ประสิทธิภาพที่ปราศจากความยืดหยุ่น คือทางลัดไปสู่การหยุดชะงักที่เร็วกว่าเดิม

ข้อมูลเชิงลึกจากงาน Scaling Business Summit 2026 นครโฮจิมินห์

ผู้ดำเนินรายการคือ Alyssa Nguyen, SAP Sales & Marketing Specialist ที่ Gradion บนเวที: Christoph Dirr, General Manager ที่ Würth Industries Vietnam และ Christian Boos, VP Global – Head of Sustainability Innovation จาก SAP เซสชันเดินผ่านห้าคำถามที่เป็นรูปธรรม: สต๊อก, AI, ช่องว่างของซัพพลายเออร์, ROI ด้านความยั่งยืน และการลงทุนหนึ่งเดียวในปี 2026 ที่จะมีความหมายมากที่สุด

สิ่งที่พวกเขาเห็นพ้องกันไม่ใช่สิ่งที่ผู้จัดการโรงงานส่วนใหญ่คาดว่าจะได้ยิน

1. ระดับสต๊อกที่ถูกต้องไม่ใช่ศูนย์

สต๊อกศูนย์ฟังดูเหมือนเป้าหมาย แต่ไม่ใช่ อย่างน้อยก็ยังไม่ใช่ตอนนี้

Christoph Dirr พูดชัดเจน: "สต๊อกที่มองไม่เห็นยังเป็นเรื่องของอนาคต เป้าหมายไม่ใช่การไม่มีอะไรเลย แต่คือการมีในปริมาณที่พอดีพอเหมาะ" ปริมาณนั้นขึ้นอยู่กับว่าโรงงานยืดหยุ่นแค่ไหน คุณตีราคาความปลอดภัยไว้เท่าไร และมีทัศนวิสัยมากแค่ไหนต่อสิ่งที่อาจผิดพลาด

Christian Boos เสนอกรอบคิดที่ต่างออกไป: ใช้ข้อมูลเป็นตัวกันชนแทนการใช้สต๊อก ทัศนวิสัยแบบ end-to-end ทำให้สต๊อกความปลอดภัยเป็นการตัดสินใจที่คำนวณได้ ไม่ใช่การคาดเดา เมื่อมีข้อมูลแล้ว ระดับสต๊อกสามารถลดลงได้ด้วยหลักฐาน ไม่ใช่ด้วยความหวัง

นัยทางปฏิบัติ: KPI ไม่ได้อยู่ที่ขนาดของบัฟเฟอร์ แต่อยู่ที่คุณภาพของข้อมูลที่อยู่เบื้องหลังการตัดสินใจ

บทเรียนที่ 1: หยุดปรับให้เหลือศูนย์ เริ่มปรับเพื่อทัศนวิสัย

2. สวิตเซอร์แลนด์ vs. เยอรมนี - ความยืดหยุ่นชนะเกมระยะยาว

Christoph Dirr เล่าเรื่องระบบรถไฟสองประเทศ สวิตเซอร์แลนด์กับเยอรมนี โครงสร้างพื้นฐานยุคเดียวกัน ย้อนไปถึงคริสต์ศตวรรษที่ 19 จราจรหลากหลายเหมือนกัน รถไฟทุกประเภทวิ่งบนรางเดียวกัน ระบบหนึ่งขึ้นชื่อเรื่องตรงเวลา อีกระบบไม่

ความต่างไม่ได้อยู่ที่กำลังคน ไม่ได้อยู่ที่เทคโนโลยี "สวิตเซอร์แลนด์ปรับให้รองรับความยืดหยุ่นและประสิทธิภาพที่ยั่งยืน เยอรมนีพยายามอัดปริมาณลงรางให้มากที่สุดเท่าที่จะทำได้ทุกวัน Throughput, throughput, throughput และความซับซ้อนก็ลงโทษวิธีนี้"

สวิตเซอร์แลนด์ใช้จ่ายต่อหัวประชากรกับโครงสร้างพื้นฐานทางรางเกือบสองเท่าของเยอรมนี เครือข่ายจึงรับแรงกดดันได้ ของเยอรมนีรับไม่ได้ และเมื่อสิ่งหนึ่งพัง ทุกอย่างก็พังตาม

ความเหมือนในภาคการผลิตชัดเจนมาก Christian Boos ตั้งคำถามว่าคุณกำลังสั่งให้ AI ทำอะไร เพิ่มประสิทธิภาพให้สูงสุด หรือป้องกันความล้มเหลว? คำถามด้านการออกแบบสำคัญกว่าตัวเทคโนโลยี Smart factory คือการลงทุนในสถาปัตยกรรมที่ถูกต้อง ไม่ใช่แค่ throughput ที่มากขึ้น

