Agentic AI ธนาคาร: นิยามใหม่ของระบบการเงินอัจฉริยะ
Agentic AI ธนาคาร หมายถึงการใช้ระบบปัญญาประดิษฐ์แบบอัตโนมัติที่ไม่เพียงประมวลผลหรือทำนาย แต่สามารถตัดสินใจ ลงมือทำงานแบบ End-to-end ประสานงานกับ AI ตัวอื่น และทำงานร่วมกับมนุษย์ภายใต้กรอบกำกับดูแลด้านจริยธรรม เพื่อยกระดับบริการลูกค้า การตรวจจับทุจริต และกระบวนการภายในให้มีประสิทธิภาพสูงขึ้น ขับเคลื่อนผลลัพธ์ทางธุรกิจได้ชัดเจนมากกว่า AI รูปแบบเดิมที่เน้นการวิเคราะห์ข้อมูลเพียงอย่างเดียว
ทิศทางใหม่นี้สะท้อนภาพ AI transformation ธนาคารไทยที่เริ่มขยับจากการทดลองไปสู่การฝัง AI ในทุกชั้นงาน ตั้งแต่หน้าบ้านอย่างโมบายแอป ไปจนถึงหลังบ้านอย่างระบบจัดการความเสี่ยงและการพัฒนาซอฟต์แวร์ สถาบันการเงินไม่ได้มอง AI เป็นเครื่องมือเสริมอีกต่อไป แต่เป็นสถาปัตยกรรมหลักของการออกแบบการธนาคารยุคใหม่ที่จับต้องได้ในชีวิตประจำวันลูกค้าและพนักงาน
KBTG กับยุทธศาสตร์ Human-First x AI-First: ปักธง Agentic AI
KBTG เลือกเดินเกม Agentic AI อย่างชัดเจน โดยประกาศเป้าหมายใหม่ภายใต้ยุทธศาสตร์ Human-First x AI-First Transformation ที่วางมนุษย์เป็นศูนย์กลาง แต่ยอมให้ AI เป็นผู้ลงมือทำงานซับซ้อนแทนระบบเดิมที่ทำได้แค่ช่วยคิด จุดยืนนี้น่าสนใจ เพราะเป็นการยอมรับว่าอนาคตของการธนาคารไม่ใช่แค่มี AI มาช่วยวิเคราะห์ แต่ต้องสร้าง AI Agent ที่ “ทำงานจริง” ได้ตั้งแต่รับโจทย์จนส่งผลลัพธ์กลับเข้าสู่ระบบธุรกิจ.
เครื่องมือสำคัญคือ Agentic AI ที่สามารถประสานงานและสั่งการ AI ตัวอื่น ๆ เพื่อจัดการงานซับซ้อน เช่น แพลตฟอร์ม AthenaMind สำหรับสร้าง AI Agent เฉพาะทาง และการต่อยอดจาก AI Coding Assistant ไปเป็น AI Coding Agent ที่ทำหน้าที่คล้าย Junior Developer เขียนโค้ดครบกระบวนการจาก requirement ที่ชัดเจน. แนวทางนี้ไม่ได้เน้นแค่เทคโนโลยี แต่ลงทุนกับคนเต็มที่ ทั้งการอบรมและออกแบบแพลตฟอร์มให้พนักงานใช้ Agentic AI ได้ง่าย ผ่าน Agentic Platformization ที่จัดการ Agent ให้สะดวกและทำงานร่วมกับมนุษย์ได้อย่างเป็นธรรมชาติ.
KBank: จาก AI fraud detection สู่ 500 use case และ Generative AI
อีกฟากหนึ่ง KBank แสดงให้เห็นว่าการสร้างฐานข้อมูลและคนคือหัวใจของ AI transformation ธนาคารไทยจริง ๆ จากจุดเริ่มต้นด้าน AI fraud detection ที่ใช้ Face Liveness Detection ลดการปลอมแปลงใบหน้าในกระบวนการ eKYC จนได้รับการยอมรับระดับนานาชาติ ธนาคารเดินหน้าสร้างรากฐานทั้งด้านข้อมูล แพลตฟอร์ม เครื่องมือ และบุคลากรจนเกิดแนวคิด “Snowball” ที่ให้ทุกหน่วยงานเริ่มจาก use case เล็ก ๆ แล้วค่อย ๆ รวมกันเป็นแพลตฟอร์มกลาง.
