‘เอไอ’ กับกรณีศึกษาการใช้งาน ‘การเงิน-ค้าปลีก-ภาครัฐ’

วันนี้ monoservice ข่าวไอที จะมาพูดถึงข่าว

‘เอไอ’ กับกรณีศึกษาการใช้งาน ‘การเงิน-ค้าปลีก-ภาครัฐ’

อัลกอริธึม แมชชีน เลิร์นนิ่ง (Machine Learning : ML) และเทคโนโลยีดีพ เลิร์นนิ่ง (Deep Learning : DL) ได้ถูกนำมาช่วยปรับปรุงประสิทธิภาพการทำงานในด้านต่างๆ เช่น การแก้ไขปัญหาที่เกี่ยวข้องกับการคัดแยกรูปภาพ การตรวจจับวัตถุ การวิเคราะห์การถดถอย การประมวลผลภาษาของมนุษย์ การรวมโมเดลการเรียนรู้ที่หลากหลาย และอื่นๆ เทคนิคเหล่านี้ใช้การทำงานร่วมกันกับชุดข้อมูลที่หลากหลายเข้าด้วยกัน เช่น ข้อความ ข้อมูลล็อก ชุดเวลา รูปภาพ เสียง ฯลฯ

เน็ตแอพ นำเสนอกรณีศึกษาการใช้งานเอไอ ในธุรกิจค้าปลีก ธุรกิจการเงิน และหน่วยงานภาครัฐ เพื่อให้เห็นถึงโอกาสและผลที่ได้รับจากการนำเอไอมาปรับใช้ดังนี้

การใช้งานเอไอในภาคธุรกิจค้าปลีกมุ่งเน้นการแก้ไขปัญหาเรื่องการปรับปรุงประสิทธิภาพในซัพพลายเชน ระดับสินค้าคงคลัง ราคา รวมไปถึงการปรับปรุงประสบการณ์สำหรับลูกค้า โดยกรณีการใช้งาน AI ที่พบเห็นอย่างแพร่หลายในธุรกิจค้าปลีกมีดังนี้

การจัดการซัพพลายเชนและสินค้าคงคลัง ในทวีปอเมริกาเหนือ ภาวะขาดทุนจากการจัดเก็บสต็อกที่มากเกินไปมีมูลค่าสูงถึง 123.4 พันล้านดอลลาร์/ปี ขณะที่ความสูญเสียจากปัญหาสินค้าหมดสต็อกมีมูลค่าถึง 129.5 พันล้านดอลลาร์/ปี นี่คือจุดที่หลายๆ บริษัทให้ความสนใจเป็นพิเศษ โดยเฉพาะอย่างยิ่งบริษัทที่มีร้านค้าสาขาจำนวนมากและมีศูนย์จัดส่งสินค้าในภูมิภาคต่างๆ

ทุกวันนี้ร้านค้าปลีกใช้เทคโนโลยีเอไอ เพื่อทำนายเกี่ยวกับความต้องการสินค้า ทำความเข้าใจเกี่ยวกับพฤติกรรมการซื้อ จัดการสินค้าคงคลัง และลดความสูญเสียที่เป็นผลมาจากปัญหาสินค้าค้างสต็อกและปัญหาสินค้าหมดสต็อก โดยเทคโนโลยีดังกล่าวทำหน้าที่วิเคราะห์ช่องว่างในการดำเนินงาน เพื่อคาดการณ์ล่วงหน้าและเติมสต็อกสินค้าในระดับที่เหมาะสมสำหรับแต่ละร้าน รวมไปถึงการจัดวางสินค้าในลักษณะที่เหมาะสม และการจัดกลุ่มสินค้าโปรโมชั่นที่เกี่ยวข้องกัน

การปรับปรุงการกำหนดราคา เนื่องจากธุรกิจนี้มีส่วนต่างกำไรที่น้อยมาก ดังนั้นการปรับปรุงในเรื่องราคาจึงช่วยเพิ่มรายได้และผลกำไรให้กับองค์กร โดยหมายรวมถึงแต่ไม่จำกัดเฉพาะ (1) การระบุปัจจัยต่างๆ ที่ส่งผลกระทบต่อราคา เช่น สภาพอากาศ สภาพตลาด และดัชนีต่างๆ ภายในร้านค้า การกำหนดระดับราคาที่เหมาะสมสำหรับผลิตภัณฑ์ใหม่ และตอบสนองต่อการกำหนดราคาของคู่แข่งโดยอัตโนมัติ

ตัวอย่างเช่น  Einstein Discovery ของ Salesforce เป็นเครื่องมือที่ขับเคลื่อนด้วย เอไอ สำหรับการปรับปรุงการกำหนดราคา และ Wise Athena ใช้ ML เพื่อคาดการณ์ราคาสินค้า/ความต้องการ และวิเคราะห์ว่าราคาอาจส่งผลกระทบอย่างไรบ้างต่อการแย่งส่วนแบ่งตลาดของสินค้า

