เมื่อ AI เข้ามาในไซต์ก่อสร้าง: อนาคตของผู้รับเหมางานระบบ MEP กำลังเปลี่ยนไป

จักรพันธ์ ภวังคะรัตน์

Head of Property Management, JLL Thailand

Advisory Committee, Air-Conditioning Engineering Association of Thailand

Member ASHRAE

20 August 2026

ในอุตสาหกรรมก่อสร้าง เรามักมองว่าเทคโนโลยีเปลี่ยนแปลงงานช้ากว่าอุตสาหกรรมอื่น เพราะท้ายที่สุดแล้วท่อยังต้องถูกติดตั้ง สายไฟยังต้องถูกเดิน เครื่องจักรยังต้องถูกยกเข้าอาคาร และงานจำนวนมากยังต้องอาศัยช่างที่มีประสบการณ์ทำงานอยู่หน้างานจริง แต่การมาถึงของ Artificial Intelligence หรือ AI กำลังทำให้สมมติฐานนี้เริ่มเปลี่ยนไป โดยเฉพาะในธุรกิจผู้รับเหมางานระบบ MEP ซึ่งเป็นหนึ่งในส่วนของงานก่อสร้างที่มีความซับซ้อนสูงที่สุด เพราะต้องจัดการทั้ง Drawing, Specification, BOQ, BIM, Procurement, Construction Planning, Coordination, Quality Control, Testing และ Commissioning พร้อมกัน

ผลกระทบของ AI ต่อผู้รับเหมา MEP จึงอาจไม่ได้เริ่มจากการมีหุ่นยนต์มาแทนช่าง แต่จะเริ่มจากการเปลี่ยน “วิธีคิด วิธีวางแผน และวิธีตัดสินใจ” ของผู้รับเหมาก่อน และเมื่อความสามารถเหล่านี้สะสมมากขึ้น บริษัทที่ใช้ AI ได้ดีอาจสามารถเสนอราคาเร็วกว่า ทำงานแม่นยำกว่า ลด Rework ได้มากกว่า และบริหารโครงการด้วยทีมที่เล็กกว่าเดิม ความแตกต่างระหว่างผู้รับเหมาที่ใช้เทคโนโลยีกับผู้รับเหมาที่ทำงานแบบเดิมจึงมีแนวโน้มขยายกว้างขึ้นเรื่อยๆ

1. การประมาณราคาอาจเป็นจุดแรกที่ AI เปลี่ยนการแข่งขัน

งาน Estimating เป็นหัวใจของธุรกิจรับเหมา เพราะก่อนที่จะได้งาน ผู้รับเหมาต้องรู้ให้ได้ว่าต้นทุนจริงของโครงการคือเท่าไร ปริมาณท่อ สายไฟ Duct Valve Cable Tray Equipment และอุปกรณ์ประกอบมีเท่าไร ใช้แรงงานกี่ Man-hour และควรเผื่อ Waste, Risk และ Contingency ไว้มากน้อยเพียงใด ความผิดพลาดเพียงไม่กี่เปอร์เซ็นต์อาจเปลี่ยนกำไรของโครงการให้กลายเป็นขาดทุนได้ทันที

AI จะเข้ามาช่วยอ่าน Drawing วิเคราะห์ปริมาณงาน ทำ Quantity Take-off เปรียบเทียบแบบแต่ละ Revision และเชื่อมข้อมูลเหล่านี้กับฐานข้อมูลต้นทุนจากโครงการในอดีตได้เร็วขึ้น จากเดิม Estimator ต้องเปิด Drawing ทีละแผ่น วัดระยะ นับจำนวน และกรอกข้อมูลเข้า Spreadsheet งานจำนวนมากสามารถถูกทำเป็น First Draft โดยระบบอัตโนมัติ แล้วให้คนเป็นผู้ตรวจสอบความถูกต้อง

