Agentic AI คือก้าวกระโดดใหม่ของ AI ธนาคารไทย
Agentic AI คือระบบปัญญาประดิษฐ์ที่ไม่ได้แค่ตอบคำถามหรือทำนายผล แต่สามารถวางแผน ดำเนินการ ประสานงานหลายขั้นตอน และตัดสินใจแบบอัตโนมัติครบวงจร เพื่อรับผิดชอบกระบวนการธุรกิจทั้งชุดตั้งแต่รับโจทย์ ตรวจสอบข้อมูล ไปจนถึงลงมือทำและส่งมอบผลลัพธ์ โดยผสานการทำงานร่วมกับมนุษย์ในบทบาทเหมือนเพื่อนร่วมงานดิจิทัลที่ช่วยลดงานซ้ำซ้อน เพิ่มความเร็ว และเปิดพื้นที่ให้คนโฟกัสกับงานเชิงกลยุทธ์มากขึ้น. ธนาคารขนาดใหญ่เริ่มขยับจาก AI แบบเดิมที่เน้นการทำนาย มาใช้ Agentic AI ระบบ ที่ออกแบบให้ “ลงมือทำ” งานซับซ้อนอย่างเป็นอิสระมากขึ้น แนวโน้มนี้เห็นชัดในกลุ่ม AI ธนาคารไทย ที่ไม่ได้แค่พูดถึงดิจิทัลแบงก์กิ่ง AI แต่กำลังเปลี่ยนวิธีคิดทางธุรกิจทั้งองค์กร: จากการซื้อเครื่องมือ มาเป็นการสร้างแพลตฟอร์ม เอเจนต์ และวัฒนธรรมการทำงานร่วมกับ AI. มุมมองสำคัญคือ ธนาคารไม่ได้มอง AI เป็น gadget ของฝ่ายไอที แต่เป็นแกนกลางของกลยุทธ์ AI-First Bank กลยุทธ์ ที่จะกำหนดวิธีพัฒนาผลิตภัณฑ์ การให้บริการ และการจัดการคนในอีกหลายปีข้างหน้า การเปลี่ยนผ่านนี้จึงไม่ใช่เรื่องเทคโนโลยีล้วน ๆ แต่เป็นการออกแบบองค์กรยุคใหม่ตั้งแต่รากฐาน.
KBTG กับ Human-First x AI-First: วาง Agentic AI เป็นโรงงานเอเจนต์
กลุ่มธุรกิจเทคโนโลยีของกสิกรวางหมากชัดว่าอนาคตคือ Agentic AI ภายใต้ยุทธศาสตร์ Human-First x AI-First Transformation โดยประกาศเป้าหมายใหม่ให้ปีถัดไปเป็นจุดเริ่มยุค Agentic AI อย่างจริงจัง การวางคนเป็นศูนย์กลางไม่ใช่คำสวยหรู แต่สะท้อนว่าธนาคารรู้ดีว่า AI จะไม่มีทางสร้างผลลัพธ์ หากพนักงานไม่เข้าใจและไม่พร้อมทำงานร่วมกับมัน. แกนของยุทธศาสตร์นี้คือแพลตฟอร์มอย่าง AthenaMind ที่ถูกออกแบบให้เป็น “Agentic Platformization” หรือโรงงานผลิต AI Agent เฉพาะทางสำหรับงานในองค์กร ตั้งแต่ HR Chat Agent ที่ช่วยตอบคำถามสิทธิประโยชน์พนักงาน ไปจนถึงเอเจนต์ในสายความเสี่ยงและการปฏิบัติตามกฎเกณฑ์ โครงสร้างแบบแพลตฟอร์มทำให้การสร้างเอเจนต์ใหม่ไม่ใช่โปรเจกต์ใหญ่ทุกครั้ง แต่เป็นการต่อยอดบนฐานเดียวกัน ลดเวลาทีมพัฒนาได้ไม่น้อย. ส่วนที่น่าสนใจที่สุดคือการกำหนดโจทย์เชิงธุรกิจชัดเจนว่าการลงทุนใน Agentic AI ต้องแปลเป็นผลลัพธ์ทางธุรกิจระดับมหาศาลในอีกไม่กี่ปีข้างหน้า พร้อมกับการพัฒนาแนวคิด Agentic Humanization ที่เน้นทักษะและวัฒนธรรม Human-AI Workforce Integration ให้คนและเอเจนต์ทำงานคู่กันแทนที่จะกลัวการถูกแทนที่.
KBank จาก AI จับโกงสู่ 500 ยูสเคส และการเชื่อม Predictive–Generative
อีกฝั่งหนึ่ง กสิกรเลือกทางเดินที่ลงมือทำอย่างกว้างและลึก จนเกิดโครงการ AI กว่า 1,000 โครงการ และใช้งานจริงราว 500 ยูสเคสในองค์กร นี่ไม่ใช่ตัวเลขสวย ๆ แต่แปลว่าธนาคารยอมให้ทุกหน่วยงานลองผิดลองถูกกับ AI แล้วค่อยดึงสิ่งที่เวิร์กขึ้นมาอยู่บนแพลตฟอร์มกลาง แนวคิด Snowball ที่เริ่มจากโครงการเล็ก ๆ แล้วถูกสะสมจนกลายเป็นระบบใหญ่ เป็นสูตรที่ช่วยให้การเปลี่ยนผ่านไม่ชนกำแพงไซโลและการลงทุนซ้ำซ้อน. เส้นทางที่ธนาคารวางไว้แบ่งเป็นสามระดับ: Self-service ให้พนักงานทุกคนใช้ AI ในงานประจำวัน, Process Improvement นำ AI เข้าไปยกระดับกระบวนการที่หลายฝ่ายใช้งานร่วมกัน, และระดับสูงสุดคือ Transformation ที่ปล่อยให้ AI เข้ามาเปลี่ยนรูปแบบธุรกิจทั้งชุด ตัวอย่างชัดคือการขยับจากบทบาท AI ตรวจจับการโกง มาสู่การเป็น Co-worker ที่ช่วยจัดการงานเอกสาร การให้คำแนะนำ และงานวิเคราะห์เสียงในศูนย์บริการ. ปลายทางของกลยุทธ์นี้ไม่ใช่แค่จำนวนยูสเคส แต่คือการเชื่อมสองยุคของ AI เข้าด้วยกัน หลังใช้ Predictive AI ขับเคลื่อนงานหลายด้าน ธนาคารกำลังนำ Generative AI เข้ามาเสริมเพื่อสร้างผลด้านประสิทธิภาพและการประหยัดเวลาในระดับที่สูงขึ้น.
