หมวดหมู่: บทความ

บทความโดย เอวิวา ลิทาน รองประธานฝ่ายวิจัย การ์ทเนอร์ 

ความก้าวหน้าอย่างรวดเร็วแบบหายใจรดต้นคอของนวัตกรรมปัญญาประดิษฐ์เอไอแบบรู้สร้าง หรือ Generative AI ทำให้เกิดความวิตกด้านความปลอดภัยและความเสี่ยงเพิ่มมากขึ้นตามมา มีนักกฎหมายบางรายเสนอกฎระเบียบและข้อบังคับใหม่เพื่อกำกับดูแลเครื่องมือปัญญาประดิษฐ์ต่าง ๆ และยังมีผู้นำธุรกิจและเทคโนโลยีบางคนออกมาแนะนำให้ระงับการฝึกระบบเอไอเป็นการชั่วคราวเพื่อเป็นการประเมินด้านความปลอดภัยของตน

Generative AI อยู่รอบตัวเรา 

ความเป็นจริงที่ว่าการพัฒนา Generative AI ไม่หยุดอยู่เท่านี้ องค์กรจำเป็นต้องดำเนินการตั้งแต่ตอนนี้เพื่อกำหนดกลยุทธ์ภาพรวมสำหรับจัดการด้านความน่าเชื่อถือ ความเสี่ยง และการรักษาความปลอดภัยของเทคโนโลยีปัญญาประดิษฐ์ (หรือ AI TRiSM) ซึ่งมีความจำเป็นเร่งด่วนเพื่อเรียนรู้และเข้าใจเครื่องมือ AI TRiSM สำหรับใช้จัดการข้อมูลและกระบวนการระหว่างผู้ใช้และบริษัทที่เป็นเจ้าของโมเดลพื้นฐานของ Generative AI

เวลานี้ยังไม่มีเครื่องมือสำเร็จรูปใดในตลาดที่รับรองความเป็นส่วนตัวแก่ผู้ใช้อย่างเป็นระบบหรือสามารถกรองเนื้อหาได้อย่างมีประสิทธิภาพเมื่อนำโมเดลเหล่านี้มาใช้งาน ตัวอย่างเช่น การกรองข้อมูลที่ไม่ถูกต้องออกจากข้อเท็จจริง รูปภาพที่ไม่มีอยู่จริง เนื้อหาที่มีลิขสิทธิ์หรือข้อมูลที่เป็นความลับ

นักพัฒนา AI ต้องทำงานร่วมกับผู้กำหนดนโยบายเป็นกรณีเร่งด่วน รวมถึงหน่วยงานกำกับดูแลที่เกิดขึ้นมาใหม่ เพื่อกำหนดนโยบายและวางแนวทางปฏิบัติสำหรับการกำกับดูแลและการจัดการความเสี่ยงของเอไอ

ความเสี่ยงสำคัญที่กระทบองค์กร

Generative AI ก่อให้เกิดความเสี่ยงใหม่ ๆ หลายประการ ประการแรกคือ “ล่อลวงด้วยภาพลวงตา (Hallucinations)” และการปลอมแปลง อาทิ ข้อมูลที่ผิดแปลกไปจากข้อเท็จจริง ซึ่งเป็นปัญหายอดนิยมที่สุดซึ่งเกิดขึ้นแล้วกับโซลูชัน Chatbot ของ Generative AI กรณีข้อมูลการฝึกอบรม กรณีการตอบสนองที่มีอคติ ไม่อยู่ในหลักสมมุติฐานหรือมีความไม่ถูกต้อง กรณีเหล่านี้ตรวจจับได้ยากโดยเฉพาะอย่างยิ่งเมื่อโซลูชันนั้นมีความน่าเชื่อถือและมีผู้ใช้จำนวนมากขึ้นเรื่อย ๆ

ความเสี่ยงต่อมา คือ Deepfakes เมื่อ Generative AI ถูกนำไปใช้สร้างเนื้อหาที่มีเจตนามุ่งร้าย ซึ่งล้วนเป็นความเสี่ยงสำคัญ เช่น รูปภาพปลอม วิดีโอปลอม รวมถึงการบันทึกเสียงปลอม ที่มักถูกใช้เพื่อโจมตีเหล่าคนดังและนักการเมือง เพื่อนำไปสร้างและเผยแพร่ข้อมูลที่ก่อให้เกิดความเข้าใจผิด หรือแม้กระทั่งใช้สร้างบัญชีปลอมหรือเข้าไปยึดและเจาะบัญชีที่ถูกต้องตามกฎหมายที่มีอยู่เดิมตัวอย่างเมื่อเร็ว ๆ นี้ คือ กรณีภาพพระสันตปาปาฟรานซิสที่สวมแจ็กเก็ตแฟชั่นสีขาวที่สร้างขึ้นโดย AI และกลายเป็นไวรัลบนโซเชียลมีเดีย แม้จะดูเหมือนไม่มีพิษภัย แต่ก็ทำให้เรามองเห็นอนาคตของ Deepfakes ในการปลอมแปลงคนมีชื่อเสียง ลอกเลียนแบบ ล่อลวง และความเสี่ยงทางการเมืองต่อทั้งตัวบุคคล องค์กร และภาครัฐบาล