สิ่งที่น่าสนใจกว่าการประหยัดเวลาคือผลต่อการแข่งขัน ผู้รับเหมาที่เคยมีข้อจำกัดว่าทีม Estimator สามารถทำ Tender ได้เดือนละกี่โครงการ อาจสามารถทำได้มากขึ้นหลายเท่าโดยไม่ต้องเพิ่มจำนวนคน บริษัทจึงสามารถเลือก Bid งานได้มากขึ้น วิเคราะห์ Scenario ได้มากขึ้น และตอบลูกค้าได้เร็วขึ้น

เมื่อผู้รับเหมาหลายรายมีความสามารถนี้พร้อมกัน ตลาดก็อาจแข่งขันด้านราคามากกว่าเดิม เพราะความได้เปรียบจากการมีทีมถอดแบบจำนวนมากจะค่อยๆ ลดลง สิ่งที่สำคัญขึ้นจะกลายเป็นคุณภาพของข้อมูล Cost Database ความเข้าใจความเสี่ยง และความสามารถในการประเมินว่าโครงการใดควร Bid หรือไม่ควร Bid

2. BIM จะเปลี่ยนจากเครื่องมือ Coordination เป็นฐานข้อมูลสำหรับการตัดสินใจ

หลายปีที่ผ่านมา BIM ถูกนำมาใช้ในงาน MEP เพื่อแก้ปัญหา Clash ระหว่างระบบ เช่น ท่อชนกับ Duct, Cable Tray ชน Beam หรือพื้นที่เหนือฝ้าไม่เพียงพอ แต่ AI จะทำให้ BIM มีบทบาทมากกว่านั้น

เมื่อ AI สามารถอ่านข้อมูลใน Model พร้อมกับ Drawing, Specification, RFI และข้อมูลการก่อสร้าง ผู้รับเหมาจะสามารถถามคำถามที่ซับซ้อนได้ เช่น หากเปลี่ยนขนาด AHU จะกระทบขนาด Duct, Electrical Load และ Pipe ขนาดไหน หรือหากต้องย้ายแนวท่อเพื่อหลบโครงสร้าง จะมีผลต่อ Pressure Drop, Material Quantity และ Installation Time เท่าไร

BIM จึงอาจค่อยๆ เปลี่ยนจาก “แบบสามมิติ” ไปเป็นฐานข้อมูลวิศวกรรมที่สามารถนำมาวิเคราะห์ได้แบบต่อเนื่อง

ผลที่ตามมาคือคุณภาพของ Model จะสำคัญกว่าเดิม หาก Model มีเพียงรูปร่างสามมิติแต่ไม่มีข้อมูล Equipment, Capacity, Material, Connection และ Specification ที่เป็นระบบ AI ก็ไม่สามารถนำข้อมูลไปใช้ต่อได้มากนัก แต่หาก Model ถูกสร้างเป็น Constructible Model ที่มีข้อมูลครบตั้งแต่ต้น คุณค่าของข้อมูลเหล่านั้นจะเพิ่มขึ้นอย่างมหาศาล

ผู้รับเหมาที่สร้าง Data Structure ได้ดีจึงอาจมีความได้เปรียบไม่ต่างจากบริษัท Technology เพราะสิ่งที่กำลังสร้างขึ้นไม่ได้มีเพียงระบบ MEP ในอาคาร แต่ยังมี Digital Representation ของงานทั้งหมดอยู่ในรูปแบบที่สามารถนำไปวิเคราะห์ต่อได้

3. วิศวกร Coordination จะใช้เวลาน้อยลงกับเอกสาร และมากขึ้นกับการตัดสินใจ

หนึ่งในงานที่ใช้เวลามากที่สุดในโครงการ MEP คือการ Coordination เพราะแต่ละระบบมี Drawing, Shop Drawing, Specification และ Requirement ของตัวเอง ขณะที่พื้นที่ก่อสร้างมีจำกัด การเปลี่ยนตำแหน่งของระบบหนึ่งเพียงเล็กน้อยอาจกระทบอีกหลายระบบทันที

