RPA ยังไม่ตาย? AI Agent กับระบบอัตโนมัติแบบเดิม ต่างกันยังไง SME ไทยควรเลือกอะไร

RPA ยังไม่ตาย แต่กำลังเปลี่ยนบทบาทจากผู้เล่นหลักมาเป็น มือที่ทำงานซ้ำ ๆ ในระบบอัตโนมัติขนาดใหญ่ ขณะที่ AI Agent ทำหน้าที่เป็น สมองที่วางแผน ใช้เครื่องมือ และจัดการข้อยกเว้นได้เอง SME ไทยที่ลงทุนระบบ ERP อย่าง Odoo ไปแล้วไม่ได้ต้องการคำตอบว่าเลือกอะไรถูกหรือผิด แต่ต้องการวิธีผสมสองอย่างให้ทำงานร่วมกับกระบวนการเดิม ลดค่าจ้างพนักงานคีย์ข้อมูล และลด error ที่เกิดจากเอกสารไม่เป็นรูปแบบ บทความนี้จะสรุปหลักการของ RPA และ AI Agent เกณฑ์ 4 ข้อเลือกงาน ตัวอย่างผสมกับ workflow นำเข้าออเดอร์ และแนวทางเริ่มต้นจริงด้วย n8n หรือ Make ที่มีมนุษย์อยู่ในวงจร โดยไม่ต้องทิ้งระบบเดิมและเห็น ROI ชัดเจน

RPA กับ AI Agent ต่างกันตรงไหน แล้วทำไมต้องใช้คู่กัน

RPA (Robotic Process Automation) คือซอฟต์แวร์ที่จำลองการทำงานของมนุษย์บนหน้าจอคอมพิวเตอร์ เช่น เปิดอีเมล ดาวน์โหลดไฟล์แนบ อ่านข้อมูลจาก Excel คัดลอกวางลงหน้าจอ Odoo แล้วกดบันทึก ทุกขั้นตอนถูกเขียนเป็นกฎตายตัวแบบ if-this-then-that ผลลัพธ์คาดเดาได้และตรวจสอบง่าย ต้นทุนต่อธุรกรรมต่ำมากเมื่อเทียบกับการจ้างคน แต่บอทไม่เข้าใจบริบท ถ้าหัวตารางใน PDF เลื่อนไปหนึ่งบรรทัด หรือลูกค้าเขียนว่า "ราคานี้รวมค่าส่งแล้ว" บอทจะดึงค่าผิดโดยไม่รู้ตัว

AI Agent ใช้โมเดลภาษาขนาดใหญ่ (LLM) เป็นแกนหลัก แล้วเสริมความสามารถในการวางแผนและเรียกใช้เครื่องมือ เช่น ค้นหาสินค้าใน Odoo ผ่าน API ค้นหานโยบายส่วนลดจากเอกสาร หรือส่งข้อความขออนุมัติใน LINE เมื่อเจอสถานการณ์ที่ไม่เคยเห็น มันทำงานจากเป้าหมายระดับสูงอย่าง "สร้างใบสั่งขายจากอีเมลลูกค้าให้ถูกต้อง" แล้วแตกเป็นขั้นตอนย่อยและปรับวิธีเรื่อย ๆ เมื่อข้อมูลเปลี่ยน เทียบง่าย ๆ คือ RPA ทำให้ process เป็นอัตโนมัติ ส่วน AI Agent ทำให้ goal เป็นอัตโนมัติ RPA เป็นมือที่ทำงานตรงไปตรงมา AI Agent เป็นสมองคอยคิด ส่วนมนุษย์ยังเป็นผู้ควบคุมกรอบและตัดสินใจขั้นสุดท้าย

ทำไม SME ไทยที่ใช้ Odoo หรือ ERP ถึงต้องสนใจระบบไฮบริดตอนนี้

ค่าแรงพนักงานฝ่ายปฏิบัติการและบัญชีในไทยไม่ได้ถูกอีกต่อไป การจ้างคน 1 คนเพื่อกรอกออเดอร์และตรวจเอกสารทั้งวันมีต้นทุนรวมเดือนละ 18,000-25,000 บาท ยังไม่รวมความผิดพลาดจากการพิมพ์ผิด อ่านลายมือผิด หรือลืมเงื่อนไขที่ตกลงกับลูกค้าไว้ทางอีเมล ขณะเดียวกันเอกสารธุรกิจไทยไม่ได้สะอาดอย่างที่ระบบ ERP ต้องการ ใบสั่งซื้อจากลูกค้าแต่ละรายมีฟอร์มไม่เหมือนกัน บางไฟล์เป็น PDF ที่สแกนมา บางไฟล์เป็นรูปถ่ายจากมือถือ ซึ่ง RPA เดิมที่อ่านตามพิกัดหน้าจอไม่สามารถรองรับได้

