อนาคตของการทำงานด้วยระบบอัตโนมัติ ที่ทุกคนเข้าถึงได้ ผ่านระบบ AI Agent

ถ้าพวกเราเคยคิดว่า “หุ่นยนต์” หรือ “ระบบอัตโนมัติ” เป็นเรื่องไกลตัว หรือเข้าใจยาก ลองคิดใหม่! เพราะวันนี้  UiPath RPA platform บริษัทชั้นนำด้านเทคโนโลยีอัตโนมัติ กำลังพาเราเข้าสู่ยุคใหม่ที่การทำงานอัตโนมัติไม่ใช่แค่เรื่องของหุ่นยนต์ แต่เป็นระบบที่ “คิดเป็น” และ “ทำเป็น” ได้ด้วยตัวเอง มาเข้าใจกันแบบง่ายๆ ว่ามันคืออะไร และจะเปลี่ยนการทำงานของเราได้อย่างไร พร้อมไปกับที่แอดมินไปสรุปประเด็นสำคัญจาก research มาย่อยให้ฟังครับ

ประเด็นสำคัญจากรายงาน (UiPath Agentic AI reprt 2025 โดยคุณโธมัสและคุณเอียน – การเตรียมความพร้อมก่อนการมาถึงยุคแห่ง AI Agent)

ผลสำรวจ

  • 74% ขององค์กรเชื่อว่า Agentic AI จะช่วยลดเวลาการทำงานซ้ำๆ ได้มากกว่า 50%
  • 68% คาดว่าเทคโนโลยีนี้จะเพิ่มความแม่นยำในการทำงาน และลดความเสี่ยงจากข้อผิดพลาดของมนุษย์
  • 81% ของผู้บริหารเห็นว่า Agentic AI จะเป็นตัวเร่งสำคัญในการเปลี่ยนผ่านสู่ดิจิทัลขององค์กร
  • ความท้าทาย
    • ความกังวลเรื่องความเป็นส่วนตัวของข้อมูล (45% ขององค์กร)
    • การปรับกระบวนการทำงานเดิมให้สอดคล้องกับ AI (37%)
    • การฝึกอบรมพนักงาน ให้ใช้เทคโนโลยีได้อย่างมีประสิทธิภาพ (29%)
  • แนวโน้มในอนาคต
    • UiPath คาดว่า ภายในปี 2026 องค์กรกว่า 60% จะใช้ Agentic AI เป็นส่วนหนึ่งของกระบวนการทำงานหลัก
    • เทคโนโลยีนี้จะถูกผนวกเข้ากับเครื่องมืออัตโนมัติที่มีอยู่ เช่น RPA (Robotic Process Automation) เพื่อสร้างระบบที่ทั้ง “คิดเป็น” และ “ทำเป็น”

คราวนี้เรามาดูเมื่อเกิดการผนวก ระบบที่ “คิดเป็น” และ “ทำเป็น” เข้าไว้ด้วยกัน จะเกิดอะไรขึ้น พร้อมตัวอย่าง และเครื่องมือต่างๆ ที่พวกเรา Automat Consulting ไปลองไปเล่น และพร้อมนำเสนอมีอะไรกันบ้าง

1. ระบบอัตโนมัติแบบเดิม vs ระบบอัตโนมัติแบบใหม่

  • ระบบอัตโนมัติแบบเดิม: เป็นเหมือนโปรแกรมซอฟต์แวร์หุ่นยนต์ที่ทำตามคำสั่งที่เราตั้งไว้ เช่น คัดลอกข้อมูลจากที่หนึ่งไปอีกที่หนึ่ง หรือกรอกแบบฟอร์มซ้ำๆ โดยที่มันไม่สามารถตัดสินใจอะไรได้เอง
  • ระบบอัตโนมัติแบบใหม่: ระบบนี้จะฉลาดขึ้น มันสามารถ “คิด” และ “ตัดสินใจ” ได้ด้วยตัวเอง เช่น ถ้ามีข้อมูลผิดปกติ มันจะแจ้งเรา หรือแก้ไขได้ทันทีโดยไม่ต้องรอคำสั่ง

2. Agentic Automation: ระบบที่คิดเป็น

ลองนึกภาพระบบอัตโนมัติที่เหมือนมีสมองของตัวเอง มันสามารถเรียนรู้จากข้อมูลที่ได้รับ และปรับปรุงตัวเองให้ทำงานได้ดีขึ้นเรื่อยๆ โดยไม่ต้องให้มนุษย์คอยควบคุมตลอดเวลา
ตัวอย่างเช่น:

  • ถ้ามีอีเมลเข้ามา ระบบสามารถอ่านและตัดสินใจได้ว่าเป็นเรื่องด่วนหรือไม่ ถ้าด่วนก็ส่งต่อให้คนที่เกี่ยวข้องทันที
  • ถ้ามีข้อมูลผิดปกติในระบบ ระบบสามารถตรวจสอบและแก้ไขได้เองโดยไม่ต้องรอให้มนุษย์เข้ามาดูแล
  • ในกระบวนการ ที่ระบบเข้าใจ จะทำเองให้จบ หรือส่งต่อให้มนุษย์ตัดสินใจอีกที ได้หมด

3. Robotic Automation: ระบบที่ทำเป็น

ส่วนนี้คือระบบที่ทำงานซ้ำๆ ได้อย่างแม่นยำและรวดเร็ว เช่น:

  • กรอกข้อมูลลงในระบบทีละหลายร้อยรายการ
  • คัดลอกข้อมูลจากเอกสารหนึ่งไปยังอีกที่หนึ่ง
  • จัดเรียงข้อมูลใน Excel โดยไม่ผิดพลาด

ระบบนี้ช่วยลดเวลาการทำงานและลดข้อผิดพลาดที่อาจเกิดจากมนุษย์ได้อย่างมาก

4. อนาคตคือการรวมกันของ Agentic และ Robotic

UiPath กำลังพัฒนาระบบที่ผสานความสามารถของทั้งสองรูปแบบเข้าด้วยกัน นั่นคือระบบที่ทั้ง “คิดเป็น” และ “ทำเป็น” ในเวลาเดียวกัน
ตัวอย่างเช่น:

  • ระบบสามารถอ่านอีเมลที่ลูกค้าส่งมา เข้าใจว่าลูกค้าต้องการอะไร แล้วจัดการคำขอนั้นได้เองโดยอัตโนมัติ
  • ระบบสามารถตรวจสอบข้อมูลในระบบบัญชี และแก้ไขข้อผิดพลาดได้ทันทีโดยไม่ต้องรอให้มนุษย์เข้ามาดูแล

5. ประโยชน์ที่ทุกคนจะได้รับ และอนาคตที่ทุกคนเข้าถึงได้

  • ทำงานเร็วขึ้น: ระบบอัตโนมัติช่วยลดเวลาการทำงานซ้ำๆ ทำให้เรามีเวลาไปโฟกัสกับงานที่สำคัญกว่า
  • แม่นยำมากขึ้น: ระบบอัตโนมัติทำผิดพลาดน้อยกว่ามนุษย์ โดยเฉพาะงานที่ต้องใช้ความละเอียด
  • ลดต้นทุน: เมื่อระบบทำงานแทนมนุษย์ได้ บริษัทก็สามารถลดค่าใช้จ่ายในการจ้างคนทำงานซ้ำๆ ได้
  • สร้างได้ด้วยตัวพวกเราเอง ง่ายและทำได้ด้วยผู้ใช้งานเอง พัฒนาให้เก่งขึ้นด้วยเครื่องมือที่เข้าถึง ใช้ง่าย

UiPath Platform กำลังพาเราเข้าสู่ยุคใหม่ที่ระบบอัตโนมัติไม่ใช่แค่เครื่องมือทำงาน แต่เป็นเพื่อนร่วมงานที่ช่วยคิดและช่วยทำได้ด้วยตัวเอง ไม่ว่าคุณจะเป็นนักบัญชี นักการตลาด หรือแม้แต่คนทั่วไปที่อยากทำงานให้ง่ายขึ้น ระบบอัตโนมัติแบบใหม่นี้จะช่วยให้ชีวิตการทำงานของคุณดีขึ้นแน่นอน คราวนี้มาดูตัวอย่างที่ระบบได้เตรียมเริ่มต้นไว้ให้ มีอะไรกันบ้าง

1. UiPath Autopilot: เครื่องมือไว้ติดต่อกับ ai (จาก UiPath)

เคยไหม? อยากให้คอมพิวเตอร์ทำงานแทน แต่ไม่รู้จะเขียนโปรแกรมยังไง… UiPath Autopilot คือคำตอบ! โดยระบบจะให้เราใช้ผ่านทางการสั่งให้ Agent ไปทำงานให้ และหากเป็นคำสั่งใหม่ๆ เราสามารถเลือก หรือสร้าง Agent ใหม่ได้ด้วยผ่าน UiPath Agent Builder (ซึ่งแอดมิน จะเขียนแชร์ต่อในตอนหน้าๆ)

  • Autopilot คืออะไร: คิดซะว่าเป็นระบบอัตโนมัติที่คุณสั่งงานเป็นภาษาพูดหรือข้อความได้เลย เช่น บอกว่า “จัดเรียงข้อมูลใน Excel ให้หน่อย” หรือ “ส่งอีเมลแจ้งลูกค้าเมื่อมีสินค้ามาในสต็อก” ระบบจะแปลงคำพูดของคุณเป็นกระบวนการทำงานอัตโนมัติทันที
  • ตัวอย่างการใช้งาน:
    • คุณบอก Autopilot ว่า “สร้างรายงานสรุปยอดขายรายสัปดาห์” ระบบจะดึงข้อมูลจาก Excel มาแปลงเป็นกราฟสวยๆ ให้เอง
    • ลูกค้าถามคำถามทางแชท Autopilot จะค้นหาคำตอบจากข้อมูลบริษัทและตอบกลับอัตโนมัติ

