เจาะเบื้องหลัง AgriTech ของ AXONS ใช้ AI แก้โจทย์การเกษตรอย่างไร ตั้งแต่การทำฟาร์มถึง Food Supply Chain

ภายในปี 2050 ประชากรโลกอาจเพิ่มขึ้นสูงถึง 9.7 พันล้านคน ทำให้เราต้องการอาหารเพิ่มขึ้นถึง 56% คำถามที่ตามมาคือ แล้วเราจะเอาอาหารที่ไหนมาเลี้ยงคนทั้งโลก ? 

ซึ่งโจทย์นี้ท้าทายมาก เพราะอุตสาหกรรมเกษตรไม่ได้สั่งผลิตปุ๊บได้ปั๊บเหมือนของในโรงงาน แต่มันคือการทำงานกับ 'สิ่งมีชีวิต' ไก่ตัวนึงต้องใช้เวลาเลี้ยง 42 วัน หมูต้องรอ 6-7 เดือนกว่าจะโต แถมยังมีตัวแปรที่เราควบคุมไม่ได้อีกเพียบ ทั้งสภาพอากาศ โรคระบาด หรือแม้แต่ระบบขนส่ง ถ้ามีปัญหาหลุดไปแค่จุดเดียวมันอาจจะกระทบทั้งระบบและล่มเป็นโดมิโน่

นี่คือจุดที่เทคโนโลยีและ AI เข้ามามีบทบาทสำคัญ ในเวที Techsauce Global Summit ที่ผ่านมาคุณธีรพงษ์ วิชญเรืองรมย์ Director - Data & AI, AXONS ได้มาแชร์ให้ฟังว่าพวกเขาเอา AI มาแก้ปัญหาคลาสสิกของวงการเกษตรอย่างไรบ้าง

ทาง AXONS ได้ปรับมุมมองใหม่แทนที่จะแค่เก็บรวบรวมข้อมูลทิ้งไว้เฉย ๆ ก็หันมาดึงข้อมูลเหล่านั้นมาใช้วิเคราะห์เพื่อหาทิศทางว่าบริษัทควรจะทำอะไรต่อไป ซึ่งนี่คือ 4 ยุทธศาสตร์หลักในการนำ AI มาปฏิวัติวงการเกษตรและอาหาร 

1. Smart Farming

ปกติการทำฟาร์มต้องพึ่งความชำนาญและประสบการณ์ของเกษตรกรเป็นหลัก แต่สิ่งที่ AXONS ทำคือดึงเอาประสบการณ์เหล่านั้นมาทำงานร่วมกับ AI เพื่อใช้วิเคราะห์ข้อมูลแบบรอบด้าน ทั้งสภาพอากาศ ตลาด และการป้องกันโรค

ที่น่าสนใจคือการใช้ระบบ 'ฟาร์มไร้สัมผัส' ปกติเวลาคนเดินเข้าไปสุ่มชั่งน้ำหนักไก่ สัตว์มักจะตกใจ เครียด แถมเสี่ยงพาเชื้อโรคเข้าไปในฟาร์มด้วย เขาเลยแก้ปัญหาโดยใช้กล้อง AI สแกนท่าทางการเคลื่อนไหวเพื่อกะน้ำหนักแทน ทำให้ไม่ต้องใช้คนเข้าไปสัมผัสสัตว์โดยตรงและช่วยลดความเสี่ยงในการติดเชื้อได้อย่างเด็ดขาด 

2. Predictive Operations

ใช้ AI จับสัญญาณเตือนภัยก่อนเกิดโรคระบาด เพราะธรรมชาติของสัตว์มักจะส่งสัญญาณเตือนก่อนป่วยเสมอ เช่น กินอาหารน้อยลง กินน้ำไม่เหมือนเดิม หรือเดินน้อยลง อาการพวกนี้คนเราอาจจะสังเกตไม่เห็น แต่ AI มองเห็น ถ้ารู้ตัวไว สัตวแพทย์ก็เข้าไปจัดการได้ทันก่อนโรคจะระบาดไปทั้งฟาร์ม

ยิ่งไปกว่านั้นยังมีการให้ AI เป็นผู้ช่วยสัตวแพทย์ เกษตรกรแค่พิมพ์อาการของสัตว์ลงไป ระบบก็จะดึงข้อมูลเก่า ๆ มาวิเคราะห์ความเสี่ยงแล้วเสนอแนวทางรักษาเบื้องต้นให้ จากนั้นสัตวแพทย์ที่เป็นคนจริง ๆ ค่อยมาดูอีกทีแล้วตัดสินใจขั้นสุดท้าย

3. Demand & Supply

ประยุกต์ใช้ Agentic AI มาช่วยบริหารจัดการ โดยจะเปลี่ยนจากการประเมินตลาดด้วยข้อมูลในอดีตเพียงอย่างเดียวมาใช้ AI คำนวณรวบยอดแทน ระบบจะประเมินทั้งความต้องการของลูกค้า ข้อจำกัดของฟาร์ม การจัดสรรทรัพยากร ไปจนถึงเรื่องความยั่งยืนไปพร้อม ๆ กัน เพื่อหาทางเลือกในการผลิตและจัดการ Logistics ที่ดีและคุ้มค่าที่สุด 

