รับมือ Climate Risk ด้วย AI เพื่อไม่ให้ธุรกิจสะเทือน | สรุปจากวงเสวนา Green AI Solutions

สรุปเนื้อหาจากงานสัมมนา ‘Sustain City Age of AI พลิกโฉมเมืองใหม่ สร้างทุกสิ่งให้ยั่งยืน’ ที่จัดขึ้นเพื่อฉลองครบรอบ 5 ปีสำนักข่าว TODAY ในหัวข้อ ‘Green AI Solutions : AI รักษ์โลก Solution รักษ์คน' ที่มี 3 ผู้ร่วมเสวนาที่มีความเชี่ยวชาญด้านสภาพอากาศ การเกษตร และภาคธุรกิจ มาพูดคุยว่า นวัตกรรม AI ใช้แก้ปัญหาสิ่งแวดล้อม รับมือความเสี่ยงจากสภาพภูมิอากาศแปรปรวน (Climate Risk) และช่วยลดความเสี่ยงให้ภาคธุรกิจได้อย่างไร 

นำโดย รศ.ดร.เสรี ศุภราทิตย์ ประธานกรรมการบริหาร FutureTales Lab และผู้เชี่ยวชาญคณะทำงาน IPCC (Intergovernmental Panel on Climate Change) ดร.รัสรินทร์ ชินโชติธีรนันท์ ประธานกรรมการบริหาร ListenField สตาร์ทอัพด้านการเกษตรแม่นยำ คุณณัฏฐิณี เนตรอำไพ ที่ปรึกษาอาวุโสสื่อสารองค์กร องค์กรสัมพันธ์ และความยั่งยืน กลุ่มบริษัทยูนิลีเวอร์ ประเทศไทย และ คุณจอมพล พระสุโขทัย บรรณาธิการเนื้อหา สำนักข่าว TODAY รับหน้าที่เป็นพิธีกร

ใช้ AI ดูแลสภาพแวดล้อม พร้อมฟื้นฟูและยืดหยุ่น

รศ.ดร.เสรี ศุภราทิตย์ เปิดประเด็นชวนคิดจากการจัดอันดับกรุงเทพฯ ติด Top 10 เมืองน่าเที่ยว แต่ไม่ติด Top 100 เมืองน่าอยู่ ต่อด้วยการเผยแนวโน้มว่า ปี 2030 จะเกิดน้ำท่วมครั้งใหญ่ กรุงเทพฯ เป็นพื้นที่ที่เลี่ยงยาก แต่ถ้ามีการบริหารจัดการที่มีมาตรฐานก็อาจช่วยได้ รวมถึงระดับน้ำทะเลที่สูงขึ้น โดยคาดว่ากรุงเทพฯ บางส่วนจะจมน้ำภายในปี 2050 หากไม่มีการปรับตัวนอกจากนี้ ยังคาดการณ์ด้วยว่า กรุงเทพฯ อาจมีอุณหภูมิเฉลี่ยเพิ่ม 3°C ในปี 2060 

จากนั้นยกตัวอย่างภัยพิบัติ อาทิ คลื่นความร้อน (Heat Wave) ที่สูงขึ้นในญี่ปุ่น, ฝนตกหนักจาก Rain Bomb ที่จังหวัดน่าน, ความถี่ที่เกิดพายุอาจไม่เปลี่ยนแปลง แต่จะทวีความรุนแรงมากขึ้น, ภัยแล้งที่ 2-3 ปีจะวนกลับมาอีกครั้ง จะรุนแรงกว่าเดิม, คลื่นความร้อนจากทะเล (Marine Heat Wave) อาจส่งผลให้ชาวประมงต้องออกไปจับปลาในทะเลลึก ฯลฯ ผลกระทบจากการเปลี่ยนแปลงสภาพภูมิอากาศ

ที่สำคัญ อุณหภูมิโลกมีแนวโน้มเพิ่มสูงขึ้นอย่างถาวร โดยคาดว่าถึง 1.5°C ในปี 2033 และ 2°C ในปี 2058 - 2060

