ณัฐนภัส รชตะวิวรรธน์
คลื่น “AI Disruption” ที่ทั้งแรงและเร็ว ทำให้องค์กรต่าง ๆ นำ AI มาใช้เพิ่มประสิทธิภาพการทำงานในหลายมิติ โดยคาดหวังถึงผลลัพธ์ และผลตอบแทนการลงทุน (ROI) ที่คุ้มค่า แต่หลายครั้งไม่เป็นดั่งหวัง เพราะ “ดาต้า” หลังบ้านที่เป็นกระดูกสันหลังในการประมวลผลของ AI ไม่พร้อมอย่างที่ควรจะเป็น
ถามว่าองค์กรควรวางแผนการลงทุน หรือปรับแนวทางการดำเนินงานอย่างไร เพื่อให้ “Ready” ทั้งดาต้า และ AI ทำให้ธุรกิจแข่งขันได้และเติบโต
จากยุค ANI สู่ AGI
“ณัฐนภัส รชตะวิวรรธน์” ประธานเจ้าหน้าที่บริหาร และผู้ร่วมก่อตั้ง บริษัท เบลนเดต้า จำกัด (Blendata) ผู้ให้บริการโซลูชั่นด้าน “บิ๊กดาต้า” ในเครือจีเอเบิล (G-Able) กล่าวกับ “ประชาชาติธุรกิจ” ว่า 3 ปีที่ผ่านมา หลังมีการเปิดตัว “ChatGPT” ภาคธุรกิจตื่นตัวกับการนำ AI มาใช้เป็นอย่างมาก จากยุค Artificial Narrow Intelligence (ANI) หรือ AI เฉพาะทางที่นำมาใช้ในบางเรื่อง เช่น การพยากรณ์ความชอบของลูกค้า เพื่อนำเสนอสินค้าถัดไป เข้าสู่ Artificial General Intelligence (AGI) หรือ Generative AI ที่มีความสามารถรอบด้าน และยืดหยุ่น
“ช่วงแรก ๆ กลุ่มที่ตื่นตัวกับการนำ AI มาใช้มากที่สุดอาจเป็นธนาคารและโทรคมนาคม แต่เมื่อเวลาผ่านไป ทุกกลุ่มให้ความสำคัญไม่ต่างกัน คือต้องการนำมาทดแทนงาน Labor Task ที่คนทำซ้ำ ๆ เช่น กรอกข้อมูลในโปรแกรม Excel ทีละบรรทัด”
“ณัฐนภัส” ยกตัวอย่างกรณีศึกษาการใช้ AI ของลูกค้าเบลนเดต้า เช่น กลุ่มธนาคารมีการเก็บข้อมูลย้อนหลัง 5-10 ปี เพื่อคาดการณ์ปัญหาระบบล่มช่วงสิ้นเดือนที่มีธุรกรรมหนาแน่น รวมถึง Real-Time SMS Personalization เมื่อลูกค้าเดินเข้าห้างหรือสนามบินระบบจะส่ง SMS แจ้งสิทธิพิเศษ หรือเตือนการเปิดโรมมิ่งทันที
ขณะที่กลุ่มอุตสาหกรรมยานยนต์ใช้ AI และดาต้าเพื่อทำนายว่าวันหนึ่งจะต้องผลิตกี่คัน เพื่อป้องกันปัญหาการผลิตขาดหรือผลิตเกิน รวมถึงจัดการสินค้าคงคลัง เมื่อรู้ยอดการผลิตที่แม่นยำ โรงงานก็ไม่จำเป็นต้องสั่งชิ้นส่วนมาเก็บไว้เกินความจำเป็น ช่วยลดค่าใช้จ่ายในการเก็บรักษา และต้นทุนอื่น ๆ ได้มหาศาล
ผลจาก “ข้อมูล” ที่ไม่พร้อม
แม้หลายองค์กรต้องการใช้ AI และเริ่มมี Use Case การประยุกต์ใช้งาน AI มากขึ้น แต่เบื้องหลังกลับยังต้องเผชิญปัญหาเรื่อง “ความไม่พร้อมของข้อมูล” (Unready Data) ซึ่งมาจากรากฐานข้อมูล (Data Foundation) ที่ไม่แข็งแรง ไม่ว่าจะเป็นข้อมูลไม่มีคุณภาพ เช่น คำนำหน้าชื่อมีหลายรูปแบบ และมีข้อมูลขยะจำนวนมาก, ข้อมูลเป็นไซโล แต่ละแผนกเก็บข้อมูลแยกกันและไม่ยอมแชร์ข้อมูลกันด้วยเหตุผลด้านความปลอดภัยหรือโครงสร้างองค์กร และข้อมูลเก่าที่ไม่มีโครงสร้างชัดเจน เช่น ข้อมูลในกระดาษที่ยังไม่ได้แปรสภาพในรูปแบบดิจิทัล
