AI เริ่มเข้ามาควบคุมระบบปรับอากาศในอาคาร: การเปลี่ยนแปลงที่ไม่มีใครสังเกตเห็น แต่ช่วยประหยัดเงินได้ทุกเดือน

บ่ายสามโมง หัวหน้าฝ่ายวิศวกรรมอาคารพาณิชย์แห่งหนึ่งในย่านซินอี้ ไทเป นั่งอยู่ในห้องควบคุมสายตาจับจ้องไปที่หน้าจอแสดงผลเต็มผนัง ทั้งอุณหภูมิน้ำหล่อเย็นที่ออกจากเครื่องทำน้ำเย็น (Chiller) อุณหภูมิลมกลับของแต่ละชั้น และความชื้นอากาศภายนอก ตัวเลขกระโดดเปลี่ยนทุกวินาที เขาทำงานนี้มา 20 ปี รู้จักนิสัยใจคอของเครื่องจักรแต่ละเครื่อง และรู้ว่าชั้นไหนบ้างที่ช่วงบ่ายจะมีคนบ่นว่าหนาว การปรับแต่งค่าต่างๆ ของเขาอาศัยประสบการณ์ล้วนๆ

ปัญหาคือ เขาใกล้จะเกษียณในปีหน้าแล้ว และคนที่มารับช่วงต่อจะต้องใช้เวลาสั่งสมประสบการณ์ 20 ปีนี้ใหม่อีกครั้ง

นี่คือสิ่งที่ AI สำหรับอาคาร (Building AI) ซึ่งเป็นวงการเฉพาะกลุ่มกำลังแก้ปัญหาอยู่จริงๆ — ไม่ใช่แค่เรื่องการประหยัดพลังงานธรรมดาๆ แต่เป็นการย้ายความรู้ว่าอาคารหลังหนึ่งทำงานอย่างไร จากสมองคนเข้าสู่ระบบ

เบื้องหลังเหตุการณ์

การใช้พลังงานในอาคารคิดเป็นสัดส่วนที่คพอสมควรของการใช้พลังงานทั่วโลก โดยที่ระบบปรับอากาศคือสัดส่วนใหญ่ที่สุด แต่อัตโนมัติใน領域นี้กลับหยุดนิ่งอยู่กับที่มาเป็นเวลานาน ระบบอัตโนมัติของอาคารแบบดั้งเดิม (BAS) แท้จริงแล้วก็คือชุดกฎ if-then จำนวนมาก เช่น ถ้าอุณหภูมิเกินกี่องศาให้เปิดเครื่องทำน้ำเย็น ถ้าถึงเวลาให้ปิดไฟ

ปัญหาของการควบคุมตามกฎคือ อาคารคือระบบอุณหพลศาสตร์ ผนังสะสมความร้อน มุมแสงอาทิตย์เปลี่ยนไปตลอดทั้งวัน จำนวนคนที่เข้ามาส่งผลต่อภาระโหลด และสภาพอากาศภายนอกที่ผันผวนตลอดเวลา ปัจจัยเหล่านี้ส่งผลกระทบซึ่งกันและกัน การอาศัยกฎตายตัวทำได้แค่ตอบสนองย้อนหลัง ซึ่งจะช้ากว่าความเป็นจริงหนึ่งก้าวเสมอ และไม่มีใครมีเวลามาคอยปรับแต่งอยู่ตลอดเวลา

ดังนั้น ในช่วงไม่กี่ปีที่ผ่านมา จึงมีแนวทางเทคโนโลยีที่แตกต่างกันอย่างชัดเจน 4 แนวทาง ซึ่งการเปรียบเทียบจุดเด่นจุดด้อยของแต่ละแนวทางนั้นน่าสนใจมาก

แนวทางที่ 1: เข้าควบคุมโดยตรง PassiveLogic เสนอว่าอาคารควรขับเคลื่อนตัวเองได้เหมือนรถยนต์ไร้คนขับ โดยสร้างดิจิทัลทวิน (Digital Twin) ที่มีพื้นฐานทางฟิสิกส์ เพื่อให้ระบบเข้าใจพฤติกรรมทางอุณหพลศาสตร์จริงๆ ของอาคารหลังนั้น จากนั้นให้เอเจนต์อนุมาน (Inference Agent) เป็นตัวกำหนดกลยุทธ์การควบคุมและปรับให้เหมาะสมต่อเนื่องตลอด 24 ชั่วโมง นี่คือความทะเยอทะยานทางเทคโนโลยีสูงสุดใน 4 แนวทาง โดยบริษัทระดมทุนรอบ Series C ได้ 74 ล้านดอลลาร์สหรัฐใน 2025

