Generative AI ทำให้วิศวกรทำงานในโรงงานง่ายขึ้นได้อย่างไร?

ในช่วงเวลา 2 ปีที่ผ่านมาจะเห็นได้ว่า AI นั้นมีการเติบโตอย่างรวดเร็ว โดยเฉพาะอย่างยิ่งในส่วนของ Generative AI ที่ได้ขับเคลื่อนโลกในปัจจุบันได้อย่างแตกต่าง ไม่ว่าจะเป็นในกลุ่มงานคอนเทนต์ งานบริการต่าง ๆ ไปจนถึงงานในภาคอุตสาหกรรมเองที่ได้รับผลกระทบ ซึ่งการที่จะนำมาใช้ในอุตสาหกรรมการผลิตที่มีความละเอียดอ่อนนั้นอาจจะเป็นเรื่องที่ต้องมองให้เห็นถึงผลกระทบในหลากหลายมิติเสียหน่อย

ลดเวลาในการทำงานด้วย Generative AI

เพื่อให้เกิดความชัดเจนในประเด็นที่เราต้องการทำความเข้าใจเกี่ยวกับ Generative AI ที่เกิดขึ้น การเข้าใจถึงนิยามของ Generative AI หรือ Gen AI เป็นสิ่งสำคัญประการแรก โดย Generative AI นั้นเป็นส่วนย่อยของปัญญาประดิษฐ์ซึ่งมีหน้าที่ในการสร้างสรรค์คอนเทนต์หรือข้อมูลใหม่ ๆ จากข้อมูลที่ถูกฝึกเข้าไปในระบบ นั่นหมายความว่าเมื่อใช้ Generative AI ในการสร้างข้อมูล จะมีการใช้อัลกอริทึ่มและโมเดลที่ถูกฝึกไว้ในการสร้างข้อความ รูปภาพ วิดีโอ งานออกแบบ เสียง โค้ด ไปจนถึงการจำลอง ซึ่งการป้อนข้อมูลเหล่านี้ก็สามารถสร้างข้อมูลสังเคราะห์ได้ด้วยเช่นกัน ความแตกต่างระหว่าง AI ทั่วไปและ Generative AI คือ Generative AI สามารถสร้างข้อมูลใหม่หมดจดได้ขึ้นจากการอ้างอิงข้อมูลที่ถูกฝึก ในขณะที่ AI แบบดั้งเดิมสามารถโฟกัสไปที่การวิเคราะห์ข้อมูลเพื่อคาดการณ์หรือระบุแบบแผนจากข้อมูลที่ใส่เข้าไปในการฝึกฝน

จุดเด่นของการใช้งาน Generative AI คือ ความสามารถในการลดระยะเวลาในการทำงาน และเพิ่มประสิทธิภาพ ซึ่งขอยกตัวอย่างการจับมือของ ABB และ Microsoft เพื่อทำให้เกิด Generative AI สำหรับภาคการผลิตโดย ABB คาดการณ์ว่าจะสามารถยืดอายุเครื่องจักรได้มากถึง 20% และลด Downtime ที่ไม่ได้วางแผนเอาไว้ได้ถึง 60%

ตลอดระยะเวลาที่ผ่านมานั้นเราจะสังเกตได้ถึงเสียงตอบรับจากผู้คนมากมายในการใช้งานเทคโนโลยีใหม่ ซึ่งการนำ Generative AI มาใช้งานนั้นจะมีจุดเด่นอยู่ 2 ประการ คือ

1. แก้ปัญหาการขาดแคลนแรงงาน ซึ่งการแก้ปัญหานี้จะเห็นได้อย่างชัดเจนในสายงานด้าน IT ซึ่งผู้เชี่ยวชาญด้าน IT จำนวนหนึ่งบอกว่าการใช้งาน Generative AI มีความสามารถกว่าเด็กจบใหม่จำนวนหนึ่งเสียอีก โดยเฉพาะในเรื่องของการเขียน Code พื้นฐานเบื้องต้น เป็นต้น
2. ลดระยะเวลาในกระบวนการทำงาน เมื่อการค้นหาข้อมูลเป็นสิ่งสำคัญในกระบวนการทำงานต่าง ๆ Generative AI สามารถให้คำแนะนำเบื้องต้น หรือทำการรวบรวมข้อมูลได้ ทำให้กิจกรรมหรือภาระหน้าที่ที่โดยทั่วไปต้องใช้เวลานานสามารถลดระยะเวลาที่ใช้ลงไปได้อย่างมาก เช่น งานแปลเอกสาร งานสรุปเอกสาร ตลอดจนการ Generate ภาพอย่างง่าย เป็นต้น

จะเห็นได้ว่า Generative AI นั้นสามารถเติมเต็มศักยภาพให้กับผู้ที่มีพื้นฐานในด้านใดด้านหนึ่งอยู่แล้วได้เป็นอย่างดี โดยในปัจจุบันมีผู้พัฒนา Generative AI หลายค่ายให้ได้ลองใช้ตามจุดเด่น เช่น ChatGPT, Google Gemini, Perplexity, Midjourney หรือ Microsoft Copilot เป็นต้น

Generative AI สามารถสนับสนุนธุรกิจอุตสาหกรรมการผลิตได้อย่างไร?