2. Context Grounding: ระบบที่ “เข้าใจบริบท” เหมือนมนุษย์เราๆนี่เลย

ทำไมบางครั้งหุ่นยนต์ตอบคำถามแปลกๆ? เพราะมันไม่เข้าใจ “ความหมาย” ของสิ่งที่คุณถาม! UiPath เลยเสริมฟีเจอร์ Context Grounding ให้ระบบเข้าใจบริบทงานแบบเจาะลึก

  • Context Grounding คืออะไร: ระบบจะวิเคราะห์ข้อมูลแวดล้อม เช่น ประวัติลูกค้า ข้อมูลบริษัท หรือเอกสารอ้างอิง เพื่อตอบคำถามหรือตัดสินใจได้แม่นยำขึ้น
  • ตัวอย่างการใช้งาน:
    • เมื่อลูกค้าถามว่า “สถานะการส่งของฉันเป็นยังไง?” ระบบจะดึงข้อมูลการจัดส่งจากอีเมลและฐานข้อมูลมาแสดงผลได้ทันที
    • ถ้ามีเอกสารกฎหมายเข้ามา ระบบจะอ่านและสรุปประเด็นสำคัญโดยอ้างอิงกฎหมายที่เกี่ยวข้อง

3. Intelligent Document Processing (IDP): ระบบอ่านเอกสารอัจฉริยะ

เคยปวดหัวกับเอกสารเป็นร้อยหน้าไหม? IDP คือผู้ช่วยอ่านเอกสารที่ทำงานแทนคุณได้ในคลิกเดียว!

  • IDP คืออะไร: ระบบ AI ที่สแกน อ่าน และประมวลผลเอกสารทุกประเภท (PDF, ใบแจ้งหนี้, สัญญา) แบบอัตโนมัติ แม้แต่ลายมือเขียนก็อ่านได้
  • ตัวอย่างการใช้งาน:
    • ส่งใบแจ้งหนี้เข้าไปในระบบ IDP จะดึงข้อมูลเช่น วันที่, จำนวนเงิน, เลขที่ invoice ออกมาเก็บใน Excel ให้เอง
    • กรอกแบบฟอร์มใบลาโดยการถ่ายรูป ส่งให้ IDP ระบบจะแปลงภาพเป็นข้อมูลดิจิทัลพร้อมจัดเก็บให้เองเลย

Source:
 UiPath Platform: The Future is Agentic and Robotic

https://www.uipath.com/newsroom/agentic-ai-report-findings

ใช้ AI จัดการปริมาณ email จำนวนมหาศาลให้อยู่หมัด ด้วย Agentic AI – UiPath Communication Mining และ UiPath GenAI เพื่อยกระดับ Email Automation ในหลากหลายอุตสาหกรรม

การจัดการกับปริมาณอีเมลที่ล้นระบบเป็นปัญหาที่หลายองค์กรต้องเผชิญ ไม่ว่าจะเป็นหน่วยงานเช่น ธนาคาร ประกันภัย หรือโรงงานอุตสาหกรรม ที่ได้รับอีเมลจากลูกค้า ซัพพลายเออร์ และหน่วยงานกำกับดูแล หรือธุรกิจอื่นๆ ที่ต้องรับมือกับการสื่อสารจากลูกค้าและคู่ค้า แอดมินอ่านบทความของ UiPath เรื่อง “ธนาคารเอาชนะปัญหาอีเมลล้นระบบด้วยระบบอัตโนมัติ”ได้กล่าวถึงการนำเทคโนโลยีอัตโนมัติมาใช้เพื่อเพิ่มประสิทธิภาพในการจัดการอีเมล ซึ่งประสบความสำเร็จในการช่วยองค์กร ให้ลดภาระงานที่ซับซ้อนและลดข้อผิดพลาดที่อาจเกิดจากการจัดการด้วย manual จึงได้นำมาผนวกเพิ่มเติมกับความสามารถของ GenAI และพร้อมไปด้วยยก ตัวอย่าง use case ที่เคยทำในอุตสาหกรรมต่างๆ เรามาเริ่มด้วย solution ที่ UiPath เตรียมไว้ และการประยุกต์ใช้ในธุรกิจกันดีกว่า

UiPath Communication Mining และ GenAI กับ Email Automation

UiPath นำเสนอโซลูชันที่การจัดการอีเมล ด้วยการประยุกต์ UiPath Communication Mining และ UiPath GenAI ซึ่งช่วยให้องค์กรสามารถทำความเข้าใจเนื้อหาในอีเมลได้ดียิ่งขึ้น และสามารถตอบสนองต่อความต้องการของลูกค้าได้อย่างรวดเร็วและมีประสิทธิภาพ

UiPath Communication Mining ช่วยในการคัดกรองและแยกประเภทเนื้อหาในอีเมลโดยอัตโนมัติ ทำให้ง่ายต่อการตัดสินใจว่าจะส่งต่อไปให้ใครหรือจะต้องดำเนินการอย่างไร โดยมีฟีเจอร์หลักได้แก่:

  • Natural Language Processing (NLP): ใช้เทคโนโลยี NLP เพื่อวิเคราะห์และเข้าใจเนื้อหาของอีเมลอย่างลึกซึ้ง รวมถึงแยกแยะความตั้งใจของผู้ส่ง
  • Auto Categorization: ระบบสามารถจัดประเภทอีเมลโดยอัตโนมัติตามหมวดหมู่ต่างๆ เช่น คำร้องเรียน คำถาม หรือการแจ้งเตือน
  • Sentiment Analysis: วิเคราะห์อารมณ์ของผู้ส่งเพื่อช่วยในการจัดลำดับความสำคัญของอีเมลที่ต้องตอบกลับก่อน

ในขณะที่ UiPath GenAI มีฟีเจอร์ใหม่ๆ ที่ช่วยเพิ่มประสิทธิภาพในการตอบอีเมล ได้แก่:

  • AI-Powered Email Drafting: สามารถสร้างเนื้อหาอีเมลที่ตอบกลับได้อย่างมีความเป็นธรรมชาติและสอดคล้องกับสถานการณ์
  • Adaptive Learning: ระบบเรียนรู้จากคำตอบที่พนักงานเลือกใช้และปรับปรุงคุณภาพการสร้างเนื้อหาอัตโนมัติตามบริบท
  • Customizable Templates: สามารถสร้างเทมเพลตคำตอบอัตโนมัติที่เหมาะสมกับประเภทอีเมลต่างๆ เช่น การแจ้งการยืนยัน การติดตามผล หรือการอัปเดตข้อมูล

ตัวอย่างการใช้งาน Email Automation ในอุตสาหกรรมอื่นๆ

1. อุตสาหกรรมประกันภัย

บริษัทประกันภัยมักจะได้รับอีเมลจำนวนมากจากลูกค้าที่ต้องการเคลมประกันหรือสอบถามข้อมูลต่างๆ การประยุกต์ใช้ UiPath Communication Mining จะช่วยในการคัดกรองประเภทของอีเมล เช่น การแจ้งเคลม การสอบถามเงื่อนไขกรมธรรม์ และคำร้องต่างๆ ขณะที่ GenAI จะช่วยในการสร้างคำตอบที่เหมาะสมสำหรับคำถามทั่วไป ทำให้กระบวนการตอบสนองลูกค้ารวดเร็วขึ้นและลดภาระงานของพนักงาน

  • การแจ้งเคลมประกัน: Communication Mining ช่วยแยกอีเมลเกี่ยวกับเคลม และ GenAI ช่วยตอบคำถามเกี่ยวกับเอกสารที่ต้องใช้
  • การสอบถามรายละเอียดกรมธรรม์: สามารถตอบคำถามเกี่ยวกับเงื่อนไขการประกันภัยและการคุ้มครองได้อย่างรวดเร็ว
  • การขอข้อมูลเพิ่มเติม: ระบบสามารถระบุและส่งต่ออีเมลที่ต้องการข้อมูลเพิ่มเติมไปยังทีมที่เกี่ยวข้องได้โดยอัตโนมัติ

2. โรงงานผลิตเสื้อผ้าแบบ OEM (OEM Manufacturing for International)

โรงงานที่ผลิตสินค้าให้กับแบรนด์ต่างๆ มักต้องรับอีเมลจากลูกค้าเกี่ยวกับการสั่งซื้อ การเปลี่ยนแปลงการออกแบบ หรือการติดตามสถานะการผลิต UiPath Communication Mining สามารถช่วยจัดกลุ่มอีเมลและส่งต่อไปยังทีมที่รับผิดชอบ ขณะที่ UiPath GenAI สามารถช่วยเขียนอีเมลอัพเดตสถานะการผลิตหรือคำตอบเกี่ยวกับกระบวนการต่างๆ ได้อย่างรวดเร็ว ทำให้การสื่อสารมีประสิทธิภาพมากขึ้น

  • การยืนยันคำสั่งซื้อ: ใช้ Communication Mining เพื่อแยกประเภทอีเมลคำสั่งซื้อและใช้ GenAI ในการสร้างอีเมลยืนยันคำสั่งซื้อ
  • การเปลี่ยนแปลงการออกแบบ: ระบบสามารถระบุอีเมลที่มีการเปลี่ยนแปลงการออกแบบและส่งต่อไปยังทีมออกแบบโดยตรง
  • การติดตามสถานะการผลิต: GenAI ช่วยสร้างอีเมลอัพเดตสถานะการผลิตให้กับลูกค้าโดยอัตโนมัติ

