน ได้แก่ Pacesetters (มีความพร้อมอย่างเต็มที่), Chasers (มีความพร้อมปานกลาง), Followers (มีความพร้อมอย่างจำกัด) และ Laggards (ไม่ได้เตรียมพร้อม)

ไมโครซอฟท์ และ ซีเมนส์ ผนึกความร่วมมือต่อเนื่อง นำประสิทธิภาพ Generative AI มาสู่ภาคอุตสาหกรรมทั่วโลก โดยทั้งสองบริษัทฯ เตรียมเปิดตัว Siemens Industrial Copilot ซึ่งเป็นผู้ช่วยปัญญาประดิษฐ์ (AI) ที่พัฒนาร่วมกัน มีเป้าหมายเพื่อปรับปรุงประสิทธิภาพการทำงานร่วมกันระหว่างมนุษย์และเครื่องจักรในภาคการผลิต

นอกจากนี้การผนวกซอฟต์แวร์ Teamcenter ของซีเมนส์ที่ใช้สำหรับการบริหารจัดการวงจรชีวิตผลิตภัณฑ์ (หรือ PLM) เข้ากับ Microsoft Teams ยังสนับสนุนการสร้างเมตาเวิร์สในภาคอุตสาหกรรม ลดความซับซ้อนในการทำงานร่วมกันแบบเสมือนจริงให้แก่วิศวกรออกแบบ ผู้ปฏิบัติงานหน้างานและทีมอื่น ๆ ตลอดสายงานธุรกิจ

สัตยา นาเดลลา ประธานและซีอีโอของไมโครซอฟท์ กล่าวว่า “ด้วยศักยภาพของปัญญาประดิษฐ์ยุคใหม่นี้ เรามีโอกาสพิเศษในการเร่งสร้างนวัตกรรมให้กับภาคอุตสาหกรรมทั้งหมด เรากำลังพัฒนาต่อยอดจากความร่วมมือที่ยาวนานกับซีเมนส์ รวบรวมความก้าวหน้าด้าน AI ใน Microsoft Cloud มาผนวกรวมกับความเชี่ยวชาญทางด้านอุตสาหกรรมของซีเมนส์ เพื่อเสริมศักยภาพให้แก่ผู้ปฏิบัติงานหน้างานและพนักงานที่มีทักษะเฉพาะทาง ด้วยเครื่องมือใหม่ ๆ ที่ขับเคลื่อนด้วยขุมพลังปัญญาประดิษฐ์ โดยเริ่มต้นด้วยโครงการ Siemens Industrial Copilot”

โรแลนด์ บุช ซีอีโอของซีเมนส์ กล่าวว่า “เราและไมโครซอฟท์มีวิสัยทัศน์ร่วมกันในการส่งเสริมศักยภาพของลูกค้าด้วยการนำ Generative AI มาใช้งาน เทคโนโลยีนี้มีศักยภาพมหาศาลที่จะปฏิวัติวิธีการที่บริษัทต่าง ๆ ใช้ออกแบบ พัฒนา ผลิตและดำเนินการ ด้วยการส่งเสริมการทำงานร่วมกันระหว่างมนุษย์กับเครื่องจักรที่เชื่อมต่อกันในวงกว้างมากขึ้น ช่วยให้เหล่าวิศวกรสามารถเร่งพัฒนาโค้ด เพิ่มนวัตกรรม และรับมือกับปัญหาการขาดแคลนแรงงานที่มีทักษะได้”

ยุคใหม่ของการทำงานร่วมกันของมนุษย์และเครื่องจักร

Siemens Industrial Copilot จะช่วยให้ผู้ใช้งานสามารถสร้าง เพิ่มประสิทธิภาพ และแก้ไขโค้ดอัตโนมัติที่ซับซ้อนได้อย่างรวดเร็ว พร้อมลดระยะเวลาการจำลองสถานการณ์ลงอย่างมาก ซึ่งวิธีการนี้จะช่วยลดงานที่ก่อนหน้านี้ต้องใช้เวลาหลายสัปดาห์ให้เหลือเป็นหน่วยนาที โดย Copilot จะนำข้อมูลของระบบอัตโนมัติและกระบวนการการจำลองจากแพลตฟอร์ม Siemens Xcelerator ซึ่งเป็นแพลตฟอร์มธุรกิจดิจิทัลแบบเปิดของซีเมนส์ และเพิ่มประสิทธิภาพด้วย Azure OpenAI Service ของไมโครซอฟท์ โดยลูกค้ายังคงควบคุมข้อมูลตนเองได้ทั้งหมด ระบบจะไม่มีการนำข้อมูลไปใช้กับการฝึกโมเดล AI พื้นฐาน

Siemens Industrial Copilot มีความสามารถเพิ่มผลผลิตและเพิ่มประสิทธิภาพครบวงจรในอุตสาหกรรม โดยเจ้าหน้าที่ซ่อมบำรุงจะได้รับคำแนะนำการซ่อมแซมอย่างละเอียดด้วยภาษาปกติอย่างเป็นธรรมชาติ ขณะที่วิศวกรจะสามารถเข้าถึงเครื่องมือแบบจำลองได้อย่างรวดเร็ว

