AI กับการสร้างสรรค์นวัตกรรมและพัฒนาผลิตภัณฑ์

ในอดีตนั้นการสร้างสรรค์นวัตกรรม อาจต้องพึ่งพาความคิดสร้างสรรค์ของมนุษย์ การใช้เวลาในการทำวิจัย การรับฟังความคิดเห็นจากลูกค้า หรือหลายๆครั้งก็มาจากสัญชาตญาณซะด้วยซ้ำไป แต่ด้วยเทคโนโลยีที่ก้าวไปอย่างรวดเร็ว ทำให้ AI ได้กลายเป็นผู้ร่วมคิดและสร้างสรรค์ ที่กำลังปรับเปลี่ยนวิธีการคิดค้น การออกแบบ การทดสอบ และการปรับปรุงผลิตภัณฑ์ ที่สามารถช่วยให้บริษัทต่างๆ ไม่เพียงแต่สร้างสรรค์ได้เร็วขึ้นแต่ยังทำธุรกิจได้อย่างฉลาดขึ้นด้วย และในบทความนี้เราจะมาเรียนรู้ถึง นวัตกรรมที่ขับเคลื่อนด้วย AI กันครับว่ามีธุรกิจไหนนำมาปรับใช้แล้วได้ผลลัพธ์อย่างไรกันบ้าง

Case Study กับความสำเร็จของการใช้ AI ในการสร้างสรรค์นวัตกรรมและพัฒนาผลิตภัณฑ์

Coca-Cola กับการสร้างสรรค์รสชาติใหม่ๆด้วยพลังของ AI

กรณีของ Coca-Cola Y3000 ถือเป็นตัวอย่างที่ชัดเจนของการใช้ AI ในการสร้างสรรค์แนวคิด โดยบริษัทไม่ได้พึ่งพากลุ่มตัวอย่าง (Focus Group) แบบดั้งเดิมเพียงอย่างเดียว แต่ใช้ AI เพื่อประมวลผลข้อมูลขนาดใหญ่ (Big Data) จากแหล่งออนไลน์ทั่วโลก Coca-Cola ใช้ AI เพื่อวิเคราะห์เทรนด์บนโซเชียลมีเดีย ความชอบในรสชาติ และความคิดเห็นของผู้บริโภคในภูมิภาคต่างๆ โดย AI จะทำหน้าที่รวบรวมและวิเคราะห์ข้อมูลว่า ผู้คนกำลังพูดถึงอะไรเกี่ยวกับรสชาติและอนาคต เช่น การใช้คำ วลี และอารมณ์ที่เกี่ยวข้องกับ “อนาคต” “ความสดชื่น” “ความหวาน” และ “โลกดิจิทัล”

ข้อมูลเชิงลึกที่ได้ถูกนำมาใช้เพื่อเป็นแรงบันดาลใจ ในการพัฒนารสชาติและออกแบบบรรจุภัณฑ์ โดยสื่อถึงวิสัยทัศน์ที่ว่า “รสชาติของโค้กในปี ค.ศ. 3000 จะเป็นอย่างไร” โดยการร่วมสร้างสรรค์นี้ เป็นการผสานจินตนาการของมนุษย์ ให้เข้ากับความสามารถในการคาดการณ์ของ AI ซึ่งเป็นส่วนหนึ่งของแคมเปญ “Coca-Cola Creations” ที่มุ่งเน้นการสร้างรสชาติแบบ Limited Edition และประสบการณ์ที่แปลกใหม่ เพื่อดึงดูดกลุ่มเป้าหมายที่อายุน้อยและชื่นชอบเทคโนโลยี โดยเฉพาะกลุ่ม Gen Z โดยผลลัพธ์ที่ได้ ก็คือ