3. อุตสาหกรรมการผลิต

ในอุตสาหกรรมการผลิต อีเมลจากซัพพลายเออร์และลูกค้าเกี่ยวกับคำสั่งซื้อหรือปัญหาคุณภาพของสินค้าสามารถจัดการได้ด้วย UiPath Communication Mining ที่จะช่วยในการวิเคราะห์และแยกประเภทของอีเมล ขณะที่ UiPath GenAI สามารถช่วยสร้างข้อความตอบกลับ เช่น การยืนยันการสั่งซื้อหรือการให้ข้อมูลเกี่ยวกับปัญหาการผลิตได้อย่างรวดเร็วและชัดเจน

  • การยืนยันคำสั่งซื้อ: Communication Mining ช่วยจัดประเภทอีเมลที่เกี่ยวกับคำสั่งซื้อ และ GenAI สร้างข้อความยืนยันการสั่งซื้ออัตโนมัติ
  • การแจ้งปัญหาคุณภาพสินค้า: ระบบสามารถแยกประเภทอีเมลที่แจ้งปัญหาคุณภาพและส่งต่อไปยังทีมควบคุมคุณภาพ รวมถึงช่วยเขียนอีเมลตอบกลับเบื้องต้น
  • การสั่งซื้อวัตถุดิบ: ใช้ Communication Mining เพื่อจัดการกับอีเมลการสั่งซื้อวัตถุดิบ และ GenAI ช่วยตอบคำถามเกี่ยวกับระยะเวลาการจัดส่งหรือสถานะการสั่งซื้อ

ประโยชน์จากการนำ Email Automation มาใช้

  • เพิ่มประสิทธิภาพในการทำงาน: ลดเวลาในการตอบอีเมล ทำให้พนักงานของเรามุ่งเน้นงานที่มีมูลค่าสูงกว่าได้ เช่นการพูดคุย เจรจาต่อรอง สร้างความสัมพันธ์
  • ลดข้อผิดพลาด: การประมวลผลอีเมลด้วยระบบอัตโนมัติ ช่วยลดความผิดพลาดจากการทำงานด้วยการ manual ที่น่าเบื่อ
  • เพิ่มความพึงพอใจของลูกค้า: การตอบสนองที่รวดเร็วและมีประสิทธิภาพช่วยให้ลูกค้ารู้สึกพึงพอใจในบริการ 

สรุป

การนำ UiPath Communication Mining และ UiPath GenAI มาช่วยในการทำ Email Automation ไม่เพียงแค่เพิ่มประสิทธิภาพในการทำงาน แต่ยังช่วยลดภาระของพนักงานและเพิ่มความพึงพอใจของลูกค้าได้อีกด้วย ไม่ว่าจะเป็นธนาคาร บริษัทประกัน โรงงานผลิตเสื้อผ้า หรืออุตสาหกรรมอื่นๆ การนำเทคโนโลยีมาใช้เพื่อปรับปรุงการจัดการอีเมลถือเป็นก้าวสำคัญสู่ความสำเร็จในยุคดิจิทัล

หากคุณสนใจศึกษาเพิ่มเติมเกี่ยวกับการจัดการอีเมลด้วยระบบอัตโนมัติ สามารถเข้าไปอ่านบทความของ UiPath ได้ที่นี่ UiPath Blog ครับ
ที่ automat เรา implement solution พวกนี้มาสักระยะ มี use case มาแชร์อยู่เรื่อยๆ โปรดติดตาม blog ของพวเรา หวังว่าจะเป็นประโยชน์ครับ

7 แนวโน้มของ AI และระบบอัตโนมัติในปี 2025 

โลกการทำงานหมุนเปลี่ยนไปรวดเร็ว และก้าวกระโดดแบบที่ไม่เคยมีมาก่อน เราพาไปดูเครื่องมือที่ผลักดันการเปลี่ยนแปลงนี้ กับ 7 Trend ที่กำลังขับเคลื่อนการพัฒนาเทคโนโลยีปัญญาประดิษฐ์และ ระบบอัตโนมัติเหล่านี้ไปข้างหน้า สำหรับผู้ที่สนใจบทความนี้จะช่วยให้เข้าใจทั้งแนวโน้ม พร้อมยกตัวอย่าง use case ที่เข้าใจง่าย และเราเติมความเข้าใจด้านศัพท์เทคนิคด้าน automation & AI เพื่อเตรียมพร้อมสำหรับปี 2025 ที่กำลังจะมาถึง เราเรียนรู้ไปพร้อมกันครับ

1. AI เชิงการตัดสินใจ และช่วยทำงานแทน (Agentic AI)

Agentic AI คือรูปแบบปัญญาประดิษฐ์ที่พัฒนาไปอีกขั้น ด้วยความสามารถในการ “คิดและช่วยทำ” เช่น การวางแผน (Planning) การตัดสินใจ (Decision-Making) และการดำเนินการ (Execution) โดยอัตโนมัติ ระบบนี้สร้างขึ้นจาก Large Language Models (LLMs) และ Large Action Models (LAMs) ซึ่งช่วยให้ AI ตอบสนองต่อคำสั่งแบบภาษา (Natural Language Prompts) และเหตุการณ์ต่าง ๆ ได้

ศัพท์เทคนิคน่ารู้

  • LLM (Large Language Model): โมเดลที่เข้าใจและสร้างภาษาธรรมชาติ
  • LAM (Large Action Model): โมเดลที่เน้นการตัดสินใจและการปฏิบัติ
  • ตัวอย่าง: AI ในทีม customer service หรือ call center ใช้ Agentic AI เพื่อประมวลผลคำถาม วิเคราะห์ปัญหา และให้คำตอบโดยไม่ต้องพึ่งมนุษย์ ลดเวลาเฉลี่ยต่อการแก้ไขปัญหาได้กว่า 14%

2. การประสานงานแบบเอเยนต์ (Agentic Ecosystem)

การสร้างระบบที่ช่วยให้องค์กรสามารถผสานงานระหว่าง AI เอเยนต์ (Agentic AI) หุ่นยนต์ (RPA: Robotic Process Automation) และมนุษย์ได้อย่างไร้รอยต่อถือเป็นหัวใจสำคัญ แนวโน้มนี้ต้องอาศัยเทคโนโลยี Orchestration Platforms ที่ซับซ้อน

ศัพท์เทคนิคน่ารู้

  • Orchestration Platform: แพลตฟอร์มสำหรับจัดการการทำงานร่วมกันระหว่างระบบต่าง ๆ
  • Human-in-the-Loop (HITL): ระบบที่ให้มนุษย์สามารถควบคุมหรือแก้ไขการทำงานของ AI ได้ในกระบวนการที่สำคัญๆ มนุษย์ยังคงจำเป็นต้องเข้าไปตรวจสอบ ตัดสินใจในบางกรณีที่สำคัญมากๆ เป็นต้น
  • ตัวอย่าง: ในโรงงานอุตสาหกรรม AI ใช้แพลตฟอร์ม Orchestration เพื่อสื่อสารกับหุ่นยนต์และแจ้งเตือนมนุษย์เมื่อเกิดความผิดพลาด หรือด้านธุรกรรมที่มีความเสี่ยงด้านธุรกิจ (การเงิน) เราให้มนุษย์เข้าไปช่วยหุ่นยนต์ทำงานได้สำเร็จ

3. ระบบอัตโนมัติแบบ Long-tail Automation

Long-tail Automation หมายถึงการนำกระบวนการย่อยที่ซับซ้อนหรือไม่คุ้มค่ากับการทำอัตโนมัติในอดีตมาปรับให้มีประสิทธิภาพ ตัวอย่างเช่น การใช้ AI ในการวิเคราะห์ข้อมูลจำนวนมาก (Data Mining) หรือการสร้างข้อความที่เฉพาะเจาะจง (Context-aware Text Generation)

ศัพท์เทคนิคน่ารู้

  • Data Mining: กระบวนการค้นหาความรู้จากข้อมูลขนาดใหญ่
  • Context-aware Computing: ระบบที่สามารถเข้าใจบริบทและตอบสนองอย่างเหมาะสม
  • ตัวอย่าง: AI ช่วยจัดการคำขอสินเชื่อในธนาคารโดยตรวจสอบข้อมูลเอกสารและแนะนำการอนุมัติอย่างอัตโนมัติ

4. การเปลี่ยนแปลงโครงสร้างแรงงาน (Workforce Transformation)

องค์กรต่าง ๆ ต้องจัดการกับการเปลี่ยนแปลงแรงงาน โดยแบ่งงานที่ซ้ำซ้อนหรือที่สามารถทำอัตโนมัติได้ให้ AI ในขณะเดียวกัน มนุษย์จะถูกฝึกฝนเพื่อรับบทบาทใหม่ที่เกี่ยวกับการคิดเชิงกลยุทธ์และความคิดสร้างสรรค์

ศัพท์เทคนิคน่ารู้

  • Occupational Transition: การเปลี่ยนอาชีพหรือทักษะที่จำเป็น
  • Reskilling/Upskilling: การฝึกอบรมทักษะใหม่เพื่อรองรับการเปลี่ยนแปลง
  • ตัวอย่าง: บริษัทเทคโนโลยีฝึกอบรมพนักงานให้ใช้เครื่องมืออย่าง GitHub Copilot UiPath Autopilot ในการเขียนโค้ด หรือสั่ง robot ทำงานให้ อย่างง่ายๆ และมีประสิทธิภาพ

5. AI ในผลิตภัณฑ์องค์กร (Built-in AI)

ในอนาคต ซอฟต์แวร์องค์กรส่วนใหญ่จะมีฟีเจอร์ AI ฝังตัวเพื่อช่วยให้การทำงานมีประสิทธิภาพมากขึ้น เช่น AI Copilots ของMicrosoft 365 ที่สามารถช่วยเขียนเอกสาร ทำสไลด์สรุป สรุปวาระการประชุม และอื่นๆ

