16 ชั่วโมงในงาน Techsauce Global Summit 2022 (วันที่ 2)

สำหรับใครที่ยังไม่ได้อ่านบทความของวันที่ 1 สามารถอ่านได้ที่ลิงก์ด้านล่างนี้ค่ะ

16 ชั่วโมงในงาน Techsauce Global Summit 2022 (วันที่ 1)

10:00AM — บทนำ

วันที่ 2 แล้วสำหรับงาน Techsauce Global Summit 2022 วันนี้จำนวนผู้เข้าชมบางตาลงไปมาก การเข้าร่วม Session ในเวทีย่อยก็มีที่นั่งเพียงพอ ไม่ต้องต่อคิวเข้าห้องเหมือนวันแรก ยกเว้นเวที Startup/VC ที่ห้องเต็มทั้งที่นั่งและที่ยืนบริเวณหลังห้องตั้งแต่ยังไม่เริ่มงาน จนน้องๆ อาสาสมัครต้องออกมาชูป้าย “This Session is FULL” ในขณะที่ห้องอื่นยังคงแสดง “Available for Walk-in”

บรรยากาศด้านนอกของงาน Techsauce Global Summit 2022

โดยวันนี้มีเวทีย่อยทั้งหมดดังนี้

• NFT/Digital Assets
• AI/Data
• Smart City
• Startup/VC
• Health Tech/Food

ตารางวางแผนการเข้าฟังบรรยายวันที่ 2 ซึ่งตัดสินใจเลือก Session ที่จะเข้าฟังยากมาก Session ที่สนใจอยากฟังเวลาทับซ้อนกัน หรืออยู่คนละฟากของ True ICON Hall

ผู้เขียนมาก่อนเวลาเริ่ม Session แรก จึงตรงไปที่โรงภาพยนตร์หมายเลข 12 ทันที ในระหว่างทางก็สวนทางกับผู้ที่มาใช้บริการโรงภาพยนตร์รอบเช้า ซึ่งส่วนมากเป็นเด็กๆ มากันเป็นครอบครัว ทำให้น้องๆ อาสาสมัครต้องคอยกันไม่ให้ผู้ที่ไม่มีป้าย (Badge) ขึ้นไปชั้น 8 ซึ่งสงวนไว้เป็นพื้นที่จัดงาน

ที่หน้าโรงฯ มีน้องนักศึกษายืนแจกแผ่นโฆษณาอยู่ ซึ่งตอนแรกมองไม่ชัดว่าคืออะไร แต่หลังจากได้ที่นั่งเป็นที่นั่งโอเปร่าซีทซึ่งมีไฟส่องสว่าง จึงได้พบว่าเป็นใบปลิวโฆษณาของบริษัท Data Wow ผู้ให้บริการ AI Software Development ในประเทศไทย ซึ่ง Agenda ปีนี้ไม่มีตัวแทนจากทาง Data Wow มาเป็น Speaker แต่ทางบริษัทได้มาร่วมจัดบูธในส่วน Exhibition และมีของที่ระลึกเป็น Sticker มาแจกอีกด้วย ถือว่าเป็นการประชาสัมพันธ์บริษัทที่ตรงกลุ่มเป้าหมายอย่างที่สุด เนื่องจากเวทีนี้รวมหัวข้อเกี่ยวกับปัญญาประดิษฐ์ (AI — Artificial Intelligence) โดยตรง

ใบปลิวโฆษณาจากทาง Data Wow และของที่ระลึกเป็น Sticker

เอาล่ะ ไปเริ่มกันที่ Session แรกของวันนี้กันเลย…

10:30AM — Being the Change Maker: Launching AI Innovation in Your Organization

Room: Vertical 11, Stage: AI/Data

Speaker: Stephanie Sy — CEO, Thinking Machines

คุณ Stephanie Sy — CEO แห่ง Thinking Machines

หากต้องการเป็นผู้นำแห่งการเปลี่ยนแปลงในการนำนวัตกรรมปัญญาประดิษฐ์ หรือ Artificial Intelligence (AI) มาเป็นส่วนหนึ่งขององค์กรต้องทำอย่างไร?

Learning is not just for a machine. We, as people, our friends in our organization have to learn a machine.