แนวทางที่ 2: ให้คำแนะนำ แล้วให้มนุษย์ปฏิบัติ Nantum AI มุ่งเน้นไปที่ระดับการดำเนินงาน โดยดึงข้อมูลที่กระจัดกระจายจากระบบต่างๆ เข้ามาจัดระเบียบเสียก่อน จากนั้นจึงให้คำแนะนำในการปรับปรุง พร้อมทั้งรวบรวมรายงาน ESG และความเสี่ยงด้านสภาพภูมิอากาศไปพร้อมกัน ปัจจุบันถูกซื้อกิจการโดย Johnson Controls สำหรับกรณีศึกษาจริง อาคารสำนักงาน Bentall Five รายงานว่าหลังจากนำไปใช้ การใช้พลังงานลดลง 11% และการปล่อยคาร์บอนลดลง 12%

แนวทางที่ 3: ค้นหาความผิดปกติ จัดลำดับความสำคัญ Enersee จากเบลเยียม มุ่งเป้าไปที่ลูกค้ากลุ่มเชนสโตร์ เช่น ซูเปอร์มาร์เก็ต และสาขาธนาคาร ซึ่งเป็นองค์กรที่มีสาขาจำนวนมาก โดยใช้ AI เปรียบเทียบรูปแบบการใช้ไฟฟ้าของแต่ละสถานี เพื่อค้นหาปัญหาที่ซ่อนอยู่ เช่น "ตู้แช่แข็งของร้านสาขานี้ใช้พลังงานมากกว่าร้านในประเภทเดียวกันถึง 30%" จากนั้นจึงสร้างรายการงานที่จัดลำดับความสำคัญแล้ว ทางการระบุว่ามีการจัดการมากกว่า 1,000 สาขาแล้ว

แนวทางที่ 4: มองรวมถึงเปลือกอาคารด้วย Joulea ใช้โดรนบินสำรวจตามแนวผนังภายนอกเพื่อถ่ายภาพความร้อน และให้ AI ตรวจวิเคราะห์ตำแหน่งสะพานความร้อน (Thermal Bridge) และจุดรั่วซึม ซึ่งเป็นการเติมเต็มส่วนที่โซลูชันส่วนใหญ่มักมองข้ามไป: ไม่ว่าระบบปรับอากาศจะถูกปรับแต่งให้ดีแค่ไหน แต่ถ้าผนังและกรอบหน้าต่างยังคงรั่วไหลของความร้อน พลังงานก็จะสูญเสียออกไปเรื่อยๆ

ประเด็นสำคัญในครั้งนี้

• เส้นแบ่งคือ "การให้คำแนะนำ" หรือ "การควบคุมโดยตรง": สิ่งนี้เป็นตัวกำหนดเกณฑ์จิตวิทยาในการนำไปใช้ หน่วยงานจัดการทรัพย์สินส่วนใหญ่ยังคงมีความระมัดระวังในการมอบสิทธิ์การควบคุมระบบปรับอากาศออกไป
• ตัวเลขผลลัพธ์ต้องดูที่เกณฑ์มาตรฐาน (Baseline): การลดการใช้พลังงานลง 11% อาจฟังดูธรรมดา แต่สำหรับอาคารพาณิชย์ขนาดใหญ่แล้ว นี่คือค่าไฟฟ้ารายปีที่เป็นรูปธรรม ในทางกลับกัน ตัวเลข "ประหยัดพลังงานเฉลี่ย 31%" บนเว็บไซต์ทางการส่วนใหญ่มีเงื่อนไขเบื้องหลัง
• พื้นฐานเซนเซอร์คือตัวกำหนดทุกสิ่ง: หากไม่มีเซนเซอร์แยกโซนที่เพียงพอและอุปกรณ์ที่สามารถควบคุมระยะไกลได้ โมเดลที่เก่งแค่ไหนก็ไร้ประโยชน์ ต้นทุนในการปรับปรุงอาคารเก่าอาจสูงกว่าตัวซอฟต์แวร์เสียอีก
• การควบรวมกิจการในอุตสาหกรรมชัดเจน: BrainBox AI ถูกซื้อกิจการโดย Trane Technologies และ Nantum ถูกซื้อกิจการโดย Johnson Controls ผู้ผลิตระบบควบคุมอาคารแบบดั้งเดิมกำลังใช้การควบรวมกิจการเพื่อเติมเต็มชั้นซอฟต์แวร์ AI ของตน

