จาก AI Pilot สู่ Embedded Optimization สิ่งที่ทีมออกแบบ MEP ต้องเปลี่ยนวิธีคิดในโครงการขนาดใหญ่

จักรพันธ์ ภวังคะรัตน์

Head of Property Management, JLL Thailand

เลขาธิการ สมาคมบริหารทรัพย์สินแห่งประเทศไทย

14 December 2025

ตลอดหลายปีที่ผ่านมา ปัญญาประดิษฐ์ (AI) ในอาคารมักปรากฏในรูปแบบของ โครงการนำร่อง (Pilot), Proof of Concept และงานสาธิตด้านนวัตกรรมมีการโชว์ Dashboardมีการทดสอบอัลกอริทึมมีการคาดหวังการประหยัดพลังงาน

แต่เมื่อเข้าสู่ปี 2026 ช่วงเวลานั้นกำลังสิ้นสุดลง

AI ไม่ได้เป็นระบบเสริมอีกต่อไปแต่กำลังกลายเป็น กลไกการปรับประสิทธิภาพแบบฝังตัว (Embedded Optimization) ภายในห้องเครื่องหลักและระบบควบคุม — ทำงานอย่างเงียบ ๆ ต่อเนื่อง และในระดับขนาดใหญ่

การเปลี่ยนแปลงนี้ส่งผลโดยตรงต่อวิธีการ ออกแบบระบบ MEP ตั้งแต่วันนี้ โดยเฉพาะในโครงการขนาดใหญ่และโครงการที่มีความซับซ้อนสูง

บทความนี้จะอธิบายว่าอะไรคือสิ่งที่กำลังเปลี่ยน เหตุใดจึงสำคัญต่อผู้ออกแบบ MEP และเหตุใดทีมออกแบบต้องยกระดับวิธีคิดจากการออกแบบเพื่อ “ผ่านข้อกำหนด” ไปสู่ การออกแบบที่พร้อมสำหรับข้อมูลและการปรับประสิทธิภาพในระยะยาว

1. เหตุใด AI Pilot จึงกำลังสิ้นสุดบทบาท

การใช้งาน AI ในอาคารช่วงแรกเผชิญปัญหาเดียวกันเกือบทั้งหมด คือระบบพื้นฐานไม่ได้ถูกออกแบบมาเพื่อรองรับความฉลาด

ปัญหาที่พบเป็นประจำ ได้แก่

• การตั้งชื่อ Data Point และ Metadata ไม่เป็นระบบ

• ลำดับการควบคุม (Control Sequence) ไม่มีหลักการหรือไม่มีเอกสารชัดเจน

• ตำแหน่งติดตั้งเซนเซอร์ไม่เหมาะสมหรือไม่มีการสอบเทียบ

• ความรับผิดชอบแยกส่วนระหว่างผู้ออกแบบ ผู้รับเหมาควบคุม และฝ่ายปฏิบัติการ

ผลลัพธ์คือ ระบบ AI ต้องใช้เวลาส่วนใหญ่ไปกับการทำความสะอาดข้อมูลและแก้ไขตรรกะการควบคุม แทนที่จะได้ทำหน้าที่ปรับประสิทธิภาพจริง

อุตสาหกรรมได้บทเรียนสำคัญแล้วว่า

AI ไม่ได้แก้ปัญหาวิศวกรรมที่อ่อนด้อย แต่จะขยายผลของงานวิศวกรรมที่ดีและเปิดโปงงานที่ไม่ดีได้รวดเร็วยิ่งกว่าเดิม

2. ความจริงในปี 2026: AI ถูกฝังอยู่ใน Plant และ Control

ผลลัพธ์เชิงปฏิบัติของ AI สำหรับระบบ MEPไม่ใช่การมี “แพลตฟอร์ม AI เต็มอาคาร”

แต่คือการมี

• การปรับประสิทธิภาพระบบควบคุมด้วย AI (AI-assisted control optimization)

• ระบบคาดการณ์ความผิดปกติล่วงหน้า (Predictive Fault Detection)

• การปรับจูนสมรรถนะอย่างต่อเนื่อง (Continuous Performance Tuning)

สิ่งเหล่านี้เกิดขึ้นโดยตรงในระดับของ

• การบริหารจัดการ Chiller Plant (การกระจายโหลด การจัดลำดับเครื่อง ประสิทธิภาพช่วง Partial Load)

• การควบคุมระบบระบายอากาศ (Ventilation แบบปรับตามสภาพจริง)