• การเปิดตัว AI-powered Digital Activation กับประสบการณ์กล้อง AI (Y3000 AI Cam) และการสร้างสรรค์บรรจุภัณฑ์ด้วย AI
• แคมเปญนี้มีการใช้ AR (Augmented Reality) และ AI Cam Filter บนแพลตฟอร์มดิจิทัล ซึ่งช่วยให้ผู้บริโภคสามารถ “มองเห็นอนาคต” ผ่านภาพถ่ายของตนเอง เป็นการสร้างประสบการณ์แบบดื่มด่ำ (Immersive Experience) ที่เชื่อมโยงผลิตภัณฑ์จริงกับโลกดิจิทัล
• จำนวนการแสดงผลทั้งหมด (Total Impressions) มากกว่า 200 ล้านครั้ง และการมีส่วนร่วมทั้งหมด (Total Engagements) มากกว่า 6.1 ล้านครั้ง
• Y3000 ได้รับการยกย่องว่าเป็นตัวอย่างของการผสมผสาน ระหว่างปัญญาของมนุษย์และ AI เพื่อสร้างสรรค์ประสบการณ์การมีส่วนร่วมและน่าจดจำ

---

BMW กับการใช้ AI ในการจำลองและออกแบบยานยนต์

BMW ได้ผนวก AI เข้าสู่กระบวนการออกแบบเพื่อ “จำลองแบบยานยนต์เสมือนจริงนับพันรูปแบบ” ซึ่งช่วยลดระยะเวลาในการทดสอบทางกายภาพลงได้อย่างมาก โดยการใช้ AI ของ BMW เป็นตัวอย่างสำคัญของ “การจำลองและการตรวจสอบความถูกต้องที่ขับเคลื่อนด้วย AI” (AI-driven Simulation and Validation) ในอุตสาหกรรมยานยนต์ ซึ่งช่วยยกระดับทั้งประสิทธิภาพและความปลอดภัย สิ่งที่ AI ทำ คือ แทนที่จะสร้างและทำลายต้นแบบจำนวนมาก เพื่อทดสอบความปลอดภัยและการทำงานของรถบยต์ (เช่น การชน ความทนทานของวัสดุ และหลักอากาศพลศาสตร์) AI จะเข้ามาดำเนินการทดสอบเหล่านี้ใน “สภาพแวดล้อมเสมือนจริง” (Virtual Environment) ด้วยการใช้ Machine Learning เพื่อเรียนรู้จากข้อมูลการทดสอบและข้อบกพร่องในอดีต จากนั้นจึงสามารถ “ทำนายผลลัพธ์” ของการเปลี่ยนแปลงการออกแบบได้ทันที ช่วยให้วิศวกรสามารถปรับแก้รายละเอียดต่างๆ (เช่น วัสดุ โครงสร้างตัวถัง และรูปทรงภายนอก) เพื่อให้ได้ผลลัพธ์ที่ดีที่สุดก่อนที่จะสร้างต้นแบบจริง และผลลัพธ์ที่ได้ ก็คือ

• การลดรอบการออกแบบลง 30% ทำให้ BMW สามารถนำรถยนต์รุ่นใหม่ หรือเทคโนโลยีใหม่เข้าสู่ตลาดได้เร็วกว่าคู่แข่ง ซึ่งเป็นความได้เปรียบเชิงกลยุทธ์ที่สำคัญ
• การลดจำนวนต้นแบบทางกายภาพ (Physical Protypes) ลงอย่างมากส่งผลให้ “ลดการใช้พลังงานและวัสดุ” เช่น โลหะและพลาสติก ซึ่งสอดคล้องกับเป้าหมายด้านความยั่งยืนขององค์กร
• เพิ่มประสิทธิภาพความปลอดภัย ผ่านการทดสอบการชนเสมือนจริงที่แม่นยำขึ้น

---

Nike กับการออกแบบผลิตภัณฑ์แบบสั่งทำพิเศษ

Nike ใช้ AI เพื่อวิเคราะห์ข้อมูลการวิ่งส่วนบุคคล ผ่านแอปพลิเคชัน Nike Run Club และนำไปใช้ในการออกแบบรองเท้าแบบเฉพาะบุคคล (Personalized Shoes) ที่เข้ากับรูปแบบการวิ่ง แรงกดของเท้า และเป้าหมายด้านประสิทธิภาพ ของนักวิ่งแต่ละคน สิ่งที่ AI ทำ คือ AI รวบรวมข้อมูลเชิงลึกด้านชีวกลศาสตร์ (Biomechanical Data) จากการวิ่งจริงของผู้ใช้ผ่านแอปพลิเคชัน เช่น ระยะทางการวิ่ง ความเร็ว การลงน้ำหนักเท้า มุมการบิดของข้อเท้า และตำแหน่งที่สึกหรอของรองเท้าคู่เดิม

AI ประมวลผลข้อมูลเหล่านี้เพื่อสร้าง “โปรไฟล์การวิ่งเฉพาะบุคคล” และแนะนำการปรับแต่งองค์ประกอบต่างๆของรองเท้า เช่น ความหนาแน่นของพื้นรองเท้าชั้นกลาง (Midsole Density) รูปทรงของส่วนรองรับเท้า (Arch Support) และรูปแบบของพื้นรองเท้าชั้นนอก (Outsole Tread) โดยข้อมูลที่ประมวลผลแล้ว จะถูกส่งไปยังแพลตฟอร์ม Nike By You เพื่อให้ลูกค้าสั่งซื้อรองเท้าที่ปรับแต่งมาเพื่อพวกเขาโดยเฉพาะ โดยที่การปรับแต่งนั้นได้รับการยืนยันทางเทคนิคด้วยข้อมูลของ AI แล้ว นับเป็นการผสานรวมวิทยาศาสตร์การกีฬา ให้เข้ากับการทำ Digital Marketing ทำให้ลูกค้ารู้สึกว่าผลิตภัณฑ์นั้นถูกสร้างมาเพื่อพวกเขาโดยเฉพาะ ซึ่งเสริมสร้างประสบการณ์ที่ดีและความรู้สึกเป็นเจ้าของอย่างแท้จริง และผลลัพธ์ที่ได้ ก็คือ

• การมีส่วนร่วมของลูกค้า (Customer Engagement) สูงขึ้นอย่างมาก โดยเฉพาะในกลุ่มนักวิ่งที่ใช้ Nike Run Club และผู้ที่ต้องการอุปกรณ์เฉพาะทาง
• ผลิตภัณฑ์ที่สั่งทำพิเศษมักมีราคาสูงกว่าผลิตภัณฑ์มาตรฐาน เนื่องจากมูลค่าเพิ่มจากความเฉพาะเจาะจง
• แพลตฟอร์มที่ใช้ AI เหล่านี้เป็นหัวใจสำคัญในการเปลี่ยน Nike ให้เป็นบริษัทที่เน้นการขายตรงถึงผู้บริโภค (Direct-to-Consumer หรือ D2C) ซึ่งมีอัตรากำไรสูงกว่า
• ถึงแม้ Nike จะไม่เปิดเผยตัวเลขสถิติเฉพาะ สำหรับยอดขายของผลิตภัณฑ์ Nike By You ที่ขับเคลื่อนด้วย AI แต่บริษัทได้เน้นย้ำถึงกลยุทธ์ในการสร้าง “การเชื่อมโยงแบบ 1 ต่อ 1” (1-to-1 Connection) กับผู้บริโภค โดยระบุว่าการใช้ข้อมูลและการปรับให้เป็นส่วนตัว เป็นกุญแจสำคัญในการเพิ่มยอดขายในกลุ่มผลิตภัณฑ์ที่มีราคาสูงขึ้น

กรณีของ Nike เป็นตัวอย่างที่ยอดเยี่ยมของ “การปรับให้เป็นส่วนตัวและการผลิตตามสั่งในปริมาณมากที่ขับเคลื่อนด้วย AI” (AI-driven Personalization and Mass Customization) ซึ่งเปลี่ยนรองเท้าจากสินค้าทั่วไป ให้กลายเป็นอุปกรณ์เฉพาะบุคคล

---

LEGO กับการทำนายความสำเร็จของผลิตภัณฑ์ก่อนเปิดตัว

LEGO ประยุกต์ใช้ Machine Learning (ML) กับข้อมูลผลิตภัณฑ์ในอดีต เทรนด์การขาย และรีวิวจากลูกค้า เพื่อ “ทำนายโอกาสความสำเร็จ” ของชุดของเล่นใหม่ๆ โดยระบบ ML จะทำหน้าที่เหมือน “นักวิเคราะห์ข้อมูลอัจฉริยะ” ที่ป้อนชุดข้อมูลขนาดใหญ่เข้าไป ซึ่งรวมถึง ยอดขายในอดีตของผลิตภัณฑ์ที่คล้ายกัน ต้นทุนการผลิต และอายุของผลิตภัณฑ์ ความคิดเห็นและคะแนนรีวิวของลูกค้า (Customer Sentiment & Reviews) จากแพลตฟอร์มต่างๆ ความสนใจในหัวข้อนั้นๆ รวมไปถึงเทรนด์ยอดนิยม

ML จะประมวลผลความสัมพันธ์ที่ซับซ้อนระหว่างตัวแปรเหล่านี้ เพื่อสร้าง “คะแนนความสำเร็จที่คาดการณ์ไว้” (Predicted Success Score) สำหรับแนวคิดผลิตภัณฑ์ใหม่แต่ละชุด ซึ่งช่วยให้ LEGO สามารถจัดลำดับความสำคัญ และจัดสรรงบประมาณในการวิจัยและพัฒนา รวมถึงการทำการตลาดให้กับผลิตภัณฑ์ ที่มีแนวโน้มว่าจะทำกำไรสูงและโดนใจผู้บริโภคมากที่สุด ก่อนที่จะมีการลงทุนลงอื่นๆเพิ่มเติม และผลลัพธ์ที่ได้ ก็คือ

• เพิ่มความแม่นยำในการคาดการณ์ความต้องการ (Demand Forecasting) ได้สูงถึง 80%
• อัตราความล้มเหลวลดลง เนื่องจากสามารถตัดแนวคิดที่ตลาดไม่ตอบรับได้ตั้งแต่เนิ่นๆ
• ประสิทธิภาพการเปิดตัวผลิตภัณฑ์เพิ่มขึ้นอย่างมาก ผ่านการลดการใช้ทรัพยากรกับโครงการที่มีความเสี่ยงสูง
• LEGO Group รายงานผลประกอบการที่ดีอย่างต่อเนื่อง โดยระบุว่านวัตกรรมที่ขับเคลื่อนด้วยข้อมูล (Data-Driven Innovation) มีส่วนช่วยในการสร้างพอร์ตโฟลิโอผลิตภัณฑ์ ที่แข็งแกร่งและตอบโจทย์ลูกค้าทั่วโลก

กรณีของ LEGO แสดงให้เห็นถึงการใช้ AI สำหรับการวิเคราะห์การคาดการณ์ (Predictive Analytics) ในกระบวนการตัดสินใจด้านผลิตภัณฑ์ (Product Decision-Making) ซึ่งเป็นส่วนสำคัญที่ช่วยให้องค์กรบริหารความเสี่ยงได้อย่างมีประสิทธิภาพ

---

Nestlé กับการพัฒนารสชาติด้วยพลังของ AI

Nestlé ใช้ AI ในการสร้างสรรค์สูตรผลิตภัณฑ์ใหม่ โดยการผสมผสานข้อมูลด้านโภชนาการ ความชอบในรสชาติ และเทรนด์ใหม่ๆในตลาด ในแต่ละภูมิภาคเข้าไว้ด้วยกัน โดย AI ทำงานด้วยการวิเคราะห์ชุดข้อมูลขนาดใหญ่ (Big Data) ที่ครอบคลุมหลายมิติ เช่น ข้อมูลรสชาติและความชอบ อย่างข้อมูลจากงานวิจัยด้านประสาทสัมผัส (Sensory Data) ความคิดเห็นของผู้บริโภค (Consumer Sentiment) และความนิยมในวัตถุดิบหรือเครื่องปรุงรสในพื้นที่นั้นๆ ข้อมูลโภชนาการ อย่างข้อกำหนดด้านสุขภาพ สารอาหารที่แนะนำ และข้อจำกัดทางอาหาร เช่น ปริมาณน้ำตาลหรือไขมันที่ลดลง และรูปแบบการบริโภคที่กำลังเติบโต เช่น วีแกน โปรตีนสูง หรืออาหารพื้นเมือง

AI จะสร้าง “สูตรอาหารที่เป็นไปได้” นับพันรูปแบบที่สอดคล้องกับทั้ง “ความต้องการด้านสุขภาพ” และ “รสนิยมท้องถิ่น” จากนั้นทีมงานด้านอาหารของ Nestlé จะนำสูตรที่ AI แนะนำไปปรับปรุงและพัฒนาในห้องปฏิบัติการ ซึ่งช่วยลดเวลาในการลองผิดลองถูก ในการพัฒนาสูตรอาหารใหม่ๆที่ซับซ้อน ทำให้สามารถตอบสนองต่อเทรนด์การบริโภค ที่เปลี่ยนแปลงไปอย่างรวดเร็ว และผลลัพธ์ที่ได้ ก็คือ

• AI ช่วยเร่งกระบวนการ “จากแนวคิดสู่ผลิตภัณฑ์ (Idea-to-Product)” ให้เร็วขึ้น จากการที่เดิมอาจใช้เวลาหลายปีในการวิจัยรสนิยม
• ระยะเวลาในการพัฒนาผลิตภัณฑ์ลดลงอย่างมาก โดยมีรายงานว่าสามารถพัฒนาสูตรได้เร็วขึ้น 30-50%
• เพิ่มความแม่นยำในการสร้างผลิตภัณฑ์ที่ตรงกับรสนิยมท้องถิ่น โดยเฉพาะในตลาดเกิดใหม่ (Emerging Markets)
• Nestlé สามารถสร้างความแตกต่างในตลาดท้องถิ่นได้ง่ายขึ้น เช่น การสร้างสูตรอาหารพร้อมทาน ที่มีรสชาติพื้นเมืองของเอเชีย หรือผลิตภัณฑ์เสริมโปรตีนที่ออกแบบมาเพื่อสรีระ และความต้องการของกลุ่มเป้าหมายในยุโรป
• สามารถทำนายและลดส่วนผสมที่ไม่ต้องการ เช่น น้ำตาล โซเดียมได้ง่ายขึ้น ทำให้ผลิตภัณฑ์มี “คุณค่าทางโภชนาการที่ดีขึ้น”

กรณีของ Nestlé เป็นตัวอย่างของการใช้ AI ในการสร้างสรรค์สูตรอาหาร ซึ่งช่วยให้บริษัทยักษ์ใหญ่ด้านอาหาร สามารถทำ Personalization ในระดับภูมิภาค และเพิ่มความรวดเร็วในการนำสินค้าสู่ตลาดได้

