AI ธนาคารดิจิทัล: จากเครื่องมือจับโกงสู่โครงสร้างองค์กรใหม่
AI ธนาคารดิจิทัลคือการใช้เทคโนโลยีปัญญาประดิษฐ์ทั้งแบบ Predictive และ Generative เข้าไปฝังในผลิตภัณฑ์ กระบวนการทำงาน และการตัดสินใจของธนาคาร เพื่อยกระดับความปลอดภัย ประสิทธิภาพ และประสบการณ์ลูกค้า จากเดิมที่ใช้ AI เฉพาะในงานจับโกงหรือวิเคราะห์ความเสี่ยง สู่การออกแบบยุทธศาสตร์ธุรกิจและการแปลงดิจิทัลธนาคารแบบเต็มโครงสร้าง โดยมีคน กระบวนการ ข้อมูล และเทคโนโลยีเป็นแกนร่วมกันของการเปลี่ยนผ่านนี้
หัวใจของการเปลี่ยนผ่านไม่ใช่การซื้อระบบ AI ที่ล้ำที่สุด แต่คือการยอมรับว่า AI กำลังกลายเป็น “โครงสร้างพื้นฐานใหม่ของธนาคาร” มากกว่าเป็นแค่ฟีเจอร์หนึ่งบนแอป การเดินทางจาก AI จับโกงสู่การแปลงดิจิทัลธนาคารเต็มรูปแบบ จึงเป็นบททดสอบว่าองค์กรเข้าใจโจทย์ธุรกิจของตัวเองแค่ไหน และกล้าปรับวัฒนธรรมการทำงานเพื่ออยู่ร่วมกับ AI หรือไม่ รากฐานทั้ง 5 ด้านตั้งแต่โจทย์ธุรกิจ กระบวนการ ข้อมูล เครื่องมือเทคโนโลยี ไปจนถึงคน คือเส้นแบ่งระหว่างธนาคารที่ใช้ AI เป็น “ของเล่นใหม่” กับธนาคารที่ใช้ AI เป็น “ระบบประสาทกลางขององค์กร”
KBTG กับยุทธศาสตร์ Agentic AI: Human-First ไม่ใช่คำขวัญ แต่คือข้อสอบจริง
เมื่อ KBTG ประกาศความสำเร็จด้าน AI และตั้งเป้าปักหมุดเข้าสู่ยุค Agentic AI ภายใต้ยุทธศาสตร์ Human-First x AI-First Transformation สิ่งที่สะท้อนชัดคือการมอง AI เป็น Co-worker ไม่ใช่แค่เครื่องมือเสริม การบรรลุเป้าหมาย AI Literacy ระดับ 100% ในหมู่พนักงานคือการส่งสัญญาณว่า ถ้าคนในองค์กรยังไม่เข้าใจ AI การแปลงดิจิทัลธนาคารก็เป็นเพียงสไลด์สวย ๆ ไม่ใช่การเปลี่ยนจริง จุดยืน “KBTG AI For Thailand” ยังบอกด้วยว่าคะแนนความสำเร็จไม่ได้วัดที่ทรานแซกชันบนแอปเท่านั้น แต่รวมถึงประโยชน์ที่กลับไปสู่สังคมในวงกว้างด้วย
สิ่งที่น่าจับตาคือการเดินสู่ยุทธศาสตร์ Agentic AI โดยสร้างแพลตฟอร์ม AthenaMind เพื่อให้ AI Agent ทำงานและประสานงานกันเองแบบ end-to-end พร้อมออกแบบ Agentic Platformization และ Agentic Orchestration ให้คนกับ AI ทำงานร่วมกันบน workflow เดียว นี่คือภาพของการแปลงดิจิทัลธนาคารที่โครงสร้างงานถูกออกแบบใหม่ตามศักยภาพ AI ไม่ใช่ยัด AI เข้าไปในโครงสร้างเดิม ผลลัพธ์ทางธุรกิจที่ตั้งเป้าเกิน 10,000 ล้านบาทภายใน 5 ปีจึงไม่ใช่ตัวเลขลอย ๆ แต่เป็นข้อสอบว่าการลงทุนในคนและแพลตฟอร์ม Agentic AI จะสร้างความต่างจากธนาคารที่มอง AI แบบเครื่องมือชิ้นเดียวได้มากแค่ไหน