ในโครงการใหญ่ วิศวกรต้องใช้เวลาจำนวนมากกับการเปิด Drawing เปรียบเทียบ Revision ทำ Mark-up ตรวจ Clash เขียน RFI ติดตาม Submittal และจัดทำ Coordination Meeting Minutes งานเหล่านี้จำนวนมากเป็นงานข้อมูลที่มีรูปแบบซ้ำๆ และเป็นพื้นที่ที่ AI มีความสามารถสูงมาก

AI สามารถช่วยเปรียบเทียบ Revision บอกว่าอะไรเปลี่ยนไป สรุป RFI ที่เกี่ยวข้องกับแต่ละพื้นที่ ตรวจว่ารายการใดยัง Pending และค้นข้อมูลจาก Specification ได้ทันที วิศวกรจึงไม่จำเป็นต้องใช้เวลาหลายชั่วโมงค้นข้อมูลจากเอกสารหลายร้อยหน้าเหมือนในอดีต

บทบาทของวิศวกรจึงไม่ได้หายไป แต่จะเปลี่ยนจากการเป็น “คนจัดการข้อมูล” ไปเป็น “คนตัดสินใจบนข้อมูล” มากขึ้น วิศวกรที่เข้าใจระบบจริง เข้าใจ Constructability และสามารถประเมินผลกระทบเชิงเทคนิคจะมีคุณค่ามากขึ้น เพราะ AI สามารถเสนอทางเลือกได้ แต่การเลือกว่าจะทำแบบใดในสถานการณ์จริงยังต้องใช้ประสบการณ์และ Engineering Judgement

4. Procurement จะเชื่อมกับ Construction Schedule แบบ Real-time

ในงาน MEP วัสดุและอุปกรณ์จำนวนมากมี Lead Time ยาว เช่น Chiller, Transformer, Switchgear, Generator, AHU หรือ Control System การสั่งซื้อช้าเพียงไม่กี่สัปดาห์อาจทำให้ Construction Sequence ทั้งโครงการต้องเปลี่ยน

AI จะทำให้ Procurement ไม่ใช่เพียงงานออก Purchase Order และติดตาม Supplier แต่สามารถเชื่อมข้อมูลหลายด้านเข้าด้วยกัน ทั้ง Specification, Approved Vendor List, Quotation, Lead Time, Delivery Schedule และ Construction Programme

ระบบสามารถวิเคราะห์ได้ว่า Equipment ใดอยู่บน Critical Path หาก Supplier แจ้ง Delay สองสัปดาห์ จะกระทบงาน Installation, Testing หรือ Energization มากน้อยเพียงใด และควรเปลี่ยน Sequence ของงานส่วนไหนก่อน

Procurement ในอนาคตจึงมีแนวโน้มเปลี่ยนจาก Purchasing Function ไปเป็น Supply Chain Intelligence มากขึ้น โดยคน Procurement ที่เข้าใจข้อมูลและความสัมพันธ์กับ Construction Planning จะกลายเป็นบทบาทสำคัญขององค์กร

5. Construction Planning จะเปลี่ยนจากแผนรายเดือนเป็นระบบตัดสินใจรายวัน

Construction Schedule ในปัจจุบันมักถูก Update เป็นรอบ เช่น Weekly หรือ Monthly Progress Update แต่หน้างานจริงเปลี่ยนทุกวัน บางพื้นที่พร้อมทำงานเร็วกว่ากำหนด บางพื้นที่ติดปัญหา Drawing บางพื้นที่ Material ยังไม่มา ขณะที่ Manpower ของแต่ละ Subcontractor มีจำกัด

AI สามารถนำข้อมูลเหล่านี้มาวิเคราะห์ร่วมกันได้และแนะนำว่า Resource ควรถูกย้ายไปที่ใด งานใดควรถูกเร่ง และงานใดควรถูกเลื่อน

ตัวอย่างเช่น หากงานติดตั้ง Duct ชั้นหนึ่งล่าช้าเพราะพื้นที่ยังไม่พร้อม ระบบอาจเสนอให้ทีมย้ายไปติดตั้งอีกชั้นหนึ่งก่อน หรือหาก Material สำหรับงาน Electrical มาถึงเร็วกว่ากำหนด ก็สามารถปรับ Sequence เพื่อดึงงานส่วนนี้ขึ้นมาก่อน