— Stephanie Sy — CEO — Thinking Machines

คุณ Stephanie Sy ได้เริ่มเล่าตั้งแต่การแข่งขันหมากล้อม (Go) ระหว่างอี เซดล (Lee Sedol) และ แอลฟาโกะ (Alpha Go) ในปีพ.ศ. 2559 ณ กรุงโซล ประเทศเกาหลีใต้

อี เซดล เป็นผู้เล่นหมากล้อมดั้ง 9 มืออาชีพชาวเกาหลีใต้ นับเป็นผู้เล่นหมากล้อมที่แข็งแกร่งที่สุดคนหนึ่งในประวัติศาสตร์หมากล้อม ส่วน AlphaGo เป็นโปรแกรมหมากล้อม พัฒนาโดยทีม Google DeepMind ซึ่งแต่เดิมเป็นบริษัทพัฒนาและวิจัยปัญญาประดิษฐ์สัญชาติอังกฤษ หลังจากถูกเข้าครอบครองกิจการโดยกูเกิล ทาง DeepMind ก็มุ่งเน้นในการพัฒนาระบบปัญญาประดิษฐ์ที่สามารถเล่นเกมส์ได้เสมือนมนุษย์ หรืออาจจะเก่งกว่ามนุษย์

ผลจากการแข่งขันห้าแมตซ์ ปรากฏว่า AlphaGo ชนะสี่นัด โดยอีกหนึ่งนัด AlphaGo เป็นฝ่ายถอนตัว หากท่านได้ชมสารคดี AlphaGo — The Movie | Full award-winning documentary จะเห็นว่าสีหน้าของอี เซดล ระหว่างการแข็งขันนั้นเต็มไปด้วยความกังวล เขาได้แสดงความผิดหวังอย่างรุนแรงเมื่อต้องวางหมากยอมแพ้ในตาสุดท้าย

เช่นเดียวกันกับผู้ติดตามการแข่งขันนี้กว่า 60 ล้านคนทั่วโลก ที่ได้ตระหนักถึงศักยภาพของ AI และอาจกังวลว่า AI นั้นจะมาแทนที่แรงงานมนุษย์ หรือบางทีภาพที่เคยเห็นในภาพยนตร์ว่า AI สามารถยึดครองโลกนั้นจะเป็นเรื่องไม่ไกลเกินจริง

อย่างไรก็ตาม แม้ผู้เล่นหมากล้อมหลายคนจะกำลังกังวลกับผลการแข่งขันครั้งนี้ว่าจะส่งผลอย่างไรต่อนักเช่นหมากล้อมมืออาชีพ หรือบางคนอาจกำลังหาหนทางเอาชนะ AI ให้ได้ Jinseok Mok ผู้เล่นหมากล้อมดั้ง 9 มืออาชีพและโค้ชทีมชาติเกาหลีใต้กลับไม่คิดอย่างนั้น เขาใช้ประโยชน์ในความฉลาดของ AI เพื่อนำมาฝึกฝนนักกีฬาหมากล้อมทีมชาติ โดยเขาได้กล่าวไว้ว่า…

Training with books or game records is gradually becoming obsolete. It is an era where we have absolutely no choice but to follow the AI teacher who is much stronger than any human Go player

— Jinseok Mok, Go 9-dan grandmaster and Head Coach of Korean National Go team.

ไม่เพียงแต่ผู้เล่นหมากล้อมที่ปรับใช้กลยุทธ์นี้เท่านั้น ผู้เล่นหมากรุก (Chess) รวมถึงเกมส์รูปแบบอื่นๆ ก็เริ่มนำ AI เข้ามาใช้ในการฝึกฝนผู้เล่น และไม่ใช่แค่ผู้เล่นมนุษย์ที่แกร่งขึ้น AI ก็ฉลาดและรู้จักพลิกแพลงมากขึ้นด้วย ดังนั้นนี่จึงไม่ใช่การต่อสู้ระหว่างมนุษย์กับ AI เพื่อหาผู้ชนะ แต่เป็นการผสานศักยภาพของมนุษย์รวมเข้ากับ AI เพื่อสร้าง AI ที่เก่งและฉลาดยิ่งๆ ขึ้นไป

