การทุ่มงบประมาณกว่า 17,000 ล้านบาท ของ KBTG สำหรับแผนระยะสั้น 3 ปี (ปี 2020 – 2021) เพื่อการวาง รากฐานเทคโนโลยีในหลายเรื่องสำคัญให้กับธนาคารกสิกรไทย ภายใต้วิสัยทัศน์ KBank Vision 2020 “A Step Ahead Forever” มีสิ่งใหม่ๆ เกิดขึ้นมากมาย เพื่อผลักดันให้กสิกรไทยก้าวสู่การเป็น Tech Company อย่างเต็มรูปแบบ

โดยหลักใหญ่ใจความสำคัญของกระบวนการทำงาน จะเป็นเรื่องของการวางระบบด้านเทคโนโลยีใหม่ มีการขับ เคลื่อนนวัตกรรมด้วย AI และ Data นอกเหนือจากการสนับสนุนการพัฒนาบริการของพันธมิตรด้วยการเปิด API รับการ เชื่อมต่อเข้ากับระบบบริการของธนาคาร (Open Banking API) ควบคู่ไปกับการหา New S Curve Factory

ท่ามกลางการขับเคลื่อนนวัตกรรมด้วย AI และ Data เพื่อทำให้องค์กรก้าวไปสู่เป้าหมายใหญ่ที่วางไว้ โดยมี KBTG ทำหน้าที่ผสานแพลตฟอร์มของข้อมูล และเทคโนโลยีเข้าด้วยกัน (Data and AI Pipeline) และกระบวนการจัด การนวัตกรรม (Innovation) เพื่อเร่งสร้างโปรดักต์นวัตกรรมให้ธนาคารกสิกรไทย

ภายใต้กระบวนการทำงานของโมเดล KPlus Platform เรืองโรจน์ พูนผล หรือ “กระทิง” ประธาน Kasikorn Business Technology Group หรือ KBTG หน่วยงานที่ดูแลด้านเทคโนโลยีของเครือธนาคารกสิกรไทย กล่าวว่า ในทุกๆ วินาทีจะต้องมีการกระบวนการเก็บข้อมูลจำนวนมหาศาลที่เข้ามาแบบเรียลไทม์ราวๆ 50 เทราไบซ์

“เปรียบเทียบได้กับการดูซีรีส์ Game of Throne เป็นจำนวนมากถึง 22 ตอน หรือเกือบๆ 2 ซีซั่น ถือเป็นความสุด เป็น โจทย์ที่ยากมาก ต้องวิเคราะห์ให้เร็ว ดังนั้นในกระบวนการทำงานจึงต้องมีทีม Machine Learning เพราะโมเดลที่ดีบางทีก็คำนวณได้ช้า”

เบื้องหลังงานไอทีที่ยุ่งยากจึงมีทีมงานสำคัญอย่าง Machine Learning คอยซัพพอร์ต วันนี้ BrandAge Online จึงอยากพาคุณผู้อ่านมาทำความรู้จักทีมงานคุณภาพที่อยู่ภายใต้การดูแลของ KASIKORN Labs ของ KBTG กับการทำ DATA Streaming เพื่อให้สามารถวิเคราะห์ข้อมูลจำนวนมหาศาลได้แบบเรียลไทม์

เพราะงานหลักๆ ของ KASIKORN Labs คือ การนำเรื่องของ Machine Learning มาพัฒนา Data-Driven Transformation เพื่อใช้เป็นเครื่องมือในการเก็บข้อมูล ซึ่งในแต่ละปีข้อมูลที่เก็บได้จะมีจำนวนมหาศาล ว่ากันว่า เฉพาะ ของ KBank ปี 2562 ทั้งปีเท่ากับข้อมูลที่ผ่านมากว่า 70 ปีของ KBank รวมกัน และปีนี้ก็คาดว่าจะมีมากเท่ากับกว่า 70 ปีที่ผ่านมาเช่นกัน ซึ่งเป็น Very Big Data ซึ่ง KBank คอนโทรลข้อมูลเกือบๆ 40% ของ Transaction ที่เกิดขึ้นของทั้ง ประเทศ