การวิเคราะห์ผลกระทบต่อตลาด

สำหรับผู้ใช้ในไต้หวัน: คนทั่วไปอาจไม่รู้สึกถึงความเปลี่ยนแปลงในระยะสั้น แต่ถ้าคุณทำงานในอาคารสำนักงาน การเปลี่ยนแปลงที่ตรงที่สุดหลังระบบเหล่านี้แพร่หลายคือ "ตอนบ่ายสามโมงจะไม่หนาวจนต้องใส่เสื้อกันหนาวอีกต่อไป" — เนื่องจากการคาดการณ์ภาระโหลดทำได้ดีขึ้น อุณหภูมิจะมีความเสถียรมากขึ้นอย่างมาก

สำหรับการประยุกต์ใช้ในภาคธุรกิจ: ข้อกำหนดด้านความยั่งยืนสำหรับบริษัทจดทะเบียนในไต้หวันมีความเข้มงวดขึ้นเรื่อยๆ ทุกปี และระบบปรับอากาศคือส่วนที่ง่ายที่สุดในการวัดผลการปรับปรุง โอกาสตรงนี้ไม่ใช่แค่เรื่องการประหยัดค่าไฟ แต่คือ ค่าไฟที่ประหยัดได้สามารถนำไปเขียนรายงานเปิดเผยข้อมูล ESG ได้โดยตรง หากขยายตรรกะเดียวกันนี้ไปยังอุปกรณ์อุตสาหกรรม การติดตามสถานะเครื่องจักรประเภท MOVUS จะช่วยผลักดัน "การบำรุงรักษาเชิงคาดการณ์" ไปอีกขั้น กลายเป็นคำแนะนำที่เป็นสูตรสำเร็จจัดลำดับตามผลกระทบต่อการผลิต สำหรับบริษัทวิศวกรรมเครื่องกล สามารถดูวิธีที่ BuildOps ผสานรวมใบงานบริการและโครงการวิศวกรรมไว้ในชุดระบบเดียวกัน

สำหรับนักพัฒนา: อุปสรรคในวงการนี้ไม่ใช่โมเดล แต่คือโปรโตคอลการสื่อสาร ระบบควบคุมอาคารในไต้หวันจำนวนมากปิดกั้น ผู้ผลิตไม่ยินยอมเปิดอินเทอร์เฟซ การดึงข้อมูลออกมาได้หรือไม่จึงเป็นด่านแรก ทีมงานที่สามารถแก้โจทย์ "พูดคุยกับระบบ BAS รุ่นเก่า" ได้นั้น มีความหายากยิ่งกว่าทีมงานที่เก่งเรื่องการปรับจูนโมเดล

แนวโน้มการพัฒนาในอนาคต

ประเภทให้คำแนะนำจะแพร่หลายก่อน การควบคุมแบบอัตโนมัติต้องใช้เวลานานกว่า นี่คือปัญหาเรื่องความไว้วางใจ ไม่ใช่ปัญหาทางเทคโนโลยี ต้องทำให้ข้อมูลมองเห็นได้ก่อน พิสูจน์ให้เห็นว่าประหยัดไฟได้จริง จากนั้นค่อยมาคุยกันว่าจะยอมมอบสิทธิ์การควบคุมให้หรือไม่ โครงการที่รีบกระโดดไปสู่ระบบอัตโนมัติเต็มรูปแบบ มักจะติดปัญหาตรงที่หน่วยงานจัดการทรัพย์สินไม่กล้าเซ็นชื่ออนุมัติ

การเปิดเผยข้อมูล ESG จะกลายเป็นแรงผลักดันหลัก เมื่อเทียบกับข้ออ้างเรื่อง "ประหยัดค่าไฟ" ที่ต้องมาคำนวณผลตอบแทนการลงทุน "ข้อกำหนดทางกฎหมายให้ต้องเปิดเผยข้อมูล" คือความต้องการที่หลีกเลี่ยงไม่ได้ (Hard Need) ผู้เขียนประเมินว่าในอีกสองปีข้างหน้า แรงจูงใจในการจัดซื้อของไต้หวันจะเปลี่ยนจากการประหยัดพลังงานไปสู่การปฏิบัติตามกฎระเบียบ (Compliance)