การร่วมมือกันระหว่าง AI และมนุษย์ไม่ได้มีแค่การเคสของเกมส์ เมื่อ 40 ปีก่อนที่เรามีการสร้าง ATM (Automated Teller Machine) ขึ้นมา ผู้คนต่างกลัวว่า ATM จะมาแย่งงานพนักงานธนาคาร ทำให้การจ้างงานลดลง แต่จากผลการศึกษาในปีค.ศ. 1999–2010 กลับพบว่าจำนวน ATM ไม่ได้ทำให้จำนวนการจ้างงานพนักงานธนาคารลดลงอย่างทันที เนื่องจาก ATM ยังไม่สามารถรองรับการทำธุรกรรมทางการเงินทุกประเภท เช่น การตอบข้อซักถามเกี่ยวกับผลิตภัณฑ์ การเตรียมผลิตภัณฑ์ทางการเงิน เช่น เช็คเดินทาง (Traveler Cheque) พันธบัตรออมทรัพย์ (Saving Bond) และการขายผลิตภัณฑ์พ่วงอย่างประกันชีวิต เป็นต้น

จำนวนพนักงานธนาคารเปรียบเทียบกับจำนวนเครื่อง ATM ในสหรัฐอเมริกา จากปีค.ศ. 1999–2010 (Source)

เราจะเห็นตัวอย่างมากมายในปัจจุบันที่ AI ถูกใช้เพื่อเพิ่มศักยภาพให้กับมนุษย์ (Supercharge Human) แม้ว่าเมื่อ 5 ปีก่อน AI ยังถูกใช้ในวงแคบ และส่วนมากยังอยู่ในขั้นทดลองเท่านั้น แต่ปัจจุบัน AI กลับเป็นเรื่องใกล้ตัวมาก และถูกในอย่างแพร่หลายในทุกๆ อุตสาหกรรม หากผู้อ่านยังคิดว่า AI เป็นเทคโนโลยีล้ำยุค (Bleeding Edge) และยังไม่น่าจะมีใครเคยนำมาใช้ในอุตสาหกรรมที่ผู้อ่านทำงานอยู่ คุณ Stephanie Sy ท้าว่าตนเองสามารถหาตัวอย่างกรณีใช้งานที่ได้รับการทดสอบและทดลองใช้จากองค์กรใดซักแห่งบนโลกใบนี้มาเป็นกรณีศึกษาให้ท่านได้แน่นอน

ยกตัวอย่างเช่น การนำ AI มาทำงานร่วมกับเจ้าหน้าบริการลูกค้า (Customer Service) ของ บริษัท Vodafone ในการพยากรณ์ว่าเมื่อไหร่และทำไมลูกค้าถึงจะติดต่อหาบริษัท และคัดเลือกลูกค้าบางกลุ่มให้ใช้บริการผ่านช่องทางบริการตนเอง (Self-Service) เมื่อสมควร โดยเลือกเฉพาะกรณีที่ซับซ้อนซึ่ง AI ไม่เคยเจอมาก่อนโอนให้เจ้าหน้าบริการลูกค้าเท่านั้น เป็นผลให้บริษัทสามารถเพิ่มความพึงพอใจของลูกค้าและเพิ่มการใช้งานของลูกค้าผ่านทางช่องทางดิจิทัลเพิ่มขึ้นถึง 26% เป็นผลให้มีสายต่อเข้าคอลเซ็นเตอร์ (Call Center) น้อยลงมากถึง 1.5 ล้านสาย

หากเราต้องการให้องค์กรของเราประสบความสำเร็จเช่นนี้บ้าง ควรเริ่มต้นอย่างไร? คุณ Stephanie Sy ได้แนะนำ Roadmaps ไว้ 4 ขั้นตอน ดังนี้

Step 1: You Need to Know Your Company’s Why and How

Why คือการตระหนักรู้ว่าทำไมบริษัทของเราจึงทำธุรกิจนี้ อะไรคือตัวตนขององค์กร ใครคือลูกค้าของเรา

How คือทำอย่างไรถึงจะเพิ่มจุดแข็งของบริษัท เพิ่มเพิ่มศักยภาพในการแข่งขันกับคู่แข่ง และต้องทำอย่างไรถึงจะเพิ่มคุณค่าแก่ผลิตภัณฑ์ของเราได้

เราต้องรู้ว่าอะไรคือ Why ก่อนจะเริ่มคิดต่อไปว่า How คืออะไร ที่จะมาสนับสนุน Why ใน 4 เสาหลัก

