บทนำ
ในช่วงหลายปีที่ผ่านมา RPA (Robotic Process Automation) ถูกนำมาใช้เพื่อเร่งความเร็วงานซ้ำ ๆ
ขณะที่ AI (Artificial Intelligence) ถูกคาดหวังให้ช่วยตัดสินใจและวิเคราะห์ข้อมูลแทนมนุษย์
แต่ในความเป็นจริง หลายองค์กรในประเทศไทยกลับพบว่า
RPA อย่างเดียวทำให้ระบบเปราะบาง
AI อย่างเดียวทำให้ควบคุมยาก
และทั้งสองจะล้มเหลว หากไม่มีโครงสร้างการกำกับที่ดี
บทความนี้จะอธิบาย แนวคิด RPA + AI แบบใช้งานได้จริง สำหรับองค์กรไทย โดยเฉพาะองค์กรที่ยังใช้ ระบบเดิมแบบ web-based ไม่มี API
RPA เก่งอะไร — และไม่เก่งอะไร
RPA เหมาะกับงานประเภท:
- กรอกข้อมูลเข้าระบบ
- คัดลอกข้อมูลระหว่างหน้าจอ
- อัปโหลดไฟล์
- ทำงานตามขั้นตอนเดิมซ้ำ ๆ
แต่ RPA มีข้อจำกัดสำคัญคือ
RPA “ไม่เข้าใจ” สิ่งที่ทำ
มันเพียงแค่ทำตามคำสั่ง
เมื่อกระบวนการมี:
- เอกสารหลายรูปแบบ
- หลายภาษา (ไทย / อังกฤษ / ญี่ปุ่น)
- ข้อยกเว้น
- การตัดสินใจของมนุษย์
บอท RPA จะเริ่มพัง ดูแลยาก และขยายระบบไม่ได้
แล้วใช้ AI แทนทั้งหมดได้ไหม?
AI สามารถ:
- อ่านเอกสาร
- แยกข้อมูล
- วิเคราะห์ความเสี่ยง
- แนะนำสิ่งที่ควรทำ
แต่ AI มีธรรมชาติแบบ ความน่าจะเป็น
AI ให้คำแนะนำ ไม่ใช่คำตัดสิน
AI มีความมั่นใจ ไม่ใช่ความถูกต้อง 100%
สำหรับองค์กรที่ต้อง:
- ตรวจสอบย้อนหลัง
- รับผิดชอบต่อการตัดสินใจ
- ผ่านการตรวจสอบ (audit)
การปล่อยให้ AI ตัดสินใจเองทั้งหมด คือความเสี่ยง
แก่นของ RPA + AI ที่ถูกต้อง
ความผิดพลาดที่พบบ่อยคือ:
- ให้ RPA “คิด”
- ให้ AI “ลงมือทำ”
แนวคิดที่ยั่งยืนกว่าคือ
| บทบาท | หน้าที่ |
|---|---|
| AI | อ่าน วิเคราะห์ แนะนำ |
| Rule / Policy | บังคับนโยบาย |
| มนุษย์ | อนุมัติ / รับผิดชอบ |
| RPA | ลงมือทำ |
| Workflow | ควบคุมลำดับ + ตรวจสอบ |
สรุปสั้น ๆ:
AI คิด
มนุษย์ตัดสิน
RPA ทำ
Workflow คุมทั้งหมด
ตัวอย่าง Architecture ที่ใช้งานได้จริง (สำหรับระบบไม่มี API)
flowchart TD
U["ผู้ใช้งานธุรกิจ (บัญชี / จัดซื้อ / โลจิสติกส์ / กฎหมาย)"] --> P["Portal / หน้ารับงาน"]
P --> S["จัดเก็บเอกสาร (MinIO)"]
P --> W["Workflow Engine (Camunda BPMN/DMN)"]
W --> O["OCR (Tesseract: ไทย / อังกฤษ / ญี่ปุ่น)"]
O --> A["AI วิเคราะห์เอกสาร (Private LLM)"]
A --> R["กฎ / นโยบาย (DMN / Policy)"]
R -->|"ความเสี่ยงต่ำ"| X["ขอให้ระบบดำเนินการ"]
R -->|"ความเสี่ยงสูง"| H["มนุษย์ตรวจสอบ / อนุมัติ"]
H -->|"อนุมัติ"| X
H -->|"ปฏิเสธ"| E["หยุดกระบวนการ + บันทึกเหตุผล"]
X --> B["RPA Bot (Robot Framework)"]
