AI, พลังงานสะอาดไทย และคำถามเรื่องความชอบธรรมทางสังคม

ภายในปี 2030 นักวิเคราะห์หลายสำนักคาดว่าศูนย์ข้อมูลทั่วโลกจะใช้ไฟฟ้าประมาณ 4–6% ของการใช้ไฟทั้งหมดขึ้นอยู่กับนโยบายแต่ละประเทศ ตัวเลขนี้ส่วนหนึ่งมาจากการเติบโตของ AI โดยตรง ซึ่งเริ่มกลายเป็นผู้เล่นตัวจริงในสมการพลังงาน ไม่ใช่แค่เบื้องหลังอีกต่อไป

ในซีรีส์ “AI ในภาคพลังงานไทย: การเปลี่ยนผ่านสู่พลังงานสะอาด” เรามักพูดถึงด้านสว่างของ AI เช่น การพยากรณ์พลังงานหมุนเวียน การบริหารกริด การบำรุงรักษาเชิงคาดการณ์ แต่ฝั่งมืดอย่างการใช้ไฟมหาศาลของศูนย์ข้อมูล หรือคำถามว่า “AI แบบไหนที่สังคมไทยยอมรับได้จริง” ก็เริ่มดังขึ้นเรื่อย ๆ เหมือนกัน

บทความนี้ชวนคุยประเด็นที่คนในวงการพลังงานมักเลี่ยง: AI เป็นภาระหรือความหวังต่อระบบพลังงานสะอาดของไทยกันแน่? และถ้าเราจะผลักดัน AI ในภาคพลังงาน เราต้องจัดการเรื่อง “ใบอนุญาตทางสังคม” หรือ social license อย่างไรไม่ให้โดนตีกลับ

---

AI กับพลังงาน: เครื่องมือเดียวกัน แต่ผลลัพธ์ต่างกันสุดขั้ว

คำตอบสั้น ๆ คือ AI ไม่ได้ดีหรือเลวในตัวเอง มันแค่ขยายพฤติกรรมของคนที่ใช้มัน ถ้าใช้ผิดทิศ ศูนย์ข้อมูลที่รันโมเดล AI ขนาดใหญ่ก็กลายเป็นหลุมดำดูดไฟฟ้าได้ง่าย ๆ แต่ถ้าออกแบบดี AI ก็ช่วยไทยรับมือพลังงานหมุนเวียน เพิ่มสัดส่วนโซลาร์–ลมบนกริดได้อย่างปลอดภัย

AI ใช้ไฟเยอะแค่ไหนในภาพใหญ่

แม้ตัวเลขจะแตกต่างกันตามแหล่งข้อมูล แต่แนวโน้มชัดมาก:

• การฝึกโมเดล AI ขนาดใหญ่ 1 โมเดล อาจใช้ไฟเท่ากับบ้านเรือนหลายร้อยถึงหลายพันครัวเรือนต่อปี
• ในบางประเทศ ศูนย์ข้อมูลถูกคาดการณ์ว่าจะใช้ไฟมากกว่าเขตอุตสาหกรรมหนักบางประเภทภายใน 5–10 ปี
• สำหรับไทย แผนดึงดูดศูนย์ข้อมูลระดับภูมิภาค ถ้าไม่มีเงื่อนไข “ใช้พลังงานหมุนเวียน” ชัดเจน ความเสี่ยงที่โหลดจะกระโดดขึ้นแบบไม่ทันตั้งตัวมีสูงมาก

ในขณะเดียวกัน AI ในภาคพลังงาน ก็ช่วยลดคาร์บอนและต้นทุนได้จริง เช่น:

• การพยากรณ์โซลาร์ฟาร์มและวินด์ฟาร์มแม่นขึ้น ลดการสำรองโรงไฟฟ้าฟอสซิล
• การเพิ่มประสิทธิภาพการเดินเครื่องโรงไฟฟ้า ช่วยลดการใช้เชื้อเพลิงได้ 2–5% ซึ่งตัวเลขนี้ใหญ่มากในมุมค่าใช้จ่ายและ CO₂
• การบริหารพลังงานในอาคารและโรงงาน ช่วยลดค่าไฟได้ 10–30% ถ้าใช้ร่วมกับระบบ EMS และเซนเซอร์แบบเรียลไทม์

ประเด็นจึงไม่ใช่ว่า AI ดีหรือเลว แต่คือเราจะ “ออกแบบการใช้” ให้ฝั่งประหยัดและพลังงานสะอาดชนะฝั่งกินไฟได้อย่างไร

