เบื้องหลังโจ๊กหนึ่งถ้วยที่วางอยู่ตรงหน้า อาจมีเทคโนโลยีปัญญาประดิษฐ์ (AI) ที่ซับซ้อนทำงานร่วมกับเกษตรกรในแปลงนาที่ห่างไกล นี่คือหนึ่งในภาพสะท้อนว่า AI ไม่ได้เป็นเพียงเรื่องไกลตัวอีกต่อไป แต่ได้กลายมาเป็นเครื่องมือสำคัญในการขับเคลื่อนความยั่งยืน ตั้งแต่ระดับจุลภาคไปจนถึงมหภาค
ในเวทีเสวนาหัวข้อ “AI Solution AI รักโลก” ซึ่งเป็นส่วนหนึ่งของงาน “Sustainability Cuty Age of AI” เนื่องในโอกาสครบรอบ 5 ปีสำนักข่าว TODAY ได้มีการแลกเปลี่ยนมุมมองที่น่าสนใจถึงบทบาทของ AI ที่จะเข้ามาเปลี่ยนแปลงวิถี “กิน-อยู่-หลับ-นอน” ของมนุษย์ไปตลอดกาล โดยมีผู้เชี่ยวชาญจาก 3 แวดวงมาร่วมมองอนาคต
รศ.ดร.เสรี ศุภราทิตย์ ประธานกรรมการบริหาร Futuretales LAB, MQDC และผู้เชี่ยวชาญ คณะกรรมการระหว่างรัฐบาลว่าด้วยการเปลี่ยนแปลงสภาพภูมิอากาศ (IPCC) ดร.รัสรินทร์ ชินโชติธีรนันท์ ประธานกรรมการบริหาร บริษัท ListenField และ ณัฏฐิณี เนตรอำไพ ที่ปรึกษาอาวุโสด้านสื่อสารองค์กร องค์กรสัมพันธ์และความยั่งยืน กลุ่มบริษัทยูนิลีเวอร์ ประเทศไทย
AI ในมือมนุษย์: เครื่องมือพยากรณ์โลกเดือดและความท้าทายด้านข้อมูล
รศ.ดร.เสรี กล่าวว่า สภาพภูมิอากาศโลกที่นับวันจะยิ่งทวีความรุนแรงขึ้น ไม่ว่าจะเป็นคลื่นความร้อน (Heatwave) ฝนถล่ม (Rain Bomb) หรือระดับน้ำทะเลที่สูงขึ้น โดยชี้ให้เห็นว่า AI ได้เข้ามาเป็นเครื่องมือสำคัญในการคาดการณ์อนาคตด้วยความเร็วและความแม่นยำที่แบบจำลองเดิมไม่สามารถทำได้
“ในอดีต การรันแบบจำลองสภาพอากาศอาจใช้เวลา 3 วันถึงจะได้ผลลัพธ์ แต่เมื่อ AI เข้ามา มันใช้เวลาแค่ 5 นาที” รศ.ดร.เสรีกล่าว พร้อมยกตัวอย่างการใช้ AI คาดการณ์น้ำท่วมล่วงหน้า 3-5 วันได้อย่างแม่นยำ
อย่างไรก็ตาม จุดอ่อนสำคัญของการใช้ AI ในบริบทของประเทศไทย คือการขาดแคลนข้อมูลดิจิทัลในอดีต (Digital Data) AI จะฉลาดได้ต้องเรียนรู้จากข้อมูลมหาศาล แต่ข้อมูลสภาพอากาศของไทยในอดีตส่วนใหญ่ยังคงอยู่ในรูปแบบ Hardcopy ทำให้ AI ไม่สามารถเรียนรู้ได้อย่างเต็มประสิทธิภาพ แม้จะใช้ข้อมูลจากดาวเทียมมาช่วย แต่ก็ยังขาดสถานีวัดภาคพื้นดินที่มีความหนาแน่นเพียงพอสำหรับใช้ในการตรวจสอบความถูกต้อง (Verify) โดยเฉพาะในพื้นที่ห่างไกล