ศัพท์เทคนิคน่ารู้

  • Copilot หรือ UiPath Autopilot: เครื่องมือที่ช่วยสนับสนุนการทำงาน เช่น การเขียนหรือแก้ไขโค้ด
  • AI-powered Tools: เครื่องมือที่ขับเคลื่อนด้วย AI
  • ตัวอย่าง: Microsoft Copilot ช่วยให้ทีมงานประหยัดเวลาในการสร้างเอกสารและปรับปรุงคุณภาพงานได้อย่างมีนัยสำคัญ

6. การจัดการข้อมูลด้วย AI (Data Management Revolution)

ปริมาณข้อมูลที่มากเกินไป (Data Overload) เป็นปัญหาสำคัญ AI ช่วยจัดระเบียบข้อมูลผ่านเครื่องมือเช่น Knowledge Graphs และ Retrieval-Augmented Generation (RAG)

ศัพท์เทคนิคน่ารู้

  • Knowledge Graph: แผนภาพที่แสดงความสัมพันธ์ระหว่างข้อมูลในลักษณะกราฟ
  • RAG (Retrieval-Augmented Generation): เทคโนโลยีที่ช่วยให้ AI ดึงข้อมูลจริงมาใช้งานในกระบวนการสร้างคำตอบ
  • ตัวอย่าง: บริษัทที่ปรึกษาใช้ RAG ในการค้นหาข้อมูลลูกค้าแบบเรียลไทม์ ลดเวลาและเพิ่มความแม่นยำในการตอบสนอง

7. การกำกับดูแล AI (AI Governance and Regulation)

โลกกำลังก้าวเข้าสู่ยุคที่ AI ถูกกำกับดูแลอย่างเข้มงวดด้วยกฎหมาย เช่น การป้องกันการละเมิดลิขสิทธิ์ และการใช้ข้อมูลที่ไม่เหมาะสม

ศัพท์เทคนิคน่ารู้

  • AI Governance Framework: โครงสร้าง กรอบรูปแบบการกำกับดูแล AI ในองค์กร
  • Data Transparency: ความโปร่งใสในการใช้ข้อมูล

สรุป

การเข้าใจแนวโน้มทั้ง 7 นี้ไม่เพียงช่วยให้พวกเราเท่าทันเทคโนโลยี แต่ยังช่วยให้องค์กรสามารถใช้ AI และระบบอัตโนมัติให้เกิดประโยชน์สูงสุด การเพิ่มพูนความรู้เกี่ยวกับ use case ต่าง และ ศัพท์เทคนิคจะช่วยให้พวกเราไม่กังวล และพร้อมสำหรับอนาคตที่ AI และ Automation กลายเป็นหัวใจของทุกการดำเนินงาน
ที่ automat เรามีเครื่องมือ ทดสอบลองใช้กันในเรื่องนี้ทั้ง AutoPilot, RAG, GenAI ค่ายต่างๆ ผสมผสานกัน เพื่อให้การทำงานต่อไปของคนยุค Gen 2025 ทำงานกับ AI แบบง่ายๆ ด้วยการ prompt และสั่ง AI+robot ไปทำงานให้ แล้วเมื่อได้ผลลัพธ์ก็เอามาให้เราตรวจทาน ง่ายๆ แบบนั้นเลยนะ ความลับองค์กรไม่รั่ว ความรู้ AI แม่นยำ เพราะเรา scope ไว้ และถาม-ตอบ เป็นภาษาไทย ไว้มาแชร์แนวทางใน blog post ต่อไปครับ ขอบคุณ และมีความสุขกับลมหนาวช่วงนี้กันครับ

source: UiPath Automation & AI Trend 2025

https://www.uipath.com/resources/automation-whitepapers/automation-trends-report

Agentic AI – ปัญญาประดิษฐ์เชิงปฎิบัติการ กับงานอัตโนมัติ

🌐 ในยุคปัจจุบันที่เทคโนโลยีเติบโตอย่างรวดเร็ว ปัญญาประดิษฐ์ (AI) ได้กลายเป็นตัวขับเคลื่อนที่สำคัญของการเปลี่ยนแปลงในหลายๆ ด้านของธุรกิจ หนึ่งในรูปแบบของ AI ที่กำลังได้รับความสนใจคือ AI เชิงปฏิบัติการ หรือที่เรียกว่า “Agentic AI”

🤔 **AI เชิงปฏิบัติการคืออะไร?**

AI เชิงปฏิบัติการคือ AI ที่ถูกออกแบบมาเพื่อให้สามารถตัดสินใจและปฏิบัติการได้เองในบางกรณี ซึ่งต่างจาก AI ทั่วไปที่ต้องรอคำสั่งจากมนุษย์ การทำงานของ AI เชิงปฏิบัติการจึงเน้นที่ความสามารถในการเข้าใจสถานการณ์ ปรับตัว และดำเนินการโดยอัตโนมัติ ⚙️ เพื่อลดความซับซ้อนและทำให้กระบวนการต่างๆ มีประสิทธิภาพมากยิ่งขึ้น

📊 **กรณีศึกษาจาก UiPath: การใช้ AI เชิงปฏิบัติการ**

UiPath เป็นผู้นำในการให้บริการระบบอัตโนมัติสำหรับองค์กร โดยมีการใช้ AI เชิงปฏิบัติการเพื่อยกระดับการดำเนินงานและเพิ่มความสามารถในการตัดสินใจ 🚀 ตัวอย่างหนึ่งของการใช้งานคือการใช้ AI ในการประมวลผลและจัดการเอกสารจำนวนมาก 

🤖 ตัวอย่างเช่น ระบบของ UiPath สามารถใช้ AI เพื่ออ่านและทำความเข้าใจเนื้อหาในเอกสารที่มีลักษณะซับซ้อน จากนั้นทำการตัดสินใจในการกระจายงานหรือจัดการข้อมูลตามที่กำหนด 📄 ซึ่งช่วยลดภาระการทำงานที่ใช้เวลามากและเพิ่มความแม่นยำในการปฏิบัติงาน นอกจากนี้ยังมีอีกสามกรณีการใช้งานที่น่าสนใจ ได้แก่:

1. การใช้ AI ในการจัดการคำร้องขอของลูกค้า โดยสามารถตอบกลับคำถามพื้นฐาน FAQ ต่างๆ และส่งต่อคำร้องที่ซับซ้อนให้กับผู้เชี่ยวชาญที่เหมาะสม โดย ai อ่าน เข้าใจบริบท ตอบได้ก็ตอบเอง หาก % ที่เข้าใจไม่มากพอ ก็ฉลาดพอที่จะ root ไปในระบบ Queue ของ CRM systems ต่างๆ เพื่อส่งต่อได้

2. การใช้ AI ในการตรวจสอบและอนุมัติใบเสร็จและใบกำกับภาษี ทำให้การทำงานทางการเงินมีความรวดเร็วและลดข้อผิดพลาดที่เกิดจากมนุษย์ เช่นธุรกิจนี้เป็น invoice ที่มี PO กำกับอยู่ ให้วิ่งระบบไปค้นหาความถูกต้องในระบบ SAP, Oracle ERP เป็นต้น

3. การใช้ AI ในการจัดการทรัพยากรบุคคล เช่น การประมวลผลข้อมูลการเข้างาน และการประเมินผลการทำงาน ดึงข้อมูลจากหลากหลายแหล่ง ai ช่วยประเมินผล และโต้ตอบกับระบบ HRM, HRD และทำรายงานสรุป เพื่อสนับสนุนการตัดสินใจของฝ่ายบริหาร

🌟 **ประโยชน์ที่ได้รับจาก AI เชิงปฏิบัติการ**

การนำ AI เชิงปฏิบัติการมาใช้ร่วมกับระบบ UiPath ทำให้ธุรกิจสามารถดำเนินการอย่างรวดเร็วและมีประสิทธิภาพมากขึ้น ไม่ว่าจะเป็นการลดเวลาที่ใช้ในการจัดการเอกสาร 📄 การเพิ่มความถูกต้องในการตัดสินใจ 💡 หรือการลดต้นทุนในการปฏิบัติงาน 

นอกจากนี้ AI เชิงปฏิบัติการยังช่วยสร้างความยืดหยุ่นให้กับกระบวนการทางธุรกิจ สามารถปรับตัวให้เหมาะสมกับสถานการณ์ที่เปลี่ยนแปลงอย่างรวดเร็ว ทำให้ธุรกิจสามารถตอบสนองต่อความต้องการของลูกค้าได้อย่างทันท่วงที 

AI เชิงปฏิบัติการเป็นเทคโนโลยีที่น่าจับตามอง 👀 เนื่องจากมีศักยภาพในการเพิ่มประสิทธิภาพและความแม่นยำในกระบวนการทางธุรกิจ กรณีศึกษาจาก UiPath แสดงให้เห็นถึงความสามารถในการประมวลผลและตัดสินใจของ AI 💡 ซึ่งสามารถช่วยให้ธุรกิจลดต้นทุน  เพิ่มประสิทธิภาพ ✅ และสามารถตอบสนองต่อความต้องการที่ซับซ้อนได้อย่างรวดเร็วและมีประสิทธิภาพ 

📢 หากองค์กรของคุณกำลังมองหาแนวทางในการปรับปรุงกระบวนการต่างๆ การนำ AI เชิงปฏิบัติการมาใช้อาจเป็นทางเลือกที่น่าสนใจที่ควรพิจารณา  ติดต่อเข้ามาที่ Automat 📱 เราจะช่วยทำ use case และประเมินความเป็นไปได้ จัดทำงบประมาณ และช่วย implement ให้ได้ สำหรับการวางแผนในปี 2025 🌐

UiPath AI Summit 2024 

Turn AI hype into business results: Top takeaways from UiPath AI Summit 2024 – automat notes

