1. หลักการใหญ่: ความปลอดภัยต้องมาก่อน — AI ไม่สั่งเดินเครื่องเอง
หัวใจของทั้งหลักสูตรนี้คือประโยคเดียว คือ AI ในโรงงานเป็น 'ผู้ช่วยคิด' ไม่ใช่ 'ผู้ตัดสินใจแทนคน' ในเรื่องที่เสี่ยงต่อความปลอดภัย เส้นแบ่งที่ตายตัวคือ AI สามารถอ่านข้อมูล วิเคราะห์ เสนอแนะ และร่างเอกสารได้ แต่ต้องไม่มีสิทธิ์ 'สั่งเดินเครื่อง' หรือควบคุมระบบที่เกี่ยวกับความปลอดภัย (safety-critical) โดยตรงโดยไม่มีคนอนุมัติ เหตุผลคือ AI ยังผิดพลาดได้ ทั้งจากการมั่วข้อมูล (hallucination) ข้อมูลนำเข้าที่ผิด หรือสถานการณ์ที่มันไม่เคยเจอ และในโรงงาน ความผิดพลาดหนึ่งครั้งอาจหมายถึงเครื่องจักรพัง สายการผลิตหยุด หรือคนงานบาดเจ็บถึงชีวิต หลัก 'มีคนอยู่ในวงตัดสินใจ' (human-in-the-loop) จึงไม่ใช่แค่คำสวย ๆ แต่คือการออกแบบระบบให้ทุกการกระทำที่มีผลต่อของจริงต้องผ่านคนที่รับผิดชอบ ทุกส่วนที่เหลือของหน้านี้คือรายละเอียดที่รองรับหลักการนี้
กฎเหล็กข้อแรก: ไม่ว่าจะ AI ฉลาดแค่ไหน ห้ามต่อให้มันมีเส้นทางสั่งงาน PLC/SCADA หรือระบบหยุดฉุกเฉินได้เองโดยตรง การนำผลของ AI ไปใช้กับเครื่องจริงต้องผ่านคนและระบบอนุมัติเสมอ
2. อาชีวอนามัยและความปลอดภัยในการทำงาน
โรงงานไทยอยู่ภายใต้พระราชบัญญัติความปลอดภัย อาชีวอนามัย และสภาพแวดล้อมในการทำงาน พ.ศ. 2554 ซึ่งกำหนดให้นายจ้างต้องดูแลความปลอดภัยของลูกจ้าง มีเจ้าหน้าที่ความปลอดภัยในการทำงาน (จป.) และคณะกรรมการความปลอดภัย (คปอ.) ในสถานประกอบการตามเกณฑ์ ส่วนมาตรฐานระบบสากลที่นิยมคือ ISO 45001 (ระบบการจัดการอาชีวอนามัยและความปลอดภัย) AI เข้ามาช่วยงานด้านนี้ได้ในฐานะ 'ตัวช่วย' เช่น วิเคราะห์รายงานเหตุการณ์เกือบเกิดอุบัติเหตุ (near-miss) เพื่อหาแนวโน้ม ช่วยร่างการวิเคราะห์งานเพื่อความปลอดภัย (JSA) ช่วยจัดทำสื่อและอบรมความปลอดภัย และเตือนด้วยภาพเรื่องการสวม PPE แต่ต้องเข้าใจว่า AI ไม่ได้มาแทน จป. หรือระบบความปลอดภัยจริง มันช่วยให้คนทำงานได้เร็วและครอบคลุมขึ้น การประเมินความเสี่ยงและการตัดสินใจด้านความปลอดภัยยังต้องเป็นของคนที่มีความรู้และอำนาจตามกฎหมาย
3. ระบบที่เกี่ยวกับความปลอดภัย (Safety-Critical) — เขตห้าม AI ควบคุม