ผลคือโครงการ AI ที่ส่งเข้ามามากกว่า 1,000 โครงการ และถูกพัฒนาเป็น use case ที่ใช้งานจริงราว 500 โครงการ ครอบคลุมทั้งงาน Self-service สำหรับพนักงาน การปรับปรุงกระบวนการ (Process Improvement) และการยกระดับธุรกิจในภาพใหญ่. แนวคิด AI เป็น “Co-worker” ไม่ใช่แค่ chatbot ทำให้พนักงานกว่า 5,000 คนถูกเตรียมให้พร้อมใช้ AI กับงานประจำวัน และเมื่อ Predictive AI เริ่มนิ่ง ธนาคารก็เดินเข้าสู่การใช้ Generative AI เพื่อเพิ่มประสิทธิภาพและค้นหา pattern จากข้อมูลที่ไม่เคยเห็นมาก่อน โดยตั้งเป้าให้สองเทคโนโลยีทำงานร่วมกันเมื่อแพลตฟอร์มและระบบควบคุมพร้อม.
SCB EASY และ EASY Store: Generative AI การธนาคารที่ลูกค้าสัมผัสได้
ในระดับประสบการณ์ลูกค้า ตัวอย่างที่ชัดที่สุดของ Digital banking innovation คือ EASY Store บนแอป SCB EASY ซึ่งถูกออกแบบให้เป็นศูนย์รวมบริการทางการเงินแบบ Hyper-Personalized ที่คัดสรรผลิตภัณฑ์ลงทุน บัตรเครดิต สินเชื่อ ประกัน และบัญชีเงินฝากให้ตรงใจแต่ละคน พร้อมสิทธิพิเศษในที่เดียว. ธนาคารไม่ได้แค่เพิ่มเมนูใหม่ในแอป แต่ใช้ Machine Learning วิเคราะห์ข้อมูลรอบด้านของลูกค้า เพื่อแก้ Pain Point สำคัญอย่างข้อเสนอที่ไม่ตรงใจหรือการเข้าถึงผลิตภัณฑ์ที่ยังติดข้อจำกัด.
แนวคิด AI-First Bank ถูกผลักดันผ่านโมเดล Better Brain ที่ให้ “AI ที่รู้ใจยู” เรียนรู้และพัฒนาการตอบสนองต่อเป้าหมายการเงินของลูกค้าในระดับรายบุคคล สอดคล้องกับกลยุทธ์ Digital Bank with Human Touch ที่ไม่ปล่อยให้ AI ทำงานอย่างโดดเดี่ยว แต่ยังมีคนกำกับเพื่อรักษาเสถียรภาพและความไว้วางใจ. หนึ่งในคำกล่าวที่สะท้อนทิศทางนี้คือเป้าหมายให้รายได้ดิจิทัลแตะ 25% ภายในปี 2568 ผ่านการเติบโตของยอดขายดิจิทัลบนแอป SCB EASY อย่างมีนัยสำคัญ. นี่คือ Generative AI การธนาคารในแบบที่ลูกค้ารู้สึกได้ผ่านหน้าจอที่ใช้อยู่ทุกวัน.
จาก Predictive สู่ Agentic: บทสรุปยุทธศาสตร์ AI ธนาคารยุคใหม่
ภาพรวมแล้ว ธนาคารไม่ได้อยู่ในยุคทดลอง AI อีกต่อไป แต่กำลังย้ายจากยุค Predictive ที่เน้นการทำนาย ไปสู่ Generative และ Agentic ที่เน้นการสร้างและลงมือทำงาน พร้อมผลลัพธ์ทางธุรกิจที่วัดได้ชัดเจน ทั้งเป้าหมายสร้างผลลัพธ์มากกว่า 10,000 ล้านบาทใน 5 ปีของฝั่งเทคโนโลยีการเงิน และการตั้งเป้ารายได้ดิจิทัล 25% ภายใน 2568 ผ่านช่องทางโมบายแบงก์กิ้ง. สิ่งที่น่าจับตาไม่ใช่แค่ตัวเลข แต่คือวิธีคิดใหม่ที่ให้ AI เป็นส่วนหนึ่งของโครงสร้างองค์กร ตั้งแต่ระดับพนักงานหน้าบ้าน คนพัฒนาระบบ ไปจนถึงทีมบริหาร.
อย่างไรก็ตาม การให้ Agentic AI เข้ามาตัดสินใจแบบ End-to-end ต้องเดินคู่กับ AI Guardrails ที่ดูแลความเสี่ยงและจริยธรรม ไม่เช่นนั้นความเร็วของการตัดสินใจอัตโนมัติอาจสวนทางกับความไว้วางใจของผู้ใช้. บทเรียนจากธนาคารต่าง ๆ ชี้ชัดว่าการลงทุนด้านข้อมูล แพลตฟอร์ม และคนเป็นเงื่อนไขสำคัญก่อนจะปล่อยให้ AI ทำงานอย่างกึ่งอิสระในโลกการเงินที่ละเอียดอ่อน การเปลี่ยนผ่านครั้งนี้จะสำเร็จหรือไม่ จึงขึ้นกับว่าองค์กรจะรักษาสมดุลระหว่างความฉลาดของเครื่องกับความละเอียดของมนุษย์ได้ดีแค่ไหน – และนั่นคือจุดชี้วัดความสำเร็จของ Agentic AI ธนาคารในระยะยาว.