รศ.ดร.เสรีเน้นย้ำว่า AI เปรียบเสมือนกล่องดำ (Black Box) ที่ให้คำตอบโดยไม่มีเหตุผลทางกายภาพรองรับ ดังนั้น หลักการที่สำคัญที่สุดคือการใช้ AI ควบคู่ไปกับแบบจำลองเชิงกายภาพ (Physical-based Model) เพื่อตรวจสอบว่าผลลัพธ์ที่ได้นั้นสมเหตุสมผลและสอดคล้องกับหลักการทางวิทยาศาสตร์หรือไม่
จากแปลงนาสู่ถ้วยโจ๊ก: AI ขับเคลื่อนเกษตรกรรมยั่งยืน
ดร.รัสรินทร์กล่าวถึงกรณีศึกษาที่น่าสนใจของโครงการพัฒนากลุ่มเกษตรกรผู้ปลูกข้าวหอมมะลิเพื่อผลิต “โจ๊กคนอร์” ซึ่งเป็นความร่วมมือระหว่างเกษตรกร Unilever มหาวิทยาลัยเกษตรศาสตร์ และนักลงทุน โดยมีเป้าหมายเพื่อสร้างห่วงโซ่อุปทานที่ยั่งยืนด้วย “เกษตรกรรมฟื้นฟู” (Regenerative Agriculture) ว่า AI ได้เข้ามามีบทบาทในทุกขั้นตอน
ตั้งแต่การวิเคราะห์ดิน แทนที่จะส่งดินไปตรวจในห้องแล็บซึ่งใช้เวลานาน ทีมงานได้นำอุปกรณ์วัดค่าสเปกตรัมไปใช้ที่แปลงนาโดยตรง จากนั้น AI จะทำหน้าที่แปลผลค่าสเปกตรัมออกมาเป็นปริมาณธาตุอาหารในดิน ทำให้สามารถแนะนำการใช้ปุ๋ยได้อย่างแม่นยำและเหมาะสมกับแต่ละแปลง ลดการใช้ปุ๋ยที่ไม่จำเป็น
ขั้นตอนการตรวจสอบกระบวนการ หนึ่งในหลักการของเกษตรกรรมฟื้นฟูคือการปลูกพืชคลุมดินหลังเก็บเกี่ยว เพื่อรักษาคุณภาพดิน แต่การจะตรวจสอบว่าเกษตรกรทำตามหรือไม่นั้นเป็นเรื่องยาก AI เข้ามาแก้ปัญหานี้โดยใช้ภาพถ่ายดาวเทียมและ Machine Learning Model วิเคราะห์ว่าแปลงนาใดมีการปลูกพืชคลุมดินจริง ซึ่งช่วยเพิ่มประสิทธิภาพในการตรวจสอบย้อนกลับและสามารถให้คะแนนเพื่อมอบราคาสินค้าที่สูงขึ้น (Premium Price) เป็นแรงจูงใจให้เกษตรกร
ผลลัพธ์ที่ได้คือ เกษตรกรสามารถลดการใช้เมล็ดพันธุ์ได้กว่า 50% ลดการใช้ปุ๋ย และมีผลผลิตเพิ่มขึ้นกว่า 70% ซึ่งพิสูจน์ให้เห็นว่า AI สามารถเป็นเครื่องมือที่จับต้องได้ในการยกระดับคุณภาพชีวิตเกษตรกรและสร้างความยั่งยืนให้กับภาคการเกษตร
เมื่อองค์กรยักษ์ใหญ่ขับเคลื่อนด้วย AI: ความท้าทายสู่ Net Zero
ณัฏฐิณี กล่าวว่า การนำ AI มาปรับใช้ในองค์กรขนาดใหญ่อย่างยูนิลีเวอร์ซึ่งมีโรงงาน 280 แห่ง และซัพพลายเออร์กว่า 9 แสนรายทั่วโลก มีเป้าหมายที่ท้าทายคือการมุ่งสู่ Net Zero ภายในปี 2039 AI ได้ถูกผสานเข้าไปในทุกองคาพยพของธุรกิจตั้งแต่ต้นน้ำถึงปลายน้ำ
ในส่วนของ R&D นั้น AI ช่วยให้นักวิทยาศาสตร์กว่า 5,000 คน สามารถคิดค้นสูตรผลิตภัณฑ์ใหม่ ๆ ผ่านการจำลองบนคอมพิวเตอร์ (Digital Twin) ลดระยะเวลาจากหลายเดือนให้เหลือเพียงหลักวัน