AI-First Bank ของไทยพาณิชย์: EASY Store คือหลักฐานว่าลูกค้าต้องมาก่อนโมเดล
การประกาศเดินหน้าสู่การเป็น AI-First Bank ผ่านโมเดล Better Brain และแนวคิด Digital Bank with Human Touch สะท้อนมุมมองที่ตรงไปตรงมาว่า AI จะมีค่าแค่ไหนขึ้นอยู่กับว่ามันเข้าใจลูกค้าจริงหรือไม่ EASY Store บนแอป SCB EASY จึงไม่ใช่แค่เมนูใหม่ แต่คือการฝัง AI เข้าไปในจุดตัดสินใจหลักของลูกค้า ด้วยแนวคิด Hyper-Personalized ที่คัดสรรการลงทุน บัตรเครดิต สินเชื่อ ประกัน และบัญชีเงินฝากให้ “ตรงใจ” แทนที่จะทิ้งลูกค้าไว้กับข้อเสนอแบบยิงกระสุนกว้าง ๆ
สิ่งที่น่าสนใจคือธนาคารเริ่มต้นจากการยอมรับ Pain Point ว่าลูกค้าหลายกลุ่มยังเข้าถึงผลิตภัณฑ์ไม่ได้ เพราะข้อเสนอไม่ตรงใจและการสื่อสารไม่ชัดเจน ก่อนใช้ Machine Learning และการวิเคราะห์ข้อมูลเชิงลึกเพื่อแก้โจทย์นี้ ไม่ใช่สร้างฟีเจอร์ AI แล้วค่อยหาโจทย์มาใส่ทีหลัง แผนการที่จะผลักดันให้ผู้ใช้ EASY Store มากกว่า 30% ของผู้ใช้งานแอปกว่า 18 ล้านคน พร้อมเป้าหมายรายได้ดิจิทัลแตะ 25% ภายในปี 2568 คือคำประกาศชัด ๆ ว่า "เราจะให้ AI ขับเคลื่อนยอดขายและประสบการณ์ลูกค้าจริง ไม่ใช่แค่แคมเปญประชาสัมพันธ์" โมเดลนี้จึงเป็นตัวอย่างว่า AI-First Bank ต้องเริ่มจากลูกค้า ไม่ใช่จากเทคโนโลยีที่ธนาคารอยากโชว์
สูตร KBank: จาก Predictive AI จับโกงสู่ Generative AI เปลี่ยนวิธีทำงานทั้งองค์กร
เส้นทางของกสิกรไทยชัดเจนที่สุดในเรื่องการขยับจาก Predictive AI ธนาคารที่เน้นจับโกงและบริหารความเสี่ยง ไปสู่ยุทธศาสตร์ Generative AI ธนาคารที่เน้นเปลี่ยนวิธีทำงานและออกแบบบริการใหม่ แทนที่จะหยุดอยู่ที่ fraud model ธนาคารใช้แนวคิด Snowball ให้ยูสเคสเล็ก ๆ ในแต่ละหน่วยงานขยายตัวจนกลายเป็นการใช้ AI ระดับองค์กร การเปิดรับกว่า 1,000 โครงการ AI แล้วคัดจนเหลือราว 500 โครงการที่ใช้จริงคือการยืนยันว่าการแปลงดิจิทัลธนาคารไม่เกิดจากหนึ่งโปรเจกต์ใหญ่ แต่เกิดจากการทดลองจำนวนมากที่ถูกคัดให้รอดบนฐานโจทย์ธุรกิจจริง