สรุปใจความสำคัญ part 1รู้จัก เข้าใจ และใช้งานเพื่อเปลี่ยนจากความสนใจเป็นการยกระดับธุรกิจ

Turn AI hype into business results: Top takeaways from UiPath AI Summit 2024

ในทุกๆ ปีทาง UiPath RPA platform อันดับต้นๆในตลาดจะมีการจัดงาน ai summit โดยปีนี้มีการแบ่งเนื้อหาน่าสนใจออกเป็นทั้งหมด 4 ส่วนด้วยกันคือ

1.เนื้อหาในส่วนของการกล่าวเปิด การแชร์ความเห็นจากผู้เชี่ยวชาญจาก Forrester และการเล่า overview การเปิดตัวสิ่งใหม่ๆจาก UiPath

2.การประยุกต์ใช้จริง และประสบการณ์จริง อุปสรรคและการต่อยอดในอนาคต แยกตาม automation & ai ตามประเภทอุตสาหกรรม ธนาคาร ประกันภัย การผลิต สุขภาพ เป็นต้น

3.รายละเอียด แยกตาม module ใหม่ๆของ UiPath ในยุคต่อไป ที่เป็นการดึงเอาศักยภาพของ ปัญญาประดิษฐ์เข้ามามีส่วนและแบ่งแยก AI ออกเป็นสองส่วนคือ Specialized AI และ GenAI

4.แผนการออกบริการและผลิตภัณฑ์ใหม่ๆ การสนับสนุน (Platform Road Map) และการมองอนาคตของการเอา automation & ai มาใช้อย่างเห็นผล

ในเนื้อหาตอนแรกนี้ แอดมินของเล่าจากการฟังอย่างรวดเร็ว (เขียน blog นี้โดยฟังและจับเอาจากการนั่งฟัง live และจดสรุปใจความสำคัญออกมาได้ดังนี้ (key note session)

all session
  • ในช่วงแรก ผบห UiPath คุยสัมภาษณ์ mr.Curran (Senior Analyst at Forrester) ถึงการนำเอา GenAI ต้องคำนึงถึงสามเรื่องคือ การเตรียมบริบท การเปิดและการให้เข้าถึงโมเดล และการนำไปใช้ ถ้าทำสามอย่างได้อย่างง่ายๆ จะทำให้การใช้งานจริงในธุรกิจ ประสบผลดี
  • ทั้งนี้ platform การใช้งานต้องอยู่ภายใต้ความมั่นคง ปลอดภัย และน่าเชื่อถือ
  • การทำให้บริบท พร้อมถึงขีดสูงสุดเพื่อให้ GenAI มี prompt ที่สมบูรณ์จริงๆ ก่อนนำไปสร้างผลลัพธ์ที่ถูกต้อง ไม่มีการตามมาหลอกหลอนของ AI ด้วยการทำการต่อสายดิน (อันนี้แปลตรงตัว แต่ก็ทำให้เข้าใจดี) ว่ามีการประยุกต์
  • ประสานแนวคิด RAG (Retrieval Augmented Generation) หรือที่เราเรียกย่อๆ ว่า RAG คือเทคนิคในการสร้างระบบการสนทนาปัญญาประดิษฐ์ (Conversational AI) ที่ใช้การผสมผสานระหว่างการถอดความ (Retrieval) จากฐานความรู้ขนาดใหญ่ และการสร้างข้อความ (Generation) โดยใช้โมเดลการสร้างภาษา (Language Model)โดยจะมีกระบวนการทำงานของ RAG มีดังนี้:
    • ระบบจะวิเคราะห์คำถามหรือข้อความของผู้ใช้
    • ระบบจะค้นหาข้อมูลที่เกี่ยวข้องจากฐานความรู้ขนาดใหญ่ โดยอาจเอามาจาก Enterprise Data warehouse หรือ Data mart ในเรื่องต่างๆ ที่องค์กรทำขึ้น
    • โมเดลการสร้างภาษาจะนำข้อมูลที่ค้นพบมาสังเคราะห์และสร้างคำตอบด้วย GenAI
    • จุดเด่นของ RAG คือช่วยให้ระบบ AI มีความรู้ที่ครอบคลุมและทันสมัยมากขึ้น เนื่องจากดึงข้อมูลจากแหล่งความรู้ภายนอก และประสานกันกับภายใน แต่คำตอบก็ยังคงความเป็นธรรมชาติจากการสร้างข้อความของโมเดลภาษา ทำให้การสนทนามีประสิทธิภาพมากขึ้นถูกต้องและหลอนน้อยลงไปมาก
  • เปิดตัว UiPath LLM อย่าง DocPath และ ComPath โดยตัว UiPath DocPath จะช่วยให้องค์กรประมวลผลเอกสารใด ๆ ทางธุรกิจที่ซับซ้อน และไม่มีโครงสร้างได้ดี ส่วนตัว UiPath CommPath มีความสามารถประมวลผลการสื่อสารที่หลากหลาย ตั้งแต่ข้อความ อีเมล chat ด้านธุรกรรมไปจนถึงคําขอที่ซับซ้อนซึ่ งมีคําขอหลายรายการและภาษาเฉพาะบริบทในแต่ละธุรกิจ แต่ละองค์กร ทั้งนี้จุดขายคือความแม่นยำ การเทรนโมเดลที่เร็ว และน่าเชื่อถือ
  • เปิดตัว UiPath AutoPilot ที่มีความเก่งในแต่ละด้านอาทิ สร้าง process flow program ได้ด้วย prompt หรือแม้กระทั่งสร้าง UiPath App (low-code) ด้วยการส่ง PDF ภาพตัวอย่างที่เราออกแบบมาคร่าวๆได้เลย ยังมีรายละเอียดที่จะเขียนต่อไปในบทความตอน div deep ต่อไปครับ

Process Discovery คืออะไร, สำคัญอย่างไรสำหรับโครงการ RPA

สำหรับผู้ที่มีหน้าที่ขับเคลื่อนโครงการ RPA หรือมีบทบาทในโครงการ RPA นั้น ขั้นตอนของ Process Discovery จัดว่าเป็นขั้นตอนหนึ่งที่สำคัญมากของโครงการ เนื่องจากเรื่องนี้เกี่ยวข้องโดยตรงกับความสำเร็จในการนำเทคโนโลยี RPA ไปใช้กับงานในองค์กรของเรา

เราลองนึกภาพดูถ้าองค์กรของเราเลือก process การทำงานที่ (ไม่ทราบมาก่อนว่า) ซับซ้อน เกิดปัญหามากมายในขั้นตอนการพัฒนาอันทำให้โครงการล่าช้ากว่ากำหนดมากและได้ผลลัพท์ที่สุดท้ายแล้ว ไม่ได้ช่วยให้ผู้ใช้งานมีชีวิตการทำงานที่ง่ายขึ้น โครงการนี้ก็จะหมดความน่าสนใจจากทุกๆฝ่ายไปในที่สุด

Process Discovery เป็นขั้นตอนที่สมาชิกโครงการ RPA (ผู้ที่มีบทบาทหลักคือ หัวหน้าโครงการ ผู้ใช้งาน นักวิเคระห์และออกแบบระบบ เป็นต้น) คัดเลือกและวิเคราะห์กระบวนการทำงานที่มีอยู่ภายในองค์กรเพื่อพิจารณาว่ากระบวนการใดเหล่านี้เหมาะสำหรับพัฒนา เป็นระบบทำงานอัตโนมัติด้วย RPA โดยเป็นการค้นหากระบวนการที่มีลักษณะต่อไปนี้ เช่น เป็นการทำงานซ้ำในรูปแบบเดิม ใช้เวลามากจนกระทบงานอื่น มีเงื่อนไขการทำงานที่แน่นอน เกี่ยวข้องกับงานที่ต้องอาศัยข้อมูลจากระบบต่าง ๆ ในองค์กรมาประกอบการใช้งานเป็นจำนวนมาก

เป็นต้นโดยเรียกคุณลักษณะเหล่านี้ว่าเกณฑ์การพิจารณา ส่วนผลลัพธ์ของการทำงานส่วนนี้จะเป็น Process List ที่ผู้ใช้งานหรือสมาชิกโครงการระดมความคิดออกมาว่า กระบวนการทำงานไหนบ้างที่สมควรถูกเลือกขึ้นมาศึกษาในเชิงลึกว่ามีความเหมาะสม คุ้มค่ากับการพัฒนาให้เป็นระบบทำงานอัตโนมัติบ้าง

ในการทำ workshop ของขั้นตอน Process Discovery เราอาจใช้วิธีแบ่งกลุ่มผู้ใช้งานออกเป็นกลุ่มต่างๆ ที่ค่อนข้างมีความเข้าใจการทำงานในปัจจุบันของแต่ละคน และเลือก process ที่เห็นร่วมกันออกมาชุดหนึ่งเพื่อหารือกันในที่ประชุมรวม

ผู้ใช้งานจะต้องพยายามคิดว่างานของตนยังมีสิ่งใดที่เป็นปัญหาหรือสามารถทำให้ได้ดีกว่าที่เป็นอยู่ หากไม่แน่ใจก็สามารถซักถามเพื่อนร่วมกลุ่มหรือวิทยากรที่มีหน้าที่ให้คำปรึกษา เพื่อที่ว่าสุดท้ายกลุ่มของตนจะสามารถได้ Process List ที่มั่นใจได้ว่าสามารถช่วยปรับปรุงการทำงานของเราให้ดีขึ้นได้