จุดเปลี่ยนสำคัญคือตอนนี้โมเดลภาษารองรับภาษาไทยและเอกสารที่ไม่มีโครงสร้างในระดับใช้งานได้จริง และ low-code อย่าง n8n หรือ Make มี node เชื่อมต่อ Gmail, Odoo, Google Sheets และ Slack สำเร็จรูป SME จึงไม่ต้องจ้างทีม Data Science เพื่อเริ่มต้น สิ่งที่ต้องมีคือเจ้าของธุรกิจเข้าใจกระบวนการของตัวเอง และเลือกงานที่จะ automate อย่างมีหลักการ ระบบไฮบริดช่วยให้ไม่ต้องทิ้ง RPA หรือ ERP เดิม แต่เพิ่มชั้นความฉลาดในการอ่าน ทำความเข้าใจ และตัดสินใจเฉพาะจุดที่มีข้อยกเว้น ซึ่งเป็นจุดที่ระบบเดิมเสียเวลาและสร้าง error มากที่สุด

เลือกงานให้ RPA หรืองานให้ AI Agent ใช้เกณฑ์ 4 ข้ออะไรบ้าง

เกณฑ์แรกคือปริมาณธุรกรรม ถ้างานมีปริมาณสูง 500-5,000 รายการต่อวัน และรูปแบบเดิมซ้ำ ๆ ซาก ๆ เช่น ดึงยอดขายจากไฟล์ CSV เข้า Odoo ทุกคืน RPA ยังเป็นตัวเลือกที่ดีที่สุดเพราะต้นทุนต่อรายการต่ำและเร็วมาก แต่ถ้างานมีปริมาณหลักสิบถึงหลักร้อยรายการต่อวัน แต่ทุกรายการมีความต่างกันสูง เช่น อีเมลสั่งซื้อที่ลูกค้าเขียนอิสระ AI Agent จะคุ้มกว่าเพราะช่วยลดการเขียนกฎที่ไม่มีวันจบ

เกณฑ์ที่สองคือจำนวนข้อยกเว้น ลองสุ่มดูอีเมลและเอกสารย้อนหลัง 100 รายการ ถ้าพบว่าน้อยกว่า 10% มีรูปแบบต่างจากมาตรฐาน RPA ก็พอไหว แต่ถ้าข้อยกเว้นมากกว่า 20-30% ของงาน RPA ล้วน ๆ จะต้องมีคนคอยแก้ตลอด ควรนำ AI Agent มาวางไว้ก่อน เพื่อให้มันอ่านและตีความเอกสารแล้วแปลงเป็น structured data ก่อนส่งให้ RPA หรือ API ลง ERP

เกณฑ์ที่สามคือระดับความเสี่ยง งานที่ผิดพลาดแล้วกระทบเงินและกฎหมาย เช่น การตั้งราคาขาย การให้ส่วนลดเกินสิทธิ์ หรือการประมวลผลภาษี ต้องออกแบบให้ AI Agent เสนอเท่านั้นแต่ไม่มีสิทธิ์เขียนข้อมูลจริง ส่วนงานความเสี่ยงต่ำ เช่น จัดหมวดหมู่อีเมล หรือแก้ชื่อที่อยู่ให้เป็นรูปแบบเดียวกัน ปล่อยให้อัตโนมัติได้เต็มที่

เกณฑ์สุดท้ายคือโครงสร้างระบบเดิม ถ้า Odoo หรือ ERP มี API ที่เอกสารครบ การเชื่อมต่อควรทำผ่าน API ซึ่งทำได้ทั้ง RPA แบบ headless และ AI Agent โดยไม่ต้องแตะหน้าจอ แต่ถ้าระบบเดิมเป็น legacy ที่ไม่มี API หรือเป็นหน้าจอเก่าที่แก้ไม่ได้ RPA แบบ screen-scraping ยังจำเป็น เพราะมันเป็นเพียงสะพานส่งข้อมูล ส่วน AI Agent ทำหน้าที่ตรวจสอบก่อนและหลังเพื่อลดความเสี่ยงจากการที่ RPA อ่านหน้าจอผิด

