- AI Transformation คือการเปลี่ยนวิธีทำงาน ให้ AI รับบางขั้นในกระบวนการจริง และวัดผลเป็นตัวเลขเทียบกับก่อนเริ่ม
- ไลเซนส์สำหรับทุกคนหรือแชตบอตบนเว็บเป็นเครื่องมือ ถ้าขั้นตอนงานยังเหมือนเดิม ตัวเลขของบริษัทก็ยังเท่าเดิม
- เมื่อทำจริง สี่เรื่องเปลี่ยนไปพร้อมกัน คือ งาน ข้อมูล คน และการควบคุม
- เริ่มจากกระบวนการเดียวที่มีปัญหาวัดได้และมีเจ้าของหนึ่งคน
- 90 วันแรกควรจบด้วยระบบนำร่องที่วัดผลแล้ว นโยบายการใช้ AI ทีมที่ใช้เป็น และการตัดสินใจเรื่องสามงานถัดไป
AI Transformation คืออะไร
AI Transformation คือการเปลี่ยนวิธีทำงานของบริษัท ให้ AI รับงานบางขั้นในกระบวนการจริง โดยมีข้อมูลที่ระบบเข้าถึงได้ คนที่รู้ว่าต้องตรวจตรงไหน และกฎที่บอกว่าใครอนุมัติอะไร แล้ววัดผลเป็นตัวเลขเทียบกับก่อนเริ่ม
คำว่า Transformation ในที่นี้หมายถึงขั้นตอนงานเปลี่ยน ถ้าทุกคนมีบัญชี AI แต่ฝ่ายบัญชียังพิมพ์ใบแจ้งหนี้ลงระบบทีละใบ กระบวนการก็ยังเป็นแบบเดิม
นิยามของคำนี้ยังไม่ตรงกันในแต่ละแหล่ง ที่ปรึกษาบางรายนับเป็นส่วนหนึ่งของ Digital Transformation บางรายแยกเป็นขั้นถัดไป นิยามข้างบนคือแบบที่ทีมพัฒนาใช้ตอนออกแบบงาน เพราะตรวจได้ว่าเกิดขึ้นจริงหรือยัง
สามอย่างที่มักเรียกกันว่า AI Transformation
อย่างแรกคือการซื้อไลเซนส์ให้ทุกคน บัญชี ChatGPT หรือ Copilot ช่วยให้แต่ละคนร่างอีเมลหรือสรุปประชุมได้เร็วขึ้น แต่กระบวนการของบริษัทยังเดินแบบเดิม และถ้ายังไม่มีนโยบาย ข้อมูลลูกค้าอาจไปอยู่ในเครื่องมือที่บริษัทไม่ได้ดูแล
อย่างที่สองคือแชตบอตบนหน้าเว็บที่ตอบคำถามทั่วไปจากเอกสาร เมื่อคำถามต้องเปิดระบบดูสถานะหรือสร้างรายการ งานก็กลับมาที่พนักงานคนเดิม แชตบอตจะนับเป็นการเปลี่ยนวิธีทำงานได้ เมื่อต่อเข้ากับงานหลังบ้านแล้ว
อย่างที่สามคือ Digital Transformation ซึ่งย้ายงานกระดาษและงานมือเข้าระบบ เช่น ติดตั้ง ERP หรือเปิดช่องทางขายออนไลน์ AI Transformation ต่อยอดจากตรงนั้น โดยเปลี่ยนว่าใครทำขั้นไหนในระบบที่มีอยู่ บริษัทที่ข้อมูลหลักยังอยู่บนกระดาษต้องทำส่วนที่เป็น Digital Transformation ไปพร้อมกัน เพราะ AI อ่านข้อมูลที่ไม่มีในระบบไม่ได้
