Carbon Accounting ด้วย AI: รับมือ CBAM 2026 สำหรับ SME ส่งออกไทย

ตั้งแต่วันที่ 1 มกราคม 2026 การส่งสินค้ากลุ่มเหล็ก เหล็กกล้า อลูมิเนียม ปูนซีเมนต์ ปุ๋ย ไฟฟ้า และไฮโดรเจนเข้าสหภาพยุโรปจะเข้าสู่ระบบการจัดเก็บคาร์บอนข้ามพรมแดน หรือ CBAM อย่างเต็มรูปแบบ SME ไทยไม่ต้องรอจดหมายเรียกจากลูกค้า เพราะอิมพอร์ตเตอร์ EU จะขอข้อมูลคาร์บอนแฝงของสินค้า (embedded emissions) เพื่อใช้ซื้อ CBAM Certificate AI เป็นตัวช่วยสำคัญที่ทำให้ SME เปลี่ยนเอกสารกองโตให้เป็นตัวเลขคาร์บอนที่ตรวจสอบได้ โดยไม่ต้องสร้างทีมวิจัยคาร์บอนขนาดใหญ่

CBAM 2026 คืออะไร และใครบ้างต้องเตรียมตัว

CBAM หรือ Carbon Border Adjustment Mechanism คือมาตรการปรับคาร์บอนก่อนข้ามพรมแดนของสหภาพยุโรป ถูกออกแบบให้สินค้านำเข้ามีต้นทุนคาร์บอนใกล้เคียงกับสินค้าที่ผลิตใน EU ซึ่งต้องซื้อสิทธิ์การปล่อยก๊าซเรือนกระจกภายใต้ระบบ EU ETS ระยะเปลี่ยนผ่านเก็บข้อมูลมาตั้งแต่ปี 2023 จนถึงสิ้นปี 2025 และตั้งแต่ปี 2026 เป็นต้นไป ผู้นำเข้าสินค้าที่เข้าข่ายต้องสมัครเป็น Authorized CBAM Declarant ซื้อใบรับรอง CBAM ตามจำนวนคาร์บอนแฝงของสินค้าที่นำเข้า และยื่นรายงานเป็นรายปี

สินค้าในระยะแรกครอบคลุมปูนซีเมนต์ เหล็กและเหล็กกล้า อลูมิเนียม ปุ๋ย ไฟฟ้า และไฮโดรเจน แต่ผลกระทบไม่ได้หยุดแค่ผู้ผลิตสินค้าเหล่านี้โดยตรง เพราะผู้ผลิตชิ้นส่วนยานยนต์ เครื่องจักร เฟอร์นิเจอร์โลหะ หรือบรรจุภัณฑ์อลูมิเนียมที่อยู่ในซัพพลายเชนของ EU ก็จะถูกส่งต่อคำขอข้อมูลลงมาเรื่อย ๆ SME ไทยที่ส่งออกวัตถุดิบหรือชิ้นส่วนไปยังโรงงานประกอบในประเทศหรือประเทศที่สามที่ส่งต่อเข้า EU จึงควรถามตัวเองว่า “ลูกค้าของฉันต้องรายงานคาร์บอนให้ใคร” ถ้าใช่ ก็ต้องเริ่มนับคาร์บอนตั้งแต่บรรทัดผลิตภัณฑ์ที่ขาย ไม่ใช่รอให้ถูกเรียกเก็บจริง

การถูก “เก็บ” ในทางปฏิบัติจึงมีสองชั้น ชั้นแรกคือภาระทางกฎหมายของผู้นำเข้า EU ที่ต้องซื้อใบรับรอง ชั้นที่สองคือแรงกดดันทางการค้าที่ผู้นำเข้าจะส่งมาถึงผู้ผลิตเพื่อขอข้อมูล หากซัพพลายเออร์ไทยให้ข้อมูลไม่ได้ อิมพอร์ตเตอร์อาจใช้ค่า default ที่ EU กำหนด ซึ่งมักสูงกว่าค่าการปล่อยจริงของโรงงาน แล้วหักต้นทุนส่วนเกินกลับเข้าไปในราคาซื้อ นั่นหมายความว่าโรงงานที่เตรียมข้อมูลดีกว่าจะรักษาอัตรากำไรและความสัมพันธ์ระยะยาวกับลูกค้ายุโรปไว้ได้