Copilots สำหรับทุกอุตสาหกรรม

ทั้งซีเมนส์และไมโครซอฟท์ต่างเล็งเห็นว่า AI Copilots มีความสามารถในการช่วยเหลือผู้เชี่ยวชาญในอุตสาหกรรมต่าง ๆ ไม่ว่าจะเป็น อุตสาหกรรมการผลิต โครงสร้างพื้นฐาน การขนส่ง และการดูแลสุขภาพ โดย Copilot จำนวนมากกำลังถูกวางแผนที่จะนำมาใช้ในภาคการผลิต เช่น ยานยนต์ สินค้าอุปโภคบริโภค และการผลิตเครื่องจักร Schaeffler AG ซัพพลายเออร์ยานยนต์ชั้นนำเป็นหนึ่งในบริษัทรายแรก ๆ ของอุตสาหกรรมยานยนต์ที่นำ Generative AI ไปใช้ในงานด้านวิศวกรรม ช่วยให้ทีมวิศวกรสามารถพัฒนาโค้ดที่มีความน่าเชื่อถือสำหรับการโปรแกรมระบบอัตโนมัติในอุตสาหกรรม เช่น หุ่นยนต์ นอกจากนี้ บริษัทฯ เตรียมนำ Siemens Industrial Copilot มาใช้ในระบบการดำเนินงาน โดยวางเป้าหมายเพื่อลดการหยุดชะงักของ

การทำงาน (Downtime) ของเครื่องจักรอย่างมีนัยสำคัญ และเตรียมพัฒนาขั้นต่อไปสำหรับลูกค้าในภายหลัง

เคลาส์ โรเซนเฟลด์ ซีอีโอของกลุ่มแชฟฟ์เลอร์ กล่าวว่า “เรากำลังก้าวสู่ยุคใหม่ของการเพิ่มประสิทธิภาพการผลิตและนวัตกรรมในโครงการนำร่องร่วมกันนี้ ซึ่ง Siemens Industrial Copilot จะช่วยให้ทีมงานของเราทำงานอย่างมีประสิทธิภาพมากขึ้น ทั้งยังลดภาระงานซ้ำซ้อน และเพิ่มไอเดียสร้างสรรค์ใหม่ ๆ เรารู้สึกตื่นเต้นที่ได้ร่วมมือกับซีเมนส์และไมโครซอฟท์ในโครงการนี้”

Generative AI เพิ่มความสะดวกการทำงานร่วมกันในแบบเสมือน

เพื่อยกระดับการทำงานร่วมกันแบบเสมือนระหว่างทีม ซอฟต์แวร์ Teamcenter ของซีเมนส์ สำหรับ Microsoft Teams พร้อมเปิดให้ใช้งานได้โดยทั่วไปตั้งแต่เดือนธันวาคมปีนี้ โดยแอปพลิเคชันนี้จะใช้ศักยภาพล่าสุดของ Generative AI เชื่อมต่อฟังก์ชั่นการทำงานต่าง ๆ ของวงจรการออกแบบผลิตภัณฑ์และวงจรการผลิต ตั้งแต่ผู้ปฏิบัติงานหน้างานไปจนถึงทีมวิศวกร โดยจะเชื่อมต่อซอฟต์แวร์ Teamcenter ของซีเมนส์ที่ใช้สำหรับการบริหารจัดการวงจรชีวิตผลิตภัณฑ์ (หรือ PLM) เข้ากับ Microsoft Teams ซึ่งเป็นแพลตฟอร์มการทำงานร่วมกันของไมโครซอฟท์ เพื่อให้พนักงานในโรงงานและพนักงานภาคสนามสามารถเข้าถึงข้อมูลได้ สิ่งนี้จะช่วยให้พนักงานหลายล้านคนที่เข้าไม่ถึงเครื่องมือ PLM ในปัจจุบันสามารถมีส่วนร่วมในกระบวนการออกแบบและผลิตได้ง่ายยิ่งขึ้นเสมือนเป็นส่วนหนึ่งของงานประจำวัน

ซีเมนส์จะแบ่งปันรายละเอียดเพิ่มเติมเกี่ยวกับ Siemens Industrial Copilot ที่งาน SPS expo ที่จะจัดขึ้น ณ เมืองนูเรมเบิร์ก ประเทศเยอรมนี ในเดือนพฤศจิกายน ปี 2566

โดย แซม เบิร์ด

3 ปีที่ผ่านมา เดลล์ได้พูดถึงยุคแห่งการฟื้นฟูและการกลับมารุ่งเรืองอีกครั้งของพีซี (Renaissance of the PC) ในขณะที่พีซี ยังคงเป็นผู้ช่วยที่ดีในการเชื่อมต่อและประสานการทำงานร่วมกันอย่างที่เคยเป็นมา ช่วงปี 2020 ณ จุดสูงสุดของการเรียนรู้ผ่านระบบเสมือน และการทำงานงานจากที่บ้าน เราได้เห็นบทบาทสำคัญของพีซีในทุกแง่มุมของการใช้ชีวิต และนี่คือช่วงเวลาที่เราได้ก่อร่างสร้างวิสัยทัศน์สำหรับอนาคต มีการกำหนดว่าที่ผ่านมามีการลงทุนไปในทิศทางใด พร้อมคาดการณ์ว่าประสบการณ์การใช้พีซีของผู้คนจะพัฒนาต่อไปในรูปแบบใด

ปัจจุบัน ช่วงเวลาสำคัญอีกอย่างกำลังมารออยู่แล้วที่ปลายนิ้วสัมผัส นี่คือช่วงเวลาของ GenAI คือความก้าวหน้าที่เราจะได้รับจาก GenAI ที่เทียบได้กับความก้าวหน้าในช่วงที่มีการเปิดตัวพีซีเมื่อ 40 ปีที่แล้ว ที่นำพาประสิทธิภาพอย่างที่ไม่เคยปรากฏมาก่อนสู่โลกนี้ แต่สิ่งนี้มีความหมายอย่างไรต่ออนาคตของพีซี แล้ว GenAI จะเข้ามากำหนดรูปแบบประสบการณ์การทำงานระหว่างพีซีและมนุษย์หรือไม่อย่างไร