1. AI-Driven Actions การสร้าง AI ที่สอดคล้องกับ Why และ How ขององค์กร ข้อนี้ฟังดูเหมือนเป็นเรื่องง่าย แต่หลายคนมักข้ามจุดนี้ไปเสมอ คุณ Stephanie Sy เล่าให้ฟังว่าจากประสบการณ์ในการสร้างแพลตฟอร์มให้แก่บริษัทต่างๆ ทั่วโลกมามากกว่า 7 ปี ทีมงานของ Thinking Machines ต่างก็ต้องประหลาดใจเมื่อ CIO หรือ CTO มักให้ความต้องการ (Requirement) กับทีมว่าต้องการสร้าง AI ที่สามารถทำได้อย่างโน้นอย่างนี้ แต่กลับไม่เคยคำนึงว่าสิ่งที่ต้องการนี้เกี่ยวข้องกับองค์กรหรือสอดคล้องกับแผนการตลาดและพัฒนาองค์กรอย่างไร รวมถึงมีคุณค่าอย่างไรต่อลูกค้า เมื่อพูดถึง AI ส่วนมาก เรามักคิดถึงแต่เรื่องเทคโนโลยีล้วนๆ ก่อนคิดถึงคุณค่าและความยั่งยืนจากการนำ AI มาใช้งาน แต่เมื่อเราต้องการจะพัฒนาองค์กรด้วย AI เราต้องเริ่มจากแก่นแท้ของธุรกิจ (Core Value) เพื่อจุดประกายคนในองค์กรเห็นคุณค่าของการทำสิ่งนี้เสียก่อน
2. Effective Integration & Centralized Database AI จะมีประสิทธิภาพก็ต่อเมื่อถูกเทรนด้วยข้อมูลที่มีประสิทธิภาพ ดังนั้นเราต้องคิดว่าจะทำอย่างไรถึงจะรวมเอา AI เข้ากับงานปัจจุบันและป้อนข้อมูลให้ AI ได้อย่างมีประสิทธิภาพมากยิ่งขึ้น โดยไม่กระทบต่อการทำงานปัจจุบันหรือกระทบให้น้อยที่สุด พร้อมทั้งรวบรวมข้อมูลที่อยู่กระจัดกระจาย จัดเก็บแยกอยู่คนละที่ คนละทาง คนละแผนก ให้รวมมาอยู่ส่วนกลางได้อย่างครบถ้วน
3. Organization Design แม้ว่าในองค์กรของเราจะมีการนำ AI ซอฟต์แวร์หรือแพลตฟอร์มเข้ามาใช้งานแล้ว แต่เรายังต้องการความร่วมมืออันดีจากคนในองค์กรเพื่อนำ AI มาใช้งาน (Implement) ให้เป็นผลสำเร็จ โดยคนในองค์กรต้องเปิดใจยอมรับ AI มาร่วมทำงานและมองเห็นว่ามันจะเกิดประโยชน์แก่งานของเขาอย่างไร มีหลายกรณีที่บริษัทซื้อลิขสิทธิ์ซอฟต์แวร์มาหลายล้านดอลล่าห์ฯ แต่พนักงานกลับไม่ให้ความร่วมมือและต่อต้านการใช้ AI อีกซะด้วยซ้ำ ด้วยความอคติว่า AI จะมาแย่งงานหรือจะทำให้การทำงานยุ่งยากขึ้น เป็นเหตุให้การนำ AI มาใช้ในองค์กรล้มเหลว และสูญเสียเงินลงทุนและเวลาไปอย่างสูญเปล่า
4. Comprehensive Data Privacy & Legal Coverage เนื่องจาก AI ต้องการใช้ข้อมูลจำนวนมากในการเรียนรู้ ซึ่งในปัจจุบันสังคมได้ให้ความสำคัญกับความเป็นส่วนตัวของข้อมูลมากยิ่งขึ้น เราจึงต้องให้ความมั่นใจแก่ลูกค้าและผู้ให้ข้อมูลว่า ข้อมูลที่ถูกเก็บไว้เป็นข้อมูลที่ได้รับอนุญาตแล้วเท่านั้น และได้รับการปกป้องไว้เป็นอย่างดี

Step 2: Choose Effective Use Case

กรณีใช้งานที่มีประสิทธิภาพต้องเชื่อมโยงกับ Why ขององค์กร และต้องให้ผลลัพธ์ที่วัดผลได้ (Quantifiable Result) ไม่เช่นนั้นเราจะรู้ได้อย่างไรว่าเรากำลังประสบผลสำเร็จหรือล้มเหลวจากการเปลี่ยนแปลงครั้งนี้ จากการศึกษาของ Gartner’s 2018 CIO Agenda Survey พบว่ามีแค่ 15% ของโครงการ AI หรือการเรียนรู้ด้วยเครื่อง (ML — Machine Learning) เท่านั้นที่ประสบผลสำเร็จในขณะที่ 85% ของโครงการล้มเหลว