และ “ข้อมูล” ที่ไม่พร้อมทำให้เกิดความเสี่ยงกับองค์กรในหลาย ๆ ด้าน เช่น ความเสี่ยงเรื่อง AI “หลอน” (Hallucination) หรือการตอบคำถามด้วยความมั่นใจแต่ข้อมูลผิดพลาด รวมถึง “ไบแอส” (Bias) จากข้อมูลที่นำไปประมวลผล และการรั่วไหลของข้อมูลที่จัดเก็บไม่ดี
“จากประสบการณ์ที่ทำงานกับหลายองค์กร บางองค์กรแค่เข้าไปจัดระเบียบโครงสร้างการจัดเก็บดาต้า (Clean Data) ให้นำไปใช้ต่อได้ก็ต้องใช้เวลาหลายเดือน หรือถ้ายังไม่ได้ทำอะไรสักอย่างกับดาต้าเลย ก็ต้องเริ่มจากวางรากฐานในการจัดเก็บให้ดีก่อน”
สร้างความ “พร้อม” ด้วย 3P
“ณัฐนภัส” พูดถึงคุณสมบัติของข้อมูลที่ “พร้อม” ว่าต้องมีองค์ประกอบ 4 อย่าง ได้แก่ 1.คุณภาพของข้อมูล (Data Quality) ต้องถูกต้อง ครบถ้วน เป็นปัจจุบัน และสอดคล้องกัน ไม่มีความผิดพลาดหรือซ้ำซ้อน 2.การจัดการและวางโครงสร้างข้อมูล (Data Management & Structure) มีธรรมาภิบาลการใช้ข้อมูล (Data Governance) ที่ชัดเจน เช่น สิทธิการเข้าถึงข้อมูล ที่แต่ละฝ่ายเข้าถึงได้เฉพาะส่วนที่ตนเองต้องใช้
3.ความพร้อมด้านการเข้าถึงและเชื่อมโยง (Accessibility & Integration) ข้อมูลไม่กระจัดกระจาย และเชื่อมโยงจากหลายระบบได้ พร้อมทั้งมี API หรือเครื่องมือที่ AI สามารถดึงข้อมูลไปใช้งานได้ทันที และ 4.ความปลอดภัยและการปฏิบัติตามข้อกำหนด (Security & Compliance) ปกป้องข้อมูลส่วนบุคคลตามที่กฎหมายกำหนด และติดตามการใช้งานข้อมูลเพื่อความโปร่งใส
อย่างไรก็ตาม การที่องค์กรจะวางโครงสร้างข้อมูลให้ “พร้อม” ได้ต้องเกิดจากความสัมพันธ์ของ “3P” คือ 1.Platform (Technology) จำเป็นต้องมีเครื่องมือที่เหมาะสมในการจัดการข้อมูล โดยในส่วนของโครงสร้างพื้นฐานควรมีการทำ “Modernization” หรือปรับปรุงให้ทันสมัยหากใช้ระบบเดิมมานาน เช่น การใช้ Data Lake เพื่อรวบรวมและประมวลผลข้อมูล
2.Process กำหนดขั้นตอนในการนำข้อมูลเข้าสู่ระบบ รวมถึงหน้าที่ในการจัดการข้อมูลในแต่ละขั้นตอนอย่างชัดเจน และ 3.People บุคลากรต้องเข้าใจว่าข้อมูลเป็น “ของมีค่า” ที่ต้องดูแลรักษา และรู้ว่าจะใช้ประโยชน์อย่างไร ซึ่งสัมพันธ์กับการวางระบบและวัฒนธรรมองค์กรที่ดี
“เวลาองค์กรจะนำ AI มาใช้ ไม่อยากให้ตั้งต้นจากเทคโนโลยี แต่อยากให้เริ่มจากปัญหา หรือเป้าหมายทางธุรกิจก่อน เช่น เพิ่มรายได้ 20% หรือลดค่าใช้จ่าย 15% เพื่อจะได้เลือกเทคโนโลยีมาใช้อย่างเหมาะสม และไม่ต้องลองผิดลองถูกจนกระทบกับแผนการลงทุนของบริษัท”
ไม่หยุดโตแค่ในไทย