Schedule จึงจะค่อยๆ เปลี่ยนจากเอกสารที่บอกว่า “เกิดอะไรขึ้นแล้ว” ไปเป็นเครื่องมือที่ช่วยตอบว่า “พรุ่งนี้ควรทำอะไร”

สำหรับผู้รับเหมา นี่เป็นความเปลี่ยนแปลงสำคัญ เพราะ Productivity ในงานก่อสร้างส่วนใหญ่ไม่ได้สูญเสียไปเพราะคนทำงานช้าเพียงอย่างเดียว แต่สูญเสียจาก Waiting Time, Poor Coordination, Rework และ Resource Allocation ที่ไม่เหมาะสม หาก AI ลดเวลาสูญเสียเหล่านี้ได้เพียงบางส่วน ผลต่อ Cost และ Margin ของโครงการก็อาจสูงมาก

6. Quality Control จะเปลี่ยนจากการตรวจเป็นจุด ไปสู่การตรวจแบบต่อเนื่อง

งาน QC แบบดั้งเดิมอาศัยวิศวกรหรือ Inspector เดินตรวจพื้นที่ด้วย Checklist และ Sampling แต่ในไซต์ก่อสร้างขนาดใหญ่ จำนวนงานมีมากจนเป็นไปไม่ได้ที่จะตรวจทุกจุดตลอดเวลา

Computer Vision และ AI สามารถนำภาพจากกล้อง Site Camera, Mobile Phone หรือ Drone ไปเปรียบเทียบกับ Drawing หรือ BIM เพื่อหาความผิดปกติ เช่น Pipe Support ระยะไม่ถูกต้อง Fire Stopping ยังไม่เสร็จ Valve ติดตั้งผิดทิศทาง Insulation ไม่ครบ หรือมี Obstruction ต่อ Maintenance Clearance

AI ไม่ได้ทำให้ Inspector หมดความจำเป็น เพราะการตัดสินว่าบางสิ่ง “ผิด” หรือ “รับได้” มักต้องอาศัยบริบทของไซต์ แต่ AI สามารถเพิ่ม Coverage ของการตรวจสอบได้อย่างมาก

เมื่อข้อมูลการตรวจถูกเก็บอย่างต่อเนื่อง ผู้รับเหมาจะเริ่มเห็น Pattern ของ Defect เช่น ทีมใดเกิด Defect ประเภทเดิมซ้ำๆ พื้นที่ใดมี Rework สูง หรือ Method Statement แบบใดทำให้เกิดปัญหามากกว่าปกติ จากเดิม QC ทำหน้าที่ค้นหาความผิดพลาด อนาคต QC จะสามารถคาดการณ์ได้ว่าความผิดพลาดมีแนวโน้มจะเกิดตรงไหนก่อนที่จะเกิดขึ้นจริง

7. Testing & Commissioning จะเป็นพื้นที่ที่ AI สร้างคุณค่าได้สูงมาก

MEP เป็นระบบที่องค์ประกอบต่างๆ ทำงานสัมพันธ์กัน Chiller ไม่สามารถถูกประเมินจาก Chiller เพียงตัวเดียว เพราะยังเกี่ยวข้องกับ Pump, Cooling Tower, Sensor, Control Logic, Electrical Supply และ Building Automation System เช่นเดียวกับระบบไฟฟ้า ระบบ Fire Protection และระบบอื่นๆ

ปัจจุบัน Testing & Commissioning มักตรวจเป็นระบบหรือเป็น Equipment แล้วบันทึกผลว่า Pass หรือ Fail แต่ AI สามารถวิเคราะห์ข้อมูลหลายตัวแปรพร้อมกันและค้นหาความสัมพันธ์ที่คนอาจมองไม่เห็นง่ายๆ