การทำ workshop นี้ ยังเป็นโอกาสอันดีที่

  1. พนักงานบุคคลากรในกลุ่มสามารถแลกเปลี่ยนข้อมูลและความเข้าใจในการทำงานของแต่ละคนซึ่งอาจอยู่คนละแผนก ซึ่งการเข้าร่วม workshop ลักษณะนี้ไม่ใช่เป็นแค่การประชุมเฉพาะกิจเวลาที่เกิดปัญหาและต้องการการแก้ไขเฉพาะหน้า แต่เป็นเรื่องของการมองภาพใหญ่ของโอกาสในการปรับปรุงกระบวนการทำงานให้มีประสิทธิภาพมากขึ้น
  2. ได้รับฟังความคิดเห็นและมุมมองในการทำงานที่กว้างขึ้นจากพนักงานที่ปกติอาจจะไม่ได้มีโอกาสแสดงความคิดเห็นออกมา เนื่องจากในแต่ละวันเราก็จะให้ความสนใจเฉพาะกับงานที่เราต้องรับผิดชอบ ทำให้ขาดโอกาสในการเห็นภาพรวม
  3. ได้รับความรู้และข้อมูลจากฝั่งของเทคโนโลยีจากผู้เชี่ยวชาญที่นำมาถ่ายทอดแลกเปลี่ยนระหว่างการทำworkshop ซึ่งทำให้องค์กรสามารถรับทราบความเป็นไปของเทคโนโลยีที่ตนเองสามารถนำมาใช้ประโยชน์ แม้บางแนวคิดที่ได้จาก workshop อาจยังไม่เหมาะสมที่จะหยิบมาพัฒนาได้เลยทันที แต่ก็ยังสามารถุศึกษาเพิ่มเติมหากเป็นประโยชน์ในอนาคตได้  

ทั้งนี้ Process List ที่สมาชิกโครงการได้รวบรวมออกมาจะถูกนำมาจัดกลุ่มเป็น 4 กลุ่มหรือ 4 Quadrants ตามการประเมินจากมุมมองแรกคือ มองประโยชน์ที่ผู้ใช้งานหรือองค์กรคาดหมายจะได้รับ และอีกมุมคือมุมมองของต้นทุนและความซับซ้อนของการพัฒนางานเหล่านี้ให้เป็นระบบ RPA

โดยที่กลุ่มของกระบวนการทำงานใน Process List ทั้ง 4 กลุ่มสามารถอธิบายได้ดังนี้

  1. Quick-Win: กลุ่มกระบวนการทำงานที่จะก่อให้เกิดประโยชน์แก่องค์กรได้มาก ในขณะที่ต้นทุนหรือความซับซ้อนในการพัฒนากระบวนการทำงานให้เป็น RPA มีไม่มากนัก เหมาะสมกับการเลือกมาทำเป็นระบบ RPA เป็นกลุ่มแรก ซึ่งเราต้องการได้ผลลัพท์ที่รวดเร็วเพื่อรักษาโมเมนตัมของโครงการ
  2. Low-Hanging Fruits: กลุ่มกระบวนการทำงานที่จะก่อให้เกิดประโยชน์แก่องค์กรได้พอประมาณ แม้ไม่มากเท่ากับกลุ่ม Quick-Win ในขณะที่ต้นทุนการทำงานก็ไม่ได้สูงมากหรือทำได้ไม่ยากเท่าไหร่ หากพิจารณาว่าสามารถได้รับประโยชน์ที่เพียงพอ ก็สามารถเลือกทำเป็นกลุ่มถัดไป
  3. Must-Do Improvements: กลุ่มกระบวนการทำงานที่คาดหวังให้เกิดประโยชน์แก่องค์กรได้มาก แม้มีต้นทุนค่าใช้จ่ายที่สูงหรือมีความซับซ้อนในประเด็นต่างๆของการพัฒนาระบบอยู่พอสมควร ก็ยังคุ้มที่จะลงทุนทำ
  4. Long-Term Improvements: กลุ่มกระบวนการทำงานที่มีประโยชน์หรือคุณค่าต่อองค์กรไม่มาก โดยเฉพาะเมื่อเทียบกับต้นทุนความซับซ้อนที่ต้องใช้พัฒนาโครงการ อาจมองกลุ่มงานนี้เป็นกลุ่มสุดท้าย อาจพิจารณายังไม่ต้องทำในตอนนี้ หรือรอพิจารณาเชิงคุณประโยชน์ที่มีโอกาสเพิ่มขึ้นได้ในอนาคต 

เราสามารถใช้เกณฑ์การให้คะแนน (Automation Score) ที่คำนึงจากปัจจัยทั้งด้านประโยชน์ที่คาดว่าจะได้รับและด้านต้นทุนการพัฒนา มาช่วยเราในการจัดกลุ่มได้ 

อย่างไรก็ตามแม้การทำ workshop ในขั้นตอน Process Discovery นี้จะดูมีขั้นมีตอน มีเกณฑ์การคัดเลือก Process List ที่ค่อนข้างชัดเจนและสามารถคำนวนเป็นตัววัดเชิงปริมาณอย่างคะแนนที่จะช่วยให้เราจัดกลุ่ม process เหล่านี้ได้ เรายังมีข้อสังเกตบางประการจากการสังเกตกิจกรรมที่เกิดขึ้นใน workshop ซึ่งอาจทำให้เราไม่ได้ Process List ที่ดีที่สุดสำหรับการวางแผนโครงการ RPA ในระยะถัดไป คือ

  1. การขาดบุคคลากรที่มีความเข้าใจจริงในกระบวนการทำงานที่กำลังประเมินอยู่ ในกรณีที่ผู้ใช้งานที่ลงมือทำเองหรือมีความเข้าใจในขั้นตอนและปัญหาการทำงานจริงๆไม่ได้อยู่ร่วมใน workshop ซึ่งทำให้ Process List ที่ทำออกมาไม่ได้แสดงถึงกลุ่มงานที่เหมาะสมที่สุดที่จะพัฒนาให้เป็นระบบ RPA
  2. การขาดข้อมูลที่จำเป็นสำหรับการตัดสินกระบวนการทำงานที่กำลังประเมินอยู่ เวลาเราพูดถึงประโยชน์ที่คาดหวังจากการเพิ่มประสิทธิภาพการทำงานหรือความซับซ้อนของการทำงานที่เรากำลังเผชิญอยู่ เราควรมีวิธีที่จะเก็บค่าสถิติของการทำงานนี้ให้ได้อย่างครบถ้วนและใกล้เคียงความจริงให้ได้มากที่สุด เช่น ขั้นตอนและเงื่อนไขการทำงานที่เราทำอยู่ เวลาที่ใช้อยู่ เวลาที่คาดการณ์ว่าจะลดลงเมื่อมีระบบ RPA มาใช้เป็นต้น ถ้าสมมุติฐานหรือค่าสถิติเหล่านี้คลาดเคลื่อนจากความจริงไปมาก เราจะได้ Process List ที่ไม่เหมาะสมและจะส่งผลต่อความสำเร็จและการยอมรับของโครงการ RPA
  3. การที่ผู้ใช้งานหรือบุคคลากรที่มีหน้าที่ประเมินความเหมาะสมของโครงการ ยังไม่ได้รับทราบข้อมูลด้านเทคโนโลยีที่จะนำมาใช้ออกแบบและทำงานจริงอย่างเพียงพอ ทำให้เป็นอุปสรรคต่อการประเมินความซับซ้อนของการพัฒนาและการเลือกรูปแบบการทำงานใหม่ที่เหมาะสม

การได้ Process List จากการทำ workshop เป็นเพียงผลลัพท์แรกเท่านั้น process ต่างๆที่คิดได้ยังต้องผ่านการพิจารณาในรายละเอียดและจัดทำเป็น business case ที่มีข้อมูลสนับสนุนในเชิง costs & benefits ที่เพียงพออีก เพื่อให้ผู้มีอำนาจตัดสินใจอนุมัติและรวบรวมเข้าไปในแผนการพัฒนาโครงการต่อไป

ปัญหาที่พบจากข้อสังเกตที่กล่าวถึงในบทความสามารถแก้ไขได้โดยการจัดการเวลาที่เหมาะสมเพียงพอ เช่นการให้ความรู้เชิงเทคโนโลยีกับผู้ใช้งานที่เพียงพอก่อนที่จะประเมินความเป็นไปได้ของการพัฒนากระบวนการทำงานต่างๆ และการใช้เครื่องมือหรือเทคนิคในการเก็บค่าสถิติของการทำงาน เช่น เวลาและขั้นตอนการทำงานที่แท้จริงไม่ใช่มาจากการคาดเดา จุด bottleneck ต่างๆของแต่ละกระบวนการทำงาน เป็นต้น เพื่อให้การทำ Process Discovery ได้ผลลัพท์ที่เกิดประโยชน์ที่แท้จริงแก่องค์กร

หุ่นยนต์นักบัญชีปี 2023 (Robotic Process Automation with Accounting use case)

ในช่วงต้นเดือน ต.ค. ที่ผ่านมานับเป็นเกียรติอย่างยิ่งของแอดมิน และทีมงาน automat consulting ได้รับความไว้วางใจให้เข้าไปมีส่วนในการแบ่งปันประสบการณ์ถ่ายทอดการใช้งานระบบ RPA ให้กับน้องน้องนิสิตปริญญาตรี และปริญญาโทคณะบัญชี จุฬาลงกรณ์มหาวิทยาลัย ซึ่งก่อให้เกิดการประชุมร่วมมือกันทำ MOU สามฝ่ายตั้งแต่คณะบัญชีจุฬา(CBS) รวมไปถึง UiPath Global และบริษัท Automat Consulting พวกเราหารือกันว่าจะร่วมกันแบ่งปัน แชร์เครื่องมือ และสอนการพัฒนา เพิ่มทักษะดิจิตตอลด้วยการใช้ RPA จาก UiPath ให้กับน้อง ๆ นิสิต บุคลากรในมหาวิทยาลัย และยังเล็งเห็นความสำคัญไปถึงภาคของสังคมอีกด้วย น่าจะได้เห็นกิจกรรมดีๆ จากความร่วมมือครั้งนี้กันต่อไปครับ

