True ใช้ AI ลดพลังงานเครือข่าย 12% บทเรียนสำคัญสู่พลังงานสะอาด

ประเทศไทยกำลังใช้ไฟฟ้ามากขึ้นทุกปี แต่มีตัวเลขหนึ่งที่น่าสนใจมากจากเคสของทรู คอร์ปอเรชั่น: การใช้ AI บริหารพลังงานสถานีฐานทั่วประเทศ ช่วยลดการใช้ไฟฟ้าได้ 10–12% และลดการปล่อยก๊าซเรือนกระจกได้ 40,000 ตัน CO₂ ต่อปี เทียบเท่าการปลูกต้นไม้กว่า 4.2 ล้านต้นต่อปี

นี่ไม่ใช่โครงการวิจัยในห้องแลบ แต่คือระบบที่รันจริงบนเครือข่ายมือถือทั้ง 4G/5G ทั่วประเทศ และได้รับการรับรองมาตรฐานระดับโลก TM Forum Autonomous Network Level 4.0 ถึง 2 ด้าน ถือว่าเป็นสัญญาณชัดมากว่า AI ในภาคพลังงานไทย เริ่มเดินมาถูกทางแล้ว

บทความนี้จะเล่าให้ฟังแบบง่าย ๆ ว่าเบื้องหลังโครงการนี้ทำอะไร ใช้ AI ยังไง ทำไมการได้รับมาตรฐาน Autonomous Network Level 4.0 ถึงสำคัญ และที่สำคัญคือ SME ไทยกับผู้เล่นด้านพลังงานจะหยิบบทเรียนจากเคสนี้ไปใช้ในธุรกิจตัวเองได้อย่างไร

---

Autonomous Network Level 4.0 คืออะไร และเกี่ยวอะไรกับพลังงานไทย

คำว่า Autonomous Network Level 4.0 (AN Level 4.0) จาก TM Forum ฟังดูไกลตัว แต่หัวใจจริง ๆ มีอยู่สองเรื่อง:

1. เครือข่ายใช้ AI ขั้นสูงในการตัดสินใจเอง แทบทุกขั้นตอน
2. เป้าหมายคือทั้ง คุณภาพบริการ และ ประสิทธิภาพด้านพลังงาน ไปพร้อมกัน

มาตรฐาน AN แบ่งเป็น 5 ระดับ ตั้งแต่ Level 1 ที่ยังพึ่งคนแทบทั้งหมด ไปจนถึง Level 5 ที่เครือข่ายดูแลตัวเองได้สมบูรณ์ ปัจจุบันผู้ให้บริการส่วนใหญ่ในโลกอยู่แถว ๆ Level 3 เท่านั้น การที่ทรูคว้า Level 4.0 จำนวน 2 หมวด เลยกลายเป็นกรณีศึกษาใหญ่ในอุตสาหกรรมโทรคมนาคม

สำหรับซีรีส์ “AI ในภาคพลังงานไทย: การเปลี่ยนผ่านสู่พลังงานสะอาด” เคสนี้ชัดเจนมากว่า:

• AI ไม่ได้ใช้แค่พยากรณ์โหลดไฟฟ้าในโรงไฟฟ้า แต่ ใช้บริหารพลังงานฝั่งผู้ใช้ (demand side) ได้จริง
• การจัดการพลังงานอัจฉริยะสามารถผูกกับ คุณภาพบริการลูกค้าแบบ real-time ได้ ไม่ใช่แค่ปิดไฟประหยัดแบบหยาบ ๆ
• มาตรฐานระดับโลกอย่าง TM Forum AN ช่วยยืนยันว่าระบบ AI เหล่านี้ “รันจริง ใช้จริง” ไม่ใช่แค่ PoC สวย ๆ บนสไลด์

---

ภาพรวมโครงการของทรู: AI ดูแลทั้งคุณภาพสัญญาณและพลังงาน

ทรูได้รับการรับรอง AN Level 4.0 สองด้านหลัก ซึ่งเกี่ยวกับพลังงานโดยตรงและโดยอ้อม คือ

1. Service Assurance – Individual Services (RAN Throughput Management)
   AI ดูแลคุณภาพสัญญาณ RAN (Radio Access Network) ให้ลูกค้าใช้งาน 4G/5G ได้ลื่นไหล ทั้งดูวิดีโอ เล่นเกม วิดีโอคอล โดยไม่ต้องรอให้ลูกค้าโทรมาแจ้งปัญหา

2. RAN Energy Efficiency Optimization
   AI บริหารพลังงานสถานีฐานทั่วประเทศ เปิด–ปิด ปรับกำลังส่งให้เหมาะสมกับปริมาณผู้ใช้งาน ลดไฟฟ้าโดยที่คุณภาพสัญญาณยังดีอยู่

