ใบแจ้งหนี้หนึ่งใบอาจใช้เวลาอ่านไม่ถึงนาที แต่กว่าจะเข้าสู่ระบบได้ พนักงานต้องดาวน์โหลดไฟล์ ตรวจชื่อคู่ค้า เทียบเลขที่ใบสั่งซื้อ ตรวจยอด ส่งอนุมัติ และคีย์ข้อมูลลงระบบอีกครั้ง ปัญหาจึงไม่ได้อยู่ที่เอกสารเพียงอย่างเดียว แต่อยู่ที่ขั้นตอนย่อยซึ่งเชื่อมคน ข้อมูล และหลายระบบเข้าด้วยกัน
นี่คือจุดที่ AI Agent มีบทบาทมากกว่าการอ่านข้อความ เพราะสามารถรับเป้าหมาย วางลำดับงาน เรียกใช้เครื่องมือ และตัดสินใจตามเงื่อนไขที่กำหนด บทความนี้จึงโฟกัสที่การออกแบบ Workflow ตั้งแต่รับเอกสารจนถึงบันทึกข้อมูล โดยยังรักษาการควบคุมที่ผู้บริหารต้องการ
เอกสารไม่ได้ช้าเพราะการพิมพ์อย่างเดียว
หลายองค์กรเริ่มแก้ปัญหาด้วยการสแกนเอกสารหรือใช้ OCR ซึ่งย่อมาจาก Optical Character Recognition หรือเทคโนโลยีแปลงข้อความในภาพให้เป็นข้อมูลดิจิทัล วิธีนี้ช่วยลดการคีย์ แต่ยังไม่สามารถจัดการกระบวนการที่ตามมาได้ทั้งหมด
ตัวอย่างเช่น เมื่อได้รับใบแจ้งหนี้ ระบบอาจอ่านข้อความได้ แต่พนักงานยังต้องตอบคำถามต่อไปนี้
- คู่ค้ารายนี้มีอยู่ในฐานข้อมูลหรือไม่
- เลขที่ใบสั่งซื้อและยอดเงินตรงกับระบบจัดซื้อหรือไม่
- ภาษี วันที่ และเงื่อนไขชำระเงินครบหรือไม่
- รายการนี้ต้องส่งให้ใครอนุมัติ
- หากข้อมูลไม่ตรง ควรติดต่อหน่วยงานใด
ต้นทุนที่มองไม่เห็นจึงเกิดจากการสลับหน้าจอ รอคำตอบ ติดตามสถานะ และแก้ข้อมูลผิดซ้ำ การนำ AI มาใช้เฉพาะขั้นตอนอ่านเอกสารอาจทำให้กระบวนการเร็วขึ้นเพียงบางช่วง แต่คอขวดยังคงย้ายไปอยู่ที่การตรวจสอบหรือส่งต่อ
AI Agent ต่างจาก OCR และระบบ Automation แบบเดิมอย่างไร
ระบบ Automation แบบใช้กฎเหมาะกับขั้นตอนที่แน่นอน เช่น เมื่อได้รับไฟล์จากโฟลเดอร์หนึ่ง ให้ย้ายไปอีกโฟลเดอร์หนึ่ง ส่วน AI Agent เหมาะกับงานที่ต้องตีความข้อมูลหลายรูปแบบและเลือกการดำเนินการตามบริบท เช่น เอกสารจากคู่ค้าแต่ละรายใช้รูปแบบไม่เหมือนกัน หรือข้อความในอีเมลไม่ได้ระบุประเภทคำขอไว้อย่างชัดเจน
ในทางปฏิบัติ ทั้งสามเทคโนโลยีควรทำงานร่วมกัน ไม่จำเป็นต้องเลือกเพียงอย่างเดียว
- OCR หรือ Document AI: อ่านและแยกข้อมูลจากเอกสาร
- Rule-based Automation: ทำงานตามกฎที่ตายตัวและตรวจสอบได้
- AI Agent: ทำความเข้าใจบริบท เลือกเครื่องมือ และประสานหลายขั้นตอน
หลักสำคัญคือไม่ควรให้ AI ตัดสินใจทุกเรื่องอย่างอิสระ งานที่มีผลต่อการจ่ายเงิน สิทธิของบุคคล สัญญา หรือข้อมูลสำคัญควรมีเงื่อนไขอนุมัติและจุดตรวจโดยมนุษย์ หรือ Human-in-the-loop ซึ่งหมายถึงการให้คนเข้ามาตรวจสอบเมื่อความเสี่ยงหรือความไม่แน่นอนเกินระดับที่องค์กรยอมรับ
เลือก Workflow แรกจากความซ้ำและความชัดเจน
โครงการแรกไม่ควรเริ่มจากกระบวนการที่ซับซ้อนที่สุด ควรเลือกงานที่เกิดซ้ำ มีข้อมูลต้นทางพอสมควร และมีคำตอบชัดเจนว่าเมื่อข้อมูลครบแล้วต้องทำอะไรต่อ ตัวอย่างที่เหมาะต่อการประเมิน ได้แก่ ใบแจ้งหนี้ ใบสั่งซื้อ แบบฟอร์มสมัครคู่ค้า เอกสารเคลม หรือคำขอภายในองค์กร
