เอเจนต์ AI สำหรับการเงินคืออะไร และทำไมองค์กรถึงเริ่มหันมาใช้
เอเจนต์ AI สำหรับการเงิน คือซอฟต์แวร์ปัญญาประดิษฐ์แบบอัตโนมัติที่ทำหน้าที่เป็นผู้ช่วยดิจิทัลในกระบวนการทางการเงิน ตั้งแต่การดึงข้อมูล การประมวลผลบัญชี การปิดงบ ไปจนถึงการตรวจสอบข้อยกเว้น ภายใต้กฎควบคุม สิทธิ์การเข้าถึง และเส้นทางการตรวจสอบที่ฝ่ายการเงินและตรวจสอบภายในยอมรับได้ ช่วยลดงานมือที่ซ้ำซ้อน ลดความผิดพลาดจากคน และเปิดโอกาสให้ทีมการเงินใช้เวลาไปกับการวิเคราะห์และตัดสินใจเชิงกลยุทธ์แทนการจัดการข้อมูลจำนวนนับไม่ถ้วนที่ต้องทำเป็นประจำทุกเดือน
กระแสนี้ไม่ได้เกิดจากความอยากทดลองเทคโนโลยีใหม่เท่านั้น แต่เกิดจากแรงกดดันจริงในธุรกิจ ตั้งแต่รอบปิดบัญชีที่ต้องเร็วขึ้น ข้อกำกับด้านการรายงานที่เข้มขึ้น ไปจนถึงการขาดแคลนบุคลากรการเงินที่เข้าใจทั้งบัญชีและดิจิทัล เมื่อเข้าสู่ยุคที่ข้อมูลคือเชื้อเพลิงหลักขององค์กร การบริหารข้อมูลองค์กรที่ดีร่วมกับเอเจนต์ AI ที่ทำงานภายใต้การกำกับดูแลจึงกลายเป็นเครื่องมือจำเป็น ไม่ใช่แค่ตัวเลือกเสริม
Trintech กับภาพของการปิดบัญชีอัตโนมัติที่ทำงานได้เอง
Trintech ประกาศชัดว่าการปิดบัญชีอัตโนมัติถึงเวลาต้องขยับจากแดชบอร์ดสวยงามไปสู่เอเจนต์ที่ลงมือทำงานเองจริง เมื่อ Trintech เปิดตัวเอเจนต์ AI ใหม่สามตัวสำหรับการปิดบัญชีทางการเงินในงาน Trintech Connect ที่ชิคาโก ได้แก่ Data Access Agent, Accruals Intelligence Agent และ Exception Management Agent การเคลื่อนไหวนี้สะท้อนมุมมองว่าทีมการเงินไม่ได้ต้องการ AI ที่แค่บอกให้ทำอะไร แต่ต้องการ AI ที่ลงมือทำแทนในกรอบควบคุมที่เชื่อถือได้
Data Access Agent ทำสิ่งที่ทีมบัญชีเคยเสียเวลามหาศาล คือการล็อกอินหลายระบบ ดึงไฟล์ ทำความสะอาดและจัดรูปแบบข้อมูล ก่อนส่งต่อเข้าระบบปิดบัญชี โดยมันสามารถยืนยันตัวตนหลายปัจจัยและเชื่อมต่อแหล่งข้อมูลที่ไม่มี API ได้เอง Accruals Intelligence Agent ใช้ข้อมูลอดีตเพื่อแนะนำรายการค้างรับและกันสำรองอย่างมีเหตุผล แทนการคัดลอกตัวเลขจากเทมเพลต และติดตามความแม่นยำของตัวเองในแต่ละบัญชีและวิธีการ ส่วน Exception Management Agent ช่วยระบุ จัดประเภท และจัดลำดับความสำคัญข้อยกเว้น รวมเหตุการณ์ที่มีสาเหตุรากเดียวกัน เพื่อลดเวลาตามเก็บรายการผิดปกติ ผลคือทีมการเงินลดงานมือ ระบุปัญหาได้เร็วขึ้น และเหลือเวลามากขึ้นสำหรับการตัดสินใจเชิงพิจารณาของมนุษย์
