Agentic AI ธนาคาร: จากแชตบอต ตอบคำถามสู่เอเจนต์ที่ทำงานแทนคน
Agentic AI ธนาคาร คือการใช้โมเดล AI แบบตัวแทนอัตโนมัติที่ไม่เพียงตอบคำถามหรือทำนายผล แต่สามารถเข้าใจกระบวนการทางธุรกิจ ทำงานหลายขั้นตอน เชื่อมต่อระบบต่างๆ และตัดสินใจแทนมนุษย์ภายใต้กติกาที่กำหนด เพื่อให้บริการทางการเงินและจัดการงานหลังบ้านแบบครบวงจรตั้งแต่ต้นจนจบได้อย่างต่อเนื่อง โปร่งใส และปลอดภัย โดยมีมนุษย์เป็นผู้กำกับและร่วมงานอย่างใกล้ชิด
ประเด็นสำคัญตอนนี้คือธนาคารขนาดใหญ่กำลังก้าวข้ามช่วงทดลองแชตบอต ไปสู่การทำ Automation การธนาคารในระดับโครงสร้าง ผ่าน Agentic AI ที่ฝังอยู่ในกระบวนการทำงานจริง ไม่ใช่เพียงตั้งทีมทดลองเล็กๆ อีกต่อไป KBTG ระบุชัดว่าคลื่นลูกใหม่คือ Agentic AI ที่ไม่เพียงทำงานเอง แต่ยังสั่งการ AI ตัวอื่นเพื่อจัดการงานซับซ้อนได้มากขึ้น การขยับจาก “เครื่องมือช่วยตอบ” ไปเป็น “เพื่อนร่วมงานดิจิทัล” ทำให้เกม Digital transformation ธนาคาร เปลี่ยนจากการแข่งขันฟีเจอร์หน้าแอป ไปสู่การแข่งขันด้านสถาปัตยกรรม AI ทั้งองค์กร
KBTG: Human-First x AI-First และโรงงานผลิต Agentic AI
KBTG เลือกเดินเกม Agentic AI แบบชัดเจนภายใต้ยุทธศาสตร์ Human-First x AI-First Transformation ตั้งเป้าให้คนกับ AI ทำงานร่วมกันโดยวางมนุษย์ไว้ศูนย์กลาง ไม่ใช่แทนที่คน จุดยืนนี้น่าสนใจ เพราะมันปฏิเสธมายาคติว่า AI ต้องมาแย่งงาน แล้วหันไปลงทุนกับศักยภาพคนและแพลตฟอร์มควบคู่กัน
หัวใจของกลยุทธ์คือการสร้าง AthenaMind แพลตฟอร์มสำหรับสร้าง AI Agent เปรียบเสมือน “โรงงานผลิต Agentic AI ธนาคาร” ที่ออกแบบมาให้แต่ละส่วนงานสร้างเอเจนต์เฉพาะทางของตัวเองได้รวดเร็วและมาตรฐานเดียวกัน ตัวอย่างที่เริ่มใช้จริงแล้วคือ HR Chat Agent ที่ตอบคำถามสวัสดิการพนักงาน เช่น ประกันกลุ่ม กองทุนสำรองเลี้ยงชีพ และการลา ลดเวลางานซ้ำๆ และเพิ่มคุณภาพข้อมูลให้พนักงานทุกคนเข้าถึงสิทธิประโยชน์ได้เท่าเทียม พร้อมกันนั้น KBTG ยังตั้งเป้าผลลัพธ์ทางธุรกิจมากกว่า 10,000 ล้านบาทภายในปี 2572 ผ่านการยกระดับเป็น AI-Infused Organization ที่ให้ AI เข้ามาผสมในทุกจุดการทำงาน ไม่ใช่เพียงบางโปรเจกต์
KBank: จาก AI จับโกงสู่ 500 เคสงานจริงและ 3 ระดับการเปลี่ยนผ่าน
อีกฝั่งหนึ่ง KBank เลือกพิสูจน์ว่า AI-First ไม่ได้แปลว่าซื้อเทคโนโลยีแพงๆ แล้วจบ แต่เริ่มจากรากฐานธุรกิจ กระบวนการ ข้อมูล เทคโนโลยี และคนให้พร้อมก่อน แล้วค่อยขยาย Agentic AI ไปทั่วองค์กร แนวคิด “Snowball” ที่เริ่มจากยูสเคสเล็กๆ ในแต่ละหน่วยงาน แล้วค่อยรวบรวมต่อยอดเป็นแพลตฟอร์มกลาง คือบทเรียนสำคัญว่าการทำ Automation การธนาคาร ต้องวิ่งจากล่างขึ้นบนควบคู่บนลงล่าง
