Deloitte ชี้โครงการดาต้าเซ็นเตอร์ในไทยจ่อใช้ไฟ 2.87GW ขณะที่องค์กรเพียง 19% ขยาย AI ระดับองค์กร แนะภาคพลังงานเร่งสร้างผลลัพธ์ทางธุรกิจ
สถานการณ์ภูมิรัฐศาสตร์ในช่วงปีที่ผ่านมาได้เปลี่ยนทิศทางและวาระด้านพลังงานของประเทศไทยและภูมิภาคเอเชียตะวันออกเฉียงใต้อย่างมีนัยสำคัญ
นายคีธ เดวีส์ ลีดเดอร์ ด้านเทคโนโลยีและการฎิรูปองค์กร สำหรับธุรกิจพลังงาน ทรัพยากรธรรมชาติ และอุตสาหกรรม ดีลอยท์ เซาท์อีสต์เอเชีย กล่าวว่า บริษัทพลังงานไทยกำลังปรับทิศทางการลงทุนโดยมุ่งเน้นไปที่ความพร้อมรับมือต่อความเปลี่ยนแปลง (Resilience) และผลตอบแทนจากการลงทุนเป็นหลักตลอดช่วงการเปลี่ยนผ่านด้านพลังงาน ไม่ว่าจะเป็นพลังงานหมุนเวียน เทคโนโลยีดักจับคาร์บอน หรือโครงสร้างพื้นฐานด้านก๊าซธรรมชาติ องค์กรต่าง ๆ กำลังประเมินการลงทุนโดยพิจารณาจากผลกระทบต่อความมั่นคงทางพลังงานและความสามารถในการเข้าถึงพลังงานในราคาที่เหมาะสม
ในช่วงไม่กี่ปีที่ผ่านมา กลุ่มบริษัทพลังงานรายใหญ่ของไทยได้ทยอยปรับโครงสร้างพอร์ตการลงทุน เพื่อลดต้นทุนและเพิ่มความยืดหยุ่นในการดำเนินงาน ซึ่งรวมถึงการควบรวมกิจการกับคู่แข่งเพื่อใช้ฐานการผลิตร่วมกันและลดต้นทุนการดำเนินงาน การเปิดรับผู้ร่วมลงทุนจากต่างประเทศ ตลอดจนการถอนตัวออกจากธุรกิจที่ไม่ใช่ธุรกิจหลัก
ขณะเดียวกัน ความท้าทายใหม่คือการรองรับความต้องการใช้พลังงานของไทยที่เพิ่มสูงขึ้น มีการคาดการณ์ว่าโครงการดาต้าเซ็นเตอร์จำนวนมากซึ่งอยู่ระหว่างการพัฒนาจะมีการใช้ไฟฟ้ารวม 2.87 กิกะวัตต์ ซึ่งเป็นการเพิ่มแรงกดดันต่อโครงสร้างพื้นฐานระบบไฟฟ้าที่มีอยู่เดิม ซึ่งไม่ได้รับการออกแบบมาเพื่อรองรับปริมาณการใช้ไฟฟ้าที่สูงในระดับเช่นนี้
จากโครงการนำร่อง AI สู่ผลลัพธ์ทางธุรกิจ
แม้ AI จะเป็นปัจจัยที่ผลักดันให้ความต้องการพลังงานเพิ่มสูงขึ้น แต่ในขณะเดียวกัน ก็เป็นทางออกในการช่วยบริษัทพลังงานรับมือกับความท้าทายด้านต้นทุนและเพิ่มประสิทธิภาพการดำเนินงานได้ โดยนายคีธกล่าวเสริมว่า ปัจจุบัน AI ได้กลายเป็นวาระสำคัญในระดับคณะกรรมการของบริษัทพลังงานไทย อย่างไรก็ตาม ความท้าทายที่แท้จริงคือการเปลี่ยนความสนใจและการทดลองในระยะแรกให้กลายเป็นผลลัพธ์ที่วัดผลประกอบการได้
ผลสำรวจ Thailand Digital Transformation Survey 2026 ล่าสุดของดีลอยท์พบว่า แม้องค์กรไทยจะมีการนำ AI มาใช้แล้วในวงกว้าง แต่มีเพียงร้อยละ 19 ที่สามารถยกระดับการใช้ AI ให้ครอบคลุมการดำเนินงานในระดับองค์กร ขณะที่อีกร้อยละ 81 ยังคงอยู่ในระยะทดลอง โดยมุ่งเน้นโครงการนำร่องในหน่วยงานหรือฟังก์ชันเฉพาะด้าน นอกจากนี้ อีกร้อยละ 71 ยังระบุว่าการนำ AI มาใช้สามารถสร้างผลลัพธ์ได้ตามเป้าหมายเพียงบางส่วน
นายคีธกล่าวทิ้งท้ายว่า โครงการนำร่องในระยะแรกได้พิสูจน์ให้เห็นถึงศักยภาพของ AI แต่ความท้าทายคือการขยายผลไปสู่การใช้งานในวงกว้าง เราจึงสนับสนุนให้ลูกค้าในภาคพลังงานและทรัพยากรธรรมชาติ ประเมินและตรวจสอบให้มั่นใจก่อนว่า สามารถนำ AI มาประยุกต์ใช้กับกระบวนการทำงานที่มีอยู่ได้อย่างมีประสิทธิภาพและสร้างผลลัพธ์ทางธุรกิจได้อย่างเป็นรูปธรรม ก่อนพิจารณาก้าวไปสู่การลงทุนหรือการใช้งานในระยะต่อไป ไม่ว่าจะเป็นการลงทุนเพิ่มเติมในโครงสร้างพื้นฐานด้านเทคโนโลยี หรือการนำ AI ไปประยุกต์ใช้กับกรณีที่มีความเสี่ยงสูงขึ้น