ผู้บริหารสามารถใช้คำถามต่อไปนี้คัดกรอง Workflow ได้
- พนักงานต้องคัดลอกข้อมูลเดิมระหว่างระบบหรือไม่
- เอกสารมีประเภทและช่องข้อมูลที่ระบุได้หรือไม่
- มีกฎตรวจสอบที่ทีมงานใช้อยู่จริงหรือไม่
- ข้อยกเว้นสามารถจัดกลุ่มและกำหนดเจ้าของได้หรือไม่
- ระบบปลายทางมี API หรือช่องทางเชื่อมต่อที่ควบคุมได้หรือไม่
หากคำตอบส่วนใหญ่ยังไม่ชัด องค์กรอาจต้องปรับมาตรฐานข้อมูลและขั้นตอนก่อนนำ Agent มาใช้ มิฉะนั้น AI จะเพียงทำให้กระบวนการที่ไม่ชัดเจนเคลื่อนที่เร็วขึ้น โดยไม่ได้แก้สาเหตุของปัญหา
ออกแบบ Agent Workflow จากรับเรื่องถึงปิดงาน
Workflow ที่นำไปใช้งานจริงควรแบ่งความรับผิดชอบเป็นช่วง ไม่ควรสั่ง Agent ด้วยคำกว้าง ๆ ว่า “จัดการเอกสารนี้ให้เสร็จ” เพราะยากต่อการควบคุมและตรวจสอบย้อนหลัง
- รับและจัดประเภท: รับไฟล์จากอีเมล พอร์ทัล หรือระบบจัดเก็บเอกสาร แล้วจำแนกประเภทและหน่วยงานที่เกี่ยวข้อง
- ดึงข้อมูล: อ่านช่องสำคัญ เช่น เลขที่เอกสาร คู่ค้า วันที่ ยอดเงิน และรายการสินค้า พร้อมระบุระดับความมั่นใจ
- ตรวจสอบกับข้อมูลอ้างอิง: เปรียบเทียบกับฐานข้อมูลคู่ค้า ใบสั่งซื้อ สัญญา หรือนโยบายภายใน โดยให้สิทธิ์เข้าถึงเท่าที่จำเป็น
- เลือกเส้นทาง: รายการที่ครบและผ่านกฎเข้าสู่ขั้นตอนถัดไป ส่วนข้อมูลขาด ยอดไม่ตรง หรือมีความไม่แน่นอนจะถูกส่งให้ผู้รับผิดชอบ
- ดำเนินการในระบบ: สร้างรายการร่างใน ERP, CRM หรือระบบงานอื่น แทนการอนุญาตให้ AI ยืนยันธุรกรรมสำคัญทันที
- บันทึกหลักฐาน: เก็บแหล่งที่มาของข้อมูล การตัดสินใจ ผู้อนุมัติ เวลา และการแก้ไข เพื่อรองรับการตรวจสอบย้อนหลัง
การแยกขั้นตอนเช่นนี้ช่วยให้องค์กรระบุได้ว่า AI ทำอะไร ระบบกฎทำอะไร และจุดใดต้องใช้วิจารณญาณของคน หากเกิดข้อผิดพลาด ทีมงานจะค้นหาต้นเหตุได้ง่ายกว่าการใช้ Agent ตัวเดียวจัดการทุกอย่างแบบกล่องดำ
Business Value เกิดจากการจัดการข้อยกเว้นที่ดี
คุณค่าของ AI Agent ไม่ได้อยู่ที่จำนวนเอกสารที่อ่านได้เท่านั้น แต่อยู่ที่การทำให้งานปกติเดินต่อได้อย่างสม่ำเสมอ และนำงานผิดปกติไปหาคนที่เหมาะสมพร้อมข้อมูลประกอบครบถ้วน
ผลลัพธ์ทางธุรกิจที่ควรพิจารณามีหลายมิติ ได้แก่
- ลดภาระงานเชิงธุรการ: ทีมงานใช้เวลากับการตรวจข้อยกเว้นมากกว่าคัดลอกข้อมูล
- ลดรอบการส่งกลับ: ระบบตรวจความครบถ้วนก่อนเข้าสู่ขั้นตอนอนุมัติ
- มองเห็นสถานะ: ผู้จัดการทราบว่าเอกสารติดอยู่ที่ข้อมูล ระบบ หรือผู้อนุมัติ
- สร้างมาตรฐาน: เอกสารประเภทเดียวกันถูกตรวจด้วยเงื่อนไขเดียวกัน
- รองรับการตรวจสอบ: มีประวัติว่า Agent ใช้ข้อมูลใดและดำเนินการอะไร
ตัวชี้วัดจึงควรครอบคลุมเวลาตั้งแต่รับเรื่องถึงปิดงาน จำนวนครั้งที่ส่งกลับ สัดส่วนข้อยกเว้น ความถูกต้องของข้อมูล และภาระการแก้ไขภายหลัง ไม่ควรวัดเฉพาะจำนวนเอกสารที่ระบบประมวลผล