B --> G["ระบบเดิมแบบ Web GUI"]
W --> D["ฐานข้อมูลกระบวนการ (PostgreSQL)"]
W --> L["Audit Log (ELK)"]
B --> Lหลักการสำคัญของ Architecture นี้
- AI ไม่แตะธุรกรรม
- RPA ไม่ตัดสินใจ
- ทุกอย่างมี log ตรวจสอบย้อนหลังได้
- มนุษย์ยังคงเป็นผู้รับผิดชอบ
ทำไม Workflow สำคัญกว่าบอทหรือโมเดล AI
หลายโครงการ RPA + AI ล้มเหลว เพราะ:
- มีบอทเก่ง
- มี AI ฉลาด
- แต่ไม่มีตัวควบคุมภาพรวม
ถ้าไม่มี Workflow:
- ไม่รู้ว่าใครอนุมัติอะไร
- จัดการข้อยกเว้นไม่ได้
- Audit ทำยากมาก
Workflow คือสิ่งที่ทำให้ระบบ:
- เชื่อถือได้
- อธิบายได้
- ขยายได้ในระยะยาว
RPA + AI ช่วย “ปรับกระบวนการ” ไม่ใช่แค่ “ทำให้เร็วขึ้น”
การทำ Automation บังคับให้องค์กรต้อง:
- นิยามขั้นตอนให้ชัด
- ระบุจุดตัดสินใจ
- กำหนดความรับผิดชอบ
- ตกลงวิธีจัดการข้อยกเว้น
ผลลัพธ์ที่ได้บ่อยคือ:
- ขั้นตอนที่ไม่จำเป็นถูกตัดออก
- นโยบายที่ขัดแย้งกันถูกแก้ไข
- กระบวนการชัดเจนขึ้น
งานแบบไหนเหมาะกับ RPA + AI
เหมาะ
- งานหลังบ้านปริมาณมาก
- งานเอกสาร (สัญญา ใบแจ้งหนี้)
- หลายภาษา
- ระบบเก่า ไม่มี API
- ต้องมีการตรวจสอบ
ไม่เหมาะ
- งานเชิงกลยุทธ์
- งานสร้างสรรค์
- งานที่เปลี่ยนกติกาบ่อย
วัดความสำเร็จอย่างไร
แทนที่จะถามว่า:
- มีบอทกี่ตัว?
- อัตโนมัติกี่เปอร์เซ็นต์?
ควรถามว่า:
- ข้อผิดพลาดลดลงไหม
- เวลาตรวจสอบสั้นลงไหม
- ทีมงานเชื่อถือระบบหรือไม่
ความเชื่อมั่น คือ KPI ที่แท้จริง
สรุป
RPA + AI ไม่ได้มีไว้แทนคน
แต่มีไว้ให้คน ทำงานในจุดที่ควรทำ
ระบบอัตโนมัติที่ดี
ไม่ใช่ระบบที่ไม่มีคน
แต่เป็นระบบที่รู้ว่า “คนต้องตัดสินใจตรงไหน”
บทความล่าสุด
- แบตจะพอถึงหัวชาร์จถัดไปไหม? ไอเดียแอปวางแผนทริป EV สำหรับถนนเมืองไทย ที่เราอยากฟังเสียงคุณก่อนลงมือสร้าง October 6, 2026
- ภาษีรถ พ.ร.บ. บัตรประชาชน พาสปอร์ต: ไอเดียแอปเดียวที่จำทุกวันหมดอายุแทนคุณ และเราอยากฟังเสียงคุณก่อนลงมือสร้าง October 5, 2026
- วันนี้แม่โอเคไหม? ไอเดียแอปเช็กอินพ่อแม่สูงวัยทุกเช้า ที่เราอยากฟังเสียงคุณก่อนลงมือสร้าง October 5, 2026
- สร้าง CoT Bridge: นำข้อมูลจาก NVR, AIS และโดรนขึ้นแผนที่ TAK โดยไม่ให้แผนที่รกจนใช้งานไม่ได้ October 1, 2026
- เจาะลึก simpliSSO: โครงการ SSO 12 โมดูลส่งมอบอะไรบ้างจริง ๆ ตั้งแต่เชื่อม Azure AD จนถึง ERP รุ่นเก่าระบบสุดท้าย October 1, 2026
- เมื่อคลองเต็ม: ดิจิทัลทวินสำหรับระบบระบายน้ำ และบทเรียนจากน้ำท่วมกรุงเทพฯ กันยายน 2569 September 27, 2026