ถอดบทเรียนวัฒนธรรมองค์กรแบบ Bangchak แล้วแปลงเป็นแผนสร้างคน + AI สำหรับ SME พลังงานไทย เดินหน้าสู่พลังงานสะอาดอย่างใช้ได้จริง
วัฒนธรรมองค์กรที่ดี คือเทคโนโลยีเร่งความเปลี่ยนผ่านตัวจริง
องค์กรพลังงานที่เปลี่ยนผ่านสู่พลังงานสะอาดแล้ว “ไปต่อได้ยาว” มักมีสิ่งหนึ่งเหมือนกันคือ วัฒนธรรมองค์กรที่พร้อมเปลี่ยนแปลง ไม่ใช่แค่มีงบลงทุน ไม่ใช่แค่ซื้อระบบ AI แพง ๆ แล้วคิดว่าจบ
Bangchak เป็นหนึ่งในเคสที่ชัดมากในไทย จากบทสนทนาใน Techsauce Podcast TS Culture EP.03 จะเห็นว่าเบื้องหลังการเปลี่ยนตัวเองจากบริษัทน้ำมันแบบดั้งเดิมไปสู่ธุรกิจพลังงานสะอาดและเทคโนโลยีใหม่ ๆ คือ “วัฒนธรรม” ไม่ใช่แค่กลยุทธ์บนกระดาษ
สำหรับซีรีส์ AI ในภาคพลังงานไทย: การเปลี่ยนผ่านสู่พลังงานสะอาด บทความนี้อยากชวนมองต่างมุมหน่อย: ถ้า SME พลังงานไทย หรือหน่วยงานที่เกี่ยวข้อง อยากใช้ AI มาช่วยบริหารกริดไฟฟ้า พยากรณ์พลังงานหมุนเวียน หรือทำบำรุงรักษาเชิงคาดการณ์ แบบที่หลายประเทศเริ่มทำกันแล้ว โจทย์แรกไม่ใช่เลือกแพลตฟอร์ม แต่คือสร้าง “คน + วัฒนธรรม” ให้รองรับมันได้จริง
นี่คือสิ่งที่เราถอดได้จากกรณี Bangchak แล้วปรับใช้กับการใช้ AI ในภาคพลังงานไทย โดยเฉพาะสำหรับองค์กรขนาดกลางและ SME ที่ต้องเดินเกมให้คมกว่าในยุคเงินทุนไม่ใช่ข้อได้เปรียบเดียว
1. ทำไมวัฒนธรรมองค์กรถึงสำคัญกว่าซอฟต์แวร์ AI
คำตอบตรง ๆ คือ AI ในภาคพลังงานจะล้มเหลวทันที ถ้าวัฒนธรรมองค์กรต่อต้านการเปลี่ยนแปลง ต่อให้คุณมีโมเดลพยากรณ์โหลดไฟฟ้าแม่นระดับ 95% แต่ถ้าทีมปฏิบัติการยังตัดสินใจจาก “ความเคยชิน” ไม่สนใจข้อมูล ผลลัพธ์ก็ไม่ต่างอะไรจากไม่มีระบบ
กรณี Bangchak ชี้ให้เห็นชัดเจนว่า เมื่อองค์กรพลังงานเจอแรงกดดันจาก
- ดีมานด์พลังงานสะอาดที่เพิ่มขึ้นทุกปี
- กฎระเบียบด้านสิ่งแวดล้อมที่เข้มงวดขึ้น
- เทคโนโลยีใหม่อย่าง Solar, Storage, EV, Microgrid
สิ่งที่พวกเขาโฟกัสไม่ใช่แค่ลงทุนในเทคโนโลยี แต่คือ ปรับวัฒนธรรมจาก “เชื้อเพลิงฟอสซิล” ไปสู่ “องค์กรเทคโนโลยีพลังงานสะอาด”
สำหรับ SME หรือผู้เล่นรายกลางในภาคพลังงานไทย เรื่องนี้ยิ่งสำคัญกว่า เพราะคุณไม่มีเงินเยอะเท่าบริษัทใหญ่ แต่คุณมีข้อได้เปรียบด้านความคล่องตัว ถ้าวัฒนธรรมพร้อม การทดลองใช้ AI จะไปได้ไกลกว่าองค์กรที่ใหญ่แต่คิดช้า