ความเป็นส่วนตัวของข้อมูล (Data privacy) ก็น่ากังวลใจไม่ใช่น้อย โดยเฉพาะเมื่อองค์กรให้สิทธิ์พนักงานสามารถเปิดเผยข้อมูลที่ละเอียดอ่อนและเป็นกรรมสิทธิ์ขององค์กรได้อย่างง่ายดายเมื่อใช้โซลูชัน Generative AI Chatbot โดยแอปพลิเคชันเหล่านี้อาจจัดเก็บข้อมูลที่ผู้ใช้ป้อนเข้ามา หรือแม้แต่ข้อมูลที่ใช้ป้อนเพื่อฝึกอบรมโมเดลเอไออื่น ๆ โดยข้อมูลดังกล่าวอาจตกไปอยู่ในมือของผู้ไม่หวังดีกรณีที่เกิดการละเมิดความปลอดภัย

ต่อมาคือ ปัญหาด้านลิขสิทธิ์ (Copyright Issues) แชทบอท Generative AI ได้รับการฝึกอบรมด้านข้อมูลอินเทอร์เน็ตจำนวนมาก ซึ่งอาจรวมถึงเนื้อหาที่มีลิขสิทธิ์ โดยอาจมีผลลัพธ์บางอย่างละเมิดการคุ้มครองลิขสิทธิ์หรือทรัพย์สินทางปัญญา (IP) หากไม่มีการอ้างอิงแหล่งที่มาหรือมีความโปร่งใสเกี่ยวกับวิธีสร้างผลลัพธ์ ดังนั้นวิธีเดียวที่จะลดความเสี่ยงนี้คือให้ผู้ใช้ตรวจสอบข้อเท็จจริงเพื่อให้แน่ใจว่าไม่ได้ละเมิดลิขสิทธิ์หรือสิทธิ์ในทรัพย์สินทางปัญญา

สุดท้าย คือ ข้อกังวลด้านความปลอดภัยทางไซเบอร์ (Cybersecurity Concerns) นอกเหนือจากการล่อลวงทางวิศวกรรมทางสังคมขั้นสูงและภัยคุกคามแบบฟิชชิงแล้ว ผู้โจมตีสามารถใช้เครื่องมือเหล่านี้สร้างโค้ดอันตราย (Malicious Code) ได้ง่ายขึ้น

ผู้ขายที่นำเสนอโมเดลพื้นฐาน Generative AI ต้องให้ความมั่นใจกับลูกค้าว่าได้มีการฝึกฝนและทดสอบโมเดลดังกล่าวนี้เพื่อปฏิเสธคำขอด้านความปลอดภัยทางไซเบอร์ที่เป็นอันตราย อย่างไรก็ตามผู้ขายจะไม่ได้ให้เครื่องมือตรวจสอบการควบคุมความปลอดภัยที่มีประสิทธิภาพทั้งหมดแก่องค์กร โดยพวกเขายังให้ความสำคัญกับแนวทางป้องกันแบบ “ทีมผู้บุกรุกสีแดง หรือ Red Teaming ที่เป็นแนวทางการทดสอบระบบโดยแสร้งเป็นผู้บุกรุกทางดิจิทัลหรือทางกายภาพ“ เป็นอย่างมาก ซึ่งการใช้แนวทางนี้คือต้องการให้องค์กรมั่นใจเต็มที่กับความสามารถต่าง ๆ ที่ผู้ขายนำเสนอสำหรับจัดการตามเป้าหมายด้านความปลอดภัย

รับมือและจัดการความเสี่ยงจาก AI 

มีแนวทางทั่วไปที่เราสามารถดึงศักยภาพของ ChatGPT และแอปพลิเคชันที่คล้ายกันมาใช้อยู่สองแบบ ได้แก่ Out-Of-The-Box Model ที่ใช้ประโยชน์จากบริการที่มีอยู่เดิม โดยไม่ปรับแต่งค่าใด ๆ เพิ่มเติม และแนวทางที่สองคือ Prompt Engineering ที่ใช้เครื่องมือสร้าง ปรับแต่ง และประเมินข้อมูลอินพุตและเอาต์พุต

สำหรับการใช้ Out-Of-The-Box Model องค์กรต้องตรวจสอบข้อมูลเอาต์พุตของโมเดลทั้งหมดด้วยตนเอง เพื่อตรวจหาผลลัพธ์ที่ไม่ถูกต้อง ข้อมูลที่ผิดหรือคลาดเคลื่อนไม่เป็นกลาง โดยกำหนดกรอบการกำกับดูแลและการปฏิบัติตามหลักธรรมาภิบาลเพื่อเปิดใช้โซลูชันจำพวกนี้ในองค์กร พร้อมวางนโยบายที่ชัดเจน ห้ามพนักงานถามคำถามที่เปิดเผยข้อมูลองค์กรหรือข้อมูลส่วนบุคคลที่ละเอียดอ่อน

องค์กรควรตรวจสอบการใช้งาน ChatGPT และโซลูชันที่คล้ายคลึงกันที่ไม่ได้รับอนุญาตด้วยการควบคุมความปลอดภัยและแดชบอร์ดที่มีอยู่สำหรับตรวจจับการละเมิดนโยบายการใช้งาน เช่น ไฟร์วอลล์ที่สามารถบล็อกการเข้าถึงของผู้ใช้ในองค์กร ข้อมูลความปลอดภัยและระบบการจัดการเหตุการณ์ที่สามารถตรวจสอบบันทึกการละเมิด และเว็บเกตเวย์ที่มีความปลอดภัยที่สามารถปิดกั้นการเรียกใช้ API ที่ไม่ได้รับอนุญาตได้

สำหรับการใช้ Prompt Engineering มีมาตรการลดความเสี่ยงทั้งหมดพร้อมใช้อยู่แล้ว ซึ่งองค์กรควรดำเนินการตามขั้นตอนเพื่อปกป้องข้อมูลภายในและข้อมูลสำคัญอื่น ๆ ที่ใช้สื่อสารกับเอไอในโครงสร้างพื้นฐานของบุคคลที่สาม โดยการสร้างและจัดเก็บข้อความการสื่อสารทางวิศวกรรมกับเอไอให้เป็นสินทรัพย์ถาวร

และสินทรัพย์เหล่านี้ยังสามารถแสดงการสื่อสารกับเอไออย่างมีนัยสำคัญและผ่านการตรวจสอบแล้วว่าสามารถนำมาใช้ได้อย่างปลอดภัย นอกจากนี้ยังใช้เป็นคลังข้อมูลการสื่อสารกับเอไอที่ได้รับการปรับแต่งและพัฒนาขั้นสูงที่สามารถนำมาใช้ซ้ำ แชร์ หรือจำหน่ายต่อได้

เกี่ยวกับการ์ทเนอร์ 

บริษัท การ์ทเนอร์ (Gartner, Inc.) (NYSE: IT) คือบริษัทวิจัยและให้คำปรึกษาชั้นนำของโลก มอบข้อมูลเชิงลึก คำแนะนำ และเครื่องมือต่าง ๆ แก่ผู้บริหารองค์กรธุรกิจ เพื่อรองรับการดำเนินภารกิจสำคัญที่มีอยู่ในปัจจุบันและสร้างองค์กรให้ประสบความสำเร็จในอนาคต ดูข้อมูลเพิ่มเติมเกี่ยวกับแนวทางของการ์ทเนอร์ในการช่วยให้ผู้บริหารตัดสินใจอย่างถูกต้องเพื่อขับเคลื่อนอนาคตของธุรกิจได้ที่ gartner.com

เมื่อเกิดการระบาดใหญ่ของโควิด-19 อย่างกะทันหัน ส่งผลให้ปริมาณโควตาสินค้าเกิดความไม่เสถียรและการหยุดชะงักที่คาดไม่ถึง ซึ่งเกิดขึ้นอย่างไม่ต้องสงสัยในโลกของการผลิต กล่าวได้ว่า Long Covid ไม่ได้เป็นเพียงปัญหาสุขภาพเรื้อรังเท่านั้น แต่ยังส่งผลต่อระบบเศรษฐกิจและสังคมในระยะยาวนับจากนี้ ในอุตสาหกรรมการผลิตและซัพพลายเชนเอง ที่ได้รับผลกระทบรุนแรงเป็นกลุ่มแรกๆ จึงจำเป็นต้องปรับตัวและยอมรับการเปลี่ยนแปลงอย่างเร่งด่วน ขณะที่ต้องรับมือความท้าทายที่สูงขึ้นไปพร้อมกัน เมื่อมองถึงปัจจัยดังกล่าว การปรับแนวทางการดำเนินธุรกิจภายใต้แนวคิด “ความยั่งยืน วิวัฒนาการ ความยืดหยุ่น การเปลี่ยนแปลง” จะกลายเป็น 4 เสาหลักที่อุตสาหกรรมการผลิตและซัพพลายเชนทั่วโลกต้องตระหนักถึงเสมอนับจากนี้ เพราะจะช่วยให้ธุรกิจการผลิตมีความคล่องตัว อย่างไรก็ดี สิ่งนี้ได้ดำเนินไปอย่างต่อเนื่อง แต่ยังถือว่าเชื่องช้า

เทคโนโลยีดิจิทัลถูกรวมเข้ากับธุรกิจเกือบทุกด้านในช่วงไม่กี่ปีที่ผ่านมา เช่นเดียวกับภาคการผลิตก็ไม่มีข้อยกเว้น เราจะเห็นได้จากแวดวงอุตสาหกรรมการผลิตและโรงงานที่ได้ปรับตัวสู่รูปแบบสมาร์ทมากยิ่งขึ้น ซึ่งประเด็นดังกล่าวได้รับแรงหนุนจากการเปลี่ยนแปลงแนวทางที่ธุรกิจใช้ เพื่อมอบประสบการณ์และคุณค่าให้กับลูกค้า แต่จะมีอะไรบ้างที่ผู้ผลิตจำเป็นต้องทราบ เพื่อที่จะนำหน้าคู่แข่ง?

ดิสรัปชั่นยังไม่หยุดและจะส่งผลต่ออุตสาหกรรม Manufacturing ไปอีกเกือบ 10 ปี

Deloitte ระบุ ปัจจัยที่เกิดจากการดิสรัปชั่นที่คาดว่าจะส่งผลกระทบต่อผู้ผลิตในอีกไม่กี่ปีข้างหน้า และจะพลิกศักยภาพอุตสาหกรรมการผลิตภายในปี 2573 โดยปัจจัยทั้ง 5 ประการมีดังนี้

• รูปแบบเศรษฐกิจ
• พลวัตทางการค้า
• การแปลงเป็นดิจิทัล
• ตำแหน่งงานในอนาคตที่เน้นผู้มีทักษะเฉพาะ / Talent
• การผลักดันอุตสาหกรรมสู่ยุคของ Electrification / พลังงานไฟฟ้า

อย่างไรก็ดีในปี 2565 เราจะได้เห็นภาคอุตสาหกรรมการผลิตปรับใช้เทคโนโลยีสำคัญ ๆ มากมาย ซึ่งหากนำไปใช้อย่างถูกต้อง จะสามารถผลักดันนวัตกรรมและช่วยเพิ่มขีดความสามารถในการแข่งขันได้ และนี่คือบทสรุปสั้น ๆ เกี่ยวกับ 5 แนวโน้มเทคโนโลยีในภาคการผลิตที่สำคัญ ที่น่าจับตามองในปี 2565 พร้อมแนวทางการเลือกใช้เทคโนโลยีอย่างเหมาะสมเพื่อสร้างมูลค่าเพิ่มให้แก่ธุรกิจ

แนวโน้มที่#1 เทคโนโลยีปัญญาประดิษฐ์ (AI) และการวิเคราะห์ขั้นสูง (Advanced Analytics)

การใช้เทคโนโลยี AI ของอุตสาหกรรมการผลิตจะเพิ่มขึ้น โดยเฉพาะในงานควบคุมคุณภาพ เนื่องจาก AI สามารถตรวจสอบชิ้นส่วนต่าง ๆ ในกระบวนการพัฒนาผลิตภัณฑ์ รวมถึงกระบวนการการผลิตและการประกอบชิ้นส่วนได้อย่างละเอียดและตรงตามคุณภาพที่ถูกกำหนดไว้ จากชิ้นส่วนที่ผลิตทั้งหมด จะมีชิ้นตัวอย่างที่จะถูกสุ่มเลือกมาใช้เพื่อหาข้อบกพร่องและการเปลี่ยนแปลงของสภาพที่อาจเกิดขึ้นได้ ในขั้นตอนนี้เราอาจพบข้อบกพร่องที่ไม่มีใครสังเกตเห็นได้ เนื่องจากไม่ได้มีการตรวจสอบชิ้นส่วนที่ผลิตทั้งหมด ดังนั้นการใช้เทคโนโลยี AI จะช่วยให้การตรวจสอบชิ้นส่วนที่ผลิตทั้งหมด (หรือส่วนใหญ่) ในอัตราการตรวจสอบที่สูงมาก ซึ่งจะช่วยเพิ่มประสิทธิภาพการผลิตได้อย่างมาก และลดโอกาสการเกิดข้อบกพร่อง โดยการตรวจสอบคุณภาพของชิ้นส่วนและการตรวจสอบสภาพของเครื่องจักร กระบวนการ และระบบสามารถทำได้โดยอัตโนมัติ นั่นทำให้ระบบควบคุมคุณภาพการผลิตแบบอัจฉริยะเป็นส่วนสำคัญของการผลิตแห่งอนาคต ซึ่งเป็นแนวโน้มที่เกิดจริงในวันนี้และวันหน้า

เนื่องจากความต้องการในด้านการปรับแต่งสินค้าและผลิตภัณฑ์ให้มีความเฉพาะตัวทั้งในด้าน Customization และ Personalization ที่มากขึ้น AI จะกลายเป็นเทคโนโลยีสำคัญสำหรับผู้ผลิตในการใช้ระบบ Pull System ได้อย่างมีประสิทธิภาพ โดยใช้ข้อมูลของผู้บริโภคเพื่อสร้างสรรค์ผลิตภัณฑ์ที่ตรงตามความต้องการมากขึ้น และเทคโนโลยี AI จะถูกนำไปใช้ในการออกแบบและพัฒนาผลิตภัณฑ์ที่มีความเฉพาะให้กับผู้บริโภคมากขึ้นเรื่อย ๆ เพื่อตอบสนองผู้บริโภคที่เลือกที่จะแบ่งปันการตั้งค่าที่มีความเฉพาะของพวกเขา

เทคโนโลยี Internet of Things (IoT) และ Industrial Internet of Things (IIoT) ในอุตสาหกรรมการผลิตกำลังช่วยสร้างมูลค่าเพิ่มให้กับโรงงานผู้ผลิต โดยเฉพาะในด้านการตรวจสอบการปฏิบัติงานของกระบวนการผลิตแบบเรียลไทม์ การคาดการณ์ในด้านการบำรุงรักษา การจัดการวัสดุ การจัดการระบบห่วงโซ่อุปทาน สินค้าคงคลัง และการประกอบชิ้นส่วน เป็นต้น จำนวนข้อมูลที่สร้างขึ้นจากระบบ IoT และ IIoT นั้นมีขนาดใหญ่ขึ้นเรื่อย ๆ เนื่องจากมีการนำระบบนี้ไปใช้เพิ่มมากขึ้นเรื่อยๆ และมีการฝังเซ็นเซอร์จำนวนมากขึ้นในห่วงโซ่การผลิตทั้งหมด เพื่อการวิเคราะห์ข้อมูลซึ่งเป็นกุญแจสำคัญในการประมวลผลข้อมูลขนาดใหญ่ที่ได้มาจากการตรวจสอบข้อมูลแบบเรียลไทม์ และเพื่อใช้ในการตัดสินใจรวมถึงปรับปรุงคุณภาพการผลิตแบบเรียลไทม์ นอกจากนี้ การนำ AI, Edge Computing และ Cloud Computing มาใช้ในการวิเคราะห์ข้อมูลจะช่วยเพิ่มประสิทธิภาพการผลิตได้อย่างมาก เนื่องจากความต้องการผลิตภัณฑ์ที่เป็นนวัตกรรมเพิ่มขึ้นอย่างรวดเร็ว การใช้การวิเคราะห์ข้อมูลเพื่อทำความเข้าใจความต้องการและสิ่งที่ลูกค้าอยากได้ โดยใช้แบบจำลองการคาดการณ์จึงกลายเป็นสิ่งที่ต้องทำ สำหรับผู้ผลิตที่มีความพร้อมจะใช้ประโยชน์จากการวิเคราะห์ขั้นสูงมากขึ้นในอนาคต ซึ่งสามารถทำได้โดยใช้แนวทางการพัฒนาอย่างต่อเนื่องที่ออกแบบมาอย่างดี

เทรนด์ #2 – ระบบอัตโนมัติที่เข้าถึงได้ง่ายกว่าเดิม

บางบริษัท ไม่ได้มองว่าระบบอัตโนมัตินั้นเป็นทางเลือกในการผลิตสินค้า เนื่องจากมีงบประมาณไม่เพียงพอในการลงทุนที่จะนำโซลูชันที่จำเป็นมาปรับใช้งาน อย่างไรก็ตาม เนื่องจากความก้าวหน้าทางเทคโนโลยีและนวัตกรรม ทำให้ต้นทุนของระบบอัตโนมัติลดลง ช่วยให้ผู้ผลิตสามารถนำเทคโนโลยีและโซลูชันมาใช้สร้างความได้เปรียบได้มากขึ้นเรื่อย ๆ ทั้งในแง่ของการเพิ่มประสิทธิภาพทั้งด้านความแม่นยำ ความสามารถในการผลิตซ้ำ ประสิทธิภาพในการดำเนินงาน และการเพิ่มผลผลิต นอกจากนี้ ระบบอัตโนมัติยังขับเคลื่อนโดยเทคโนโลยี IoT, IIoT, Data Analytics และ AI มากขึ้นเรื่อย ๆ ทำให้ผู้ผลิตเริ่มหันมาให้ความสนใจมากยิ่งขึ้น ซึ่งความสำเร็จของบริษัทที่ใช้ระบบอัตโนมัติยังเป็นตัวกระตุ้นให้บริษัทอื่น ๆ หันมาลงทุนในระบบอัตโนมัติเช่นกัน ผู้ผลิตจำเป็นต้องใช้ข้อมูลเพื่อการตัดสินใจมากขึ้น และจัดลำดับความสำคัญว่าจะใช้ระบบอัตโนมัติในกระบวนการใด เพื่อสร้างมูลค่าในการผลิต แม้ว่าในปี 2565 จะมีบริษัทจำนวนมากเข้าใจว่าระบบอัตโนมัติเป็นสิ่งสำคัญในการแข่งขัน แต่สิ่งสำคัญ คือ ไม่ใช่ทุกงานที่จะสามารถใช้ระบบอัตโนมัติได้

เทรนด์ #3 – หุ่นยนต์

ในอุตสาหกรรมการผลิตมีการนำหุ่นยนต์มาใช้งานเพิ่มมากขึ้นมาหลายทศวรรษ โดยนำมาใช้เพื่อเพิ่มความรวดเร็วและความแม่นยำในการผลิตที่มีกระบวนทำซ้ำ ๆ และไม่ต้องพึ่งพาแรงงานมนุษย์ และแนวโน้มนี้จะยังคงมีบทบาทสำคัญในอุตสาหกรรมการผลิตอย่างต่อเนื่อง ดังนั้นผู้ผลิตจะนำหุ่นยนต์ใหม่ ๆ มาใช้มากขึ้น อาทิ หุ่นยนต์ร่วมปฏิบัติงาน (Cobots) และยานยนต์นำทางอัตโนมัติ (AGV) หรือหุ่นยนต์เคลื่อนที่อัตโนมัติ (AMR) เพื่อเพิ่มความคล่องตัว ความยืดหยุ่น และมีคุณภาพพร้อมในตัวหุ่นยนต์เอง ซึ่งหุ่นยนต์เหล่านี้ไม่เพียงแต่ทำงานร่วมกับมนุษย์เท่านั้น แต่ยังช่วยให้ผู้คนมุ่งความสนใจไปที่งานสร้างสรรค์มากขึ้นเพื่อสร้างความได้เปรียบในการแข่งขัน ดังนั้นหุ่นยนต์อัจฉริยะจะถูกนำไปใช้ในอุตสาหกรรมการผลิตมากขึ้น ซึ่งเป็นเทรนด์ที่น่าจับตามอง นอกจากนี้ การใช้หุ่นยนต์มากขึ้นจะเพิ่มโอกาสในการทำงานแบบรีโมท ซึ่งมีแนวโน้มว่าจะดำเนินต่อไปในปี 2565

เทรนด์ #4 – อาศัยห่วงโซ่อุปทานที่มาจากพื้นที่ใกล้เคียง

โลกเผชิญความท้าทายครั้งใหญ่ด้านห่วงโซ่อุปทาน (Supply Chain)ในปี 2563 และ 2564 โดยผลกระทบจากห่วงโซ่อุปทานจะยังคงสร้างความยุ่งยากในอุตสาหกรรมการผลิตต่อไป และผู้ผลิตมักจะใช้ห่วงโซ่อุปทานท้องถิ่นเพื่อจัดการกับความท้าทายดังกล่าว แม้อาจทำให้ต้นทุนของผลิตภัณฑ์สูงขึ้น แต่ก็สามารถมองได้ว่าเป็นโอกาสในการเพิ่มความคล่องตัว สร้างความยืดหยุ่น และคุณภาพที่จะส่งผลให้ลูกค้าได้รับความพึงพอใจเพิ่มขึ้น ดังนั้นการรุกตลาดจึงเป็นแนวโน้มที่จะดำเนินต่อไปในปี 2565 โดยเป็นส่วนหนึ่งของนำกลยุทธ์ระดับโลกมาปรับใช้ในระดับท้องถิ่น แนวโน้มนี้จะช่วยเร่งแนวคิดของการผลิตแบบกระจายศูนย์หรือการผลิตในท้องถิ่นซึ่งเป็นแนวทางที่ยึดผู้บริโภคเป็นศูนย์กลางเพื่อตอบสนองความคาดหวังของลูกค้าที่เพิ่มมากขึ้น

นอกจากนี้ ระบบห่วงโซ่อุปทานและการจัดส่งแบบกระจายศูนย์ใกล้แหล่งผลิตจะส่งผลให้เกิดการกำจัดการพึ่งพาแหล่งผลิตที่เดียว เพิ่มความยืดหยุ่นและความน่าเชื่อถือ ซึ่งจำเป็นอย่างยิ่งเมื่อเกิดการเปลี่ยนแปลงอย่างกะทันหัน บริษัทผู้ผลิตจะทบทวนรูปแบบธุรกิจและกลยุทธ์ที่ใช้อยู่ พร้อมมองหาโซลูชันใหม่เพื่อให้สามารถแข่งขันได้ทั้งในด้านต้นทุน คุณภาพ และระยะเวลาการส่งมอบ การทำให้กระบวนการของห่วงโซ่อุปทานให้เป็นอัตโนมัติ ต้องใช้พลังของพันธมิตรและการทำงานร่วมกัน ผ่านการใช้ระบบ omnichannel เพื่อรับรู้ถึงการจัดการสินค้าคงคลังที่มีประสิทธิภาพและการขับเคลื่อนโดยเทคโนโลยีดิจิทัลหลากหลาย เพื่อให้เข้าใจมองเห็นได้ชัดเจน มีความความยืดหยุ่น และปรับเปลี่ยนได้อย่างเหมาะสม ล้วนเป็นโซลูชันที่ภาคอุตสาหกรรมการผลิตควรคำนึงถึงในปี 2565

เทรนด์ #5 – การเปลี่ยนแปลงทางดิจิทัล

การเปลี่ยนแปลงทางดิจิทัล (Digital Transformation) เป็นเรื่องการปรับปรุงระบบดั้งเดิมให้มีความทันสมัย ​​รวมถึงการดัดแปลงอุปกรณ์รุ่นเก่า และการใช้ประโยชน์จากพลังของเซนเซอร์ขั้นสูง จากเทคโนโลยีเสมือนจริงทั้ง VR และ AR และเทคโนโลยีดิจิทัลเพื่อปรับปรุงคุณภาพ ประสิทธิภาพ และผลลัพธ์ ซึ่งจำเป็นต่อการสร้างมูลค่ามากขึ้น และแข่งขันได้

นอกจากเทคโนโลยีที่มีความสำคัญดังกล่าวแล้ว ฝาแฝดเสมือน (Virtual Twin) สำหรับการพัฒนาผลิตภัณฑ์คือหนึ่งในเทคโนโลยีที่ควรจับตามอง เช่นเดียวกับการนำมาใช้ปฏิบัติงานในโรงงานที่มีแนวโน้มเพิ่มขึ้น เนื่องจากสามารถนำมาใช้ได้ในทุกระดับ ตั้งแต่เพิ่มการมองเห็นแบบเรียลไทม์และบรรลุประสิทธิภาพสูงสุดและการเพิ่มประสิทธิภาพ โดยการใช้ IoT, IIoT, การวิเคราะห์ข้อมูล, AI และ Virtual Twin นั้น จำเป็นต้องใช้เซนเซอร์ในการตรวจจับและตรวจสอบสภาพแวดล้อม ชิ้นส่วน เครื่องจักร ระบบ เปนต้น ซึ่งต้องมีเครื่องมือและเทคโนโลยีดิจิทัลสำหรับแสดงข้อมูลที่บันทึกโดยเซนเซอร์หลากหลายเช่นเดียวกันกับใช้แสดงผลลัพธ์ที่ได้จากการวิเคราะห์ต่าง ๆ เพื่อใช้ในการตัดสินใจที่ดียิ่งขึ้นด้วยการดูข้อมูลแบบเรียลไทม์ การแสดงข้อมูลที่ได้จากการรวบรวมการวิเคราะห์ข้อมูล จึงเป็นกุญแจสำคัญในการตัดสินใจได้อย่างมีประสิทธิภาพ ดังนั้นจะมีผู้ผลิตจำนวนมากหันมาลงทุนในเทคโนโลยีดิจิทัลในปีนี้ ขณะที่ผู้ผลิตจำนวนมากมองว่าการเปลี่ยนแปลงทางดิจิทัลจะสร้างความได้เปรียบในการแข่งขัน และเห็นด้วยกับการก้าวไปสู่อุตสาหกรรม 4.0 เราจะเห็นการเปลี่ยนแปลงอย่างรวดเร็วในการนำเทคโนโลยีดิจิทัลมาปรับใช้ โดยไม่มีใครสามารถหลีกหนีการเปลี่ยนแปลงนี้ได้

คลาวด์กับอนาคตอุตสาหกรรรมการผลิต

อนาคตของการผลิตและ Industry 4.0 ได้ถูกเร่งความเร็วชนิดที่ไม่มีใครได้ทันตั้งตัว หากย้อนกลับไปช่วงก่อนการระบาดของ Covid-19 องค์กรและผู้ผลิตหลายรายได้สร้างการเติบโต พร้อมทั้งเห็นความรุดหน้าทางเทคโนโลยีและด้านสังคม ซึ่งสอดคล้องกับรายงานของ Deloitte ที่วิเคราะห์ถึงความท้าทายที่ว่า หากผู้ผลิตไม่ยอมรับแนวทางดิจิทัลทรานส์ฟอร์เมชัน เราอาจได้เห็นโรงงานอุตสาหกรรมในปัจจุบันถึง 35 เปอร์เซ็นต์ต้องเลิกกิจการหรือเปลี่ยนแปลงอย่างมีนัยสำคัญภายใน 10 ปีข้างหน้า ด้านผลสำรวจผู้บริหารระดับ C-level พบว่า การแข่งขันกับบริษัทดิจิทัลที่เกิดใหม่ถือเป็นความเสี่ยงสูงสุด การลงทุนด้านดิจิทัลในอีกไม่กี่ปีข้างหน้าจะทำให้องค์กรที่ปรับตัวสู่องค์กรดิจิทัลก้าวนำคู่แข่งในตลาดร่วมแบบทิ้งห่าง ซึ่งสะท้อนให้อุตสาหกรรมการผลิตและดิจิทัลได้ตระหนักถึงความเร็วในการพัฒนาและยอมรับการเปลี่ยนแปลง รวมทั้งปริมาณข้อมูลที่จะเพิ่มขึ้นอย่างมหาศาลในอนาคตอันใกล้ และสิ่งต่อไปที่พวกเขาต้องมองหาคือ ระบบการจัดการที่ครอบคลุมและยืดหยุ่น

ในอนาคต เทคโนโลยีคลาวด์จะยังคงพัฒนาต่อไป ซึ่งจะสร้างประโยชน์มากมายในการเข้าถึงข้อมูลและการใช้ข้อมูลเพื่อการทำงานร่วมกันอย่างมีประสิทธิภาพ และประโยชน์ใหม่ๆ ที่จะเกิดขึ้นในขณะที่เทคโนโลยีพัฒนาขึ้น ผู้นำด้านการผลิตที่ต้องการเพิ่มประสิทธิภาพการทำงานในขณะที่ยังคงความยืดหยุ่นไว้ได้ ในปี 2573 จะพบว่ามีผู้ให้บริการคลาวด์เกิดขึ้นอีกมากมาย ซึ่งนั่นเป็นเหตุผลที่แน่นอนว่า การเปลี่ยนแปลงเชิงกระบวนการหลักและการดำเนินการหลักให้เป็นดิจิทัลไม่ใช่แค่ทางเลือก แต่เป็นแนวทางที่ผู้ผลิตต้องพร้อมปรับใช้

เพื่อใช้ประโยชน์จากเทคโนโลยีขั้นสูงในการสร้างความได้เปรียบ ปรับใช้ตามแผนได้อย่างมีประสิทธิภาพ และคงความสามารถในการแข่งขันไว้ ปัจจัยเหล่านี้เป็นสิ่งสำคัญมากสำหรับผู้ผลิตในการสร้างวัฒนธรรมการพัฒนาบุคลากรและใช้แนวทางที่เน้นคนเป็นศูนย์กลาง เนื่องจากบทบาทการทำงานของคนเป็นปัจจัยสำคัญในทุกด้าน นอกจากโซลูชันทางด้านเทคนิคเพื่อสร้างรูปแบบการดำเนินงานที่ยอดเยี่ยมในการผลิต เทคโนโลยีที่ดีควรสนับสนุนการทำงานของผู้คนและยกระดับคุณภาพการใช้ชีวิตรอบด้านให้ดีขึ้นอย่างต่อเนื่องโดยเฉพาะในแง่ของความคิดสร้างสรรค์และการสร้างสรรค์นวัตกรรม