ERP เป็นต้นกำเนิดของ Governance AI จริงหรือ? ในมุมมองการวิเคราะห์ผ่านกรอบ COSO, ISO 38500, Basel และ AI Act (ตอนที่ 2)

มีนาคม 9, 2026

จาก Governance ของธุรกรรม สู่ Governance ของการตัดสินใจ

ทุกยุคของเทคโนโลยีจะทิ้งร่องรอยบางอย่างไว้ในโครงสร้างการกำกับดูแลขององค์กร ยุค ERP ทำให้องค์กรเข้าใจว่า “การควบคุม” ไม่จำเป็นต้องเป็นเอกสารหรือการตรวจสอบย้อนหลังเท่านั้น แต่สามารถฝังอยู่ในระบบได้ ส่วนยุค AI กำลังตั้งคำถามใหม่ว่า “การตัดสินใจของเครื่องจักร” ควรถูกกำกับอย่างไร

ระบบ ERP ขนาดใหญ่อย่าง SAP ERP หรือ Oracle ERP ทำให้องค์กรมีข้อมูลแบบรวมศูนย์ มี workflow ที่ควบคุมได้ และมี Audit Trail ที่ตรวจสอบย้อนหลังได้ ในขณะที่ AI Governance ซึ่งถูกผลักดันโดยกรอบนโยบายจาก European Commission ผ่านกฎหมาย AI Act กำลังยกระดับคำถามไปสู่เรื่องความเป็นธรรม ความโปร่งใส และความรับผิดชอบของอัลกอริทึม

คำถามจึงชัดเจนขึ้นเรื่อย ๆ ว่า Governance AI คือการเริ่มต้นใหม่โดยสิ้นเชิง หรือเป็นวิวัฒนาการที่ต่อยอดจากรากฐาน ERP?

ERP กับ COSO: จุดเริ่มต้นของ Embedded Internal Control

กรอบ COSO Internal Control Framework วางโครงสร้างการควบคุมไว้ 5 องค์ประกอบ:

  1. Control Environment
  2. Risk Assessment
  3. Control Activities
  4. Information & Communication
  5. Monitoring Activities

ERP ส่งผลโดยตรงต่ออย่างน้อย 3 องค์ประกอบหลัก

1.1 Control Activities ถูกแปลงเป็น Workflow

ก่อน ERP การควบคุมจำนวนมากเป็น manual control เช่น การเซ็นอนุมัติเอกสาร
หลัง ERP การอนุมัติกลายเป็น digital approval workflow ที่บังคับใช้โดยระบบ

1.2 Information & Communication กลายเป็น Real-Time

Single Source of Truth ทำให้ข้อมูลไม่กระจัดกระจาย ลดความเสี่ยงข้อมูลขัดแย้ง

1.3 Monitoring Activities กลายเป็น System-Driven

รายงาน exception, log file, audit trail กลายเป็นเครื่องมือ monitoring อัตโนมัติ

ในแง่นี้ ERP คือการ “ทำให้ COSO ทำงานได้จริง” ในระดับปฏิบัติการ

ISO 38500 และ IT Governance: การกำกับเทคโนโลยีเชิงโครงสร้าง

มาตรฐาน ISO/IEC 38500 กำหนดหลักการกำกับดูแล IT สำหรับคณะกรรมการองค์กร โดยเน้น:

  • Responsibility
  • Strategy
  • Acquisition
  • Performance
  • Conformance
  • Human Behaviour

ERP เป็นเทคโนโลยีขนาดใหญ่ที่บังคับให้องค์กรต้องคิดเชิง Governance:

  • ใครเป็นเจ้าของข้อมูล?
  • ใครอนุมัติการเปลี่ยนแปลงระบบ?
  • ระบบสนับสนุนกลยุทธ์องค์กรหรือไม่?