จากนั้นทาง อจ จากคณะได้ขอให้ช่วยไปทำ online session เพื่อแชร์เรื่อง “ความสำเร็จของหุ่นยนต์นักบัญชี” ในช่องบัญชีออนไลน์ที่จัดกันทุกๆเดือน แอดมินก็เตรียมข้อมูล เคส และ live demo หลายๆชิ้นไป ปรากฏว่าคุยไปมาเวลาหมดกันไปเสียก่อน ยังมีเรื่องที่เตรียมไว้แต่ไม่ได้เล่าจึงถือโอกาสมาเขียนแชร์ไว้ในบล็อกวันนี้เลย และหวังว่าโอกาสหน้าจะได้ไปเล่าใน Banshi Online ให้กับท่านนักบัญชีอีกครั้งครับ แต่สามารถตามไปดู-ฟัง ย้อนหลังกันได้ที่นี่ครับ (หนึ่งชั่วโมง)

บล็อกวันนี้เลยนำ use case ทางบัญชีที่เห็นกันประจำ และ automat ได้เข้าไปช่วยทำออกมาคร่าวดังนี้ครับ

  1. การประมวลผลใบสั่งซื้อ (Purchase Order Processing) ใช้ในการอัตโนมัติกระบวนการสแกนใบสั่งซื้อเพื่อดึงข้อมูลสำคัญ, นำข้อมูลเหล่านี้เข้าสู่ระบบที่เหมาะสม และสร้างคำขออนุมัติ
  2. การจับข้อมูลของใบกำกับสินค้า ใบส่งของ (Invoice, DO Data Capture) เราเอา RPA+AIไปใช้ในการสแกน แปลงรูปแบบ และอัปโหลดข้อมูลจากใบกำกับสินค้าที่เป็นกระดาษและเอกสารกระดาษที่เหมือนกันโดยอัตโนมัติเข้าสู่ระบบ ERP เช่น SAP, JDE, Oracle หรืออื่นๆ
  3. การสร้างใบกำกับสินค้าอัตโนมัติ (Invoice Creation) เราใช้ RPA ไปอ่านข้อมูลอัตโนมัติคำขอใบกำกับสินค้าทางอีเมลและไฟล์แนบ บันทึกไฟล์ที่ได้รับโดยอัตโนมัติ และบันทึกข้อมูลในระบบบัญชี RPA สามารถใช้ในการอ่านไฟล์ Excel ในโฟลเดอร์ที่แชร์เพื่อดึงรายละเอียดและเก็บไว้ในฐานข้อมูล จากนั้นเข้าสู่ระบบบัญชีเช่น SAP, Oracle เพื่ออัพเดตข้อมูลกลับ คนก็ไม่ต้องพิมพ์อีก ลดเวลาไปเยอะ
  4. การอัตโนมัติกระบวนการใบกำกับสินค้า (Invoice Process Automation) ประมวลผลใบกำกับสินค้าตั้งแต่เริ่มจนจบ สามารถดึงข้อมูล จัดประเภท และตรวจสอบข้อมูลจากใบกำกับสินค้าหรือบิลสาธารณ utilitiesได้โดยอัตโนมัติ
  5. การตรวจสอบการปรับปรุงบัญชีระหว่างบริษัท Intercompany Reconciliations (ICR) ใช้ RPA ช่วยในการปรับสมดุลบัญชี และสร้างงบการเงิน (Excel with formula) โดยไม่มีข้อผิดพลาดใด ๆ

ตอนจบรายการ แอดมินยังได้มีการ live demo สั้นๆ ไปกับตัว UiPath Clipboard AI ซึ่งเป็นอีกเครื่องมือหนึ่งที่น่าจะมีประโยชน์กับนักบัญชี และไว้จะนำมาเล่าในโอกาสต่อไป

Youtube = https://youtu.be/HTyR_2jOKFM

Source: 

  1. https://www.facebook.com/BanshiOnline/videos/1084329746064231/?mibextid=zDhOQc
  2. https://youtu.be/HTyR_2jOKFM

มาดูว่ามีอะไรใหม่ ๆ ในเวอร์ชั่นล่าสุดของ 1st RPA Platform จากค่าย UiPath  – What’s New for UiPath Platform 2022.10 

ประยุกต์คีย์ฟีเจอร์ล่าสุดของ UiPath และ RPA Trend 2023

ช่วงปลายปี 2022 นี้ก็ถึงเวลาของบทความแนวพยากรณ์ แนวโน้มอีกสามหรือห้าปีข้างหน้าทยอยออกมาให้อ่านกันพอสมควร แอดมินเห็นว่าเราควรเอาบทความแนว ๆ นี้มาประยุกต์ใช้กับเทคโนโลยีเวอร์ชั่นปัจจุบัน หรือเวอร์ชั่นล่าสุดที่จะถูกเรียกใช้จากผู้พัฒนา หรือ user เอง เพื่อการเรียนรู้ การทดลองใช้และประยุกต์ใช้ให้เกิดประโยชน์

จึงเป็นที่มาของบทความนี้ที่จะใช้ 2 context (แนวโน้ม + ความสามารถล่าสุดของ RPA software) มาเขียนร้อยกันไป ผู้อ่านจะเห็นว่าแนวโน้มที่จะมาในปี 2023-2025 จะถูกตอบสนองได้ด้วยความสามารถ หรือ feature ของ RPA + ai และสุดท้ายผู้อ่านจะสามารถเรียนรู้ และเลือกได้เลยจะใช้ feature ใดมาทำการ digital transformation องค์กร พร้อมแล้วไปอ่านกันเลยครับ (ผู้เขียนขอใช้แนวทางจากค่าย UiPath ที่คุ้นเคยที่สุด)

ปกติทางค่ายผู้พัฒนาจะทำการ launch new feature ในทุก ๆ สองสัปดาห์ แต่หากเป็นการรวบรวมทั้งหมด แล้ว pack มาทีเดียวในเวอร์ชั่น Enterprise ซึ่งมีลูกค้าใช้งานอยู่เป็นจำนวนมากจะทำกันในปลายเดือนเมษายน และปลายเดือนตุลาคมของทุกปี จากนั้นจะเป็นการ GA (general availability) จากฟีเจอร์ทดสอบ ผ่านการทดสอบ และมีเสถียรภาพสูงในที่สุด ในปลายปี 2022 เวอร์ชั่นล่าสุดซึ่งจะถูกใช้ต่อเนื่องไปในปีหน้า การออกแบบถูกทำตามเกณฑ์สี่อย่างดังภาพ (การสร้างระบบอัตโนมัติได้ง่ายดาย รวดเร็ว, การปรับปรุงพัฒนา process สม่ำเสมอด้วย ai, การใช้ ai + RPA ใน usecase ใหม่ และสุดท้ายคือการเลือกการติดตั้งได้อย่างไม่มีขีดจำกัด)

UiPath 2022.10 ภายใต้ 4 แนวคิด

และหากนำเอาคีย์ฟีเจอร์มากควบรวมกับ trend 2023 ดั่งที่ได้เขียนไปในบทความที่แล้ว ภาพอาจจะออกมาประมาณนี้

สรุปออกมาได้เป็น 7 แนวโน้มดังนี้

#1 และ #2 แนวคิดเรื่องนวัตกรรม่รวมไปถึงความเสี่ยง ผนวกเข้าไปในกระบวนการหรือการปฎิบัติงาน ไปพูดถึงการนำเอา RPA+Aiมาใช้ในงานหน้าบ้าน งานหาลูกค้าใหม่ งานบริการรูปแบบใหม่ เช่นระบบ ai อ่านข้อความ ฟังเสียง หรือมองรูปภาพ แล้วตอบโต้หรือคัดแยกนำไปเอาช่วยสร้างกระบวนการใหม่เป็นต้น (youtube chat+ai+RPA = https://youtu.be/9UTW60z8DLQ) เป็นต้น

#3 #4 IT automation & process discovery or test automation เป็นการผนวกเอา ai มาช่วยในการวิเคราะห์กระบวนการ ถ้าหากนำไปเที่ยบกับเครื่องมือพัฒนาจะเป็น UiPath process mining tools หรือ UiPath task mining ซึ่งหลักการคือนำเอา RPA ไปมอง “insight” ที่ระบบหน้าจอ หรือ log file ของ ERP แล้วหาคอขวดในกระบวนการเป็นต้น

#5 #6 และ #7 มองฟีเจอร์ล่าสุดที่จะมาตอบโจทย์เรื่องการ integration เข้ากับ Enterprise Software ได้อย่างรวดเร็ว ง่ายด้วยด้วย UiPath Integration และเครื่องมือ UiPath App ที่เป็น low code ที่เชื่อมกับ automation process ที่สร้างเอาไว้ ทำให้ผู้พัฒนาสร้างได้ง่าย และผู้ใช้ก็ใช้งานได้ผ่านทุกอุปกรณ์เช่น โน้ตบุค มือถือ หรือแม้แต่แทบเล็ต อีกประเด็นคือแนวโน้ม citizen developer ซึ่งอนุญาตให้ผู้ใช้งาน เรียนรู้ผ่าน e-learning และสร้าง app low code หรือแม้กระทั่งโปรแกรมหุ่นยนต์ขึ้นมาใช้ในองค์กรได้เอง แต่อยู่ภายใต้การกำกับดูแล (Governance policy) เป็นต้น ซึ่งหากจะมองไปก็เหมือน UiPath Automation Launcher เป็นต้น

2023 RPA Trends

ภาพแนวโน้ม RPA trend ในโลกธุรกิจ (ที่เขียนไปใน blog ครั้งที่แล้ว = https://bit.ly/3WCg4ZE