---

Social License คืออะไร และทำไมโครงการ AI พลังงานถึงต้องมี

โจทย์ใหญ่ของไทยตอนนี้ไม่ใช่แค่เทคโนโลยี แต่คือคำถามว่า สังคม “ยอมรับ” การใช้ AI ในภาคพลังงานแค่ไหน โดยเฉพาะโครงการที่แตะทั้งไฟฟ้า สิ่งแวดล้อม และข้อมูลส่วนบุคคล

“Social license” หรือความชอบธรรมทางสังคม คือ ความยินยอมโดยนัยจากชุมชนและผู้มีส่วนได้เสีย ซึ่งมองว่าโครงการหนึ่ง ๆ ‘สมเหตุสมผล ยุติธรรม และโปร่งใสพอจะเดินหน้าต่อ’

ในอดีต โรงไฟฟ้าถ่านหินหลายโครงการในไทยสะดุดหรือถูกยกเลิก เพราะขาด social license ต่อให้เอกสารกฎหมายครบ ก็เดินไม่ได้อยู่ดี ถ้าโครงการ AI–พลังงานเดินซ้ำรอยเดิม เราจะเสียโอกาสครั้งใหญ่โดยไม่จำเป็น

กรณี AI ในพลังงานที่เสี่ยงโดนสังคมคัดค้าน

โครงการ AI ในภาคพลังงานไทยที่มักมีมุมอ่อนไหว เช่น

• ศูนย์ข้อมูลขนาดใหญ่ ที่กินไฟเท่ากับเมืองขนาดกลาง แต่ไม่ได้ผูกพันว่าจะใช้พลังงานหมุนเวียน หรือจ่ายไฟคืนชุมชน
• โครงการ Smart Grid และ Smart Meter ที่เก็บข้อมูลการใช้ไฟละเอียดระดับนาที ทำให้กังวลเรื่องการละเมิดความเป็นส่วนตัว
• โครงการ AI ของรัฐวิสาหกิจพลังงาน ที่คนรู้สึกว่าประโยชน์ตกอยู่กับองค์กร มากกว่าผู้ใช้ไฟและชุมชนรอบโรงไฟฟ้า

เมื่อคนรู้สึกว่า “ได้ไม่คุ้มเสีย” หรือ “ไม่ไว้ใจเจ้าของโครงการ” social license ก็หายไปทันที ต่อให้เทคโนโลยีดีขนาดไหน

---

ใช้ AI เปลี่ยนผ่านสู่พลังงานสะอาด โดยไม่เพิ่มภาระให้กริดไทย

ถ้าโฟกัสให้ถูก AI สามารถช่วยให้ไทยรับมือพลังงานหมุนเวียนในระดับสูงได้ โดยไม่ต้องสร้างโรงไฟฟ้าฟอสซิลใหม่ และยังไม่ทำให้ค่าไฟพุ่งเกินจำเป็น

1) AI สำหรับการปรับสมดุลกริด (Grid Balancing)

หัวใจคือทำให้ “กริดไฟฟ้าที่มีพลังงานหมุนเวียนเยอะ” ยังเสถียรและเชื่อถือได้

ตัวอย่างการใช้งานในบริบทไทย

• การพยากรณ์การผลิตไฟฟ้าจากโซลาร์ขนาดหลังคาในกรุงเทพฯ และปริมณฑล ที่ขึ้นกับเมฆฝนแบบวันต่อวัน
• การจัดตารางเดินเครื่องโรงไฟฟ้าแก๊สให้ยืดหยุ่นขึ้น รับบทเป็น “โรงไฟฟ้าสำรองเร็ว” เวลาเมฆบังแดดหรือลมตก
• การบริหารแบตเตอรี่พลังงาน (BESS) ให้ชาร์จช่วงโซลาร์ล้น และจ่ายไฟช่วงหัวค่ำที่โหลดพีค

Insight สำคัญ: ถ้าไม่มี AI กริดที่มีโซลาร์–ลมสูง ๆ จะเปราะ และทำให้หน่วยงานกำกับกล้าอนุมัติสัดส่วนพลังงานหมุนเวียนได้น้อยลง

2) AI สำหรับบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance)

โรงไฟฟ้าก๊าซ โรงไฟฟ้าชีวมวล สถานีไฟฟ้าย่อย และฟาร์มโซลาร์–วินด์ในไทย เริ่มติดเซนเซอร์และระบบ SCADA กันเยอะแล้ว แต่ ถ้าไม่มี AI ข้อมูลเหล่านี้จะถูกใช้ไม่คุ้มค่า