AI ที่เก่งที่สุดก็ไร้ค่า ถ้าคนในห้องควบคุมไม่เชื่อข้อมูลของมัน
2. 4 แกนวัฒนธรรมแบบ Bangchak ที่ช่วยรับมือการเปลี่ยนแปลง
จากเคสของ Bangchak และองค์กรพลังงานรายใหญ่หลายแห่ง ผมสรุปแกนวัฒนธรรมหลักที่ทำให้พนักงานพร้อมรับการเปลี่ยนแปลงในโลกพลังงานและ AI ได้จริง ๆ ไว้ 4 ข้อ และคุณสามารถเอาไปปรับใช้ในองค์กรตัวเองได้เลย
2.1 วัฒนธรรม “มองไกลกว่าโรงกลั่น”
Bangchak ไม่ได้ยึดติดว่าตัวเองเป็นแค่ธุรกิจโรงกลั่นน้ำมัน แต่ขยายภาพตัวเองเป็น “บริษัทพลังงานเพื่ออนาคต” นี่คือจุดเปลี่ยนสำคัญ เพราะทำให้คนในองค์กรเปิดรับธุรกิจใหม่ เช่น
- พลังงานหมุนเวียน (โซลาร์ วินด์ ไบโอ)
- สถานีชาร์จรถ EV
- โครงการด้านคาร์บอนเครดิต
ในเชิง AI นี่คือการเปิดทางให้ใช้เทคโนโลยีในหลายมิติ เช่น การใช้
- AI พยากรณ์การผลิตไฟฟ้าจากโซลาร์ฟาร์มตามสภาพอากาศ
- AI ทำ Demand Response ปรับโหลดฝั่งผู้ใช้
- AI วิเคราะห์ Carbon Footprint ของห่วงโซ่อุปทาน
ถ้าองค์กรยังคิดว่าหน้าที่เรามีแค่ “ส่งเชื้อเพลิงให้ทันเวลา” มุมมองแบบนี้จะไม่เกิดเลย
2.2 วัฒนธรรม “เชื่อในข้อมูลมากกว่าเสียงเดา”
Podcast ของ Techsauce หลายตอนพูดตรงกันว่า บริษัทที่เปลี่ยนผ่านสู่ Digital / AI ได้จริง มักมี “Data Culture” ที่ชัดเจนคือ
- ตัดสินใจบนฐานข้อมูล ไม่ใช่ความรู้สึกเฉพาะบุคคล
- ให้ทีมปฏิบัติการเข้าถึงข้อมูลเรียลไทม์
- ตั้งคำถามกับตัวเลขได้อย่างปลอดภัย ไม่ใช่เถียงกันด้วยอีโก้
สำหรับภาคพลังงาน นี่คือหัวใจของ
- การบริหารกริดไฟฟ้าแบบ Real-time
- การพยากรณ์โหลด (Load Forecasting)
- การบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance)
ถ้าเราอยากใช้ AI วิเคราะห์สภาพเครื่องจักรในโรงไฟฟ้า แต่ช่างยังจดบันทึกในสมุด และไม่ยอมใส่ข้อมูลลงระบบเพราะ “เสียเวลา” โมเดล AI ก็จะมีแต่ข้อมูลหลุม ๆ ไม่แม่น และสุดท้ายใคร ๆ ก็จะสรุปว่า “AI ใช้ไม่ได้หรอก” ทั้งที่ปัญหาจริงอยู่ที่วัฒนธรรมข้อมูล ไม่ใช่เทคโนโลยี
2.3 วัฒนธรรม “ทดลองเล็ก เร็ว เรียนรู้ไว”
จากหลายตอนของ Techsauce ที่สัมภาษณ์องค์กรใหญ่ เช่น OR, SCG, InnovestX จะเห็นรูปแบบเดียวกันคือเขาไม่ทำ Digital Transformation แบบโปรเจกต์ยักษ์ครั้งเดียว แต่ใช้แนวทาง