ISO 38500 จึงเป็นสะพานเชื่อมจาก IT Management ไปสู่ IT Governance และเมื่อ AI กลายเป็น IT รูปแบบใหม่ หลักการเดียวกันจึงถูกยกระดับไปสู่ AI Governance

Basel และ Model Risk: สะพานเชื่อมสู่ AI Governance

ในภาคการเงิน กรอบของ Basel Committee on Banking Supervision ได้พัฒนาแนวคิด Model Risk Management (MRM) มานานก่อนยุค AI บูม MRM กำหนดให้มีการตรวจสอบความถูกต้องของโมเดล มีการทดสอบย้อนหลัง (Backtesting) มีการแยกผู้พัฒนาโมเดลออกจากผู้อนุมัติ และมีการติดตาม Model Drift แนวคิดเหล่านี้คล้ายกับ AI Governance อย่างมาก หาก ERP คือการควบคุม transaction risk ส่วน MRM คือการควบคุม model risk และ AI Governance คือการขยาย Model Risk ไปสู่ทุกอุตสาหกรรม

AI Act และ Risk-Based Governance

กฎหมาย AI Act ของสหภาพยุโรปแบ่ง AI ออกเป็นระดับความเสี่ยง:

  • Unacceptable Risk
  • High Risk
  • Limited Risk
  • Minimal Risk

สำหรับ High-Risk AI ต้องมี:

  • Risk Management System
  • Data Governance
  • Technical Documentation
  • Human Oversight
  • Accuracy & Robustness Control

สิ่งที่น่าสนใจคือ โครงสร้างนี้สะท้อนแนวคิดเดียวกับ COSO และ Basel เพียงแต่ย้ายจุดควบคุมจาก “กระบวนการธุรกิจ” ไปสู่ “ระบบอัลกอริทึม”

ความแตกต่างเชิงโครงสร้างของ ERP vs AI

มิติERPAI
ลักษณะการทำงานDeterministicProbabilistic
การควบคุมRule-basedModel-based
ความเสี่ยงหลักFraud / ErrorBias / Drift / Opaque Decision
Audit FocusAccess & ChangeData & Model Integrity
Governance ScopeTransaction GovernanceDecision Governance

ERP ควบคุม “สิ่งที่คนทำ” ส่วน AI ต้องควบคุม “สิ่งที่เครื่องเรียนรู้” นี่คือความท้าทายเชิงโครงสร้างที่ทำให้ Governance AI ซับซ้อนกว่ายุค ERP อย่างมีนัยสำคัญ

ERP เป็นต้นกำเนิดของ Governance AI หรือไม่?

คำตอบอาจแบ่งเป็น 3 ระดับ

ระดับที่ 1: เชิงเทคโนโลยี

ไม่ใช่ — ERP ไม่ได้สร้าง AI Governance

ระดับที่ 2: เชิงโครงสร้าง

ใช่ — ERP วางโครงสร้าง Embedded Control และ Data Governance

ระดับที่ 3: เชิงวัฒนธรรมองค์กร

ใช่ — ERP ทำให้องค์กรคุ้นชินกับการฝัง Governance ลงในระบบ

AI Governance จึงไม่ได้เกิดในสุญญากาศ แต่เกิดบนวัฒนธรรมการควบคุมที่ ERP ช่วยสร้างไว้

บทบาทของคณะกรรมการและ NRC ในยุค AI

เมื่อ AI กลายเป็นกลไกตัดสินใจ คณะกรรมการต้องตั้งคำถามใหม่:

  • ใครรับผิดชอบความผิดพลาดของ AI?
  • AI ส่งผลต่อความเสี่ยงเชิงจริยธรรมหรือไม่?
  • โครงสร้างค่าตอบแทนผู้บริหารสอดคล้องกับ AI Risk หรือไม่?

