ฝนตกหนัก น้ำท่วมหลายพื้นที่กระทบกิจกรรมเศรษฐกิจ “เรียล สมาร์ท” ชี้ไทยต้องยกระดับระบบจัดการภัยพิบัติ ตั้งแต่เตือนภัยถึงฟื้นฟู ดึง AI–Sensor–ข้อมูลแบบเรียลไทม์ ช่วยจำลองสถานการณ์และตัดสินใจให้เร็วขึ้น หลังประเมินน้ำท่วม 25–29 ก.ย. กระทบเศรษฐกิจ 1.23 หมื่นล้านบาท
สถานการณ์ฝนตกหนักและน้ำท่วมในหลายพื้นที่ของประเทศไทยในช่วงสัปดาห์ที่ผ่านมา ไม่ได้สะท้อนเพียงปัญหาด้านการระบายน้ำเท่านั้น แต่ยังเป็นโจทย์สำคัญด้านการบริหารจัดการเมืองและความเสี่ยงทางเศรษฐกิจ ตั้งแต่การเตือนภัย การรับมือสถานการณ์ ไปจนถึงการฟื้นฟูพื้นที่ให้กลับเข้าสู่ภาวะปกติ
นายรุ่งโรจน์ โชคงามวงศ์ ประธานเจ้าหน้าที่บริหารสายงานเทคโนโลยีสารสนเทศ บริษัท เรียล สมาร์ท จำกัด (มหาชน) กล่าวว่า หัวใจสำคัญของการบริหารจัดการภัยพิบัติคือ “การบูรณาการ” ทั้งหน่วยงาน ข้อมูล และเทคโนโลยี โดยเฉพาะการมีข้อมูลที่เพียงพอ ถูกต้อง และรวดเร็ว เพื่อสนับสนุนการตัดสินใจ เพราะในภาวะวิกฤต ความล่าช้าเพียงเล็กน้อยอาจเพิ่มความเสียหายต่อชีวิต ทรัพย์สิน และระบบเศรษฐกิจ
ปัจจุบัน ปัญญาประดิษฐ์ หรือ AI สามารถเข้ามาช่วยรวบรวม ประมวลผล และวิเคราะห์ข้อมูลจำนวนมหาศาล เพื่อให้ผู้เชี่ยวชาญและผู้บริหารเห็นภาพสถานการณ์ได้รวดเร็วขึ้น โดยหลายประเทศเริ่มนำ AI และเทคโนโลยีดิจิทัลมาใช้ร่วมกับระบบบริหารจัดการภัยพิบัติ
โดยประเทศเนเธอร์แลนด์ เป็นตัวอย่างของการผสานเทคโนโลยีกับระบบบริหารจัดการน้ำที่พัฒนามาอย่างต่อเนื่อง ทั้งเขื่อน คันกั้นน้ำ ประตูกั้นคลื่น ระบบสูบน้ำ และแนวคิด “Room for the River” ซึ่งเปิดพื้นที่ให้แม่น้ำสามารถรองรับและระบายน้ำได้มากขึ้น
ขณะเดียวกัน หน่วยงานด้านน้ำและอุตุนิยมวิทยาของเนเธอร์แลนด์ยังพัฒนา AI และ Machine Learning เพื่อเสริมแบบจำลองด้านน้ำ โดยใช้ Machine Learning ทำงานร่วมกับแบบจำลองที่อาศัยหลักฟิสิกส์ ช่วยลดระยะเวลาการคำนวณและทำให้สามารถจำลองสถานการณ์และทางเลือกด้านการบริหารจัดการน้ำได้รวดเร็วยิ่งขึ้น
สำหรับญี่ปุ่น เป็นอีกตัวอย่างที่สะท้อนความสำคัญของ “ข้อมูลที่เร็ว” โดยระบบ Earthquake Early Warning ของสำนักงานอุตุนิยมวิทยาญี่ปุ่นใช้ข้อมูลจากเครือข่ายตรวจวัดแผ่นดินไหว เพื่อตรวจจับคลื่น P-wave และประเมินข้อมูลสำคัญ ก่อนส่งคำเตือนไปยังประชาชนและระบบที่เกี่ยวข้อง
บทเรียนสำคัญจึงไม่ได้อยู่ที่ AI เพียงอย่างเดียว แต่คือการเชื่อมโยง ข้อมูล + Sensor + ระบบประมวลผล + ระบบสื่อสาร + กระบวนการตอบสนอง ให้ทำงานเป็นระบบเดียวกัน
ส่วนสหรัฐอเมริกา มีการนำ AI มาใช้ช่วยเฝ้าระวังไฟป่าผ่านโครงการ ALERTCalifornia ซึ่งใช้เครือข่ายกล้องจำนวนมากตรวจจับสิ่งที่อาจเป็นไฟป่า และส่งข้อมูลให้เจ้าหน้าที่ตรวจสอบและตอบสนองได้รวดเร็วขึ้น สะท้อนว่า AI สามารถทำหน้าที่เป็น “ดวงตาอีกหลายพันคู่” ช่วยเฝ้าระวังและส่งข้อมูลให้มนุษย์ตัดสินใจ
