ยุค Digital แบบนี้แม้คนในวงการและนอกวงการ IT ต่างต้องเคยได้ยินคำว่า AI และ ML กันทั้งนั้น แต่ว่าสิ่งที่เราพูดๆ เรียกๆกันอยู่บ่อยๆ เราสามารถเข้าใจประโยชน์ของมันมากน้อยแค่ไหน วันนี้เราจะมาเล่าให้ฟังแบบง่ายๆ สั้นๆ และเข้าใจได้ไวพร้อมทั้งยกตัวอย่าง (Case study) ให้เห็นภาพ เพื่อนำเทคโนโลยีเหล่านี้ไปประยุกต์ใช้และต่อยอดกันในอนาคต
ก่อนจะไปดูตัวอย่างเคสต่างๆ มารู้จัก 3 คำนี้กันก่อน
- Artificial Intelligence (AI): แปลตรงๆ คือ ปัญญาประดิษฐ์ แต่ถ้าให้เข้าใจง่ายๆ ก็คือ หุ่นยนต์ที่สามารถคิดเองได้ ตัดสินใจเองได้ คล้ายมนุษย์ที่เรียนรู้ด้วยตัวเอง
- Machine Learning (ML): แปลตรงๆ คือ การเรียนรู้ของเครื่องจักร แต่ถ้าให้เข้าใจง่ายๆ ก็คือ เปรียบเสมือนสมองของ AI ที่ใช้จดจำจากข้อมูลที่ใส่เข้าไป จากนั้นสามารถทำนายผลในอนาคต แบบที่ตัวอย่างมีรูปหมารูปแมวให้ ML เรียนและจำเยอะๆจากนั้นก็ให้ทายนั่นเอง (หรือจะพูดว่า ML คือ สิ่งที่เกิดในอดีตแล้วเรียนรู้ให้เกิดในอนาคต เช่น เราเอามาใช้กับธุรกิจธนาคาร มีลูกค้ามาขอสินเชื่อ ดังนั้น ML ก็จะประเมินได้เลยว่า คนอายุเท่านี้ อาชีพแบบนี้ เคยมาขอสินเชื่อแล้ว มีการผิดนัดชำระหนี้บ่อยๆ เราก็สามารถเอาข้อมูลในอดีตมาเรียนรู้ แล้วประเมินว่าจะปล่อยสินเชื่อให้ลูกค้าเจ้านี้ดีไหม เป็นต้น)
- Deep Learning (DL): แปลตรงๆคือ การเรียนรู้เชิงลึก ถ้าให้เข้าใจง่ายๆ ก็คือ อัลกอริทึมของ ML ที่คิดในเรื่องที่ลึกยิ่งขึ้นคล้ายๆระบบประสาทของมนุษย์ (Neurons)
จาก 3 คำข้างต้นเป็นเทคโนโลยีที่เราสามารถนำมาใช้กับธุรกิจและอุตสาหกรรมอื่นๆ ได้หลากหลายและเป็นประโยชน์อย่างมากทั้งในปัจจุบันและอนาคต มาดูตัวอย่าง Case study ในแต่ละแผนกว่าจะสามารถนำ AI/ML มาใช้กับงานในธุรกิจได้อย่างไรบ้าง
- Marketing ด้านการตลาด
- Personalized channel & content: เป็นการพยากรณ์ว่าการส่ง Marketing Campaign ไปในช่องทางไหนบ้างแล้วสำเร็จสูง เช่น ส่งทาง SMS, Email, LINE etc. จากนั้น ML จะเอาข้อมูลของคนที่สำเร็จมา Build Model ทำให้ส่งข้อมูลให้ถูกคนมากขึ้นแล้วประหยัดต้นทุนด้วย
- Cross sell targeting: ยกตัวอย่างสำหรับธุรกิจประกัน เช่นลูกค้ามีประกันสุขภาพอยู่แล้วและแน่นอนว่าในอนาคตอาจจะมีโอกาสในการซื้อประกันอื่นๆเพิ่ม การนำ ML มาใช้จะช่วยให้เห็นแนวโน้มว่าลูกค้ามีประกันสุขภาพ อาจจะให้แนะนำเพิ่มโอกาสในประกันชนิดอื่นแทน เช่น ประกันอุบัติเหตุ มากกว่าประกันสุขภาพ เป็นต้น
- Financial ด้านการเงิน
- Credit Scoring and Debt Collection: เป็นการประเมินการให้คะแนนและการเก็บหนี้ เช่นธุรกิจสินเชื่อรถยนต์ ลูกค้าคนไหนมีโอกาสเป็นหนี้เสีย จะได้ให้วางเงินดาวน์เยอะๆ เพื่อป้องกันความเสี่ยง เชื่อไหมว่าการนำ ML มาใช้ทำให้ผลลัพธ์นี้ประหยัดเงินได้เป็นหลักล้านเลยทีเดียว
- Screening customer: เช่นธุรกิจธนาคาร เราเป็นธนาคารแล้วมีลูกค้าสนใจสินเชื่อเยอะมากๆ แต่เรามีคนรับมือน้อย เราสามารถ ทำ Probability ความน่าจะเป็นว่าลูกค้าคนนี้มีโอกาสเยอะนะที่จะเป็นลูกค้าเราที่จะซื้อประกัน หรือกู้เงิน เป็นต้น
- Industrial factory
- Demand forecasting: เราสามารถจัดการวัตถุดิบหรือของใน Stock แล้วประเมินการสั่งซื้อได้ เช่นธุรกิจผลิตรถยนต์ สามารถจัดการอะไหล่รถยนต์ โดยการนำข้อมูลเก่ามาทำการ Predict เราจะรู้ Demand ว่าช่วงไหน เวลาไหนควร สั่งของมาเตรียมไว้
- Predictive maintenance: กรณีที่เครื่องจักรในโรงงานเสีย แล้วในอนาคตเราจะรู้ได้อย่างไรว่าเสีย เราสามารถนำ AI/MLมาใช้เพื่อแจ้งล่วงหน้าหรือมีส่งสัญญาณก่อนล่วงหน้า เพื่อที่เราจะได้วางแผนปิดไลน์ผลิตตและป้องกันความเสี่ยงรวมถึงลดการคอขวดด้วย
- Repurchase คือการซื้อซ้ำ ในกรณีเจ้าของผู้ผลิตรถยนต์นำ AI/ML มาประยุกต์โดยนำข้อมูลลูกค้ามาใช้ เช่น ลูกค้าเจ้านี้ซื้อรถมาเมื่อไหร่ เข้าศูนย์ซ่อมอย่างไงบ้าง ถ้าไมล์เยอะหรือซ่อมบ่อย แสดงว่าอาจจะมีโอกาสซื้อรถใหม่เร็วๆนี้ได้ ถ้าเรารู้ก่อนว่าลูกค้ามีโอกาสเปลี่ยนรถใหม่ จะได้ติดต่อลูกค้าเจ้านั้นไป และทำ Promotion ทางการตลาดต่อไปให้เกิดการซื้อซ้ำได้ เป็นต้น
