องค์กรจำนวนมากนำ AI มาใช้ในงานประจำวันแล้ว ตั้งแต่สรุปการประชุม ย่อข้อความ ไปจนถึงสร้างรูปภาพ แต่การนำ AI มาใช้ไม่ได้หมายความว่าจะสามารถขยายผลต่อในองค์กรได้เสมอไป
วัตสัน ถิรภัทรพงศ์ Country Manager, AWS Thailand กล่าวว่า จากงานวิจัยที่กล่าวถึง มีองค์กรเกือบ 93% ที่นำ AI ไปใช้แล้วไม่ประสบความสำเร็จ โดยคำว่าไม่ประสบความสำเร็จไม่ได้หมายถึงล้มเหลวทั้งหมด แต่หมายถึงไม่สามารถขยายผลต่อได้ สาเหตุที่กล่าวถึงคือ องค์กรไม่สามารถนำ AI ไปใช้ในบริบทขององค์กรหรือในรูปแบบแพลตฟอร์ม ขณะที่การใช้งานส่วนใหญ่ยังเป็นงานง่าย ๆ เช่น สรุปการประชุม ย่อข้อความ หรือสร้างรูปภาพ จึงยังไม่เห็นผลในเชิงธุรกิจ
จากประสบการณ์ที่ AWS ทำงานด้าน AI กับภาคธุรกิจ คุณวสันต์นำเสนอ 5 กรณีศึกษาขององค์กรในไทย ตั้งแต่ Big C, 7-Eleven, ThaiOil, PTT OR ไปจนถึง Sansiri ซึ่งนำ AI ไปใช้กับโจทย์ที่แตกต่างกัน ทั้งการขาย การบริหารสินค้าคงคลัง การจัดการองค์ความรู้ การวิเคราะห์ทำเล และการจัดการเอกสาร
Big C ใช้ AI Agent ขยายการขายผ่าน Chat Shop
Big C นำเทคโนโลยีดิจิทัลมาใช้กับการขายผ่าน LINE ตั้งแต่ช่วงโควิด ผ่านบริการ Call Chat Shop ลูกค้าสามารถแชทแจ้งรายการสินค้าที่ต้องการซื้อ ก่อนมีพนักงานรับรายการ จัดสินค้า และส่ง Delivery โมเดลดังกล่าวสร้างยอดขายให้ Big C มากกว่า 2,000 ล้านบาทต่อปี มีคำสั่งซื้อประมาณ 4,000 ออร์เดอร์ต่อวัน และใช้พนักงาน 18 คนต่อกะ
ข้อจำกัดเกิดขึ้นเมื่อธุรกิจต้องการเพิ่มยอดขาย เพราะวิธีเดิมหมายถึงต้องเพิ่มจำนวนพนักงานที่ให้บริการตามไปด้วย วสันต์อธิบายว่า รูปแบบดังกล่าวจึงไม่สามารถ Scale ได้ เพราะยังผูกอยู่กับจำนวน Agent ที่เป็นคน
Big C จึงนำ AI มาเป็น Agent และพัฒนาโครงการชื่อ “Biggy” ซึ่งปัจจุบันอยู่ในช่วง Beta โดย AI สามารถรองรับหลายภาษา เชื่อมกับสินค้าที่หลากหลาย และมีแนวคิดเชื่อมสาขาเข้าด้วยกัน หากสาขาที่อยู่ใกล้ลูกค้าไม่มีสินค้า ก็สามารถนำสินค้าจากสาขาอื่นเข้ามาช่วยได้
รูปแบบการซื้อสินค้าก็เปลี่ยนจากการระบุชื่อสินค้าทีละรายการมาเป็นการสื่อสารด้วยภาษาธรรมชาติ เช่น แทนที่จะบอกว่าต้องการซื้อซีอิ๊วหรือน้ำตาล ลูกค้าสามารถถามว่า หากต้องการทำไข่เจียวหมูสับต้องใช้อะไร ระบบจะลิสต์วัตถุดิบ เช่น ไข่ น้ำมัน ซีอิ๊ว และน้ำตาล พร้อมแสดงสินค้าให้เลือกซื้อได้ทันที
ปัจจุบัน Vicky ทดลองใช้กับลูกค้าประมาณ 3,500 คน ผลที่เกิดขึ้นคือ Conversion Rate สูงขึ้น ขนาดตะกร้าสินค้าเพิ่มขึ้นเกือบ 10% พร้อมลดปริมาณงานที่คนต้องเข้ามาดูแลหรือจัดการเรื่องการขาย