• การเชื่อมโยงระบบพลังงาน (Thermal Storage, Renewable Energy, Grid Signal)

• การตรวจจับความผิดปกติก่อนเกิด Alarm หรือข้อร้องเรียนด้าน Comfort

ที่สำคัญคือ ความสามารถเหล่านี้กำลังถูก บูรณาการเข้าไปใน Control Strategy และ Digital Workflow ของที่ปรึกษาและ System Integratorไม่ใช่โครงการทดลองแยกส่วนอีกต่อไป

3. บทบาทใหม่ของที่ปรึกษา: AI คือ Workflow ตลอดวงจรอาคาร

ที่ปรึกษาด้าน MEP และ Smart Building ชั้นนำไม่ได้ขาย AI ในฐานะ “ซอฟต์แวร์”

แต่กำลังวาง AI เป็นส่วนหนึ่งของ Workflow ดิจิทัลตลอดวงจรชีวิตอาคาร

Design → Construction → Commissioning → Operation → Optimization

ในโมเดลนี้

• AI พึ่งพาการตัดสินใจตั้งแต่ขั้นออกแบบ

• Control Logic กลายเป็นสินทรัพย์ระยะยาว

• Commissioning ไม่ใช่เหตุการณ์ครั้งเดียว

• ข้อมูลจากการเดินระบบถูกนำกลับมาใช้เพื่อการปรับปรุงอย่างต่อเนื่อง

สำหรับผู้ออกแบบ MEP แบบ รายการ และ Sequence ที่คุณออกแบบไม่ใช่แค่เอกสารสัญญาอีกต่อไปแต่คือ รากฐานของความฉลาดในอนาคต

4. สิ่งที่เปลี่ยนไปสำหรับทีมออกแบบ MEP

4.1 ข้อมูลที่สะอาด ต้องเริ่มตั้งแต่ขั้นออกแบบ

การปรับประสิทธิภาพด้วย AI ต้องอาศัย ข้อมูลที่มีโครงสร้างและเชื่อถือได้

ทีมออกแบบต้องเริ่มคิดถึง

• มาตรฐานการตั้งชื่อ Data Point

• โครงสร้างลำดับชั้นของอุปกรณ์

• การติดตั้งเซนเซอร์เพื่อรองรับการวิเคราะห์ ไม่ใช่แค่การควบคุม

• การแบ่งโซนที่สอดคล้องกับการใช้งานจริง

หากโครงสร้างข้อมูลไม่ชัดตั้งแต่ต้นAI จะล้มเหลวในขั้นปฏิบัติการอย่างหลีกเลี่ยงไม่ได้

4.2 Control Sequence ที่เสถียร คือเงื่อนไขพื้นฐาน

AI ไม่ได้มาแทน Control Sequenceแต่ ทำงานอยู่ภายในกรอบของ Sequence นั้น

ตรรกะที่ไม่เสถียรจะนำไปสู่

• สัญญาณควบคุมขัดแย้งกัน

• การตรวจจับ Fault ที่ผิดพลาด

• ผลลัพธ์การปรับประสิทธิภาพที่ไม่น่าเชื่อถือ

สำหรับโครงการขนาดใหญ่ Sequence ต้อง

• มีการบันทึกอย่างชัดเจน

• สามารถทดสอบได้ในหลายสภาวะโหลด

• รองรับการทำงานช่วง Partial Load เป็นหลัก ไม่ใช่แค่ช่วง Peak

โดยเฉพาะในระบบ

• Chiller Sequencing

• Pump Speed Control

• AHU Economizer และ Ventilation Logic

• Heat Recovery และระบบผสมผสาน

4.3 ออกแบบเพื่อ Continuous Commissioning ไม่ใช่แค่วันส่งมอบ

แนวคิดเดิมคือ

Commission → Handover → จบงาน

แนวคิดนี้ไม่สอดคล้องกับอาคารที่ใช้ AI

AI ต้องการ

• การตรวจสอบอย่างต่อเนื่อง

• การตรวจจับ Performance Drift

• การปรับจูนตามรูปแบบการใช้งานที่เปลี่ยนไป

การออกแบบ MEP จึงต้อง

• เตรียมจุดวัดสำหรับการติดตามระยะยาว

• เปิดโอกาสให้ Control Logic ปรับจูนได้

• หลีกเลี่ยง Setpoint แบบตายตัว

กล่าวโดยสรุป Commissioning กลายเป็นกลยุทธ์ตลอดอายุอาคาร

5. Chiller Plant: แนวหน้าของ AI Optimization

Chiller Plant ขนาดใหญ่คือจุดที่ AI สร้างมูลค่าได้เร็วที่สุดและเป็นจุดที่การออกแบบผิดพลาดสร้างปัญหามากที่สุดเช่นกัน

