Juthaporn Vipatpakpaiboon, Author at Big Data Institute

บทความทั้งหมด

All Articles

8 เทรนด์แห่งอนาคตสู่การเปลี่ยนแปลงทางธุรกิจด้วย Generative AI ในปี 2024

Generative AI เป็นเครื่องมืออเนกประสงค์ที่มีประโยชน์ในด้านต่าง ๆ จนอาจจะกลายเป็นเทคโนโลยีที่ใช้งานกันทั่วไป นอกจากนี้ บรรดานักวิจัยยังคาดหวังว่ามันจะกลายเป็นปัญญาประดิษฐ์ที่สามารถทำงานได้ทุกอย่างเหมือนที่มนุษย์ทำได้ ซึ่งในบทความนี้ จะมาเล่าให้ฟังว่า Generative AI ได้เข้ามามีบทบาทและกลายเป็นเทคโนโลยีที่ใช้กันทั่วไปในส่วนใดบ้าง มาลองดูกัน เริ่มด้วยการสำรวจความคาดหวังของผู้บริหารเกี่ยวกับเทรนด์ Generative AI ในปี 2024 ซึ่งสรุปผลออกมาได้ว่า ซึ่งในยุคแห่งการเปลี่ยนแปลงนี้ เราจะสามารถแจกแจงเทรนด์ต่าง ๆ ของ Generative AIออกมาเป็นรูปร่างดังนี้ นอกเหนือจากสิ่งที่เล่ามาข้างต้น เรามาลองดูกันว่า Generative AI ได้เข้ามามีบทบาทหรือเข้ามาช่วยทำงานในด้านใดบ้าง การสร้างข้อความ รูปภาพ และวิดีโอ Generative AI สามารถสร้างเนื้อหาได้หลากหลายรูปแบบ ไม่ว่าจะเป็นเอกสารที่เป็นลายลักษณ์อักษร รูปภาพ วิดีโอ และเสียง ซึ่งในส่วนของธุรกิจนั้นกำลังมีการสำรวจแอปพลิเคชันต่าง ๆ อย่างจริงจังเพื่อให้ตัวแอปพลิเคชันมีฟังก์ชันเฉพาะตัวและมีคุณสมบัติมากกว่าแอปพลิเคชันทั่ว ๆ ไป โดยแนวโน้มของ Generative AI สำหรับการสร้างข้อความ ได้แก่ ส่วนแนวโน้มของ Generative AI สำหรับการสร้างรูปภาพ จะก้าวไปสู่ความสมจริงมากขึ้นด้วยภาพที่มีความละเอียดสูง ลดข้อแตกต่างระหว่างภาพจริงและภาพสังเคราะห์ซึ่งจะสามารถนำภาพไปใช้ในอุตสาหกรรมบันเทิง และการทำระบบเสมือนจริง (Virtual Reality) ในสมจริงมากยิ่งขึ้น นอกจากนี้ยังช่วยเพิ่มศักยภาพให้กับนักออกแบบให้สามารถสร้างผลิตภัณฑ์ที่หลากหลายมากยิ่งขึ้น เช่นเดียวกับการสร้างวิดีโอที่จะทำให้การผลิตวิดีโอมีคุณภาพและตรงกับแต่ละกลุ่มเป้าหมายมากยิ่งขึ้นผ่านการใช้เครื่องมือผลิตวิดีโอด้วย AI รวมถึงสามารถลดเวลาและต้นทุนที่เกี่ยวกับข้องกับการผลิตวิดีโอได้เช่นกัน การสร้างดนตรี Generative AI กำลังเข้ามาปฏิวัติการสร้างดนตรี โดยโมเดลด้าน AI เหล่านี้สามารถเลียนแบบเสียงของมนุษย์และสร้างเพลงได้ ซึ่งสิ่งนี้ได้สร้างความเป็นไปได้ใหม่ ๆ ให้กับนักดนตรีและนักแต่งเพลง ซึ่งการใช้ AI ไม่ใช่แค่สร้างเพลงใหม่เท่านั้น แต่ AI ยังช่วยกำหนดประสบการณ์ในการฟังเพลงของเราได้ด้วยและในเร็ว ๆ นี้ เราอาจจะมีเพลงประกอบเกมหรือเพลงที่ใช้ในการถ่ายทอดสดที่สามารถปรับปรุงประสบการณ์ภาพและเสียงของเราแบบเรียลไทม์ได้ นอกจากนี้ AI กำลังพยายามเรียนรู้เกี่ยวกับการแสดงออกและอารมณ์ของมนุษย์ผ่านการสังเคราะห์เสียง ซึ่งความก้าวในด้านนี้จะนำไปสู่การแปลแบบเรียลไทม์ และการพากย์เสียงแบบอัตโนมัตินั้นเอง เทคโนโลยี NLP และ AI ต่อเนื่องหลายรูปแบบ Generative AI เข้ามาช่วยเพิ่มประสิทธิภาพในการประมวลผลภาษาธรรมชาติ (NLP) โดย AI จะเข้าใจข้อความ คำพูด และความรู้สึกได้ลึกซึ้งยิ่งขึ้น ซึ่งความก้าวหน้าในครั้งนี้เป็นหัวใจสำคัญของการโต้ตอบเหมือนมนุษย์ตามที่เห็นได้จากผู้ช่วยเสียง (Voice Assistants) และแชทบอทของบริษัทต่าง ๆ ที่สามารถโต้ตอบกับผู้ใช้ได้อย่างเป็นธรรมชาติยิ่งขึ้น โดยทั่วไปตัวโมเดลจะประมวลผลจากข้อมูลรูปแบบเดียวซึ่งจะมีข้อมูลเชิงลึกที่จำกัด ในลำดับถัดมาได้มีการเรียนรู้เชิงลึกแบบหลายรูปแบบช่วยให้โมเดลสามารถแยกแยะความสัมพันธ์ของข้อมูลรูปแบบต่าง ๆ ได้ เช่น สามารถแปลงข้อความให้เป็นรูปภาพ รูปภาพเป็นวิดีโอ และอื่น ๆ โดยจะเห็นว่าการรวมเทคโนโลยีเข้าด้วยกันทำให้การทำงานมีประสิทธิภาพที่สูงขึ้น โดยเฉพาะในสาขาที่ซับซ้อน เช่น ทางการแพทย์ โดยในด้านของการดูแลสุขภาพ AI จะรวบรวมข้อมูลที่เป็นข้อความและภาพเพื่อช่วยในการประเมินที่แม่นยำมากยิ่งขึ้น แชทบอทที่ขับเคลื่อนด้วย Generative AI Generative AI ได้เข้ามาปรับปรุงความสามารถในการสนทนา ผ่านการเรียนรู้อย่างต่อเนื่องจากการโต้ตอบกับผู้ใช้ ซึ่งการเรียนรู้แบบนี้จะช่วยทำให้เข้าใจความต้องการของผู้ใช้มากยิ่งขึ้นเมื่อเวลาผ่านไป รวมถึงยังสามารถตรวจจับและตอบสนองต่ออารมณ์ความรู้สึกของมนุษย์ได้มากขึ้นเช่นกัน ซึ่งตัวอย่างของแชทบอทที่ปล่อยออกมาในท้องตลาดของไทยในปัจจุบัน คือ Alisa AI เป็นต้น แนวโน้มของ Generative AI ในด้านอุตสาหกรรม ด้านการค้าปลีกและอีคอมเมิร์ซ การค้าปลีกและอีคอมเมิร์ซได้มีการใช้งานแอปพลิเคชันที่ขับเคลื่อนด้วย Generative AI เพิ่มมากขึ้น นวัตกรรมนี้ได้เปลี่ยนแปลงประสบการณ์ของลูกค้าและกลยุทธ์การดำเนินงานต่าง ๆ ซึ่งเทรนของ Generative AI ในปัจจุบันและในอนาคต ประกอบไปด้วย ในด้านของความคาดหวังของผู้บริหารต่อการค้าปลีกคือ สามารถนำมาวิเคราะห์ข้อมูลของลูกค้า, จัดการสินค้าในคลัง และมุ่งเน้นไปที่การสร้างเนื้อหาต่าง ๆ เพื่อยกระดับในการสื่อสารและการตลาด โดยตัวอย่างของการนำ AI มาใช้ด้านการค้าปลีกและอีคอมเมิร์ซ ได้แก่ Shopify Sidekick บอทที่ช่วยจัดการร้านค้าออนไลน์, Stitch Fix ทำโฆษณาผ่านการใช้ AI, BloomsyBox อีคอมเมิร์ซแชทบอท, เครื่องมือที่ใช้ในการแนะนำของ Amazon, การลองสินค้าเสมือนจริงผ่านแชทบอทของ Google Walmart, ผู้ช่วยช้อปปิ้งเสมือนจริงของ Mercari ด้านการดูแลสุขภาพ การดูแลสุขภาพถือเป็นด้านหนึ่งที่มีการใช้นวัตกรรมด้าน AI โดยส่วนที่ได้รับผลประโยชน์มากที่สุด ได้แก่ การพัฒนายา, การติดตามผู้ป่วย และการแพทย์ทางไกล ซึ่งแนวโน้มด้านการดูแลสุขภาพผ่านการใช้ Generative AI ได้แก่ ความคาดหวังของผู้บริหารในส่วนของการดูแลสุขภาพคือ ใช้สำหรับตรวจสอบข้อมูลเวชระเบียน, นำมาสร้างแชทบอททางการแพทย์ และนำมาใช้ในแอปพลิเคชันเพื่อประมวลผลภาพสำหรับการผ่าตัด โดยตัวอย่างของการนำ AI มาใช้ ได้แก่ การทดลองพัฒนายาผ่านการใช้ Generative AI ของ Insilico Medicine, แพลตฟอร์ม AI เพื่อสุขภาพสมองของ DiagnaMed, แบบจำลองของ Absci สำหรับออกแบบแอนติบอดี้ บริการทางการเงินและการธนาคาร บริการทางการเงินและการธนาคารกำลังอยู่ระหว่างการเปลี่ยนแปลงผ่านการใช้ AI ไม่ว่าจะเป็นการตรวจจับการฉ้อโกง การจัดการความเสี่ยง และระบบอัตโนมัติในการบริการลูกค้า โดยแนวโน้มตลาดด้านอุตสาหกรรมการเงิน ได้แก่ ตัวอย่างของงานที่ใช้ Generative AI ได้แก่ แชทบอทของ Morgan Stanley สำหรับให้คำปรึกษาทางการเงิน, IndexGPT ของ JPMorgan Chase เพื่อช่วยตัดสินใจด้านการลงทุน บทสรุป จากสิ่งที่เล่ามาทั้งหมด Generative AI ถือเป็นนวัตกรรมที่อยู่ในระดับแนวหน้าซึ่งมีแนวโน้มที่จะพัฒนาไปอีกไกลในอนาคต ทั้งภายในองค์กรเองและใช้ในการโต้ตอบกับผู้ใช้งาน แต่ในอีกมุมมองหนึ่ง เราควรคำนึงถึงจริยธรรมในการประยุกต์ใช้ Generative AI ด้วย โดยหันมาสนใจด้านการคุ้มครองทรัพย์สินทางปัญญาไม่ว่าจะเป็นสิทธิบัตรหรือการจดลิขสิทธิ์ให้กับสิ่งที่สร้างจาก AI นอกจากนี้ควรคำนึงถึงความโปร่งใสเพื่อไม่ให้มีการปลอมแปลงข้อมูลเชิงลึก และการปกป้องความเป็นส่วนตัวต่อการพัฒนา AI เพื่อให้มีความน่าเชื่อถือมากยิ่งขึ้น แหล่งที่มา เนื้อหาโดย จุฑาภรณ์ วิภัชภาคไพบูลย์ ตรวจทานและปรับปรุงโดย นนทวิทย์ ชีวเรืองโรจน์

20 December 2023

Movements

10 เทรนด์ AI กับธุรกิจ e-Commerce (AI in e-Commerce) ในปี 2023 ที่น่าจับตามอง

ใกล้จะเริ่มต้นปี 2023 กันแล้ว ถ้าเราลองมองไปที่เทคโนโลยีเกี่ยวกับ AI ในปีที่ผ่านมา เราจะเห็นว่า AI เดินทางไปกับพวกเราเรื่อย ๆ ในหลายอุตสาหกรรมเลย ซึ่งบทความก่อนหน้านี้เราได้มีการเล่าถึง AI ในอุตสาหกรรมสายการบินในปีที่ผ่านมาไปบ้างแล้ว ในหัวข้อที่ว่า 10 หนทางที่สายการบินนำ AI และวิทยาศาสตร์ข้อมูลมาใช้เพื่อเพิ่มประสิทธิภาพการทำงาน หากใครสนใจลองตามไปอ่านกันได้เลย และในส่วนของบทความนี้เราจะมาเล่าให้ฟังถึงอีกหนึ่งธุรกิจที่ AI ได้เข้ามามีส่วนร่วมให้ธุรกิจไปได้ไกลขึ้นนั้นก็คือ ธุรกิจเกี่ยวกับ e-commerce นั้นเอง มาดูกันว่า AI จะเข้ามามีอิทธิพลอะไรกับธุรกิจนี้บ้าง รวมถึงมาอัปเดตเทรนด์ในปี 2023 กันว่า AI มีบทบาทอะไรในธุรกิจ e-commerce กันบ้างในหัวข้อ 10 เทรนด์ AI กับธุรกิจ e-commerce ในปี 2023 ที่น่าจับตามอง (AI in e-Commerce) สถิติที่สำคัญของการนำ AI มาใช้กับ e-commerce (AI in e-Commerce) ประโยชน์ของการนำ AI มาใช้ใน e-commerce (AI in e-Commerce) หลังจากที่เราพอจะเห็นภาพแล้วว่า AI จะเข้ามามีบทบาทและมีประโยชน์กับธุรกิจ e-commerce อย่างไร คราวนี้เราลองมาดูกันว่า 10 เทรนด์ AI กับธุรกิจ e-commerce ในปี 2023 ที่น่าจับตามองจะมีอะไรกันบ้าง ดังนี้ คำแนะนำการซื้อสินค้าที่ตรงกลุ่มตรงใจ ในอีกไม่กี่ปีข้างหน้า เราจะได้เห็น AI ที่สามารถให้คำแนะนำเกี่ยวกับผลิตภัณฑ์ต่าง ๆ ได้อย่างที่ไม่เคยมีมาก่อน ซึ่ง AI จะใช้ข้อมูลลูกค้าเพื่อเสนอคำแนะนำผลิตภัณฑ์ส่วนบุคคล จากพฤติกรรมของลูกค้าในอดีตและโปรไฟล์ลูกค้าที่คล้ายคลึงกัน AI จะเข้ามาช่วยให้ธุรกิจ e-commerce สามารถมอบประสบการณ์ที่เป็นส่วนตัวให้กับลูกค้าแต่ละคนได้ “อัลกอริทึมจะพิจารณารูปแบบพฤติกรรมของผู้ใช้ เช่น ความถี่ในการเข้าดูสินค้าประเภทต่าง ๆ ประวัติการซื้อครั้งก่อน และประวัติการค้นหา จากนั้นจะประมวลผลและให้คำแนะนำผลิตภัณฑ์ที่เกี่ยวข้องมากที่สุดโดยอิงจากข้อมูลผู้ใช้ทั้งหมด ซึ่งรวมถึงคำแนะนำผลิตภัณฑ์ที่ตรงกลุ่มตรงใจ แคมเปญการตลาด การกำหนดราคา และส่วนลดด้วยเช่นกัน” การซื้อสินค้าด้วยคำสั่งเสียง ผู้ช่วยด้านคำสั่งเสียงอัจฉริยะ เช่น Alexa, Siri และ Google Assistant กลายเป็นชื่อที่ถูกใช้เป็นประจำในครัวเรือนของสหรัฐอเมริกา ผู้บริโภคเกือบ 32% เป็นเจ้าของลำโพงอัจฉริยะ ซึ่งจำนวนนี้การเป็นเจ้าของจะเพิ่มขึ้นในปีต่อ ๆ ไป โดยเราจะเห็นผู้ช่วยด้านคำสั่งเสียงเหล่านี้ถูกรวมเข้ากับแพลตฟอร์ม e-commerce ได้อย่างราบรื่นมากขึ้น และยังมีแนวโน้มที่จะเห็นจำนวนผู้ช่วยด้านคำสั่งเสียงที่เพิ่มขึ้น โดยจะเป็นการนำโมเดลภาษาที่มีประสิทธิภาพมาใช้ประโยชน์ เพื่อให้ได้ผลลัพธ์ที่ดีและแม่นยำยิ่งขึ้น การวิเคราะห์ข้อมูลแบบเรียลไทม์เพื่อเพิ่มประสิทธิภาพการทำงาน แบรนด์และผู้ค้าปลีกจะมีการเริ่มใช้ประโยชน์จากการวิเคราะห์ข้อมูลแบบเรียลไทม์โดยการใช้ AI ขั้นสูง ซึ่งจะช่วยให้แบรนด์ปรับปรุงการจัดการแบ่งประเภทสินค้าต่าง ๆ ได้โดยการวิเคราะห์ว่าผลิตภัณฑ์ใดเป็นที่ต้องการหรือผลิตภัณฑ์ใดไม่เป็นที่นิยม พวกเขาจะได้รับข้อมูลเชิงลึกที่นำไปใช้เพื่อมุ่งเน้นในส่วนของการขาย ส่วนลด และโปรโมชัน นอกจากนั้นพวกเขาจะใช้ AI เพื่อคาดการณ์แนวโน้มที่ละเอียดยิ่งขึ้นตามการติดแท็กของผลิตภัณฑ์ การทำเช่นนี้จะช่วยให้แบรนด์นำเสนอประสบการณ์การชอปปิ้งที่ดีที่สุดแก่ลูกค้าได้ พัฒนาระบบการป้องกันการฉ้อโกง เนื่องจากอาชญากรรมทางไซเบอร์และการละเมิดข้อมูลที่เพิ่มขึ้นจึงมีการพัฒนา เช่น แพลตฟอร์มป้องกันการฉ้อโกงด้วย AI บนคลาวด์ และระบบปรับดุลการปฏิเสธการชำระเงิน (chargeback correction platform) สิ่งเหล่านี้จะช่วยให้พวกเขาตรวจจับคำสั่งซื้อปลอมหรือที่อยู่ปลอมได้โดยอัตโนมัติ ความสามารถของ AI ในการแยกแยะการซื้อที่ถูกหรือผิดกฎหมายได้อยากมีประสิทธิภาพจะช่วยให้แบรนด์ต่าง ๆ พึ่งพาการป้องกันการทุจริตผ่าน AI กันมากขึ้นเรื่อย ๆ การซื้อของผ่าน Metaverse ผู้ใช้ไม่จำเป็นต้องไปซื้อของด้วยตนเองเพื่อดูว่าเฟอร์นิเจอร์ เสื้อผ้า หรือเครื่องประดับจะมีหน้าตาเป็นอย่างไรอีกต่อไป