| Digital Transformation | AI Transformation | ซื้อเครื่องมือ AI ให้พนักงาน | |
|---|---|---|---|
| อะไรเปลี่ยน | งานกระดาษและงานมือย้ายเข้าระบบ ข้อมูลเริ่มเก็บเป็นดิจิทัล | ขั้นตอนในกระบวนการ AI ทำบางขั้น คนตัดสินใจและตรวจรายการที่ผิดปกติ | งานส่วนตัวของแต่ละคนเร็วขึ้น ขั้นตอนของบริษัทเท่าเดิม |
| ใครนำ | ฝ่าย IT ร่วมกับเจ้าของกระบวนการ | ผู้บริหารที่รับผลลัพธ์ ร่วมกับ IT และหัวหน้างานที่ทำงานนั้นทุกวัน | ฝ่าย IT หรือฝ่ายจัดซื้อ |
| รู้ได้อย่างไรว่าได้ผล | งานเดินในระบบ ข้อมูลครบและเรียกดูได้ | ตัวเลขของงานนั้นขยับเทียบกับ Baseline เช่น เวลาต่อรายการ หรือจำนวนรายการที่ต้องแก้ | จำนวนคนที่เข้าใช้ ซึ่งยังไม่บอกผลทางธุรกิจ |
| จุดที่พลาดบ่อย | ระบบใหม่ แต่วิธีทำงานเดิม | เริ่มหลายงานพร้อมกันจนวัดผลงานไหนไม่ได้ | ข้อมูลบริษัทไหลเข้าเครื่องมือส่วนตัวของพนักงาน |
สี่เรื่องที่เปลี่ยนเมื่อทำจริง
งานเปลี่ยนก่อน ขั้นตอนเขียนใหม่ทีละกระบวนการ ระบุว่าขั้นไหน AI ทำ ขั้นไหนคนตัดสิน และขั้นไหนต้องมีคนอนุมัติก่อนไปต่อ หลักนี้เรียกว่า Human-in-the-Loop งานที่ควรเริ่มก่อนคืองานที่ทำซ้ำทุกวัน และแก้ไขได้ถ้าผิด
ข้อมูลต้องมีฉบับที่บริษัทถือว่าถูก หรือ Source of Truth และเข้าถึงได้ผ่านระบบ ถ้าราคาสินค้าอยู่ใน Excel สามไฟล์ที่ตัวเลขไม่ตรงกัน AI จะตอบตามไฟล์ที่เปิดเจอ ข้อมูลส่วนบุคคลต้องรู้ว่าอยู่ตรงไหน และส่งเข้าเครื่องมือใดได้ตาม PDPA เรื่องนี้เรียกว่า Data Readiness
คนเปลี่ยนบทบาท พนักงานที่เคยกรอกข้อมูลกลายเป็นคนตรวจรายการที่ระบบไม่แน่ใจ และหัวหน้างานต้องตั้งเกณฑ์ว่าแบบไหนผ่าน ในบริษัทไทย ระบบใหม่มักไม่มีคนใช้ด้วยเหตุผลใกล้ตัว เช่น อ่านเอกสารภาษาไทยได้ไม่แม่น หรือพนักงานกังวลว่าระบบจะมาแทนตัวเอง จึงต้องวาง Change Management ตั้งแต่วันแรก ทักษะที่ทีมต้องฝึกอยู่ใน 10 ทักษะที่พนักงานต้องเรียนรู้
การควบคุมต้องเขียนเป็นเอกสาร ว่าข้อมูลประเภทไหนใช้กับเครื่องมือไหนได้ งานไหนต้องมีคนตรวจก่อนนำผลไปใช้ และทุกครั้งที่ระบบทำงานต้องมีบันทึกใน Audit Log ถ้าพนักงานใช้ AI ส่วนตัวกับข้อมูลบริษัทอยู่แล้ว ซึ่งเรียกว่า Shadow AI ให้ออกนโยบายและจัดเครื่องมือที่บริษัทดูแลก่อน การสั่งห้ามอย่างเดียวทำให้การใช้งานหลบไปอยู่ในที่ที่ฝ่าย IT มองไม่เห็น
