ในทุกธุรกิจน่าจะมีงานบางอย่างที่เราทำซ้ำกันมานาน จนเลิกตั้งคำถามไปแล้วว่า “ทำไมเรายังต้องทำแบบนี้อยู่?”
เปิดไฟล์หนึ่ง เอาข้อมูลไปใส่อีกไฟล์ ดาวน์โหลดข้อมูลจากระบบหนึ่ง แล้ว Copy ไปอีกระบบหนึ่ง นั่งกรอกตัวเลขเดิม ๆ ทีละรายการ พอเดือนใหม่มาก็เริ่มใหม่อีกรอบ งานเหล่านี้ไม่ได้ยากครับ บางงานง่ายมากด้วยซ้ำ
ปัญหาคือ มันกินเวลา และบางที สิ่งที่เราควรทำอาจไม่ใช่พยายามทำงานเหล่านั้นให้เร็วขึ้น แต่อาจต้องถามใหม่ว่า...
เราจำเป็นต้องเป็นคนทำมันเองทุกครั้งจริง ๆ หรือเปล่า?
เรื่องเริ่มจากสลิปโอนเงิน
NaPat มีร้านอาหารอยู่ร้านหนึ่งครับ และแน่นอนว่าการทำร้านอาหารไม่ได้มีแค่ทำอาหารแล้วเก็บเงิน เบื้องหลังยังมีงานเอกสารอีกพอสมควร โดยเฉพาะค่าใช้จ่ายจากการซื้อวัตถุดิบ เวลาเราไปซื้อของตามตลาด หลายครั้งไม่ได้มีใบเสร็จหรือใบกำกับภาษีสวย ๆ กลับมาให้เก็บเข้าแฟ้ม สิ่งที่เรามีเป็นหลักฐานแทนจึงมักเป็น สลิปการโอนเงิน
ปัญหาเริ่มตอนสิ้นเดือนครับ เพราะเราต้องรวบรวมสลิปเหล่านั้น แล้วนำข้อมูลแต่ละรายการมาบันทึกเป็นเอกสารค่าใช้จ่าย และรวบรวมลง Excel หนึ่งเดือนมีประมาณ 70–100 รายการ ลองนึกภาพการเปิดสลิปทีละรูป ดูวันที่ ดูยอดเงิน ดูข้อมูลการโอน แล้วกลับไปกรอกลง Excel จากนั้นเปิดรูปถัดไป.......ในความเป็นจริงแล้ว "ทำได้ครับ" แต่พอถึงรายการที่ 47 เราอาจเริ่มตั้งคำถามกับชีวิตนิดหนึ่ง 😂
ปัญหาไม่ได้อยู่ที่งานยาก แต่อยู่ที่เราต้องทำมันซ้ำ
ตอนแรกสิ่งที่ทำให้เราอยากเปลี่ยนวิธีทำงานไม่ใช่เพราะมันซับซ้อน และไม่ได้เกิดจากความรู้สึกว่า “เราต้องเอา AI มาใช้ในธุรกิจให้ได้” เหตุผลง่ายกว่านั้นมากครับ ... เสียดายเวลา
เมื่อรูปแบบงานเหมือนเดิมทุกครั้ง — เปิดสลิป อ่านข้อมูล แล้วนำข้อมูลไปกรอกในตาราง — เราก็เริ่มมองว่ามันเป็นงาน Routine ที่น่าจะให้ระบบช่วยทำแทนได้ สิ่งที่เราทำจึงเริ่มจากเอาสลิปทั้งหมดมารวมกัน จากนั้นใช้ OCR ช่วยอ่านข้อความจากแต่ละสลิป แล้วเขียน Python เพื่อจัดข้อมูลที่อ่านได้ให้อยู่ในรูปแบบที่ต้องการ ก่อนนำผลลัพธ์ไปใส่ใน Excel
จากเดิมที่ต้องนั่งเปิดและกรอกทีละรายการ กลายเป็นว่าเราปล่อยให้ระบบจัดการงานส่วนใหญ่ก่อน แล้วค่อยกลับมาตรวจผลลัพธ์อีกครั้ง งานทั้งชุดใช้เวลา ไม่เกินประมาณ 30 นาที ตรงนี้ทำให้เราเห็นอะไรบางอย่างครับ Automation ที่มีประโยชน์ ไม่จำเป็นต้องเป็นระบบใหญ่ ไม่จำเป็นต้องมี Dashboard หรู ๆ และไม่จำเป็นต้องเริ่มจากคำว่า AI ด้วยซ้ำ บางครั้งมันเริ่มจากคำถามง่าย ๆ ว่า “งานอะไรที่เรากำลังเสียเวลาทำซ้ำอยู่?”
