ถามข้อมูลธุรกิจได้โดยตรงด้วยเอเจนต์ AI

ปัญหาไม่ใช่แค่ข้อมูลกระจายแต่คือกติกาที่กระจายอยู่ในคน

ในสายงาน Trading ข้อมูลยอดขาย กำไร ค่าขนส่ง ลูกหนี้ การลงพื้นที่ของทีมขาย และรายการส่งเสริมการขายอยู่คนละระบบ หลายตัวเลขต้องนำมารวมและคำนวณด้วยมือก่อนตอบคำถามของผู้บริหารได้

สายงาน Chemical มีคลังข้อมูลและรายงานอยู่แล้ว แต่คำถามที่อยู่นอกเหนือรายงานสำเร็จรูปยังต้องผ่านทีมที่เกี่ยวข้อง ข้อมูลบางประเภท เช่น ลูกหนี้และสต็อก ยังต้องใช้สูตรหรือคำยืนยันจากฝ่ายบัญชีจึงจะตีความได้ถูกต้อง

ส่วน Intertrade ต้องทำงานกับข้อมูลการค้าข้ามประเทศ หลายสกุลเงิน งบประมาณที่จัดเก็บตามรอบ และค่าใช้จ่ายที่ต้องแบ่งระหว่างหลายฝ่าย ความท้าทายจึงไม่ใช่เพียงการเชื่อมข้อมูลเข้าด้วยกัน แต่คือการทำให้ระบบเข้าใจว่าแต่ละสายงานใช้ข้อมูลนั้นอย่างไร

ผู้ช่วยสามคนที่ทำงานภายใต้ระบบเดียวกัน

แพลตฟอร์มถูกแบ่งเป็นผู้ช่วยเฉพาะสำหรับแต่ละสายงาน เพื่อให้แต่ละทีมถามข้อมูลในบริบทของตนเองได้

• Trading วิเคราะห์ยอดขาย กำไรขั้นต้น ผลเทียบงบประมาณ ค่าขนส่ง ลูกหนี้ และกิจกรรมของทีมขาย โดยใช้กติกาเฉพาะของบริษัท
• Chemical วิเคราะห์ยอดขาย กำไร การจัดซื้อ วงเงินลูกค้า สต็อก และลูกหนี้ พร้อมเปรียบเทียบข้อมูลข้ามช่วงเวลาและกลุ่มสินค้า
• Intertrade วิเคราะห์ยอดขายต่างประเทศ ผลเทียบงบ ค่าใช้จ่ายการตลาด ยอดเรียกเก็บตามฝ่าย และอัตราแลกเปลี่ยน โดยแยกสกุลเงินและตรวจข้อมูลซ้ำก่อนคำนวณ

คำตอบทุกชุดแสดงที่มาของข้อมูลและวิธีคำนวณ เพื่อให้ผู้ใช้ไม่จำเป็นต้องเชื่อคำตอบจาก AI โดยไม่มีหลักฐานรองรับ

เมื่อคำตอบที่ถูกต้องขึ้นอยู่กับว่ากำลังถามอะไร

ระหว่างการทดสอบ ทีมพบว่ากติกาทางบัญชีข้อหนึ่งถูกนำไปใช้กับตัวเลขคนละประเภทในลักษณะเดียวกัน ส่งผลให้คำตอบคลาดเคลื่อนจากวิธีที่ฝ่ายบัญชีใช้จริง สิ่งที่ดูเหมือนเป็นกฎง่ายๆ แท้จริงแล้วต้องพิจารณาบริบทของคำถามด้วย กฎที่ใช้คำนวณกำไรอาจไม่ใช่กฎเดียวกับที่ใช้รวมยอดขาย

ทีมจึงปรับให้ระบบพิจารณาก่อนว่าผู้ใช้กำลังถามตัวชี้วัดใด ต้องใช้กติกาชุดไหน กติกานั้นได้รับการกำหนดโดยทีมใด และควรอธิบายวิธีคำนวณให้ผู้ใช้ตรวจสอบอย่างไร

แนวทางนี้เปลี่ยนระบบจากเครื่องมือที่เพียงค้นตัวเลข ให้กลายเป็นผู้ช่วยที่เข้าใจวิธีใช้ตัวเลขภายในองค์กร

