จาก AI จับโกงสู่ Agentic AI ธุรกิจ: นิยามการเปลี่ยนขั้วของโลกธนาคาร
การเปลี่ยนผ่านจากการใช้ AI ธนาคารเพื่อวิเคราะห์เชิงคาดการณ์อย่างการตรวจจับทุจริต ไปสู่การใช้ Generative AI และ Agentic AI ธุรกิจในทุกมิติ ถือเป็นการย้ายจุดศูนย์กลางของธนาคารจากการใช้เทคโนโลยีเพื่อ “ป้องกันความเสี่ยง” ไปสู่การใช้ AI เป็น “ผู้ร่วมออกแบบธุรกิจ” ตั้งแต่การพัฒนาผลิตภัณฑ์ ดิจิทัลแบงก์กิ้ง การบริหารกระบวนการหลังบ้าน ไปจนถึงประสบการณ์ลูกค้าที่เฉพาะบุคคล ทำให้ AI ไม่ใช่แค่ระบบอัตโนมัติธนาคาร แต่กลายเป็นโครงสร้างใหม่ขององค์กรการเงินยุคดิจิทัลทั้งหมด.
มุมสำคัญของการเปลี่ยนขั้วนี้คือ ธนาคารไม่มอง AI เป็นโปรเจกต์ฝ่ายไอทีอีกต่อไป แต่เป็นยุทธศาสตร์ธุรกิจระดับองค์กรที่ต้องมีรากฐานชัดเจน ทั้งเป้าหมายธุรกิจ กระบวนการ ข้อมูล โครงสร้างเทคโนโลยี และคน เมื่อธนาคารเริ่มจาก AI จับโกงที่เน้น Predictive AI เพื่อหาพฤติกรรมผิดปกติ วันนี้กำลังขยับไปสู่ Generative AI ที่สร้างคอนเทนต์ ความรู้ และคำแนะนำได้เอง รวมถึง Agentic AI ที่ทำงานแบบ end-to-end และประสานงานหลายระบบอัตโนมัติธนาคารเข้าด้วยกัน สถาบันการเงินที่กล้าปรับจึงไม่ใช้ AI เพื่อวิ่งไล่ตามความเสี่ยง แต่ใช้มันเป็นเครื่องยนต์เขย่าโมเดลธุรกิจทั้งองค์กร.
KBTG กับยุทธศาสตร์ Human-First x AI-First: Agentic AI ที่ไม่ทิ้งคน
กรณีของ KBTG ชี้ให้เห็นชัดว่า AI ธนาคารจะยั่งยืนได้ก็ต่อเมื่อองค์กรกล้าวางมนุษย์ไว้คู่กับเทคโนโลยี ไม่ใช่ให้ฝ่ายใดฝ่ายหนึ่งครอบงำ ยุทธศาสตร์ Human-First x AI-First Transformation ที่ตั้งเป้าบุกยุค Agentic AI ในปี 2568 คือคำประกาศว่าพวกเขาไม่ได้เอา AI มาแทนคน แต่เอามาเพิ่มศักยภาพคนให้กลายเป็นทีม Hybrid ระหว่างมนุษย์กับระบบอัตโนมัติธนาคารที่ฉลาดขึ้น.
การพัฒนา AthenaMind แพลตฟอร์มสร้าง AI Agent และการเปิดใช้ HR Chat Agent กับพนักงาน สะท้อนว่าพวกเขาเริ่มเปลี่ยนกระบวนการภายในให้ AI เป็น Co-worker จริง ๆ ไม่ใช่แค่แชตบอตตอบคำถามพื้นฐาน อีกด้านหนึ่ง ความสำเร็จด้าน Face Liveness Detection ที่ได้รับรางวัล The Innovators 2024 ในสาขา Compliance/Risk Innovation: Best eKYC Innovation to Minimize Facial Fraud แสดงให้เห็นว่าเมื่อฐานงานวิจัยและผลิตภัณฑ์ AI แข็งแรง ธนาคารสามารถต่อยอดจาก AI ตรวจจับทุจริตไปสู่แพลตฟอร์มเชิงพาณิชย์และงานวิจัยระดับนานาชาติได้ เป้าหมายสร้างผลลัพธ์ทางธุรกิจมากกว่า 10,000 ล้านบาทภายใน 5 ปีข้างหน้า จึงไม่ใช่แค่ตัวเลข แต่คือแรงกดดันให้การลงทุนด้านคน ข้อมูล และ Agentic AI ทำงานร่วมกันอย่างจริงจัง.
สูตร KBank: จากยูสเคสจับโกง 1 เคส สู่ระบบ AI 500 ยูสเคสที่เปลี่ยนทั้งองค์กร
KBank คือภาพตัวอย่างว่าธนาคารที่เริ่มจาก AI ตรวจโกง สามารถขยายเป็นยุทธศาสตร์ Agentic AI ธุรกิจแบบเป็นขั้นเป็นตอน รากฐาน 5 ด้านที่ธนาคารเน้นคือ เป้าหมายธุรกิจ กระบวนการ ข้อมูล เครื่องมือและเทคโนโลยี และคน ทำให้การพัฒนา AI ไม่จบแค่การซื้อระบบเข้ามาใช้ แต่เริ่มตั้งแต่การหาโจทย์ การจัดเตรียมข้อมูล ไปจนถึงการสร้างบุคลากรที่เข้าใจศักยภาพเทคโนโลยีอย่างแท้จริง.