กรณีจำลอง
บริษัทจัดจำหน่ายอะไหล่รถยนต์ในชลบุรี (ชื่อและรายละเอียดสมมติ) ซื้อไลเซนส์ AI ให้พนักงานออฟฟิศทุกคน และเรียกโครงการนี้ว่า AI Transformation หนึ่งไตรมาสต่อมา พนักงานส่วนหนึ่งใช้ร่างอีเมล แต่ไม่มีใครบอกได้ว่าบริษัทได้อะไร ฝ่ายบัญชียังพิมพ์ใบแจ้งหนี้ลงระบบทีละใบ และมีคนนำไฟล์ราคาลูกค้าไปวางในแอป AI ส่วนตัว
รอบที่สอง ผู้บริหารเลือกงานเดียว คือการบันทึกใบแจ้งหนี้และจับคู่กับใบสั่งซื้อ ก่อนเริ่ม ทีมนับเวลาต่อใบและจำนวนใบที่ต้องแก้ โดยมีหัวหน้าฝ่ายบัญชีเป็นเจ้าของตัวเลข ทีมพัฒนาสร้างระบบอ่านใบแจ้งหนี้ภาษาไทยด้วย OCR จับคู่กับใบสั่งซื้อใน ERP และส่งเฉพาะใบที่ยอดไม่ตรงให้คนตรวจ ระหว่างนั้นบริษัทเขียนนโยบายการใช้ AI เมื่อครบสามเดือน ผู้บริหารมีตัวเลขก่อนและหลัง และใช้ตัวเลขนั้นเลือกงานถัดไปสามงาน
สัญญาณว่าบริษัทพร้อมเริ่ม
รายการนี้ตรวจได้ภายในหนึ่งสัปดาห์ ถ้ามีตั้งแต่ห้าข้อขึ้นไป เริ่มกระบวนการแรกได้เลย ถ้าน้อยกว่านั้น ข้อที่ขาดคืองานแรกที่ต้องทำ
- มีงานที่ทำซ้ำทุกวัน กินเวลาคนหลายชั่วโมงต่อสัปดาห์ และนับได้ว่าวันหนึ่งทำกี่รายการ
- ข้อมูลที่งานนั้นใช้อยู่ในระบบที่ดึงออกมาได้ หรือเป็นเอกสารที่รวบรวมเป็นชุดได้
- มีหัวหน้างานหนึ่งคนที่ยอมรับเป็นเจ้าของตัวเลขของงานนั้น
- ผู้บริหารกันเวลาให้คนที่ทำงานนั้นมาช่วยออกแบบและทดสอบ
- รู้ว่าข้อมูลส่วนไหนเป็นข้อมูลส่วนบุคคลตาม PDPA
- พนักงานเริ่มใช้ AI กันเองแล้ว ซึ่งบอกว่ามีความต้องการ และถึงเวลาต้องมีนโยบาย
เริ่มจากกระบวนการเดียวที่วัดได้
จุดเริ่มที่ได้ผลคือกระบวนการเดียวที่มีปัญหาวัดเป็นตัวเลขได้ตั้งแต่วันนี้ เช่น ใบเสนอราคาที่ใช้เวลาออกหลายวัน หรือคำถามลูกค้าที่ทีมตอบซ้ำ ๆ ทั้งวัน ถ้าเริ่มหลายงานพร้อมกัน จะไม่มีงานไหนมีตัวเลขชัดพอให้ตัดสินใจต่อ ก่อนเลือก ให้ถามสี่ข้อนี้กับงานที่คิดไว้
สี่คำถามก่อนเรียกว่า Transformation
- คำถาม 1 งานไหน ตั้งชื่อกระบวนการหนึ่งเดียว บอกได้ว่าเริ่มและจบที่ไหน เช่น ตั้งแต่ได้รับใบแจ้งหนี้จนตั้งเรื่องจ่าย
- คำถาม 2 วัดด้วยตัวเลขอะไร ตัวเลขหนึ่งตัวที่นับได้วันนี้ เรียกว่า Baseline เช่น เวลาต่อรายการ หรือจำนวนรายการที่ต้องแก้