การมาถึงของ Generative AI นั้นสร้างความเปลี่ยนแปลงให้กับอุตสาหกรรมต่าง ๆ เป็นอย่างมากด้วยแนวคิดของ Natural Language ที่ประชากรส่วนใหญ่ที่รู้ภาษาอังกฤษไปจนถึงภาษาท้องถิ่นอื่น ๆ ที่รองรับก็สามารถใช้งานได้ราวกับพูดคุยกับมนุษย์อันชาญฉลาดแต่ช่างคิดเล็กคิดน้อยเรื่องการเลือกใช้คำและการชี้แจงรายละเอียด

หัวใจสำคัญของการใช้งาน AI นั้นให้คิดเสมอว่าเป็นเครื่องมือหนึ่งที่สามารถเพิ่มประสิทธิภาพการทำงานและลดความสูญเปล่าได้ ยกตัวอย่างเช่น ในงานพัฒนาผลิตภัณฑ์ได้มีการใช้งาน AI เพื่อค้นหาวัสดุใหม่จากที่เคยใช้เวลาหลักปีในการทดสอบค่าหรือจำลองต่าง ๆ สามารถลดลงให้เหลือหลักสัปดาห์หรือหลักวันได้ หรือในงานออกแบบเองก็สามมารถใช้เพื่อจำลองแรงที่เกิดขึ้นกับวัสดุเพื่อเสริมความทนทานและยืดอายุการใช้งานก็ได้ด้วยเช่นกัน และในกรณีของ Generative AI ทำให้ขั้นตอนกระบวนการเหล่านี้เป็นเรื่องที่ง่ายยิ่งขึ้น สะดวกยิ่งขึ้น และมีประสิทธิภาพยิ่งขึ้น

ข้อมูลการศึกษาจาก Capgemini ชี้ให้เห็นว่า 48% ของผู้ตอบแบบสอบถามซึ่งเป็นบริษัทด้านการผลิตนั้นเห็นตรงกันว่า Generative AI เพิ่มศักยภาพให้กับอุตสาหกรรมของตัวเอง โดยผู้ปฏิบัติงานในการผลิตกว่า 30% รายงานว่าองค์กรของตัวเองได้มีการนำร่อง Generative AI เกิดขึ้นแล้ว โดยมี 2 กิจกรรมที่สำคัญ คือ การออกแบบชิ้นงานเป็นลำดับ 1 และงานสำหรับการซ่อมบำรุงเชิงคาดการณ์เป็นลำดับที่ 2 อย่างไรก็ตามในการใช้งาน Generative AI สำหรับภาคการผลิตหรือโรงงานอุตสาหกรรมนั้นยังมีกิจกรรมหลากหลายที่สามารถใช้งานได้ โดยเบื้องต้นสามารถแบ่งได้ออกเป็น 6 ส่วนที่สำคัญ ดังนี้