ในภูมิภาคเอเชียตะวันออกเฉียงใต้และภูมิภาคอื่น ๆ AI เริ่มถูกนำมาใช้ในภาคพลังงานเพื่อเพิ่มประสิทธิภาพการตรวจสอบและป้องกันต้นทุนความเสียหายที่อาจเกิดขึ้น ตัวอย่างหนึ่งคือ ดีลอยท์ได้นำภาพถ่ายดาวเทียมมาผสานกับเทคโนโลยี AI เพื่อช่วยบริษัทพลังงานรายใหญ่ตรวจจับการรั่วไหลของก๊าซมีเทนตามแนวท่อส่งแบบเรียลไทม์ ทำให้สามารถระบุแหล่งกำเนิดการปล่อยก๊าซที่ระบบตรวจสอบแบบเดิมไม่สามารถตรวจพบได้ ซึ่งช่วยลดทั้งความเสี่ยงด้านกฎระเบียบและค่าใช้จ่ายในการแก้ไขปัญหาที่อาจเกิดขึ้นตามมา
อีกกรณีหนึ่งคือ ลูกค้ารายหนึ่งได้นำระบบบำรุงรักษาเชิงคาดการณ์ (Predictive Maintenance) มาใช้กับหม้อไอน้ำในโรงไฟฟ้า เพื่อวิเคราะห์และตรวจจับความเสี่ยงจากความขัดข้องของกลไกได้ล่วงหน้า ก่อนที่จะเกิดการชำรุดจนต้องหยุดทำงาน ส่งผลให้สามารถลดโอกาสการหยุดดำเนินงานนอกแผน และหลีกเลี่ยงค่าใช้จ่ายในการซ่อมแซมที่สูงเกินความจำเป็น
นายมงคล สมผล ลีดเดอร์ ด้านพลังงาน ทรัพยากรธรรมชาติ และอุตสาหกรรม ดีลอยท์ ประเทศไทย กล่าวว่า บริษัทพลังงานกำลังให้ความสำคัญกับการนำ AI ระบบอัตโนมัติ และการวิเคราะห์ข้อมูลขั้นสูงมาใช้มากขึ้น เพื่อช่วยติดตามข้อมูล เพิ่มประสิทธิภาพการบริหารสินทรัพย์ และเสริมความยืดหยุ่นในการดำเนินงาน
“สิ่งที่ลูกค้าในภาคพลังงานต้องการคือ AI ที่สามารถสร้างผลกระทบต่อการบริหารจัดการสินทรัพย์และต้นทุนได้โดยตรงและวัดผลได้ ไม่ใช่นำมาใช้เพียงเพราะต้องการมีเทคโนโลยีใหม่ ทั้งนี้ แรงกดดันที่พวกเขาเผชิญอยู่นั้นคือ การที่ไม่สามารถควบคุมราคาสินค้าโภคภัณฑ์ได้ แต่สามารถควบคุมประสิทธิภาพในการดำเนินงานได้ ซึ่ง AI กำลังเข้ามามีบทบาทสำคัญมากขึ้นในเรื่องนี้ ตั้งแต่การบำรุงรักษาเชิงคาดการณ์ การตรวจสอบการปล่อยก๊าซเรือนกระจก ไปจนถึงการเพิ่มประสิทธิภาพห่วงโซ่อุปทาน ทั้งนี้ ก้าวต่อไปคือการเปลี่ยนจากการใช้ AI ในงานเฉพาะจุด ไปสู่การนำ Agentic AI ที่มาผสานเข้ากับกระบวนการดำเนินงานในภาพรวม และสนับสนุนการตัดสินใจได้แบบเรียลไทม์ ซึ่งจะสร้างความได้เปรียบในการแข่งขัน และเป็นทิศทางที่เราเข้าไปช่วยลูกค้าให้ความสำคัญในการวางแผนและจัดสรรการลงทุน”
ช่องว่างในทางปฏิบัติ
การยกระดับการใช้ AI อย่างมีประสิทธิภาพถือเป็นหนึ่งในแนวทางสำคัญที่องค์กรในภาคพลังงานไทยสามารถนำมาใช้เพื่อลดต้นทุนในช่วงเปลี่ยนผ่านของอุตสาหกรรม เนื่องจากบริษัทไม่สามารถควบคุมปัจจัยภายนอกอย่างราคาน้ำมันดิบ ปิโตรเคมี หรือไฟฟ้าได้ ดังนั้น การเพิ่มประสิทธิภาพและลดต้นทุนการดำเนินงานจึงยังคงเป็นกลไกสำคัญในการรักษาอัตรากำไรและความสามารถในการแข่งขัน ขณะเดียวกัน ความผันผวนของตลาดพลังงานมีแนวโน้มเกิดขึ้นถี่ขึ้น วิกฤตราคาน้ำมันที่เคยเกิดขึ้นราวทศวรรษละครั้งในอดีต ปัจจุบันอาจเกิดขึ้นบ่อยครั้งกว่าเดิม ส่งผลให้องค์กรมีเวลาวางแผนและรับมือกับความไม่แน่นอนลดลง นอกจากนี้ แรงกดดันจากนักลงทุนและคู่ค้าระหว่างประเทศเกี่ยวกับการเปิดเผยข้อมูลคาร์บอนและผลการดำเนินงานด้านการลดการปล่อยก๊าซเรือนกระจก ก็ยิ่งเร่งให้ภาคพลังงานต้องเดินหน้าเรื่องการลดคาร์บอนเร็วขึ้น
ผู้เชี่ยวชาญในอุตสาหกรรมระบุว่า ในช่วงไม่กี่ปีที่ผ่านมา ภาคพลังงานได้ดำเนินการเชิงยุทธศาสตร์ครั้งสำคัญ ทั้งการปรับพอร์ตการลงทุนและการควบรวมกิจการ คำถามสำคัญในระยะต่อไปคือองค์กรต่าง ๆ จะสามารถพัฒนาขีดความสามารถด้านดิจิทัลและศักยภาพขององค์กร เพื่อเปลี่ยนการตัดสินใจเชิงกลยุทธ์เหล่านี้ให้เป็นผลตอบแทนทางธุรกิจในวงกว้างได้มากเพียงใด