- เริ่มทดลองเล็ก ๆ (Pilot) 3–6 เดือน
- วัดผลชัดเจน เช่น ลด Downtime ได้กี่ชั่วโมง ลดค่าไฟกี่เปอร์เซ็นต์
- ถ้าเวิร์กค่อยขยาย ถ้าไม่เวิร์กก็จบ ไม่ต้องฝืน
นี่คือแนวคิดที่ SME ภาคพลังงานควรเอามาใช้กับโครงการ AI เช่น
- ทดลองใช้ AI ทำ Predictive Maintenance แค่กับปั๊มหรือมอเตอร์ที่เสี่ยงสูงก่อน
- ทดลองระบบพยากรณ์โหลดไฟฟ้าในบางพื้นที่ ไม่ต้องทั้งจังหวัด
- ลองติดตั้ง Energy Management System ในสายการผลิตเส้นเดียวก่อนทั้งโรงงาน
วัฒนธรรมที่ยอมรับว่า “ลองผิดได้ แต่ต้องเรียนรู้เร็ว” ทำให้พนักงานไม่กลัว AI และพร้อมร่วมมือ แทนที่จะมองว่าเป็นโปรเจกต์จากสำนักงานใหญ่ที่ต้องรอคำสั่งอย่างเดียว
2.4 วัฒนธรรม “คนทุกระดับต้องเข้าใจว่า AI ไม่ได้มาแย่งงาน แต่เปลี่ยนรูปแบบงาน”
Techsauce พูดเรื่องนี้บ่อย โดยเฉพาะใน EP.129 ที่ว่ามนุษย์กับ AI ต้องเป็นส่วนหนึ่งกัน ไม่ใช่ฝั่งหนึ่งชนะอีกฝั่งหนึ่งแพ้ ในภาคพลังงาน ความกลัวเรื่องนี้ชัดมาก เช่น
- พนักงานกลัวว่าระบบตรวจวัดอัตโนมัติจะมาแทนทีมตรวจหน้างาน
- ทีมวางแผนกลัวว่า AI Forecast จะมาแทนงานวิเคราะห์
วัฒนธรรมแบบ Bangchak ที่เน้นการสื่อสารเป้าหมายระยะยาวชัด ๆ ช่วยได้เยอะ เช่น
- อธิบายให้เห็นว่า AI ช่วยลดงานรูทีน เพื่อให้คนไปทำงานที่ใช้วิจารณญาณมากขึ้น
- แสดงตัวอย่างชัด ๆ ว่าเมื่อใช้ AI แล้ว คนเดิมได้สกิลใหม่ ได้บทบาทใหม่
- ตั้งโครงการ Upskill/Reskill ด้าน Data และ AI สำหรับคนหน้างานจริง
องค์กรที่ทำได้ตรงนี้ พนักงานจะเริ่มถามว่า “AI ช่วยอะไรเราได้อีก” แทนที่จะถามว่า “อีกหน่อยเราจะตกงานไหม”
3. แปลงบทเรียน Bangchak เป็นแผนลงมือสำหรับ SME พลังงาน
เอาให้เป็นรูปธรรม ถ้าเป็น SME ไทยที่ทำธุรกิจเกี่ยวกับพลังงาน เช่น
- ผู้ติดตั้งระบบโซลาร์รูฟท็อป
- โรงงานผลิตชิ้นส่วนอุปกรณ์ไฟฟ้า
- ผู้ให้บริการด้านบำรุงรักษาระบบไฟฟ้า หรือระบบปรับอากาศขนาดใหญ่
แล้วอยากเริ่มใช้ AI ด้านพลังงานและการจัดการพลังงาน โดยไม่หลงทาง ผมแนะนำเฟรมเวิร์ก 5 ขั้นที่ผูกกับวัฒนธรรมองค์กรไปพร้อมกันแบบนี้
ขั้นที่ 1: ตั้งโจทย์ธุรกิจที่ชัด ก่อนคิดถึง AI
อย่าเริ่มจากเทคโนโลยี เริ่มจากปัญหาธุรกิจ เช่น
- ค่าไฟโรงงานสูง แต่ไม่รู้ว่า Peak Load มาจากจุดไหน
- เครื่องจักรเสียบ่อย ทำให้ต้องหยุดการผลิตโดยไม่คาดคิด