1. การออกแบบและพัฒนาผลิตภัณฑ์ ซึ่ง Generative AI จะเป็นตัวช่วยเรื่องการสร้างและการทดสอบไอเดียต่าง ๆ ทำให้ออกผลิตภัณฑ์ใหม่ที่ดีได้เร็วยิ่งขึ้น ยกตัวอย่างในกรณี Airbus ที่ใช้ซอฟต์แวร์ของ Autodesk ที่มี Generative AI ทำให้สามารถออกแบบอากาศยานให้น้ำหนักเบาลงแต่มีความแข็งแรงมากขึ้นในบางส่วนของเครื่องบิน ใช้เชื้อเพลิงน้อยลง และลดผลกระทบที่เกิดกับสิ่งแวดล้อม
2. การบำรุงรักษาเชิงคาดการณ์ ผู้ผลิตสามารถมองเห็นแนวโน้มและคาดการณ์งานซ่อมบำรุงเชิงรุกได้ โดยการฝึกอัลกอริทึ่มผ่านข้อมูลที่เครื่องจักรสร้างขึ้น ไม่ว่าอุณหภูมิ แรงสั่นสะเทือนหรือเสียง โดย Deloitte ชี้ว่าสามารถเพิ่มผลิตภาพได้ 25% ลดการเสียหายได้ 70% และลดต้นทุนการซ่อมบำรุงได้ 25%
3. การบริการลูกค้าแบบอัตโนมัติ Generative AI สามารถตอบสนองต่อการบริการลูกค้าได้โดยอัตโนมัติ ไม่ว่าจะเป็นการตอบสนองต่อใบเสนอราคา การให้ข้อมูล และการระบุปัญหายอดฮิตเบื้องต้น โดยมากนิยมใช้งานในรูปแบบ Chatbot
4. การยกระดับการควบคุมคุณภาพ สามารถเกิดขึ้นได้โดยการระบุความผิดพลาดหรือความเสียหายในผลิตภัณฑ์ ยกตัวอย่างกรณีผู้ผลิตยานยนต์ที่ Generative AI สามารถตรวจเจอจุดผิดพลาดในชิ้นส่วนยานยนต์ เช่น Ford ที่ใช้ AI ในการตรวจรอยต่าง ๆ และใช้ Generative AI สำหรับตรวจสอบชิ้นส่วนในคลังและซัพพลายเชนเป็นต้น
5. การบริหารจัดการคลังสินค้าและซัพพลายเชน Generative AI สามารถใช้ข้อมูลลูกค้าที่ผ่านมาเพื่อคาดการณ์ดีมานด์ที่จะเกิดขึ้นได้ ท้ังยังช่วยให้เกิดการตัดสินใจในการปรับเปลี่ยนแหล่งวัตถุดิบได้ง่ายขึ้นโดยทำหน้าที่เป็นผู้ช่วยในการทำงานต่าง ๆ ได้อย่างมีประสิทธิภาพ
6. การฝึกฝนทักษะแรงงาน เพราะการเติมเต็มสิ่งที่ขาดเป็นประเด็นเฉพาะบุคคลทำให้ Generative AI เข้ามาช่วยปรับปรุงการเรียนรู้ให้กับแรงงานได้โดยการวิเคราะห์ประสิทธิภาพการทำงาน ความรับผิดชอบ หรือระดับประสบการณ์ ซึ่งจะช่วยสร้างวัตถุดิบในการฝึกฝนให้เกิดขึ้นได้ตรงกับความต้องการ แน่นอนว่ามันอาจไม่ใช่การบอกกล่าวการสอน แต่อาจเป็นการชี้นำหรือไกด์การทำงานแบบ Real-Time เสียมากกว่า

ในแง่ของการใช้งานในภาคอุตสาหกรรมแล้ว Generative AI ได้มีตัวอย่างการใช้งานเกิดขึ้นหลากหลายกรณี โดยเฉพาะอย่างยิ่งการใช้เพื่อตรวจสอบคงคลังหรือการเลือกการใช้งานเครื่องมือกลต่าง ๆ เป็นต้น ซึ่งปัจจุบันมีตัวอย่างบริษัทที่ออกแบบ Prompt เพื่อขายให้กับการทำงานด้านวิศวกรรมหรืออุตสาหกรรมโดยเฉพาะ เช่น การสร้างรายงานต่าง ๆ ไม่ว่าจะเป็น Tolerance, ประสิทธิภาพ ไปจนถึงสร้างเอกสารประเมินความเสี่ยงหรือคู่มือการซ่อมบำรุงเป็นต้น

Prompt คืออะไร?

Prompt นั้นเดิมทีเป็นชุดคำสั่งที่ใช้ในวงการ IT โดยเฉพาะอย่างยิ่งกลุ่มโปรแกรมเมอร์ที่ต้องออกแบบชุดคำสั่งภายใต้ภาษาคอมพิวเตอร์กลุ่มต่าง ๆ ซึ่งเป็นชุดคำสั่งในลักษณะข้อความที่มีการสื่อสารหรือภาษาที่ต้องการทักษะและความเชี่ยวชาญเฉพาะทาง แต่สำหรับ Prompt ใน AI ยุคใหม่นั้นจะเป็นการสื่อสารออกคำสั่งผ่าน Natural Language ซึ่งเป็นการสื่อสารด้วยภาษาทั่วไปที่มนุษย์ใช้ในชีวิตประจำวัน ซึ่งในการออกแบบ Prompt สำหรับ AI จะต้องมีการสื่อสารประเด็นที่ชัดเจน ต้องการผลลัพธ์อะไร เป็นอย่างไร เหมือนกับการสื่อสารกับเด็กน้อยที่ต้องมีความชัดเจน

ออกแบบ Prompt อย่างไรให้มีประสิทธิภาพ

คำแนะนำในการเขียน Prompt จาก Google ที่ให้คำแนะนำไว้เพื่อให้เกิดประสิทธิภาพของผลลัพธ์ที่จะเกิดขึ้นนั้นให้ความสำคัญกับความคิดสร้างสรรค์ในการออกแบบชุดคำสั่ง โดยมีหลักคิดสำคัญ 6 ประการ  ได้แก่