ฉะนั้นถ้าคุณมีไอเดียเกี่ยวกับโครงการ AI อยู่ 20 ไอเดีย ก็เป็นไปได้สูงว่าจะมีไอเดียที่ใช้ได้แค่ 3 โครงการ ในขณะที่อีก 17 ไอเดียอาจจะล้มเหลวและไม่ได้ถูกพัฒนาต่อ แต่นี่ก็เป็นธรรมชาติของการทดลองและเป็นส่วนหนึ่งของการเรียนรู้ ที่ทำให้เราได้สะสมข้อมูลมาใช้เทรน AI ให้เก่งมากขึ้น ลองนึกถึงแพลตฟอร์ม Tiktok ยิ่งเราดูวิดิโอมากเท่าไหร่ AI ยิ่งเข้าใจว่าเราต้องการดูวิดิโอแบบไหนมากขึ้นเท่านั้น รีแอคชั่นทั้งจากของเราเองและจากเพื่อนของเรา รวมถึงวิดิโอที่เพื่อนของเราดู เวลาที่ใช้ในการดูแต่ละวิดิโอ ทำให้ AI พยากรณ์ความชอบของเราได้แม่นยำมากยิ่งขึ้น

Step 3: Use a Learning Process to Scale Your AI Invention Program

การสร้าง AI Model หลังจากได้กรณีศึกษาที่สนใจแล้ว ควรเริ่มตั้งแต่การทำ Proof of Concept (POC) >> Minimum Viable Product (MVP) >> Deploy และ Iterate พร้อมกับ Scale ให้ขอบเขตกว้างขึ้นในแต่ละรอบ จนได้ผลลัพธ์เป็นที่พอใจ แต่หากทำแล้วพบว่าผลลัพธ์ไม่ได้สร้างประโยชน์ให้แก่ผู้ใช้ ก็ควรจะหยุดการพัฒนา และต้องหยุดเมื่อพอว่าผลการทดลองไม่ได้ตรงตามที่คาดเกณฑ์ไว้

Step 4: Invest in Your Team in an Incredibly Tough Hiring Environment

ปัจจุบันนี้เป็นการยากมากที่จะหาผู้สมัคร (Candidates) มาเติมเต็มตำแหน่งที่ว่างอยู่ ในอเมริกามีการรายงานว่า ตำแหน่งว่างงานกว่า 50% ไม่สามารถหาผู้สมัครที่เหมาะสมได้ ในขณะที่คนทำงานเริ่มเบื่อหน่ายกับงานเดิมๆ และต้องการย้ายออก ดังนั้นแทนที่จะลงแรงจ้างคนใหม่ๆ เพื่อมาทำงาน เราควรลงทุนในการพัฒนาทักษะและความสามารถของทีมปัจจุบันให้เก่งยิ่งขึ้นดีกว่า

Session 20 นาทีจบลงเท่านี้ แต่วันนี้ผู้เขียนยังได้โอกาสเข้าร่วมเวิร์คช็อปจาก Thinking Machines เกี่ยวกับการทำ MLOps ในองค์กรอีก 1 ชั่วโมงในช่วงบ่าย

11:05AM — Future of Thailand AgriTech and FoodTech: Can Technology Help Drive Thailand Agri & Food Industry

Room: Vertical 1, Stage: Health Tech/Food

Speakers:

• Mahisorn Wongphati — CEO, HiveGround
• Chonchayong (Sean) Trairatkeyoon — Co-Founder & CEO, IncreBio (formerly JuiceInnov8)
• Phuvin Kongsawat — Co-Founder & CEO, Easy Rice Digital Technology
• Aukrit Unahalekhaka — Co-Founder & CEO (Thailand), Ricult (Moderator)

จากซ้ายไปขวา: คุณอุกฤษ อุณหเลขกะ Co-Founder & CEO (Thailand), Ricult / คุณชนม์ชญงค์ ไตรรัตน์เกยูร Co-Founder & CEO, IncreBio / ดร.มหิศร ว่องผาติ— CEO, HiveGround / คุณภูวินทร์ คงสวัสดิ์ Co-Founder & CEO, Easy Rice Digital Technology