อย่างแรก จงมองที่ปัจจุบัน

เพื่อให้เข้าใจถึงโอกาสในอนาคตของ AI ให้ลองพิจารณาว่าเราได้ผ่านอะไรมาบ้างในอดีตและเรากำลังอยู่ในจุดไหนของปัจจุบัน สิ่งที่น่าจะเป็นก็คือโอกาสสูงที่คุณอาจจะได้ใช้งานปัญญาประดิษฐ์ในรูปแบบหนึ่งในชีวิตประจำวันอยู่แล้ว (อย่าลืมว่าปัญญาประดิษฐ์ และแมชชีน เลิร์นนิ่งเกิดแล้วมาสักพัก) เราได้เห็นโอกาสที่พีซีช่วยขับเคลื่อนประสิทธิภาพให้กับผู้คน และทำให้คนเหล่านี้กลายเป็นผู้ใช้งาน AI ในยุคแรกๆ ทำให้พีซีมีความฉลาดมากขึ้น เรียนรู้สิ่งต่างๆ และรู้จักผู้ใช้งานมากขึ้น

โอกาสของ GenAI ในระยะเวลาอันใกล้

GenAI จะมีอิทธิพลต่อการทำงานและการใช้ชีวิตของผู้คน ในขณะที่ยังมีสิ่งอีกมากมายที่ต้องใช้จินตนาการ พีซีที่ใช้ความสามารถของ AI กำลังกลายเป็นส่วนหนึ่งในการถกประเด็นมากขึ้น เราเห็นว่า GenAI จะช่วยปลดล็อกศักยภาพไปสู่ระดับใหม่ๆ ได้อย่างไรบ้างกับการเปิดตัว Microsoft Copilot ในช่วงที่ผ่านมาก เราได้สังเกตการณ์การสาธิตการใช้งานหลายต่อหลายครั้ง ที่แสดงให้เห็นว่าพีซีจะทำการเก็บรวบรวมและสร้างข้อมูลได้รวดเร็วมากขึ้นกว่าที่ผ่านมามาก โดยใช้แนวคิดเป็นศูนย์กลาง และช่วยให้ผู้คนใช้เวลากับการสร้างสรรค์ แก้ปัญหาและสร้างนวัตกรรม

เดลล์กำลังทำงานอย่างใกล้ชิดกับไมโครซอฟท์ ในช่วงที่มีการเปิดตัวฟีเจอร์ใหม่ของ Copilot (และผู้ใช้ Windows 11 เริ่มเข้าใจถึงประโยชน์ต่างๆ แล้วในตอนนี้) แต่เราจะไม่หยุดแค่นี้ เพราะเดลล์มุ่งเน้นการเป็นผู้ให้บริการพีซีชั้นนำในยุคของ AI ด้วยการลงทุนเพิ่มและมุ่งเน้นศูนย์กลางที่การสร้างความฉลาด ความปลอดภัยและการเป็นที่ปรึกษาด้าน AI อย่างครบวงจรที่ให้ความมั่นใจได้)

เดลล์ ต้องการให้อุปกรณ์ทำสิ่งต่างๆ ได้มากขึ้น ซึ่งจะต้องใช้พีซีที่มีการสร้างแบบจำลองด้านภาษา (language modeling) การประมวลผลด้านภาษา และความสามารถด้านแมชชีน เลิร์นนิ่ง เพื่อปรับปรุงประสบการณ์ผู้ใช้ให้ดีขึ้น การใช้แอปพลิเคชัน AI

เหล่านี้บนพีซี จะนำมาซึ่งประสิทธิภาพมากมาย เช่นประสิทธิภาพเรื่องความคุ้มค่า ปรับปรุงความเป็นส่วนตัวได้ดีขึ้น รักษาความปลอดภัยดีขึ้น ช่วยลด latency และให้ประโยชน์เรื่องความยั่งยืน นอกจากนี้ ยังต้องใช้สถาปัตยกรรมใหม่ในการประมวลผลที่ไม่ได้อาศัย CPU หรือ GPU ซึ่งเดลล์กำลังทำงานอย่างจริงจังร่วมกับพันธมิตรทั่วทั้งอุตสาหกรรมเพื่อทำให้สถาปัตยกรรมใหม่ดังกล่าวเป็นจริงภายในปี 2024

ความเป็นไปได้ของ GenAI ในระยะยาว

เมื่อมองไปในอีกไม่กี่ปีข้างหน้า เราจะเห็นอนาคตพีซีเป็นเสมือนพันธมิตรดิจิทัลที่แท้จริง โดย พีซี จะพัฒนาบทบาทไปไกลกว่าการขับเคลื่อนผลลัพธ์ในการทำงานของมนุษย์ แต่จะก้าวสู่การขับเคลื่อนความสามารถของมนุษย์ ประเด็นนี้ จะทำให้ผู้ใช้งานต้องหันมาทบทวนการใช้งานแล็ปท็อปและเดสก์ท็อปที่คุ้นเคยกันใหม่ในปัจจุบัน