นายรุ่งโรจน์ ยังกล่าวด้วยว่า ในกรณีอุทกภัยที่เกิดขี้นในประเทศไทย AI สามารถทำงานร่วมกับแบบจำลองทางอุตุนิยมวิทยาและ แบบจำลองทางอุทกวิทยา (Hydrological Model เพื่อวิเคราะห์สภาพอากาศ คาดการณ์ปริมาณฝน วิเคราะห์ระดับน้ำและการไหลของน้ำ ก่อนนำข้อมูลมาสร้าง Scenario Simulation เพื่อประเมินแนวโน้มสถานการณ์ในแต่ละพื้นที่
ทั้งนี้เป้าหมายจึงไม่ควรหยุดอยู่ที่คำถามว่า “ฝนจะตกเท่าไร” แต่ต้องตอบให้ได้ต่อว่า หากฝนตกในระดับดังกล่าว น้ำจะไหลไปทางไหน พื้นที่ใดเสี่ยงน้ำท่วม ระดับน้ำอาจสูงเท่าไร จุดใดจะได้รับผลกระทบก่อน และมีทางเลือกใดในการบริหารจัดการ
ตัวอย่างเช่น ระบบสามารถจำลองผลกระทบจากปริมาณฝนที่เพิ่มขึ้น การระบายน้ำในระดับต่าง ๆ หรือการปรับการทำงานของเครื่องสูบน้ำและประตูระบายน้ำ เพื่อให้ผู้เชี่ยวชาญเห็นผลของแต่ละทางเลือกก่อนตัดสินใจจริง
ขณะเดียวกัน หากประเทศไทยสามารถเชื่อมโยง Sensor ตั้งแต่ระดับตำบล อำเภอ จังหวัด ไปจนถึงระดับประเทศ ข้อมูลปริมาณฝน ระดับน้ำ เขื่อน อ่างเก็บน้ำ ประตูระบายน้ำ ระบบสูบน้ำ การจราจร CCTV ภาพจากโดรน และข้อมูลจากประชาชน จะสามารถนำมาวิเคราะห์ร่วมกันได้
จากข้อมูลที่ปัจจุบันอาจกระจายอยู่หลายหน่วยงาน AI สามารถช่วยประมวลผลและสร้าง Common Operating Picture หรือ “ภาพสถานการณ์เดียวกัน” เพื่อให้หน่วยงานที่เกี่ยวข้องมองเห็นข้อมูลชุดเดียวกัน และประสานงานได้รวดเร็วขึ้น
แนวทางดังกล่าวจะช่วยยกระดับจาก Early Warning System ที่ทำหน้าที่บอกว่า “กำลังจะเกิดอะไรขึ้น” ไปสู่ Decision Support System ที่ช่วยตอบต่อว่า “แล้วเราควรทำอะไร”
อย่างไรก็ตาม AI ไม่ได้เข้ามาทดแทนผู้เชี่ยวชาญหรือเป็นผู้ตัดสินใจ แต่ทำหน้าที่รวบรวมข้อมูล วิเคราะห์ จำลองสถานการณ์ และนำเสนอทางเลือก เพื่อให้ผู้มีอำนาจตัดสินใจสามารถประเมินสถานการณ์ได้เร็วและรอบด้านมากขึ้น
ประเด็นนี้มีความสำคัญต่อเศรษฐกิจโดยตรง โดยศูนย์พยากรณ์เศรษฐกิจและธุรกิจ มหาวิทยาลัยหอการค้าไทย ประเมินผลกระทบทางเศรษฐกิจจากอุทกภัยระหว่าง 25–29 ก.ย. 2569 ครอบคลุมกรุงเทพมหานครและ 26 จังหวัด ในกรณีฐานอยู่ที่ประมาณ 12,283 ล้านบาท หรือ 0.066% ของ GDP ทั้งปี
ทั้งนี้ ตัวเลขดังกล่าวเป็นการประเมินผลกระทบจากกิจกรรมทางเศรษฐกิจที่หยุดชะงัก และยังไม่รวมความเสียหายต่อทรัพย์สิน เช่น บ้านเรือน ยานพาหนะ สินค้าคงคลัง และผลผลิตทางการเกษตร
นายรุ่งโรจน์ กล่าวว่าแม้ไม่สามารถป้องกันไม่ให้ภัยพิบัติเกิดขึ้นได้ทั้งหมด แต่สามารถลดความเสียหายไม่ให้ขยายวงกว้างเกินความจำเป็นได้ หากนำเครื่องมือและเทคโนโลยีที่มีอยู่มาทำงานร่วมกันอย่างบูรณาการ
“AI สามารถช่วยบริหารจัดการข้อมูล วิเคราะห์ ประมวลผล และสร้างทางเลือก เพื่อให้ผู้เชี่ยวชาญและผู้มีอำนาจตัดสินใจเห็นสถานการณ์เดียวกัน และสามารถตัดสินใจได้ทันเวลา เพื่อลดความสูญเสียทั้งทางเศรษฐกิจและสังคม”
โจทย์ของประเทศไทยจึงไม่ใช่เพียงการมีเทคโนโลยีที่ทันสมัย แต่คือการทำให้ข้อมูล หน่วยงาน และเทคโนโลยีเชื่อมต่อกันจริง เพื่อเปลี่ยนจากการ “รอรับมือเมื่อเกิดเหตุ” ไปสู่การคาดการณ์และเตรียมทางเลือกไว้ล่วงหน้า เพราะการตัดสินใจที่เร็วขึ้นในช่วงวิกฤต อาจหมายถึงความเสียหายทางเศรษฐกิจที่ลดลง