1. ต้องสื่อสารใช้ชัดเจนว่าประเด็นไหนหรือข้อมูลไหนนั้นสำคัญที่สุด
2. การออกแบบชุดคำสั่งต้องมีโครงสร้างชัดเจน เช่น กำหนดบทบาทที่ต้องการ ให้บริบทหรือข้อมูลที่ถูกต้อง และจากนั้นจึงเป็นการให้คำแนะนำกระบวนการต่าง ๆ 
3. จำเป็นจะต้องมีตัวอย่างที่จำเพาะเจาะจงหรือหลากหลายเพื่อช่วยให้ Generative AI สามารถจดจ่ออยู่กับประเด็นได้อย่างชัดเจนและนำไปสู่ผลลัพธ์ที่ถูกต้องแม่นยำ
4. ใช้การกำหนดข้อจำกัดเพื่อทำให้ผลลัพธ์ของโมเดลแคบลง ช่วยลดความผิดพลาดที่อาจจะเกิดจากความเข้าใจผิดหรือตีความของระบบได้
5. หากมีกระบวนการหรือขั้นตอนที่ซับซ้อน ให้ย่อยลงมาเป็นลำดับขั้น หรือทำให้ Prompt นั้นเรียบง่ายยิ่งขึ้น
6. ให้แนะนำระบบว่าจำเป็นต้องมีการประเมินหรือเช็คคำตอบก่อนสักหน่อย เช่น กรุณาจำกัดการตอบสนองของคุณให้อยู่ในแค่ 3 ประโยค หรือให้คะแนนตัวเอง 1-10 ในเรื่องของคุณภาพ

สำหรับผู้ที่สนใจ Prompt สำหรับการออกแบบคำสั่งสามารถดาวน์โหลดเอกสารตัวอย่างจาก Google เพื่อนำไปเป็นไอเดียและตัวอย่างการออกคำสั่งได้

ระวัง! อย่าไว้ใจ Generative AI มากเกินไป

ต้องขอเตือนกันเอาไว้เสียก่อนว่า Generative AI ไม่ใช่พระเจ้า ไม่ได้แม่นยำและรู้ทุกอย่างลึกเหมือนศาสตราจารย์ ความแม่นยำและผลต่าง ๆ จะขึ้นอยู่กับการออกแบบ Prompt เป็นสำคัญ หลายครั้งที่ปรากฎว่าคำตอบที่ Generative AI มอบให้นั้นมีความผิดพลาดหรือเบี่ยงเบนด้วยซ้ำ ดังนั้น การใช้งาน Generative AI ในสาขาใดก็ตามแต่จำเป็นจะต้องมีความรู้ความเข้าใจในสาขานั้น ๆ อยู่ประมาณหนึ่งด้วยเช่นกัน นั่นจึงเป็นสาเหตุว่าทำไมคำแนะนำของ Google จึงบอกให้มีการตรวจสอบคำสั่งซ้ำ ซึ่งจริง ๆ แล้วผู้กำหนด Prompt ควรเป็นผู้ตรวจสอบที่มีความเข้าใจในพื้นฐานหรือแนวคิดของผลลัพธ์ที่ต้องการ เพื่อยืนยันความถูกต้องเหมาะสม

แม้ว่า Generative AI เองจะไม่ใช่เทคโนโลยีที่สมบูรณ์แบบ แต่การเข้ามามีส่วนร่วมในภาคธุรกิจโดยเฉพาะอย่างยิ่งการผลิตนั้นได้สร้างความแตกต่างในการแข่งขันไม่น้อย แต่ในการใช้งานเองก็จำเป็นที่จะต้องมีผู้เชี่ยวชาญหรือผู้ที่มีความรู้ความเข้าใจในประเด็นนั้น ๆ คอยตรวจสอบและยืนยันความถูกต้องควบคู่กันไปด้วย

อ้างอิง:
https://masterofcode.com/blog/generative-ai-in-manufacturing
https://101blockchains.com/prompt-engineering-in-manufacturing/
https://developers.google.com/machine-learning/resources/prompt-eng
https://www.azumuta.com/blog/generative-ai-in-manufacturing-5-industry-transforming-use-cases/

สำหรับผู้สนใจเกี่ยวกับ AI ในโรงงานติดตามอ่านเนื้อหาเพิ่มเติมได้ที่:

AI ในโรงงานอุตสาหกรรมแห่งอนาคต

Gartner ชี้ 80% ขององค์กรจะมีการใช้งาน API Generative AI หรือ Deployed ในแอปพลิเคชันในปี 2026

5 อาชีพเสี่ยงโดน AI เข้ามาแทนที่ได้แบบไม่รู้ตัว !