ตัวอย่างเช่น แทนที่ส่วนใหญ่จะใช้การพิมพ์บนคีย์บอร์ด เพื่อโต้ตอบการทำงานผ่าน command-and-control ก็จะเพิ่มเติมแนวทางการทำงานที่ไม่ต้องใช้ข้อความ เพื่อเตรียมความพร้อมให้เทคโนโลยีสามารถทำงานโต้ตอบสองทางระหว่างมนุษย์และพีซี ลองนึกภาพอนาคตที่เราสามารถประสานการทำงานหรือร่วมสร้างสรรค์ผลงานด้วยเสียง สั่งงานผ่านรูปภาพ และท่าทาง ให้จินตนาการว่าพีซีจะตีความโดยอาศัยการจับอารมณ์ของคุณ สีหน้าการแสดงออก น้ำเสียงหรือกระทั่งการเปลี่ยนวิธีการพิมพ์เพื่อให้ได้ประสบการณ์ที่สมบูรณ์มากขึ้น ในการสร้างผลลัพธ์ที่ดีที่สุดได้ตามที่คุณต้องการ ประสบการณ์การใช้งานพีซี จะเปลี่ยนจากการเสิร์ชเป็นการพร้อมท์คำสั่ง เปลี่ยนจากการอ่านไปสู่ความเข้าใจ จากการแก้ไขเป็นการชี้แนวทาง

เป็นความน่าตื่นเต้นเมื่อคิดถึงสิ่งที่จะเกิดขึ้น ไม่ใช่แค่เรื่องของอุปกรณ์ แต่เป็นระบบนิเวศพีซีทั้งหมด เพราะเดลล์นำประสบการณ์ของมนุษย์มาใช้ในการขับเคลื่อนความก้าวหน้าของมนุษย์ และสายผลิตภัณฑ์ที่ครอบคลุมของเรา ทั้งโซลูชันและบริการจะมีบทบาทสำคัญยิ่งในการเป็นขุมพลังขับเคลื่อนอนาคต

เราอยู่ในจุดของการเปลี่ยนผัน

เราอยู่ในอุตสาหกรรมเทคโนโลยีมา 30 ปี มีทั้งเรื่องน่าตื่นเต้นและสิ่งที่รุดหน้าไปอย่างรวดเร็วตลอดเวลา แต่โอกาสที่รออยู่ข้างหน้าก็ไม่เหมือนที่เคยเห็นตอนเปิดตัวพีซีเมื่อ 40 ปีที่ผ่านมา คงจะเป็นการโกหกหากบอกว่าเรามีคำตอบสำหรับทุกเรื่อง เพราะมันไม่มี แค่ประโยชน์ที่ตามมาก็มากมายมหาศาล แต่เราสามารถบอกได้ว่ามนุษย์จะยังคงเป็นศูนย์กลางของความก้าวหน้า ระหว่างที่มีการพัฒนาซอฟต์แวร์ใหม่ สถาปัตยกรรมใหม่ที่กำลังจะเกิดขึ้น ความสามารถด้านการบริการใหม่ๆ และการคิดค้นอย่างต่อเนื่องโดยมีจุดศูนย์กลางอยู่ที่การเชื่อมต่อและประสบการณ์ของผู้คน เราอยู่ในจุดของการเปลี่ยนผัน ซึ่งประสบการณ์ของผู้ใช้จะเปลี่ยนแปลงไปสู่สิ่งที่ดีขึ้นและเร็วขึ้นกว่าที่เคยมีมา เราได้รับโอกาส ในการปฏิวัติประสบการณ์การใช้งานพีซี และเรามุ่งเน้นทุกอย่างเพื่อเรื่องนี้

ปัญญาประดิษฐ์ (AI) เป็นผู้เปลี่ยนเกมในช่วงไม่กี่ปีที่ผ่านมา และมีศักยภาพที่จะเปลี่ยนแปลงอุตสาหกรรมต่างๆ มากมาย แต่สำหรับปี 2566 นี้ generative AI ได้กลายเป็นเทคโนโลยีที่ก้าวล้ำ ซึ่งจะทำให้โลกตะลึง ผลการสำรวจ "วิสัยทัศน์ด้านเทคโนโลยีปี 2023" ของ Accenture เมื่อเร็วๆ นี้ เปิดเผยว่า 100% ของผู้ตอบ แบบสอบถามชาวไทย (ซึ่งเป็นเปอร์เซ็นต์ที่สูงที่สุดในโลก) เห็นพ้องกันว่า generative AI จะเปลี่ยนโฉมระบบ อัจฉริยะขององค์กร สิ่งนี้สะท้อนให้เห็นว่า ผู้บริหารชาวไทยพร้อมที่จะเปิดรับ generative AI มาใช้งานเพื่อ กำหนดขอบเขตการปฏิบัติงานในยุคถัดไป อันนำมาซึ่งโอกาสอันยิ่งใหญ่ในการพัฒนาสร้างสรรค์องค์กรรูปแบบ ใหม่ และพลิกโฉมโมเดลธุรกิจแบบเดิมๆ ด้วยการใช้โมเดลพื้นฐาน AI ผู้บริหารในประเทศไทยรายงานว่า ประโยชน์หลักสำหรับองค์กรมีอยู่ 2 ประการสำคัญ ได้แก่ ประสบการณ์ของลูกค้าที่ดีขึ้น (78%) และการเร่ง สร้างนวัตกรรม (68%) ความเสี่ยงในการดำเนินการอันดับต้นๆ ที่ผู้บริหารชาวไทยคาดการณ์ไว้คือ การประยุกต์ ใช้เทคโนโลยีที่เข้ากันไม่ได้กับของเดิม การปฏิเสธการเข้าร่วมของผู้มีส่วนได้ส่วนเสีย และต้นทุนที่สูงขึ้นหรือ เพิ่มขึ้น อย่างไรก็ตาม แม้ว่าเครื่องมือเหล่านี้จะสร้างประโยชน์มากมายสำหรับการพัฒนาซอฟต์แวร์ก็ตาม แต่ก็ ยังต้องพิจารณาข้อด้อยหลายประการที่พบได้ทั่วไปด้วย

