By Skooldio สรุปเซสชัน AI TRANSFORMATION FOR BUSINESS IMPACT ผ่ากลยุทธ์การลงทุนด้าน AI ให้เห็นผลจริงทั้งองค์กร โดย ดร. ต้า วิโรจน์ จิรพัฒนกุล VP of AI ที่ LINE MAN Wongnai ดำเนินการสนทนาโดยคุณโบ๊ท ไผท ผดุงถิ่น CEO และผู้ก่อตั้ง บริษัท Builk One Group จำกัด ในงาน The Secret Sauce Summit 2026
AI TRANSFORMATION FOR BUSINESS IMPACT
วันนี้คุณโบ๊ทและคุณต้าขอชวนทุกคนมาดมถุงกาวอย่างมีสติและสตางค์
โดยใน Session วันนี้ จะไม่ได้มาแค่คุยระดับบุคคล ที่ใช้ในการเขียนอีเมล ตรวจคำผิดเพียงเท่านั้น แต่ใน Session นี้เราจะมาพูดคุยกันถึงการใช้ AI ในระดับทีมหรือองค์กร ที่การใช้ในแต่ละภาคส่วนก็คงมีปัญหาไม่น้อย ไม่ว่าจะเป็นความปลอดภัยของข้อมูล ความคุ้มค่าและกำไรที่ได้จากการใช้ AI
เพิ่มบทบาท จากการเป็น Educator สู่ VP of AI ที่ LINE MAN Wongnai
คุณต้าเริ่ม Skooldio ในวันที่กลับจาก Silicon Valley โดยในตอนนั้น คุณต้าทำงานเป็น Data Scientist ที่ Facebook ทำให้ในช่วงนั้นเองก็ได้เห็นโอกาสมากมาย โดยเฉพาะ Big Data
คุณต้าเล่าต่อว่าพอกลับมาที่ประเทศไทย องค์กรต่าง ๆ ก็สนใจด้าน Data กันมากขึ้น เช่นเดียวกับตอนนี้ที่ AI เข้ามา องค์กรต่าง ๆ สนใจ AI มากขึ้น คุณต้าเองก็เห็นโอกาส ทั้งจากการสอน และการเข้าไปช่วย LMWN ทำ Hackathon ให้ ทำให้คุณต้าเห็นโอกาสที่ตรงกับ Passion ของตัวเองในการทำให้ชีวิตของคนไทยดีขึ้น เลยเลือกที่จะเข้าไปรับบทบาทนี้เพิ่มขึ้นด้วย
ก่อนที่องค์กรที่จะลงทุนใน AI ต้องคิดถึงอะไรบ้าง ?
1). หา Bottleneck ในองค์กร
ไม่ใช่แค่คิดว่า เราจะใช้ AI ทำอะไรดี แต่ต้องเริ่มคิดว่าธุรกิจเรามีกลยุทธ์อะไร ภายในองค์กรติดปัญหาในส่วนไหน และปัญหานั้น AI ช่วยอะไรได้บ้าง
เมื่อก่อน การทำธุรกิจคือการต้องเลือกข้างระหว่าง Low-cost เพื่อความ Mass หรือ Niche Market ไปเลย แต่ในปัจจุบัน องค์กรสามารถเลือกได้ทั้งคู่ คือ ทั้งราคาถูกและแตกต่าง ทำให้เกิดเป็น Low-cost differentiation
2). เลือกว่าจะใช้ AI ทำอะไร