ตัวอย่างเช่น Pump อาจทำงานตาม Specification แต่ Energy Consumption สูงกว่าปกติ หรือ AHU อาจจ่ายลมตามปริมาณที่ต้องการ แต่ Control Valve ทำงานผิด Sequence ทำให้ระบบทั้งระบบทำงานไม่มีประสิทธิภาพ

เมื่อ Digital Model และ Simulation มีความแม่นยำมากขึ้น บางส่วนของ Commissioning ยังสามารถถูกจำลองก่อนการทดสอบจริงได้ ทำให้พบ Logic Error หรือ System Conflict ตั้งแต่ก่อน Equipment ถูก Start-up

ดังนั้น Commissioning Engineer ในอนาคตจะต้องมีทั้งความรู้ด้านระบบจริงและความสามารถในการอ่านข้อมูลจากระบบ Digital มากขึ้น งาน Commissioning จะไม่ได้ถามเพียงว่า “เครื่องทำงานหรือไม่” แต่ถามว่า “ทั้งระบบทำงานตามที่ออกแบบไว้หรือไม่”

8. AI จะไม่แทนช่างได้ง่าย แต่จะเปลี่ยนจำนวนและทักษะของคน

จุดหนึ่งที่ต้องแยกให้ชัดคือ AI เก่งกับงานข้อมูลมากกว่างานทางกายภาพ

การติดตั้ง Pipe, Duct, Cable Tray, Wiring, Welding, Testing และ Troubleshooting หน้างานยังต้องใช้คนอีกเป็นเวลานาน เพราะไซต์ก่อสร้างเป็นสภาพแวดล้อมที่ไม่แน่นอน พื้นที่แคบ รูปแบบแตกต่างกัน และมีปัญหาเฉพาะหน้าอยู่ตลอดเวลา

แต่สิ่งที่จะเปลี่ยนคือจำนวนคนในส่วน Office และ Engineering Support อาจไม่ต้องเพิ่มขึ้นตามขนาดของธุรกิจเหมือนเดิม บริษัทที่เคยต้องเพิ่ม Estimator, Document Controller หรือ Coordinator เมื่อรับงานมากขึ้น อาจสามารถรองรับงานมากขึ้นด้วยทีมขนาดใกล้เคียงเดิม

ในขณะเดียวกันความต้องการคนที่มีทักษะสูงจะเพิ่มขึ้น โดยเฉพาะคนที่เข้าใจ Engineering, BIM, Data และ Construction Reality พร้อมกัน

ความแตกต่างระหว่างคนที่ “ใช้ Software เป็น” กับคนที่ “ใช้ AI เพื่อแก้ปัญหางานก่อสร้างเป็น” จะมีความสำคัญมากขึ้น

9. Competitive Advantage จะย้ายจากจำนวนคน ไปสู่ข้อมูลและระบบ

ในอดีตผู้รับเหมารายใหญ่ได้เปรียบเพราะมีคนจำนวนมาก มี Purchasing Power มี Supplier Network และมีประสบการณ์โครงการจำนวนมาก

AI จะทำให้ประสบการณ์เหล่านั้นถูกเปลี่ยนเป็น Data Advantage ได้

หากบริษัทเก็บข้อมูลของโครงการที่ผ่านมาอย่างเป็นระบบ ไม่ว่าจะเป็น Estimating, Procurement, Man-hour, RFI, Variation, Delay, Defect, Rework และ Commissioning Result บริษัทจะสามารถใช้ข้อมูลเหล่านี้สร้างแบบจำลองเพื่อช่วยตัดสินใจโครงการใหม่ได้

AI สามารถตอบคำถาม เช่น

• โครงการประเภทใดมักขาดทุน

• ลูกค้าประเภทใดเกิด Variation สูง

• ระบบใดมี Productivity ต่ำ

• Supplier รายใด Delay บ่อย

• ราคาประเภทใดควรเผื่อ Risk เพิ่ม

• และงานประเภทใดบริษัทมี Competitive Advantage จริงๆ

สิ่งนี้จะทำให้ Data ที่สะสมจากหลายสิบปีของการก่อสร้างกลายเป็นทรัพย์สินที่มีมูลค่า หากถูกจัดเก็บและใช้อย่างถูกต้อง