- ลูกค้าร้องเรียนเรื่องแรงดันไฟไม่คงที่ในบางช่วงเวลา
จากนั้นค่อยถามว่า ถ้ามีข้อมูลและ AI ช่วย เราจะแก้ปัญหานี้ง่ายขึ้นแค่ไหน เช่น
- ใช้ AI วิเคราะห์ Demand Profile ของโรงงาน เพื่อออกแบบการจัดการโหลด
- ใช้ Predictive Maintenance จากข้อมูลสั่นสะเทือนและอุณหภูมิของอุปกรณ์
- ใช้ AI วิเคราะห์ข้อมูลจาก Smart Meter เพื่อหาความผิดปกติของแรงดัน
ขั้นที่ 2: รวบรวมข้อมูลให้ใช้ได้จริง (Data Foundation)
AI ในภาคพลังงานจะดีได้เท่ากับคุณภาพข้อมูลเท่านั้น เทคนิคไม่ซับซ้อน แต่ต้องทำให้ได้จริง เช่น
- เก็บข้อมูลแบบ Timestamp ชัดเจน (เวลาเดียวกันทั้งระบบ)
- ลดการจดมือ เปลี่ยนเป็นระบบออนไลน์หรือ IoT เท่าที่ทำได้
- ทำ Data Cleaning ขั้นพื้นฐาน เช่น ตรวจค่าผิดปกติ ช่องว่างของข้อมูล
วัฒนธรรมองค์กรที่ช่วยจุดนี้คือ การทำให้คนหน้างานเห็นประโยชน์ของข้อมูล เช่น โชว์ Dashboard ง่าย ๆ ให้เขาเห็นว่า ข้อมูลที่เขาใส่เข้าไป ทำให้ลดโอที ลดการออกไปซ่อมกลางดึกได้จริง
ขั้นที่ 3: สร้างทีมเล็ก ๆ ที่ข้ามสายงาน (Cross-functional Squad)
เรียนจาก Bangchak และองค์กรใหญ่หลายแห่งได้เลยว่า โปรเจกต์ด้านพลังงาน + AI จะไม่เวิร์กถ้ามีแต่ทีม IT หรือนักวิทยาศาสตร์ข้อมูล ควรมีทีมเล็ก ๆ ที่ประกอบด้วย
- คนปฏิบัติการ (Operator / ช่าง)
- วิศวกรหรือผู้เชี่ยวชาญระบบไฟฟ้า
- คนด้านข้อมูล / AI
- ตัวแทนฝ่ายธุรกิจหรือการเงิน
หน้าที่ของทีมนี้คือ
- นิยาม Use Case และ KPI ร่วมกัน
- ตัดสินใจเรื่องการทดลองและการขยายผล
- สื่อสารผลลัพธ์กับทั้งองค์กร
ขั้นที่ 4: เริ่มจาก Pilot Project ที่วัดผลได้ชัด
เลือก Use Case เดียวที่
- มี Data พร้อม หรือเก็บได้ไม่ยาก
- มีผลกระทบธุรกิจชัด เช่น ลดต้นทุนพลังงาน 10–20% หรือ ลด Downtime 30%
- มีเจ้าของธุรกิจพร้อมช่วยผลัก
ตัวอย่าง Pilot ในภาคพลังงานสำหรับ SME ไทย เช่น
- ใช้ AI พยากรณ์การผลิตจากโซลาร์รูฟท็อป เพื่อปรับเวลาการเดินเครื่องจักร
- ใช้ AI ตรวจจับ Anomaly จากข้อมูล Motor Current เพื่อลดโอกาสมอเตอร์ไหม้
- ใช้ระบบ Energy Management + AI แนะนำการตั้งค่า Chiller ให้ประหยัดที่สุด
สำคัญมากคือ ต้องสื่อสารให้ทั้งองค์กรเห็นว่า
- โครงการนี้คือ “การช่วยงานคน” ไม่ใช่ “แข่งกับคน”