SCB กับ AI-First Bank กลยุทธ์: Hyper-Personalized ดิจิทัลแบงก์กิ่ง AI
ธนาคารอีกแห่งเลือกประกาศตัวตรง ๆ ว่ากำลังขับเคลื่อนองค์กรสู่การเป็น AI-First Bank โดยใช้โมเดล Better Brain และกลยุทธ์ Digital Bank with Human Touch เพื่อยกระดับประสบการณ์ดิจิทัลแบงก์อย่างเต็มรูปแบบ ความเปลี่ยนแปลงที่ลูกค้ารู้สึกได้ทันทีคือการเปิดตัว EASY Store บนแอป ซึ่งทำหน้าที่เป็นศูนย์รวมบริการทางการเงินแบบ Hyper-Personalized ตั้งแต่การลงทุน บัตรเครดิต สินเชื่อ ประกัน ไปจนถึงบัญชีเงินฝาก พร้อมสิทธิพิเศษครบจบในที่เดียว. ในมุมของผู้ใช้ AI ธนาคารไทย รายนี้ไม่ได้ใช้ AI แค่จัดอันดับผลิตภัณฑ์ แต่พยายามสร้าง “AI ที่รู้ใจยู” ผ่านการวิเคราะห์ข้อมูลเชิงลึกทั้งพฤติกรรมและความต้องการส่วนบุคคล เพื่อเสนอข้อเสนอที่ตรงใจมากกว่าการยิงโปรโมชันแบบหว่าน ผลลัพธ์ที่ธนาคารตั้งใจจะดึงออกมาจากดิจิทัลแบงก์กิ่ง AI คือการดันยอดขายดิจิทัลและสัดส่วนรายได้ดิจิทัลให้เติบโตต่อเนื่อง โดยตั้งเป้าให้รายได้ดิจิทัลพุ่งไปถึงหนึ่งในสี่ของทั้งหมดในปีเป้าหมาย. ประเด็นที่สำคัญคือการมอง AI เป็นสมองกลางของการพัฒนาผลิตภัณฑ์และงานบริการ ไม่ใช่แค่โครงการทดลองในแอป โมเดล Better Brain ถูกใช้เป็นกรอบคิดใหม่ในการพัฒนาบริการ Digital Wealth เช่น AI Advisory Chatbot, MyAlert และ WEALTH4U เพื่อรองรับไลฟ์สไตล์การบริหารความมั่งคั่งแบบไร้รอยต่อ.
จาก 5 เสาหลักสู่คนรุ่นใหม่ขององค์กร: ทำไม Agentic AI ต้องเริ่มที่คน
สิ่งที่น่าจับตามองคือ ธนาคารไม่ได้สร้าง AI-First Bank กลยุทธ์ ด้วยเทคโนโลยีเพียงอย่างเดียว แต่ตั้งรากฐาน 5 ด้านคือ โจทย์ธุรกิจ กระบวนการ ข้อมูล เทคโนโลยี และคน ให้พร้อมก่อน นี่คือคำเตือนทางอ้อมต่อองค์กรอื่นว่า การซื้อแพลตฟอร์มแพง ๆ โดยไม่มีคนที่เข้าใจและกระบวนการที่รองรับ จะจบลงที่การมีเครื่องมือที่ไม่มีใครใช้. ในด้านคน ธนาคารลงทุนหนักกับการ Upskill ตั้งแต่การฝึกอบรมให้พนักงานเห็นศักยภาพ AI เกินกว่าการเป็นแชตบอต ไปจนถึงการตั้ง AI Community และ AI Clinic ให้พนักงานนำโจทย์เข้ามาถามผู้เชี่ยวชาญ ทิศทางเดียวกันนี้สะท้อนในแนวคิด Agentic Humanization ที่มุ่งสร้าง Human-AI Workforce Integration ให้คนและเอเจนต์ทำงานร่วมกันตามบทบาทที่ถนัด. ประเด็นสุดท้ายที่ไม่ควรมองข้ามคือ ผลกระทบต่อผู้ใช้งานทั่วไป เมื่อแบงก์ผลัก AI เข้าไปอยู่ลึกในกระบวนการหลังบ้าน ตั้งแต่ตรวจจับการโกง ไปถึงปรับขั้นตอนทำงาน การทำธุรกรรมจะสะดวกขึ้น ปลอดภัยขึ้น และเฉพาะบุคคลมากขึ้น แต่ก็ต้องแลกกับการที่ธนาคารต้องรับผิดชอบด้าน Guardrails และการใช้ข้อมูลอย่างมีจริยธรรมให้มากกว่าที่เคย.