ในโรงงานมีระบบชั้นหนึ่งที่ออกแบบมาเพื่อป้องกันอันตรายโดยเฉพาะ เรียกว่าระบบเชิงเครื่องมือด้านความปลอดภัย (SIS - Safety Instrumented System) และฟังก์ชันความปลอดภัย เช่น ปุ่มหยุดฉุกเฉิน (emergency stop) ม่านแสง (light curtain) สวิตช์ล็อกประตู (interlock) และวาล์วนิรภัย ระบบเหล่านี้อยู่ภายใต้มาตรฐานความปลอดภัยเชิงฟังก์ชัน เช่น IEC 61508 และ IEC 61511 ที่กำหนดระดับความสมบูรณ์ด้านความปลอดภัย (SIL) หลักการสำคัญคือระบบความปลอดภัยเหล่านี้ต้อง 'เรียบง่าย ทำนายผลได้ และผ่านการรับรอง' ซึ่งตรงข้ามกับธรรมชาติของ AI ที่ตัดสินใจแบบความน่าจะเป็นและอธิบายเหตุผลได้ยาก ดังนั้น AI จึงห้ามเข้าไปเป็นส่วนควบคุมของระบบความปลอดภัยเหล่านี้ AI ทำได้แค่เป็น 'ชั้นเสริม' ที่เตือนหรือช่วยวิเคราะห์ เช่น กล้อง AI เตือนเมื่อเห็นคนเข้าใกล้เขตอันตราย แต่การหยุดเครื่องจริงต้องเป็นหน้าที่ของฮาร์ดแวร์ความปลอดภัยที่ผ่านมาตรฐาน ไม่ใช่ AI
ห้ามเด็ดขาด: อย่าใช้กล้อง AI หรือโมเดลใด ๆ แทนฟังก์ชันหยุดฉุกเฉิน ม่านแสง หรือ interlock ระบบความปลอดภัยต้องเป็นฮาร์ดแวร์ที่ผ่านการรับรองตาม IEC 61508/61511 และทำงานได้แม้ AI/เครือข่ายล่ม
4. มาตรฐานและการรับรอง: มอก., ISO, GMP/HACCP
มาตรฐานคือภาษากลางที่ทำให้ลูกค้าเชื่อใจและสินค้าเข้าตลาดได้ ในไทยมีมาตรฐานผลิตภัณฑ์อุตสาหกรรม (มอก.) กำกับโดยสำนักงานมาตรฐานผลิตภัณฑ์อุตสาหกรรม (สมอ. / TISI) โดยบางรายการเป็นมาตรฐานบังคับที่ต้องมีก่อนผลิตหรือนำเข้า ส่วนมาตรฐานระบบสากลที่พบบ่อยคือ ISO 9001 (คุณภาพ), ISO 14001 (สิ่งแวดล้อม), ISO 45001 (ความปลอดภัย), ISO 50001 (พลังงาน) และ ISO/IEC 27001 (ความมั่นคงปลอดภัยสารสนเทศ) สำหรับอาหารมี GMP และ HACCP กำกับโดย อย. และ มกอช. (ACFS) และตลาดส่งออกมักขอมาตรฐานสูงขึ้น เช่น FSSC 22000 หรือ BRCGS AI ช่วยงานมาตรฐานได้ในส่วนเอกสาร คือร่างระเบียบปฏิบัติ ทำการวิเคราะห์ช่องว่าง (gap analysis) จัดระเบียบบันทึกและการตรวจสอบย้อนกลับ และเตรียมความพร้อมก่อนการตรวจ (audit) แต่การรับรองเป็นอำนาจของหน่วยรับรอง (certification body) เช่น MASCI, SGS, BSI, TÜV เท่านั้น และต้องระวังว่า AI มักอ้างเลขข้อกำหนด (clause) หรือค่ามาตรฐานผิด จึงต้องเปิดเทียบกับเอกสารมาตรฐานฉบับจริงทุกครั้ง
| มาตรฐาน | ครอบคลุม | ผู้กำกับ/รับรอง | AI ช่วยได้ / ห้าม |
|---|---|---|---|
| มอก. | ผลิตภัณฑ์อุตสาหกรรม (บางตัวบังคับ) | สมอ. (TISI) | ช่วยร่างเอกสาร / ห้ามอ้างว่าผ่านเอง |