- คำถาม 3 ใครเป็นเจ้าของ คนหนึ่งคนที่รับผลของตัวเลขนั้นและมีอำนาจเปลี่ยนขั้นตอน เรียกว่า Process Owner
- คำถาม 4 ข้อมูลอยู่ไหน ระบบที่เก็บข้อมูล วิธีดึงออก และข้อมูลส่วนไหนต้องอยู่ในบริษัทตาม PDPA
กฎ: ถ้าตอบได้ไม่ครบสี่ข้อ งานนั้นยังเป็นการทดลองเครื่องมือ ให้เลือกงานอื่น หรือเติมข้อที่ขาดก่อน
ถ้ายังเลือกไม่ได้ว่าจะเริ่มจากฝ่ายไหน วิธีให้คะแนนแต่ละฝ่ายอยู่ใน ควรเริ่มใช้ AI ในแผนกไหนก่อน
90 วันแรกควรจบด้วยอะไร
90 วันพอสำหรับระบบนำร่องหนึ่งงาน ถ้าวัดผลตั้งแต่วันแรก เมื่อครบกำหนด บริษัทควรมีสี่อย่างนี้อยู่ในมือ
- ระบบนำร่องหนึ่งงานที่ทำงานกับเคสจริง และมีตัวเลขเทียบกับ Baseline ทั้งส่วนที่ดีขึ้นและส่วนที่ยังไม่ดี - นโยบายการใช้ AI ที่บอกว่าข้อมูลประเภทไหนใช้กับเครื่องมือไหนได้ และงานไหนต้องมีคนตรวจ - ทีมที่ใช้ระบบเป็น รู้ว่าต้องตรวจตรงไหน และรู้ว่าเมื่อระบบผิดต้องแจ้งใคร - การตัดสินใจเรื่องสามงานถัดไป เรียงตามผลตอบแทน พร้อมเหตุผลว่าทำไมงานอื่นรอได้
ถ้างานแรกไม่ได้ผล การหยุดก็นับเป็นผลลัพธ์ เพราะบริษัทรู้แล้วว่าติดตรงไหนก่อนลงงบกับการขยาย แผนทีละช่วงพร้อมจุดตัดสินใจและทีมกำกับดูแล อยู่ใน แผนเปลี่ยนบริษัทให้เป็น AI-First ภายใน 90 วัน สำหรับเจ้าของกิจการ
สำหรับทีมพัฒนา · สิ่งที่ IT ต้องพร้อมก่อนเริ่ม Pilot
การเข้าถึงข้อมูล: Service Account แบบอ่านอย่างเดียวสำหรับทุกระบบที่ Pilot ใช้ ดึงข้อมูลผ่าน API หรือ Export ตามรอบเวลา และชุดข้อมูลทดสอบที่ปิดข้อมูลส่วนบุคคลแล้ว ตัวตนผู้ใช้: เข้าระบบผ่าน SSO ของบริษัท เช่น Microsoft 365 หรือ Google Workspace สิทธิ์ตามบทบาท ไม่มีบัญชีใช้ร่วม และระบบ AI เห็นเอกสารเท่าที่ผู้ใช้คนนั้นมีสิทธิ์เห็น การบันทึก: เก็บ Input แหล่งข้อมูลที่ค้น Output ผู้อนุมัติ และเวอร์ชันของโมเดลกับ Prompt ลง Audit Log ที่ผู้ใช้แก้ไม่ได้ การจัดชั้นข้อมูล: ติดป้าย Data Classification แล้วกำหนดว่าระดับไหนส่งไปโมเดลบนคลาวด์ได้ ระดับไหนต้องใช้ Private LLM การวัดผล: เก็บ Baseline ด้วยวิธีเดียวกับที่จะวัดหลังเปิดใช้ และทดสอบระบบกับตัวอย่างจริงจากงานของคุณก่อนเปิดใช้ โดยตกลงกันว่าแบบไหนถือว่าผ่าน