จากโครงการ AI กว่า 1,000 รายการ มีประมาณ 500 โครงการที่ผ่านการทดลองและใช้งานจริง สร้างฐานประสบการณ์ให้ธนาคารต่อยอดได้เร็วขึ้น พนักงานราว 5,000 คนได้รับการเตรียมความพร้อมด้าน AI ไม่ใช่แค่สายเทค แต่ครอบคลุมผู้บริหารและหน่วยธุรกิจต่างๆ เพื่อให้ AI ขยับบทบาทจากเครื่องมือวิเคราะห์ ไปเป็น Co-worker ที่ช่วยจัดการงานบางส่วนร่วมกับคน เส้นทางถูกวางไว้สามระดับคือ Self-service ให้ทุกคนใช้ AI ในงานประจำ, Process Improvement ปรับปรุงกระบวนการที่ใช้ร่วมกันหลายหน่วยงาน และระดับสูงสุดคือการเปลี่ยนโฉมธุรกิจเต็มรูปแบบด้วยแพลตฟอร์ม AI กลาง
SCB EASY: จากโมบายแบงก์สู่ AI-First Bank ที่รู้ใจลูกค้าแบบ Hyper-Personalized
ถ้าดูฝั่งลูกค้า ปรากฏการณ์ที่ชัดสุดคือแอป SCB EASY ที่ประกาศเป้าหมายสู่การเป็น AI-First Bank ภายใต้แนวคิด Digital Bank with Human Touch นำ AI เข้าไปอยู่ในทุกมิติของการให้บริการ จุดนี้ทำให้ Generative AI ธุรกิจ ไม่ใช่คำสวยหรู แต่กลายเป็นเครื่องยนต์สร้างประสบการณ์และรายได้ดิจิทัลจริง
ฟีเจอร์เด่นคือ “EASY Store” ศูนย์รวมบริการทางการเงินเฉพาะคุณบนแอป ที่ใช้แบบจำลอง Machine Learning วิเคราะห์ข้อมูลและพฤติกรรมลูกค้าอย่างรอบด้าน แล้วคัดสรรผลิตภัณฑ์ที่ตรงใจแต่ละคน ทั้งการลงทุน บัตรเครดิต สินเชื่อ ประกัน และบัญชีเงินฝาก พร้อมสิทธิพิเศษในที่เดียว ธนาคารตั้งเป้าให้ผู้ใช้ SCB EASY กว่า 18 ล้านราย มีอย่างน้อย 30% ใช้ EASY Store ภายในสิ้นปี 2567 และผลักดันยอดขายดิจิทัลผ่านแอปให้เติบโต 61% ต่อปี พร้อมดันสัดส่วนรายได้ดิจิทัลเกิน 13% ในปี 2567 เพื่อไปสู่ 25% ในปี 2568 นี่คือคำยืนยันเชิงตัวเลขว่า AI แนะนำผลิตภัณฑ์ที่ดีขึ้น แปลตรงๆ เป็นรายได้ที่โตขึ้น
บทสรุป: ก่อนวิ่งสู่ Agentic AI ต้องสร้างฐานให้แน่นทั้งโจทย์ ข้อมูล และคน
เมื่อมองภาพรวม สิ่งที่สามธนาคารใหญ่กำลังทำเหมือนกันคือย้ายจุดศูนย์ถ่วงจาก “แชตบอตหน้าบ้าน” ไปสู่ “Agentic AI ธนาคาร” ที่ทำงานลึกเข้าไปในกระบวนการ ตั้งแต่ Self-service ของพนักงาน ไปจนถึงแพลตฟอร์มกลางที่หลายหน่วยงานใช้ร่วมกัน และบริการลูกค้าที่ Hyper-Personalized บนโมบายแบงก์กิ้ง
แต่บทเรียนสำคัญคือ Agentic AI ไม่ได้เริ่มจากการเลือกโมเดลเก่งที่สุด หากเริ่มจากห้าเสาหลักคือ โจทย์ธุรกิจที่ชัด กระบวนการที่ออกแบบรองรับ ข้อมูลที่สะอาดและเชื่อมโยงได้ เทคโนโลยีและแพลตฟอร์มมาตรฐานองค์กร และคนที่มีความรู้แรงจูงใจจะใช้ AI ธนาคารที่วางชั้นรากฐานเหล่านี้แน่นแล้ว จึงขยายไปสู่การเป็น AI-Infused Organization ได้รวดเร็วกว่าและเสี่ยงน้อยกว่า ในโลกที่ Generative AI ธุรกิจ กำลังกลายเป็นตัวแปรหลักของการแข่งขัน การตั้งกลยุทธ์ Human-First x AI-First และ AI-First Bank ไทย ให้ลงมือทำจริงในงานประจำวัน คือเส้นทางเดียวที่จะทำให้ Automation การธนาคาร ไปไกลกว่าแค่คำโฆษณา
