Scope 3 Carbon Tracking คืออะไร? วัดคาร์บอนซัพพลายเชนด้วย AI

Scope 3 Carbon Tracking คืออะไร? วัดคาร์บอนซัพพลายเชนด้วย AI

เมื่อพูดถึงการลดคาร์บอนขององค์กร หลายบริษัทมักโฟกัสที่สิ่งที่ตัวเองควบคุมได้โดยตรง เช่น ไฟฟ้าในโรงงานหรือรถขนส่งของบริษัทเอง แต่ในความเป็นจริงแล้ว ตัวเลขที่ใหญ่ที่สุดและซับซ้อนที่สุดกลับซ่อนอยู่นอกรั้วองค์กร นั่นคือการปล่อยคาร์บอนจากซัพพลายเออร์ คู่ค้าขนส่ง และการใช้งานผลิตภัณฑ์โดยลูกค้า หรือที่เรียกว่า Scope 3 Emissions ซึ่งงานวิจัยหลายชิ้นชี้ตรงกันว่าคิดเป็นระหว่าง 70% ถึง 90% ของคาร์บอนฟุตพรินต์ทั้งหมดของบริษัทขนาดใหญ่ส่วนมาก
Next World

ปัญหาคือ Scope 3 เป็นข้อมูลที่กระจัดกระจายอยู่ในมือของซัพพลายเออร์นับร้อยนับพันรายทั่วโลก การเก็บข้อมูลด้วยแบบสอบถามหรือสเปรดชีตแบบเดิมจึงไม่ทันการณ์อีกต่อไป โดยเฉพาะเมื่อกฎระเบียบด้านความยั่งยืนทั่วโลกเริ่มบังคับให้เปิดเผยตัวเลขนี้อย่างจริงจัง นี่คือจุดที่ AI เข้ามามีบทบาทสำคัญ ไม่ใช่แค่ในฐานะเครื่องมือคำนวณ แต่เป็นโครงสร้างพื้นฐานใหม่ของการบริหารคาร์บอนทั้งซัพพลายเชน

Scope 3 คืออะไร และทำไมถึงวัดยากที่สุด

ตามมาตรฐาน GHG Protocol การปล่อยก๊าซเรือนกระจกแบ่งเป็นสามขอบเขต Scope 1 คือการปล่อยตรงจากกิจกรรมของบริษัทเอง Scope 2 คือการปล่อยทางอ้อมจากพลังงานที่ซื้อมาใช้ ส่วน Scope 3 คือการปล่อยทางอ้อมทั้งหมดที่เกิดขึ้นตลอดห่วงโซ่คุณค่า ตั้งแต่วัตถุดิบต้นน้ำไปจนถึงการใช้งานและการทิ้งผลิตภัณฑ์ปลายน้ำScope 3 ครอบคลุมกิจกรรมถึง 15 หมวดหมู่ตาม GHG Protocol ตั้งแต่สินค้าและบริการที่จัดซื้อไปจนถึงการเดินทางเพื่อธุรกิจและการใช้งานผลิตภัณฑ์ปลายทาง
Sustain Insight

ความยากอยู่ที่ว่าบริษัทไม่ได้เป็นเจ้าของข้อมูลเหล่านี้โดยตรง ต้องพึ่งพาความร่วมมือจากซัพพลายเออร์หลายชั้น (multi-tier) ซึ่งแต่ละรายก็มีมาตรฐานการรายงานและคุณภาพข้อมูลไม่เท่ากัน งานวิจัยจาก Carbon Disclosure Project ระบุว่าโดยเฉลี่ยแล้ว Scope 3 คิดเป็นประมาณสามในสี่ของการปล่อยคาร์บอนทั้งหมดของบริษัท และในอุตสาหกรรมที่ใช้พลังงานเข้มข้น สัดส่วนของ Scope 3 กำลังเติบโตเร็วกว่า Scope 1 และ 2 เสียอีก แต่ที่น่ากังวลกว่านั้นคือมีเพียงประมาณ 9% ขององค์กรเท่านั้นที่สามารถติดตาม Scope 3 ได้อย่างครอบคลุมจริง สะท้อนว่าช่องว่างระหว่าง "รู้ว่าต้องวัด" กับ "วัดได้จริง" ยังกว้างมาก
arxiv
Fiegenbaum

ทำไมวิธีเดิมถึงไปต่อไม่ได้

การเก็บข้อมูล Scope 3 แบบดั้งเดิมอาศัยการส่งแบบสอบถามให้ซัพพลายเออร์กรอกเอง แล้วนำมาจับคู่กับตัวคูณการปล่อยคาร์บอน (emission factor) ด้วยมือ กระบวนการนี้ใช้เวลานาน มีความคลาดเคลื่อนสูง และแทบเป็นไปไม่ได้เลยเมื่อบริษัทมีคู่ค้าหลักพันราย ทีมความยั่งยืนจำนวนมากจึงติดอยู่กับสเปรดชีตที่ไม่มีวันอัปเดตทัน ขณะที่ธุรกิจต้องการมุมมองแบบเรียลไทม์เพื่อประกอบการตัดสินใจ

ที่ผ่านมาโซลูชันบางแห่งใช้วิธีผสมข้อมูลจริงกับข้อมูลสาธารณะ เช่น กรณีหนึ่งที่นำข้อมูลสาธารณะจาก Carbon Disclosure Project มาฝึกโมเดลจากกลุ่มตัวอย่างส่วนหนึ่ง แล้วใช้โมเดลนั้นประเมินค่าการปล่อยคาร์บอนสำหรับซัพพลายเออร์ส่วนที่เหลือทั้งหมด ซึ่งแสดงให้เห็นว่าการผสานข้อมูลปฐมภูมิกับโมเดลเชิงสถิติสามารถเติมเต็มช่องว่างข้อมูลที่ไม่มีทางเก็บได้ครบ 100% ในทางปฏิบัติ
Next World

AI เข้ามาเปลี่ยนเกมตรงไหนบ้าง

การจับคู่ข้อมูลอัตโนมัติ:
งานที่กินเวลามากที่สุดในการทำบัญชีคาร์บอนคือการจับคู่รายการธุรกรรมการจัดซื้อกับตัวคูณการปล่อยคาร์บอนที่ถูกต้อง AI ที่ผ่านการฝึกด้วยข้อมูลปริมาณมากสามารถทำงานนี้ได้รวดเร็วกว่าเดิมมาก มีกรณีศึกษาระบุว่าการจับคู่ตัวคูณการปล่อยคาร์บอนด้วย AI ที่เคยต้องใช้เวลาหลายสัปดาห์ ปัจจุบันทำเสร็จได้ภายในไม่กี่นาทีโดยยังคงความแม่นยำสูง
Fiegenbaum

การประเมินค่าด้วยแมชชีนเลิร์นนิง:
เมื่อข้อมูลปฐมภูมิจากซัพพลายเออร์ไม่ครบถ้วน AI สามารถเรียนรู้รูปแบบจากธุรกรรมทางการเงิน ประเภทสินค้า และแหล่งที่มา เพื่อประมาณค่าการปล่อยคาร์บอนที่สมเหตุสมผลแทนการปล่อยว่างหรือใช้ค่าเฉลี่ยอุตสาหกรรมแบบหยาบ ๆ

แดชบอร์ดแบบเรียลไทม์:
แทนที่จะรอรายงานประจำปี ทีมความยั่งยืนสามารถเห็นภาพรวมการปล่อยคาร์บอนแยกตามซัพพลายเออร์ ภูมิภาค และประเภทสินค้าได้ทุกวัน มีตัวอย่างการใช้งานจริงที่ทีมความยั่งยืนขององค์กรผู้ผลิตรถยนต์ในยุโรปเชื่อมข้อมูลซัพพลายเชนเข้ากับแดชบอร์ดธุรกิจอัจฉริยะ จนสามารถเห็นแผนที่การปล่อยคาร์บอนแบบเรียลไทม์ แยกตามซัพพลายเออร์ ภูมิภาค และสินค้าโภคภัณฑ์ พร้อมคลิกดูระดับความเชื่อมั่นของแบบจำลองในแต่ละจุดได้ ซึ่งเปลี่ยนจากรายงานที่อ่านย้อนหลังเป็นเครื่องมือตัดสินใจที่ใช้งานได้จริง
Next World