Governance AI จึงไม่ใช่เรื่อง IT เพียงฝ่ายเดียว แต่เป็นเรื่อง Board-Level Governance

สรุป จาก Control System สู่ Cognitive System

สำหรับ ERP คือยุคของ Control System ส่วน AI คือยุคของ Cognitive System

ERP สอนให้องค์กรควบคุมกระบวนการ ส่วน AI บังคับให้องค์กรควบคุมการเรียนรู้

Governance AI จึงไม่ใช่การปฏิวัติแบบตัดขาดอดีต แต่เป็นวิวัฒนาการของโครงสร้างกำกับดูแลที่เริ่มต้นจาก ERP

หาก ERP คือโครงกระดูกของ Governance ดิจิทัล AI Governance คือระบบประสาทที่ทำให้โครงกระดูกนั้น “ตัดสินใจได้”

คำถามที่แท้จริงจึงไม่ใช่ว่า ERP เป็นต้นกำเนิดของ Governance AI หรือไม่ แต่คือ องค์กรของเราพร้อมหรือยังที่จะขยายกรอบ Governance จาก “ความถูกต้องของธุรกรรม” ไปสู่ “ความรับผิดชอบของการตัดสินใจโดยอัลกอริทึม” และนี่อาจเป็นโจทย์ใหญ่ที่สุดขององค์กรในทศวรรษข้างหน้า

โปรดติดตามตอนต่อไปที่ผมจะพูดถึง AI Governance โดยไม่มี ERP ซึ่งองค์กรจะต้องรับความเสี่ยงอย่างไรบ้าง หากไม่มี ERP ซึ่งเป็นฐานราก

Leave a Comment » | AI กับ GRC | ติดป้ายกำกับ: , | ลิงก์ถาวร
โพสต์โดย Metha Suvanasarn

ERP เป็นต้นกำเนิดของ Governance AI จริงหรือ? (ตอนที่ 1)

มีนาคม 2, 2026

ในโลกองค์กรยุคดิจิทัล คำว่า “Governance” ไม่ได้หมายถึงเพียงการประชุมคณะกรรมการหรือการออกนโยบายอีกต่อไป แต่หมายถึงการทำให้การควบคุมเกิดขึ้นจริงในระดับระบบ กระบวนการ และข้อมูล

ตลอด 20–30 ปีที่ผ่านมา ระบบที่เปลี่ยนโครงสร้างการควบคุมองค์กรอย่างลึกซึ้งที่สุดระบบหนึ่งคือ ERP (Enterprise Resource Planning) โดยเฉพาะแพลตฟอร์มขนาดใหญ่ระดับองค์กร เช่น SAP ERP และ Oracle ERP ซึ่งทำหน้าที่รวมข้อมูลทุกฟังก์ชันธุรกิจเข้าสู่ศูนย์กลางเดียว

ขณะเดียวกัน โลกกำลังก้าวเข้าสู่ยุคของ Artificial Intelligence และ Generative AI พร้อมคำถามใหม่ว่า เราจะกำกับดูแล AI อย่างไร

Governance AI จึงกลายเป็นวาระสำคัญขององค์กรทั่วโลก แต่หากย้อนกลับไปพิจารณาอย่างจริงจัง อาจพบว่าหลักคิดหลายอย่างใน AI Governance ไม่ได้เกิดขึ้นอย่างฉับพลัน หากมีรากฐานบางส่วนฝังอยู่ในยุค ERP แล้ว เพียงแต่บริบทเปลี่ยนจาก “การควบคุมธุรกรรม” ไปสู่ “การควบคุมการตัดสินใจ” คำถามจึงน่าสนใจอย่างยิ่งว่า… ERP เป็นต้นกำเนิดของ Governance AI จริงหรือ?

ERP ในฐานะสถาปัตยกรรมของการควบคุมองค์กร

ERP ไม่ได้เป็นเพียงระบบบัญชีหรือระบบจัดซื้อจัดจ้าง หากมองในเชิงโครงสร้าง มันคือสถาปัตยกรรมของการควบคุม (Control Architecture)

ก่อนยุค ERP องค์กรมักมีระบบแยกส่วน ข้อมูลกระจัดกระจาย การตรวจสอบย้อนหลังทำได้ยาก และการควบคุมต้องพึ่งพาเอกสารหรือการตรวจสอบแบบ manual เป็นหลัก ERP เข้ามาเปลี่ยนเกมด้วย 3 กลไกสำคัญ