ทำไมการนับคาร์บอนแบบ Manual ถึงกลายเป็นคอขวดในโรงงานไทย

การคำนวณ Carbon Footprint ไม่ใช่แค่เอาค่าไฟทั้งปีมาคูณตัวเลข การจะรายงาน embedded emissions ต้องรู้ว่าสินค้าแต่ละล็อตใช้วัตถุดิบอะไร ปริมาณเท่าไหร่ ใช้ไฟฟ้าจากมิเตอร์ใด ใช้แก็สหรือน้ำมันในเตาใด มีของเสียที่รีไซเคิลหรือเผาทิ้งหรือไม่ และค่าใช้จ่ายส่วนกลางอย่างแสงสว่างสำนักงานจะปันส่วนอย่างไร ข้อมูลเหล่านี้ในโรงงานไทยมักกระจายอยู่ตามระบบ ERP ของฝ่ายบัญชี ไฟล์ Excel ของฝ่ายผลิต ใบส่งของจากซัพพลายเออร์ที่ถูกสแกนเก็บไว้เป็น PDF ตารางงานของวิศวกร และสมุดจดมิเตอร์รายวันที่หน้ารวมถึงผู้ควบคุมเครื่องจักร

การให้พนักงานนั่งคีย์ข้อมูลจากเอกสารหลายร้อยใบลงใน Spreadsheet ใช้เวลาหลายสัปดาห์และเกิดข้อผิดพลาดง่าย เช่น พิมพ์เลขมิเตอร์ผิดหนึ่งหลัก อ่านหน่วยเป็นลิตรแต่ระบบคิดเป็นกิโลกรัม หรือใช้ใบแจ้งหนี้ซ้ำกับโรงงานคนละสาขา ยิ่งโรงงานผลิตสินค้าหลายขนาด หลายเกรด ยิ่งยากที่จะรู้ว่าคาร์บอนส่วนไหนควรเป็นของสินค้าตัวไหน ลองนับภาพโรงงานชุบชิ้นส่วนเหล็กในสมุทรสาครที่มีใบสั่งซื้อเคมีหลายร้อยใบ ใบแจ้งหนี้ค่าไฟรายเดือน 12 รอบบิล และบันทึกน้ำมันของรถโฟล์กลิฟต์อีกหนึ่งกอง วิศวกรต้องใช้เวลาหลายเดือนกว่าจะได้ตัวเลข แต่เมื่อ EU auditor ขอดูที่มาทีละบรรทัด ทีมงานก็ไม่สามารถชี้เอกสารต้นทางได้ทันที เพราะระหว่างทางมีการแก้ไฟล์ซ้ำหลายเวอร์ชัน

นอกจากเวลาแล้ว ปัญหาใหญ่ที่สุดคือความน่าเชื่อถือของตัวเลข ข้อกำหนด CBAM ให้ความสำคัญกับหลักฐานและแนวทางการคำนวณที่ตรวจสอบได้ หากใช้ไฟล์ Excel ที่ไม่มีระบบบันทึกการแก้ไข ไม่มีการกำหนดผู้รับผิดชอบ และไม่มีลิงก์ไปยังใบแจ้งหนี้ต้นฉบับ ผู้นำเข้าอาจเลือกไม่ใช้ข้อมูลนั้นเพราะกลัวความเสี่ยงจากการถูกตรวจสอบ นี่คือจุดที่ AI เข้ามาเติมช่องว่างระหว่าง “ข้อมูลดิบที่รก” กับ “รายงานคาร์บอนที่มีธรรมาภิบาล”