บทเรียนที่ 2: โรงงานที่จะเติบโตได้ ไม่ใช่โรงงานที่มีประสิทธิภาพสูงสุด แต่คือโรงงานที่ยืดหยุ่นที่สุด

3. อย่าบังคับให้ซัพพลายเออร์เปลี่ยน ให้ดึงข้อมูลของพวกเขาแทน

ช่องว่างในซัพพลายเชนเป็นเรื่องจริง ซัพพลายเออร์ในประเทศใช้ Excel ผู้ซื้อเรียกร้องข้อมูลที่สะอาดและรายงานที่โปร่งใส ทางออกส่วนใหญ่คือการพยายามโน้มน้าวซัพพลายเออร์รายเล็กให้รับระบบใหม่ ซึ่งแทบไม่เคยได้ผล

คำตอบของ Christian Boos ตรงไปตรงมา: ปล่อยให้พวกเขาอยู่บน Excel มองมันเป็นแหล่งข้อมูล ใช้ AI agents ทำให้ข้อมูลในสเปรดชีตอ่านออก มีโครงสร้าง และผนวกเข้ากับการวางแผนแบบ end-to-end "แทนที่จะเสียเวลาผลักซัพพลายเออร์ที่มีพนักงานสี่ห้าคนเข้าระบบ ERP ให้เอาข้อมูลมาใช้ตัดสินใจแทน"

ผลที่ได้คือข้อมูลชุดเดียวกัน ในต้นทุนเพียงเศษเสี้ยว และไม่ต้องทำ change management ข้อมูลมีอยู่แล้ว สิ่งที่ขาดคือสถาปัตยกรรมในการเชื่อมต่อ

Christoph Dirr ยืนยันผลลัพธ์ในมุมของผู้ผลิต ด้วยการใช้ SAP ร่วมกับ AI agents Würth Industries Vietnam ได้เปลี่ยนการตัดสินใจ sourcing และตอนนี้ผลิตในเวียดนามมากกว่าเดิม การคำนวณนั้นมาจากระบบ ไม่ใช่จากสัญชาตญาณ

บทเรียนที่ 3: ข้อมูลมีอยู่แล้ว เชื่อมมันเข้าด้วยกัน อย่าพยายามเปลี่ยนรูปแบบของคนที่อยู่เบื้องหลัง

4. ความยั่งยืนคือ USP ถ้าคุณมีข้อมูลพิสูจน์ได้

โรงงานที่มองความยั่งยืนเป็นเพียงแบบฝึกหัด compliance จะมองมันเป็นต้นทุนเสมอ นั่นคือกรอบที่ผิด

Christian Boos ขีดเส้นชัดเจน: "ถ้าคุณทำเรื่องความยั่งยืนเพื่อทำรายงานและให้ผ่านข้อกำหนด นั่นคือตัวขับต้นทุน ถ้าคุณทำเพื่อสร้างความได้เปรียบในการแข่งขัน มันจะกลายเป็น USP"

ความต่างอยู่ที่ข้อมูลในระดับผลิตภัณฑ์ ค่าการปล่อยมลพิษต่อหน่วย พลังงานและน้ำที่ใช้ต่อรอบการผลิต ตัวเลขที่นำไปเทียบกับคู่แข่งได้

Christoph Dirr ยกตัวอย่างที่เกิดขึ้นจริง กลไกปรับคาร์บอนชายแดนใหม่ของ EU กำหนดให้เวียดนามมีอัตราการปล่อยคาร์บอนค่อนข้างต่ำ สำหรับ Würth Industries Vietnam ที่ผลิตชิ้นส่วนยึดที่นี่ หมายความว่าผลิตภัณฑ์ของพวกเขามีความน่าสนใจขึ้นในสายตาผู้ซื้อชาวเยอรมัน ความยั่งยืนกำลังส่งผลต่อการตัดสินใจ sourcing ในยุโรปแล้ว

หลักการที่กว้างกว่านั้น: ความยั่งยืนที่ทำถูกต้องไม่มีต้นทุนสุดท้าย "มันต้องคืนทุนเสมอ ไม่อย่างนั้นตามนิยามแล้วมันก็ไม่ยั่งยืน" การลงทุนอยู่ที่การทำให้ข้อมูลวัดได้ ไม่ใช่ที่ภาพลักษณ์

บทเรียนที่ 4: ความยั่งยืนที่ไม่มีข้อมูลคือต้นทุน ความยั่งยืนที่มีข้อมูลคือความได้เปรียบในการแข่งขัน

5. การลงทุนหนึ่งเดียวที่ทำให้ทุกสิ่งเป็นไปได้

คำถามปิดท้ายชัดเจน: ถ้าโรงงานหนึ่งสามารถลงทุนได้เพียงหนึ่งอย่างเพื่อเป้าหมายความยั่งยืนในปี 2026 ควรเป็นอะไร

ผู้พูดทั้งสองตอบโดยไม่ลังเล Data points.