- Automation: เพื่อช่วยทำให้เกิด Cost Efficiency โดยการเริ่มดูจากว่ากล้ามเนื้อมัดใหญ่ของธุรกิจคืออะไร เช่น ใน LMWN เป็น Tech Company ที่มี Developer อยู่เยอะ ถ้ากลุ่มคนเหล่านี้ Productive มากขึ้น ก็จะช่วยลด Cost ได้มากขึ้น เลยเลือกเอา AI เข้ามาส่วนนี้ก่อน และอีกส่วนคืองาน Operations ที่ใช้คนเยอะ และเป็น Bottleneck ขององค์กร ตัวอย่างเช่น Customer Service ที่ LMWN ได้นำ AI เข้ามาช่วยแล้ว
- Personalization: เพื่อให้เกิด Customer Relationship ตอนนี้ต้นทุนในการ Personalize ถูกมาก เช่น การ Personalize อีเมลสำหรับลูกค้าแต่ละคน ที่จะช่วยให้ลูกค้ารักเรามากยิ่งขึ้น
คุณต้าเปรียบเทียบกับการใช้ AI ห่วย ๆ ถ้าเราทำแบบนั้น ลูกค้าจะเกลียดเรา เขาจะรู้สึกเหมือนโดนดูถูก แต่การ Personalize นั้นทำให้ AI Output ออกมาได้ถูกที่ถูกเวลา เราสามารถใช้ AI เพื่อให้กลายเป็น Personal Assistant ได้เลย เช่น LMWN ที่มีตัวช่วยในการแนะนำร้านอาหาร หรือช่วยติดตามผลประกอบการร้านอาหาร และช่วยให้ร้านค้าเหล่านั้นมียอดขายที่ดีขึ้น
- Intelligence: เพื่อให้เกิดการ Differentiate ช่วยสร้างความแตกต่าง ตัวอย่างเช่นในธุรกิจการศึกษา แต่เดิมคอร์สตะลุยโจทย์คือการเฉลยข้อสอบ แต่ในวันนี้ที่มี AI เข้ามา AI ได้ทำหน้าที่ในการเฉลยแทนแล้ว เพราะฉะนั้นองค์กรต้องกลับมาคิดว่าคุณค่าขององค์กรนั้นอยู่ตรงไหน เช่น เด็ก ๆ ที่มาเรียนไม่ได้ต้องการเฉลย แต่ต้องการความเข้าใจ และความสามารถในการประยุกต์ใช้ความรู้ เช่น การทำ App เพื่อช่วยให้เด็ก ๆ เข้าใจทฤษฎีต่าง ๆ ในวิชาฟิสิกส์ และถ้าองค์กรเห็นโอกาสตรงนี้ ก็มีโอกาสที่จะครองใจเด็ก ๆ ได้มากกว่า
หรืออย่าง LMWN คือต้องคิดไปถึงขั้นว่าจะช่วยอำนวยความสะดวกร้านอาหารได้อย่างไรบ้าง อย่างในปัจจุบันก็มีตัวช่วยในการวิเคราะห์ Insight ของร้านต่าง ๆ ช่วยให้ร้านค้าที่อยู่บน Platform เติบโตไปพร้อม ๆ กัน แทนที่แต่เดิมกว่าจะออก Report นั้นต้องรอถึงหลักไตรมาสเลย
การทำทั้ง 3 อย่างนี้จะช่วยให้ธุรกิจไปต่อกับลูกค้าได้จริง เพราะลูกค้าไม่ได้อยากได้ AI Assistant แต่อยากได้ผลลัพธ์จากการใช้ AI ต่างหาก
การใช้ AI ในองค์กร ต้องทำให้เกิด Outcome ได้จริง แล้วงานแบบไหนที่จะทำให้เกิด Outcome ที่ต้องการ ?