AI ใช้ OCR และ Machine Learning คำนวณ Carbon Footprint อย่างไร

AI ใน Carbon Accounting ไม่ใช่แค่เครื่องคิดเลขอัตโนมัติ แต่เป็นระบบที่อ่านเอกสาร เข้าใจบริบท และแปลงข้อมูลให้อยู่ในโครงสร้างเดียวกันได้ กระบวนการเริ่มจากการใช้ OCR (Optical Character Recognition) อ่านข้อความจากใบแจ้งหนี้ ใบรับน้ำหนัก ใบนัดส่งสินค้า รูปถ่ายมิเตอร์ไฟฟ้า หรือแม้แต่เอกสารที่วางซ้อนกันในตู้อบ เมื่อ OCR ได้ตัวหนังสือมา ระบบ Machine Learning จะจำแนกประเภทเอกสารว่าเป็นค่าไฟฟ้า ค่าน้ำมัน ค่าวัตถุดิบ หรือค่าใช้จ่ายการผลิต และแยกฟิลด์สำคัญ เช่น เลขที่เอกสาร วันที่ ปริมาณ หน่วย ราคา และผู้ขาย จากนั้นระบบจะแมปข้อมูลเหล่านี้เข้ากับรหัสบัญชีหรือรหัสวัสดุที่มีอยู่ใน ERP เพื่อให้คำนวณ activity data ได้โดยไม่ต้องแก้โครงสร้างระบบโรงงานเดิม

สิ่งสำคัญคือ AI เรียนรู้จากการยืนยันของมนุษย์ เมื่อหัวหน้าฝ่ายผลิตแก้ไขใบแจ้งหนี้ที่ OCR อ่านผิด ระบบจะจดจำรูปแบบและปรับการอ่านครั้งถัดไปให้แม่นยำขึ้น เช่น รู้ว่าใบแจ้งหนี้จากการไฟฟ้าส่วนภูมิภาคมีตำแหน่ง “หน่วยที่ใช้” อยู่มุมขวาล่าง แต่ใบแจ้งหนี้ของบริษัทแก๊สมักอยู่กึ่งกลางตาราง นี่คือเหตุผลที่แพลตฟอร์ม AI ยิ่งใช้กับโรงงานเดิมนานเท่าไหร่ ยิ่งยิ่งแม่นยำ ไม่ใช่ต้องตั้งค่าโครงสร้างผลิตภัณฑ์ใหม่ทุกเดือน

ถ้าพูดถึงตัวอย่างจริง โรงงานรีดอลูมิเนียมขนาดกลางแห่งหนึ่งในระยองส่งออกชิ้นส่วนไปยังผู้ประกอบรถยนต์ในเยอรมนี ทีมบัญชีเคยใช้เวลา 2 อาทิตย์เพื่อรวบรวมใบแจ้งหนี้พลังงานจาก 5 บริษัทและมิเตอร์ย่อย 30 จุด หลังใช้ระบบ OCR และ Machine Learning เอกสาร 900 กว่าใบถูกดึงข้อมูลภายในครึ่งวัน และระบบแสดงความผิดปกติทันที เช่น ใบเสร็จค่าไฟบางเดือนมียอดเรียกเก็บเป็นเลข 2 เท่าจากปกติ ซึ่งเมื่อตรวจสอบพบว่าเป็นการอ่านหน่วยผิดของเจ้าหน้าที่ การที่ AI ช่วยกรองจุดผิดปกติได้เร็วทำให้ทีมไม่ต้องตรวจทีละบรรทัดและมีเวลาไปโฟกัสกับการปรับปรุงประสิทธิภาพการผลิตแทน

จะเลือกแพลตฟอร์ม Carbon Accounting ที่ EU รับฟังได้อย่างไร

SME จำนวนมากเข้าใจผิดว่า “เก็บข้อมูลเข้าโปรแกรม Sustainability แล้วตัวเลขจะถูกรับรองโดยอัตโนมัติ” ความจริงคือ EU ไม่ได้รับรองซอฟต์แวร์ แต่ผู้นำเข้าต้องรับผิดชอบตัวเลขที่ยื่น ซึ่งหมายความว่าแพลตฟอร์มที่ดีต้องทำให้ข้อมูลทุกบรรทัดมีที่มาและวิธีการคำนวณเปิดเผยพอที่ผู้ตรวจสอบจะไล่ตามได้