1. การบูรณาการข้อมูล (Data Integration)
ข้อมูลจากการเงิน การจัดซื้อ คลังสินค้า การผลิต และทรัพยากรบุคคล ถูกเชื่อมโยงเข้าสู่ฐานข้อมูลเดียว แนวคิด “Single Source of Truth” จึงเกิดขึ้นจริงในระดับระบบ

2. การทำให้กระบวนการเป็นมาตรฐาน (Process Standardization)
องค์กรไม่สามารถทำงานนอก workflow ที่กำหนดไว้ในระบบได้ง่าย ๆ การอนุมัติ การบันทึกบัญชี หรือการออกเอกสารต้องเป็นไปตามขั้นตอน

3. การฝังการควบคุมลงในระบบ (Embedded Control)
การแยกหน้าที่ (Segregation of Duties), การกำหนดสิทธิ์การเข้าถึง (Access Control), การบันทึก Audit Trail ถูกออกแบบไว้ตั้งแต่ต้น

นี่คือจุดที่ ERP เริ่มทำให้ Governance “จับต้องได้” ไม่ใช่เพียงนโยบายบนกระดาษ

ERP กับกรอบ GRC: การทำให้ Governance บังคับใช้ได้จริง

แนวคิด GRC (Governance, Risk, and Compliance) เริ่มชัดเจนมากขึ้นหลังวิกฤตการณ์ทางการเงินและกรณีอื้อฉาวทางบัญชีระดับโลก องค์กรกำกับดูแลระดับสากล เช่น OECD ได้ผลักดันหลักการกำกับดูแลกิจการที่เน้นความโปร่งใส ความรับผิดชอบ และการบริหารความเสี่ยง ERP กลายเป็นเครื่องมือสำคัญในการตอบโจทย์เหล่านี้ เพราะมันสามารถ:

  • สร้างหลักฐานการทำรายการย้อนหลัง (Audit Trail)
  • ตรวจสอบความสอดคล้องของการปฏิบัติงานกับนโยบาย
  • ลดความเสี่ยงการทุจริตผ่านการแยกหน้าที่
  • สนับสนุนการรายงานความเสี่ยงแบบรวมศูนย์

กล่าวอีกนัยหนึ่ง ERP คือกลไกที่ทำให้ Governance จากระดับ Board ถูกถ่ายทอดลงสู่ระดับ Transaction ได้จริง

AI Governance: การยกระดับจากการควบคุมธุรกรรมสู่การควบคุมอัลกอริทึม

เมื่อ AI เข้ามามีบทบาทในการตัดสินใจ เช่น การให้สินเชื่อ การคัดกรองลูกค้า หรือการคาดการณ์ความเสี่ยง คำถามด้าน Governance จึงเปลี่ยนไป องค์กรอย่าง European Commission ได้เสนอแนวทางกำกับ AI แบบ Risk-Based Approach โดยแบ่งระดับความเสี่ยงของ AI และกำหนดข้อกำกับที่แตกต่างกัน

AI Governance ครอบคลุมประเด็นใหม่ เช่น

  • ความเป็นธรรมของโมเดล (Fairness)
  • ความสามารถอธิบายได้ (Explainability)
  • ความโปร่งใสของข้อมูลฝึก (Data Transparency)
  • ความรับผิดชอบเมื่อเกิดความเสียหาย (Accountability)

ความแตกต่างสำคัญคือ ERP ทำงานบนตรรกะที่กำหนดไว้ล่วงหน้า (Rule-based, Deterministic) AI ทำงานบนความน่าจะเป็นและรูปแบบข้อมูล (Probabilistic, Pattern-based) ดังนั้น Governance จึงต้องปรับจาก “การควบคุมกระบวนการ” ไปสู่ “การควบคุมการเรียนรู้ของเครื่อง”