สิ่งที่ AI ทำได้ เช่น

• วิเคราะห์เสียงสั่นสะเทือนและอุณหภูมิมอเตอร์–ปั๊ม เพื่อทำนายการเสียก่อนเกิดจริง 1–3 เดือน
• ตรวจจับความผิดปกติในหม้อแปลง สายส่ง และอุปกรณ์แรงสูง ก่อนล้มทั้งระบบ
• ประเมินสุขภาพแผงโซลาร์รายแถวหรือรายสตริง เพื่อลดการสูญเสียจากแผงเสื่อมสภาพ

ผลลัพธ์คือ ลดการหยุดเดินเครื่องฉุกเฉิน เพิ่ม factor การเดินเครื่อง และลดต้นทุนซ่อม ซึ่งสะท้อนกลับไปยังค่าไฟและความมั่นคงของระบบ

3) AI สำหรับการจัดการพลังงานฝั่งผู้ใช้ (Demand-side Management)

ฝั่งผู้ใช้ไฟคือพื้นที่ที่ AI ทำ impact ต่อ climate และค่าไฟได้เร็วสุด โดยเฉพาะในไทยที่อาคารพาณิชย์ โรงแรม ห้าง และโรงงานใช้ไฟรวมกันเป็นสัดส่วนใหญ่ของประเทศ

ตัวอย่างการใช้งานจริง:

• ระบบ AI บริหาร โหลดแอร์และชิลเลอร์ ในห้าง/โรงแรม ให้ใช้ไฟน้อยลงช่วงพีค โดยคุมอุณหภูมิให้ยังสบาย
• ระบบ EMS ในโรงงานที่ใช้ AI วิเคราะห์รูปแบบโหลด และเสนอ schedule การเดินเครื่องที่ประหยัดที่สุด
• การทำ Dynamic Tariff + AI ในอนาคต ที่ปล่อยให้ระบบจัดตารางใช้ไฟอัตโนมัติ ตามค่าไฟที่เปลี่ยนทุกช่วงเวลา

จุดร่วมของทั้งสามด้านคือ AI ช่วยใช้พลังงานให้คุ้มขึ้น ลดความจำเป็นต้องสร้างกำลังผลิตใหม่ และเปิดพื้นที่ให้พลังงานสะอาดเข้ามาแทนฟอสซิลได้เร็วขึ้น

---

ถ้าอยากให้สังคมไทย “ยอมรับ” AI พลังงาน ต้องทำอะไรบ้าง

องค์กรพลังงานไทยจำนวนมากเริ่มสนใจ AI แล้ว แต่สิ่งที่มักถูกมองข้ามคือมิติ “ความไว้ใจ” จากผู้ใช้ไฟและชุมชน ทั้งที่นี่แหละคือปัจจัยชี้เป็นชี้ตายในระยะยาว

1) โปร่งใสเรื่องพลังงานที่ AI ใช้

สำหรับศูนย์ข้อมูล หรือโครงการ AI ขนาดใหญ่ในภาคพลังงาน สิ่งที่ควรเปิดเผยอย่างตรงไปตรงมาคือ:

• ใช้ไฟปีละกี่หน่วย เทียบเท่าบ้าน/ชุมชนประมาณกี่ครัวเรือน
• สัดส่วนไฟจากฟอสซิล กับพลังงานหมุนเวียนเป็นเท่าไร
• มีแผนซื้อไฟฟ้าหมุนเวียน (เช่น โซลาร์ฟาร์มหรือโซลาร์รูฟ) เพิ่มอย่างไรบ้างในช่วง 3–5 ปี

องค์กรที่กล้าบอกตัวเลขตรง ๆ จะได้ความน่าเชื่อถือมากกว่าการใช้คำโฆษณากว้าง ๆ ว่า “เป็นมิตรต่อสิ่งแวดล้อม” โดยไม่มีตัวเลขรองรับ

2) อธิบายให้ชัดว่า “ใครได้ประโยชน์อะไร”

สังคมไทยจับตาเรื่องความเป็นธรรมมากขึ้น โดยเฉพาะถ้าโครงการเกี่ยวกับรัฐวิสาหกิจหรือทุนใหญ่ วิธีสื่อสารที่เวิร์ก คือพูดให้ชัดว่า:

• ผู้ใช้ไฟทั่วไปได้อะไร เช่น ค่าไฟถูกลง เสถียรภาพดีขึ้น ลดโอกาสไฟดับ
• ชุมชนรอบพื้นที่โครงการได้อะไร เช่น โครงการโซลาร์ชุมชน ทุนการศึกษา โครงสร้างพื้นฐาน
• องค์กรได้อะไร เช่น ลดต้นทุน เพิ่มความสามารถแข่งขันในภูมิภาค

ถ้าคนเห็นว่า win-win จริง social license จะเกิดขึ้นง่ายกว่าการบอกแค่ว่า “นี่คือเทคโนโลยีอนาคต”