4. ESG & Traceability

ตรวจสอบย้อนกลับได้ 100% ตั้งแต่ต้นน้ำยันปลายน้ำ ด้วยการเชื่อมโยง Big Data ตั้งแต่อาหารสัตว์ ฟาร์ม ไปจนถึงจานอาหาร ทำให้มีระบบตรวจสอบย้อนกลับได้ แค่ผู้บริโภคสแกนก็รู้ได้ทันทีว่าอาหารจานนี้มาจากฟาร์มไหน เลี้ยงดูมายังไง กว่าจะมาถึงมือเราผ่านอะไรมาบ้าง ไปจนถึงรู้เลยว่ากระบวนการผลิตทั้งหมดนี้สร้างผลกระทบต่อสิ่งแวดล้อมหรือมี Carbon Footprint มากน้อยแค่ไหน เป็นการนำเทคโนโลยีมาตอบโจทย์มาตรฐาน ESG ระดับโลกได้อย่างโปร่งใสและจับต้องได้จริง 

สิ่งที่น่าสนใจมาก ๆ คือ AXONS ไม่ได้สร้าง AI ขึ้นมาเพื่อเอาไว้โชว์ความล้ำเฉย ๆ แต่พวกเขาลุยทำไปแล้วกว่า 60 โครงการ และสร้างมูลค่าทางธุรกิจกลับมาได้มหาศาล ไม่ว่าจะเป็นการลดต้นทุนค่าแรง การป้องกันความเสียหาย หรือแม้แต่การเปิดช่องทางรายได้ใหม่ๆ

ซึ่งจากการลงมือทำจริงจนสำเร็จ พวกเขาได้สรุปบทเรียน 6 ข้อ ฝากไว้ให้กับองค์กรที่อยากเริ่มทำ AI ดังนี้

6 ข้อคิดสำคัญในการนำ AI มาใช้ในองค์กร

1. ให้ตั้งต้นที่ปัญหาธุรกิจ ไม่ใช่เทคโนโลยี อย่าสร้าง AI ออกมาก่อนแล้วค่อยเดินหาปัญหา แต่ให้ดูว่าหน้างานติดขัดเรื่องอะไร แล้วจะเอา AI มาช่วยตอบโจทย์นั้นได้ยังไง 

2. ข้อมูลต้องพร้อม ก่อนจะทำ AI โปรเจกต์ AI ที่ดีไม่ได้เริ่มจากการสร้างโมเดล แต่เริ่มจากการจัดการข้อมูลให้พร้อมก่อน เพราะถ้าข้อมูลไม่ดีหรือใช้ไม่ได้ ต่อให้มี AI ที่เก่งแค่ไหน ก็ช่วยได้ไม่เต็มที่

3. มองภาพรวมให้ขาด อย่าแก้ปัญหาแค่จุดเดียว เพราะการทำให้แผนกนึงทำงานได้ไวขึ้น อาจกลายเป็นการโยนภาระไปให้อีกแผนกแทน เวลาจะปรับเปลี่ยนอะไรจึงต้องดูผลกระทบที่จะเกิดขึ้นกับทั้งองค์กรด้วยเสมอ 

4. ให้คนหน้างานเข้ามาช่วยตั้งแต่ต้น คนที่ใช้ระบบจริงควรมีส่วนร่วมในการพัฒนา เพราะพวกเขารู้ดีที่สุดว่าปัญหาอยู่ตรงไหน ทีมไอทีจึงไม่ควรทำระบบกันเองแล้วค่อยเอาไปให้คนอื่นใช้ แต่ต้องทำงานร่วมกับคนหน้างานตั้งแต่แรก

5. AI สามารถช่วยวิเคราะห์ข้อมูลและเสนอทางเลือกได้ แต่คนยังต้องเป็นผู้ตัดสินใจ เพราะการตัดสินใจทางธุรกิจไม่ได้มีแค่ข้อมูล แต่ต้องอาศัยความเข้าใจในบริบท ประสบการณ์ และสถานการณ์จริงด้วย

6. ทำ AI แล้วต้องพัฒนาต่อ ไม่ใช่ทำครั้งเดียวแล้วจบ AI ไม่ใช่ระบบที่ติดตั้งเสร็จแล้วปล่อยให้ทำงานไปเรื่อย ๆ เพราะข้อมูลและสถานการณ์เปลี่ยนอยู่ตลอด องค์กรจึงต้องคอยดูผลลัพธ์ ปรับปรุงระบบและทำให้ AI เหมาะกับการใช้งานที่เปลี่ยนไป

สุดท้ายแล้ว อนาคตของการเกษตรจะไม่ใช่แค่การเอาเครื่องจักรมาทำงานแทนคน แต่ต้องเป็นระบบที่คิดวิเคราะห์ได้ และที่สำคัญ ความยั่งยืนจะเกิดขึ้นไม่ได้เลยถ้าพึ่งแค่ AI อย่างเดียว แต่ต้องเกิดจากการที่ 'คน กระบวนการ และเทคโนโลยี' ทำงานประสานเป็นเนื้อเดียวกัน