จุดแข็งของสูตรนี้คือการออกแบบเส้นทางสามระดับ: Self-service ให้พนักงานทุกคนใช้ AI กับงานประจำวัน, Process Improvement ปรับปรุงกระบวนการระดับองค์กร และ Transformation ใช้ AI เปลี่ยนหน้าตาธุรกิจแบบยกแผง การตั้งรากฐาน 5 ด้าน ตั้งแต่โจทย์ธุรกิจ กระบวนการ ข้อมูล แพลตฟอร์ม AI ไปจนถึงคน ทำให้ AI ไม่ถูกมองเป็นของที่ซื้อมาแล้วใช้งานได้ทันที แต่ต้องมีโครงสร้างรองรับ การที่ธนาคารเริ่มเห็น Generative AI สร้างผลลัพธ์ด้านประสิทธิภาพและประหยัดเวลา พร้อมตั้งเป้าให้ Predictive และ Generative AI ทำงานร่วมกัน คือสัญญาณว่าขั้นต่อไปของ AI ธนาคารดิจิทัลจะไม่แยกโลกการจับโกงออกจากโลกการสร้างรายได้อีกต่อไป แต่รวมเป็นสายน้ำข้อมูลชุดเดียวกันเพื่อออกแบบทั้งความปลอดภัยและประสบการณ์ลูกค้าไปพร้อมกัน
บทสรุป: AI-ธนาคารดิจิทัลที่ชนะ คือธนาคารที่ออกแบบให้คนสำคัญที่สุด
เมื่อมองสามกลยุทธ์ควบคู่กัน จะเห็นภาพร่วมว่า AI ธนาคารดิจิทัลที่เดินหน้าไปไกล ไม่ได้เริ่มจากการซื้อโมเดล แต่เริ่มจากการออกแบบคนและกระบวนการให้พร้อมอยู่ร่วมกับ AI ยุทธศาสตร์ Agentic AI ของ KBTG แสดงให้เห็นว่าการสร้าง AI-Infused Organization ต้องมีแพลตฟอร์ม AI Agent ที่ให้คนทำงานร่วมกับ AI ได้อย่างเป็นธรรมชาติ ไม่ใช่แค่รับผลลัพธ์จากกล่องดำ AI-First Bank ของไทยพาณิชย์แสดงให้เห็นว่าการแปลงดิจิทัลธนาคารต้องแก้ Pain Point ลูกค้าจริงก่อน แล้วค่อยใช้ AI ขยายผล ส่วนแนวทาง Snowball และ 3 ระดับ Self-service, Process Improvement, Transformation ของกสิกรไทย แสดงให้เห็นว่าความสำเร็จของ Generative AI ธนาคารเกิดจากการให้พนักงานทุกคนลงมือทดลอง ไม่ใช่จำกัดไว้ในทีมเทค
ดังนั้น ธนาคารที่คิดจะยกระดับจาก AI จับโกงสู่การแปลงดิจิทัลธนาคารเต็มรูปแบบ ต้องถามตัวเอง 5 ข้อพื้นฐาน: โจทย์ธุรกิจชัดไหม กระบวนการรองรับไหม ข้อมูลพร้อมไหม เทคโนโลยี AI ขยายได้ไหม และคนพร้อมเรียนรู้ไหม หากคำตอบยังไม่ชัด การลงทุนใน Generative AI ธนาคารและยุทธศาสตร์ Agentic AI ก็อาจกลายเป็นการซื้อความหวัง มากกว่าการสร้างผลลัพธ์จริง บทเรียนจากสามธนาคารชี้ตรงกันว่า ผู้ชนะในยุค AI-First ไม่ใช่ผู้ที่มีโมเดลเก่งที่สุด แต่คือผู้ที่ออกแบบองค์กรให้ทำงานกับ AI ได้ดีที่สุด และกล้ายอมรับว่า “มนุษย์” ยังต้องเป็นศูนย์กลางของทุกการตัดสินใจ แม้ในโลกที่ AI เก่งขึ้นทุกวัน