การใช้ AI ที่ทำให้เกิด ROI ได้จริง ต้องเริ่มต้นจากเลือกงานที่มี Impact ต่อธุรกิจ และเข้าใจขีดความสามารถของ AI เพราะบางงานก็ไม่ได้เหมาะกับ AI เสมอไป โดยงานนั้นสามารถแบ่งออกได้เป็น 3 อย่างคือ งานที่ยากสำหรับ AI, งานที่มนุษย์ยังต้องทำ, และงานที่ AI ทำแทนมนุษย์ได้แล้ว
แต่อย่างไรก็ตาม เนื่องจาก AI ถูกพัฒนาอย่างรวดเร็ว การตัดสินใจและความเข้าใจในวันนี้อาจไม่ได้เป็นจริงเสมอไป งานที่ AI ทำแทนมนุษย์ไม่ได้ในวันนี้ ไม่ได้หมายความว่าวันพรุ่งนี้มันจะทำไม่ได้ ดังนั้นเราเองก็ต้องทำความเข้าใจไปถึงความเป็นไปได้และศักยภาพของ AI ในอนาคตด้วย
แต่ถ้าให้สรุปง่าย ๆ ในตอนนี้ การใช้ AI ต้องเลือกจากงานที่มี Impact สูง และเป็นงานที่ AI ทำได้ดีขึ้นมาเริ่มต้นทำก่อน
ตัวอย่างเช่น การทำ Automation, อ่านเอกสาร OCR, อ่านเอกสารของ Merchant และ Rider จากนั้นตรวจสอบว่าชื่อตรงกันในทุกเอกสารหรือไม่ ซึ่งตอนนี้เป็นเรื่องง่ายสำหรับ AI และแม่นยำมาก
แต่ในทางกลับกัน การใช้ Voice AI Agent เมื่อตอนต้นปี อาจยังไม่ใช่ทางเลือกทีดีมากนัก เพราะคู่สนทนาก็รู้ว่าคือ AI ไม่ใช่คน และค่าแรงในประเทศไทยไม่ได้แพงมาก การใช้คนทำในส่วนนี้ยังคงเหมาะสมอยู่ แต่ในปัจจุบัน ตอนนี้ AI พัฒนาขึ้นมากแล้ว เสียงสมจริงมากขึ้น ก็ค่อยปรับมาใช้ AI ได้เช่นกัน
หรือบางองค์กรบอกว่าองค์กรต้องการที่จะทำ Report หรือ Chart อยากให้มี Dashboard แต่งานประเภทนี้อาจไม่ได้มี Impact เยอะ งานแบบนี้ก็สามารถใช้คนทำแทนไปก่อนได้ แล้วเลือกเอาทรัพยากรไปใช้ในส่วนที่เกิด Impact สูงจะดีกว่า
คุณต้าเสริมว่าเวลาประเมิน ROI ของ AI ต้องมองจาก 2 ส่วน คือ
1). ต้นทุน โดยมองจากค่า Token
2). ในแง่ Return ให้มองว่าประหยัดค่าคนและเวลาไปเท่าไหร่ รวมถึงเพิ่ม Accuracy ในการทำงานหรือไม่ด้วย เช่น น้องใหม่ที่เข้ามา อาจจะจำ SOP ไม่ได้ เลยอาจมีการ Cancel Order โดยไม่ตั้งใจ แต่ AI จำ SOP ได้แม่นกว่า ทำให้ไม่เผลอ Cancel Order โดยไม่ตั้งใจได้ และทำให้ช่วยลดค่าเสียโอกาสไปได้เช่นกัน
ดังนั้นองค์กรสามารถตั้งต้นด้วยเรื่องคนเป็นหลักได้ แต่ก็อย่าลืม Return ด้านอื่น ๆ ที่ได้กลับมาด้วย ไม่ว่าจะเป็นความพึงพอใจของลูกค้า หรือค่าเสียโอกาสที่ลดไปได้
Checklists การใช้ AI ในองค์กร
คุณต้าเล่าว่าที่ Join LMWN เพราะคุณยอดก็อินกับ AI เหมือนกัน เวลาเจอความรู้ AI อะไรมาก็จะแชร์กัน และนำความรู้ที่ได้มาลองต่อยอดด้วยกันดู และเมื่อลองถอดออกมาแล้ว จึงได้ Checklist ออกมาประมาณนี้
1) Lead: การมี Top-down Sponsorship เพราะคนที่มีอำนาจในองค์กร คือคนที่รู้ดีสุดเกี่ยวกับกลยุทธ์และส่วนที่สร้างให้เกิด Impact ในองค์กร อย่างคุณยอดเองก็เข้าร่วมในทุกการประชุมที่เกี่ยวข้อง และช่วยปลดล็อกข้อจำกัดต่าง ๆ เพื่อให้เกิด 3E ในข้อ 2-4 นั่นเอง