สำหรับโลกพลังงาน นี่คือ ตัวอย่างการทำ Demand-side Energy Management ระดับประเทศ ผ่านโครงสร้างพื้นฐานโทรคมนาคม ไม่ต่างจากการบริหารโหลดในนิคมอุตสาหกรรมหรืออาคารขนาดใหญ่เลย แค่สเกลใหญ่กว่าและซับซ้อนกว่า

---

เบื้องหลัง AI ที่ทำให้เครือข่าย “จัดการตัวเองได้”

1) Service Assurance: AI ที่ดูแลคุณภาพเครือข่ายทุกวินาที

ในมุมพลังงาน หลายองค์กรชอบมองว่า “ประหยัดไฟ” ต้องยอมแลกกับ “คุณภาพบริการ” ที่ลดลง แต่เคสนี้พิสูจน์ตรงกันข้าม เพราะทรูเอา AI มาดูคุณภาพเครือข่ายแบบละเอียดมากก่อนจะไปยุ่งเรื่องพลังงาน

ระบบ Intent-Based Operation (IBO) ที่ทรูพัฒนาร่วมกับ Ericsson ทำหน้าที่เหมือน “ทีม NOC ที่เป็น AI”:

• เฝ้าดู KPI มากกว่า 80 ตัว ครอบคลุม throughput, latency, signal quality, drop rate ฯลฯ
• เรียนรู้ pattern การใช้งานจากข้อมูลเครือข่ายจริง
• คาดการณ์ล่วงหน้า ว่าตรงไหนจะเริ่มแน่น ตรงไหนจะมีสัญญาณรบกวน
• ปรับแต่งพารามิเตอร์เครือข่าย (เช่น การกระจายโหลด, มุมรับ-ส่ง, กำลังส่ง) โดยอัตโนมัติ

ผลที่ลูกค้ารู้สึกได้คือ:

• วิดีโอสตรีมไม่สะดุด แม้คนดูพร้อมกันเยอะ
• เกมออนไลน์ ping เสถียรกว่าเดิม
• ปัญหาเครือข่ายหลายอย่างถูกแก้ ก่อน ที่ลูกค้าจะรู้สึกว่ามีปัญหา

บทเรียนสำหรับ SME / ผู้เล่นในภาคพลังงาน

• ก่อนจะโฟกัสที่ “ลดไฟ” ให้เอา AI ไปช่วยเรื่อง “คุณภาพบริการ” ก่อน เช่น คุณภาพอากาศในอาคาร, อุณหภูมิคลังสินค้า, เสถียรภาพของกริดย่อย
• เมื่อเราคุมคุณภาพได้แบบเรียลไทม์แล้ว การปรับลดพลังงานจะทำได้แบบ แม่นและปลอดภัยกว่า มาก

2) RAN Energy Efficiency: ใช้ไฟเฉพาะเวลาที่คน “ใช้จริง”

นี่คือส่วนที่ผูกกับธีม พลังงานสะอาดและ Net Zero อย่างตรง ๆ ระบบ AI ของทรูทำสิ่งสำคัญ 4 เรื่องในสถานีฐานทั่วประเทศ:

1. Multi-vendor Data Collection
   ดึงข้อมูลจากอุปกรณ์สถานีฐานหลายยี่ห้อ หลายรุ่น มารวมวิเคราะห์ในภาพเดียวกัน

2. Traffic Prediction
   พยากรณ์ปริมาณการใช้งานล่วงหน้า ว่าช่วงไหนคนใช้เยอะ–น้อย แถวไหนจะมีโหลดพุ่งขึ้น เช่น ช่วงเลิกงาน, งานคอนเสิร์ต, พื้นที่ท่องเที่ยวเสาร์–อาทิตย์

3. Automated Decisioning
   ให้ AI ตัดสินใจว่าจะ ลด/เพิ่มกำลังส่ง หรือปิดบางส่วนของสถานีฐานเมื่อไม่มีคนใช้ โดยระวังไม่ให้คุณภาพสัญญาณตกจนลูกค้ารู้สึกได้

4. Emergency Wake-up
   ถ้าจู่ ๆ มีผู้ใช้เพิ่มขึ้นอย่างรวดเร็ว ระบบก็ ปลุกสถานีฐานกลับมาทำงานทันที โดยไม่ต้องรอวิศวกรสั่ง

ผลลัพธ์จากการใช้งานจริง:

• ลดการใช้พลังงานของสถานีฐานทั่วประเทศได้ 10–12%
• ลดการปล่อยก๊าซเรือนกระจกปีละ 40,000 ตัน CO₂
• เทียบเป็นการปลูกต้นไม้ประมาณ 4.2 ล้านต้นต่อปี