คุณอุกฤษได้เริ่มต้น Session โดยการให้ Speaker แต่ละท่านแนะนำตนเองและเทคโนโลยีที่ได้พัฒนาขึ้นเพื่อช่วยเหลืองานด้านการเกษตร

คุณภูวินทร์ คงสวัสดิ์ CEO บริษัทอีซีไรซ์ ดิจิทัล เทคโนโลยี (Easy Rice Digital Technology) ได้เล่าว่าการประเมินคุณภาพข้าวในปัจจุบันยังถูกประเมินด้วยการพิจารณาของผู้ค้าคนกลาง ซึ่งอาจจะลำเอียง ไม่เที่ยงตรงตามความเป็นจริง การประเมินคุณภาพข้าวต่ำกว่าความเป็นจริงนี้ทำให้ชาวนาเสียเปรียบ ทางบริษัทจึงได้พัฒนาเทคโนโลโนยีประเมินคุณภาพข้าวด้วยการใช้เทคโนโลยีการประมวลผลด้วยภาพ (Image Processing) และการเรียนรู้ด้วยเครื่อง (Machine Learning) ที่สามารถทำงานได้แม่นยำถึง 95% เรียกว่า โปรแกรมตรวจสอบคุณภาพข้าว M0 หรือ Easyrice M0 ซึ่งสามารถตรวจสอบลักษณะของเมล็ดข้าว ความยาวของข้าว และการปลอมปนโดยไม่ทำลายเมล็ดข้าว ได้ผลลัพธ์ครบถ้วนตรงตามมาตรฐานของกระทรวงพาณิชย์ นอกจากนี้ยังได้พัฒนาเครื่องตรวจสอบสายพันธุ์ข้าว MP (Easyrice MP) ซึ่งสามารถตรวจสอบสายพันธ์ข้าวและความบริสุทธิ์ของสายพันธ์ข้าวได้แม่นยำถึง 99.99% โดยในปัจจุบันยังไม่มีเทคนิคทางเคมีใดๆ ที่มีความสามารถทัดเทียมกับเครื่องนี้

คุณชนม์ชญงค์ ไตรรัตน์เกยูร หรือคุณฌอห์น CEO แห่ง IncreBio (ชื่อเดิม JuiceInnov8) ซึ่งเป็นสตาร์ทอัพด้านเทคโนโลยีชีวภาพการอาหาร (Food Biotechnology) ได้นำผลิตภัณฑ์ใหม่ Incredible Juice มาให้ทดลองชิม แต่ผู้เขียนนั่งอยู่ด้านหน้า ซึ่งน้องอาสาสมัครๆ เดินมาไม่ถึง เลยอดลองชิมไปอย่างน่าเสียดาย เครื่องดื่มสีใสนี้เรียกได้ว่าเป็น Coke Zero เวอร์ชันน้ำผลไม้ เพราะเป็นน้ำผลไม้ที่ได้ผ่านการลดน้ำตาลลงถึง 80%–90% โดยยังคงคุณค่าทางสารอาหารและรสชาติของผลไม้ไว้เหมือนเดิม สอดคล้องกับเทรนด์บริโภคอาหารแคลอรีต่ำในปัจจุบัน แถมประเทศไทยยังเป็นเบอร์ 2 ของโลกในการส่งออกน้ำผลไม้ การนำเทคโนโลยีนี้มาใช้จะช่วยสนับสนุนชาวสวนผลไม้และส่งเสริมการส่งออกน้ำผลไม้ไทยไปสู่ตลาดโลก

ภาพแสดงวิธีการลดน้ำตาลในน้ำผลไม้ด้วยเทคโนโลยี ของ IncreBio (Source)

ดร.มหิศร ว่องผาติ หรือคุณช้าง CEO ของ HiveGround ซึ่งเป็นบริษัทผลิตหุ่นยนต์ที่ถือว่าก้าวหน้าที่สุดในประเทศไทย ได้ทำการศึกษาและพัฒนาโดรนเพื่อการเกษตร ชื่อว่า Tiger Drone ด้วยชิ้นส่วนที่ส่วนมากผลิตในประเทศไทย และควบคุมด้วยโปรแกรมที่พัฒนาขึ้นเองด้วยวิศวกรชาวไทย Tiger Drone สามารถให้บริการฉีดยาฆ่าแมลงได้อย่างแม่นยำ รวดเร็ว และสม่ำเสมอ ทั้งยังสามารถในการเก็บข้อมูลการทำงานของโดรนว่าได้บินไปพื้นที่ไหนและพ่นยาพื้นที่ไหนมาแล้วบ้าง และประเมินจำนวนข้าวโพดด้วยภาพจากโดรนได้ด้วย