3) ไม่แตะข้อมูลส่วนบุคคลเกินจำเป็น

หลายโครงการ AI ด้านพลังงานเริ่มเกี่ยวข้องกับข้อมูลระดับบุคคล เช่น ข้อมูล smart meter หรือข้อมูล IoT ในบ้านและอาคาร สิ่งที่ควรทำชัด ๆ คือ:

• เก็บเท่าที่จำเป็นต่อวัตถุประสงค์จริง ๆ ไม่เก็บเผื่อไว้โดยไม่มีเหตุผล
• ทำ data anonymization หรือทำให้ข้อมูลไม่ระบุตัวบุคคล เมื่อใช้เพื่อการวิเคราะห์รวม
• เปิดตัวเลือก opt-out สำหรับบางฟังก์ชันที่ไม่จำเป็นต่อความมั่นคงของระบบไฟฟ้า

องค์กรที่เคารพความเป็นส่วนตัวตั้งแต่แรก มักมีโอกาสสร้าง use case AI ใหม่ ๆ ได้ง่ายขึ้นในระยะยาว เพราะคน “กล้าให้ข้อมูล” มากกว่า

4) ดึงท้องถิ่นและคนทำงานภาคพลังงานไทยเข้าไปนั่งโต๊ะตั้งแต่ต้น

โครงการ AI ด้านพลังงานที่ออกแบบจากห้องประชุมในกรุงเทพฯ โดยไม่มีเสียงของ

• ชุมชนรอบโรงไฟฟ้า/สถานีไฟย่อย
• วิศวกรที่ต้องใช้ระบบจริงในสนาม
• ภาควิชาชีพ เช่น สมาคมวิศวกร สภาองค์กรชุมชน

มักจะสะดุดตอนนำไปใช้จริง เพราะคนรู้สึกว่า “นี่ไม่ใช่ระบบของเรา” วิธีที่ดีกว่าคือ ให้คนกลุ่มนี้ร่วมออกแบบตั้งแต่วันแรก เช่น ร่วมเวิร์กช็อป กำหนดตัวชี้วัดที่เขาเองก็เชื่อถือ และร่วมประเมินความเสี่ยงด้วย

---

ทิศทางต่อไปของ AI ในภาคพลังงานไทย: เลือกฝั่งให้ชัด

ถ้าไทยอยากเดินหน้า เปลี่ยนผ่านสู่พลังงานสะอาด แบบจริงจัง AI คือหนึ่งในเครื่องมือที่ขาดไม่ได้ ไม่ว่าจะเป็นการเพิ่มสัดส่วนพลังงานหมุนเวียน การทำกริดให้ยืดหยุ่น หรือการดึงดูดอุตสาหกรรมใหม่อย่างศูนย์ข้อมูลและอุตสาหกรรมดิจิทัล

แต่ในขณะเดียวกัน ถ้าเราไม่ออกแบบให้ดี AI ก็อาจกลายเป็นตัวเพิ่มโหลดไฟขนาดใหญ่ ที่ยังพึ่งฟอสซิลอยู่ และสร้างความไม่ไว้วางใจในสังคมได้ง่ายมาก โดยเฉพาะช่วงที่คนไทยจับตาค่าไฟ รายได้ และสิ่งแวดล้อมอย่างใกล้ชิดในปี 2025 นี้

มุมมองส่วนตัวของผมคือ ไทยควร “เลือกฝั่ง” ให้ชัด:

• สนับสนุน AI ที่ช่วยลดการใช้พลังงาน เพิ่มประสิทธิภาพ และดันพลังงานหมุนเวียนบนกริด
• วางกติกาชัด ๆ ให้ศูนย์ข้อมูลและโครงการ AI ขนาดใหญ่ ต้องเดินคู่กับพลังงานสะอาด ไม่ใช่เพิ่มโหลดฟอสซิลท่วมระบบ
• ให้ความสำคัญกับ social license เท่ากับเทคโนโลยี เพราะความเชื่อใจคือโครงสร้างพื้นฐานที่มองไม่เห็น แต่ขาดไม่ได้

องค์กรที่เริ่มตั้งคำถามเหล่านี้ตั้งแต่ตอนนี้ จะได้เปรียบมากในอีก 3–5 ปี ทั้งในสายตาผู้ใช้ไฟ นักลงทุน และหน่วยงานรัฐ

คำถามที่เหลือจริง ๆ เลยคือ: คุณอยากให้ AI ในภาคพลังงานไทยเป็น “หลุมดำกินไฟ” หรือ “ตัวช่วยเร่งพลังงานสะอาด” และองค์กรของคุณกำลังเดินไปทางไหนกันแน่?