แนวคิด Snowball ที่เริ่มจากยูสเคสขนาดเล็กในแต่ละหน่วยงาน ก่อนรวบรวมให้กลายเป็นแพลตฟอร์มกลาง เป็นคำตอบว่าการทำดิจิทัลแบงกิ้งแบบเอา AI-First มาใช้จริงต้องเริ่มอย่างไร จากโครงการมากกว่า 1,000 โครงการที่ส่งเข้ามา ธนาคารทดลอง พัฒนา และกลั่นเหลือประมาณ 500 โครงการที่ใช้งานได้จริง พร้อมเตรียมบุคลากรที่มีความพร้อมด้าน AI แล้วประมาณ 5,000 คน การแบ่งระดับการใช้ AI เป็นสามขั้น Self-service, Process Improvement และ Digital Transformation คือการบอกให้ชัดว่า AI-First Bank ไม่ใช่คำสวย ๆ แต่ต้องแปลเป็นเส้นทางการเปลี่ยนงานทุกระดับ ตั้งแต่งานประจำวันไปจนถึงการเปลี่ยนโมเดลธุรกิจ.
SCB กับ EASY Store: AI-First Bank ที่เริ่มจากประสบการณ์ลูกค้าดิจิทัลแบงก์กิ้ง
ธนาคารที่ยังมองดิจิทัลแบงก์กิ้งเป็นแค่ช่องทางออนไลน์จะตามเกม AI ธนาคารไม่ทัน ตัวอย่างของธนาคารไทยพาณิชย์กับ EASY Store บนแอป SCB EASY แสดงให้เห็นว่าการเป็น AI-First Bank ต้องเริ่มจากการยอมรับว่า AI คือ Better Brain ขององค์กรที่ใช้ขับเคลื่อนทั้งผลิตภัณฑ์ บริการ และกระบวนการทำงานใหม่ โดยมีลูกค้าเป็นศูนย์กลางไม่ใช่ระบบไอที.
EASY Store ในฐานะศูนย์รวมบริการทางการเงินแบบ Hyper-Personalized ใช้ Machine Learning เพื่อวิเคราะห์ข้อมูลเชิงลึกของลูกค้า ทั้งพฤติกรรมและความต้องการ จากนั้นคัดสรรผลิตภัณฑ์ด้านการลงทุน บัตรเครดิต สินเชื่อ ประกัน และบัญชีเงินฝากที่เหมาะสมและตรงใจแต่ละคน กลยุทธ์ Digital Bank with Human Touch จึงไม่ใช่สโลแกน แต่คือการยืนยันว่าธนาคารต้องใช้ AI เพื่อทำให้ข้อเสนอทางการเงินพูดกับชีวิตจริงของลูกค้าได้มากขึ้น เป้าหมายรายได้ดิจิทัล 25% ภายในปี 2568 ย้ำว่าพวกเขาเชื่อว่า AI-First Bank คือทางไปข้างหน้า ไม่ใช่แค่ทางเลือกเสริม.
สรุป: AI-First ที่แท้จริงเริ่มจากรากฐาน ไม่ใช่เริ่มจากเครื่องมือ
เมื่อมองภาพรวมของ KBTG, KBank และ SCB สิ่งที่เหมือนกันคือ ทุกองค์กรเลิกมอง AI เป็นของเล่นใหม่ แล้วหันมาวางเป็นโครงสร้างหลักของระบบอัตโนมัติธนาคารและยุทธศาสตร์ธุรกิจ การก้าวจาก Predictive AI จับโกงไปสู่ Generative และ Agentic AI ธุรกิจจึงไม่ใช่เรื่องเทคนิค แต่เป็นการย้ายใจกลางของธนาคารไปอยู่ที่คำถามว่า “เราจะใช้ AI สร้างคุณค่าใหม่ให้ลูกค้าและพนักงานอย่างไร” มากกว่าคำถามว่า “เราจะใช้ AI ลดต้นทุนอย่างไร”.
ธนาคารที่อยากเดินรอยตามต้องกล้าเริ่มจากรากฐาน 5 ชั้นที่ชัดเจน: เป้าหมายธุรกิจที่ใช้ AI สร้างผลลัพธ์ กระบวนการที่เปิดช่องให้ระบบอัตโนมัติทำงานได้จริง ข้อมูลที่พร้อมและเชื่อถือได้ โครงสร้างเทคโนโลยีที่รองรับการขยายขนาด และคนที่ได้รับการพัฒนาให้ใช้ AI เป็น Co-worker ไม่ใช่คู่แข่ง โลกดิจิทัลแบงก์กิ้งกำลังเข้าสู่ยุคที่ AI-First Bank จะเป็นมาตรฐานใหม่ คำถามจึงไม่ใช่ว่าธนาคารควรใช้ AI หรือไม่ แต่คือจะยอมให้ AI เป็นแค่เครื่องมือจับโกง หรือยอมให้มันเป็นตัวเดินเกมที่เปลี่ยนธุรกิจทั้งองค์กร.