ในเมื่อปัจจุบันแบรนด์ต่าง ๆ สามารถใช้ Visual AI, Augmented Reality (AR) และ Virtual Reality (VR) เพื่อทำให้ลูกค้าสามารถตรวจสอบผลิตภัณฑ์เสมือนจริงได้อย่างง่ายดาย โดยเทคโนโลยีทั้ง 3 แบบที่กล่าวมาข้างต้นถูกนำมารวมกันไว้ในสิ่งที่เรียกว่า Metaverse ซึ่งความน่าดึงดูดของ Metaverse นี้ทำให้ยักษ์ใหญ่ด้านเทคโนโลยีมากมายเช่น Microsoft, Meta, Nvidia, Roblox และเดิมพันครั้งใหญ่กับมัน การค้นหาภาพอัจฉริยะ การมองเห็นของคอมพิวเตอร์ (Computer Vision) เป็นส่วนย่อยของ AI ที่เกี่ยวข้องกับการทำให้คอมพิวเตอร์สามารถมองเห็นและตีความโลกรอบ ๆ ตัวได้ ซึ่งจะช่วยให้คอมพิวเตอร์เข้าใจและสามารถดึงข้อมูลจากภาพและวิดีโอได้ดียิ่งขึ้น โดยหลักการทำงานจะมาจากการค้นหาด้วยภาพ ซึ่งด้วยวิวัฒนาการต่าง ๆ จะทำให้นักชอปปิ้งสามารถค้นหาผลิตภัณฑ์ที่ต้องการได้อย่างรวดเร็วโดยใช้การค้นหาด้วยภาพขั้นสูง สิ่งนี้จะช่วยให้ผู้ซื้อได้รับประสบการณ์ที่เป็นธรรมชาติและสะดวกมากขึ้น การรวม AI เข้ากับบริหารความสัมพันธ์กับลูกค้า (CRM) ผู้ค้าปลีกจะสามารถสร้างกระบวนการขายที่มีประสิทธิภาพมากขึ้นโดยการรวม AI เข้ากับการบริหารความสัมพันธ์ระหว่างธุรกิจกับลูกค้าของพวกเขา การแก้ปัญหาด้วยวิธีนี้จะทำให้วงจรการขายทั้งหมดคล่องตัวขึ้น โดยผู้ค้าสามารถติดต่อกับลูกค้าในเวลาและบนแพลตฟอร์มที่เหมาะสม ซึ่ง AI ที่โต้ตอบด้วยการใช้เสียงจะเข้ามาช่วยตอบคำถามของลูกค้าและแก้ปัญหาของลูกค้าในขณะที่ทำงานหลายอย่างพร้อมกันได้ด้วย การแท็กสินค้าอัตโนมัติ AI จะเข้ามาพิสูจน์ว่ามันมีประโยชน์อย่างมากสำหรับการติดแท็กสินค้าในแคตตาล็อก ตัวอย่างเช่น เพื่ออธิบายคุณสมบัติของแจ็คเก็ตระบบสามารถเข้ามาช่วยติดแท็กคำว่า “สีน้ำเงิน” “แขนยาว” “หนัง” และอื่น ๆ ได้โดยอัตโนมัติ ซึ่งกระบวนการนี้ถือเป็นกระบวนการที่ช่วยประหยัดเวลาและรวดเร็วขึ้นโดยไม่จำเป็นต้องมีมนุษย์เข้ามาเกี่ยวข้องหรือเข้ามาเกี่ยวข้องน้อยมาก นอกจากนี้การติดแท็กสินค้าอัตโนมัตินี้ยังมีประโยชน์มากสำหรับลูกค้าที่ต้องการค้นหาด้วยข้อความหรือภาพ และระบบจะสามารถให้คำแนะนำที่ตรงเป้าหมาย รวมถึงสร้างประสบการณ์ที่สะดวกสบายมากยิ่งขึ้นให้แก่ลูกค้านั้นเอง การพยากรณ์ความต้องการซื้อและการขาย ผู้ค้าปลีกในปัจจุบันมักจะต้องการวางแผนเกี่ยวกับการจัดการสินค้า โดยการใช้ข้อมูลแบบเรียลไทม์รวมถึงข้อมูลย้อนหลัง ซึ่ง AI สามารถเข้ามามีบทบาทในการทำงานในส่วนนี้ได้ และในอีกไม่กี่ปีข้างหน้า AI จะเข้ามามีบทบาทสำคัญในการพยากรณ์ความต้องการซื้อและต้องการขาย โดย AI จะเข้ามาช่วยลดเวลาในการประมวลผล รวมถึงช่วยให้ผู้ใช้ไม่ประมวลผลหรือวิเคราะห์ข้อมูลที่มีความซ้ำซ้อน ซึ่งสามารถช่วยให้ผู้ค้าปลีกมีข้อได้เปรียบในการทำธุรกิจของพวกเขามากขึ้นนั้นเอง กระบวนการในคลังสินค้าแบบอัตโนมัติ การใช้ AI และหุ่นยนต์เพื่อเพิ่มประสิทธิภาพภายในคลังสินค้าจะช่วยลดต้นทุนของการดำเนินการด้วยตนเองรวมถึงช่วยประหยัดเวลาในการจัดการสินค้าที่เหลืออยู่ภายในคลังสินค้าได้ด้วย โดยในปี 2023 และปีถัด ๆ ไป เราจะได้เห็นหุ่นยนต์ที่ขับเคลื่อนด้วยการมองเห็นด้วยคอมพิวเตอร์มากขึ้น ยกตัวอย่างเช่น Amazon ได้มีการใช้หุ่นยนต์ที่เกิดมาจาก AI เพื่อให้สามารถจดจำ หยิบ บรรจุหีบห่อ และแจกจ่ายสิ่งของได้เร็วกว่าที่พนักงานมนุษย์ทำได้ ท้ายที่สุดแล้ว… จากสถิติและประโยชน์ต่าง ๆ ของ AI ต่อ e-commerce ที่เราได้เล่ามาข้างต้น ทำให้เห็นว่า AI กำลังกลายเป็นส่วนสำคัญของ e-commerce อย่างรวดเร็วและไม่มีใครปฏิเสธได้ ทั้งในด้านของการบริการลูกค้าเพื่อให้ลูกค้าใช้งานได้สะดวกสบายมากยิ่งขึ้น รวมถึงในด้านของเจ้าของธุรกิจเองที่ทำให้ธุรกิจดำเนินไปอย่างรวดเร็วและมีประสิทธิภาพมากยิ่งขึ้น ซึ่งในปี 2023 ที่กำลังจะมาถึงรวมถึงปีถัด ๆ ไปในอนาคต เราคาดว่า AI จะเข้ามาพลิกโฉมอุตสาหกรรมเพื่อตอบสนองความต้องการของผู้บริโภคและเป้าหมายทางธุรกิจได้ดียิ่งขึ้นนั้นเอง เนื้อหาจากบทความ 10 Ways Airlines Use Artificial Intelligence and Data Science to Improve Operationsแปลและเรียบเรียงโดย จุฑาภรณ์ วิภัชภาคไพบูลย์ตรวจทานและปรับปรุงโดย ปพจน์ ธรรมเจริญพร