| ISO 9001/14001/45001 | คุณภาพ/สิ่งแวดล้อม/ความปลอดภัย | หน่วยรับรองภายนอก | gap analysis, ร่าง SOP / คนรับรอง |
| GMP / HACCP | ความปลอดภัยอาหาร | อย., มกอช. | จัดระเบียบบันทึก / ค่าวิกฤตต้องคนกำหนด |
| ISO/IEC 27001 | ความปลอดภัยสารสนเทศ | หน่วยรับรองภายนอก | ช่วยร่างนโยบาย / ต้องมีผู้เชี่ยวชาญตรวจ |
5. ความมั่นคงปลอดภัยไซเบอร์ฝั่ง OT/ICS
เมื่อโรงงานต่อ IoT, cloud และ AI เข้ากับสายการผลิตเพื่อดึงข้อมูล ก็เปิดพื้นที่เสี่ยงถูกโจมตีไซเบอร์มากขึ้น ฝั่งเทคโนโลยีปฏิบัติการ (OT) ต่างจากไอทีสำนักงาน เพราะให้ความสำคัญกับความปลอดภัยของคนและการเดินเครื่องต่อเนื่องเป็นอันดับหนึ่ง มาตรฐานหลักคือ IEC 62443 (ISA/IEC 62443) ที่เสนอการแบ่งเครือข่ายเป็นโซนตามความเสี่ยง (zones) เชื่อมกันผ่านช่องที่ควบคุมได้ (conduits) และทำเขตกันชน (DMZ) คั่นระหว่างไอทีกับ OT หลักปฏิบัติที่ปลอดภัยคือให้ข้อมูลไหล 'ออกทางเดียว' ไปวิเคราะห์ ไม่เปิดช่องให้ cloud หรือ AI ย้อนกลับมาสั่งงาน ต้องทำบัญชีทรัพย์สิน (asset inventory) ควบคุมการเข้าถึงระยะไกลของผู้ขาย/ช่างให้รัดกุม และมีแผนรับมือเหตุ (incident response) พร้อมแผนสำรองแบบใช้มือ ในไทย โรงงานหรือสาธารณูปโภคขนาดใหญ่บางแห่งอาจเข้าข่ายโครงสร้างพื้นฐานสำคัญทางสารสนเทศ (CII) ภายใต้ พ.ร.บ.การรักษาความมั่นคงปลอดภัยไซเบอร์ พ.ศ. 2562 ซึ่งกำกับโดย สกมช. ต้องปฏิบัติตามข้อกำหนดเพิ่มเติม (รายละเอียดเชิงลึกอยู่ในโมดูล 3.2 ของระดับสูง)
| ประเด็น | ฝั่งไอที (IT) | ฝั่งควบคุม (OT) |
|---|---|---|
| สิ่งที่ปกป้องเป็นอันดับแรก | ความลับของข้อมูล | ความปลอดภัยคน + เดินเครื่องต่อเนื่อง |
| การแพตช์/รีบูต | ทำได้บ่อย | ทำยาก ต้องวางแผนหยุดเครื่อง |
| บทบาท AI/cloud | ต่อได้ตามปกติ | ต่อผ่าน DMZ/ทางเดียว ห้ามเขียนคำสั่งกลับ |
| ผลกระทบเมื่อถูกโจมตี | ข้อมูลรั่ว | สายหยุด เสียหาย หรืออันตรายถึงชีวิต |
6. PDPA: ข้อมูลพนักงานและกล้องวงจรปิด