ตลาดเฉพาะกลุ่ม (Niche) ที่คนมองข้ามยังคงมีพื้นที่ เมื่อเทียบกับตลาด AI ทั่วไปที่มีการแข่งขันสูง อาคาร อุตสาหกรรม และสาธารณูปโภค ซึ่งเป็นซอฟต์แวร์ประเภท Industry SaaS มีคู่แข่งน้อยกว่ามาก และความผูกพันของลูกค้าสูงมาก — ซอฟต์แวร์ชุดหนึ่งที่วิ่งอยู่ระบบควบคุมของอาคารแล้ว แทบจะไม่ถูกเปลี่ยนออกเลย

บทสรุปและความเห็นจาก TheAI學院

ความสนใจของผมที่มีต่อวงการนี้ มาจากการสังเกตการณ์ที่เป็นจริงมาก: เสียงพูดคุยเกี่ยวกับ AI ในไต้หวันเกือบทั้งหมดกระจุกตัวอยู่2ในแอปพลิเคชัน Generative AI แต่ AI ที่สร้างผลตอบแทนที่วัดผลได้จริงทุกเดือน กลับเป็น Industry SaaS ในกลุ่มอุตสาหกรรมเหล่านี้ที่ไม่มีใครพูดถึง อาคารหลังหนึ่งประหยัดค่าไฟได้ 11% ปีหนึ่งก็คือเงินหลักแสนที่เป็นรูปธรรม และประหยัดแบบนี้ทุกๆ ปี

ความเห็น: AI สำหรับอาคารอาจไม่ใช่เรื่องที่ดูเซ็กซี่ แต่เป็นหนึ่งในแอปพลิเคชัน AI ไม่กี่ประเภทที่ "คำนวณผลตอบแทนการลงทุนได้อย่างแม่นยำ" — และในขณะที่โครงการ AI ส่วนใหญ่ยังอยู่ในขั้นตอนพิสูจน์ว่าตัวเองมีประโยชน์ การคำนวณตัวเลขบัญชีให้ออกมาได้ชัดเจนนั้น ถือเป็นคูเมือง (Moat) ในตัวมันเอง

คำแนะนำที่เป็นรูปธรรมสำหรับผู้อ่านชาวไทย: หากคุณรับผิดชอบงานบริหารจัดการทรัพย์สินหรือโรงงาน อย่าเพิ่งรีบวิ่งไปหาผู้ขาย AI ให้ถามตัวเองสามข้อก่อน — อุปกรณ์ของฉันสามารถอ่านข้อมูลระยะไกลได้ไหม? รูปแบบข้อมูลสามารถส่งออกได้ไหม? ข้อมูลการใช้ไฟฟ้าของปีที่ผ่านมาถูกเก็บบำรุงรักษาไว้หรือเปล่า? หากคำตอบของสามข้อนี้คือ "ไม่ใช่" แม้แต่ข้อเดียว ให้จัดการส่วนนี้ให้เรียบร้อยก่อน ผลตอบแทนคุ้มค่ากว่าการซื้อซอฟต์แวร์เสียอีก หากคุณเป็นผู้ขายที่ต้องนำเสนอโครงการ การแปลงผลลัพธ์ให้เป็น "ประหยัดค่าไฟปีละเท่าไหร่ คืนทุนในกี่ปี" มีประโยชน์มากกว่าการอธิบายสถาปัตยกรรมโมเดลร้อยเท่า หากต้องการค้นหาเครื่องมือประเภทนี้เพิ่มเติม สามารถเยี่ยมชมได้ที่ หมวดหมู่ AI พลังงานและสาธารณูปโภค บนเว็บไซต์ของเรา หรือดูสถานการณ์การประยุกต์ใช้ในภาคธุรกิจได้ที่ คู่มือภารกิจ AI

แหล่งข้อมูล

• เว็บไซต์ทางการของ PassiveLogic (คำอธิบายแพลตฟอร์มควบคุมอัตโนมัติ)
• เว็บไซต์ทางการของ Nantum AI (สายผลิตภัณฑ์และกรณีศึกษาการนำไปใช้)
• เว็บไซต์ทางการของ Enersee (คำอธิบายโมดูลและจำนวนสาขา)

เรียบเรียงตามข้อมูลสาธารณะ ยึดถือข้อมูลจากเว็บไซต์ทางการเป็นหลัก เปอร์เซ็นต์การประหยัดพลังงานในบทความเปิดเผยโดยผู้ผลิตหรือกรณีศึกษาของลูกค้า ยังไม่ผ่านการตรวจสอบอิสระจากภายนอก