ข้อด้อย 3 ประการสำหรับการพัฒนาแอปพลิเคชั่น AI

ความท้าทายที่องค์กรต้องเตรียมพร้อมรับมือเมื่อใช้เครื่องมือ AI ได้แก่:

● การขาดแคลนผู้มีความสามารถด้านเทคโนโลยี เป็นอุปสรรคต่อการตรวจสอบความถูกต้อง ของผลลัพธ์: แม้ว่าเครื่องมือ AI จะเพิ่มประสิทธิภาพของนักพัฒนา โดยการสร้างโค้ดขึ้นมาได้เอง แต่เครื่องมือเหล่านี้เพียงอย่างเดียว ไม่สามารถแก้ไขความขาดแคลนของผู้เชี่ยวชาญด้านเทคโนโลยี ได้ เนื่องจากนักพัฒนาที่มีทักษะยังคงมีความสำคัญในการทำงาน เพื่อรับประกันว่าโค้ดที่ใช้งานจะ ปราศจากข้อผิดพลาดและมีความปลอดภัย และรับประกันความสมบูรณ์และฟังก์ชั่นการทำงาน ตามจุดประสงค์ที่ออกแบบไว้

● การละเลยขั้นตอนอื่นๆ ของวงจรการพัฒนา: การสร้างแอปพลิเคชั่นครอบคลุมมากกว่าแค่การสร้าง โค้ดและการแก้ไขโค้ด มันไปไกลกว่าความสามารถของเครื่องมือสร้าง AI ใดๆ เนื่องจากเกี่ยวข้องกับ การสร้างสภาพแวดล้อมการพัฒนา การคอมไพล์โค้ดและการสร้างแอปพลิเคชั่น การดูแลการบูรณาการ โค้ด การทดสอบ การจัดการการเปลี่ยนแปลงผ่านแนวทางปฏิบัติ DevOps และการจัดการโฮสต์ของ แอปพลิเคชั่นและการจัดการเวลาการใช้งานจริง

● ภาระต้นทุนค่าใช้จ่ายทางด้านเทคโนโลยีที่เพิ่มขึ้น: โมเดลกำเนิดที่ใช้ AI มีศักยภาพมหาศาล ในการเร่งความเร็วในการสร้างโค้ดใหม่อย่างมีนัยสำคัญ อย่างไรก็ตาม สิ่งสำคัญคือต้องใช้ความ ระมัดระวัง เนื่องจาก AI สามารถเริ่มต้นสร้างนวัตกรรมได้อย่างก้าวกระโดด แต่ก็อาจจะก่อให้เกิดค่าใช้ จ่ายในการบำรุงรักษา และการทำให้มั่นใจว่าแอปพลิเคชั่นมีความยั่งยืน โดยเฉพาะอย่างยิ่งหากมี ปัญหาเกี่ยวกับคุณภาพของโค้ด การกำกับดูแล และความปลอดภัย สิ่งนี้อาจเสี่ยงต่อการสะสมภาระ ค่าใช้จ่ายที่เกิดจากงานทางด้านเทคโนโลยี และเพิ่มภาระให้กับผู้เชี่ยวชาญด้านไอทีที่มีงานล้นมือ อยู่แล้ว

เพื่อจัดการกับความท้าทายเหล่านี้อย่างมีประสิทธิผล องค์กรต่างๆ จึงต้องนำแนวทางแบบบูรณาการมาใช้ โดยใช้ประโยชน์จากเทคโนโลยีแบบฝัง AI ไว้ในโซลูชั่นอยู่แล้ว ขณะเดียวกันก็ให้การกำกับดูแล การตรวจสอบ ความปลอดภัย และการสนับสนุนนักพัฒนาตลอดวงจรการพัฒนาซอฟต์แวร์

การผสมผสาน AI เข้ากับทุกขั้นตอนของวงจรการพัฒนาแอป

ด้วยการใช้การตั้งค่าที่ถูกต้อง ทีมนักพัฒนาสามารถเอาชนะความท้าทายข้างต้นได้อย่างมีประสิทธิภาพ และใช้ ประโยชน์จาก AI เพื่อเร่งการพัฒนาแอปได้อย่างเต็มที่

เพื่อให้เกิดนวัตกรรมที่ดียิ่งขึ้น การผสมผสาน generative AI เข้ากับเทคโนโลยี low-code ช่วยยกระดับการ กำกับดูแล ฝังการตรวจสอบความปลอดภัย และสนับสนุนนักพัฒนา ตลอดวงจรการพัฒนาซอฟต์แวร์ทั้งหมด ถือเป็นสิ่งสำคัญ การบูรณาการนี้ช่วยเพิ่มศักยภาพให้กับบุคคลากรและองค์กรมากยิ่งขึ้น โดยจัดเตรียมเครื่องมือ ในการพัฒนาและแก้ไขแอปพลิเคชั่นด้วยความคล่องตัว ความสามารถในการปรับลดขนาดของระบบและระบบ ความปลอดภัยที่ได้รับการปรับปรุงให้ดีขึ้น ช่วยให้พวกเขาสามารถสร้างโมเดลแอปพลิเคชั่นใหม่ๆ ด้วย สถาปัตยกรรมและประสบการณ์ผู้ใช้ที่เหมาะสม ตลอดจนวิเคราะห์มูลค่าทางธุรกิจและผลกระทบต่อองค์กรได้ อย่างมีประสิทธิภาพ

