AI Workflow คืออะไร? เชื่อมงานทั้งกระบวนการเพื่อเพิ่มประสิทธิภาพ SME ไทย
หลายธุรกิจเริ่มใช้ AI ช่วยร่างอีเมล สรุปเอกสาร และคิดคอนเทนต์ แต่เมื่อมองการทำงานทั้งบริษัท ปัญหาเดิมอาจยังอยู่ เช่น ฝ่ายขายต้องส่งข้อมูลให้ฝ่ายบัญชี พนักงานต้องคัดลอกตัวเลขระหว่างไฟล์ และผู้บริหารต้องรอรายงานจากหลายแผนกก่อนตัดสินใจ
การทำงานบางขั้นตอนให้เร็วขึ้น จึงต้องมาพร้อมการตรวจสอบว่างานทั้งกระบวนการดีขึ้นด้วยหรือไม่
AI Workflow คืออะไร?
AI Workflow คือกระบวนการทำงานที่เชื่อมข้อมูล เครื่องมือ AI ระบบธุรกิจ และผู้รับผิดชอบเข้าด้วยกัน ตั้งแต่การรับข้อมูล การประมวลผล การตรวจสอบ การอนุมัติ ไปจนถึงการนำผลลัพธ์ไปใช้และติดตามผล
สำหรับ SME ไทย แนวทางนี้อาจช่วยลดงานซ้ำ ทำให้ข้อมูลไหลระหว่างฝ่ายได้ดีขึ้น และช่วยให้ข้อมูลพร้อมสำหรับการตัดสินใจเร็วขึ้น โดยธุรกิจต้องเลือกปัญหาที่เหมาะสมและพิสูจน์ความคุ้มค่าจากงานจริง
AI Workflow ต่างจาก AI Use Case และ AI Agent อย่างไร?
| แนวคิด | ความหมายในบทความนี้ | ตัวอย่าง |
|---|---|---|
| กรณีใช้งาน AI (AI Use Case) | ปัญหาหรือเป้าหมายที่ต้องการให้ AI ช่วย | ลดเวลาสรุปรายงานฝ่ายขาย |
| กระบวนการทำงานที่ใช้ AI (AI Workflow) | ขั้นตอนที่เชื่อมข้อมูล การประมวลผล การตรวจสอบ และการส่งต่องาน | รับรายงาน → ตรวจข้อมูล → สรุป → อนุมัติ → ติดตาม |
| เอเจนต์ AI (AI Agent) | ระบบที่ให้โมเดลเลือกขั้นตอนหรือเครื่องมือบางส่วนตามสถานการณ์ ภายใต้ขอบเขตที่กำหนด | ค้นข้อมูลเพิ่มเติมเมื่อพบว่ารายงานไม่ครบ |
Anthropic แยกเชิงสถาปัตยกรรมว่า Workflow ใช้เส้นทางการทำงานที่กำหนดไว้ ส่วน Agent ให้โมเดลกำกับขั้นตอนและการใช้เครื่องมือแบบยืดหยุ่น พร้อมเสนอให้เริ่มจากวิธีที่เรียบง่ายและเพิ่มความซับซ้อนเมื่อมีเหตุผลรองรับ Anthropic: Building effective agents
ดังนั้น ธุรกิจควรเริ่มจาก AI Use Case ที่ชัดเจน แล้วจึงออกแบบ AI Workflow ให้รองรับ บางขั้นตอนอาจใช้เพียงกฎทางธุรกิจ สูตรคำนวณ หรือการเชื่อมระบบ โดยไม่จำเป็นต้องใช้ AI ทุกจุด
จากประสิทธิภาพรายบุคคลสู่ผลลัพธ์ทั้งบริษัท
การใช้ AI ช่วยพนักงานมีหลักฐานว่าทำให้ผลิตภาพดีขึ้นได้ งานวิจัย Generative AI at Work ฉบับปรับปรุงปี 2024 ศึกษาพนักงานบริการลูกค้า 5,172 คน พบว่าผู้ช่วย AI เพิ่มจำนวนปัญหาที่แก้ไขได้ต่อชั่วโมงโดยเฉลี่ยประมาณ 15% แต่ผลลัพธ์แตกต่างกันตามกลุ่มพนักงานและบริบทที่ศึกษา Brynjolfsson, Li และ Raymond: Generative AI at Work
