AI อ่านอีเมลสั่งซื้อแล้วสร้าง Sales Order ใน Odoo ให้อัตโนมัติ SME ไทยไม่ต้องคีย์ออเดอร์ซ้ำ

SME B2B ไทยไม่ต้องคีย์ออเดอร์จากอีเมลและ PDF เข้า Odoo ซ้ำแล้ว AI Agent ที่อ่านเอกสารสั่งซื้อ สกัดข้อมูลเป็น structured data ตรวจกับ master data และสร้าง Sales Order ฉบับร่างให้คนอนุมัติ ช่วยลดงานซ้ำโดยไม่ต้องยกเครื่องระบบ ERP เดิม และยังคง Human-in-the-loop ไว้ควบคุมความเสี่ยงก่อนเอกสารส่งผลจริง

ทำไมการคีย์ออเดอร์จากอีเมลและ PDF เข้า Odoo ด้วยมือยังเป็นจุดรั่วใหญ่ของกำไร

สำหรับ SME B2B ไทย พนักงานขายมักไม่ได้ขายอย่างเดียว แต่ยังต้องคัดลอกข้อมูลจากอีเมล พิมพ์เลขสินค้า ใส่ราคา และเลือกหน่วยนับใน Odoo ทีละบรรทัด ถ้าลูกค้าส่งใบสั่งซื้อมา 20 รายการ พนักงานอาจใช้เวลา 20-30 นาทีต่อออเดอร์ และยิ่งรีบมาก ยิ่งมีโอกาสสลับรหัสสินค้า คิดราคาผิด หรือลืมเงื่อนไขเครดิต

จุดรั่วของกำไรไม่ได้อยู่แค่เวลาที่เสียไป แต่อยู่ที่ต้นทุนของความผิดพลาดที่ถูกตรวจพบช้า เช่น คีย์จำนวนผิดไปแล้วตัดสต็อก ส่งของไม่ครบ หรือออกใบแจ้งหนี้ราคาต่ำกว่าที่ตกลงไว้ ลูกค้าอาจไม่ทักทันที แต่เมื่อกระทบยอดบัญชีปลายเดือน ต้องใช้เวลาทำเครดิตโน๊ต ทวงเอกสาร และแก้ระบบ อีกทั้งพนักงานขายที่ควรไปดูแลลูกค้ากลับต้องนั่งทำงาน data entry ซ้ำ ๆ ซึ่งไม่สร้างรายได้

ปัญหาเรื้อรังอีกอย่างคือออเดอร์ซ้ำ ลูกค้าส่ง PO มาทางอีเมล แล้วส่งข้อความในไลน์ตามอีกครั้ง พนักงานที่รับไม่คนเดียวกันอาจเผลอสร้างออเดอร์ใหม่ซ้ำซ้อนโดยไม่ได้ตรวจเลขที่ใบสั่งซื้อเดิม ผลคือสต็อกถูกสำรองเกิน ของเกินค้างสต็อก และเข้าใจผิดว่ายอดขายสูงกว่าความเป็นจริง ดังนั้นการคีย์ออเดอร์ด้วยมือจึงไม่ใช่แค่เรื่องความช้า แต่เป็นจุดที่ทำให้กำไรสุทธิรั่วโดยไม่รู้ตัว

AI อ่านอีเมลสั่งซื้อและสร้าง Sales Order ใน Odoo ทำงานอย่างไร

สถาปัตยกรรมที่ใช้งานได้จริงไม่ได้ใช้แค่ AI chatbot แต่ประกอบด้วย pipeline ที่เริ่มจากอีเมลขาเข้า ต่อด้วย OCR เพื่ออ่าน PDF หรือรูปภาพ แล้วให้ LLM แปลงข้อมูลเป็น JSON ตาม schema ของ sale.order ก่อนส่งไปสร้าง Draft Quotation ใน Odoo

ขั้นตอนแรกคือ n8n หรือเครื่องมือ workflow ตรวจจับอีเมลใหม่จากกล่องจดหมายที่กำหนด เช่น Gmail หรือ Microsoft Outlook โดยดึงเนื้อหาอีเมลและไฟล์แนบ PDF หากลูกค้าส่งใบสั่งซื้อผ่านไลน์ ก็ออกแบบให้ LINE Bot ส่งไฟล์เข้ามาที่ webhook เดียวกันได้ เมื่อได้ไฟล์แล้ว OCR จะเปลี่ยนเอกสารที่ไม่มีความหมายต่อระบบให้เป็นข้อความที่ LLM อ่านได้

จากนั้น LLM จะสกัดข้อมูลเป็น structured JSON เช่น ชื่อลูกค้า เลขที่อ้างอิง รายการสินค้า จำนวน ราคา และวันที่ต้องการของ ก่อนสร้างออเดอร์ระบบต้องเทียบกับ master data ใน Odoo เพื่อ map ชื่อสินค้าที่ลูกค้าเรียกกับ product_id จริง และดึงราคาจาก pricelist ว่าตรงหรือไม่ ถ้าถูกต้อง n8n จะเรียก Odoo API ให้สร้าง Sales Order ที่สถานะ Quotation แล้วส่งลิงก์ไปให้พนักงานตรวจ

นี่คือตัวอย่าง workflow ที่ SME นำไปตั้งเองได้: อีเมลลูกค้า -> ดึงไฟล์แนบ -> OCR -> LLM แปลงเป็น JSON -> ตรวจ partner และ product -> ตรวจราคากับ pricelist -> สร้าง draft order -> แจ้งพนักงานผ่าน Slack หรือไลน์ พนักงานเปิดลิงก์ดูความถูกต้อง แล้วกด Confirm Sale Order เท่านั้น ระบบจึงจะส่งผลต่อสต็อกและการออกใบแจ้งหนี้

ทำไม AI ควรทำแค่ฉบับร่าง และให้คนกดอนุมัติก่อนเสมอ

คำว่า Human-in-the-loop ไม่ได้แปลว่าเทคโนโลยีไม่ฉลาดพอ แต่แปลว่าออเดอร์มีผลต่อเงินและสินค้าจริง ความเสี่ยงบางอย่าง AI ไม่รู้ เช่น ลูกค้ารายนี้มีหนี้เกินวงเงินและต้องวางเงินสดก่อน หรือผู้บริหารเพิ่งตกลงราคาพิเศษนอกเหนือ pricelist ไว้ในโทรศัพท์ ซึ่งไม่มีข้อมูลในระบบ Odoo

การให้ AI สร้าง Sales Order ฉบับร่างก่อนทำให้พนักงานตรวจได้ด้วยความเร็วสูง พนักงานไม่ต้องคีย์ใหม่ทั้งหมด แต่ต้องใช้สายตายืนยันตัวเลขสำคัญ พร้อมกับดูกำหนดส่งของและเครดิตเทอม ลดงานซ้ำซ้อนโดยไม่ตัดอำนาจมนุษย์ออกไป

อีกเหตุผลคือความรับผิดชอบ หากระบบทำงานผิดพลาด ควรมีคนสุดท้ายที่กดอนุมัติและตรวจทานได้ AI ควรเก็บไฟล์ต้นฉบับและ JSON ที่สกัดได้ไว้เป็น log เพื่อให้พนักงานเทียบได้ว่า AI อ่านผิดตรงไหน และใช้เป็นข้อมูลปรับปรุง workflow ต่อไป

การออกแบบแบบนี้ทำให้ SME กล้าลองใช้เทคโนโลยี เพราะไม่ต้องฝากความเสี่ยงทั้งหมดไว้กับอัลกอริทึม ตัวอย่างโรงงานผลิตชิ้นส่วนที่ขายให้ผู้ประกอบการรายใหญ่ ลูกค้าส่ง PO มาทุกเช้า ถ้า AI แปลงเป็นใบเสนอราคาร่างแล้วพนักงานขายตรวจ 5 นาทีจบ ทีมขายมีเวลาไปคุยงานกับลูกค้าใหม่แทนการนั่งคีย์ออเดอร์ทั้งวัน

วิธีป้องกัน AI สร้างเลขสินค้าหรือราคาเพ้อ

คำถามที่เจ้าของธุรกิจไทยกังวลคือ AI ประสาทหลอนแล้วจะเอาเลขสินค้ามั่วหรือไม่ วิธีป้องกันต้องทำเป็นชั้น ไม่ใช่เชื่อ LLM 100% ชั้นแรกคือ validation กับ master data เมื่อ LLM ส่งชื่อสินค้าหรือรหัสสินค้ามา ระบบต้องค้นหาใน Odoo ถ้าไม่พบสินค้าที่ตรงเป๊ะ ระบบต้องตั้งสถานะให้พนักงานตรวจ และห้ามปล่อยให้ AI สร้างสินค้าใหม่เองโดยเด็ดขาด

ชั้นที่สองคือตรวจราคากับ pricelist ราคาจาก AI ไม่ควรเป็นราคาปิดตาย แต่ควรเป็นราคาที่แนะนำหรือราคาที่พนักงานใช้เปรียบเทียบ ถ้า AI อ่านราคาได้ไม่ตรงกับ pricelist ระบบจะคำนวณผลต่างและแจ้งเตือน เพราะออเดอร์ที่ราคาต่ำกว่ามาตรฐานอาจทำให้กำไรหายโดยที่พนักงานไม่ทันสังเกต

ชั้นที่สามคือกันออเดอร์ซ้ำด้วยการเทียบเลขที่อ้างอิงของลูกค้า client_order_ref หรือ hash ของไฟล์ PDF เพื่อไม่ให้สร้างออเดอร์ใหม่เมื่อลูกค้าส่งไฟล์เดิมซ้ำ ถ้าพบว่าเลข PO ซ้ำกับออเดอร์เก่า ให้หยุด workflow แล้วแจ้งพนักงานตรวจก่อนสร้าง Draft

นอกจากนี้ควรกำหนด confidence threshold เช่น หากคะแนนความมั่นใจจากระบบอยู่ต่ำกว่าเกณฑ์ หรือมีรายการที่ map ไม่ครบ 100% ให้สถานะเป็น Needs Review แทนการสร้างออเดอร์อัตโนมัติเต็มรูปแบบ การแจ้งเตือนรายการไม่ตรงผ่านอีเมลหรือไลน์ไปหาคนรับผิดชอบ จะช่วยให้แก้ไขได้ก่อนออเดอร์ไหลเข้าสต็อกโดยไม่รู้ตัว