การใช้ประโยชน์จากตัวเชื่อมต่อ ChatGPT เป็นตัวอย่างที่ดี ผู้ช่วยเสมือนเป็นเครื่องมือทรงพลังที่สามารถโต้ ตอบกับผู้ใช้ผ่านการประมวลผลและการสร้างภาษาธรรมชาติ ผู้ช่วยเสมือนเหล่านี้สามารถให้คำตอบเฉพาะ บุคคล ตอบคำถามและปฏิบัติงาน ปรับปรุงประสบการณ์ผู้ใช้และเร่งประสิทธิภาพการทำงานให้เร็วขั้นได้

ด้วยการใช้ประโยชน์จาก generative AI ภายในแอปพลิเคชั่น นักพัฒนาสามารถขยายไปสู่กรณีการใช้งาน ใหม่ๆ และปลดล็อกความเป็นไปได้ใหม่ๆ ด้วยประสบการณ์การสนทนาเชิงโต้ตอบ สิ่งเหล่านี้จะเปิดช่องทาง สำหรับการสนับสนุนลูกค้าที่ได้รับการปรับปรุงดีขึ้น ไม่ว่าจะเป็นผู้ช่วยเสมือน แอปพลิเคชั่นการเดินทางและ การจอง การแปลภาษา และแอปพลิเคชันอื่นๆ อีกมากมาย

ท้ายที่สุดแล้ว ในขอบเขตของการพัฒนาซอฟต์แวร์ การใช้ประโยชน์จากแพลตฟอร์มการพัฒนาแบบ low-code ยังให้ประโยชน์เพิ่มเติมมากมาย โดยเฉพาะอย่างยิ่งหลังจากผสมผสาน generative AI เข้าด้วยกัน

● ส่งเสริมนักพัฒนารุ่นใหม่: การใช้ low-code ทำให้ความสามารถของ AI ทำงานกับระบบส่วนรวม ได้ดีขึ้น โดยขยายขอบเขตการเข้าถึงไปยังนักพัฒนาในวงกว้าง รวมถึงนักพัฒนาและผู้เชี่ยวชาญด้าน ไอทีรุ่นรุ่นใหม่ๆ ซึ่งทำได้โดยการนำการพัฒนาที่มีคำแนะนำไปใช้ และทำให้กระบวนการระบุ จุดประสงค์การใช้งานภายในแอปพลิเคชันง่ายขึ้น โดยใช้ภาษาภาพที่ตรวจสอบและทวนสอบได้ง่าย

● ความเป็นส่วนตัว ความปลอดภัยและการควบคุมผู้ใช้งานที่แข็งแกร่ง: การรักษาความลับของ ข้อมูล ได้รับการยึดถือปฏิบัติในแพลตฟอร์มแบบ low-code ทำให้มั่นใจได้ว่าข้อมูลที่แชร์ออกไปนั้น ยังคงความเป็นส่วนตัว และไม่สามารถเข้าถึงได้โดยผู้ใช้ที่ไม่ได้รับอนุญาต นอกจากนี้นักพัฒนายังได้ รับความสามารถในการกำหนดสิทธิ์ของผู้ใช้งาน ทำให้พวกเขาสามารถจัดการบทบาทและความ รับผิดชอบภายในแพลตฟอร์มได้อย่างรอบคอบ

● โซลูชั่นแบบครบวงจร: เมื่อโซลูชั่นแบบ low-code ถูกรวมเข้ากับ AI โซลูชั่นเหล่านี้จะสามารถ รองรับทุกขั้นตอนของวงจรการใช้งานซอฟต์แวร์ ซึ่งรวมถึงภาระงานต่างๆ เช่น การออกแบบงาน ส่วนหน้า การบูรณาการข้อมูล การใช้ตรรกะ การเผยแพร่ การใช้งานโฮสต์ และอื่นๆ

การผสานรวมระหว่าง low-code และ AI มีศักยภาพในการปฏิวัติการพัฒนาซอฟต์แวร์ ด้วยการทำให้ AI เป็น ส่วนสำคัญของกระบวนการพัฒนา นักพัฒนาสามารถปลดล็อกความเป็นไปได้ใหม่ๆ และส่งมอบแอปพลิเคชัน คุณภาพสูงด้วยความคล่องตัว ความสามารถในการปรับลดขนาดระบบ และประสบการณ์ผู้ใช้ที่ได้รับการปรับปรุง

อย่างไรก็ตาม สิ่งสำคัญคือ ต้องตระหนักถึงข้อผิดพลาดที่อาจเกิดขึ้นของ AI และ low-code และดำเนินการ เพื่อบรรเทาผลกระทบเหล่านั้น ด้วยการวางแผนและดำเนินโครงการอย่างรอบคอบ นักพัฒนาสามารถมั่นใจ ได้ว่าพวกเขากำลังใช้เทคโนโลยีเหล่านี้ได้อย่างเต็มศักยภาพ