โดยเฉพาะเมื่อ KBank ไปจับมือร่วมเป็นพันธมิตรกับหลากหลายแบรนด์ เรื่องของดาต้าก็ยิ่งมีความสำคัญ เพราะในแต่ละวันจะมีดาต้าเกิดขึ้นมากมาย และหลายรูปแบบ ยกตัวอย่าง การปล่อยสินเชื่อร่วมกับ Shopee การทำ Grab G-Wallet ที่มีผู้ใช้อยู่กว่า 1 ล้านราย ไปจนถึงการทำแอพขุนทองที่ปัจจุบันมีคนใช้มากกว่า 5 แสนราย จึงเป็น หน้าที่ของ Machine Learning ในการจัดทำเรื่องดาต้าเหล่านี้ 

ทัดพงศ์ พงศ์ถาวรกมล Senior Principal Visionary Architect, KASIKORN Labs, KBTG หนึ่งในกำลัง สำคัญของงานด้านเทคโนโลยี กับบทบาทผู้สร้างทีม Machine Learning ที่มีภารกิจเร่งด่วนในเรื่องการสร้างกำลังคน ที่มีความสามารถในด้าน AI และ Data เพื่อต่อยอดไปสู่การสร้างสรรค์นวัตกรรมใหม่ๆ ทางการเงิน โดยทัดพงศ์ ได้นำเอา ประสบการณ์การทำงานใน Tech Company จากซิลิคอนวัลเล่ย์ สหรัฐอเมริกา มาประยุกต์ใช้กับการทำงานที่ KBTG 

ทัดพงศ์ เริ่มต้นเล่าให้ฟังว่า วันนี้โจทย์ทางธุรกิจที่เข้ามา และเกี่ยวข้องกับเรื่องของดาต้ามีมากมายมหาศาล KBTG จึงมีการสร้างทีม Machine Learning ขึ้นมา โดยทีมนี้จะประกอบด้วยคนที่ทำหน้าที่ต่างกันทั้งหมด 3 ประเภท คือ

            1) Business Data Scientist เป็นคนที่สามารถไปคุยกับบิสซิเนส และมองโจทย์ต่างๆ ได้ ไม่ว่าจะเป็นเรื่องของ เวนดิ้ง เรื่องการตลาด เรื่องความเสี่ยง และดูว่าเราจะนำดาต้าที่มีอยู่อย่างมากมายมาวิเคราะห์ใช้ได้อย่างไรบ้าง เพื่อเข้า มาช่วยตอบโจทย์ในเรื่องของบิสซิเนส 

            2) AI Research Engineer เป็นกลุ่มคนที่จัดการทำเทคโนโลยีขั้นสูง และสามารถที่จะปรับใช้ได้กับหลายโจทย์ ในองค์กร เช่น ทำอย่างไรให้คอมพิวเตอร์เข้าใจภาษาไทย เข้าใจรูปภาพ เข้าใจใบหน้าคน แล้วรู้ว่าใบหน้าคนเป็นใคร เป็น AI อีกประเภทหนึ่งที่ต้องใช้ทักษะของคนที่เป็น Research เข้ามาด้วย

            3) Machining Engineer คือคนที่นำเอาโซลูชั่นของ Data Scientist และ AI Researcher เข้ามา Invent เป็น ระบบไอทีซิสเต็มเพื่อต่อยอด และสามารถนำไปเชื่อมต่อระบบซิสเต็มต่างๆ ของธนาคารเพื่อทำให้เกิด End-to-end Machine Solution  

                “ปัจจุบันทีม Machine Learning มีอยู่ประมาณ 50 คน ตอนแรกรู้สึกว่าเป็นจำนวนที่เยอะ แต่พอมาดูโจทย์จริงๆ มาดูอิมแพค มาดูเทรนด์จริงๆ กลายเป็นว่าไม่พอ เราจึงพยายามสร้างกำลังคนตรงนี้ให้กับองค์กร เป็นพันธกิจที่เราจะทำ ให้เกิดประโยชน์สูงสุดทั้งกับบริษัท ลูกค้า และธุรกิจ 