และยิ่งสภาพภูมิอากาศแปรปรวนก็ยิ่งส่งผลให้เกิดปัญหาหลายด้านตามมา ซึ่งถ้ามองในมุม Climate Risk รศ.ดร.เสรีบอกว่า หากไม่มีแนวทางจัดการหรือแผนรับมือล่วงหน้า จะส่งผลกระทบต่อ Financial Risk หรือการเงินของภาคธุรกิจ เพราะอาจต้องใช้แก้ปัญหา ใช้ขับเคลื่อนธุรกิจ หรือใช้ฟื้นฟูกิจการ ทุกภาคส่วนจึงต้องเตรียมความพร้อมและหาทางรับมือล่วงหน้า เพื่อลดผลกระทบ เตรียมการให้สามารถฟื้นฟูตัวเองได้ (Resillience) และมีความยืดหยุ่น พร้อมที่จะปรับตัว

รศ.ดร.เสรีกล่าวยังกล่าวถึงการนำ AI มาใช้ในด้านสภาพอากาศ ซึ่งเป็นทั้งโอกาสและความท้าทาย ดังนี้

• โอกาส - AI ช่วยคาดการณ์ปัญหาจากสภาพภูมิอากาศแปรปรวน โดยเฉพาะน้ำท่วมได้แม่นยำและรวดเร็วขึ้นมาก
• โอกาส - แม้ขาดข้อมูลภายในประเทศหลายมิติ แต่ประเทศไทยมีการนำ AI มาประยุกต์ใช้ร่วมกับข้อมูลระดับโลก เช่น ดาวเทียมในยุโรป ช่วยให้คาดการณ์สภาพอากาศและวางแผนการดำเนินงานได้ดีขึ้น อาทิ ประยุกต์ใช้ข้อมูลเพื่อวิเคราะห์ผลกระทบของสภาพอากาศต่อเมืองต่างๆ อย่าง 'ศรีราชา' ที่มีคลื่นความร้อนสูง เพื่อการวางแผนพัฒนาเมืองให้เป็นเมืองที่เป็นมิตรต่อสิ่งแวดล้อม
• ความท้าทาย - การใช้ข้อมูลคาดการณ์สภาพอากาศในประเทศไทยยังมีข้อจำกัดและเป็นความท้าทาย เนื่องจากไม่มีข้อมูลย้อนหลังที่เพียงพอและเป็นดิจิทัล โดยเฉพาะข้อมูลจากพื้นที่ห่างไกล
• ความท้าทาย - ด้านกฎระเบียบใหม่สำหรับภาคธุรกิจ ที่บริษัทต่างๆ โดยเฉพาะในตลาดหลักทรัพย์ฯ จะต้องเริ่มรายงานความเสี่ยงจากสภาพภูมิอากาศแยกจากความเสี่ยงทางการเมืองทั่วไป (IFRS S1 และ S2) ตั้งแต่ปี 2027 (SET50), ปี 2028 (SET100) และปี 2030 (mai)
• ความท้าทาย - รัฐบาลไทยตั้งเป้าสู่ Net Zero ในปี 2065 ซึ่งช้ากว่าภาคเอกชนหลายรายที่ตั้งเป้าในปี 2050 ทำให้ภาคเอกชนต้องแบกรับความท้าทายในการพึ่งพิงพลังงานจากภาครัฐที่ยังคงใช้เชื้อเพลิงฟอสซิลเป็นหลัก

ใช้ AI ทำให้เกิดห่วงโซ่อุปทานที่ยั่งยืน (Sustainable Supply)

ดร.รัสรินทร์ ชินโชติธีรนันท์ ประธานกรรมการบริหาร บริษัท ListenField เกริ่นถึงวิสัยทัศน์ว่า เป็นบริษัทที่ใช้เทคโนโลยีต่างๆ 'ฟัง' สภาพแวดล้อม เพื่อรวบรวมข้อมูล และสร้างโมเดล AI เพื่อใช้วิเคราะห์และแก้ปัญหาด้านการเกษตร 