บทความโดย: มาร์ค วีสเซอร์ รองประธานกรรมการ เอเชียแปซิฟิก

Mark Weaser, Vice-President for Asia-Pacific OutSystems

คงไม่มีช่วงเวลาปะเหมาะเคราะห์ร้ายไปยิ่งกว่านี้อีกแล้วหล่ะ

ธันวาคม 2021 รัฐบาลเยอรมนี ณ ขณะนั้น ได้ประกาศว่าจะปิดโรงงานไฟฟ้าพลังนิวเคลียร์ 3 โรง จากทั้งหมด 6 โรงทั่วประเทศ โดยการนี้จะมีค่าใช้จ่ายทั้งสิ้นเกือบหมึ่นล้านยูโร และคาดว่าจะเรียบร้อยในราวสิ้นปี 2022

แปลว่าคนเยอรมันตกลงปลงใจบอกศาลาจากโรงไฟฟ้านิวเคลียร์แน่นอนแล้ว ถึงกล้าทำขนาดนี้ เพราะก่อนหน้า ได้วางท่อก๊าซเชื่อมกับแหล่งก๊าซราคาถูกของรัสเซียเรียบร้อยแล้ว

เคราะห์ร้ายที่รัสเซียบุกยูเครน และตามมาด้วยมาตรการแซงชั่นจากชาติตะวันตก ส่งผลให้รัสเซียตอบโต้ด้วยการลดปริมาณก๊าซผ่านท่อก๊าซ Nord Stream มันจึงกระทบกับเยอรมนีอย่างจัง เพราะดันไปพึ่งเขาหมดแล้ว

เมื่อปีที่แล้ว ค่าไฟในเยอรมนีเพิ่มขึ้นกว่า 3 เท่าตัว แม้ประชาชนจะช่วยกันประหยัดพลังงาน ทว่าทั้งประเทศก็ยังประสบภาวะคลาดแคลนพลังงานอย่างช่วยไม่ได้

รัฐบาลต้องหันไปปัดฝุ่นโรงไฟฟ้าถ่านหินให้กลับมาใช้งาน จำใจต้องปล่อยคาร์บอนไดอ็อกไซด์เพิ่มในอากาศอย่างหลีกเลี่ยงไม่ได้

เรื่องแบบนี้จะไม่เกิดขึ้นหากคนเยอรมันไม่ยกเลิกโรงผลิตไฟฟ้านิวเคลียร์

บทเรียนครั้งนี้ ถือว่าสำคัญมากสำหรับรัฐบาลทั่วโลก และอันที่จริงพลังงานนิวเคลียร์ก็สะอาดกว่าพลังงานฟอสซิลที่ใช้กันอยู่ในโรงไฟฟ้าส่วนมากของโลกเวลานี้ (ทั้งก๊าซ น้ำมัน ถ่านหิน) เพียงแต่ในหลายปีที่ผ่านมา ภาพลักษณ์ของโรงไฟฟ้านิวเคลียร์ ถูกทำให้แย่อย่างยิ่งในสายตาชาวโลก

ยิ่งรัฐบาลญี่ปุ่นเพิ่งสั่งให้ปล่อยน้ำที่เคยฉีดเตาปฏิกรณ์สมัยโรงไฟฟ้าฟูกูชิมาระเบิด ลงทะเลด้วยแล้ว ยิ่งสร้างภาพลบต่อโรงไฟฟ้านิวเคลียร์ให้ดูแย่ลงไปอีก เพราะถูกบอยคอตจากเพื่อนบ้านและผู้ซื้ออาหารทะเลจากญี่ปุ่นทั่วโลก

แต่โดยความเป็นจริงของโลก ไลฟสไตล์สมัยใหม่ยิ่งจะเพิ่มความต้องการใช้ไฟฟ้าอีกหลายเท่าตัวและอย่างก้าวกระโดด

การหันมาใช้รถยนต์ EV ของผู้ขับขี่ทั่วโลก การเปลี่ยนผ่านกระบวนการทำงานให้เป็นระบบดิจิตัล (Digital Transformation) ของภาคธุรกิจและองค์กรภาครัฐทั่วโลก ตลอดจนการเติบโตของ AI และพลังการประมวลผลของคอมพิวเตอร์ที่จะต้องรองรับซอฟท์แวร์เหล่านี้ ตลอดจน Data Center ที่จะต้องสร้างขึ้นอีกจำนวนมากเพิ่อเก็บและประมวลผลข้อมูลที่จะเพิ่มขึ้นอีกมหาศาล ความนิยมใช้ Blockchain และ Cryptocurrency อีกทั้งหุ่นยนต์ที่สามารถทำงานแทนคนในโรงงานและออฟฟิส ซึ่งจะก่อให้เกิดการทำงานแบบ Non-stop เพราะพวกมันไม่รู้จักเหน็ดเหนื่อย เครื่องจักรก็สามารถผลิตได้แบบ 24/7/365 ฯลฯ

สหประชาชาติประเมินว่า ความต้องการพลังงานของโลก (Global energy demand) จะเพิ่มขึ้นอีก 185% ในปี 2050

คิดดูว่าปัญหาโลกร้อนจะทวีความรุนแรงขนาดไหนถ้าเรายังไม่หันไปหาแหล่งพลังงานสะอาด

ยกตัวอย่างแบตเตอรี่ของรถ TESLA Model 3 สามารถจุพลังงานได้ราว 50-82 กิโลวัตต์-ชั่วโมง (kWh) ขึ้นอยู่กับสเป็กของแต่ละรุ่น แต่เมื่อชาร์ตไฟ เราต้องใช้ไฟฟ้าแยะกว่านั้น คืออย่างต่ำต้องใช้ไฟบ้านถึง 70 kWh และสำหรับโมเดลท็อปที่สามารถวิ่งได้ไกลสุด ต้องใช้ถึง 94 kWh เลยทีเดียว