7-Eleven ใช้ AI ลดของขาด 40% พร้อมลด Inventory
สำหรับ 7-Eleven โจทย์อยู่ที่การบริหารสินค้าในร้าน เมื่อสินค้าบนชั้นวางขาด วิธีแก้ที่ตรงไปตรงมาคือเพิ่ม Stock แต่การเพิ่มสินค้าคงคลังหมายถึงต้นทุนที่สูงขึ้น ขณะที่ร้านแต่ละสาขามีลักษณะไม่เหมือนกัน บางแห่งอยู่ใกล้โรงเรียน บางแห่งอยู่ใกล้โรงพยาบาลหรือโรงงาน ทำให้สินค้าที่ต้องสำรองไว้แตกต่างกัน
ช่วงเวลาเองก็มีผล เช่น ร้านใกล้โรงเรียนในช่วงปิดเทอมอาจมีพฤติกรรมการซื้อเปลี่ยนไป หากใช้ Inventory รูปแบบเดิมโดยไม่คำนึงถึงบริบทของแต่ละพื้นที่ ก็อาจทำให้ต้นทุนการเก็บสินค้าเพิ่มขึ้น
7-Eleven จึงทดลอง Train Model โดยนำข้อมูลในอดีต ช่วงปิดโรงเรียน สภาพอากาศ และกิจกรรมในช่วงเวลาต่าง ๆ มาประมวลผลเพื่อทำ Demand Supply Forecasting สำหรับร้านมากกว่า 10,000 สาขา ทำให้ Inventory ของแต่ละสาขาไม่จำเป็นต้องเหมือนกัน แต่สามารถปรับตามรูปแบบและพื้นที่ของสาขานั้น
ผลคือสามารถลดปัญหาลูกค้าไปที่ร้านแล้วหาสินค้าไม่ได้หรือสินค้าขาดจากชั้นวางลง 40% พร้อมกับลด Inventory ลงเกือบ 3-4% โดยไม่ต้องเพิ่มปริมาณสินค้าคงคลังเพื่อแก้ปัญหาของขาด
ThaiOil เปลี่ยนองค์ความรู้เป็น AI Agent
ThaiOil มีองค์ความรู้จากการดำเนินธุรกิจโรงกลั่นมา 64 ปี โดยข้อมูลอยู่ในหลายรูปแบบ ตั้งแต่ Drawing ทางวิศวกรรม ข้อมูลจากการตรวจสอบหน้างาน อีเมล บันทึกเก่า ไปจนถึงมาตรฐานต่าง ๆ รวมถึงความรู้และประสบการณ์ของพนักงานที่กำลังเกษียณ ซึ่งเมื่อพนักงานออกจากองค์กร ความรู้เหล่านั้นอาจออกไปพร้อมกับพนักงานด้วย
ลักษณะงานของโรงกลั่นยังต้องใช้ข้อมูลอย่างละเอียด คุณวสันต์ยกตัวอย่างว่า แม้เป็นคำถามเกี่ยวกับการเชื่อมจุดบนท่อ ก็ต้องรู้ว่ามีเรื่องใดต้องระวัง เพราะหากดำเนินการโดยไม่ดูรายละเอียดอาจสร้างความเสียหาย รวมถึงความเสี่ยงจากไฟไหม้หรือการระเบิด การทำงานจึงไม่ได้จบเพียงการหาคำตอบ แต่ยังมีกระบวนการ Change Request การประชุม และการออกคำสั่งก่อนลงมือปฏิบัติจริง ซึ่งบางกรณีใช้เวลาหลายวัน
ThaiOil เริ่มทดสอบตั้งแต่ช่วงปี 2023 ช่วงแรกมีโครงการ Gen AI ในรูปแบบการถามตอบ แต่ยังไม่สามารถตอบโจทย์ได้ จึงพัฒนาเป็นโครงการย่อย โดยนำองค์ความรู้จากเอกสาร การสัมภาษณ์พนักงานที่กำลังเกษียณ และการพูดคุยกับผู้กำกับดูแล มาพัฒนาเป็นโครงการ “IQ” ก่อนต่อยอดเป็น AI Agent