ดร.รัสรินทร์ยก โจ๊กคนอร์ มาเป็นกรณีศึกษา จากการร่วมงานกับเกษตรกรรายย่อยในภาคอีสาน มหาวิทยาลัยธรรมศาสตร์ ยูนิลีเวอร์ และ LiveliHood กองทุนจากยุโรป เพื่อทำให้ 'ข้าวหอมมะลิจากภาคอีสาน' ที่ใช้ทำโจ๊กคนอร์ มีห่วงโซ่อุปทานที่ยั่งยืน (Sustainable Supply) ตั้งแต่การผลิตจนถึงการรับซื้อซึ่งมียูนิลีเวอร์รออยู่ปลายห่วงโซ่

"ในทุกขั้นตอนที่จะได้ Data มี AI สอดแทรกอยู่ในบริบทต่างๆ ซึ่งข้อมูลหลักก็จะมาจากเกษตรกรในภาคอีสาน อย่างชัยภูมิ ขอนแก่น โดยเราเข้าไปส่งเสริมการทำเกษตรแบบฟื้นฟู (Regenerative Agriculture) ตั้งแต่การฟื้นฟูดิน การใช้เมล็ดพันธุ์ ปุ๋ย และน้ำอย่างมีประสิทธิภาพ จนสามารถเพิ่มผลผลิตได้ ลดการปล่อยก๊าซเรือนกระจก ตลอดจนฟื้นฟูดินกลับมามีสภาพที่ดี โดยเริ่มจากตรวจสอบธาตุอาหารในดิน" 

สำหรับเทคโนโลยีที่ ListenField ใช้ เช่น เซ็นเซอร์ กล้อง และอุปกรณ์วัดค่าสเปกตรัมในดิน เพื่อวิเคราะห์ว่ามีธาตุอาหารอะไรอยู๋ในพื้นที่นั้นๆ และแนะนำการใช้ปุ๋ยในแต่ละแปลงอย่างเหมาะสม ภาพถ่ายดาวเทียมและ Machine Learning เพื่อประเมินการปลูกพืชคลุมดินหลังเก็บเกี่ยว ช่วยตรวจสอบพืชผลและให้คะแนนเกษตรกรได้อย่างมีประสิทธิภาพ ซึ่งผลลัพธ์ที่ได้คือ ลดการใช้เมล็ดพันธุ์ได้มากกว่า 50% ลดการใช้ปุ๋ยและเพิ่มผลผลิตได้มากกว่า 70%

ในด้านความท้าทายและโอกาส ดร.รัสรินทร์บอกว่า ความท้าทายหลักของ ListenField คือ คุณภาพข้อมูลและการขาดบริบทท้องถิ่น (Local Context) ในภาคการเกษตร ที่ยังเป็นระบบอนาล็อก (ยังไม่เป็นดิจิทัล) ส่วนโอกาส มองถึงการสร้างแพ็กเกจทางการเกษตรที่เชื่อมโยงกับเป้าหมาย Net Zero และ ESG ใน Scope 3 ของฝั่งผู้ผลิต เพื่อให้เกษตรกรเข้าไปมีส่วนร่วมและสามารถขายผลผลิตได้ในราคาพรีเมียม

ประยุกต์ใช้ AI ระดับองค์กร โดย ยูนิลีเวอร์ ประเทศไทย

คุณณัฏฐิณี เนตรอำไพ ที่ปรึกษาอาวุโสสื่อสารองค์กร องค์กรสัมพันธ์ และความยั่งยืน กลุ่มบริษัทยูนิลีเวอร์ ประเทศไทย ให้ข้อมูลว่า ยูนิลีเวอร์ เป็นองค์กรขนาดใหญ่ที่ปัจจุบันดำเนินงานในกว่า 190 ประเทศ มีแบรนด์อยู่เกือบ 300 แบรนด์ โรงงาน 280 แห่ง คลังสินค้า 440 แห่ง มีซัพพลายเออร์กว่า 57,000 ราย และใช้ AI/แอปพลิเคชันดิจิทัลกว่า 1,500 รายการ