เงื่อนไขที่ต้องพร้อมก่อนเริ่ม Pilot
ก่อนทดลองใช้งานจริง ควรกำหนดขอบเขตให้ชัดเจนทั้งด้านข้อมูล ระบบ และอำนาจของ Agent
- ระบุประเภทเอกสารและช่องข้อมูลที่อยู่ในขอบเขต
- เขียนกฎตรวจสอบและเส้นทางอนุมัติจากกระบวนการจริง
- กำหนดระดับความมั่นใจที่ต้องส่งให้คนตรวจ
- แยกสิทธิ์อ่าน สร้างรายการร่าง และยืนยันธุรกรรม
- เตรียมวิธีหยุดระบบ ย้อนกลับ และจัดการเมื่อระบบปลายทางขัดข้อง
- ทดสอบด้วยเอกสารปกติ เอกสารไม่ครบ และกรณีผิดรูปแบบ
- กำหนดเจ้าของกระบวนการซึ่งรับผิดชอบผลลัพธ์ทางธุรกิจ
สำหรับองค์กรที่ต้องเชื่อม AI เข้ากับข้อมูลภายในและระบบหลายประเภท แนวทาง Private AI และ Agent Workflow ของ MXAI สามารถนำมาประยุกต์ใช้เพื่อออกแบบการเข้าถึงข้อมูล การเชื่อมต่อ และจุดควบคุมให้เหมาะกับกระบวนการองค์กร โดยควรเริ่มจากการทำความเข้าใจ Workflow จริงก่อนเลือกเทคโนโลยี
คำถามที่พบบ่อยเกี่ยวกับ AI Agent สำหรับงานเอกสาร
AI Agent ใช้แทนพนักงานฝ่ายเอกสารทั้งหมดได้หรือไม่
ไม่ควรตั้งเป้าให้แทนทั้งหมด Agent เหมาะกับการรับข้อมูล ตรวจเงื่อนไข และส่งต่องานซ้ำ ส่วนกรณีคลุมเครือ มีความเสี่ยง หรือกระทบธุรกรรมสำคัญยังควรให้คนตัดสินใจ
ต้องจัดเอกสารให้อยู่ในรูปแบบเดียวกันก่อนหรือไม่
ไม่จำเป็นต้องเหมือนกันทั้งหมด แต่ควรกำหนดประเภทเอกสาร ช่องข้อมูลที่ต้องใช้ และเกณฑ์ยอมรับให้ชัด รูปแบบที่หลากหลายมากอาจต้องเพิ่มการตรวจสอบโดยมนุษย์
AI Agent เชื่อมต่อกับ ERP หรือ CRM ได้อย่างไร
โดยทั่วไปเชื่อมผ่าน API ซึ่งเป็นช่องทางให้ระบบแลกเปลี่ยนข้อมูลอย่างเป็นระเบียบ หรือใช้เครื่องมือ Integration ที่องค์กรมีอยู่ ควรกำหนดสิทธิ์เฉพาะงานและหลีกเลี่ยงการให้สิทธิ์ระดับผู้ดูแลระบบ
ควรเริ่มจากเอกสารประเภทใด
ควรเริ่มจากงานที่เกิดซ้ำ มีปริมาณสม่ำเสมอ มีกฎตรวจสอบชัด และมีเจ้าของกระบวนการ เช่น ใบแจ้งหนี้หรือแบบฟอร์มคำขอภายใน มากกว่างานที่ต้องใช้การเจรจาหรือดุลยพินิจสูง
จะควบคุมความผิดพลาดของ Agent ได้อย่างไร
แบ่ง Workflow เป็นขั้นตอน จำกัดสิทธิ์ กำหนดระดับความมั่นใจ ใช้การอนุมัติโดยมนุษย์กับรายการสำคัญ และเก็บบันทึกการทำงานทุกครั้ง รวมถึงทดสอบกรณีผิดปกติก่อนเปิดใช้งานจริง
เริ่มจากเส้นทางเอกสาร ไม่ใช่เริ่มจากตัว AI
AI Agent จะลดงานเอกสารซ้ำซากได้เมื่อองค์กรออกแบบทั้งเส้นทาง ตั้งแต่ช่องทางรับข้อมูล กฎตรวจสอบ ระบบอ้างอิง จุดอนุมัติ ไปจนถึงการจัดการข้อยกเว้น หากเริ่มจากการเลือกโมเดลก่อนเข้าใจกระบวนการ องค์กรอาจได้เครื่องมือที่อ่านเอกสารเก่ง แต่ยังไม่สามารถปิดงานได้จริง
Next Step: เลือกเอกสารหนึ่งประเภท วาดขั้นตอนตั้งแต่รับเรื่องถึงบันทึกระบบ แล้วทำเครื่องหมายว่างานใดเป็นกฎตายตัว งานใดต้องตีความ และงานใดต้องให้คนอนุมัติ แผนภาพนี้จะเป็นจุดเริ่มต้นของ Agent Workflow ที่ควบคุมได้และสร้างคุณค่าต่อธุรกิจอย่างเป็นรูปธรรม