---

Dyson กับการใช้ AI ในการเพิ่มประสิทธิภาพ Prototype Product

Dyson ใช้การจำลองด้วย AI เพื่อ “วิเคราะห์การไหลของอากาศ” (Airflow) และ “ประสิทธิภาพของมอเตอร์” (Motor Efficiency) ก่อนที่จะทำการทดสอบเครื่องดูดฝุ่น และอุปกรณ์ดูแลเส้นผม โดย AI จะเข้ามาแทนที่การสร้างต้นแบบ (Protitype) จำนวนมาก เพื่อทดสอบการไหลของอากาศ (Airflow) และความร้อนที่ซับซ้อนภายในเครื่อง AI จะสร้างแบบจำลองเสมือนจริงของผลิตภัณฑ์ เช่น ใบพัดของมอเตอร์ หรือช่องทางการไหลของอากาศในเครื่องดูดฝุ่น และทำการทดสอบซ้ำๆนับพันครั้ง ภายใต้สภาวะการใช้งานที่หลากหลาย ท้ายที่สุด AI จะระบุว่าการเปลี่ยนแปลงการออกแบบเล็กๆน้อยๆ เช่น การปรับมุมของใบพัด หรือรูปร่างของท่อดูด จะส่งผลต่อประสิทธิภาพสูงสุดได้อย่างไร และผลลัพธ์ที่ได้ ก็คือ

• เร่งความเร็วในการพัฒนาการออกแบบ ทำให้ผลิตภัณฑ์ออกสู่ตลาดเร็วขึ้น
• ต้นทุนการทดสอบกายทางภาพลดลงอย่างมาก เนื่องจากลดจำนวนต้นแบบที่ต้องสร้างเพื่อทดสอบซ้ำๆ
• ประสิทธิภาพของมอเตอร์และการไหลของอากาศเพิ่มขึ้น เนื่องจาก AI สามารถระบุการออกแบบที่ลดการสูญเสียพลังงานในระบบได้
• ถึงแม้ Dyson จะไม่เปิดเผยตัวเลขของเปอร์เซ็นต์การลดต้นทุน แต่บริษัทได้เน้นย้ำถึงการลงทุนมูลค่าหลายพันล้านปอนด์ ในด้าน “เทคโนโลยีดิจิทัลและ AI” เพื่อ “ลดวงจรการออกแบบ” (Design Cycle) และสร้างผลิตภัณฑ์ที่มีประสิทธิภาพพลังงานสูง
• การจำลองด้วย AI ทำให้ Dyson สามารถสร้างสรรค์ผลิตภัณฑ์ที่มีเทคโนโลยีขั้นสูง เช่น มอเตอร์ดิจิทัล V11 หรือ V15 ที่มีขนาดเล็กแต่มีกำลังสูง และสามารถทำงานได้อย่างมีประสิทธิภาพสูงสุด โดยมีเสียงรบกวนน้อยที่สุด

กรณีของ Dyson เป็นการประยุกต์ใช้ Computational Fluid Dynamics (CFD) ซึ่งเป็นสาขาหนึ่งของวิศวกรรมที่ใช้ AI และ Machine Learning (ML) ในการเพิ่มประสิทธิภาพการทำงานของผลิตภัณฑ์ ที่มีการไหลของของเหลว เช่น อากาศหรือน้ำเข้ามาเกี่ยวข้อง

---

AI ได้กลายเป็นพลังของการสร้างสรรค์ ในด้านนวัตกรรมและการพัฒนาผลิตภัณฑ์ ที่ช่วยให้บริษัทต่างๆสามารถผสาน ความแม่นยำในการวิเคราะห์ของเครื่องจักร ให้เข้ากับจินตนาการของมนุษย์ได้อย่างลงตัว ที่ส่งผลให้อนาคตนั้นเป็นของแบรนด์ที่ยอมรับการ “ร่วมสร้างสรรค์” (Co-Creation) ระหว่าง “สัญชาตญาณของมนุษย์” กับ “ความชาญฉลาดของเครื่องจักร” นั่นเอง

---

Sources:
https://www.coca-colacompany.com/media-center/coca-cola-creations-imagines-year-3000-futuristic-flavor-ai-powered-experience
https://www.bmwgroup.com/en/innovation.html
https://about.nike.com/en/newsroom
https://www.lego.com/en-us/aboutus?locale=en-us
https://www.nestle.com/nutrition-health/balanced-diet
https://www.dyson.com/discover/news/latest/100m-digital-motors

---