ความเปลี่ยนแปลงเกิดขึ้นตั้งแต่โควิดระบาด พนักงานเข้าโรงงานไม่ได้ ยูนิลีเวอร์จึงสร้าง Intelligence Tower เพื่อใช้ AI ในภาคการผลิตตลอด Supply Chain ทั้งด้านการผลิต การตลาด การจัดซื้อ การวิจัยและพัฒนา (R&D) การจัดจำหน่าย รวมถึงการบริหารลูกค้าและบุคลากร ดังนี้

• ด้านการผลิต - พัฒนาโรงงานอัจฉริยะ (Intelligent Factory) และระบบ Automation โดยใช้ AI เพิ่มประสิทธิภาพ ลดของเสีย ลดการใช้พลังงาน และทำสิ่งที่มุ่งสู่ Net Zero เช่น ใช้พลังงานแสงอาทิตย์ในโรงงาน 100% 

• ด้านการตลาด - ใช้ Generative AI Marketing สร้างแบบจำลองผลิตภัณฑ์เสมือนจริง (Digital Twin) โดยไม่ต้องผลิตสินค้าจริง เพื่อลดของเสียจากกระบวนการ R&D และการตลาด

• ด้านจัดซื้อ - ใช้ AI ช่วยจัดซื้อวัตถุดิบจากแหล่งต่างๆ ในประเทศเพื่อลด Carbon Footprint และระยะเวลาขนส่ง

• ด้านจัดจำหน่าย - วางแผนการผลิตและสต็อกสินค้าเพื่อลดสินค้าที่หมดอายุ และเพิ่มประสิทธิภาพในการกระจายสินค้า

• ด้าน R&D - นักวิทยาศาสตร์สามารถใช้ AI คิดค้นสูตรผลิตภัณฑ์ใหม่ๆ ได้เร็วขึ้น จึงลดเวลาการพัฒนาผลิตภัณฑ์จากหลายเดือนเหลือเพียงไม่กี่วัน

ซึ่งเมื่อใช้ AI และเครื่องจักรทำงานตลอด Supply Chain ยูนิลีเวอร์พบว่า AI ช่วยลดขั้นตอนการทำงาน ลดค่าใช้จ่ายลง ทั้งยังเพิ่มความปลอดภัยให้มนุษย์ได้ 

คุณณัฏฐิณีกล่าวปิดท้ายด้วยเรื่องความมุ่งมั่นของยูนิลีเวอร์ ที่จะทำให้การใช้ชีวิตอย่างยั่งยืนเป็นเรื่องปกติในทุกๆ วัน ตามเป้าหมายไปสู่ Net Zero ภายในปี 2039 แม้ว่าจะต้องเผชิญความท้าทายในการบรรลุเป้าหมายความยั่งยืน ทั้งเรื่องใช้เวลานาน มีค่าใช้จ่ายสูง การดำเนินงานมีความซับซ้อน และต้องเผชิญปัญหาช่องว่างด้านทักษะ AI ก็ตาม

อุปสรรคและบทบาทของ AI ในอนาคต

ด้านอุปสรรคหรือปัญหาที่มีผลต่อการใช้ AI ผู้ร่วมเสวนานำเสนอหลายข้อที่สอดคล้องกัน โดยแยกได้ 5 ประเด็น ดังนี้