เจนเนอเรทีฟ AI สำหรับข้อมูลไม่มีโครงสร้าง:
ข้อมูลจากซัพพลายเออร์มักมาในรูปแบบใบแจ้งหนี้ เอกสาร PDF หรืออีเมลที่ไม่มีมาตรฐานเดียวกัน โซลูชันบางรายเริ่มนำเจนเนอเรทีฟ AI มาช่วยดึงและจับคู่ข้อมูลเหล่านี้ให้เป็นระบบ ซึ่งการใช้การวิเคราะห์ข้อมูลด้วย AI ช่วยให้บริษัทสามารถทำการเก็บข้อมูลการปล่อยคาร์บอนจากซัพพลายเออร์แบบอัตโนมัติ เพิ่มความแม่นยำของข้อมูล และระบุจุดที่มีการปล่อยคาร์บอนสูงในซัพพลายเชนได้
AEE WORLD

แรงกดดันด้านกฎระเบียบที่ทำให้เรื่องนี้เร่งด่วนขึ้น

สิ่งที่เคยเป็นความสมัครใจกำลังกลายเป็นข้อบังคับ ในยุโรป มาตรการ Corporate Sustainability Reporting Directive (CSRD) กำหนดให้บริษัทขนาดใหญ่และบริษัทที่ทำธุรกิจกับสหภาพยุโรปต้องเปิดเผยข้อมูลการปล่อยคาร์บอนตลอดห่วงโซ่คุณค่าอย่างละเอียด ขณะที่ในสหรัฐฯกฎหมาย California SB 253 กำหนดให้เริ่มเปิดเผยข้อมูล Scope 3 แบบเป็นขั้นตอนตั้งแต่ปี 2027 โดยอ้างอิงจากข้อมูลปี 2026 ส่วนมาตรฐานสากลอย่าง ISSB ก็กำลังผลักดันแนวทางเดียวกันในหลายประเทศ
Neo

สำหรับธุรกิจไทยที่ส่งออกหรือเป็นส่วนหนึ่งของซัพพลายเชนบริษัทข้ามชาติ แรงกดดันนี้ไม่ใช่เรื่องไกลตัวอีกต่อไป มาตรการปรับคาร์บอนก่อนเข้าพรมแดนของสหภาพยุโรป (CBAM) รวมถึงข้อกำหนดจากคู่ค้ารายใหญ่ที่ต้องการข้อมูล Scope 3 เพื่อรายงานของตัวเอง กำลังทำให้ผู้ผลิตและผู้ให้บริการโลจิสติกส์ในภูมิภาคต้องเตรียมระบบเก็บข้อมูลคาร์บอนของตัวเองให้พร้อมส่งต่อได้ทันที ไม่เช่นนั้นอาจเสียโอกาสทางธุรกิจโดยไม่รู้ตัว

จากการวัดผลสู่การลงมือทำจริง

ข้อมูลที่น่าคิดคือแม้ปัจจุบัน 89% ของบริษัทกำลังใช้งานหรือมองหาโซลูชันดิจิทัลเพื่อติดตาม Scope 3 แต่การแปลงข้อมูลที่เก็บได้ไปสู่การลดคาร์บอนจริงยังคงล่าช้ากว่าที่ควร หลายองค์กรตกอยู่ในภาวะที่เรียกได้ว่า "วัดผลแต่ไม่ลงมือทำ" คือมีแดชบอร์ดสวยงาม มีตัวเลขครบถ้วน แต่ไม่สามารถเปลี่ยนข้อมูลนั้นให้กลายเป็นการตัดสินใจเชิงปฏิบัติ เช่น การเปลี่ยนซัพพลายเออร์ การปรับเส้นทางขนส่ง หรือการเจรจาต่อรองเพื่อให้คู่ค้าลดคาร์บอนร่วมกัน
Fiegenbaum

