สร้างระบบ Automation ที่เชื่อถือได้ด้วย Temporal + Local LLM + Robot Framework แนวทางสำหรับองค์กรไทยที่ต้องการ Automate งานบัญชี-ERP อย่างปลอดภัย

ในหลายองค์กรไทย การทำ Automation มักเริ่มจากความตั้งใจดี
แต่จบลงด้วยปัญหาเดิม ๆ เช่น

• ใบแจ้งหนี้ (Invoice) ถูกบันทึกซ้ำ
• อีเมลอนุมัติหาย
• ระบบล่มระหว่างทำงาน แล้วต้องเริ่มใหม่
• SAP หรือ ERP ไม่มี API ให้ใช้
• ใช้ AI แล้ว “มั่นใจผิด”

ปัญหาเหล่านี้ ไม่ใช่ปัญหา AI
แต่เป็นปัญหา โครงสร้างของระบบ Workflow

บทความนี้จะอธิบายแนวทางสมัยใหม่ที่องค์กรในไทยสามารถนำไปใช้ได้จริง โดยใช้ 3 เทคโนโลยีร่วมกันอย่างถูกบทบาท:

• Temporal – ระบบจัดการ Workflow ระยะยาวที่ทนทานต่อความล้มเหลว
• Local LLM (เช่น Ollama) – AI สำหรับเข้าใจเอกสารและอีเมล โดยไม่ส่งข้อมูลออกนอกองค์กร
• Robot Framework – Automate หน้าจอ SAP / ERP / ระบบ Legacy ที่ไม่มี API

---

ปัญหาของ Automation แบบเดิมในองค์กรไทย

บริบทที่พบได้บ่อยในไทย:

• งานบัญชี / จัดซื้อ ใช้ SAP GUI หรือ ERP เก่า
• การอนุมัติยังอาศัย อีเมล หรือ LINE
• ระบบต้องรอคนอนุมัติเป็นวันหรือเป็นสัปดาห์
• Audit ต้องตรวจย้อนหลังได้

เครื่องมือ Automation ทั่วไป (Cron, Script, RPA เดี่ยว ๆ, หรือ Low-code) มัก ไม่สามารถ:

• หยุดรอคนแล้วกลับมาทำต่อได้อย่างปลอดภัย
• รับประกันว่า “ทำครั้งเดียวเท่านั้น”
• เก็บประวัติทุกขั้นตอนเพื่อ Audit

---

หลักคิดสำคัญ: แยกบทบาทให้ชัด

ระบบที่ดีต้องแยก 3 หน้าที่ออกจากกันอย่างชัดเจน

ชั้นระบบ	หน้าที่
Temporal	ควบคุมลำดับงาน, สถานะ, การ retry, การรออนุมัติ
Local LLM	อ่านอีเมล/เอกสาร, จัดประเภท, ดึงข้อมูล
Robot Framework	คลิกหน้าจอ SAP / ERP / เว็บภายใน

AI ไม่ควรเป็นคน “ตัดสินใจขั้นสุดท้าย”
แต่เป็นผู้ช่วยให้ระบบตัดสินใจได้ดีขึ้น

---

ภาพรวมสถาปัตยกรรม (เข้าใจง่าย)

Email / API / Schedule
        |
        v
 Temporal Workflow (ศูนย์กลางความจริง)
        |
        +--> Local LLM (Ollama)
        |       - วิเคราะห์อีเมล
        |       - แยกประเภทเอกสาร
        |       - ให้ระดับความมั่นใจ
        |
        +--> Gate (กฎธุรกิจ / Threshold)
        |
        +--> Robot Framework
        |       - ทำงานบน SAP / ERP UI
        |
        +--> รอการอนุมัติจากมนุษย์ (Signal)

---

Temporal คืออะไร และทำไมเหมาะกับองค์กรไทย

Temporal คือ Workflow Engine ที่ออกแบบมาสำหรับงานที่:

• ใช้เวลานาน (หลายชั่วโมง / หลายวัน)
• ต้องรอคนอนุมัติ
• ต้องทนต่อระบบล่ม
• ต้อง Audit ได้

ข้อดีสำคัญ:

• ระบบล่ม → Workflow ไม่หาย
• Deploy ใหม่ → งาน ทำต่อได้
• Retry อัตโนมัติ → ไม่ต้องเขียนเอง
• มีประวัติทุก Step → เหมาะกับ Audit / ISO / SOX

สำหรับองค์กรไทยที่เกี่ยวข้องกับเงินและ ERP
นี่คือสิ่งที่ “ขาดไม่ได้”