ข้อมูลของ กฟภ. ที่หาได้ล่าสุดบอกว่าครัวเรือนในเขต กฟภ. (ไม่รวมกรุงเทพฯ และปริมณฑล ที่อยู่ในเขต กฟน.) ใช้ไฟเฉลี่ยเพียง 3-4 kWh ต่อวันเท่านั้น

นั่นหมายความว่า เราต้องใช้ไฟกว่า 25 เท่าในการชาร์ตแบ็ต TESLA Model 3 ให้เต็ม เพียง 1 ครั้ง

และถ้าเราค้นหาคำตอบจาก AI ผ่าน ChatGPT แทน Google ก็แสดงว่าเรากำลังใช้ไฟฟ้ามากกว่าเดิมราว 3-30 เท่า ขึ้นอยู่กับคำถามที่เราตั้งถามมันนั้น ต้องอาศัยการค้นและประมวลข้อมูลจำนวนมากมายเพียงใด

ลองคิดดูว่า ถ้าองค์กรในโลกนำ AI มาใช้ ซึ่งคงจะเกิดขึ้นในเวลาไม่ช้า ความต้องการพลังงานจะเพิ่มขึ้นสักเพียงไหน

AI ต้องอาศัยคอมพิวเตอร์พลังสูงในการช่วยประมวลผล และต้องอาศัย Data Center ที่เป็นแหล่งเก็บข้อมูล ซึ่งเหล่านี้ต้องใช้ไฟฟ้าเพิ่มอย่างมาก

ยังไม่นับกระบวนการ Digital Transformation ซึ่งกำลังดำเนินอยู่ในโลกในอัตราเร่ง คือการที่องค์กรธุรกิจและราชการทั่วโลกย้ายข้อมูลและซอฟแวร์ต่างๆ ที่ต้องใช้ในการทำงาน ขึ้นไปอยู่บน Cloud ก็ย่อมต้องการ Data Center ที่มากขึ้น และความสามารถในการประมวลผลที่สูงขึ้นของ Cloud-based Computer ทั้งหลาย

185% ที่สหประชาชาติประเมินไว้ อาจน้อยไปมาก เผลอๆ ดีมานด์ใหม่จะเพิ่มมากกว่านั้น 4-5 เท่า ถ้าการใช้ EV, AI และ Data Center ประดังมาพร้อมๆ กัน

สิ่งเหล่านี้ย่อมทำให้ระบบพลังงานในปัจจุบันเกิดติดขัด ทั้งผลิตไม่พอใช้ และระบบเครือข่าย Grid Line ซึ่งจะรองรับไม่ไหว

ทางออกคือต้องสร้างโรงไฟฟ้าเพิ่มและปรับปรุงระบบเครือข่ายใหม่

คำถามคือจะสร้างโรงไฟฟ้าเพิ่มยังไงไม่ให้ไปซ้ำเติมปัญหาโลกร้อน

นิวเคลียร์คือทางออก

เราจำเป็นต้องเผชิญกับความจริงที่ว่า พลังงานแสงอาทิตย์ (Solar Power) ในปัจจุบันยังไปไม่ถึงไหน เพราะข้อจำกัดของแบตเตอรี่ เพื่อจะส่งไฟให้เมืองขนาดกลางใช้ได้เพียงพอ เราอาจต้องสร้างแบตเตอรี่ขนาดใหญ่ถึง 1 ตารางกิโลเมตร (1x1 กม.)

ส่วนพลังงานจากลม (Wind Power) ก็มีข้อจำกัดในแง่ของแหล่งลม ราคาที่ดิน และราคาระบบกังหันที่ยังแพงมากอยู่

นิวเคลียร์น่าจะเป็นคำตอบที่ดีที่สุด เพราะโรงไฟฟ้านิวเคลียร์ไม่ปล่อยคาร์บอนและก๊าซเรือนกระจกเลยแม้แต่น้อย และยังมีประสิทธิภาพสูงกว่าพลังงานลมถึง 360 เท่า และพลังงานแสงอาทิตย์ถึง 75 เท่า เมื่อเทียบกันที่การผลิตไฟฟ้า 1 กิกะวัตต์

ปัจจุบันทั้งโลกมี Nuclear Reactor ที่ใช้งานอยู่ทั้งสิ้น 445 ตัว โดยคาดว่าจะเพิ่มขึ้นอีก 489 ตัว ถ้านับจากแผนแม่บทพลังงานของทุกประเทศรวมกัน

นับเป็นขาขึ้นของโรงไฟฟ้านิวเคลียร์อีกครั้ง แม้ภาพลักษณ์ของนิวเคลียร์จะยังแย่ในสายตาคนทั่วไป แต่มันก็คืบคลานแบบเงียบๆ ด้วยความจำเป็นอย่างหลีกเลี่ยงได้ยาก

เมืองไทยเราได้ตกลงใจว่าจะสร้างโรงงานไฟฟ้านิวเคลียร์มานานแล้ว แต่ในทางปฏิบัติ สิ่งนี้ยังไม่เกิดขึ้นจริง

โดย ทักษ์ศิล ฉัตรแก้ว / Editor in Chief _MBA magazine

29/09/2566