เกณฑ์แรกคือระบบต้องรองรับการรายงานตามโครงสร้างของ CBAM ได้แก่ การแยกการปล่อยโดยตรงจากการเผาไหม้ในเตาและการปล่อยจากกระบวนการผลิต และการปล่อยทางอ้อมจากไฟฟ้าหรือความร้อนที่ซื้อมา ระบบต้องให้ผู้ใช้เลือกสูตรการคำนวณตามแนวทางของ Commission Implementing Regulation สำหรับสินค้าแต่ละชนิด ไม่ใช่แค่รวมตัวเลขคาร์บอนทั้งหมดไว้ในช่องเดียว เกณฑ์ที่สองคือต้องมี Audit Trail ครบถ้วน ตั้งแต่ไฟล์ต้นฉบับของใบแจ้งหนี้ เวลาที่เอกสารถูกอัปโหลด ผู้บันทึกข้อมูล ผู้แก้อัตราปันส่วน และรุ่นของการคำนวณ เพื่อให้เวลา EU หรือตัวแทนลูกค้าสอบถาม สามารถกดดูหลักฐานได้ภายในไม่กี่นาที

เกณฑ์ที่สามคือความยืดหยุ่นในการผูกกับแหล่งข้อมูลโรงงาน แพลตฟอร์มราคาแพงที่ต้องติดตั้งเซนเซอร์ IoT หรือดึงข้อมูล SCADA อาจไม่เหมาะกับ SME ที่เพิ่งเริ่ม แพลตฟอร์มที่รับไฟล์ PDF, ภาพถ่ายมิเตอร์ และ Excel จากผู้ปฏิบัติงานก็เพียงพอในช่วงแรก และเมื่อธุรกิจโตขึ้น จึงค่อยเชื่อม API กับ ERP เกณฑ์สุดท้ายคือการอัปเดตตามกฎระเบียบ เพราะ CBAM มีการแก้รายละเอียดเกณฑ์การคำนวณอย่างต่อเนื่อง แพลตฟอร์มที่ทีมกฎหมายคอยติดตามประกาศ EU จะช่วยลดภาระคนในโรงงาน ไม่ใช่ซอฟต์แวร์ที่นิ่งอยู่กับที่และให้ผู้ใช้ไปติดตามข่าวเอง ทีม Flowtica แนะนำให้ถามผู้ให้บริการเสมอว่า “ระบบรองรับ function ของ CBAM ที่เพิ่งปรับปรุงปีนี้หรือไม่” และให้ทดลองกับสินค้าจริงของตัวเองก่อนสัญญาระยะยาว

เริ่มต้น 5 ขั้นตอนสำหรับ SME ที่งบยังจำกัด

ขั้นตอนแรกคือกำหนด “เป้าหมายสินค้า” และ “เป้าหมายลูกค้า” นำรหัส HS ของผลิตภัณฑ์สองสามรายการที่ขายดีที่สุดไปเทียบกับรายการ CBAM หรือขอเอกสารจากลูกค้า EU ว่าต้องการข้อมูลระดับ product carbon footprint หรือรายงานโรงงานทั้งหมด หากยังไม่มีการร้องขอเป็นลายลักษณ์อักษร ให้เริ่มจากข้อมูลพลังงานของทั้งโรงงานก่อน เพราะข้อมูลเหล่านี้ใช้กับทุกผลิตภัณฑ์ได้ในภายหลัง

ขั้นตอนที่สองคือวาง “แผนที่ข้อมูล” หนึ่งหน้ากระดาษ เขียนตั้งแต่ประตูโรงงานรับวัตถุดิบ โรงเก็บสารเคมี เตาเผา หรือเครื่องคอมเพรสเซอร์ ไปจนถึงจุดส่งสินค้า ระบุแหล่งพลังงานที่ใช้ในแต่ละขั้นตอน เช่น ไฟฟ้า LPG น้ำมันดีเซล น้ำประปา แล้ววงกลมจุดที่ยังไม่มีมิเตอร์หรือยังไม่มีเอกสาร จุดที่ไม่มีข้อมูลคือจุดที่ต้องไปติดตั้งมิเตอร์ย่อยหรือขอใบแจ้งยอดซื้อกับผู้ขายก่อนเริ่มคำนวณ