ข้อมูลหลักและ AI: AgentWorkx ของ Stibo Systems พลิกงาน MDM ให้กลายเป็นประสบการณ์เอเจนต์
ถัดจากโลกการเงิน พื้นที่ที่เอเจนต์ AI จะสร้างผลกระทบหนักไม่แพ้กันคือข้อมูลหลักและ AI ในระบบ MDM เพราะหากข้อมูลผลิตภัณฑ์ ลูกค้า ผู้จัดจำหน่าย และสถานที่ไม่สะอาด เอเจนต์การเงินหรือเอเจนต์ธุรกิจตัวอื่นก็ไม่มีทางให้คำแนะนำที่แม่นยำได้ Stibo Systems จึงเปิดตัว AgentWorkx ซึ่งเป็นกรอบงานสำหรับการสร้าง ปรับใช้ และกำกับดูแลเอเจนต์ AI ภายในการจัดการข้อมูลหลัก MDM พร้อมชุด Stibo Systems Agents ของตัวเอง
AgentWorkx รวมเครื่องมือสำคัญไว้ในเฟรมเวิร์กเดียว ทั้งแกลเลอรีเอเจนต์ สตูดิโอสร้างและกำหนดค่า การประสานงาน และการกำกับดูแล โดยทำงานภายใต้บทบาท สิทธิ์การเข้าถึง และการควบคุมระดับองค์กรของแพลตฟอร์ม STEP รุ่นแรกมาพร้อมเอเจนต์พร้อมใช้สองตัวคือ Upload Anything AGT ที่นำเข้าข้อมูลโครงสร้างและไม่มีโครงสร้าง ลดเวลาการออนบอร์ดข้อมูลจากระดับเดือนเหลือแค่วัน และ Content Optimizer Agent ที่สร้างคำอธิบายสินค้า เนื้อหา SEO และข้อความการตลาดจากคุณลักษณะสินค้าที่ได้รับการกำกับดูแล และสามารถเร่งความเร็วการเผยแพร่เนื้อหาได้ถึง 10 เท่า ห้องสมุดเอเจนต์มีรายการพร้อมใช้และกำลังจะเปิดตัวรวม 24 รายการ จัดเรียงตามเส้นทางการเคลื่อนของข้อมูลใน STEP สะท้อนทิศทางใหม่ของการบริหารข้อมูลองค์กรที่ให้เอเจนต์ทำงานบนข้อมูลที่เชื่อถือได้ภายใต้การกำกับดูแลกลาง แทนการสร้าง AI เงาในมุมมืดขององค์กร
โครงสร้างพื้นฐานข้อมูลยุค Agentic AI: เมื่อ Microsoft และ IBM มองโจทย์ลึกกว่าแค่โมเดล
หาก Trintech และ Stibo Systems แสดงให้เห็นว่าเอเจนต์ AI จะเข้าไปอยู่ในกระบวนการธุรกิจระดับแอปพลิเคชัน Microsoft และ IBM กำลังบอกว่าเกมที่แท้จริงอยู่ที่โครงสร้างพื้นฐานข้อมูลและการปกป้องข้อมูล Microsoft อัปเดตฟีเจอร์ชุดใหญ่ให้กับ Microsoft Fabric เพราะเห็นว่าองค์กรกำลังก้าวเข้าสู่ยุค Agentic Transformation และสิ่งสำคัญคือการเตรียมรากฐานข้อมูลให้พร้อมรองรับการทำงานของเอเจนต์ Fabric Apps เชื่อมชุดเครื่องมือ Rayfin เข้ากับข้อมูลที่มีธรรมาภิบาลบน Fabric ตรง ช่วยให้การพัฒนาแอป AI จัดการทั้งการเชื่อมต่อข้อมูล ทรานแซกชัน ลอจิก และสตอเรจ ภายใต้การควบคุมสิทธิ์กลาง