- ถ้าทำสำเร็จ จะมีการต่อยอดโอกาสใหม่ เช่น บริการเสริมให้ลูกค้า
ขั้นที่ 5: ขยายผลและฝังเข้าไปในวัฒนธรรม
เมื่อ Pilot เริ่มเห็นผล ให้รีบทำสองอย่างคู่กัน
- ขยายผลทางเทคนิค: เอาโมเดลหรือระบบที่เวิร์กไปใช้ในไซต์อื่น ๆ หรือกับลูกค้ารายอื่น
- ขยายผลทางวัฒนธรรม:
- จัด Sharing Session ให้ทีมอื่นมาเรียนรู้
- เล่า Success Story ให้เห็นชื่อคนที่เกี่ยวข้อง ไม่ใช่แค่ชื่อโปรเจกต์
- ใส่เรื่อง Data & AI เข้าไปในแผนพัฒนาคนประจำปี
Bangchak และองค์กรพลังงานใหญ่ที่เดินหน้าเรื่อง Sustainability ได้ไว มักทำสองอย่างนี้ไปพร้อมกัน ทำให้พนักงานรู้สึกว่า “นี่คือวิธีทำงานแบบใหม่ของเรา” ไม่ใช่แค่โปรเจกต์ชั่วคราว
4. เชื่อมวัฒนธรรมเข้ากับเป้าหมายพลังงานสะอาดของไทย
นี่ไม่ใช่แค่เรื่องขององค์กรใดองค์กรหนึ่ง แต่โยงกับเป้าหมายระดับประเทศ ทั้งเรื่อง
- การลดการปล่อยก๊าซเรือนกระจก
- การเพิ่มสัดส่วนพลังงานหมุนเวียนในระบบ
- การใช้พลังงานอย่างมีประสิทธิภาพในภาคอุตสาหกรรมและอาคาร
AI ในภาคพลังงานไทย จะกลายเป็น “กล้ามเนื้อหลัก” ของระบบใหม่ที่ซับซ้อนกว่าระบบไฟฟ้าแบบเดิมมาก ทั้งการ
- ปรับสมดุลกริดที่มีทั้งโรงไฟฟ้าขนาดใหญ่และ Distributed Energy Resources
- พยากรณ์พลังงานหมุนเวียนที่ขึ้นกับสภาพอากาศไทยที่ผันผวน
- บริหารจัดการโหลดจาก EV, Heat Pump, และอาคารอัจฉริยะ
แต่ทั้งหมดนี้จะไม่เกิดขึ้นจริง ถ้าเราไม่สร้างวัฒนธรรมแบบเดียวกับที่ Bangchak และอีกหลายองค์กรกำลังปลูกฝัง คือ
- กล้าคิดไกลกว่าโมเดลธุรกิจเดิม
- ให้ค่ากับข้อมูลและการทดลองมากกว่าลำดับชั้น
- ลงทุนกับคน ไม่ใช่แค่ลงทุนกับระบบ
สำหรับ SME และองค์กรพลังงานไทยที่อ่านมาถึงตรงนี้ ลองตั้งคำถามกับตัวเองง่าย ๆ ว่า
ถ้าวันนี้เราได้ระบบ AI บริหารพลังงานที่ดีที่สุดในโลกมาใช้ฟรี พนักงานของเราพร้อมใช้มันจริง ๆ หรือยัง?
ถ้าคำตอบยังไม่แน่ใจ ข่าวดีคือคุณไม่จำเป็นต้องเริ่มจากระบบแพง ๆ เลย แค่เริ่มจากการสร้างวัฒนธรรมที่เปิดรับข้อมูล กล้าตั้งคำถาม และมอง AI เป็น “คู่ทีม” ไม่ใช่ “คู่แข่ง” คุณก็เดินนำคู่แข่งไปครึ่งก้าวแล้ว
และนั่นคือก้าวที่จำเป็นมาก ถ้าเราอยากเห็น ภาคพลังงานไทยเดินหน้าสู่พลังงานสะอาด ด้วย AI ที่ใช้ได้จริง ไม่ใช่แค่สไลด์พรีเซนต์สวย ๆ