10 January 2023

Movements

5 หนทางที่สายการบินนำปัญญาประดิษฐ์ (Airlines Artificial Intelligence) มาใช้เพิ่มประสิทธิภาพการทำงาน

ในปัจจุบันเทคโนโลยีเกี่ยวกับปัญญาประดิษฐ์เดินทางไปอยู่ในหลาย ๆ อุตสาหกรรม ไม่ว่าจะเป็นอุตสาหกรรมเกี่ยวกับการดูแลสุขภาพ ที่อยู่อาศัย ระบบบริการธนาคารและการเงิน การลงทุน การค้าปลีกและอีคอมเมิร์ซ ระบบเกี่ยวกับการขนส่งและอื่น ๆ อีกมากมาย ซึ่งหนึ่งในอุตสาหกรรมที่น่าจับตามองอีกหนึ่งอุตสาหกรรมนั้นก็คือ อุตสาหกรรมเกี่ยวกับสายการบิน สิ่งที่ใครหลายคนใช้บริการเพื่อเดินทางไปยังที่ต่าง ๆ รอบโลก ทางบริษัท Altexsoft ซึ่งเป็นบริษัทที่ให้คำปรึกษาด้านเทคโนโลยี ได้สรุปหนทางออกมาเป็น 10 หนทางที่สายการบินนำปัญญาประดิษฐ์และวิทยาศาสตร์ข้อมูลมาใช้เพื่อเพิ่มประสิทธิภาพการทำงาน (Airlines Artificial Intelligence) แต่ในบทความนี้เราจะมาเล่าให้ฟังคร่าว ๆ เกี่ยวกับ 5 หนทางเด่น ๆ ว่ามีหนทางใดบ้างที่จะเข้ามาช่วยเพิ่มประสิทธิภาพในการทำงานของสายการบินมากขึ้น การจัดการรายได้ (Revenue Management) การจัดการรายได้ (Revenue Management) หรือ RM เป็นแอปพลิเคชันหนึ่งของการวิเคราะห์ข้อมูลที่มีเป้าหมายเพื่อกำหนดวิธีการขายผลิตภัณฑ์ให้กับผู้ที่ต้องการ ในราคา เวลาและช่องทางที่เหมาะสม ซึ่งจะขึ้นอยู่กับแนวคิดที่ว่าลูกค้ามองเห็นคุณค่าของผลิตภัณฑ์แตกต่างกัน ดังนั้นราคาที่ลูกค้าพร้อมจ่ายจึงขึ้นอยู่กับเป้าหมายและเวลาในการซื้อ โดยผู้เชี่ยวชาญด้านการจัดการรายได้มีการใช้ประโยชน์จาก AI ในการกำหนดและปรับราคาที่เหมาะสม รวมถึงค้นหาช่องทางการจัดจำหน่ายที่มีประสิทธิภาพ ซึ่ง RM ได้ถูกนำมาประยุกต์ใช้กับการขายตั๋วเที่ยวบิน โดยมีองค์ประกอบดังนี้ การค้นหาเส้นทางการบินที่ต้องการ: ผู้ให้บริการมีการใช้ Artificial Intelligence เพื่อตอบคำถามง่าย ๆ ที่ว่า “ต้องการบินไปที่ไหน” “ในการกำหนดเส้นทางบิน ผู้เชี่ยวชาญต้องวิเคราะห์ข้อมูลและตัดสินใจจากข้อมูลเชิงลึก เพื่อทำการวิจัยเกี่ยวกับปลายทางที่กลุ่มลูกค้าแต่ละกลุ่มต้องการ พวกเขาจะใช้ข้อมูลจากแหล่งข้อมูลต่าง ๆ เช่น ประวัติการค้นหา รวมถึงปัจจัยทางเศรษฐกิจอย่างเช่น ค่า GDP” Konstantin Willingness to Pay (WTP): การรวบรวมและวิเคราะห์ข้อมูลเกี่ยวกับลูกค้า หรือแม้แต่การที่สายการบินเข้าใจรสนิยมและพฤติกรรมของผู้โดยสารดีพอ จะทำให้สามารถเสนอทางเลือกในการโดยสารให้แก่ผู้โดยสารตามที่ผู้โดยสารต้องการ และที่สำคัญคือพวกเขาเต็มใจที่จะจ่าย “เมื่อลูกค้ามีแนวโน้มที่จะจ่ายตามราคาที่สูงที่สุดของผลิตภัณฑ์นั้น ทำให้สันนิษฐานได้ว่าลูกค้าพร้อมที่จะจ่ายมากขึ้นเมื่อมีเวลาก่อนที่จะเดินทางน้อยลง ความเต็มใจที่จะจ่ายมักขึ้นอยู่กับวันก่อนออกเดินทาง ในทางปฏิบัติ จะมีการกำหนดค่ามัธยฐานของความเต็มใจที่จะจ่าย ซึ่งเป็นราคาที่ลูกค้าร้อยละ 50 ต้องการจ่ายสำหรับตั๋วในวันก่อนออกเดินทางโดยเฉพาะ โดยความเต็มใจที่จะจ่ายดังกล่าวจะเทียบเท่ากับจำนวนผู้โดยสารที่จะซื้อตั๋วหากราคาลดลงหนึ่งเปอร์เซ็นต์” Expected marginal seat revenue (EMSR): นักวิทยาศาสตร์ข้อมูลวัดค่า EMSR จากการคูณกำไรจากการขายด้วยความน่าจะเป็นของการขายที่นั่งเพิ่มเติมในแต่ละชั้นโดยสาร ในกรณีที่ดีที่สุด ผู้เชี่ยวชาญจะต้องทราบความน่าจะเป็นในการขายในแต่ละชั้นโดยสาร วันก่อนออกเดินทาง รวมถึงข้อมูลจำนวนลูกค้าที่คลิกและเห็นหน้าเว็บที่แสดงราคาเฉพาะเพื่อกำหนด WTP และ EMSR อย่างถูกต้อง Ancillary Price Optimization: อีกแนวทางที่ออกแบบมาเพื่อเพิ่มรายได้ของสายการบิน ซึ่งนักวิทยาศาสตร์ข้อมูลได้มีการเรียนรู้เกี่ยวกับแนวโน้มของนักเดินทางที่จะซื้อบริการเสริม เช่น ซื้อน้ำหนักกระเป๋า และทำให้สามารถกำหนดกลุ่มเป้าหมาย และวันที่ผู้โดยสารมีแนวโน้มที่จะจ่ายเพิ่มได้ ปรับปรุงบริการลูกค้าด้วย Feedback Analysis การเดินทางโดยเครื่องบินอาจสร้างความตึงเครียดได้แม้กระทั่งนักเดินทางที่มีประสบการณ์ในการเดินทางบ่อยครั้ง พวกเขาต้องทำหลายอย่างไม่ว่าจะเป็น ตรวจกระเป๋า หรือหาทางเข้าที่ถูก ซึ่งในเรื่องนี้ สายการบินที่เรียนรู้เกี่ยวกับจุดบอดของประสบการณ์สนามบินและเที่ยวบินผ่านการวิเคราะห์ข้อมูลก็จะสามารถปรับปรุงการบริการลูกค้าได้ การใช้ AI เพื่อการวิเคราะห์ความคิดเห็นและวิจัยทางการตลาด จะช่วยให้สายการบินสามารถตัดสินใจเพื่อสนองความต้องการของลูกค้าได้ดียิ่งขึ้น “ระบบ Airlines Artificial Intelligence ช่วยให้สายการบินสามารถตรวจสอบโอกาสต่าง ๆ ที่จะเปลี่ยนประสบการณ์การเดินทางที่แย่ของลูกค้าให้กลายเป็นประสบการณ์ที่ยอดเยี่ยม” ทาง PureStrategy มีการใช้แพลตฟอร์มสำหรับการวิเคราะห์ที่เรียกว่า Automated Neural Intelligence Engine (ANIE) โดยจะทำการตรวจสอบข้อมูล จัดหมวดหมู่ แสดงแผนภาพ และมีการวิเคราะห์ความรู้สึก (Sentimental Analysis) จากข้อความ ซึ่งแพลตฟอร์มนี้จะช่วยทุ่นแรงในการทำงานต่าง ๆ และช่วยให้พนักงานสามารถเอาเวลาไปจัดการงานอื่น ๆ ที่มีความซับซ้อนกว่าได้ นอกจากนี้ระบบ ANIE ยังสามารถนำมาใช้งานเพื่อให้แน่ใจว่าลูกค้าสามารถค้นหา