สำหรับองค์กร คำถามถัดไปคือ เวลาที่ประหยัดได้ช่วยลดเวลาส่งมอบงานจริงหรือไม่ หากร่างรายงานเร็วขึ้น แต่ยังต้องรอข้อมูลหรือการอนุมัติหลายวัน คอขวดอาจอยู่ที่ขั้นตอนอื่น
คำว่า “Human API” จึงใช้เป็นคำเปรียบเทียบถึงคนที่ต้องคอยย้ายข้อมูลระหว่างระบบ งานส่วนนี้ควรได้รับการสำรวจว่าเชื่อมต่ออัตโนมัติได้เพียงใด และจุดใดยังจำเป็นต้องใช้วิจารณญาณของมนุษย์
ตัวอย่าง AI Workflow สำหรับ SME ไทย
ตัวอย่างต่อไปนี้เป็นแนวทางการออกแบบที่ IDA เสนอ ไม่ใช่กรณีศึกษาที่รับประกันผลลัพธ์แล้ว
1. เชื่อมข้อมูลฝ่ายขายกับรายงานผู้บริหาร
ธุรกิจอาจให้ฝ่ายขายรายงานผลการเข้าพบลูกค้าผ่านช่องทางที่คุ้นเคย เช่น LINE Official Account แล้วเชื่อมข้อความเข้าสู่ระบบหลังบ้าน โดย LINE Messaging API รองรับการรับเหตุการณ์ผ่าน Webhook และการส่งข้อความตอบกลับ LINE Developers: Messaging API overview
ขั้นตอนของ Workflow
- รับข้อมูลตามแบบฟอร์ม เช่น สินค้า เหตุผลที่ขายได้หรือไม่ได้ และประเด็นเกี่ยวกับคู่แข่ง
- ตรวจข้อมูลที่ขาด รายการซ้ำ และสิทธิ์ของผู้ส่ง
- ให้ AI จัดหมวดหมู่และสรุปประเด็น
- เชื่อมข้อมูลกับยอดขายและสต็อกจากระบบที่เชื่อถือได้
- ส่งรายงานให้ผู้รับผิดชอบตรวจทานตามรอบเวลาที่กำหนด
- บันทึกการตัดสินใจและติดตามผล
จุดควบคุมที่สำคัญ
ควรเก็บข้อความต้นทางไว้ให้ตรวจสอบได้ และแยกให้ชัดเจนว่าอะไรเป็น ข้อเท็จจริงจากระบบ, ความคิดเห็นของฝ่ายขาย หรือ ข้อสรุปที่ AI สร้างขึ้น
การรับข้อมูลได้เร็วขึ้นไม่ได้รับประกันว่าข้อมูลจะถูกต้องขึ้นโดยอัตโนมัติ
2. เตรียมทางเลือกจัดซื้อและบริหารสต็อก
สำหรับผู้จำหน่ายสินค้าเกษตรหรือวัตถุดิบ AI Workflow อาจช่วยรวบรวมข้อมูลยอดขาย สต็อก ใบเสนอราคา และระยะเวลาขนส่ง เพื่อเตรียมทางเลือกให้ผู้บริหารเปรียบเทียบ
บทบาทของระบบคำนวณและ AI
การคำนวณต้นทุนและข้อจำกัดควรใช้สูตรหรือระบบคำนวณที่ตรวจสอบได้ ส่วน AI สามารถช่วยอธิบายสมมติฐานและสรุปผล เช่น
- หากยอดขายต่ำกว่าที่คาด สินค้าจะค้างอยู่ในสต็อกนานเพียงใด
- ทางเลือกใดมีต้นทุนรวมต่ำที่สุด
- มีข้อมูลสำคัญส่วนใดที่ยังขาด
- เงื่อนไขใดอาจทำให้ผลการคำนวณเปลี่ยนแปลง
จุดอนุมัติที่ต้องมีมนุษย์กำกับ
การสั่งซื้อและการเปลี่ยนเงื่อนไขสำคัญควรผ่านผู้มีอำนาจอนุมัติ