"สิ่งเดียวที่เราแน่ใจได้ตอนนี้คือคุณจะต้องการข้อมูลในอนาคต," Christoph Dirr กล่าว "และสิ่งแรกในการมีข้อมูลคือการมี data points" สะอาด

อัตโนมัติ ต่อเนื่อง ไม่ใช่เครื่องจักรใหม่ ไม่ใช่โมดูล ERP ตัวใหม่ แต่คือโครงสร้างพื้นฐานที่ทำให้ทุกการตัดสินใจอื่นสามารถถกเถียงด้วยหลักฐานได้

Christian Boos ขยายกรอบนั้น เชื่อมต่อสิ่งที่อยู่ในโรงงานอยู่แล้วก่อนซื้อสิ่งใหม่ จากนั้นค่อยก้าวต่อ ดึงสัญญาณภายนอกเข้ามาด้วย รูปแบบสภาพอากาศ ความผันผวนทางภูมิอากาศ ทุกสิ่งที่กระทบต่อการส่งของซัพพลายเออร์ "คลื่นแรก เชื่อมต่อสิ่งที่คุณรู้และสิ่งที่มีอยู่ จากนั้นค่อยก้าวต่อไปไกลขึ้น"

การพยากรณ์เชิง predictive จะดีขึ้นเมื่อสายโซ่ข้อมูลทอดยาวพ้นกำแพงโรงงาน โรงงานที่จะนำไม่ใช่โรงงานที่ทำ automation เร็วที่สุด แต่คือโรงงานที่รู้ว่าอะไรกำลังเกิดขึ้นก่อนใคร

บทเรียนที่ 5: เชื่อมต่อก่อนซื้อ ทำความสะอาดข้อมูลก่อนให้ AI ใช้

Playbook สำหรับ CEO: สิ่งที่ต้องทำตั้งแต่พรุ่งนี้

1. 1. ผูกการตัดสินใจเรื่องบัฟเฟอร์เข้ากับข้อมูล ไม่ใช่สัญชาตญาณ สัปดาห์นี้ลอง audit สต๊อกหนึ่งหมวด ระบุว่าข้อมูลแบบไหนจะช่วยให้ลดสต๊อกได้โดยไม่เพิ่มความเสี่ยง แล้วเริ่มจากตรงนั้น
2. 2. ทดสอบความยืดหยุ่น ไม่ใช่ throughput ถามทีม operations ว่า ถ้าพรุ่งนี้ซัพพลายเออร์สำคัญรายหนึ่งล้ม อะไรจะหยุด คำตอบจะบอกคุณว่าคุณสร้างเพื่อปริมาณหรือเพื่อความเสถียร
3. 3. หยุดบังคับให้ซัพพลายเออร์ทำมาตรฐาน ระบุซัพพลายเออร์สองหรือสามรายในเชนของคุณที่ใช้ Excel สำรวจว่า AI integration สามารถส่งข้อมูลของพวกเขาเข้าสู่ชั้นการวางแผนของคุณได้หรือไม่ ก่อนจะลงทุนในโครงการ change management
4. 4. ทำเอกสารข้อมูลความยั่งยืนสำหรับสามผลิตภัณฑ์หลัก ค่าการปล่อยมลพิษ พลังงานที่ใช้ น้ำที่ใช้ต่อหน่วย แม้จะเป็นการประมาณคร่าว ๆ ก็ตาม นี่คือจุดเริ่มต้นของชั้นข้อมูลเชิงแข่งขัน และกำลังกลายเป็นเงื่อนไขสำคัญสำหรับผู้ซื้อในยุโรป
5. 5. Audit โครงสร้างพื้นฐานข้อมูลก่อนการใช้จ่ายลงทุนครั้งต่อไป ก่อนจะซื้อเครื่องจักรใหม่ ลองถามว่า เราเก็บข้อมูลจากสิ่งที่มีอยู่แล้วได้หรือไม่ ถ้าคำตอบคือไม่ จัดการเรื่องนั้นก่อน

→ ดูบทสนทนาฉบับเต็มบน YouTube