วิธีที่เราพาบริษัทผ่าน 90 วันแรก
DNA Maker เริ่มจากนั่งดูงานจริงกับคนที่ทำงานนั้นทุกวัน ประเมินข้อมูล ระบบ และทีม แล้วจัดอันดับงานที่ AI ช่วยได้ตามผลตอบแทน ก่อนลงมือสร้าง คุณได้รายงานความพร้อม รายการงานที่เรียงลำดับแล้ว Roadmap 90 วันที่ระบุทีม งบ และตัวชี้วัด และนโยบายการใช้ AI ที่ปลอดภัยและถูกกฎหมาย งานไหนยังไม่ควรใช้ AI เราบอกตรง ๆ
จากนั้นวิศวกรของ DNA Maker เองสร้างระบบแรกจนใช้กับงานจริง โดยไม่จ้างช่วง และให้คุณเห็นงานที่ใช้ได้ทุกสัปดาห์ ระบบเชื่อมกับ Microsoft 365, Google Workspace หรือ ERP ที่ใช้อยู่ ส่วนข้อมูลที่ออกนอกบริษัทไม่ได้ เราใช้ Private LLM ที่ติดตั้งในระบบของคุณเอง ช่วงท้ายเราสอนทีมให้ใช้และดูแลต่อ ขอบเขตและราคากำหนดก่อนเริ่มงาน และส่งมอบ Source Code ตามขอบเขต จากงานกว่า 500 โปรเจกต์ ลูกค้าของเรามีทั้งธนาคาร โรงพยาบาล และกลุ่มบริษัทขนาดใหญ่ของไทย ดูรายละเอียดที่หน้า AI Transformation หรือเล่าโจทย์ให้ Dream ในหน้าแชตฟัง
SOFTWARE ENGINEERING GLOSSARY
คลังคำศัพท์การพัฒนาซอฟต์แวร์
| คำศัพท์ | คืออะไร | ตัวอย่างที่เข้าใจง่าย | คำถามที่ผู้บริหารควรถามทีมพัฒนา |
|---|---|---|---|
| AI Transformation | การเปลี่ยนวิธีทำงานให้ AI รับบางขั้นในกระบวนการจริง และวัดผลได้ | AI อ่านใบแจ้งหนี้ คนตรวจเฉพาะใบที่ยอดไม่ตรง | ขั้นตอนไหนของเราเปลี่ยน และวัดด้วยตัวเลขอะไร? |
| Pilot | การทดลองใช้ระบบกับงานจริงในขอบเขตเล็กก่อนขยาย | ใช้กับใบแจ้งหนี้ของซัพพลายเออร์กลุ่มเดียวก่อน | ถ้าผล Pilot ไม่ผ่าน เราหยุดได้ที่จุดไหน? |
| Baseline | ตัวเลขของงานก่อนใช้ระบบ ไว้เทียบหลังเปิดใช้ | เวลาเฉลี่ยในการบันทึกใบแจ้งหนี้หนึ่งใบ | เราวัด Baseline ด้วยวิธีเดียวกับหลังเปิดใช้หรือไม่? |
| Process Owner | คนที่รับผลของกระบวนการ และมีอำนาจเปลี่ยนขั้นตอน | หัวหน้าฝ่ายบัญชีที่รับผลเรื่องเวลาปิดงบ | ใครเซ็นรับว่าขั้นตอนใหม่ใช้ได้? |
| Shadow AI | การที่พนักงานใช้ AI ส่วนตัวกับข้อมูลบริษัท โดยบริษัทไม่รู้ | วางไฟล์ราคาลูกค้าในแอป AI บนมือถือ | ตอนนี้ข้อมูลอะไรของเราอยู่ในเครื่องมือที่บริษัทไม่ได้ดูแล? |