ERP ในฐานะรากฐานข้อมูลของ AI

แม้ ERP จะไม่ใช่ระบบ AI แต่ AI ส่วนใหญ่ในองค์กรต้องพึ่งพาข้อมูลจาก ERP

หากข้อมูลใน ERP ไม่ครบถ้วน ไม่ถูกต้อง และไม่มีการควบคุมคุณภาพ AI ที่สร้างขึ้นย่อมสะท้อนข้อบกพร่องนั้น นี่ทำให้ ERP มีบทบาทเป็น “ฐานความน่าเชื่อถือของข้อมูล” (Data Integrity Anchor) Governance AI จึงไม่สามารถแยกขาดจาก Data Governance ซึ่งมีรากฐานมาจากยุค ERP

จาก Embedded Control สู่ Algorithmic Control

ในยุค ERP การควบคุมถูกฝังไว้ในขั้นตอนการทำงาน

ในยุค AI การควบคุมต้องครอบคลุม:

  • การพัฒนาโมเดล (Model Development)
  • การทดสอบความเอนเอียง (Bias Testing)
  • การติดตาม Model Drift
  • การตรวจสอบความถูกต้องเชิงสถิติ (Model Validation)

แนวคิด Model Risk Management (MRM) ในสถาบันการเงินจึงกลายเป็นสะพานเชื่อมสำคัญระหว่าง IT Governance และ AI Governance

หาก ERP คือการฝัง Control ลงใน Workflow
AI Governance คือการฝัง Control ลงใน Algorithm

บทบาทของ IT Audit และ Internal Audit ในยุค AI

ยุค ERP ผู้ตรวจสอบมักเน้น:

  • การควบคุมสิทธิ์เข้าถึง
  • การจัดการเปลี่ยนแปลงระบบ
  • ความสมบูรณ์ของอินเทอร์เฟซข้อมูล

แต่ในยุค AI ผู้ตรวจสอบต้องขยายขอบเขตไปสู่:

  • การตรวจสอบคุณภาพข้อมูลฝึก
  • การประเมินความเสี่ยงจาก Bias
  • การทดสอบความสามารถอธิบายผลลัพธ์
  • การตรวจสอบ Governance Framework ของ AI

บทบาทจึงเปลี่ยนจาก IT Auditor ไปสู่ Algorithmic Auditor

สรุป ERP เป็นต้นกำเนิดของ Governance AI จริงหรือ?

ERP ไม่ได้ถูกออกแบบมาเพื่อควบคุมปัญญาประดิษฐ์
แต่ ERP คือระบบแรก ๆ ที่ทำให้องค์กรเข้าใจว่า Governance สามารถถูกฝังในสถาปัตยกรรมดิจิทัลได้

หากไม่มี ERP องค์กรอาจไม่มีข้อมูลที่มีโครงสร้างเพียงพอ การควบคุมอาจยังพึ่งพาเอกสาร แนวคิด Embedded Control อาจยังไม่แพร่หลาย ในมิตินี้ ERP อาจไม่ใช่ “ต้นกำเนิดโดยตรง” แต่คือ “รากฐานเชิงสถาปัตยกรรมและวัฒนธรรมการควบคุม”

โลกองค์กรกำลังเคลื่อนจากยุคที่ความเสี่ยงเกิดจาก “การทำรายการผิดพลาด” ไปสู่ยุคที่ความเสี่ยงเกิดจาก “การตัดสินใจของระบบอัตโนมัติ” ERP ทำให้องค์กรเรียนรู้วิธีควบคุมกระบวนการ แต่ AI บังคับให้องค์กรเรียนรู้วิธีควบคุมการเรียนรู้ของเครื่อง

Governance AI จึงไม่ใช่สิ่งที่เกิดขึ้นอย่างฉับพลัน แต่เป็นวิวัฒนาการต่อเนื่องจากรากฐานเดิม เพียงแต่ความซับซ้อนเพิ่มขึ้นอย่างก้าวกระโดด คำถามสำคัญจึงอาจไม่ใช่ว่า ERP เป็นต้นกำเนิดของ Governance AI หรือไม่ แต่คือ องค์กรของเรามีความพร้อมพอหรือยังที่จะยกระดับจาก Governance ของข้อมูลไปสู่ Governance ของปัญญาประดิษฐ์อย่างแท้จริง และนั่นคือโจทย์เชิงยุทธศาสตร์ของคณะกรรมการ ผู้บริหาร และผู้ตรวจสอบในยุคต่อจากนี้