---

ใช้ Local LLM อย่างปลอดภัย (ไม่ส่งข้อมูลออกนอกองค์กร)

แทนที่จะส่ง Invoice หรือเอกสารบัญชีไป Cloud AI
องค์กรสามารถใช้ Local LLM (เช่น Ollama) ภายในเครือข่าย

บทบาทของ LLM:

• อ่านอีเมลจาก Vendor
• แยกว่าเป็น Invoice / Credit Note / Payment Reminder
• ดึงเลขที่ใบแจ้งหนี้, จำนวนเงิน, Vendor
• ให้ confidence score

ตัวอย่างผลลัพธ์จาก LLM:

{
  "workflow_key": "invoice.receive",
  "confidence": 0.87,
  "extracted_fields": {
    "invoice_no": "INV-2025-001",
    "amount": 125000,
    "vendor": "ABC SUPPLY"
  }
}

---

Gate: จุดที่ทำให้ระบบ “ปลอดภัย”

Temporal จะใช้กฎธุรกิจตัดสินใจ เช่น:

• confidence < 0.8 → ส่งให้เจ้าหน้าที่ตรวจ
• จำนวนเงิน > 100,000 บาท → ต้องมีผู้จัดการอนุมัติ
• ข้อมูลไม่ครบ → ขอเอกสารเพิ่ม

นี่คือจุดที่ Automation ไม่หลุดควบคุม

---

Robot Framework: ทางออกเมื่อ SAP ไม่มี API

ในหลายองค์กรไทย:

• SAP GUI
• ERP เก่า
• ระบบเว็บภายใน

Robot Framework เหมาะเพราะ:

• ควบคุม UI ได้อย่าง deterministic
• มี screenshot / log
• ทำงานร่วมกับ Temporal ได้ดี

หาก Robot ล้ม:

• Temporal จะ retry หรือ escalate
• ไม่เกิดการบันทึกซ้ำ

---

ตัวอย่าง Use Case: Vendor ส่ง Invoice ทางอีเมล

1. Vendor ส่งอีเมลพร้อม PDF
2. Temporal เริ่ม Workflow
3. LLM วิเคราะห์ → invoice.receive
4. ผ่าน Gate → อัตโนมัติ
5. Robot บันทึกใน SAP
6. ได้ SAP Document No.
7. Workflow จบ พร้อม Audit Trail

ถ้า LLM ไม่มั่นใจ:

• Workflow หยุด
• คนตรวจ
• ดำเนินต่อจากจุดเดิม

---

เหมาะกับใคร

เหมาะมากสำหรับ:

• ฝ่ายบัญชี / การเงิน
• Procurement
• โรงงาน / Manufacturing
• องค์กรที่ใช้ SAP / ERP
• บริษัทไทยที่ต้องการ Data Privacy

ไม่เหมาะกับ:

• งานเล็ก ๆ แบบ Zap
• Chatbot อย่างเดียว
• Script สั้น ๆ

---

สรุป

ถ้างานของคุณ
– เกี่ยวกับเงิน
– ต้องรอคน
– ต้อง Audit
– และต้องไม่พลาด

บทความที่เกี่ยวข้อง

• LLM ทำนายน้ำท่วมได้ไหม? AI ทำอะไรได้จริงในการพยากรณ์อุทกภัย และโดรนกับกล้องอ่านไม้วัดระดับน้ำควรอยู่ตรงไหน
• Shadow MCP: จุดบอดของ AI Agent ที่ SOC ขององค์กรไทยยังมองไม่เห็น
• จากกระดาษสู่ระบบดิจิทัล: การปฏิรูปการผลิต คลังสินค้า และการจัดส่งแผ่นพื้นสำเร็จรูปหลายโรงงาน
• เจาะระบบ simpliMES: MES แบบ Django Core เดียว รองรับทั้งการผลิตแบบ Discrete และ Batch
• การใช้ Small Language Model (SLM) ตรวจจับการโจมตีทางไซเบอร์จาก Wazuh Log และ Firewall Syslog
• วิธีสร้างระบบ ERP ตั้งแต่ต้นด้วย Django: โมเดลข้อมูล เวิร์กโฟลว์ และสถาปัตยกรรม
• วิธีทำให้ Odoo หรือ ERPNext เร็วขึ้นอีกครั้ง: คู่มือแก้ปัญหาประสิทธิภาพเชิงปฏิบัติ

อ่านบทความทั้งหมด →

Temporal คือแกนหลัก
Local LLM คือผู้ช่วย
Robot Framework คือมือทำงาน

นี่คือโครงสร้าง Automation ที่ “ใช้งานจริงได้ในองค์กรไทย”