ถ้าเป็น Routine ลองถามก่อนว่าระบบทำแทนได้ไหม
ถ้าถามเราว่างานแบบไหนเหมาะกับ Automation วิธีคิดของ NaPat ค่อนข้างตรงไปตรงมาครับ ถ้าเป็นงาน Routine ลองดูว่าทำ Automation ได้ไหม ไม่ได้หมายความว่าทุกอย่างต้องสร้าง Software ใหม่หมดนะครับ เดี๋ยวจากจะประหยัดเวลา กลายเป็นใช้เวลาสามเดือนสร้างระบบเพื่อประหยัดงานวันละห้านาที อันนั้นก็ต้องคุยกันอีกที 😂
แต่ถ้าเป็นงานที่มีรูปแบบชัดเจน ทำขั้นตอนเดิมซ้ำ ๆ มี Input และ Output ที่พอคาดเดาได้ และกินเวลาคนอยู่เรื่อย ๆ งานแบบนี้น่าสนใจมากสำหรับการลองหาวิธีให้ระบบเข้ามาช่วย อาจเป็นการอ่านเอกสาร การย้ายข้อมูลระหว่างระบบ การสร้างรายงาน การจัดไฟล์ การแจ้งเตือน หรือแม้แต่การเตรียมข้อมูลบางส่วนให้คนทำงานต่อ เป้าหมายไม่ใช่ “เอาคนออกจากกระบวนการ” แต่คือ “เอางานที่ไม่จำเป็นต้องใช้เวลาของคนออกจากกระบวนการ” สองอย่างนี้ฟังคล้ายกัน แต่ความหมายต่างกันมากครับ
Automation ไม่ได้แปลว่าปล่อยแล้วไม่ต้องดู
มีอีกเรื่องหนึ่งที่เราเจอจากการใช้งานจริง และคิดว่าสำคัญมาก ถึงเราจะให้ระบบอ่านสลิปด้วย OCR หรือใช้ AI ช่วยประมวลผลข้อมูล ก็ไม่ได้หมายความว่าผลลัพธ์จะถูกต้อง 100% ตัวเลขอาจอ่านผิด ข้อความอาจอ่านคลาดเคลื่อน หรือข้อมูลบางรูปอาจอยู่ในรูปแบบที่ระบบไม่เคยเจอมาก่อน เพราะฉะนั้น Workflow ของเราไม่ได้จบที่
สลิป → OCR → Excel → จบ
แต่เป็น
สลิป → OCR → จัดข้อมูล → คนตรวจสอบ → ใช้งาน
ระบบรับหน้าที่ทำงานซ้ำ ๆ จำนวนมาก ส่วนคนเปลี่ยนบทบาทจากการนั่งกรอกข้อมูลทุกบรรทัด มาเป็นคนตรวจสอบว่าผลลัพธ์ถูกต้องหรือไม่ สำหรับเรา นี่เป็นวิธีใช้ Automation ที่สมเหตุสมผลกว่า เราไม่ได้คาดหวังให้เครื่องจักรทำทุกอย่างแทนเรา แต่ให้มันทำส่วนที่มันทำได้ดี แล้วเก็บเวลาของคนไว้สำหรับสิ่งที่ต้องใช้การตัดสินใจจริง ๆ
ก่อนสร้างระบบ ลองมองโต๊ะทำงานของเราก่อน
บางทีโอกาสในการทำ Automation ไม่ได้ซ่อนอยู่ในโปรเจกต์ใหญ่เลยครับ มันอาจอยู่ใน Excel ที่เราเปิดทุกวัน อยู่ใน Folder ที่ต้องย้ายไฟล์ทุกสิ้นเดือน หรืออยู่ในขั้นตอนที่ทุกคนในทีมพูดว่า “อ๋อ อันนี้ต้องทำแบบนี้ทุกครั้ง” ประโยคนี้แหละครับ น่าสนใจ ครั้งต่อไปที่เจองานแบบนั้น ลองอย่าเพิ่งรีบทำ หยุดสักนิด แล้วถามว่า “ถ้าต้องทำแบบเดิมอีก 100 ครั้ง เราจะยังอยากทำมันด้วยมืออยู่ไหม?”
ถ้าคำตอบคือไม่...ตรงนั้นอาจเป็นจุดเริ่มต้นของ Automation ที่มีประโยชน์จริง ๆ ก็ได้ครับ
Build systems around real problems.