ไม่ควรใช้ความมั่นใจของคำตอบจาก AI แทนหลักฐานประกอบการตัดสินใจ
3. ออกแบบโปรโมชั่นจากข้อมูลลูกค้า
SME อาจเริ่มจากประวัติการซื้อที่ตนมี เพื่อแบ่งกลุ่มลูกค้าและทดลองข้อเสนอที่เกี่ยวข้องกับความต้องการของแต่ละกลุ่ม
องค์ประกอบของ Workflow
Workflow ควรเชื่อมองค์ประกอบต่อไปนี้เข้าด้วยกัน
- ข้อมูลลูกค้า
- การแบ่งกลุ่มลูกค้า
- เงื่อนไขโปรโมชั่น
- กระบวนการอนุมัติ
- การส่งข้อความ
- การติดตามผลตอบรับ
- การวัดผลทางธุรกิจ
ควรวัดทั้ง ยอดขาย, กำไรหลังหักส่วนลด, อัตราการตอบรับ และ จำนวนผู้ยกเลิกรับข้อความ
จำนวนลูกค้ามากหรือน้อยเพียงอย่างเดียวไม่ได้บอกว่าข้อมูลพร้อมใช้ สิ่งที่ต้องตรวจคือ ข้อมูลครบ ทันสมัย เชื่อมกันได้ และนำไปใช้ได้ตามวัตถุประสงค์หรือไม่
4. สนับสนุนการวางแผนการผลิต
การเลือกวัตถุดิบที่มีต้นทุนต่ำควรพิจารณาข้อจำกัดด้านคุณภาพ ความปลอดภัย และข้อกำหนดของผลิตภัณฑ์ร่วมกัน
แบ่งหน้าที่ระหว่าง Optimization และ AI
IDA เสนอให้ใช้ แบบจำลองคำนวณหรือ Optimization สำหรับค้นหาทางเลือกที่ผ่านข้อจำกัด แล้วใช้ AI ช่วยอธิบายผลลัพธ์ ให้ผู้รับผิดชอบเข้าใจและนำไปพิจารณา
การเปลี่ยนสูตรหรือกระบวนการผลิตจริงต้องผ่านการตรวจสอบและการทดสอบที่เหมาะสมกับธุรกิจ
SME เริ่มเล็กได้ แต่ต้องเห็นต้นทุนรวม
ธุรกิจบางแห่งอาจตัดสินใจได้รวดเร็วและมีระบบไม่ซับซ้อน ขณะที่บางแห่งยังมีข้อมูลกระจัดกระจายหรือพึ่งพาซอฟต์แวร์เดิม จึงไม่ควรถือว่า SME ทุกแห่งสามารถเปลี่ยนผ่านได้ง่ายเหมือนกัน
ต้นทุนที่ต้องประเมิน
- ค่าสมาชิกเครื่องมือและค่าการเรียก API
- ค่าใช้จ่ายในการจัดระเบียบข้อมูลและเชื่อมระบบ
- ค่าใช้จ่ายในการทดสอบและตรวจแก้ผลลัพธ์
- การอบรมพนักงานและการปรับวิธีทำงาน
- การดูแลระบบและการรับมือข้อผิดพลาด
- เวลาในการตรวจสอบและอนุมัติผลลัพธ์
- ค่าใช้จ่ายด้านความปลอดภัยและการกำกับดูแลข้อมูล
การประเมินความคุ้มค่าของ AI Workflow
เวลาที่ประหยัดได้ไม่ใช่เงินสดที่ประหยัดได้ทั้งหมด
ธุรกิจต้องพิจารณาต่อว่าเวลาที่ประหยัดได้นั้นถูกนำไปใช้เพื่อ
- เพิ่มงานที่สร้างคุณค่า
- ลดค่าใช้จ่ายที่เกิดขึ้นจริง
- รองรับลูกค้าเพิ่มเติม
- ลดข้อผิดพลาด
- ลดเวลาส่งมอบงาน
- เพิ่มรายได้หรือกำไร
เปลี่ยนชื่อข้อมูลอย่างเดียวยังไม่เพียงพอ
การแทนชื่อลูกค้าด้วยรหัสอาจช่วยลดความเสี่ยง แต่หากข้อมูลยังสามารถเชื่อมกลับไปหาบุคคลได้ ข้อมูลดังกล่าวก็ยังไม่ใช่ข้อมูลนิรนามอย่างแท้จริง
