Information Technology Governance

ตอนที่ 3: จุดสูงสุดแห่งวิวัฒนาการ: จาก Algorithm สู่ AI, Machine Learning และ IA

ในตอนที่ 1 และ 2 เราได้วางรากฐานสำคัญของการเป็น องค์กรอัจฉริยะ ด้วยการสร้าง Data ที่สะอาดและบูรณาการผ่านระบบ ERP และกำกับดูแลด้วย Algorithm ที่รองรับ GRC อย่างเข้มงวด อย่างไรก็ตาม Algorithm แบบดั้งเดิมนั้นดีเยี่ยมในการทำตามกฎเกณฑ์ที่กำหนดไว้ แต่ขาดความสามารถในการเรียนรู้หรือทำนายสถานการณ์ที่ซับซ้อนและเปลี่ยนแปลงอยู่เสมอ นี่คือจุดที่เราต้องนำพาองค์กรก้าวข้ามขีดจำกัดของ Rule-Based Logic สู่โลกของ AI (Artificial Intelligence) และ Intelligent Automation (IA) บทความนี้จะสำรวจว่าเราจะติดตั้ง ‘สมองที่เรียนรู้ได้’ เข้ากับ ‘ระบบประสาท’ ขององค์กรได้อย่างไร เพื่อสร้างคุณค่าเพิ่มและยกระดับ Governance ให้ไปอีกขั้น

เรากำลังเข้าสู่ยุคที่ซอฟต์แวร์ไม่เพียงแต่ทำตามคำสั่งเท่านั้น แต่สามารถ คิด, คาดการณ์, และตัดสินใจ ได้อย่างชาญฉลาด หัวใจของการเปลี่ยนแปลงนี้คือการเปลี่ยนจาก Algorithm แบบ If-Then (ถ้า…แล้ว…) ไปสู่ระบบที่เรียนรู้จากประสบการณ์ (Data) ด้วยตัวเองอย่าง Machine Learning (ML) แต่ความสำเร็จนี้จะเกิดขึ้นไม่ได้หากไม่มี “Clean Data” และ “Integrated GRC” จากระบบ ERP ที่เราสร้างไว้ในตอนก่อน ๆ เราจะมาดูกันว่า AI และ ML เข้ามาเสริมความสามารถของ ERP ให้ทำได้เหนือกว่าการบันทึกข้อมูลได้อย่างไร และการผสมผสานระหว่างเทคโนโลยีเหล่านี้กับระบบอัตโนมัติ (RPA) เพื่อสร้าง IA (Intelligent Automation) จะช่วยให้องค์กรสร้างคุณค่าเพิ่ม, ลดความเสี่ยง, และส่งเสริม Governance ในโลกธุรกิจที่ผันผวนได้อย่างไร พร้อมสำรวจแนวโน้มในอนาคตที่ ERP จะกลายเป็น แพลตฟอร์มอัจฉริยะ อย่างสมบูรณ์

3.1 AI และ Machine Learning: การเรียนรู้ที่เหนือกว่าตรรกะเดิม

AI (Artificial Intelligence) คือความสามารถของเครื่องจักรในการเลียนแบบสติปัญญาของมนุษย์ ในขณะที่ ML (Machine Learning) คือวิธีการที่ AI ใช้ในการเรียนรู้จากข้อมูลโดยไม่ต้องถูกโปรแกรมคำสั่งเจาะจงซ้ำแล้วซ้ำเล่า การก้าวข้ามจาก Algorithm แบบเก่าสู่ ML คือการเปลี่ยนจากการบอกระบบว่า “ทำสิ่งนี้” ไปสู่การบอกระบบว่า “นี่คือข้อมูลทั้งหมด, จงค้นหาความสัมพันธ์และบอกฉันว่าควรทำอะไรต่อไป”

การผนวกกับ ERP: ข้อมูลประวัติศาสตร์ขนาดใหญ่ (Big Data) ที่ถูกรวบรวมและทำให้สะอาดในระบบ ERP (เช่น ข้อมูลการซื้อขายย้อนหลัง 5 ปี, ข้อมูลความผันผวนของสต็อก, ข้อมูลเครดิตลูกค้า) คือ โรงเรียนฝึกสอน ชั้นดีที่สุดสำหรับโมเดล ML โมเดลเหล่านี้จะเรียนรู้จากรูปแบบในอดีตเพื่อ คาดการณ์ อนาคต เช่น การพยากรณ์ความต้องการของลูกค้า (Demand Forecasting) ที่แม่นยำกว่าการใช้สูตรสำเร็จแบบเก่า, หรือการวิเคราะห์เครดิตและพฤติกรรมลูกค้าที่มีความเสี่ยงสูงจากข้อมูลการขายใน ERP

3.2 Intelligent Automation (IA): เมื่อหุ่นยนต์และ AI ทำงานร่วมกัน

Intelligent Automation (IA) คือวิวัฒนาการขั้นต่อไปของระบบอัตโนมัติ โดยเกิดจากการรวมพลังระหว่าง RPA (Robotic Process Automation) ซึ่งเป็นหุ่นยนต์ซอฟต์แวร์ที่ทำงานซ้ำซากตามกฎเกณฑ์ (Rule-Based) เข้ากับ AI/ML ที่สามารถ ‘คิด’ และ ‘ตัดสินใจ’ ได้