นี่คือ Demand Response แบบอัตโนมัติเต็มรูปแบบในเครือข่ายมือถือ ซึ่งเป็นไอเดียเดียวกับที่ภาคพลังงานเริ่มใช้ใน smart grid และ smart building ทั่วโลก

---

ทำไม TM Forum ถึงเรียกเคสนี้ว่า “ต้นแบบระดับโลก”

TM Forum ไม่ได้ให้การรับรองแค่เพราะโชว์ AI เท่ ๆ แต่ดูตั้งแต่แนวคิดจนถึงผลลัพธ์จริง โครงการของทรูถูกจัดเป็น “Reference-Quality Example” เพราะมีคุณสมบัติสำคัญหลายข้อ:

• เป็น Complete Case Study – มีทั้งสถาปัตยกรรม กระบวนการ ดาต้า โมเดล AI วิธี rollout
• เป็น Operator-grade – ใช้งานได้จริงในสเกลประเทศ ไม่ใช่แค่ pilot เล็ก ๆ
• ออกแบบโดยยึด คุณภาพบริการและประสบการณ์ลูกค้า เป็นศูนย์กลาง แล้วค่อยตามด้วยการ optimize พลังงาน

สำหรับผู้เล่นในภาคพลังงานไทย ไม่ว่าจะเป็นผู้ผลิตไฟฟ้า, ผู้ให้บริการโซลาร์, ESCO, หรือผู้พัฒนาโครงการ smart building/smart factory บทเรียนสำคัญคือ:

การทำ AI ด้านพลังงานที่จะ “ไปต่อได้จริง” ต้องคิดเป็นระบบตั้งแต่สถาปัตยกรรม ข้อมูล กระบวนการ ไปจนถึง KPI ที่วัดได้ชัด ไม่ใช่ทำเป็นโปรเจกต์เดี่ยว ๆ แยกขาดจากธุรกิจหลัก

---

4 บทเรียนจากทรู ที่ภาคพลังงานและ SME ไทยเอาไปใช้ได้เลย

ต่อให้คุณไม่ได้มีสถานีฐานเป็นพัน ๆ แห่งแบบโอเปอเรเตอร์มือถือ แต่แนวคิดเดียวกันนี้ใช้งานได้จริงใน โรงงาน, อาคาร, โรงแรม, รีสอร์ท, ห้าง, โครงการโซลาร์รูฟ, โกดังเย็น และอีกเยอะมาก

1) เริ่มจาก “พื้นที่ที่กินไฟหนัก + มีดาต้าอยู่แล้ว”

ทรูเริ่มจาก RAN เพราะเป็นส่วนที่ใช้พลังงานสูงและมีดาต้าจำนวนมากอยู่แล้ว สำหรับองค์กรทั่วไป คุณอาจเริ่มจาก:

• ระบบ HVAC (แอร์) ในอาคารสำนักงานหรือห้าง
• ระบบปั๊มและมอเตอร์ในโรงงาน
• ระบบทำความเย็นในโกดังสินค้าและซูเปอร์มาร์เก็ต

โฟกัสที่ระบบที่ใช้ไฟมากที่สุด 20% แรก มักจะให้ผลประหยัดไฟเกือบ 80% ของทั้งหมด

2) สร้าง “Intent” ให้ชัด แล้วให้ AI ช่วยหาวิธี

แนวคิด Intent-Based Operation น่าสนใจมาก เพราะองค์กรไทยจำนวนไม่น้อยเริ่มจาก “อยากลดค่าไฟให้ได้ X%” แต่ไม่ได้คิดว่าลูกค้าหรือพนักงานต้องการอะไร

ลองเปลี่ยนเป็นตั้ง Intent แบบนี้:

• “อุณหภูมิสำนักงานต้องคุมให้อยู่ในช่วง 24–26°C ตลอดเวลาทำการ โดยใช้พลังงานน้อยที่สุด”
• “อุณหภูมิห้องเย็นต้องไม่เกิน -18°C แต่ให้คอมเพรสเซอร์ทำงานน้อยที่สุด”
• “แรงดันในสายการผลิตต้องนิ่งภายในช่วงที่กำหนด โดย optimize การใช้ปั๊มให้ประหยัดที่สุด”

เมื่อ Intent ชัด คุณก็ใช้ AI หรือระบบอัตโนมัติมาช่วย optimize แทนการตั้งค่าด้วยความรู้สึก

3) เอา AI มาดู “pattern การใช้งาน” แล้วค่อยปรับโหลด

จุดที่ทำให้ระบบของทรูประหยัดไฟได้แต่ยังรักษาคุณภาพบริการ คือการมอง pattern การใช้งานแบบเวลาและพื้นที่ละเอียดมาก AI ในภาคพลังงานก็ทำแบบเดียวกันได้:

• ใช้ข้อมูลโหลดไฟรายชั่วโมง/รายนาที มาฝึกโมเดลพยากรณ์
• ดูความสัมพันธ์กับปัจจัยอื่น เช่น วันหยุด, สภาพอากาศ, โปรโมชั่น, กิจกรรมในห้าง
• ปรับตารางการทำงานของเครื่องจักร/แอร์/ไฟส่องสว่าง ให้สอดคล้องกับโหลดจริง

สำหรับ SME ที่ยังไม่พร้อมใช้ AI เต็มรูปแบบ แค่เริ่มจาก วิเคราะห์โหลดย้อนหลังด้วย BI หรือ Excel ให้ดีขึ้น ก็อาจลดไฟได้ 5–10% โดยยังไม่ต้องลงทุนหนักด้วยซ้ำ

4) วัดผลเป็นตัวเลขพลังงานและคาร์บอนอย่างจริงจัง

ทรูไม่ได้พูดแค่ “เราประหยัดไฟได้เยอะ” แต่มีตัวเลขชัดว่า:

• ลดพลังงานได้ 10–12%
• ลดคาร์บอน 40,000 ตัน CO₂ ต่อปี

องค์กรด้านพลังงานและ SME ที่อยากขายโซลูชันด้านพลังงานสะอาดให้ลูกค้า ควรทำ 3 อย่างนี้ให้ได้เหมือนกัน:

• วัด baseline พลังงานก่อนทำโครงการ
• เก็บดาต้าอย่างต่อเนื่องหลังปรับระบบ
• แปลงผลลัพธ์เป็น kWh, บาท, ตัน CO₂ เพื่อใช้ทั้งด้านธุรกิจและ ESG

---

เชื่อมโยงสู่เป้าหมาย Net Zero และอนาคต AI พลังงานไทย

ทรูประกาศเป้าหมายลดการปล่อยก๊าซเรือนกระจกลง 42% ภายในปี 2030 (จากปีฐาน 2020) และมุ่งสู่ Net Zero ภายในปี 2050 สิ่งที่น่าสนใจคือ AI ไม่ได้ถูกใช้แค่เพื่อ “ทำให้เครือข่ายดีขึ้น” แต่ถูกเอามาเป็น แกนกลางของกลยุทธ์ Green Network ด้วย

สำหรับประเทศไทยโดยรวม เคสนี้สะท้อนอะไรหลายอย่าง:

• AI ในภาคพลังงานไทยเริ่มเข้าสู่เฟสใช้งานจริงในสเกลประเทศแล้ว ไม่ใช่แค่ทดลองในห้องแล็บ
• Demand-side management ที่ชาญฉลาดจะกลายเป็นเครื่องมือสำคัญพอ ๆ กับการลงทุนโรงไฟฟ้าพลังงานหมุนเวียนใหม่
• องค์กรที่ลงมือก่อนและทำให้เห็นตัวเลขจริง จะมีแต้มต่อทั้งด้านต้นทุน พันธสัญญา ESG และภาพลักษณ์แบรนด์

ผมเชื่อว่าจุดถัดไปที่เราจะได้เห็นคือ:

• AI ช่วย ปรับสมดุลกริดไฟฟ้า ระหว่างพลังงานหมุนเวียนกับโหลดจริงแบบใกล้เคียง real-time
• AI สำหรับ บำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) ในโรงไฟฟ้า โซลาร์ฟาร์ม และแบตเตอรี่ขนาดใหญ่
• แพลตฟอร์มจัดการพลังงานอัจฉริยะ (Energy Management Platform) สำหรับ SME ไทย ที่ใช้งานง่ายแต่มีสมอง AI อยู่ข้างใน

สำหรับเจ้าของธุรกิจและผู้เล่นในอุตสาหกรรมพลังงาน คำถามสำคัญตอนนี้ไม่ใช่ว่า “ควรใช้ AI หรือไม่” แต่คือ:

คุณจะเริ่มใช้ AI ตรงไหนก่อน เพื่อให้ธุรกิจได้ทั้ง คุณภาพบริการที่ดีขึ้น และ พลังงานที่สะอาดขึ้น ไปพร้อมกัน

ถ้าเริ่มจากจุดที่กินไฟหนัก วัดผลได้ชัด และมีดาต้าในมืออยู่แล้ว คุณก็เดินอยู่บนเส้นทางเดียวกับที่ทรูใช้ในการสร้าง Green Network ระดับประเทศ แค่สเกลเล็กลง แต่ผลลัพธ์ต่อธุรกิจคุณอาจใหญ่กว่าที่คิดมาก