นายอริยะ ฝึกฝน ลีดเดอร์ ด้านเทคโนโลยีและการฎิรูปองค์กร ดีลอยท์ ประเทศไทย กล่าวทิ้งท้ายว่า ภาคพลังงานไทยได้ตัดสินใจเชิงยุทธศาสตร์ที่สำคัญและเหมาะสมแล้ว สิ่งที่ยังต้องจับตาคือความเร็วในการนำกลยุทธ์ไปสู่การปฏิบัติ องค์กรที่จะก้าวขึ้นมาเป็นผู้นำในวัฏจักรธุรกิจครั้งถัดไป ต้องไม่มอง AI เป็นเพียงโครงการด้านเทคโนโลยี แต่เป็นขีดความสามารถในการดำเนินงานที่ฝังอยู่ในกระบวนการบริหารจัดการสินทรัพย์ การควบคุมต้นทุน และการตัดสินใจในระดับผู้บริหารและคณะกรรมการ ซึ่งการเปลี่ยนผ่านนี้จำเป็นต้องอาศัยการลงทุนในรูปแบบใหม่ ทั้งการวางรากฐานด้านข้อมูล การพัฒนาบุคลากร และการปรับเปลี่ยนรูปแบบการดำเนินงาน เพื่อสร้างขีดความสามารถที่รองรับการเติบโตอย่างยั่งยืน
Deloitte: Thailand’s data-centre pipeline could require 2.87GW as energy companies scale AI
Deloitte says Thailand’s energy sector is accelerating the use of artificial intelligence to control costs, manage assets and prepare for rising electricity demand. Data-centre projects currently under development are expected to require a combined 2.87GW of power.
The additional demand comes amid geopolitical uncertainty, volatile energy prices and growing pressure to disclose carbon emissions. Energy companies are consequently placing greater emphasis on resilience, energy security, affordability and measurable returns when assessing investments in renewable energy, carbon capture and natural-gas infrastructure.
Keith Davies, Deloitte Southeast Asia’s Technology and Transformation Leader for Energy, Resources and Industrials, said major Thai energy companies have been restructuring their portfolios through mergers, shared production capacity, foreign investment and divestment from non-core operations.
AI plays two roles in this transition. Large computing facilities increase electricity demand, while AI systems can help energy companies improve operational efficiency, reduce costs and identify risks earlier.
Deloitte’s Thailand Digital Transformation Survey 2026 found that only 19% of Thai organisations had scaled AI across enterprise operations. The remaining 81% were still conducting pilots or using AI within selected functions.
The survey also found that 71% of organisations achieved only part of their intended AI outcomes, highlighting the gap between early experimentation and measurable improvements in revenue, cost or operational performance.
Current energy-sector use cases include combining satellite imagery with AI to detect methane leaks along pipelines in real time. Predictive-maintenance systems are also being applied to power-plant boilers to identify mechanical risks before failures lead to unplanned shutdowns.
Deloitte expects the next stage to involve Agentic AI integrated directly into operational workflows. Potential applications include asset management, maintenance planning, cost control, supply-chain optimisation and real-time decision support.
Scaling these systems will require investment in data foundations, workforce skills and operating models. Deloitte says the speed at which companies convert their digital strategies into operational capabilities will help determine the next group of industry leaders