ในครั้งหน้า ผมจะขอพูดต่อถึงคำถามที่ว่า ERP เป็นต้นกำเนิดของ Governance AI จริงหรือ? ในมุมมองของการวิเคราะห์ผ่านกรอบ COSO, ISO 38500, Basel และ AI Act โปรดติดตามตอนต่อไปนะครับ

Leave a Comment » | AI กับ GRC | ติดป้ายกำกับ: , , | ลิงก์ถาวร
โพสต์โดย Metha Suvanasarn

The Intelligent Enterprise: ปฏิวัติธุรกิจด้วย ERP, Algorithm, และพลังขับเคลื่อนแห่ง AI/IA ตอนที่ 2

พฤศจิกายน 28, 2025

ตอนที่ 2: หัวใจของการคิด: GRC, Algorithm และความถูกต้องของ Data ใน ERP

ในตอนที่ 1 : รากฐานดิจิทัล นั้น เราได้สร้างความเข้าใจร่วมกันว่า ERP คือโครงสร้างร่างกายและระบบประสาทที่เชื่อมโยงทุกส่วนขององค์กรเข้าด้วยกันอย่างแยกไม่ได้ และเป็นผู้สร้าง Data ที่มีคุณภาพ แต่ข้อมูลที่ไหลเวียนในระบบนั้นจะมีความน่าเชื่อถือและนำไปสู่การบริหารความเสี่ยงได้อย่างไร? คำตอบคือ Algorithm (อัลกอริทึม) และ GRC (Governance, Risk, Compliance) บทความตอนนี้จะพาเราเจาะลึกเข้าไปใน ‘สมอง’ ของระบบ ERP เพื่อทำความเข้าใจว่าชุดคำสั่งและตรรกะเหล่านี้กำหนด ความถูกต้อง (Data Integrity) และ ความเกี่ยวพัน (Interconnectivity) ของข้อมูลทางธุรกิจและการบริหารได้อย่างไร ซึ่งเป็นหัวใจสำคัญของการกำกับดูแลองค์กรอย่างมีประสิทธิภาพ

เมื่อองค์กรมีรากฐาน ERP ที่มั่นคง ข้อมูลทั้งหมดก็ไหลรวมกันเป็นหนึ่งเดียวเหมือน ‘ระบบไหลเวียนโลหิต’ ในร่างกาย แต่การที่ข้อมูลเหล่านี้จะถูกนำไปใช้ในการตัดสินใจได้อย่างปลอดภัยและโปร่งใส ต้องอาศัยการกำกับดูแลที่เข้มงวด นั่นคือบทบาทของ GRC ที่ต้องทำงานร่วมกับ Algorithm การที่หลายองค์กรประสบปัญหาในการใช้ข้อมูลจาก ERP เป็นเพราะความไม่เข้าใจว่า Algorithm ในระบบได้กำหนด ตรรกะ และ กฎเกณฑ์ แห่งความถูกต้องทาง Data ไว้แล้วอย่างละเอียดอ่อน ปัญหานี้มักนำไปสู่ความเข้าใจที่แตกต่างกันระหว่างสายงาน ทำให้เกิดการแก้ปัญหาที่มองข้ามความสัมพันธ์ของข้อมูลในมิติอื่น ๆ เราจะมาดูกันว่า Algorithm พื้นฐานทำงานอย่างไร และมันคือพลังสำคัญในการทำให้ Data ใน ERP สามารถใช้ในการบริหารแบบ Integrated Management และรองรับ GRC ได้อย่างสมบูรณ์ได้อย่างไร