ขั้นตอนที่สามคือทดลอง AI กับข้อมูลแค่หนึ่งเดือนหรือสามเดือน ไม่ต้องเก็บทั้งปี รวบรวมบิลค่าไฟฟ้า ค่าเชื้อเพลิง และใบส่งวัตถุดิบหลักของเดือนที่มีการผลิตตามปกติ อัปโหลดลงแพลตฟอร์มที่มี OCR แล้วให้ระบบจัดกลุ่มเอกสาร พนักงานบัญชีตรวจสอบยอดเงินและหน่วยการใช้กับใบแจ้งหนี้จริง ควรใช้เวลาตรวจไม่เกินครึ่งวัน ถ้าตรวจแล้วพบว่าระบบอ่านผิดบ่อยเกิน 5% ต้องปรับคุณภาพไฟล์หรือเลือกเครื่องมืออื่น

ขั้นตอนที่สี่คือตั้ง “เกณฑ์การปันส่วน” ที่โรงงานยอมรับได้ เช่น ไฟฟ้าของไลน์ผลิตชิ้นส่วน A คิดจากชั่วโมงการทำงานของเครื่องจักร ห้องออฟฟิศปันส่วนตามจำนวนพนักงาน และการเผาไหม้ของเตาหลอมคิดตามน้ำหนักวัตถุดิบที่ป้อนในแต่ละล็อต ผู้จัดการโรงงานต้องเซ็นอนุมัติเกณฑ์นี้และเก็บไว้เป็นหลักฐาน เพื่อให้ตัวเลข CBAM ไม่ถูกตั้งคำถามว่าทำไมค่าไฟฟ้าโรงงานทั้งหมดไปตกอยู่ที่สินค้าส่งออกเพียงรายการเดียว

ขั้นตอนที่ห้าคือสร้างรอบรายงานระยะสั้น เช่น ทุกสิ้นเดือนให้ระบบ AI สรุปคาร์บอนเบื้องต้นของสินค้าหลัก แล้วให้ผู้จัดการฝ่ายผลิตและบัญชีตรวจทานร่วมกัน เมื่อครบปี ผู้จัดการสามารถดึงรายงานที่ผ่านการอนุมัติรายเดือนมาประกอบเป็นรายงานประจำปีได้ทันที วิธีนี้ช่วยลดงานเร่งด่วนก่อนกำหนดส่งของลูกค้า EU และทำให้ SME ไม่ต้องไปไล่เก็บเอกสารย้อนหลังทีละหลายพันใบในเดือนเมษายนปีหน้า

สรุป: SME ไทยพร้อมส่งข้อมูลคาร์บอนให้ลูกค้า EU แล้วหรือยัง

CBAM 2026 ไม่ใช่เรื่องของบริษัทใหญ่ที่มีทีมความยั่งยืนเท่านั้น สำหรับ SME ส่งออกไทย การเตรียมตัวด้วย Carbon Accounting และ AI คือการลดความเสี่ยงที่ลูกค้า EU จะหันไปใช้ค่า default หรือเปลี่ยนซัพพลายเออร์เป็นประเทศที่ส่งข้อมูลได้ครบถ้วนกว่า จุดเริ่มต้นไม่จำเป็นต้องแพง เริ่มจากสินค้าตัวหลัก เอกสารสามเดือน และแพลตฟอร์ม AI ที่อ่านเอกสารได้จริง สิ่งที่สำคัญที่สุดคือการทำให้ข้อมูลคาร์บอนถูกบันทึกอย่างเป็นระบบและมีคนรับผิดชอบต่อตัวเลข

การเก็บข้อมูลคาร์บอนยิ่งเริ่มเร็ว ยิ่งได้เปรียบ เพราะปี 2026 นี้เป็นปีแรกที่ผู้นำเข้าต้องใช้ข้อมูลจริงในการซื้อใบรับรอง โรงงานใดที่เตรียมตัวล่วงหน้าได้ จะได้เปรียบทั้งเรื่องต้นทุนต่อหน่วยที่ต่ำกว่า มีเอกสารรองรับการเจรจา และสร้างภาพลักษณ์ของผู้ผลิตที่โปร่งใส AI จะเป็นเครื่องมือที่ช่วยให้ก้าวข้ามข้อจำกัดของคนและกระดาษได้ แต่หัวใจของความสำเร็จยังอยู่ที่ผู้บริหารที่ตัดสินใจเริ่มกระบวนการตั้งแต่วันนี้ ไม่ใช่ปีหน้าที่ลูกค้ายุโรปถือใบสั่งซื้อมาขอดูตัวเลข