ในส่วนการผลิต ที่ยูนิลีเวอร์มีโรงงานอัจฉริยะ (Intelligence Tower) ใช้ AI ควบคุมกระบวนการผลิตให้มีเสถียรภาพ ลดการใช้พลังงานและของเสีย และในห่วงโซ่อุปทาน มีการใช้ AI ช่วยวิเคราะห์และเลือกจัดหาวัตถุดิบจากแหล่งที่ใกล้ที่สุด เพื่อลด Carbon Footprint จากการขนส่ง
อย่างไรก็ตาม ความท้าทายใหญ่ยังคงมีอยู่ ประการแรกคือ Carbon Footprint ของ AI เอง เนื่องจาก Data Center ต้องใช้พลังงานและน้ำมหาศาลในการทำงานและระบายความร้อน ความฝันคือการทำให้ Data Center ทั้งหมดใช้พลังงานหมุนเวียน 100%
ประการที่สองคือ อุปสรรคเชิงนโยบายและกฎระเบียบ ที่ยังมีความซับซ้อนและไม่เอื้อให้ภาคเอกชนเปลี่ยนผ่านสู่พลังงานสะอาดได้อย่างรวดเร็ว และประการสุดท้ายที่ยากที่สุดคือการจัดการ Scope 3 ซึ่งหมายถึงการปล่อยก๊าซเรือนกระจกตลอดทั้งห่วงโซ่อุปทาน ซึ่งยูนิลีเวอร์ไม่สามารถทำได้เพียงลำพัง แต่ต้องอาศัยความร่วมมือจากซัพพลายเออร์ SME นับแสนราย
ทิศทางมนุษย์ในสมการ AI: จากผู้ปฏิบัติสู่ผู้กำหนดยุทธศาสตร์
ในช่วงท้ายของเวทีเสวนา ทั้งสามท่านได้ทิ้งท้ายถึงบทบาทและทิศทางของมนุษย์ในโลกที่ AI กำลังก้าวหน้าไป ดร.รัสรินทร์ มองว่า AI จะยิ่งสร้างช่องว่างห้ถ่างกว้างขึ้น คนที่ใช้เป็นจะได้รับโอกาสมหาศาล ส่วนคนที่ไม่สามารถปรับตัวได้จะถูกทิ้งไว้ข้างหลัง ซึ่งเป็นโจทย์ใหญ่ของระบบการศึกษาที่ต้องเร่งสร้างกระบวนการคิดเชิงวิพากษ์ให้กับคนรุ่นใหม่
ขณะที่ ณัฏฐิณี เชื่อว่าบทบาทของมนุษย์จะเปลี่ยนจากการเป็นผู้ปฏิบัติงาน (Operator) มาเป็นผู้วางกลยุทธ์ที่จะกำหนดทิศทางว่าเราจะใช้ AI อย่างไรให้มีความรับผิดชอบ (Responsible AI) และเป็นมิตรต่อสิ่งแวดล้อมมากขึ้น (Green AI)
AI ไม่ใช่ยาวิเศษที่จะแก้ทุกปัญหา แต่เป็นเครื่องมืออันทรงพลังที่ต้องอาศัยข้อมูลที่มีคุณภาพ บริบทที่ถูกต้อง และที่สำคัญที่สุดคือวิจารณญาณของมนุษย์ในการกำกับดูแล อนาคตที่ยั่งยืนจึงไม่ได้ขึ้นอยู่กับความฉลาดของ AI เพียงอย่างเดียว แต่อยู่ที่ปัญญาของมนุษย์ที่จะเลือกใช้เทคโนโลยีนี้เพื่อสร้างประโยชน์สูงสุดให้กับโลกและสังคมโดยรวม
ข่าวอื่น ๆ ที่น่าสนใจ
กลยุทธ์การตลาด 2025: พิชิต Attention Warfare ในยุคที่คอนเทนต์ล้นโลก
เสียงเตือนภัยบนจานอาหาร: พลิกวิกฤติร้านอาหาร สู่ภารกิจสร้างภาพลักษณ์ประเทศไทย