2.1 ปัญหาความเข้าใจที่ต่างกัน: ERP กับ GRC (Governance, Risk, Compliance)

หลายครั้งที่ผู้บริหารหรือผู้ปฏิบัติงานมองว่า GRC เป็นเพียง ‘ภาระ’ หรือ ‘งานเอกสาร’ ที่ต้องทำเพิ่มเติม แต่ในบริบทของ ERP นั้น GRC คือส่วนที่ถูกฝังอยู่ในกระบวนการทำงานหลัก (Embedded GRC) Governance (ธรรมาภิบาล/การกำกับดูแล) คือการที่ระบบ ERP มี Algorithm ในการควบคุมและอนุมัติธุรกรรมต่าง ๆ อย่างชัดเจนและโปร่งใส เช่น การอนุมัติการสั่งซื้อที่ต้องผ่านลำดับชั้นที่กำหนดไว้ล่วงหน้า Risk (ความเสี่ยง) คือการใช้ Data ที่ถูกบูรณาการและถูกตรวจสอบโดยระบบเพื่อประเมินความเสี่ยง เช่น การใช้ข้อมูลการเงินและสต็อกเพื่อคำนวณความเสี่ยงสภาพคล่อง Compliance (การปฏิบัติตามกฎ) คือการที่ Algorithm ในระบบถูกตั้งค่าให้ปฏิบัติตามกฎหมายหรือข้อบังคับทางธุรกิจ (เช่น ภาษี, มาตรฐานบัญชี) โดยอัตโนมัติ ปัญหาที่พบบ่อย คือความเข้าใจที่แตกต่างกันในแต่ละสายงานเกี่ยวกับ ‘กฎ’ ที่ระบบกำหนดไว้ ทำให้เมื่อเกิดปัญหา ข้อมูลที่ถูกป้อนเข้ามานั้นไม่สอดคล้องกับตรรกะที่ควรจะเป็น ส่งผลให้ระบบ GRC ที่ฝังอยู่ใน ERP ไม่สามารถทำงานได้อย่างเต็มประสิทธิภาพ

2.2 Algorithm: Logic ที่กำหนดความถูกต้องและความเกี่ยวพันของ Data

Algorithm ไม่ใช่เรื่องซับซ้อน แต่คือ ชุดคำสั่งหรือตรรกะ ที่กำหนดว่าข้อมูลที่ถูกป้อนเข้าไปควรจะถูกประมวลผล จัดเก็บ และเชื่อมโยงกับข้อมูลอื่นอย่างไรในระบบ ERP นี่คือหัวใจสำคัญของการสร้างความถูกต้องของ Data และความเกี่ยวพันในทุกมิติ ตัวอย่างเช่น: เมื่อมีการบันทึกการผลิตสินค้า (Production Order) Algorithm จะตรวจสอบทันทีว่า:

  1. มีวัตถุดิบเพียงพอในสต็อกหรือไม่ (ความถูกต้อง ของปริมาณ)
  2. หักวัตถุดิบออกจากบัญชีสต็อกและบันทึกเป็นต้นทุนการผลิตทันที (ความเกี่ยวพัน ทางบัญชี)
  3. อัปเดตสถานะของใบสั่งผลิตและแจ้งไปยังฝ่ายขาย (ความเกี่ยวพัน ทางการปฏิบัติงาน)

ข้อมูลทางธุรกิจและการบริหารทุกประเภท จะต้องผ่านกระบวนการเหล่านี้เพื่อยืนยันความถูกต้องทาง Data และความเกี่ยวพันในทุกมิติ การทำความเข้าใจ Algorithm เหล่านี้ ทำให้ผู้บริหารตระหนักว่าปัญหาข้อมูลที่ผิดพลาดมักไม่ได้เกิดจาก ‘โปรแกรมเสีย’ แต่เกิดจากการป้อนข้อมูลที่ไม่เป็นไปตาม ‘ตรรกะ’ หรือ ‘กฎ’ ที่ระบบกำหนดไว้ตั้งแต่แรก ซึ่งส่งผลกระทบต่อทั้ง Governance และการประเมิน Risk ทันที