1. ภาครัฐ - มีกระบวนการที่ซับซ้อนและล่าช้าในการสนับสนุนการเปลี่ยนผ่านด้านพลังงาน เช่น การขอใบอนุญาต ทำให้ภาคเอกชนลงทุนได้ยากขึ้น
2. การดำเนินงานตามหลัก ESG ในสโคป 3 - เนื่องจากการควบคุมและเก็บข้อมูลการปล่อยก๊าซเรือนกระจกในสโคป 3 อยู่นอกเหนือขอบเขตของบริษัท (เช่น จากซัพพลายเออร์ที่เป็น SMEs, การใช้งานของผู้บริโภค) จึงเป็นความท้าทายที่ใหญ่หลวงมาก
3. Data Centers - มีข้อกังวลเรื่องการใช้พลังงานและน้ำอย่างมหาศาลของ Data Center เพื่อรองรับการใช้งาน AI จึงต้องการการบริหารจัดการการใช้ให้เกิดประสิทธิภาพสูงสุด
4. คุณภาพของข้อมูล - ข้อมูลยังไม่มีคุณภาพพอที่จะใช้งาน โดยเฉพาะในภาคการเกษตร และข้อมูลย้อนหลังในประเทศไทยก็ยังมีอีกมากที่ไม่เป็นดิจิทัล
5. ความเข้าใจบริบทท้องถิ่น - ในภาคการเกษตร โมเดล AI ยังขาดความเข้าใจในบริบทท้องถิ่นที่แตกต่างกัน อันเป็นผลมาจากการขาดข้อมูล

ระดับการใช้ AI ในไทย

• ดร.เสรีมองระดับการใช้ AI ในด้านคาดการณ์ภัยพิบัติระดับประเทศ โดยอ้างอิงจากดัชนี AI Readiness Index ที่ให้ไทยอยู่ในอันดับ 37 จาก 193 ประเทศ 
• ถ้าให้มองระดับการใช้ AI จาก 1-10 คุณณัฏฐิณีให้คะแนนยูนิลีเวอร์ในฐานะภาคธุรกิจขนาดใหญ่ ว่าอยู่ในระดับ 7 เพราะมีการใช้งานมานานตั้งแต่ช่วงโควิด-19
• ดร.รัสรินทร์จากภาคการเกษตร บอกว่าเกษตรกรรายย่อยในไทยแทบเข้าไม่เข้าถึง AI จึงให้ 0 คะแนน ขณะที่นักศึกษาและบริษัทเทคมีการใช้งานบ้าง แต่ในภาพรวมยังคงล้าหลัง

ตำแหน่งของมนุษย์ในยุค AI

• ดร.เสรีบอกว่า AI เป็นประโยชน์เมื่อใช้ร่วมกับความรู้ทางฟิสิกส์ (Physical-based model) เพื่อให้มนุษย์สามารถตรวจสอบและมีเหตุผล AI เป็นเครื่องมือที่ช่วยเพิ่มประสิทธิภาพ
• ดร.รัสรินทร์กล่าวว่า AI จะสร้างช่องว่างทางโอกาสมากขึ้น ระหว่างผู้ที่ใช้ AI ได้อย่างมีประสิทธิภาพกับผู้ที่ไม่สามารถใช้ได้ ความกังวลคือ เด็กและเยาวชนที่ใช้ AI โดยไม่มีประสบการณ์ อาจขาดกระบวนการคิดและตรวจสอบอย่างมีตรรกะ
• คุณณัฏฐิณีบอกว่า แม้ AI เป็นเครื่องมือสนับสนุนมนุษย์ ทั้งช่วยลดขั้นตอนการทำงาน ลดค่าใช้จ่าย และเพิ่มความแม่นยำได้ แต่มนุษย์ก็ยังคงมีความสำคัญในการคิดเชิงกลยุทธ์ มนุษย์จึงต้องใช้ AI อย่างมีความรับผิดชอบและไม่ทิ้งใครไว้ข้างหลัง

มุมมองเรื่องการใช้ AI เพื่อไปสู่ Net Zero

• ดร.เสรีตั้งข้อสังเกตว่า เทคโนโลยี AI ต้องใช้ควบคู่กับ Physical-based Model เพื่อให้ได้ผลลัพธ์ที่สมเหตุสมผลและตรวจสอบได้
• ดร.รัสรินทร์มองว่า AI สามารถขับเคลื่อนความยั่งยืนได้จริง และนำไปปฏิบัติงานได้จริงในทุกภาคส่วน
• คุณณัฏฐิณีบอกว่า อยากให้ Data Center ที่ใช้ AI ขับเคลื่อนด้วยพลังงานหมุนเวียนและลดการใช้น้ำลงจากปัจจุบัน