ภาพโมเดล Tiger Drone 1X จากคู่มือการใช้งาน Tiger Drone User Guide (Source)

แต่การใช้โดรนในพื้นที่การเกษตรของประเทศไทยค่อนข้างมีปัญหา ด้วยความที่พื้นที่การเกษตรของไทยไม่ได้เป็นพื้นที่ผืนใหญ่เชื่อมต่อกันและไม่ได้อยู่ในลักษณะเลขาคณิต เช่น รูปสีเหลี่ยมผืนผ้า ทำให้การฉีดพ่นยาแต่ละครั้งต้องมีการเคลื่อนย้ายโดรนจากจุดหนึ่งไปจุดหนึ่ง เวลาที่ใช้ในการพ่นยาแต่ละครั้งจึงมากกว่าการใช้งานในพื้นที่การเกษตรขนาดใหญ่เชื่อมต่อกันหลายร้อยเอเคอร์อย่างในประเทศสหรัฐอเมริกา และอาจจะมีต้นทุนสูงกว่าจากการเคลื่อนย้าย อีกทั้งด้วยความที่โดรนทางการเกษตรมีขนาดใหญ่และหนักกว่าโดรนทั่วไปเกือบ 10 เท่า การเคลื่อนย้ายไปพื้นที่ทุรกันดารอย่างไร่นา สวนป่าที่ถนนหนทางไม่สะดวกสบาย หรืออาจจะไม่มีทางเดินรถเข้าไป รวมถึงการใช้งานกลางแจ้งอย่างสมบุกสมบันนั้นมีส่วนทำให้โดรนเสียหายได้ง่าย ดังนั้นทาง HiveGround จึงต้องออกแบบโดรนให้ใช้วัสดุที่เบาแต่ทนทาน และยังต้องมีราคาเข้าถึงได้ ต้องสามารถซ่อมแซมและหาอะไหล่ทดแทนได้ง่าย

ภาพแสดงพื้นที่ที่โดรนเข้าไปทำงาน ความสูงของกราฟแสดงถึงพื้นที่ที่โดรนบินทำงานบ่อยๆ และพื้นที่ที่โดรนบินทำงานนั้นค่อนข้างกระจัดกระจาย

ราคาที่เข้าถึงได้และสมรรถนะของหุ่นยนต์ที่ต้องดีพร้อม ข้อจำกัดเหล่านี้เป็นโจทย์ที่ท้าท้ายมากสำหรับบริษัทหุ่นยนต์ในไทย ทั้งเป็นอุตสาหกรรมที่ยังไม่ได้รับการสนับสนุนอย่างเต็มที่จากรัฐบาล ไม่ว่าจะเป็นด้านการศึกษาวิจัยและพัฒนาหุ่นยนต์ การพัฒนาบุคลากรและการกำหนดมาตรการเพื่อช่วยลดความเหลื่อมล้ำทางการค้า โดยเฉพาะจากผลิตภัณฑ์ต่างประเทศที่เข้ามาแย่งตลาด

หัวข้อที่ Session นี้ให้ความสนใจอย่างมากคือปริมาณเงินลงทุนในเทคโนโลยีทางการเกษตรของประเทศไทย ซึ่งขึ้นชื่อว่าเป็น “ครัวของโลก” และอาชีพหลักของคนไทยคือการเกษตร แต่สิ่งที่น่าตกใจคือประเทศไทยเราไม่แม้แต่จะมีรายชื่อติดอยู่ใน “Top 20 Countries by Investment in Food/AgriFoodTech Startups in 2021” แต่ประเทศสิงคโปร์ซึ่งมีพื้นที่เล็กแค่ครึ่งนึงของกรุงเทพฯ กลับติดอยู่ในอันดับ 10 และมีมูลค่าการลงทุนสูงถึงหนึ่งพันล้านดอลล่าห์สหรัฐ

ท็อป 20 ประเทศที่ลงทุนใน AgriFoodTech สูงสุด รายงานจาก AgFunder (Source)

แล้วประเทศไทยอยู่ตรงไหนในโลก?