แนวทางของ ICO อธิบายความแตกต่างระหว่าง การใช้นามแฝง (Pseudonymisation) กับ การทำข้อมูลนิรนาม (Anonymisation) และชี้ว่าข้อมูลแวดล้อมอาจทำให้สามารถระบุตัวบุคคลกลับได้
แหล่งข้อมูลนี้อธิบายหลักการภายใต้บริบทกฎหมายสหราชอาณาจักร ไม่ใช่ข้อวินิจฉัยทางกฎหมายสำหรับประเทศไทย ICO: Introduction to anonymisation
แนวทางทดลอง AI Workflow อย่างปลอดภัย
สำหรับการทดลอง IDA เสนอให้เริ่มจาก
- ข้อมูลจำลอง
- ข้อมูลที่ลดรายละเอียดแล้ว
- ข้อมูลที่ไม่มีความจำเป็นต้องระบุตัวบุคคล
- การกำหนดสิทธิ์เข้าถึงตามหน้าที่
- การตรวจสอบเงื่อนไขของผู้ให้บริการ
- การตรวจสอบระยะเวลาการเก็บข้อมูล
- การตรวจสอบตำแหน่งและปลายทางการประมวลผล
ควรตรวจสอบความเสี่ยงด้านข้อมูลก่อนนำข้อมูลจริงเข้าสู่ระบบ AI หรือบริการภายนอก
ผู้บริหารและพนักงานควรปรับบทบาทอย่างไร?
บทบาทของผู้บริหาร
ผู้บริหารยังต้องดูแลคนควบคู่กับการกำหนดขอบเขตของระบบ AI ได้แก่
- เป้าหมายของการใช้งาน
- ขอบเขตข้อมูล
- เกณฑ์การอนุมัติ
- งบประมาณ
- ตัวชี้วัดความสำเร็จ
- ผู้รับผิดชอบเมื่อเกิดปัญหา
บทบาทของพนักงาน
พนักงานทุกช่วงวัยควรได้รับโอกาสเรียนรู้เรื่องต่อไปนี้
- การกำหนดโจทย์ให้ชัดเจน
- การตรวจสอบข้อมูลต้นทาง
- การออกแบบขั้นตอนการทำงาน
- การตรวจสอบผลลัพธ์ของ AI
- การรายงานข้อผิดพลาด
- การใช้ AI อย่างปลอดภัยและรับผิดชอบ
พนักงานควรเริ่มเรียนรู้จาก งานที่ตนเองเข้าใจดีที่สุด เพราะสามารถตรวจพบข้อผิดพลาดและประเมินประโยชน์ของระบบได้ดีกว่างานที่ไม่คุ้นเคย
ความสัมพันธ์กับลูกค้ายังเป็นหน้าที่สำคัญของมนุษย์
ความสัมพันธ์กับลูกค้ายังเป็นทักษะที่ธุรกิจควรพัฒนา ทั้งการรับฟัง การเจรจา และการรับผิดชอบต่อปัญหา
AI สามารถช่วยเตรียมข้อมูล สรุปประเด็น และติดตามงาน เพื่อให้พนักงานบริการลูกค้าได้สม่ำเสมอขึ้น แต่ ความรับผิดชอบต่อการตัดสินใจและความสัมพันธ์กับลูกค้ายังต้องมีมนุษย์กำกับ
เริ่มต้นด้วย AI Workflow เดียวที่วัดผลได้
IDA เสนอแผนทดลอง AI Workflow สี่ช่วง เพื่อให้องค์กรสามารถเปรียบเทียบผลลัพธ์กับวิธีการทำงานเดิมได้อย่างเป็นระบบ
| ช่วงดำเนินงาน | สิ่งที่ต้องทำ | หลักฐานที่ควรได้ |
|---|---|---|
| 1. เลือกปัญหา | เลือกงานซ้ำที่มีเจ้าของงานและขอบเขตชัดเจน | เวลาทำงานเดิม ปริมาณงาน และจำนวนข้อผิดพลาด |