นำเข้าออเดอร์ใน Odoo ด้วย RPA + AI Agent ทำได้จริงหรือ

สมมติธุรกิจค้าส่งแห่งหนึ่งรับออเดอร์จากลูกค้าประจำ 80 เจ้าผ่านอีเมลวันละ 200-400 ฉบับ แต่ละเจ้าแนบไฟล์ PDF ที่มีฟอร์มไม่เหมือนกัน พนักงาน 2 คนต้องเปิดอีเมล พิมพ์เลขสินค้า จำนวน ราคา และที่อยู่จัดส่งลง Odoo ใช้เวลาเฉลี่ย 4-6 ชั่วโมงต่อวัน และมี error ประมาณ 5% จากกรอกสลับหน่วยหรือใช้ราคาเก่า

ระบบไฮบริดที่ใช้งานได้จริงเริ่มจาก n8n ตรวจอีเมลขาเข้าทุก 5 นาที ดาวน์โหลดไฟล์แนบ แล้วส่งให้ AI Agent อ่าน PDF แล้วตอบกลับมาเป็น JSON เช่น เลขที่ออเดอร์ รายการสินค้า จำนวน หน่วยนับ ราคาต่อหน่วย ยอดรวม และเงื่อนไขเครดิต จากนั้น workflow จะตรวจ JSON กับ master data ใน Odoo ผ่าน API ถ้าทุกอย่างตรงกัน RPA หรือ integration node จะสร้าง sale order ฉบับร่างโดยอัตโนมัติ แต่ถ้าเจอ SKU ที่ไม่ตรงกับสินค้า ราคาต่างจากราคาล่าสุดใน Odoo เกิน 5% ยอดรวมใน PDF กับผลคูณไม่ตรงกัน หรือลูกค้าเขียนเงื่อนไขพิเศษ ระบบจะส่งการแจ้งเตือนไปที่ Slack หรือ LINE ให้พนักงานตรวจสอบและแก้ไขก่อนอนุมัติ

ผลลัพธ์ที่ผู้ให้บริการด้าน document automation มักระบุคือรายการที่ข้อมูลตรงกันทั้งหมดสามารถผ่านได้อัตโนมัติ 70-85% เหลือเพียง 15-30% ที่ต้องให้มนุษย์ตัดสินใจ (ตัวเลขจริงขึ้นกับคุณภาพเอกสารและการตั้งค่า) พนักงานจึงไม่ได้ตกงานแต่เปลี่ยนไปทำงานที่มีมูลค่าสูงขึ้น คือต่อรองกับลูกค้าและดูแลกรณียุ่งยาก แทนที่จะนั่งพิมพ์ทั้งวัน

เริ่มต้นด้วย n8n หรือ Make ใน 1-2 สัปดาห์ต้องทำอะไรบ้าง

อย่าเริ่มด้วยการเขียน microservice หรือซื้อ RPA ยี่ห้อใหญ่ราคาแพงทันที เริ่มจาก workflow เล็ก ๆ ใน n8n หรือ Make ก่อน ขั้นแรกเลือกงานเดียวที่ปวดหัวที่สุด เช่น การนำเข้าออเดอร์หรือการแยกประเภทใบแจ้งหนี้ แล้วเก็บตัวอย่างจริง 100 รายการ พร้อมผลลัพธ์ที่พนักงานเคยทำไว้ ขั้นต่อมาออกแบบ workflow ด้วยโหนดสำเร็จรูป: trigger จากอีเมลแนบไฟล์, แปลงไฟล์เป็นข้อความ, เรียก API ของโมเดลภาษา, ให้โมเดลตอบเป็น JSON ตาม schema ที่กำหนด, จากนั้นตรวจ schema เพื่อกันไม่ให้ field ว่างหรือผิดประเภท

ช่วงสองสัปดาห์แรกควรใช้ shadow mode คือให้บอทประมวลผลและเขียนผลลัพธ์ลง Google Sheets เพื่อเทียบกับผล manual โดยยังไม่เขียนเข้าฐานข้อมูลจริง แล้วค่อย ๆ วัด precision และ recall เมื่อความแม่นยำถึงเกณฑ์ที่ยอมรับได้ เช่น มากกว่า 95% จึงค่อยเปิดให้บอทสร้างเอกสารฉบับร่างใน Odoo ส่วนจุดที่ AI ไม่มั่นใจให้ตั้งค่าเป็น human-in-the-loop โดยส่งไปที่ Slack หรือ LINE เพื่อให้พนักงานกดอนุมัติได้ในไม่กี่วินาที พนักงานจะได้เรียนรู้จุดอ่อนของระบบและช่วยปรับปรุง prompt ไปพร้อมกัน