ทั้งนี้แอดมินได้ไปเล่นใน FB live กับทาง อ.เวท จากทางสถาบัน 9Expert (https://youtu.be/wE2MhqTAVjE)  มีเนื่องหาที่น่าจะเป็นประโยชน์ ลองตามไปดูในคลิปYoutube กันดูครับ

ในบทความต่อ ๆ ไปจะมาลงลึกถึง key feature ในแต่ละโมดูล ตามที่ได้เกริ่นเอาไว้ในบทความนี้ ไว้พบกันครับ Merry Christmas & Happy New Year 2023

Credit: 

https://docs.uipath.com/action-center/docs

https://www.uipath.com/blog/product-and-updates/2022-10-release-overview

“อะไรใหม่อะไรมา” กับการดึงประสิทธิภาพสูงสุดจากระบบอัตโนมัติ – บทความเรื่อง Automation 2023 

แนวโน้ม automation ในยุคปี 2023

เข้าใกล้วาระช่วงปลายปี ก็จะมีบทความในเชิงการรวบรวมข้อมูล การพยากรณ์ถึงแนวโน้มต่าง ๆ ออกมาให้อ่านกัน วันนี้แอดมินขอหยิบเอา blog จากค่าย UiPath RPA ที่เค้าไปรวบรวมเอาข้อมูลจากหลากหลายแหล่ง อาทิเช่น Gartner, Everest, IDC, McKensey, Lenovo และอื่นๆ มาสรุปเล่าเป็นแนวโน้มของระบบอัตโนมัติขึ้นมา 7 แนวโน้ม สรุปเอามาเล่าสั้น ๆ กันครับ 

เก่าไป ใหม่มา… เมื่ออ่านจบคิดว่าน่าจะได้ประโยชน์สามเรื่องคือหนึ่งเราจะรู้ว่าเครื่องมือตัวนี้มีผลกระทบอย่างไรหากนำไปใช้อย่างถูกต้อง สองปัญญาประดิษฐ์ดูเหมือนจะเป็นตัวยกระดับการใช้งาน และสามผลกระทบและแนวทางปฎิบัติต่อผู้ที่เกี่ยวข้องเช่น CEO, CHRO, CIO เป็นต้น ไปอ่านกันครับ

automation trend 2023

สรุปออกมาได้เป็น 7 แนวโน้มดังนี้

#1 แนวคิดเรื่องนวัตกรรม ผนวกเข้าไปในกระบวนการหรือการปฎิบัติงาน จากการใช้ automation ในหน่วยงานขยายเป็นแผนก ขยายต่อข้ามแผนก (เชื่อมเข้าหากัน) จากแนวคิดเพียงลดภาระงานเป็น เพื่อให้ได้ “สิ่งใหม่” ที่เร็วกว่า ดีกว่า ถูกกว่า ประทับใจลูกค้ามากกว่า

#2 เมื่อโลกธุรกิจมีความเสี่ยงแบบไม่เคยมีมาก่อน ภาวะเงินเฟ้อรุนแรง แรงงานขาดแคลน เมื่อองค์กรคิดแบบ automation 1st จะมาช่วยสองด้านคือเพิ่มประสิทธิภาพการทำงานทันที และเพิ่มแรงดึงดูดกับพนักงานใน generation ใหม่ที่มองเครื่องมือที่จะเป็นตัวช่วยกับองค์กรในฝันของพวกเขา

“จากการสัมภาษณ์การทำงานที่ USA มีพนักงานในสหรัฐอเมริกาถึง 72% ที่ต้องการถ่ายโอนงานทั่วไปต่าง ๆ อาทิ การบริหารจัดการใบแจ้งหนี้ ตรวจสอบบัญชี หรือการทำรายงานเบื้องต้นให้กับระบบ AI เพื่อให้พวกเขาจะได้เน้นการทำงานที่จะเติบโตได้มากขึ้น เป็นต้น”

#3 หมดยุคสำหรับการทำเพื่อให้ระบบ IT ในองค์กรทำงานได้ไม่ติดขัด แต่ CIO ในยุคใหม่ต้องมีความรับผิดชอบมากกว่านั้น เช่นการช่วย CEO, CFO ในแง่การสร้างผลลัพธ์ในรูปแบบใหม่ ๆ โดยประยุกต์ใช้ “นวัตกรรม” เช่นการประยุกต์ใช้ automation เพื่อลดต้นทุนเวลา ลดต้นทุนแรงงาน เพิ่มความเร็วสำหรับโครงการ ซึ่งระบบ automation จะมาตอบโจทย์ได้เร็วกว่าเทคโนโลยีอื่น ๆ 

#4 ซึ่งจำเป็นใหม่ ๆ สำหรับองค์กรในยุคดิจิตอล อาทิ process mining (เครื่องมือที่ใช้ ai ช่วยขุดค้นหากระบวนการที่เป็นคอขวด ต้นตอของปัญหาที่มองไม่เห็น กระบวนการที่ข้ามระบบ ข้ามแผนก หรือข้ามบริษัทเป็นต้น) และautomation testing ที่จะมาช่วยให้การสร้างระบบใหม่เร็ว ขยายได้ไม่จำกัด ถูกต้องแม่นยำเพื่อนำไปใช้งาน

#5 เครื่องมือในยุค 2023 เอื้ออำนวยให้พนักงานที่ไม่มีทักษะ IT สามารถสร้างสรรค์ automation process หรือแม้แต่ application ได้ด้วยตัวเค้าเอง ไม่ต้องไปร่ำเรียนใช้เวลามากมาย ด้วยเครื่องมือ low-code ภาระงานที่เคยตกอยู่กับหน่วยงาน IT หรืองานprogrammer จะหายไปเยอะมาก

#6 เมื่อ ai เพิ่มความสามารถในงาน automation มากขึ้นไปอีกด้วยการนำ NLP มาใช้  (Natural language processing – ความสามารถของโปรแกรม ในเข้าใจความหมายของข้อความ และเสียงเหล่านั้นแบบสมบูรณ์ได้เหมือนกับที่มนุษย์ทำ อีกทั้งยังสามารถที่จะประเมินและเข้าใจถึงเจตนาได้อีกด้วย) อีกทั้งการเรียนรู้ประเภทเอกสาร แยกแยะข้อมูลอัตโนมัติ ก็เพิ่มและเก่งขึ้นเรื่อย ๆ 

#7 ทักษะดิจิตอล จะกลายเป็นแหล่งขุมทรัพย์สำหรับองค์กรยุคใหม่ ทั้ง CIO และ CHRO ต้องทำงานร่วมกันเพื่อช่วยการสร้าง สอน ถ่ายทอดทักษะนี้เพื่อการเติบโตในยุคดิจิตอลต่อไป

Credit: 

https://www.uipath.com/resources/automation-whitepapers/automation-trends-report

https://www.adpt.news/2022/11/24/report-72-of-us-workers-want-to-delegate-simple-tasks-to-ai/?

RPA Practical Use case (Thailand) Sharing – Webinar with IMC Institute

แบ่งปันเคสการนำ RPA + ai ไปใช้ในภาคธุรกิจของประเทศไทย เล่า Use case ผ่านการแบ่งออกเป็น 3 ประเภท

ช่วงกลางเดือนที่ผ่านมา มีโอกาสทำ Free webinar กับทางสถานบันไอเอ็มซี (IMC Institute) โดยตอนที่ได้พูดคุยกับทีมงานก็จะเน้นไปในเรื่องของการนำเอาการใช้งาน RPA + ai จริงมาเล่าผ่านการแยกประเภทต่างๆ ออกได้เป็น 3 แนวทางการแบ่ง use case คือ

  • แบ่งโดยมองไปที่เทคโนโลยี มองจาก ai เรื่อง image detection หรือ machine learning ในเรื่อง text classification หรือ NER (Name Entity Recognition) 
  • แบ่งแบบตามกระบวนการเฉพาะของอุตสาหกรรม เช่นธนาคาร ประกันภัย ภาคการผลิต
  • แบ่งตาม business unit หรือตามแผนกต่าง ๆ เช่นการบัญชี การตลาดหรือแม้แต่หน่วยงาน HR

โดยตอนที่เริ่มเราก็ไม่ได้เข้าเรื่องทันทีทันใด แต่ขอไปเน้นพูดปูพรมความรู้กันก่อนว่า มันคืออะไร แนวโน้มยุคนี้ผู้บริหารเน้นให้ไปใช้ด้วยหลักอะไร เริ่มกันยังไง (มีแนวทางให้คิด) แล้วอธิบายถึงกระบวนการการคัดสรรในทางลึกด้วยเทคโนโลยี และการคำนวณ ROI ร่วมกัน

  1. การนำ RPA มาใช้ควรเริ่มต้นตรงไหน อย่างไร
  2. Deep dive process ตัวอย่าง
  3. Use cases ในกลุ่มงานลักษณะต่างๆ

เข้าใจว่ามีการถ่ายทอดผ่าน zoom มีผู้เข้าฟังมากกว่า 100 ท่าน และยังไม่นับรวมการดูผ่านช่องทางอื่นๆ อีก (ดีใจมากมายที่ได้แบ่งปันกัน) และบันทึกเพื่อให้ดูย้อนได้ผ่าน FB live ของทางเพจ IMC เองและดูผ่าน youtube channel ของ IMC เช่นกัน ความยาวของคลิปประมาณ 80 นาที ก็ครอบคลุมในทุกเรื่องที่ได้กล่าวไป ไม่เร่งไม่ยืด ถ้ามีเวลาสามารถเข้าไปค้นหาในตามช่องทางต่างๆ ที่ให้ไว้ได้ครับ และหากต้องการ slide material ใด ๆ สามารถติดต่อได้ตลอดครับ

ภาพจากทาง FB page – IMC

Credit: