คุยกับ ‘ดร.ต้า-วิโรจน์’ จากอดีตพนักงานเฟซบุ๊ก-ผู้ก่อตั้ง Skooldio สู่แม่ทัพ AI ไลน์แมน-วงใน

คอลัมน์ : สัมภาษณ์พิเศษ

หนึ่งในมูฟเมนต์ใหญ่ ๆ ของ “ไลน์แมน-วงใน” (LINE MAN Wongnai) ปีนี้ คือการเปิดตัว “ดร.ต้า-วิโรจน์ จิรพัฒนกุล” ในฐานะรองประธานฝ่าย AI หรือ “VP of AI” คนแรก เพื่อขับเคลื่อนองค์กรให้ก้าวสู่การเป็น AI-Driven Company อย่างเต็มรูปแบบ

“ดร.ต้า” เป็นที่รู้จักอยู่แล้วในฐานะผู้ร่วมก่อตั้งแพลตฟอร์มเรียนออนไลน์ Skooldio และผู้เชี่ยวชาญด้านดาต้าที่มีประสบการณ์การทำงาน  Data Scientist ในบริษัทเทคระดับโลกอย่าง “เฟซบุ๊ก” (Facebook) การันตี 

“ประชาชาติธุรกิจ” พูดคุยแบบเอ็กซ์คลูซีฟกับ “ดร.ต้า” ในบทบาทของ VP of AI, LINE MAN Wongnai ถึงเหตุผลในการรับหน้าที่เป็น “แม่ทัพ” ผลักดันการใช้ AI ทั้งองค์กร และหลังบ้านของการทำ AI Transformation ที่ไม่ได้มีแค่เรื่องเทคโนโลยี

เจาะภารกิจ VP of AI

“ดร.ต้า” เล่าว่า Generative AI เป็นคลื่นเทคโนโลยีที่ทรงพลังมาก สามารถสร้างความเปลี่ยนแปลงได้เร็วกว่าช่วงที่เป็นยุคอินเทอร์เน็ตที่เปลี่ยนจากยุคของ IBM และ HP มาเป็น Facebook กับ Google และยุคโมบายที่มีแพลตฟอร์มต่าง ๆ เกิดขึ้น ซึ่งในมุมของคนสอนหนังสือจะรู้สึกว่าถ้าจะสอนเรื่อง AI ให้ดี จำเป็นต้องลงมือทำจริงด้วย เพื่อให้มีประสบการณ์เหมือนที่เคยทำงานในสายดาต้ามาก่อน

ประกอบกับก่อนหน้านี้ Skooldio เข้ามาช่วยไลน์แมน-วงใน จัดคอร์สอบรมเรื่องการใช้ AI อยู่แล้ว ทำให้เห็นว่าทุกคนจริงจังกับการใช้ AI มาก ถ้าจะมีที่ไหนเป็นแซนด์บอกซ์ให้ทดลองทำโปรเจ็กต์ใหม่ ๆ คงต้องเป็นที่นี่ เพราะวิ่งนำคนอื่นในเรื่องนี้พอสมควร หลังได้รับคำชวนจากคุณยอด (ยอด ชินสุภัคกุล ซีอีโอไลน์แมน-วงใน) ก็ตัดสินใจร่วมงานด้วยเมื่อต้นปี 2569 ที่ผ่านมา โดยทำควบคู่ไปกับงานสอนที่ Skooldio

กว่าจะตัดสินใจรับตำแหน่งนี้ใช้เวลาเป็นปี แต่ด้วยความคุ้นเคยกับกลุ่มผู้ก่อตั้งที่เป็นรุ่นพี่วิศวะ จุฬาฯ อยู่แล้ว ทั้งยังมองว่าเป็นการช่วยสร้างการเติบโตให้แพลตฟอร์มไทยก็คิดว่าเป็นงานที่น่าทำ

หน้าที่ในตำแหน่ง VP of AI นอกจากเข้ามาดูแลทีม AI/ML เดิมที่ดูเรื่องการวิเคราะห์เส้นทาง และการจัดสรรงานอย่างเหมาะสม ซึ่งมีอยู่ประมาณ 30 คน ยังช่วยซัพพอร์ต แก้ปัญหา และเป็นที่ปรึกษาภายในให้ทุกหน่วยธุรกิจ เพื่อเร่งกระบวนการในการปรับใช้ AI ซึ่งจะนำไปสู่การประหยัดต้นทุนเรื่องคน คือใช้คนเท่าเดิมแต่สร้าง Productivity ได้มากขึ้น รวมถึงเพิ่มโอกาสในการสร้างรายได้รูปแบบใหม่ ๆ ด้วย

“ช่วงที่เข้ามาแรก ๆ ไม่ได้มีอะไรเซอร์ไพรส์มาก เพราะโจทย์คือการทำของใหม่ให้ใช้งานได้จริง ถ้าเทียบกับยุคที่ทำดาต้าก็แค่ชาเลนจ์ และเร็วกว่า ส่วนเรื่องคัลเจอร์เข้ากันได้อยู่แล้ว อาจมีส่วนที่ต่างกันมาก ๆ คือเรื่องสเกล เพราะอยู่ที่ Skooldio จะเป็นโปรเจ็กต์เล็ก ๆ คุยเรื่องงบฯ การตลาดหลักหมื่นต่อเดือน แต่อยู่ที่นี่คุยเรื่องแจกคูปองให้ผู้ใช้วันละกี่ล้าน เป็นต้น”

โฟกัส “กล้ามเนื้อมัดใหญ่”

“ดร.ต้า” พูดถึงแนวทางการประยุกต์ใช้ AI ของไลน์แมน-วงใน ว่า มีการผสมผสานทั้ง “Top-Down” ที่ผู้บริหารสั่งการลงมา และ “Bottom-Up” ให้พนักงานช่วยผลักดันขึ้นไป โดยในส่วนของ Top-Down เป็นโจทย์ที่โฟกัสงานที่ต้องใช้คนเยอะ ๆ เรียกว่าเป็น “กล้ามเนื้อมัดใหญ่” ของธุรกิจ ซึ่งมี 2 ส่วนหลัก ๆ ได้แก่ 1.Customer Service จะนำ AI เข้ามาช่วยตอบคำถามลูกค้า 

“ด้วยความที่ AI จดจำแนวทางปฏิบัติในการจัดการปัญหาอย่างชัดเจน ทำให้สามารถลดการสูญเสียที่เกิดจากการยกเลิกออร์เดอร์ราว ๆ 100 ล้านบาทต่อปี”

และ 2.การทำงานของทีม Developer ที่มีอยู่ราว 400 คน มีการจัดหา Coding Agent เข้ามาช่วยทำงาน จากที่ต้องใช้คนไล่ตรวจโค้ดทุก ๆ 500 บรรทัด ก็เขียนทีเดียวเป็นพัน ๆ บรรทัด แล้วให้ AI ช่วยตรวจเลย

คุณยอดมองว่าขนาด Facebook กับ Google ใหญ่กว่าไลน์แมน-วงในไม่รู้กี่เท่า ยังนำ AI มาใช้ และเลิกจ้างพนักงานจำนวนมาก โลกไปทางนั้นกันหมดแล้ว เราเป็นใคร ทำไมถึงไม่ปรับตัว ยิ่งธุรกิจเราโตขึ้นทุกวัน ถ้าจะให้สเกลคนตามก็คงไม่ได้ โจทย์ของการนำ AI มาใช้จึงคิดจากว่าจะทำให้จำนวนคนที่มีอยู่ทำงานได้เยอะขึ้นอย่างไร ไม่ได้คิดว่าจะเอาใครออก

ในส่วนของ Bottom-Up จะจัดให้มี Hackathon 5 สัปดาห์ โดยทุกทีมในองค์กรต้องเรียนรู้การใช้ AI และนำเสนอไอเดียการทำงานร่วมกับ AI ทุกสัปดาห์ 

“คุณยอดจะเข้ามาคอมเมนต์เองโดยตรง เพื่อปรับปรุงกระบวนการทำงานให้มีประสิทธิภาพมากขึ้น เช่น ใช้ AI ช่วยตรวจเอกสารการสมัครของไรเดอร์ เป็นต้น”

อีกทั้งในองค์กรจะมี Leaderboard จัดอันดับเลยว่าทีมไหนใช้ AI ในการทำงานมากสุด ทีมที่ใช้ Token ไปเยอะมาก ๆ ก็จะได้มาแชร์ว่าใช้ AI ทำอะไรไปบ้าง ส่วนทีมที่ไม่ค่อยได้ใช้จะมีการพูดคุยนอกรอบว่าติดปัญหาตรงไหน หรือต้องการให้ซัพพอร์ตตรงไหนเพิ่ม ทีม People จะช่วยจัดเซสชั่นอบรมให้

“เวิร์กโฟลว์” ที่เปลี่ยนไป

เมื่อแต่ละทีมใช้งาน AI มากขึ้น ก็จะมีสิ่งใหม่ ๆ ให้เรียนรู้ โดยเฉพาะการจัดการ “เวิร์กฟอร์ซ” และ “เวิร์กโฟลว์” ให้เหมาะสมกับการทำงานในแต่ละโปรเจ็กต์ เช่น จากที่ต้องใช้ Developer ในงานนี้ 10 คน ก็แบ่งเป็น Squad ที่เล็กลง เหลือ 5 คนรับผิดชอบโปรเจ็กต์เดิม ส่วนอีก 5 คนไปทำโปรเจ็กต์ใหม่ รวมถึงนำ AI มาทำหน้าที่เสมือน “เลขาฯ” เข้ามาฟังการประชุมไปพร้อมกัน แล้วทดลองสร้างโค้ดต้นแบบ (Prototype) ขึ้นมาหลาย ๆ แบบ เพื่อให้ทีมเห็นภาพตรงกัน และปรับแก้ไอเดียได้เร็วขึ้น แทนที่จะต้องตีความจาก Requirement ที่ Product Manager สรุปมาอย่างเดียว 

“ในภาพรวมการทำงานเร็วขึ้นมาก สามารถออกฟีเจอร์ใหม่ ๆ ได้เร็ว กลายเป็นโจทย์ของทีม Execution/Operation ที่ต้องทำงานให้ทัน ซึ่งประสิทธิภาพการทำงานที่มากขึ้นเป็นสิ่งที่สะท้อนว่า AI เข้ามาทำลาย Tech Barrier หรือกำแพงทางเทคโนโลยีที่คนข้ามไปไม่ได้”

และแน่นอนว่าเมื่อเทคโนโลยี AI เข้ามาเป็นส่วนหนึ่งของการทำงานในองค์กร การรับพนักงานใหม่จึงกำหนดให้ “AI Literacy” เป็นหนึ่งในคุณสมบัติสำคัญตามไปด้วย

พอ AI เข้ามามีบทบาทมาก ๆ เข้าชื่อตำแหน่งก็จะเริ่มเบลอ จาก Developer ก็สามารถขึ้น Prototype ทำ UX แบบหยาบ ๆ ได้ ทุกคนกลายเป็น Builder ที่มีผู้ช่วยมาเติมเต็มด้านที่ไม่เก่ง แค่มีเซนส์ด้านธุรกิจและโปรดักต์ หรือรู้จักตั้งโจทย์ ก็สามารถสร้างอะไรได้หลายอย่าง

AI ไม่ใช่คำตอบของทุกอย่าง

“ดร.ต้า” ยอมรับว่า ต้นทุนการใช้ AI น้อยกว่าการจ้างพนักงานค่อนข้างมาก กล่าวคือจ่ายให้ AI เดือนละหลักร้อยถึงหลักพันสามารถทำงานได้ไม่จำกัด แต่ถึงจะอย่างนั้น AI ก็ยังเหมาะกับงานที่ต้องใช้คนเยอะ ๆ มากกว่า

“บางงานจ้างคนยังคุ้มกว่า เพราะลงทุนแล้วต้องได้วอลุ่มเยอะ ๆ อีกทั้งค่าแรงในประเทศไทยบางตำแหน่งค่อนข้างถูก ต่างจากในต่างประเทศที่ค่าแรงค่อนข้างแพง ถ้าจะใช้ AI ต้องทำได้มากกว่าคน ทำได้เท่าคนยังคิดหนักเลย จริง ๆ เราก็ยังมีบางโปรเจ็กต์ที่ลงทุนไปแล้วเฟล แต่ถือเป็น Lesson Learn รอวันที่พร้อมค่อยนำออกมาใช้”

ย้ำ “Leader” สำคัญที่สุด

“ดร.ต้า” สรุปถึงปัจจัยที่ทำให้ AI Transformation ของ “ไลน์แมน-วงใน” นำหน้ากว่าหลายองค์กรว่า “Leader” หรือผู้นำสำคัญที่สุด คุณยอดปักธงชัดเจนว่าโปรเจ็กต์นี้ต้องเกิดในเวลากี่เดือน และวางมาตรฐานแบบ “Global Standard” มีการเปรียบเทียบกับบริษัทระดับโลกเสมอว่าทำได้ถึงไหนแล้ว

ทำให้ในองค์กรมีสภาพการทำงานที่เอื้อให้ทุกคนพร้อมใจกันใช้ AI ทั้งการสร้างแซนด์บอกซ์ (พื้นที่ทดลอง) การออกแบบนโยบายที่ช่วยปิดความเสี่ยง และการซัพพอร์ตเครื่องมือให้ทุกคนใช้อย่างเต็มที่ ต่างจากองค์กรอื่น ๆ ที่กังวลเรื่องความเสี่ยง และความถูกต้องของ AI ทำให้ไม่ได้เริ่มลงมือทำสักที 

อย่างไรก็ตาม AI ไม่มีทางตอบถูก 100% แต่ถ้ารอวันที่ความเสี่ยงเป็นศูนย์จะไม่มีทางเกิดการนำไปใช้งาน ดังนั้นแนวทางที่เหมาะสมคือการเปลี่ยนผ่านต้องเกิดอย่าง “สมูท” ที่สุด ไม่ทำให้ใครรู้สึกถูกทิ้งไว้ข้างหลัง รวมถึงต้องมีการติดตามผลอย่างต่อเนื่อง เพราะถ้าปล่อยให้พนักงานเรียนรู้ด้วยตนเองจะไม่มีแรงกระตุ้นให้เกิดการใช้เครื่องมือ และทำงานตามความคุ้นชินเช่นเดิม 

“ไมนด์เซตของคนที่นี่อยากทำให้ได้ แล้วจะทำอย่างไรถึงจะได้ ทุกคนช่วยกันหาทางกันอย่างเต็มที่ ไม่มีการตั้งคำถามหรือกลัวไปก่อน และสิ่งที่เห็นได้ชัดมาก ๆ หลังจากคนเก่ง ๆ ได้เครื่องมือดี ๆ ไปใช้ เขาสามารถสร้างผลงานได้ดีกว่าเดิม เพราะไม่ต้องทำงานน่าเบื่ออีกต่อไป และกลายเป็น Asset ที่สำคัญขององค์กร”