AI Agent ของ ThaiOil มีความรู้ 5 เรื่อง เช่น Agent สำหรับช่วยพนักงานใหม่ในการตรวจสอบไซต์งาน Agent ที่เกี่ยวข้องกับกระบวนการกลั่น Agent ด้านกระบวนการเผาไหม้ การวิเคราะห์ว่าจะกลั่นมากหรือน้อยตามภาวะตลาด และ Agent สำหรับการเรียนรู้ของพนักงาน
ความแตกต่างจากระบบถามตอบทั่วไปเห็นได้จากตัวอย่างงานจัดซื้อ เมื่อพนักงานถามเรื่องการซื้อของเข้าแผนก ระบบไม่ได้ตอบเฉพาะขั้นตอนว่าต้องเปิด Purchase Request ก่อนเข้าสู่กระบวนการ Purchase Order แต่ยังให้ข้อควรระวัง เช่น ห้ามแบ่งคำสั่งซื้อออกเป็นส่วนย่อยเพื่อป้องกันการทุจริต ต้องตรวจสอบว่าผู้ค้าผ่านการขึ้นทะเบียนแล้ว และมีเงื่อนไขสำหรับการซื้อที่มีมูลค่าไม่เกิน 10,000 บาท ข้อมูลเหล่านี้เป็นองค์ความรู้ที่สะสมมาจากประสบการณ์จริงของคนในองค์กร
ตัวอย่างกรณีที่เกี่ยวข้องกับเขม่าในเตาเผา เดิมพนักงานต้องสอบถาม Senior Engineer ผู้เชี่ยวชาญ และผู้ที่มี License พร้อมรวบรวมข้อมูลจากหลายแหล่งเพื่อจัดทำข้อมูลสำหรับนำเข้าที่ประชุม กระบวนการนี้เคยใช้เวลาเกือบสองสัปดาห์ หลังมี IQ ระบบสามารถรวบรวมข้อมูลที่ต้องการและลดเวลาลงเหลือประมาณ 5 นาที ก่อนนำข้อมูลเข้าที่ประชุม
จากการทดลองกับพนักงานประมาณ 50 คน สามารถลดเวลาได้เฉลี่ย 14,000 ชั่วโมงต่อปี คุณวสันต์ยังระบุว่า นอกจากการลดเวลาแล้ว ความแม่นยำของข้อมูลและประสิทธิภาพในการบำรุงรักษาก็ดีขึ้น เมื่อประเมินเป็นมูลค่า กลุ่มทดลอง 50 คนสร้างมูลค่าได้ประมาณ 86 ล้านบาทต่อปี เทียบกับต้นทุนประมาณ 4 ล้านบาท และคืนทุนได้ภายในครึ่งปี หากขยายการใช้งานจาก 50 คนไปยังพนักงาน 2,000 คน จะสามารถสร้างมูลค่าได้มากกว่า 300 ล้านบาทต่อปี
PTT OR ใช้ AI วิเคราะห์ทำเลและบริการลูกค้า
PTT OR นำ AI มาใช้กับงานที่เชื่อมจากหลังบ้านไปสู่หน้าบ้าน โดยคุณวสันต์ยกตัวอย่าง 2 รูปแบบ รูปแบบแรกคือการประเมินพื้นที่สำหรับผู้ที่ต้องการเปิดสถานีบริการ
เมื่อมีผู้สมัครเปิดสถานีและส่งข้อมูลเข้ามา ระบบ AI สามารถใช้ Geo Analytics วิเคราะห์ตำแหน่งที่ตั้ง ตรวจสอบว่าบริเวณโดยรอบมีสถานีบริการอยู่หรือไม่ ทั้งสถานีของ PTT และคู่แข่ง รวมถึงวิเคราะห์โอกาสและปัจจัยที่เกี่ยวข้องกับพื้นที่นั้น
ระบบยังใช้ประกอบการพิจารณาว่า หากเปิดสถานีจริงจะสามารถสร้างรายได้และกำไรได้หรือไม่ รวมถึงตรวจสอบว่าสถานีใหม่อาจ Cannibalize หรือแย่งรายได้จากสถานี PTT เดิมที่อยู่ใกล้เคียงหรือไม่ เพื่อประกอบการประเมินว่าการลงทุนนั้นมีโอกาสคุ้มทุนหรือไม่ ซึ่งเป็นข้อมูลที่เป็นประโยชน์ต่อผู้ลงทุนแฟรนไชส์สถานีบริการ