เริ่ม Pilot กับลูกค้ากลุ่มเล็กก่อนวัดผลอย่างไร

SME ที่อยากเริ่มใช้จริงไม่ควรตั้งเป้าอัตโนมัติทั้งหมดในสัปดาห์แรก ให้เลือกกลุ่มลูกค้าที่ส่งใบสั่งซื้อรูปแบบเดิมซ้ำ ๆ เช่น ลูกค้าประจำที่ส่ง PDF จากระบบ ERP ของตัวเอง ซึ่งมีโครงสร้างชัดเจน ไม่ควรเริ่มจากสแกนเอกสารที่เขียนด้วยมือที่มีฟอนต์หลากหลาย

ในระยะ Pilot ควรส่งอีเมลที่มีออเดอร์จริงให้ระบบประมวลผลไปพร้อมกับให้พนักงานคีย์ปกติ แล้วนำผลลัพธ์มาเทียบกันเพื่อวัดความแม่นยำ โดยเฉพาะสินค้าที่ลูกค้าใช้ชื่อย่อหรือรหัสเฉพาะของตัวเอง ควรสร้างตาราง map สินค้าลูกค้ากับสินค้าใน Odoo และเพิ่มกรณีตัวอย่างลงใน prompt เพื่อให้ LLM เรียนรู้รูปแบบเดิม

ขั้นตอนปฏิบัติคือเลือกอีเมลลูกค้า 1-2 ราย ตั้งค่า n8n workflow แบบจำกัดไม่ให้สร้างออเดอร์จริง แต่สร้างเป็นบันทึกตรวจสอบก่อน แล้วเก็บผลลัพธ์จากเอกสารย้อนหลัง 30 ใบ เพื่อดูอัตราที่ AI map รหัสสินค้าได้ถูกต้อง ระบบควรทำนายยอดรวมได้ตรงกับออเดอร์จริงกี่เปอร์เซ็นต์ ถ้าต่ำกว่าเกณฑ์ให้ปรับ format หรือเพิ่มตัวอย่างก่อนขยายผล

ควรวัด KPI ที่ธุรกิจเข้าใจร่วมกัน เช่น เวลาเฉลี่ยต่อออเดอร์ ก่อนและหลังใช้ระบบ อัตราความถูกต้องของรายการสินค้า จำนวนออเดอร์ที่ต้องแก้ไข และต้นทุนต่อรายการ ถ้าพนักงานใช้เวลา 20 นาทีต่อออเดอร์ลดเหลือ 3 นาทีต่อออเดอร์โดยไม่เพิ่มความเสี่ยง นั่นคือสัญญาณว่าขยายผลได้

การ Pilot กับลูกค้ากลุ่มเล็กยังช่วยสร้างความเชื่อมั่นให้ทีมขาย เพราะพนักงานไม่รู้สึกว่าระบบมาแทนที่ แต่เห็นว่าระบบช่วยเตรียมงานสกปรกให้เสร็จก่อน พนักงานมีเวลาเหลือไปตรวจสอบเงื่อนไขที่ AI มองไม่เห็น เช่น เครดิตลูกค้า โปรโมชันพิเศษ หรือรอบการส่งมอบ เมื่อทีมเริ่มไว้ใจ workflow นี้ จึงค่อยเพิ่มลูกค้าและเอกสารประเภทอื่น

สรุป: เริ่มจากออเดอร์เดียว อย่ารอให้พร้อมทั้งหมด

AI ที่อ่านอีเมลสั่งซื้อแล้วสร้าง Sales Order ใน Odoo ให้อัตโนมัติไม่ใช่แนวคิดไกลตัวอีกต่อไป SME B2B ไทยสามารถเริ่มจากลูกค้าประจำเพียงหนึ่งราย ใช้ไฟล์ PDF มาตรฐานหนึ่งรูปแบบ และให้พนักงานเป็นคนกดอนุมัติขั้นสุดท้าย ผลลัพธ์ที่เกิดขึ้นจริงคือทีมขายไม่เสียเวลากับการคีย์ออเดอร์ซ้ำ ข้อผิดพลาดจาก human error ลดลง และข้อมูลใน Odoo เข้าสู่ระบบได้เร็วขึ้น

หัวใจสำคัญคือทำให้ AI ตรวจกับ master data ก่อนสร้างเอกสาร เก็บหลักฐานการตัดสินใจทุกขั้นตอน และไม่ปล่อยให้ AI ข้ามคนในจุดที่กระทบเงินและสต็อก การเริ่มเล็ก ๆ วัดผล KPI ที่ชัดเจน แล้วขยายจากออเดอร์กลุ่มเดิมไปยังเอกสารรูปแบบใหม่ จะช่วยให้ SME ไทยได้ประโยชน์จาก AI โดยไม่ต้องแบกรับความเสี่ยงทั้งองค์กร