2) Empower: มี Support ที่ดีให้คนทำงาน เช่น อนุญาตให้พนักงานได้ลอง AI จากหลาย ๆ ค่าย เพราะองค์กรเชื่อว่า ถ้าพนักงานมีเครื่องมือที่ดี แล้วใช้ AI เพื่อเพิ่ม Productivity ได้จริง ยังไงก็คุ้มค่า แต่ก็ต้องยอมรับว่าไม่ใช่พนักงานทุกคนจะถนัดในการใช้ AI เลยจำเป็นจะต้องกระจายคนที่มีความสามารถอย่างทีม AI และ Data เข้าไปช่วยทีมต่าง ๆ ด้วย
3) Enable: ปลดล็อกทุกอย่างที่ไม่จำเป็นในองค์กร โดยเฉพาะทีม Compliance ที่ต้องพูดคุยให้เห็นภาพว่า AI กำลังจะมาเปลี่ยนภาพการทำธุรกิจ และยังไงในอนาคตก็ต้องไปในแนวทางนี้แน่นอน รวมถึงชวนคิดว่าจะใช้ AI อย่างไรให้ปลอดภัย หรืออย่างทีมจัดซื้อที่ตาม Process แล้วต้องผ่านการอนุมัติ คุณยอดเองจะเข้ามาช่วยปลดล็อกให้ทีมสามารถเลือกซื้อ AI ถ้างบประมาณอยู่ในกรอบที่กำหนด
4) Experiment: การมี Sandbox และพื้นที่ให้พนักงานได้ทดลอง แน่นอนว่าไม่มีใครในตอนนี้ที่รู้ถึงผลลัพธ์อันแน่นอนของ AI ดังนั้นการได้ทดลองเยอะ ๆ จะช่วยให้พนักงานได้ค้นพบศักยภาพของ AI และได้ Lesson Learned กลับมาเช่นกัน
คนที่อยู่ในองค์กรต้องปรับตัวอย่างไรเมื่อ AI เข้ามา ?
ต้องยอมรับก่อนว่าตอนนี้ การใช้ AI ส่วนมากจะอยู่ในส่วนของงานถึก งานทำซ้ำ และเป็นงานที่มนุษย์ไม่ได้อยากทำ ดังนั้นถือเป็นเรื่องที่ดีด้วยซ้ำที่มี AI เข้ามาช่วยในส่วนนี้ เราจะได้มีเวลาเปลี่ยนตัวเองไปทำในส่วนที่มีคุณค่ามากขึ้น และในอีกแง่หนึ่ง แม้งานที่ทำจะอยู่ในรูปแบบเดิมต่อ แต่พอมีการนำ AI เข้ามาช่วยแล้วได้ผลลัพธ์ที่ดี ก็เป็นการกระตุ้นให้คนสามารถทำงานได้ดีมากขึ้นเช่นกัน
และเมื่องานเปลี่ยนไป Bottleneck ขององค์กรก็เปลี่ยนไปเช่นกัน อย่างทีม Developer เอง ที่แต่เดิมใช้ AI ในการเขียน Code ก็เริ่มนำ AI เข้ามาช่วยในการ Review Code แทน เพื่อปลดล็อก Bottleneck ในการออก Feature ต่าง ๆ
หรือเมื่อ Intelligence ราคาถูกลง เมื่อก่อนการทำงานเป็นแบบ Agile และเน้นการทำงานไปในส่วนของทีม Product Manager และ UX เพื่อประหยัดเวลา Dev ในการเขียนโค้ด แต่ตอนนี้ทุกอย่างกลับกันไปหมด ตอนนี้จะเปลี่ยนเป็นการเอาของให้ Dev เริ่มต้นทำไว ๆ แล้วค่อยมาปรับฝั่ง UX/UI เพิ่มเติมทีหลังได้ และหน้าที่ของคนที่ทำ UX/UI ก็อาจไม่ต้องทุ่มเวลากับการออกแบบหน้าจอต่อไป แต่ปรับไปเป็นคนทำ Design System และเป็นคนให้ Feedback และตรวจงานที่ AI ทำขึ้นมาแทน
เรียกได้ว่าทุกบทบาทหน้าที่ในองค์กรนั้นเปลี่ยนไปหมดเลย ไม่ว่าจะในธุรกิจแบบไหนก็ตาม
แล้วธุรกิจจะต้องเริ่มปรับตัวอย่างไร ?