2.3 การบริหารแบบบูรณาการ (Integrated Management) ด้วย ERP Data

เมื่อ Algorithm ทำงานได้อย่างสมบูรณ์ในการทำให้ Data มีความถูกต้องและเกี่ยวพันกันในทุกมิติ ข้อมูลทั้งหมดจะรวมกันเป็น Single Source of Truth ที่ปราศจากข้อขัดแย้ง นี่คือพลังของการบริหารแบบบูรณาการ (Integrated Management) ที่ผู้บริหารไม่จำเป็นต้องรอการรวบรวมข้อมูลจากหลายฝ่ายหรือหลายบริษัทอีกต่อไป ทุกสายงานสามารถใช้ Dashboard ชุดเดียว ในการตัดสินใจข้ามฟังก์ชัน (Cross-Functional Decisions) ตัวอย่างเช่น: การใช้ข้อมูลการผลิต (จากโมดูล Production) และข้อมูลการเงิน (จากโมดูล Finance) มาวิเคราะห์ต้นทุนการผลิตแบบ Real-time เพื่อกำหนดราคาสินค้าเชิงกลยุทธ์ได้อย่างรวดเร็ว

การแก้ปัญหาที่ต้นเหตุ: การที่ทุก Transaction ถูกบันทึกและเชื่อมโยงด้วย Algorithm ใน ERP ทำให้สามารถทำ การตรวจสอบย้อนกลับ (Traceability) ได้ง่ายและรวดเร็ว เมื่อมีปัญหา ผู้บริหารสามารถสืบหาได้ทันทีว่าความผิดพลาดของข้อมูล (เช่น ข้อมูลสต็อกไม่ตรง) เกิดขึ้นที่กระบวนการใดในระบบ และแก้ไขที่จุดเริ่มต้นนั้น ไม่ใช่การมาปรับปรุงตัวเลขในรายงานปลายทาง ซึ่งช่วยสร้างความเชื่อมั่นในข้อมูลและส่งเสริม GRC ได้อย่างยั่งยืน

ในตอนนี้ เราได้เห็นแล้วว่า Algorithm คือ ตรรกะแห่งความถูกต้องและความเกี่ยวพัน ที่ถูกฝังอยู่ในระบบ ERP และเป็นกลไกสำคัญในการขับเคลื่อน GRC และการบริหารแบบบูรณาการ ข้อมูลที่ถูกกรองและเชื่อมโยงอย่างเป็นระบบนี้คือสิ่งที่สร้างคุณค่าเพิ่มและ Governance ที่เราต้องการอย่างแท้จริง อย่างไรก็ตาม Algorithm ที่เราพูดถึงในตอนนี้ ส่วนใหญ่ยังคงเป็น ‘ตรรกะที่มนุษย์กำหนด’ (Rule-Based Logic) ซึ่งมีข้อจำกัดในการรับมือกับความซับซ้อนและความผันผวนของโลกธุรกิจสมัยใหม่ คำถามคือ: เราจะทำอย่างไรให้ระบบ ERP ของเราสามารถคิด, คาดการณ์, และเรียนรู้ได้ด้วยตนเอง? นี่คือการก้าวข้ามจาก Algorithm แบบดั้งเดิม สู่การใช้ AI (Artificial Intelligence) และ Machine Learning (ML) ในการสร้างระบบอัตโนมัติอัจฉริยะ โปรดติดตาม ‘ตอนที่ 3: จุดสูงสุดแห่งวิวัฒนาการ: จาก Algorithm สู่ AI, Machine Learning และ IA’ เพื่อสำรวจว่าเราจะนำพลังแห่ง Data และ Logic ที่สร้างไว้ใน ERP มาปลดล็อกศักยภาพของ AI/IA ได้อย่างไร

Leave a Comment » | AI กับ GRC | ติดป้ายกำกับ: , , , , , , | ลิงก์ถาวร
โพสต์โดย Metha Suvanasarn