จุดนี้เองที่ AI ควรถูกมองว่าเป็นมากกว่าเครื่องมือรายงาน แต่เป็นระบบสนับสนุนการตัดสินใจ เมื่อโมเดลสามารถระบุได้ว่าซัพพลายเออร์รายใดหรือเส้นทางขนส่งใดคือ "จุดร้อน" ของการปล่อยคาร์บอน ทีมจัดซื้อและทีมโลจิสติกส์ก็สามารถนำข้อมูลนั้นไปใช้ประกอบการตัดสินใจควบคู่กับต้นทุนและความเสี่ยงด้านอื่น ๆ ได้ทันที แทนที่จะรอให้ทีมความยั่งยืนสรุปผลปีละครั้ง

แนวทางเริ่มต้นสำหรับธุรกิจ

องค์กรที่อยากเริ่มวางระบบติดตาม Scope 3 ด้วย AI ไม่จำเป็นต้องเริ่มจากศูนย์หรือลงทุนมหาศาลในทันที แนวทางที่ทำได้จริงในระยะแรกคือการสำรวจว่าซัพพลายเออร์กลุ่มใดมีสัดส่วนการปล่อยคาร์บอนสูงที่สุด แล้วเริ่มขอข้อมูลปฐมภูมิจากกลุ่มนั้นก่อน ควบคู่ไปกับการใช้โมเดลประมาณค่าสำหรับซัพพลายเออร์รายย่อยที่ยังไม่มีข้อมูล จากนั้นค่อยขยายขอบเขตความครอบคลุมของข้อมูลเมื่อระบบเริ่มนิ่งและทีมงานคุ้นเคยกับกระบวนการมากขึ้น

สิ่งสำคัญไม่แพ้เทคโนโลยีคือการสร้างความร่วมมือกับซัพพลายเออร์ เพราะคุณภาพของข้อมูล Scope 3 ขึ้นอยู่กับความเต็มใจของคู่ค้าในการแบ่งปันข้อมูลจริง มากกว่าความสามารถของโมเดล AI เพียงอย่างเดียว องค์กรที่ประสบความสำเร็จมักลงทุนเวลาในการอธิบายให้ซัพพลายเออร์เข้าใจประโยชน์ร่วมกัน มากกว่าการส่งแบบฟอร์มแล้วรอผลเพียงอย่างเดียว

สรุป

Scope 3 Emissions คือตัวเลขคาร์บอนที่ใหญ่ที่สุดแต่วัดยากที่สุดขององค์กร และกำลังกลายเป็นข้อบังคับทางกฎหมายมากกว่าทางเลือก AI ไม่ได้เข้ามาแทนที่ความร่วมมือกับซัพพลายเออร์ แต่เข้ามาช่วยแก้ปัญหาความซับซ้อนของข้อมูลที่กระจัดกระจาย ทั้งการจับคู่ตัวคูณการปล่อยคาร์บอนอัตโนมัติ การประเมินค่าด้วยแมชชีนเลิร์นนิงเมื่อข้อมูลไม่ครบ และแดชบอร์ดที่ทำให้เห็นภาพรวมแบบเรียลไทม์ สำหรับธุรกิจไทยที่อยู่ในซัพพลายเชนระดับโลก การเริ่มวางระบบติดตามคาร์บอนตั้งแต่วันนี้ ไม่ใช่แค่เรื่องของการปฏิบัติตามกฎระเบียบ แต่เป็นการเตรียมความพร้อมเพื่อรักษาความสามารถในการแข่งขันในตลาดที่ให้ความสำคัญกับความโปร่งใสด้านคาร์บอนมากขึ้นทุกปี