คุณต้าแนะนำให้ทดลองให้เร็ว เพราะตอนนี้ AI มาช่วยทำให้ลูปการทดลอง และการปล่อยไอเดียสั้นลงมาก แทนที่จะลองทำแค่ 1-2 ไอเดียหรือแคมเปญที่คนคิดออก ตอนนี้เราอาจจะมีความสามารถในการปล่อย 5 แคมเปญในคราวเดียวกัน เพื่อให้ได้ Feedback จริงจากลูกค้า
องค์กรควรสร้างเครื่องมือเองหรือซื้อเครื่องมือจากภายนอกเข้ามาใช้ ?
คุณต้ามองว่า ถ้าอยากมีเครื่องมือเล็ก ๆ มาใช้เอง ก็แนะนำให้ทำเองก่อน เพื่อให้เข้าใจความต้องการใช้งานอย่างถ่องแท้ เพราะการใช้ในระบบขนาดเล็กยังไม่ได้มีอะไรน่าเป็นห่วง แต่เมื่อองค์กรใหญ่ขึ้น ระบบมีความซับซ้อนมากขึ้น ก็จะแนะนำให้ซื้อ Software จากเจ้าที่มีอยู่ในตลาด เพราะเจ้าเหล่านั้นมี Best Practice ให้ทำตาม และคิดเผื่อ Scenario ต่าง ๆ มาค่อนข้างครบครันอยู่แล้ว
หรือหากเป็นองค์กรใหญ่มาก ๆ อาจจะต้องเริ่มกลับมาพิจารณาว่าส่วนไหนจะใช้เครื่องมือแบบไหน อาจเริ่มจากการซื้อ เพื่อให้เข้าใจเครื่องมือในตลาดก่อน คุณต้าเล่าว่าคุณยอดเรียกสิ่งนี้ว่า “จ่ายค่าเล่าเรียน” แล้วค่อยนำกลับมาประยุกต์ใช้กับองค์กรตัวเอง
และเรื่องที่ต้องพิจารณาไปพร้อม ๆ กันคือเรื่อง Speed และ Cost ว่าแบบไหนคือจุดที่องค์กรต้องการกันแน่
มีอะไรที่อยากฝากถึงคนฟังเรื่อง AI ?
คนทั่วไป: ใช้เยอะ ๆ ลองเอาทุกงานไปผ่าน AI แต่ไม่ใช่แค่การ Copy / Paste แต่ลองให้ AI ช่วยคิด ช่วย Brainstorm เพื่อให้เห็นมุมมองที่หลากหลาย
หัวหน้าทีม: เราต้องเป็นคนเริ่มช่วย Identify Use Case และมองว่าอะไรคือกล้ามเนื้อมัดใหญ่ ที่นำ AI เข้ามาช่วยแล้วมี Impact สูง และต้องรู้ว่าตรงไหนมี Bottleneck เพราะหัวหน้าทีมคือคนที่อยู่หน้างาน และเมื่อ Identify ได้แล้ว อย่าลืมนำไปบอกผู้บริหารต่อ
เจ้าของกิจการและองค์กร: Leader ต้องอินและตั้งใจในการหาโอกาสใช้ AI และพร้อมลองผิดลองถูก เริ่มลงมือทำเลย เพราะถ้าเราเลือกจุดที่มี Impact อยู่แล้ว ถึงแม้จะ Fail แต่ก็จะ Fail ในทางที่ถูกต้อง เลือก Use Case > Focus > Lead และถ้าเห็นอะไรที่เวิร์กแล้ว จะมีไอเดียให้ต่อยอดได้อีกมากมาย