| 2. ออกแบบ | กำหนดข้อมูล ขั้นตอน จุดตรวจสอบ และผู้อนุมัติ | แผนผังกระบวนการและเกณฑ์ความสำเร็จ |
| 3. ทดลอง | ใช้ข้อมูลจำลองก่อนทดลองในขอบเขตจำกัด | คุณภาพผลลัพธ์ ต้นทุน และเวลาที่ใช้ตรวจแก้ |
| 4. ตัดสินใจ | เปรียบเทียบผลลัพธ์กับวิธีการทำงานเดิม | เหตุผลประกอบการขยาย ปรับปรุง หรือยุติ |
ตัวชี้วัดที่ควรกำหนดก่อนเริ่มทดลอง
- เวลาที่ใช้ต่อหนึ่งงาน
- ระยะเวลาตั้งแต่เริ่มจนส่งมอบ
- จำนวนข้อผิดพลาด
- เวลาที่มนุษย์ใช้ตรวจแก้
- ต้นทุนต่อรายการ
- ความพึงพอใจของผู้ใช้งาน
- รายได้ กำไร หรือจำนวนลูกค้าที่รองรับได้เพิ่มขึ้น
สรุป: AI Workflow ช่วย SME ไทยได้อย่างไร?
AI Workflow จะสร้างคุณค่าเมื่อช่วยให้งานส่งต่อกันได้ดีขึ้น และทำให้ผลลัพธ์ปลายทางดีขึ้นอย่างพิสูจน์ได้
สำหรับ SME ไทย จุดเริ่มต้นที่เหมาะสมประกอบด้วย ปัญหาหนึ่งเรื่อง ข้อมูลที่พร้อม ตัวชี้วัดที่ชัดเจน และผู้รับผิดชอบที่สามารถตัดสินใจได้ ก่อนขยายไปสู่กระบวนการอื่น
ธุรกิจไม่จำเป็นต้องใช้ AI ในทุกขั้นตอน แต่ควรเลือกใช้ AI ในจุดที่ช่วยลดภาระ วิเคราะห์ข้อมูล หรือเตรียมทางเลือกได้ดีกว่าวิธีเดิม พร้อมรักษาจุดตรวจสอบและการอนุมัติของมนุษย์ในงานที่มีความเสี่ยง
ออกแบบ AI Workflow สำหรับองค์กรกับ IDA
Intelligent Data Analytic Co., Ltd. (IDA) สนับสนุนองค์กรในการประเมินความพร้อมด้านข้อมูลและออกแบบ AI Workflow เพื่อเชื่อมงานขาย การตลาด การปฏิบัติการ และรายงานผู้บริหารเข้ากับการวัดผลทางธุรกิจ
เป้าหมายไม่ใช่เพียงการนำ AI มาใช้งาน แต่คือการออกแบบกระบวนการที่ช่วยให้องค์กร ลดงานซ้ำ ใช้ข้อมูลได้ดีขึ้น ตัดสินใจเร็วขึ้น และตรวจสอบผลลัพธ์ได้
เกี่ยวกับผู้เขียน
อาจารย์ปรเมศร์ เพียรสกุล ผู้เชี่ยวชาญด้านความมั่นคงปลอดภัยไซเบอร์ (Cybersecurity) ปัญญาประดิษฐ์ (Artificial Intelligence: AI) และการวิเคราะห์ข้อมูลเชิงกลยุทธ์ ปัจจุบันดำรงตำแหน่งประธานเจ้าหน้าที่บริหาร (Chief Executive Officer: CEO) และผู้ก่อตั้ง บริษัท อินเทลลิเจนท์ ดาต้า อนาไลติก จำกัด โดยมุ่งพัฒนาและประยุกต์ใช้เทคโนโลยี เพื่อเปลี่ยนข้อมูลให้เป็นข่าวกรองที่เชื่อถือได้สำหรับการตัดสินใจของผู้บริหารและองค์กรอย่างมีประสิทธิภาพและยั่งยืน
Poramate Piansakul
Professional Certifications
Transforming Data into Trusted Intelligence for Executive Decision-Making
#AIWorkflow #AIforSME #WorkflowAutomation #DigitalTransformation #IDA