จอง และชำระค่าตั๋วเครื่องบินได้ง่ายหรือไม่ด้วยเช่นกัน ระบบส่งข้อความอัตโนมัติ (Messaging Automation) เมื่อเกิดปัญหา เช่น เที่ยวบินล่าช้าหรือสัมภาระสูญหาย แล้วถ้าลูกค้าไม่ได้รับการตอบกลับหรือไม่ได้รับคำอธิบายเกี่ยวกับปัญหาที่เกิดขึ้นจากตัวแทนของสายการบินในเวลาที่เหมาะสม พวกเขาคงไม่เลือกใช้บริการสายการบินนั้น ๆ สำหรับการเดินทางในครั้งถัดไป ซึ่งความเร็วในการตอบคำถามของลูกค้ามีความสำคัญพอ ๆ กับขั้นตอนการปฏิบัติจริงในการแก้ไขปัญหากันเลยทีเดียว ตัวอย่างของซอฟต์แวร์ที่เกี่ยวข้องกับ AI เช่น Coseer โดย Arbot Solutions ได้เข้ามาช่วยเพิ่มความรวดเร็วและทำให้ขั้นตอนการทำงานของพนักงานบริการลูกค้าง่ายขึ้น โดยซอฟต์แวร์นี้จะใช้อัลกอริทึมสำหรับประมวลผลภาษาธรรมชาติหรือข้อความที่ไม่มีโครงสร้างต่าง ๆ CEO ของ Coseer เล่าว่า ซอฟต์แวร์นี้จะช่วยสายการบินในการจัดประเภทของอีเมลของลูกค้าและทำการดึงข้อมูลจากอีเมลเหล่านั้นเพื่อให้ทางสายการบินสามารถดำเนินการตามขั้นตอนต่าง ๆ ได้แบบอัตโนมัติ ยกตัวอย่างเช่น สามารถจัดการกับอีเมลที่มีข้อมูลเกี่ยวกับสัมภาระที่สูญหายได้อย่างรวดเร็วนั้นเอง อีกวิธีหนึ่งในการปรับปรุงและทำให้ระบบการบริการลูกค้าเป็นอัตโนมัติมากขึ้นคือการพัฒนาแชทบอท ทุกวันนี้สายการบินจำนวนมากมีการปรับปรุงและดูแลลูกค้าด้วยแชทบอทไปพร้อม ๆ กับการใช้ AI ซึ่งสามารถช่วยผู้โดยสารในหลากหลายด้าน เช่น การจองและจัดการเที่ยวบิน ติดตามสัมภาระ ตอบคำถาม และให้ความช่วยเหลือประเภทอื่น ๆ เป็นต้น สร้างประสบการณ์ไร้สัมผัสกับ In-Airport Self-Service การระบาดใหญ่ของ COVID-19 ทำให้เทคโนโลยีไร้สัมผัสต่าง ๆ เพิ่มขึ้นอย่างที่ไม่เคยเป็นมาก่อน ระบบตู้เช็คอินแบบบริการตนเองเป็นเพียงขั้นตอนแรกของการเดินทางของผู้โดยสารภายใต้ระบบแบบอัตโนมัติ ในปัจจุบันสายการบินและสนามบินมีการใช้ระบบแบบ end-to-end ในอาคารผู้โดยสารหลายแห่งเพื่อช่วยอำนวยความสะดวกผู้โดยสารในการเช็คอินไปจนถึงการขึ้นเครื่อง ตัวอย่างของระบบที่นำมาใช้งาน ได้แก่ Fly to Gate โดย Thales ซึ่งจะเป็นการใช้เทคโนโลยีไบโอเมตริกและเครื่องสแกนเพื่อจดจำและตรวจสอบผู้โดยสารที่จุดตรวจ โดยในขณะเดียวกันจะมีการใช้ระบบอีกแบบหนึ่งเพื่อระบุสัมภาระ เช่น รหัสของกระเป๋าที่สามารถตรวจจับกระเป๋าแต่ละใบตามลักษณะทางกายภาพที่เป็นเอกลักษณ์ ทำให้ผู้ใช้สามารถจัดการกับสัมภาระแบบไม่ต้องสัมผัสได้นั้นเอง ซึ่งเทคโนโลยีทั้งหมดนี้จะช่วยลดเวลาในการเช็คอินของผู้โดยสารและสร้างประสบการณ์ที่ดีให้แก่ผู้โดยสารด้วยเช่นกัน เทคโนโลยีจัดการสายการบินและการขับเครื่องบินอัตโนมัติ (Flight Management and Autonomous Flights) ยานพาหนะไร้คนขับไม่ได้มีแต่ในหนังอีกต่อไป ผู้ผลิตต่าง ๆ ไม่ว่าจะเป็น Waymo และ Google ได้เปิดตัวรถยนต์ไร้คนขับเมื่อหลายปีก่อน โดยคาดการณ์ว่าในอนาคตจะมีแนวโน้มของการใช้งานที่หลากหลาย ในความคิดอาจจะดูง่าย แต่ในความเป็นจริงรถจำเป็นจะต้องติดตั้งกล้องจำนวนมากและมีการสอนด้วยข้อมูลพร้อมกับอัลกอริทึธึมการเรียนรู้ของเครื่อง เพื่อให้สามารถตีความสภาพถนนและตอบสนองได้แบบเรียลไทม์ ในปี 2018 แอร์บัสได้เริ่มโครงการวิจัยเพื่อสร้างแท็กซี่ การบินขึ้น และลงจอดแบบอัตโนมัติ ซึ่งโครงการวิจัยนี้ได้รับความสำเร็จไปด้วยดีในปี 2020 โดยแอร์บัสได้สาธิตงานวิจัยการขึ้น และลงจอดอัตโนมัติได้อย่างสมบูรณ์แบบผ่านการใช้เทคโนโลยีเกี่ยวกับการจดจำภาพบนเครื่องบิน แม้ว่างานวิจัยชิ้นนี้จะยังอยู่ในขั้นทดลอง แต่ความสำเร็จของงานวิจัยนี้ทำให้เห็นถึงศักยภาพในการปรับปรุงการใช้งานของเครื่องบินต่อไปในอนาคตได้ ณ วันนี้แพลตฟอร์มเกี่ยวกับการจัดการสายบินที่มีการใช้ AI เข้ามาช่วย ยกตัวอย่างเช่น Flyways โดยแพลตฟอร์มนี้มีการใช้ประโยชน์จากข้อมูลแบบเรียลไทม์ที่ได้รับจากเซ็นเซอร์หลายตัว รวมถึงยังมีการใช้ข้อมูลจากแหล่งข้อมูลภายนอกเพื่อสนับสนุนการจัดการเที่ยวบินและเพิ่มประสิทธิภาพของเส้นทางการบิน ซึ่งจะช่วยให้นักบินและผู้มอบหมายงานสามารถตัดสินใจได้ดีขึ้นระหว่างที่ทำการบิน ค้นหาเส้นทางที่เหมาะสม และลดความล่าช้าที่เกิดจากสภาพอากาศที่ไม่ดี และปัญหาอื่น ๆ ด้วยเช่นกัน สุดท้ายนี้… จาก 5 วิธีการเพื่อเพิ่มประสิทธิภาพการทำงานของสายการบินที่อธิบายมาข้างต้น ทำให้เห็นว่าทุกวันนี้เทคโนโลยีเกี่ยวกับ AI ได้เข้ามาช่วยปรับปรุง และพัฒนาประสบการณ์ด้านการบินของผู้โดยสารไปในทางที่ดีขึ้นด้วยระบบอัตโนมัติและวิธีการต่าง ๆ เพื่อให้ผู้โดยสารสามารถบริการตนเองได้ ในอีกมุมมองหนึ่งก็ทำให้ขั้นตอนการทำงานของพนักงานมีประสิทธิภาพมากขึ้น นอกจากนี้ยังช่วยให้สายการบินตัดสินใจอย่างชาญฉลาดเกี่ยวกับราคาและตำแหน่งทางการตลาดผ่านการวิเคราะห์ข้อมูลที่เข้ามาจากหลากหลายช่องทางด้วยเช่นกัน รวมถึงการจัดการเที่ยวบินและการขับเคลื่อนเครื่องบินได้อย่างอัตโนมัติ แสดงให้เห็นถึงความสามารถของ AI ที่เข้ามามีบทบาทในชีวิตประจำวันของเราในทุก ๆ ด้าน เนื้อหาจากบทความ 10 Ways Airlines Use Artificial Intelligence and Data Science to...

19 July 2022

Movements

10 อันดับเทรนด์ เทคโนโลยี และนวัตกรรมการเกษตร (Agriculture Innovations) สำหรับปี 2022

เริ่มปีใหม่ 2022 กันแล้ว เทรนด์เกี่ยวกับเทคโนโลยีใหม่ ๆ ได้มีการเปลี่ยนแปลงและพัฒนากันอย่างต่อเนื่องในหลากหลายด้านที่เราพบเจอได้ในชีวิตประจำวัน ไม่ว่าจะเป็นในส่วนของธนาคาร ด้านสาธารณสุขหรือการรักษาพยาบาล และในส่วนของรถยนต์ขับเคลื่อนอัตโนมัติ เป็นต้น นอกจากนี้แล้ว การพัฒนาของเทคโนโลยีก็ยังคืบคลานเข้าไปอยู่ในด้านอื่น ๆ ที่อาจจะไม่ได้อยู่ใกล้ตัวเราอีกด้วย เช่น ด้านการเกษตรที่ในบทความนี้จะมาอัพเดทเทรนด์ให้ได้รู้กันสักเล็กน้อย ทางบริษัท StartUs Insights ซึ่งเป็นบริษัทเกี่ยวกับนวัตกรรมที่ให้คำปรึกษาด้านสตาร์ทอัพชั้นนำ ได้ทำการสำรวจบริษัทสตาร์ทอัพในอุตสาหกรรมนี้และได้สรุป 10 อันดับเทรนด์ เทคโนโลยี และนวัตกรรมการเกษตรสำหรับปี 2022 ออกมาเป็นแผนผังนวัตกรรมด้านการเกษตร (Agriculture Innovations) รวมถึงบริษัทสตาร์ทอัพที่มีความเกี่ยวข้องในแต่ละด้านรวม 20 แห่งตามรูปด้านล่าง โดยมีรายละเอียดดังนี้ Internet of Things การตรวจสอบพื้นที่เพาะปลูกในการเกษตรแบบเดิมต้องใช้แรงงาน อุปกรณ์ทางการเกษตร เวลา และความพยายามเป็นอย่างมาก เทคโนโลยี IoT ถือเป็นทางเลือกหนึ่งที่สามารถนำมาใช้แทนวิธีการดั้งเดิมเหล่านี้ อุปกรณ์ IoT ประกอบด้วยเซ็นเซอร์ตั้งแต่หนึ่งตัวขึ้นไปที่ใช้รวบรวมและส่งข้อมูลได้อย่างถูกต้องแม่นยำผ่านแอปพลิเคชันมือถือ หรือวิธีการอื่น ๆ แบบเรียลไทม์ เซ็นเซอร์เหล่านี้ทำหน้าที่ต่าง ๆ มากมาย เช่น การตรวจวัดดิน อุณหภูมิ ความชื้น การติดตามพืชและปศุสัตว์ และอื่น ๆ นอกจากนี้ยังอำนวยความสะดวกในการตรวจสอบฟาร์มจากทางไกล ซึ่งช่วยเพิ่มความสะดวกให้กับเกษตรกร ยิ่งไปกว่านั้นยังมีการนำเซ็นเซอร์ IoT เข้ามาช่วยในการจ่ายน้ำไปยังพืชผลแบบอัตโนมัติโดยใช้เซ็นเซอร์ตรวจจับการระเหยและการคายน้ำของพืช เซ็นเซอร์ตรวจสอบความชื้นในดิน และเซ็นเซอร์วัดปริมาณน้ำฝนอีกด้วย สตาร์ทอัพต่าง ๆ กำลังพัฒนานวัตกรรมใหม่ที่ผสมผสานเทคโนโลยี IoT เข้ากับโดรน หุ่นยนต์และการประมวลผลภาพถ่ายเพื่อเพิ่มความรวดเร็ว และความถูกต้องแม่นยำของกระบวนการในฟาร์ม สิ่งต่าง ๆ เหล่านี้จะส่งการแจ้งเตือนให้เราได้อย่างทันท่วงทีและช่วยลดระยะเวลาในการตอบสนองในแต่ละพื้นที่ Agricultural Robotics การขาดแคลนแรงงานเป็นปัญหาสำคัญที่เกษตรกรต้องเผชิญ และสิ่งนี้จะเพิ่มมากขึ้นในกรณีของการปฏิบัติงานภาคสนามขนาดใหญ่ ด้วยเหตุนี้เองบริษัทสตาร์ทอัพจึงได้มีการผลิตหุ่นยนต์การเกษตรเพื่อช่วยเหลือเกษตรกรได้อย่างหลากหลายประเภทงาน ซึ่งรวมไปถึงการเก็บเกี่ยวผลไม้ การปลูก การย้ายปลูก การฉีดพ่น การเพาะเมล็ด และการกำจัดวัชพืชด้วยเช่นกัน เกษตรกรเริ่มพึ่งพาหุ่นยนต์ให้ทำงานในส่วนที่ทำซ้ำ ๆ มากขึ้นเรื่อย ๆ พวกเขามีการปรับใช้เครื่องจักรการเกษตรอัจฉริยะ เช่น รถแทรกเตอร์ขับเคลื่อนอัตโนมัติและกึ่งอัตโนมัติด้วยระบบ GPS เพื่อการเก็บเกี่ยว โดยรถเหล่านี้จะมาพร้อมกับเทคโนโลยีบังคับเลี้ยวอัตโนมัติเพื่อการนำทางที่ง่ายขึ้นอีกด้วย นอกจากนี้หุ่นยนต์ยังถูกนำมาใช้ในการจัดการด้านปศุสัตว์ต่าง ๆ ยกตัวอย่างเช่น เครื่องชั่งน้ำหนักอัตโนมัติ ตู้ฟักไข่ เครื่องรีดนม เครื่องป้อนอาหารอัตโนมัติ และอื่น ๆ อีกมากมาย หุ่นยนต์ช่วยให้เกษตรกรสามารถโฟกัสไปที่การปรับปรุงผลิตภาพ (productivity) โดยรวมได้โดยไม่ต้องกังวลว่าจะทำให้การทำฟาร์มในส่วนอื่น ๆ เชื่องช้าลง นอกจากนี้ยังช่วยป้องกันข้อผิดพลาดที่เกิดจากฝีมือมนุษย์ได้ Artificial Intelligence การผสมผสานปัญญาประดิษฐ์ในการเกษตรช่วยให้เกษตรกรได้รับข้อมูลเชิงลึกแบบเรียลไทม์จากพื้นที่ของตนเองทำให้พวกเขาสามารถดำเนินการในเชิงรุกได้ AI ทำให้เกิดข้อมูลเชิงลึกเชิงคาดการณ์สำหรับการพยากรณ์ข้อมูลสภาพอากาศ ผลผลิตพืชผล และราคา ซึ่งจะช่วยในการตัดสินใจของเกษตรกร และอีกตัวช่วยหนึ่งคือแชทบอท (Chatbot) ที่จะเข้ามาช่วยให้คำแนะนำแก่เกษตรกร ในอีกด้านหนึ่งอัลกอริทึม AI และการเรียนรู้ของเครื่อง (Machine Learning) ทำให้การรับรู้ความผิดปกติและโรคในพืชและปศุสัตว์เป็นไปโดยอัตโนมัติ ซึ่งจะช่วยให้สามารถตรวจจับและตอบสนองได้อย่างทันท่วงที อีกทั้งในส่วนของเทคโนโลยีชีวภาพ (Biotechnology) ก็ยังมีการนำอัลกอริทึมการเรียนรู้ของเครื่องมาใช้ในการแนะนำเกี่ยวกับการคัดเลือกยีนด้วยเช่นกัน Drones การเพิ่มผลผลิตของฟาร์มในขณะที่ยังคงประหยัดต้นทุนนั้นเป็นเรื่องที่ท้าทาย แต่โดรน (Drone) หรือที่เรียกกันว่า ยานพาหนะทางอากาศไร้คนขับ (Unmanned Aerial Vehicles, UAVs) นั้นสามารถช่วยให้เกษตรกรเอาชนะความยุ่งยากนี้ได้อย่างมีประสิทธิภาพ โดรนจะทำการรวบรวมข้อมูลดิบซึ่งสามารถแปลงเป็นข้อมูลที่มีประโยชน์สำหรับการติดตามฟาร์มได้ โดยโดรนที่ติดตั้งกล้องจะช่วยอำนวยความสะดวกในการถ่ายภาพทางอากาศและช่วยสำรวจพื้นที่ทั้งในระยะใกล้และไกลให้แก่เกษตรกรได้ ซึ่งข้อมูลจากโดรนสามารถนำมาใช้ปรับปรุงการใช้ปุ๋ย น้ำ เมล็ดพืช รวมถึงยาฆ่าแมลงให้เหมาะสมกับสภาพแวดล้อม ณ ขณะนั้นได้ นอกจากนี้แล้ว โดรนพร้อมกับเทคโนโลยี GPS ยังใช้สำหรับการติดตามปศุสัตว์ การระบุตำแหน่งทางภูมิศาสตร์ และการเฝ้าติดตามการเล็มหญ้า โดรนเหล่านี้จะบินอยู่เหนือทุ่งนาเพื่อจับภาพที่มีตั้งแต่ภาพถ่ายในย่านความถี่ของแสงที่มองเห็นได้ด้วยตาเปล่าไปจนถึงภาพในหลากหลายย่านความถี่แสงซึ่งช่วยในการวิเคราะห์พืชผลและดิน แต่ข้อเสียข้อหนึ่งของโดรนคือไม่เหมาะสำหรับการเฝ้าติดตามสัตว์ปีก เนื่องจากนกมักจะตื่นตระหนกกับการเคลื่อนไหวของโดรนนั่นเอง โดยบริษัทสตาร์ทอัพในปัจจุบันยังคงมีการพัฒนาโดรนที่สามารถวัดระดับคลอโรฟิลล์ แรงกดดันจากวัชพืช แร่ธาตุและองค์ประกอบทางเคมีของดินได้ด้วยเช่นกัน Precision Agriculture ความเสื่อมโทรมของสิ่งแวดล้อมเรียกร้องให้มีการแก้ปัญหาที่ยั่งยืนในทุกอุตสาหกรรม ความยั่งยืนในด้านการเกษตร หมายถึง การใช้วิธีการและปัจจัยการผลิตที่เป็นมิตรกับสิ่งแวดล้อมซึ่งมีผลกระทบต่อสิ่งแวดล้อมเป็นศูนย์ หรือน้อยที่สุด ตัวอย่างหนึ่งในบทความนี้คือ การจัดการพืชผลเฉพาะพื้นที่ (site-specific crop management, SSCM) หรือที่เรียกว่า การเกษตรแม่นยำสูง (precision agriculture) เป็นวิธีการที่เกษตรกรใช้ปริมาณที่แน่นอน เช่น น้ำ ยาฆ่าแมลง และปุ๋ย เพื่อเพิ่มคุณภาพและผลผลิต เนื่องจากแต่ละพื้นที่ในฟาร์มมีคุณสมบัติของดินที่แตกต่างกัน รับแสงแดดต่างกัน มีความลาดชันต่างกัน การปฏิบัติในแบบเดียวกันสำหรับทั้งฟาร์มจึงไม่มีประสิทธิภาพ และทำให้สูญเสียเวลาและทรัพยากรไปโดยเปล่าประโยชน์ ด้วยเหตุนี้ สตาร์ทอัพจำนวนมากจึงกำลังพัฒนาโซลูชันในการเกษตรแม่นยำสูง เพื่อปรับปรุงความสามารถในการทำกำไรพร้อม ๆ กับจัดการกับความท้าทายด้านความยั่งยืน ยกตัวอย่างเช่น Data Farming สตาร์ทอัพในออสเตรเลียมีการทำการเกษตรแม่นยำสูงด้วยความช่วยเหลือของบริการคลาวด์ (Cloud Services) โดยข้อมูลบนคลาวด์ประกอบไปด้วย ภาพถ่ายจากดาวเทียมความละเอียดสูง การทำแผนที่ดิน การแบ่งโซนพื้นที่แบบอัตโนมัติ และมีการใช้ตัวแปรต่าง ๆ มาเป็นตัวช่วยให้แน่ใจว่าการใช้ปัจจัยการผลิตของฟาร์มนั้นขึ้นอยู่กับตำแหน่งอย่างแม่นยำ ซึ่งจะก่อให้เกิดการทำฟาร์มที่แม่นยำ Agricultural Biotechnology ผลผลิตพืชผลจำนวนมากได้สูญเปล่าไปเนื่องจากศัตรูพืชและโรคพืช แม้ว่าสารเคมีทางการเกษตรจะถูกนำมาใช้ แต่ก็ยังไม่ใช่ทางออกที่ดีที่สุดสำหรับความยั่งยืน ในทางกลับกันการประยุกต์ใช้เทคโนโลยีชีวภาพในการเกษตรจะเข้ามาช่วยปรับปรุงคุณภาพของพืชผลและปศุสัตว์ได้มากกว่า เทคนิคทางวิทยาศาสตร์ เช่น การขยายพันธุ์พืช การผสมพันธุ์ (Hybridization) พันธุวิศวกรรม (Genetic Engineering) และการเพาะเลี้ยงเนื้อเยื่อสามารถช่วยให้การระบุคุณลักษณะที่ดีในพืชทำได้อย่างรวดเร็วมากยิ่งขึ้น Big Data & Analytics ข้อมูลฟาร์มปริมาณมหาศาลได้ถูกสร้างขึ้นทุกวัน ซึ่งจะไม่มีประโยชน์อะไรเลยหากไม่มีการนำมาวิเคราะห์ เทคนิคการใช้ข้อมูลขนาดใหญ่ (Big Data) และการวิเคราะห์ (Analytic) จะช่วยแปลงข้อมูลนี้ให้กลายเป็นข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้ ข้อมูลสถิติพื้นที่เพาะปลูก การผลิตพืชผล พยากรณ์พืชผล การใช้ที่ดิน การชลประทาน ราคาสินค้าเกษตร พยากรณ์อากาศ และโรคในพืช สามารถนำมาใช้วางแผนทำการเกษตรในฤดูกาลถัดไปได้ เครื่องมือที่ใช้ในการวิเคราะห์จะใช้ข้อมูลเกี่ยวกับสภาพอากาศ อุปกรณ์การเกษตร วัฏจักรของน้ำ คุณภาพ และปริมาณของพืชผลเพื่อนำไปช่วยระบุรูปแบบและความสัมพันธ์ของข้อมูลแต่ละประเภทที่อาจซ่อนอยู่ บริษัทสตาร์ทอัพหลายแห่งได้มีการพัฒนาวิธีการต่าง ๆ เพื่อช่วยให้เกษตรกรสามารถใช้ประโยชน์จากข้อมูลที่ตนเองมีอยู่ ตัวอย่างเช่น การใช้ข้อมูลเพื่อวิเคราะห์และส่งเสริมความเข้าใจเกี่ยวกับระดับธาตุอาหารในดิน ความเป็นกรดและด่างของดิน ความต้องการปุ๋ย และตัวแปรอื่นๆ อีกหลายอย่าง ซึ่งช่วยให้เกษตรกรสามารถเลือกสรรสิ่งที่ถูกต้องให้แก่ไร่ของตนได้ Controlled Environment Agriculture สภาพอากาศที่ผันผวนแปรปรวนสุดขั้วเป็นสิ่งที่เข้ามาขัดขวางวิธีการทำฟาร์มแบบเดิม ๆ นอกจากนี้แล้ว การปลูกพืชผลในเมืองที่มีประชากรมากมาย มีทะเลทราย หรือมีเงื่อนไขอื่น ๆ ที่ไม่เอื้ออำนวย ก็ถือเป็นความท้าทายที่สำคัญ ซึ่งสิ่งที่จะเอาชนะเหตุการณ์เหล่านี้ได้คือ การเกษตรแบบควบคุมสิ่งแวดล้อม (Controlled Environment Agriculture, CEA) โดยใน CEA พืชจะได้รับการควบคุมสัดส่วนของแสง อุณหภูมิ ความชื้น และสารอาหาร ยกตัวอย่างเช่น ไฮโดรโปนิกส์ (Hydroponics) และแอโรโปนิกส์ (Aeroponics) ซึ่งเป็นการปลูกพืชแบบไร้ดินและให้สารอาหารผ่านของเหลวและไอน้ำ วิธีการของ CEA ช่วยลดศัตรูพืชและโรค เพิ่มผลผลิต และสร้างแนวทางปฏิบัติทางการเกษตรที่ยั่งยืน Regenerative Agriculture...

28 January 2022

รู้จัก BDI

Organization

Policy and Plan

Personnel

Operations

Juthaporn Vipatpakpaiboon

บทความทั้งหมด

All Articles

สถาบันข้อมูลขนาดใหญ่ (องค์การมหาชน)

Big Data Institute (Public Organization)

234/432 Soi Lat Phrao 12, Chomphon, Chatuchak, Bangkok 10900, Thailand

Contact Us

Quick Link

About Us

© Big Data Institute | Privacy Policy