การประยุกต์ใช้เพื่อ GRC และคุณค่าเพิ่ม:

• การเงิน/บัญชี: IA ใช้ AI เพื่อ อ่าน, ทำความเข้าใจ, และตรวจสอบความถูกต้อง ของใบแจ้งหนี้จากภายนอก ก่อนจะนำไปป้อนเข้าสู่ระบบ ERP โดยอัตโนมัติ ซึ่งช่วยลดความผิดพลาด, ลดเวลาทำงานซ้ำซ้อน, และเพิ่ม Compliance (ตรวจสอบว่าข้อมูลตรงกับกฎเกณฑ์การจัดซื้อหรือไม่)
• การผลิต: ML วิเคราะห์ข้อมูลการผลิตใน ERP (อุณหภูมิ, แรงดัน, ประสิทธิภาพเครื่องจักร) เพื่อทำนายว่าเครื่องจักรใดมีแนวโน้มจะเสียก่อนเวลา (Predictive Maintenance) ทำให้สามารถจัดตารางการซ่อมบำรุงใน ERP ได้อย่างชาญฉลาดและหลีกเลี่ยงการหยุดชะงักของสายการผลิต
• Supply Chain: AI วิเคราะห์ข้อมูลการสั่งซื้อและสถานะสต็อกใน ERP แบบ Real-time เพื่อปรับแผนการขนส่งหรือการจัดซื้อจัดจ้างให้เหมาะสมกับสถานการณ์ที่ไม่คาดคิด

3.3 แนวโน้มในอนาคต: ERP กลายเป็นแพลตฟอร์มอัจฉริยะ

ในอนาคตอันใกล้ ระบบ ERP จะเปลี่ยนบทบาทจากแค่ ‘ระบบบันทึกและประมวลผล’ ไปเป็น ‘แพลตฟอร์มอัจฉริยะ’ (Intelligent Platform) ที่มี AI และ ML ฝังอยู่ทุกชั้นอย่างแยกไม่ออก การก้าวไปสู่ Cloud ERP และการใช้เทคโนโลยี In-Memory Computing ทำให้ระบบสามารถจัดการ Big Data และประมวลผลโมเดล AI ได้อย่างรวดเร็วและต่อเนื่อง นี่หมายความว่า ระบบ ERP จะไม่เพียงแค่บอกว่า “เกิดอะไรขึ้น” เท่านั้น แต่จะสามารถบอกได้ว่า “ทำไมถึงเกิดขึ้น” และ “ควรทำอย่างไรต่อไป”

บทสรุปสำหรับบุคลากร: ความสำเร็จในยุค IA ไม่ได้อยู่ที่การใช้ AI แทนมนุษย์ แต่เป็นการทำให้มนุษย์ทำงานร่วมกับ AI ได้อย่างมีประสิทธิภาพ ดังนั้น ความจำเป็นในการพัฒนาทักษะของบุคลากรให้มี Data Literacy (ความรู้ด้านข้อมูล) และเข้าใจถึงความสัมพันธ์ของ Data ใน ERP จึงมีความสำคัญอย่างยิ่ง เพื่อให้พวกเขาสามารถใช้ข้อมูลและเครื่องมืออัจฉริยะเหล่านี้ในการสร้างคุณค่าเพิ่มและขับเคลื่อน Governance ที่ยั่งยืนให้กับองค์กร

โดยเริ่มจากการสร้าง รากฐาน ด้วย ERP ในฐานะโครงสร้างร่างกายที่รวมทุกส่วนเข้าด้วยกัน (ตอนที่ 1), ตามมาด้วยการติดตั้ง ตรรกะและ Governance (GRC) ผ่าน Algorithm เพื่อสร้าง Data ที่ถูกต้องและเกี่ยวพันกัน (ตอนที่ 2) และมาถึงจุดสูงสุดของการพัฒนาด้วยการติดตั้ง สมองที่เรียนรู้ได้ ผ่าน AI, ML และ IA (ตอนที่ 3) ข้อสรุปที่ชัดเจนที่สุดคือ เทคโนโลยีอัจฉริยะไม่สามารถทำงานได้อย่างมีประสิทธิภาพหากไม่มีรากฐาน ERP ที่มั่นคงและข้อมูลที่เชื่อถือได้ การลงทุนใน AI โดยที่ข้อมูลยังไม่สะอาดหรือยังขาดการกำกับดูแลที่ดี (GRC) จึงเปรียบเหมือนการสร้างบ้านบนทราย การทำความเข้าใจที่ถูกต้องเกี่ยวกับ ERP, Algorithm, และความสัมพันธ์ของ Data ในทุกมิติ คือก้าวแรกและก้าวที่สำคัญที่สุดในการปฏิวัติองค์กรสู่การเป็น The Intelligent Enterprise อย่างแท้จริง