                ตอนนี้เรากำลังพัฒนาเพื่อทำให้เกิด Real-time Prediction แต่ทั้งหมดต้องไปด้วยกันทั้งอินฟราสตรัคเจอร์ ไอที ดาต้า แพลตฟอร์ม ดาต้า ไซแอนทิสต์ แมชชีนเลิร์นนิ่ง ไปจนถึงบิสซิเนส เราต้องเข้าใจถึงมายด์เซตใหม่ว่า ต่อไปการ Predict ไม่ใช่การที่ต้องมาใช้เวลาเป็นวันๆ”

                ทัดพงศ์ มองว่า AI หรือ ปัญญาประดิษฐ์ คือสิ่งที่ทำให้คอมพิวเตอร์ฉลาดขึ้นแล้วนำมาตัดสินใจแทนคน ซึ่ง AI มีประโยชน์กับงานใน 3 ส่วนหลัก คือ

• การ Improve Process จากเดิมสิ่งที่เราเคยทำขึ้นมาด้วยคน ด้วยเปเปอร์ จะเป็นดิจิทัลหมด ซึ่ง AI จะเข้ามาช่วยในเรื่องการตัดสินใจ ซึ่งจะมีความฉลาดที่สามารถมาแทนที่คนได้ บางอย่างยังต้อง ใช้คนสลับกับ AI แต่ในระยะยาว คนสามารถออกจากลูปตรงนั้นทำให้เป็น Tool Digital Process จริงๆ สิ่งที่ได้คือความรวดเร็วแม่นยำที่มากขึ้น สเกลได้มากขึ้น คอมพิวเตอร์จึงได้เปรียบกว่าการใช้คน ทำงาน ต้นทุนก็ต้องเซฟกว่า 
• ช่วยให้ประสบการณ์การบริการของสินค้าที่มีอยู่ดีขึ้น เมื่อก่อนลูกค้าจะจ่ายเงินแต่ละที ต้องใช้ บุ๊คแบงก์เข้าไปทำธุรกรรม แต่ปัจจุบันเพียงแค่สแกนใบหน้าก็สามารถทำธุรกรรมทางการเงินได้เลย หรือต่อไปเราอาจจะสั่งงานในเรื่องของธุรกรรมด้วยเสียง ยกตัวอย่างการคุยกับแชตบอท เมื่อก่อน ลูกค้าต้องพิมพ์คำถาม แต่ต่อไปเวลามีคำถาม ก็สามารถใช้ AI เข้าไปตอบได้เลย เพราะ 80% เป็น คำถามที่มีคำตอบชัดๆ อยู่แล้ว ทำให้เกิดประสิทธิภาพที่ดีขึ้น มี Seamless มากขึ้น 
• AI as a Product โดยธรรมชาติของ AI ทำให้เกิดโปรดักต์ใหม่ๆ เพราะสามารถตอบสนอง นัด ผู้บริโภคได้ดีกว่า ยกตัวอย่าง แอพขุนทองที่ทำให้ทุกคนสามารถเข้าถึงการบริการของแบงก์ ให้ง่ายยิ่งขึ้น เหมือนเป็น Pinnacle ที่เป็น AI Bridge และเข้ามาเปลี่ยนวิถีชีวิตประจำวันของคนได้เลย

                “เป็น 3 เลเวล ที่ทำให้การ Process ที่มีอยู่ดีขึ้น ทำให้เซอร์วิสที่ผู้บริโภคเห็นมีประสบการณ์ที่ดีขึ้น และการสร้าง โปรดักต์ใหม่ที่จะช่วยให้เกิดการทรานส์ฟอร์ม Customer Journey และ System”

ในมุมของคนทำงาน หากจะทำให้เรื่องของ Data Driven เกิดขึ้นในพนักงาน ต้องมีการสร้าง “หัวหอก” หรือสร้าง ทีมที่มีความรู้ความเข้าใจระดับหนึ่ง หรือมีการใช้งานดาต้าเป็นประจำอยู่แล้ว มาช่วยผลักดันพนักงานคนอื่นๆ ขณะเดียว กันต้องมีการสื่อสารที่เป็นภาพใหญ่ขององค์กร เพื่อสร้าง Mindset ให้เกิดขึ้นในแต่ละทีม ถือเป็นการทดลองที่ไม่มีอะไรถูก ไม่ถูก ถ้าดีก็ส่งต่อ