AI ต้องการ

• การวัด Flow ที่แม่นยำ

• การวัดอุณหภูมิที่เชื่อถือได้

• การควบคุม Valve และ Pump ที่เสถียร

• Logic การจัดลำดับเครื่องที่ชัดเจน

ผู้ออกแบบต้องคิดให้ไกลกว่า Efficiency บน Nameplate และตั้งคำถามว่า

• ระบบจะทำงานอย่างไรที่โหลด 30–60%

• ระบบสามารถอธิบายสมรรถนะของตัวเองผ่านข้อมูลได้หรือไม่

• โครงสร้าง Control ยืดหยุ่นพอสำหรับ Optimization ในอนาคตหรือไม่

หากตอบไม่ได้AI จะกลายเป็นเพียงของตกแต่งทางเทคโนโลยี

6. Ventilation และ IAQ: จาก Compliance สู่ Intelligence

การออกแบบ Ventilation กำลังเปลี่ยนจาก “ผ่านมาตรฐาน” → “ปรับสมดุลสุขภาพ พลังงาน และ Comfort แบบ Dynamic”

AI ช่วยให้เกิด

• Demand-based Ventilation จากข้อมูล IAQ จริง

• การควบคุมระดับโซน แทนการตั้งเวลาแบบตายตัว

• การตรวจจับ Sensor Drift และ Damper Failure ได้ล่วงหน้า

แต่ทั้งหมดนี้เกิดขึ้นได้ก็ต่อเมื่อ

• วางตำแหน่ง Sensor อย่างมีกลยุทธ

• แบ่งโซนให้ตรงกับรูปแบบการใช้งานจริง

• Control Logic รองรับการ Modulate ไม่ใช่แค่ ON/OFF

ซึ่งทั้งหมดคือ การตัดสินใจในขั้นออกแบบ

7. บทบาทใหม่ของผู้ออกแบบ MEP

ในโลกที่ AI ฝังอยู่ในระบบอาคารผู้ออกแบบ MEP จะเปลี่ยนจาก

ผู้จัดทำแบบ → ผู้ออกแบบด้านสมรรถนะ (Performance Designer)

งานออกแบบของคุณจะกำหนดว่า

• อาคารสามารถ Optimize ได้จริงหรือไม่

• AI สร้างมูลค่า หรือสร้าง Noise

• ทีมปฏิบัติการจะเชื่อมั่นในระบบหรือไม่

คุณภาพงานออกแบบไม่ได้ถูกตัดสินแค่วัน Practical Completion แต่ถูกพิสูจน์ตลอดหลายปีของการใช้งานจริง

8. สิ่งที่ทีมออกแบบ MEP ควรเริ่มทำตั้งแต่วันนี้

สำหรับโครงการขนาดใหญ่ที่ต้องพร้อมรับปี 2026

1. ออกแบบโดยคำนึงถึงโครงสร้างข้อมูล

2. เขียน Control Sequence ให้เป็นสินทรัพย์ระยะยาว

3. ประสานงานกับทีม Controls และ Analytics ตั้งแต่ต้น

4. ออกแบบเพื่อการใช้งานจริงและ Partial Load

5. ปรับ Mindset สู่ Continuous Commissioning

AI จะไม่มาแทนที่วิศวกร MEP แต่ วิศวกรที่ออกแบบโดยไม่คำนึงถึง AI กำลังออกแบบระบบที่ล้าสมัยตั้งแต่วันแรก

บทสรุป

AI ในอาคารไม่ใช่เรื่องของการทดลองอีกต่อไป

แต่คือการ ฝังความฉลาดลงในระบบกายภาพที่เรากำลังออกแบบในวันนี้

สำหรับทีมออกแบบ MEP ในโครงการขนาดใหญ่คำถามไม่ใช่

“เราควรออกแบบเพื่อ AI หรือไม่”

แต่คือ

“งานออกแบบของเราจะยังทำงานได้ดีในโลกที่การปฏิบัติการถูกขับเคลื่อนด้วย AI หรือไม่”

ผู้ที่ปรับตัวได้จะเป็นผู้กำหนดมาตรฐานของอาคารสมรรถนะสูงในยุคถัดไป