“ณัฐนภัส” พูดถึงภาพรวมธุรกิจของบริษัทด้วยว่า เบลนเดต้าเริ่มจากเป็นธุรกิจในเครือ จีเอเบิลที่โฟกัสเรื่องซอฟต์แวร์เกี่ยวกับ “ดาต้า” โดยเฉพาะ ก่อตั้งในปี 2015 ก่อนที่ปี 2021 จะแยกออกมาเป็นบริษัทใหม่ เพื่อเพิ่มความคล่องตัวในการดำเนินงาน เพราะโพซิชั่น เบลนเดต้า คือ “Software Vendor” หรือผู้ให้บริการซอฟต์แวร์ ที่ทำงานร่วมกับพาร์ตเนอร์ SI (System Integrator) รายอื่น ๆ นอกจากบริษัทแม่ได้
โซลูชั่นหลักมีชื่อว่า “Blendata Enterprise” เป็นแพลตฟอร์มที่ช่วยจัดการและประมวลผลข้อมูลได้รวดเร็ว สามารถให้บริการได้ทั้งแบบ On Cloud และ On Premise รวมถึงมีการพัฒนาโซลูชั่นในรูปแบบ Software-as-a-Service (SaaS) และวางจำหน่ายบน AWS Marketplace ด้วย
“เบลนเดต้ามีผู้ก่อตั้ง 3 คน ที่ทำงานในจีเอเบิล ช่วงแรกจีเอเบิลช่วยคัฟเวอร์ฐานลูกค้าให้ มีทีมทำกันไม่กี่คน ก่อนขยายเพิ่มมาเรื่อย ๆ ปัจจุบันมี 80 คน และคาดว่าปีนี้น่าจะแตะ 100 คน บริษัทมีฐานลูกค้าทั้งภาครัฐและเอกชนไทยในหลายอุตสาหกรรม และกำลังเริ่มเจาะตลาดต่างประเทศผ่านความร่วมมือกับพาร์ตเนอร์ท้องถิ่น โดยเฉพาะในมาเลเซียและอินโดนีเซีย”
โดยอินโดนีเซียได้เปรียบในแง่ประชากร และมีสถาบันการเงินจำนวนมาก แค่เกาะบาหลีแห่งเดียวมีธนาคารเป็นร้อยแห่ง จึงเป็นโอกาสสำคัญสำหรับธุรกิจบิ๊กดาต้า ขณะที่มาเลเซีย แม้ประชากรมีราว 30 ล้านคน แต่มีนโยบายการลงทุนด้านเทคโนโลยีที่จริงจัง
จากการสำรวจข้อมูลเพิ่มเติมบน Creden Data พบว่ารายได้ของบริษัท เบลนเดต้า จำกัด ตั้งแต่ปี 2021-2024 เติบโตต่อเนื่อง โดยในปี 2021 มีรายได้ 20 ล้านบาท กำไร 3.9 ล้านบาท ปี 2022 รายได้ 36 ล้านบาท กำไร 3.1 ล้านบาท ปี 2023 รายได้ 59 ล้านบาท กำไร 9.1 ล้านบาท และปี 2024 รายได้ 63 ล้านบาท กำไร 4.8 ล้านบาท
โอกาสของซอฟต์แวร์ไทย
“ณัฐนภัส” พูดถึงโอกาสทางธุรกิจในปีนี้ว่า เป็นการเข้าไปแทนที่ผู้ให้บริการซอฟต์แวร์จากต่างชาติ เพราะบริษัทต่าง ๆ ต้องการลดต้นทุน จึงหันมาใช้ซอฟต์แวร์ที่ราคาถูกลง ซึ่งโซลูชั่นของเบลนเดต้า พัฒนาจากฝีมือคนไทย 100% สามารถช่วยลดต้นทุนค่าซอฟต์แวร์ในบางโปรเจ็กต์ถึง 50% และมีออฟเฟอร์พิเศษในการย้ายระบบ (Migration) ด้วย
อย่างไรก็ตาม จุดแข็งของเบลนเดต้าไม่ได้มีแค่ “ราคา” แต่มีความสามารถในการเชื่อมต่อได้ทั้งแบบ On Cloud และ On Premise ตอบโจทย์ความต้องการขององค์กรไทย และอาเซียนที่ไม่ได้ย้ายทุกอย่างขึ้นไปบนคลาวด์ เพราะยังกังวลเรื่องความปลอดภัย ต่างจากคู่แข่งต่างชาติที่โฟกัสกับการให้บริการบนคลาวด์
“แม้ช่วงแรก ๆ ซอฟต์แวร์ไทยจะโดนตั้งคำถามเรื่องคุณภาพและประสิทธิภาพในการให้บริการ แต่ปัจจุบันได้รับการยอมรับมากขึ้นแล้ว องค์กรเองก็รู้สึกว่าสะดวกขึ้นด้วย มีปัญหาอะไรเกิดขึ้นติดต่อเวนเดอร์ในไทยได้ทันที”