การทดสอบที่ช่วยเปิดเผยปัญหาของข้อมูลต้นทาง

การทดสอบไม่ได้เพียงตรวจว่าระบบตอบคำถามได้หรือไม่ แต่ยังช่วยเปิดเผยโครงสร้างข้อมูลที่อาจทำให้การวิเคราะห์คลาดเคลื่อน ในแต่ละสายงาน ทีมพบเงื่อนไขที่ต้องจัดการแตกต่างกัน ตั้งแต่ข้อมูลลูกค้าหนึ่งรายที่กระจายอยู่หลายแถว ไปจนถึงรายการที่ถูกนำเข้าซ้ำและตารางงบประมาณที่ไม่ได้ใช้เดือนปฏิทินตามปกติ

แทนที่จะซ่อนความซับซ้อนเหล่านี้ ระบบถูกออกแบบให้ตรวจสอบและใช้กติกาที่ผ่านการยืนยันก่อนตอบ พร้อมระบุข้อจำกัดเมื่อข้อมูลไม่เพียงพอ

หลังการแก้ไข ระบบผ่านกรณีทดสอบบนข้อมูลจริงครบ 30 จาก 30 กรณี ครอบคลุมทั้งสามสายงาน โดยใช้เวลาตอบคำถามประมาณ 29 ถึง 156 วินาทีต่อคำถาม

ร่วมพัฒนาระบบที่รู้ว่าเมื่อใดไม่ควรตอบ

แพลตฟอร์มทำงานแบบอ่านข้อมูลอย่างเดียวและไม่เขียนข้อมูลกลับไปยังระบบต้นทาง แต่ละสายงานเข้าถึงเฉพาะชุดข้อมูลที่ได้รับอนุญาต

หากไม่มีข้อมูลของช่วงเวลาที่ผู้ใช้ถาม ระบบจะบอกว่าไม่มีข้อมูล แทนการตีความว่าเป็นศูนย์ หากไม่สามารถประกอบตัวเลขย้อนหลังได้อย่างน่าเชื่อถือ ระบบจะใช้ตัวเลขที่ฝ่ายบัญชียืนยัน หรือปฏิเสธการคำนวณนั้น

แม้ผู้ใช้ถามด้วยภาษาที่มีการตัดสิน ระบบจะแปลงคำถามกลับมาเป็นข้อมูลที่ตรวจสอบได้ เช่น อายุหนี้และยอดคงค้าง โดยไม่รับข้อกล่าวหานั้นเป็นข้อเท็จจริงหรือให้คำแนะนำทางกฎหมายแทนผู้รับผิดชอบ

จากตัวเลขที่หาได้สู่ตัวเลขที่นำไปตัดสินใจได้

ผลการทดสอบแสดงให้เห็นว่าระบบสามารถตอบคำถามวิเคราะห์ตามกรณีที่กำหนดได้ครบถ้วน แต่ผลกระทบหลังการใช้งานจริงยังอยู่ระหว่างการเก็บข้อมูล

• เวลาที่ลดลงจากการจัดทำรายงานด้วยมือ
• จำนวนผู้ใช้และคำถามต่อเดือน
• ระยะเวลาจากการตั้งคำถามจนถึงการตัดสินใจ
• งานที่ทีมบัญชีและทีมธุรกิจสามารถนำเวลาไปทำแทน
• การตัดสินใจเกี่ยวกับยอดขาย กำไร ลูกหนี้ หรือสต็อกที่เกิดขึ้นเร็วขึ้น

ก้าวแรกของการนำเอเจนต์ AI เข้าใกล้การตัดสินใจทางธุรกิจ

หลังจบช่วงพัฒนา ระบบเข้าสู่การใช้งานแบบ subscription เป็นเวลา 12 เดือน ขณะเดียวกัน แต่ละสายงานเริ่มมีหัวข้อที่อาจนำไปขยายผล ตั้งแต่การวิเคราะห์ประสิทธิภาพโปรโมชัน ไปจนถึงการวิเคราะห์งบประมาณและเอกสารการค้าระหว่างประเทศ

AI Worker Platform ยังไม่ได้ดำเนินธุรกรรมหรืออนุมัติรายการแทนผู้ใช้ แต่กำลังทำให้คำถามที่เกี่ยวข้องกับยอดขาย กำไร และกระแสเงินสดเข้าถึงคำตอบที่ตรวจสอบได้เร็วขึ้น