รูปแบบที่สองคือการนำข้อมูลมาใช้กับบริการลูกค้า โดยต้องได้รับ Consent ก่อนเพื่อคุ้มครองข้อมูลส่วนบุคคล เมื่อได้รับความยินยอมแล้ว ระบบสามารถระบุข้อมูลของลูกค้าที่เข้ามาใช้บริการและนำไปใช้เสนอโปรโมชันที่เกี่ยวข้อง เช่น หากเป็นลูกค้าของ Café Amazon ก็สามารถนำเสนอโปรโมชันกาแฟ รวมถึงบริการอื่นที่มีอยู่ภายในสถานีบริการ
Sansiri ใช้ AI ลดเวลาจัดการใบแจ้งหนี้เกือบครึ่ง
Sansiri นำ AI มาใช้กับงานด้าน Operation โดยมีผู้ค้าและพันธมิตรจำนวนมาก และต้องจัดการใบแจ้งหนี้ประมาณ 50,000 รายการต่อเดือน ปัญหาคือข้อมูลในใบแจ้งหนี้ต้องผ่านการตรวจสอบว่าถูกต้องหรือมีความขัดแย้งกับรายการอื่นหรือไม่ ซึ่งเดิมต้องใช้คนเข้ามาจัดการงานส่วนนี้จำนวนมาก
เมื่อนำ AI มาใช้ ระบบไม่ได้ทำเพียง OCR เพื่อดึงข้อมูลจากภาพมาเป็นข้อความ แต่ยังดูบริบทว่าข้อมูลภายในใบแจ้งหนี้มีความขัดแย้งกันหรือไม่ ทำให้ AI เข้ามาช่วยลดภาระในกระบวนการดังกล่าว หลังนำ AI มาใช้ เวลาที่เคยใช้ในการจัดการใบแจ้งหนี้ลดลงเกือบครึ่งหนึ่ง
จาก 5 เคส สู่ AI-Driven Development
นอกจาก 5 กรณีศึกษา วสันต์ยังนำเสนอแนวทางการใช้ AI ในการพัฒนาซอฟต์แวร์ โดยเปรียบเทียบรูปแบบที่ปล่อยให้ AI สร้างโค้ดหลังได้รับ Prompt กับรูปแบบที่มนุษย์ยังเป็นผู้เขียนโค้ดและใช้ AI ช่วยบางส่วน ก่อนกล่าวถึงแนวคิด AI-Driven Development ที่ให้มนุษย์กับ AI ทำงานร่วมกันระหว่างกระบวนการ
กระบวนการเริ่มจากมนุษย์กำหนด Requirement จากนั้น AI สร้าง Specification ให้มนุษย์ตรวจสอบ หากยืนยันแล้วจึงให้ AI ทำ Design ก่อนเข้าสู่ขั้นตอนเขียนโค้ด ทำให้มีช่วงที่มนุษย์เข้ามาตรวจสอบ AI ระหว่างทาง ไม่ใช่การ Prompt ครั้งเดียวแล้วปล่อยให้ AI ทำงานจนจบ หาก Specification ที่ AI สร้างขึ้นไม่ตรงกับความต้องการก็สามารถแก้ไขก่อนดำเนินการต่อได้
ตัวอย่างเช่น Control A ซึ่งนำแนวทางดังกล่าวไปใช้และสามารถสร้าง Use Case จริงออกมาได้ภายในสองวัน พร้อมระบุว่าแนวทางนี้ช่วยประหยัดเวลาในการพัฒนาแอปพลิเคชัน
กรณีศึกษาที่นำเสนอครอบคลุมตั้งแต่การค้าปลีก พลังงาน ไปจนถึงงานด้าน Operation ขณะที่คุณวสันต์ระบุว่า AI ยังสามารถนำไปประยุกต์ใช้กับอุตสาหกรรมอื่น รวมถึงงานในฝ่ายการเงิน บัญชี จัดซื้อ และ Customer Support พร้อมกล่าวทิ้งท้ายว่า AI เป็นเรื่องใกล้ตัว และอยากให้องค์กรทดลองนำไปใช้ในรูปแบบที่เป็นประโยชน์กับองค์กรมากขึ้น
ข่าวอื่น ๆ ที่น่าสนใจ
AI เปลี่ยนอุตสาหกรรมดิจิทัลไทย จาก Cloud–Data Center ถึงโจทย์ Talent
AI การแพทย์ไทย จากฐานข้อมูลสุขภาพ สู่การป้องกันโรคก่อนเจ็บป่วย