การนำ AI มาวิเคราะห์กล้องหรือประเมินการทำงานของพนักงาน ทำให้ต้องเจอกับพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล พ.ศ. 2562 (PDPA) โดยตรง ภาพใบหน้าและพฤติกรรมของพนักงานที่กล้องจับได้คือข้อมูลส่วนบุคคล และบางกรณี เช่น ข้อมูลชีวมิติ (biometric) ที่ใช้ระบุตัวตน จัดเป็นข้อมูลอ่อนไหวที่ต้องดูแลเข้มเป็นพิเศษ หลักที่ต้องทำคือ มีฐานทางกฎหมายที่ชอบในการเก็บและใช้ (เช่น ประโยชน์โดยชอบด้วยกฎหมายเพื่อความปลอดภัย หรือความยินยอมตามความเหมาะสม) แจ้งให้พนักงานทราบอย่างโปร่งใส (เช่น ประกาศความเป็นส่วนตัวและป้ายติดกล้อง) เก็บเท่าที่จำเป็น (data minimization) กำหนดระยะเวลาเก็บและการเข้าถึงที่จำกัด และใช้ข้อมูลตรงตามวัตถุประสงค์ที่แจ้งไว้ ที่สำคัญ ห้ามนำ AI วิเคราะห์กล้องไปใช้จับผิดหรือประเมินผลงานรายบุคคลอย่างลับ ๆ นอกเหนือจากเรื่องความปลอดภัยที่แจ้งไว้ และห้ามใช้ AI ตัดสินลงโทษหรือเลิกจ้างโดยอัตโนมัติปราศจากคนพิจารณา นอกจากนี้หากส่งข้อมูลขึ้น cloud ต่างประเทศ ต้องคำนึงถึงเงื่อนไขการส่งข้อมูลข้ามพรมแดนและสัญญาประมวลผลข้อมูล (DPA) กับผู้ให้บริการด้วย
ทำก่อนติดกล้อง AI: จัดทำการประเมินผลกระทบด้านการคุ้มครองข้อมูล (DPIA) สำหรับการใช้กล้อง/วิเคราะห์ภาพ กำหนดวัตถุประสงค์ให้ชัด แจ้งพนักงาน จำกัดผู้เข้าถึง และตั้งระยะเวลาลบข้อมูล — ทำให้ถูกตั้งแต่ต้นย่อมง่ายกว่าตามแก้ทีหลัง
7. ผลกระทบต่อแรงงานและการจ้างงาน
เทคโนโลยีเปลี่ยนลักษณะงาน และในโรงงานผลกระทบนี้เป็นเรื่องจริงจังเพราะกระทบชีวิตคนจำนวนมาก แนวคิดที่ยึดถือคือการเปลี่ยนผ่านอย่างเป็นธรรม (just transition ตามแนวทางขององค์การแรงงานระหว่างประเทศ ILO) ที่เน้นการดูแลคนที่ได้รับผลกระทบ ไม่ทิ้งใครไว้ข้างหลัง โรงงานควรสื่อสารล่วงหน้าอย่างโปร่งใสว่า AI จะเข้ามาช่วยงานส่วนไหน บทบาทของพนักงานจะเปลี่ยนอย่างไร (มักเป็น 'งานเปลี่ยน ไม่ใช่งานหาย' เช่น จากคนตรวจด้วยตาเป็นคนกำกับและตรวจสอบ AI) และมีแผนพัฒนาทักษะ (reskill/upskill) รองรับจริง ประเทศไทยมีกลไกช่วย เช่น depa, สถาบันคุณวุฒิวิชาชีพ (TPQI) และศูนย์พัฒนาบุคลากรของ EEC การมีส่วนร่วมของพนักงานและการรับฟังความกังวลช่วยลดแรงต้านและรักษาความรู้ฝังลึกของช่างอาวุโสไว้ในองค์กร ในทางกลับกัน การเร่งนำ AI เข้ามาโดยไม่ดูแลคน มักจบด้วยแรงต้าน การใช้เครื่องมือไม่เต็มที่ และการสูญเสียคนเก่งพร้อมความรู้ที่ติดตัวไป (รายละเอียดอยู่ในโมดูล 3.4)
8. Hallucination และการกำกับดูแลเอกสารความปลอดภัย