จะควบคุม hallucination ค่าใช้จ่าย และ human-in-the-loop ยังไง

AI Agent ไม่ได้แม่นยำร้อยเปอร์เซ็นต์ การควบคุมต้องทำเป็นชั้น ๆ ชั้นแรกคือ จำกัดสิทธิ์ บัญชีที่บอทใช้ใน Odoo ควรสร้างเอกสารฉบับร่างได้อย่างเดียว ไม่สามารถแก้ราคา ลบรายการ หรืออนุมัติเองได้ ชั้นที่สองคือ Validate ผลลัพธ์ บังคับให้โมเดลตอบเป็น JSON ที่มี schema ชัดเจน จากนั้นตรวจ SKU กับตารางสินค้าจริงในระบบ ถ้า SKU ไม่มีในฐานข้อมูลให้ถือว่าไม่ผ่านทันที ชั้นที่สามคือ ตั้งเงื่อนไขขออนุมัติ เช่น ราคาไม่ตรง master data เกิน 5% ยอดรวมต่างกัน ส่วนลดเกินนโยบาย หรือลูกค้าเป็นรายใหม่ ให้หยิบเข้ากล่องรอตรวจสอบโดยอัตโนมัติ

ในด้านค่าใช้จ่าย ควรบันทึกจำนวน token และค่าใช้จ่ายต่อรายการลงใน log ทุกครั้ง เพื่อดูว่าออเดอร์หนึ่งใบมีต้นทุนเฉลี่ยเท่าไหร่ งานบางประเภทไม่จำเป็นต้องใช้โมเดลใหญ่ที่สุด ให้ใช้โมเดลเล็กที่ถูกและเร็วสำหรับการ extract แล้วใช้โมเดลใหญ่เฉพาะงานที่ต้องใช้เหตุผลซับซ้อน และควรตั้ง budget alert เมื่อค่าใช้จ่ายรายเดือนเกินเกณฑ์ ในด้าน compliance ข้อมูลลูกค้าที่เป็นข้อมูลส่วนบุคคลต้องอยู่ภายใต้ พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล ดังนั้นต้องแน่ใจว่าผู้ให้บริการโมเดลรองรับการประมวลผลข้อมูลในภูมิภาคที่ต้องการ หรือเลือกใช้โมเดล open-weight ที่ deploy ในโครงสร้างพื้นฐานของตัวเองสำหรับข้อมูลอ่อนไหว

สรุป: RPA ตายหรือยัง และ SME ไทยควรเริ่มที่ตรงไหน

RPA ไม่ตาย แต่มันไม่ใช่คำตอบเดียวสำหรับงานอัตโนมัติอีกต่อไป ในโลกที่เอกสารและอีเมลไม่ได้มีรูปแบบสมบูรณ์แบบ AI Agent เข้ามาเติมเต็มจุดอ่อนของ RPA ด้านการอ่าน ตีความ และจัดการข้อยกเว้น ขณะเดียวกัน RPA ก็ยังเป็นมือที่ทำงานกับระบบ legacy ที่ไม่มี API หรือทำงานซ้ำ ๆ ที่ต้องการความเร็วสูง SME ไทยที่ใช้ Odoo หรือ ERP เดิมอยู่แล้วไม่จำเป็นต้องเทระบบทิ้ง แค่เพิ่มชั้น AI Agent เข้าไปใน workflow เดิมตามเกณฑ์ 4 ข้อคือปริมาณธุรกรรม จำนวนข้อยกเว้น ความเสี่ยง และโครงสร้างระบบเดิม แล้วเริ่มจากงานเดียว ทำ shadow mode ให้ผ่านเกณฑ์ ตั้ง human-in-the-loop และวัดผลด้วยข้อมูลจริง การลงทุนหลักแสนบาทมีโอกาสคืนทุนใน 6-12 เดือน และที่สำคัญคือทีมงานจะเริ่มเห็นว่าระบบอัตโนมัติเป็นเครื่องมือที่ช่วยเพิ่มกำลังความสามารถ ไม่ใช่ตัวแทนที่มาแย่งงาน ถ้าต้องการกำลังคนช่วยออกแบบและตั้งค่า Flowtica พร้อมเป็นพาร์ทเนอร์เดินไปด้วยกันตั้งแต่ pilot จนถึงขยายผลทั้งองค์กร