ทัดพงศ์ ย้ำว่า แม้ว่า AI จะชาญฉลาด แต่ AI ก็ไม่ได้เกิดขึ้นโดยตัวของมันเองได้ ต้องมีตัวซัพพอร์ต อย่างแรก สุด คือ AI จะเกิดขึ้นไม่ได้ถ้าไม่มีการเก็บดาต้า และการชี้วัดการตัดสินใจ ดาต้าจะเกิดขึ้นได้ก็ต้องสอนให้ทุกคนเก็บดาต้า รู้จักคุณค่าของดาต้า และตัดสินใจจากดาต้าที่เก็บได้โดยยังไม่ต้องให้คอมพิวเตอร์วิเคราะห์ แต่ให้คนตัดสินใจด้วยลอจิสติกส์ก่อน

นอกจากนี้ ยังต้องมีการทดลอง (Experimentation) การที่ AI จะทำได้ดีต้องมีการแข่งขันกัน มีการทดสอบใน หลายๆ วิธี และดูว่าวิธีไหนได้ผลดีที่สุด แต่ตัวนั้นจะเกิดไม่ได้ถ้าคนที่เป็นฐานตรงปิรามิดยังไม่มี Mindset ในระดับการทดลอง การทำให้ AI เกิดขึ้น แค่ทำให้ Process เหล่านี้เร็วขึ้นเป็นทวีคูณ

“แต่ตัวนี้จะเกิดขึ้นไม่ได้ถ้าคนในองค์กรยังไม่เห็นความสำคัญของข้อมูล และการทดลอง ถ้าเขาเห็นความสำคัญ ของดาต้า เข้าใจว่าดาต้าคืออะไร และนำดาต้ามาช่วยการตัดสินใจเบื้องต้น มีการสร้าง Tool สร้าง Process ให้เขา สามารถทำเรื่องเหล่านี้ได้ง่ายขึ้น คนที่เริ่มทำเป็นก็จะถูกอัพเกรดไปเรื่อยๆ และถ้านำแมชชีนมาช่วยทำให้เร็วขึ้น สุดท้าย จะกลายเป็น AI เราก็จะสร้าง Process เป็นคอมพิวเตอร์ และให้คนเป็นผู้ดูแล นั่นคือยอดพีระมิด แต่ยอดพิระมิดจะเกิดขึ้นไม่ได้ถ้าไม่มีฐานที่แข็งแรง”

อย่างไรก็ตาม การขาดแคลนบุคลากรทางด้านนี้ ยังเป็นปัญหาโลกแตกขององค์กรชั้นนำที่ กำลังทรานส์ฟอร์ม ไปสู่การเป็น Tech Company ไม่เว้นแม้แต่ KBTG ที่ต้องเร่งหาคนมาเติมเต็มให้กับทีมงาน ขณะเดียวกัน สิ่งที่จะมอง ข้ามไปไม่ได้เลย คือเรื่องของการ Re-skilling เพราะไม่สามารถสร้างบุคลากรขึ้นได้ทันกับเทคโนโลยีที่เข้ามา

“อีกทั้งการเกิดขึ้นของ AI ยังทำให้งานหลายๆ หน้าที่หายไป คนจึงต้องเปลี่ยนตัวเอง เพราะสกิลเดิมที่เคยมี ใช้ไม่ได้แล้ว เหมือนตอนที่รถยนต์เข้ามาแทนรถม้า คนบังคับรถม้าอาจตกงานแต่ก็มีอาชีพใหม่ๆ เกิดขึ้นมาแทนที่ เช่น แรงงานที่มาผลิตรถยนต์ คนกลุ่มเดิมก็ต้องถูกรีสกิลเพื่อรองรับโลกใหม่ที่เข้ามา เราต้องดูว่าจะสามารถรีสกิลคนกลุ่ม นี้ได้อย่างไร เพื่อให้เข้ามาจัดการงานตรงนี้ได้ ขณะเดียวกันเครื่องมือต่างๆ ก็ต้องทำให้ใช้งานง่ายขึ้นด้วย” ทัดพงศ์ กล่าว