Microsoft ยังดึงเทคโนโลยีจาก Osmos มาเสริมด้าน Data Engineering อัตโนมัติบน OneLake ให้ Data Engineer กำหนดเป้าหมายและกรอบงาน แล้วปล่อยให้ AI Agent แปลงข้อมูลดิบเป็นข้อมูลพร้อมใช้สำหรับ Analytics และ AI ซึ่งมีประสิทธิภาพกว่าการใช้โมเดลทั่วไปผ่านการเขียนพรอมป์ ขณะเดียวกัน IBM เลือกตอบโจทย์อีกด้านของการบริหารข้อมูลองค์กรด้วยการเปิดตัวตัวเลือกการติดตั้งแบบ Self Hosted สำหรับแพลตฟอร์ม IBM Bob ให้ใช้ Agentic AI บนโครงสร้างพื้นฐานของตนเอง รองรับทั้ง On Premises Private Cloud Sovereign Cloud และระบบปิดแบบ Air Gapped แนวทางนี้เจาะกลุ่มอุตสาหกรรมที่มีข้อจำกัดด้านกฎระเบียบและข้อมูลสำคัญสูง ซึ่งไม่สามารถใช้บริการ AI บนคลาวด์ภายนอกได้ แต่ยังต้องการให้เอเจนต์ช่วยดูแลโค้ดและระบบซอฟต์แวร์ภายใต้การควบคุมข้อมูลอย่างเต็มรูปแบบ
สิ่งที่องค์กรควรทำต่อ: จากทดลองใช้สู่การวางสถาปัตยกรรมเอเจนต์ทั้งองค์กร
เมื่อเอเจนต์ AI เริ่มรับภาระงานขององค์กรเพิ่มขึ้น คำถามไม่ใช่ว่าจะใช้หรือไม่ใช้ แต่คือจะจัดโครงสร้างอย่างไรไม่ให้กลายเป็นความเสี่ยง Stibo Systems เตือนตรงไปตรงมาว่าข้อจำกัดที่แท้จริงคือข้อมูลพื้นฐานจะเชื่อถือได้มากพอให้เอเจนต์ตัดสินใจด้วยความเร็วของเครื่องได้หรือไม่ และชี้ว่าความแม่นยำและประสิทธิภาพของเอเจนต์ขึ้นอยู่กับคุณภาพของข้อมูลและบริบทเบื้องหลังมากขึ้นเรื่อยๆ นั่นหมายความว่าการลงทุนในข้อมูลหลักและกรอบการกำกับดูแลไม่ใช่งานหลังบ้านอีกต่อไป แต่คือรากฐานของทุกเอเจนต์ในองค์กร
สัญญาณเชิงกลยุทธ์เริ่มชัด ทั้ง Trintech ที่เปลี่ยนการปิดบัญชีอัตโนมัติไปสู่เอเจนต์ที่ทำงานเอง Stibo Systems ที่สร้าง AgentWorkx เป็นศูนย์กลางเอเจนต์บนข้อมูลหลัก Microsoft ที่ปั้น Fabric ให้เป็นฐานข้อมูลและบริบทธุรกิจสำหรับยุค Agentic AI และ IBM ที่เปิดทางให้เอเจนต์ทำงานบนโครงสร้างพื้นฐานที่องค์กรควบคุมเองแบบ Self Hosted เป้าหมายร่วมกันคือการลดงานมือ ลดการสัมผัสข้อมูลโดยไม่จำเป็น ปรับปรุงการปฏิบัติตามข้อกำหนด และเร่งการตัดสินใจในงานการเงินและปฏิบัติการ องค์กรที่ยังมองเอเจนต์ AI เป็นแค่บอตตอบคำถามจึงอาจพลาดโอกาสสำคัญ สิ่งที่ควรทำต่อคือเริ่มจากกระบวนการที่ข้อมูลชัดเจน เช่น การปิดบัญชีหรือ MDM ทดลองเอเจนต์ภายใต้เฟรมเวิร์กที่มีการกำกับดูแล และวางแผนขยายไปสู่สถาปัตยกรรมเอเจนต์ระดับองค์กรที่ยึดข้อมูลเป็นศูนย์กลาง