10. ผู้รับเหมา MEP จะค่อยๆ เปลี่ยนจาก Contractor เป็น Technology-enabled Engineering Company

ท้ายที่สุด AI อาจไม่ได้เปลี่ยนเพียง Workflow แต่เปลี่ยน Identity ของธุรกิจผู้รับเหมาเอง

ผู้รับเหมาแบบเดิมแข่งขันกันด้วย Material Cost, Labor Cost, Equipment Cost และ Margin ส่วนผู้รับเหมาในยุคใหม่จะต้องแข่งขันด้วย Engineering Capability, Digital Capability, Automation, Prefabrication, Data และ Execution Excellence พร้อมกัน

บริษัทที่ใช้ AI ได้ดีจะสามารถทำ Bid ได้เร็วขึ้น ออกแบบ Constructability ได้ดีขึ้น จัดซื้อแม่นขึ้น จัด Resource ได้ดีขึ้น ลด Rework และส่งมอบงานได้เร็วขึ้น

ส่วนบริษัทที่ยังใช้คนจำนวนมากทำงานซ้ำๆ เช่น นับแบบ เปรียบเทียบ Revision ค้นเอกสาร หรือ Update Schedule ด้วยมือ อาจเริ่มมี Cost Structure ที่แข่งขันยากขึ้นเรื่อยๆ

AI จึงอาจสร้างช่องว่างระหว่างผู้รับเหมาสองกลุ่มอย่างชัดเจน คือ

Contractor ที่ใช้ AI เป็นเครื่องมือเสริม

กับ

Contractor ที่ออกแบบทั้ง Operating Model ใหม่โดยมี AI เป็นส่วนหนึ่งของกระบวนการทำงานตั้งแต่ต้น

กลุ่มหลังจะไม่ได้ถามว่า “เราจะใช้ AI กับงานไหนได้บ้าง”

แต่จะเริ่มถามว่า

“ถ้าเราออกแบบบริษัทรับเหมาขึ้นมาใหม่ในวันนี้ โดยมี AI อยู่ตั้งแต่วันแรก เราจะยังทำงานแบบเดิมอยู่หรือไม่?”

คำถามนี้อาจมีความสำคัญมากกว่าการเลือก Software หรือ AI Platform ใดมาใช้เสียอีก เพราะการเปลี่ยนแปลงครั้งใหญ่ของอุตสาหกรรมมักไม่ได้เกิดจากเทคโนโลยีเพียงอย่างเดียว แต่มาจากบริษัทที่ยอมออกแบบวิธีทำงานใหม่รอบเทคโนโลยีนั้น

สำหรับผู้รับเหมางานระบบ MEP ช่วงหลายปีข้างหน้าจึงน่าจะเป็นช่วงเปลี่ยนผ่านที่น่าสนใจอย่างยิ่ง งานติดตั้งจริงยังคงอยู่ คนหน้างานยังคงสำคัญ และ Engineering Judgement ยังคงมีคุณค่า แต่สิ่งที่อยู่รอบงานเหล่านั้น ตั้งแต่การประมูล การวางแผน การประสานงาน การจัดซื้อ การตรวจสอบ ไปจนถึงการตัดสินใจ จะถูกขับเคลื่อนด้วยข้อมูลและ AI มากขึ้นเรื่อยๆ

ในที่สุด ผู้ชนะอาจไม่ใช่ผู้รับเหมาที่มีคนมากที่สุด หรือเสนอราคาต่ำที่สุด

แต่เป็นผู้รับเหมาที่สามารถเปลี่ยน ประสบการณ์ของคน ข้อมูลขององค์กร และความสามารถของ AI ให้กลายเป็นระบบการทำงานที่เร็วกว่า แม่นยำกว่า และเรียนรู้ได้เร็วกว่าคู่แข่ง

และนั่นอาจเป็นจุดเริ่มต้นของยุคใหม่ของธุรกิจ MEP Contracting