ประเด็นที่ถูกมองข้ามบ่อยคือ AI โดยเฉพาะโมเดลภาษา (LLM) 'มั่วข้อมูลได้' (hallucination) อย่างมั่นใจ ในบริบทโรงงาน สิ่งที่อันตรายเป็นพิเศษคือ ตัวเลขค่าวิกฤต (เช่น อุณหภูมิ แรงดัน เวลาที่ปลอดภัย) เลขข้อกำหนดมาตรฐาน (clause ของ ISO/มอก.) ขั้นตอนความปลอดภัย และข้อมูลสารเคมี (เช่น เอกสารข้อมูลความปลอดภัย SDS) ถ้าเอกสารเหล่านี้ถูกร่างโดย AI แล้วนำไปใช้โดยไม่มีคนตรวจ อาจนำไปสู่การปฏิบัติที่ผิดและอันตรายได้ หลักการกำกับดูแลคือ ทุกอย่างที่ AI ร่างและมีผลต่อความปลอดภัยหรือการปฏิบัติตามกฎ ต้องถือเป็น 'ร่าง' ที่ผู้รับผิดชอบตรวจ ยืนยันกับแหล่งทางการ และลงนามก่อนประกาศใช้เสมอ ควรมีร่องรอยตรวจสอบได้ (audit trail) ว่าเอกสารฉบับไหน AI ช่วยร่าง ใครตรวจ และอ้างอิงแหล่งใด และเมื่อทำ RAG กับคู่มือ ควรให้ AI อ้างอิงหน้าเอกสารต้นทางเพื่อให้ตรวจย้อนได้ และให้ตอบว่า 'ไม่พบในเอกสาร' แทนการเดา
กติกาง่าย ๆ: ตัวเลขและข้อกำหนดด้านความปลอดภัยทุกตัวที่ AI ให้มา ต้องเปิดเทียบกับแหล่งทางการก่อนใช้ ยิ่งเรื่องอันตราย ยิ่งต้องมีคนตรวจซ้ำ — ความสะดวกของ AI ไม่คุ้มกับความเสี่ยงถ้าปล่อยผ่าน
9. เส้นที่ไม่ควรข้าม (Lines Not to Cross) และการกำกับดูแล
ปิดท้ายด้วยสรุปเส้นแบ่งที่ทุกโรงงานควรเขียนเป็นนโยบายให้ชัดเจน ได้แก่ หนึ่ง AI ต้องไม่ควบคุมระบบที่เกี่ยวกับความปลอดภัย (safety-critical) หรือสั่งเดินเครื่องเองโดยไม่มีคนอนุมัติ สอง AI ต้องไม่มีเส้นทางเขียนคำสั่งตรงไปยัง PLC/SCADA — การเชื่อมข้อมูลเป็นทางเดียวออกมาวิเคราะห์เท่านั้น สาม ห้ามใช้ AI/กล้องแทนฟังก์ชันความปลอดภัยเชิงกลไกที่ผ่านการรับรอง สี่ ข้อมูลพนักงานและกล้องต้องทำตาม PDPA และห้ามใช้ AI ตัดสินลงโทษ/เลิกจ้างอัตโนมัติ ห้า เอกสารที่ AI ร่างและกระทบความปลอดภัย/การปฏิบัติตามกฎ ต้องมีคนตรวจและลงนามก่อนใช้ หก ทุกการกระทำสำคัญต้องมีร่องรอยตรวจสอบได้ และกำหนดผู้รับผิดชอบชัดเจน เพื่อให้เส้นเหล่านี้มีผลจริง โรงงานควรตั้งกรอบกำกับดูแล AI (AI governance) ที่มีนโยบายเป็นลายลักษณ์อักษร มีผู้รับผิดชอบ มีการทบทวนความเสี่ยงเป็นระยะ และติดตามกฎกติกาที่กำลังก่อตัว ทั้งกฎหมาย AI ของสหภาพยุโรป (EU AI Act) ที่กระทบผู้ส่งออก และแนวทาง/ร่างกฎหมาย AI ของไทย (โดย ETDA และหน่วยงานที่เกี่ยวข้อง) หลักคิดสุดท้ายคือ AI ที่ดีในโรงงานไม่ใช่ AI ที่เก่งที่สุด แต่คือ AI ที่ปลอดภัย ตรวจสอบได้ และไม่เคยข้ามเส้นที่กระทบชีวิตคน