เมื่อพิจารณาถึงจำนวนข้อตกลงทางการค้าเกี่ยวกับ AgriFoodTech ในแต่ละประเทศ คุณฌอห์นเล่าว่าในประเทศไทยตอนนี้มีเพียงแค่หนึ่งดีลเท่านั้น ซึ่งเป็นของบริษัท IncreBio นั่นเอง แต่ไม่ได้กล่าวถึงมูลค่าของการลงทุนนี้

จำนวนข้อตกลงทางการค้าด้าน AgriFoodTech ของประเทศทั่วโลกแสดงด้วยสีเขียว ซึ่งประเทศไทยแสดงด้วยสีเทา หมายถึงจำนวนดีลที่ต่ำมากหรือไม่มีเลย ในขณะที่ประเทศเพื่อนบ้านอย่างเวียดนามและมาเลเซียฉาบไปด้วยสีเขียว

สิ่งที่ผู้เขียนได้รับรู้จาก Session นี้ นอกจากจะทำให้แปลกใจกับความล้ำสมัยของเทคโนโลยีการเกษตร ก็เกิดคำถามกับตัวเองว่าเกิดอะไรขึ้นกับ AgriFoodTechในประเทศไทย ทำไมเราซึ่งเป็นประเทศในน้ำมีปลา ในนามีข้าว ถึงมีการพัฒนาและส่งออกเทคโนโลยีการเกษตรน้อยมาก ในขณะที่ประเทศเพื่อนบ้านล้ำหน้าไปมากแล้ว และเราจะพัฒนา AgriFoodTech ในไทยได้อย่างไร ทำอย่างไรถึงจะทำให้เกษตรกรในไทยมีรายได้และคุณภาพชีวิตดีขึ้น?

เวลาเพียง 40 นาทีไม่ได้ทำให้เราได้คำตอบนี้ แต่ในขณะที่ผู้อ่านกำลังอ่านบทความนี้อยู่ เหล่าสตาร์ทอัพก็ยังคงทำงานอย่างหนักเพื่อผลักดันเทคโนโลยีการเกษตรในไทยให้ก้าวหน้าขึ้น รวมถึงยังร่วมมือกันเพื่อให้ได้รับการสนับสนุนจากรัฐบาลมากขึ้น ไม่ว่าจะเป็นการพัฒนาบุคลากร การศึกษาวิจัย การลงทุนและการส่งเสริมการส่งออก

1:00PM — Crypto Investment Workshop by Cryptomind

Speakers:

• Sanjay Popli — CEO, Cryptomind Advisory
• Kavi Rawal — Strategy Lead, GuildFi

นี่เป็นเวิร์คช็อปที่ผู้เขียนไม่สามารถสำรองที่นั่งล่วงหน้าได้ทัน จึงต้องสละเวลาอาหารเที่ยงมาเพื่อลงรายชื่อใน Waiting List จนได้เข้าร่วมในที่สุด และด้วยความน่าสนใจของเวิร์คช็อป ประกอบกับปริมาณเนื้อหาที่อัดแน่นมาก ผู้เขียนจึงขออนุญาตเขียนรายละเอียดแยกออกเป็นอีกบทความ โปรดติดตามบทความ “รีวิว Workshop: Crypto Investment Workshop by Cryptomind จากงาน Techsauce Global Summit 2022”

ส่งท้าย

วันสุดท้ายในงาน Techsauce Global Summit 2022 ของผู้เขียนปิดฉากลงด้วยเวิร์คช็อป “MLOps in Action: Simplifying and Automating Models at Scale” โดยคุณ Joseph Rosh Perez วิศวกร Machine Learning จาก Thinking Machines ตอนห้าโมงครึ่ง หลายคนอาจจะยังอยู่ต่อ After Party ที่งาน ซึ่งเปลี่ยน Exhibition Zone เป็นเวทีคอนเสิร์ตจนถึงสี่ทุ่ม

สุดท้ายผู้เขียนหวังว่าจะได้กลับมาร่วมงาน Techsauce Global Summit อีกครั้งในปีหน้า เพื่อเติมไฟให้กับตัวเองอีกครั้ง เหมือนที่ได้รับจากงานครั้งนี้ แล้วพบกันอีกครั้งค่ะ

สำหรับชาวเทคคนไหนที่สนใจเรื่องราวดีๆแบบนี้ หรืออยากเรียนรู้เกี่ยวกับ Product ใหม่ๆ ของ KBTG สามารถติดตามรายละเอียดกันได้ที่เว็บไซต์ www.kbtg.tech