การค้าปลีกเชิงประสบการณ์และการสื่อสาร การใช้ เอไอ เพื่อนำเสนอประสบการณ์การช้อปปิ้งที่ดีกว่า โดยค้นหาวิธีการใหม่ๆ ในการดึงดูดลูกค้า และให้คำแนะนำโดยอัตโนมัติโดยใช้เอนจิ้นการแนะนำแบบเฉพาะบุคคล ร้านค้าที่ไม่มีเคาน์เตอร์ชำระเงินถูกขับเคลื่อนด้วยเทคโนโลยีคอมพิวเตอร์วิทัศน์ (Computer Vision)/การจดจำใบหน้า และ เอไอ หุ่นยนต์ที่รองรับการสนทนาจะสร้างแผนที่ดิจิทัลและให้บริการภายในอาคารตามสถานที่ที่เกี่ยวข้อง ขณะที่แชทบอทจะช่วยปรับปรุงการให้บริการแก่ลูกค้า และการช้อปปิ้งโดยใช้ระบบสั่งงานด้วยเสียงจะช่วยเพิ่มความสะดวกในการจับจ่ายใช้สอยอย่างเหนือชั้น

ตัวอย่าง Amazon-Go เป็นร้านค้าแบบไม่มีเคาน์เตอร์ชำระเงิน ซึ่งขับเคลื่อนด้วย เอไอ และการใช้ Alexa ในการเลือกซื้อสินค้าก็ได้รับความนิยมแพร่หลายมากขึ้น, FashionAI เป็นระบบให้คำแนะนำแบบ mix-and-match ที่เหมาะกับลูกค้าแต่ละราย ให้บริการโดย อาลีบาบา และ Ask-eBay ช่วยเพิ่มความสะดวกในการค้นหาแคตตาล็อกสินค้ากว่า 60 ล้านรายการ รวมถึงการซื้อสินค้าโดยใช้ กูเกิล โฮม

กรณีการใช้งานเอไอ ในธุรกิจการเงิน ควบคู่ไปกับการดำเนินกลยุทธ์เชิงรุก มีส่วนต่างกำไรในธุรกิจสูงขึ้นอย่างมาก ซึ่งการใช้งานเอไอ ที่พบเห็นอย่างแพร่หลายในธุรกิจการเงินมีดังนี้

การตรวจจับการฉ้อโกง ระบบ เอไอ ใช้การเรียนรู้ตามกฎเกณฑ์และเทคนิคต่างๆ เพื่อแยกแยะ ตีความ ค้นหา และเชื่อมโยงข้อมูลเชิงลึกที่เกี่ยวข้อง เพื่อรองรับการระบุธุรกรรมที่บ่งชี้ถึงแบบแผนของกิจกรรมที่เป็นการฉ้อโกง มีบริษัทเพียงไม่กี่แห่งที่ใช้ เอไอ เพื่อช่วยให้ธนาคารต่างๆ ทั่วโลกสามารถตรวจสอบข้อมูลที่เก็บไว้ในบันทึกข้อมูลลูกค้า โดยเป็นส่วนหนึ่งของความพยายามในการทำความเข้าใจเกี่ยวกับลูกค้า

 

ตัวอย่าง Trifacta และ NiceActimize เป็นสองบริษัทที่ใช้ เอไอ เพื่อตรวจจับการฉ้อโกง ขณะที่ Onfido นำเสนอโซลูชั่นการตรวจสอบตัวตนด้วยการตรวจสอบเอกสารที่ยืนยันตัวตนของบุคคล และเปรียบเทียบกับข้อมูลไบโอเมตริกในส่วนของใบหน้า และอ้างอิงกับฐานข้อมูลเครดิตระหว่างประเทศและรายชื่อบุคคลที่ต้องเฝ้าระวัง

ระบบให้คำแนะนำ กรณีการใช้งานทั่วไปที่เกี่ยวข้องกับบริการด้านการเงิน การประกันภัย และการลงทุน ระบบดังกล่าวใช้เทคโนโลยีเอไอ ในการเรียนรู้ และนำเสนอคำแนะนำการลงทุนที่เหมาะกับแต่ละบุคคล โดยอ้างอิงเป้าหมายการลงทุนของบุคคลนั้น รวมไปถึงระดับความเสี่ยงที่ยอมรับได้ และสภาพตลาด

โมเดล เอไอ จะถูกฝึกฝนเพื่อช่วยให้ลูกค้าได้รับผลิตภัณฑ์ด้านประกันภัยในระดับที่ถูกต้อง และในทำนองเดียวกัน เทคโนโลยีดังกล่าวจะถูกใช้ในการประมวลผลและกลั่นกรองข้อมูลเชิงลึกจากคำขอกู้ยืม/การจดจำนองและข้อมูลที่เกี่ยวข้อง

ตัวอย่าง Next Best Action จาก Morgan Stanley เป็นแพลตฟอร์ม ML สำหรับที่ปรึกษาที่ต้องการให้คำแนะนำเกี่ยวกับการซื้อ-ขายหลักทรัพย์ และทำงานประจำโดยอัตโนมัติ, ระบบ COIN (Contract Intelligence) ที่ใช้งานโดย JPMC ทำหน้าที่วิเคราะห์เอกสารด้านกฎหมาย และดึงเอาประเด็นข้อมูลและข้อกำหนดที่สำคัญออกมา และระบบ AIERA (Artificial Intelligence Equity Research Analyst) จาก Wells Fargo ทำหน้าที่ตรวจสอบติดตามหุ้นและแสดงความเห็นในกรณีที่หุ้นมีราคาปรับขึ้นหรือลดลง

บอทสำหรับงานบริการลูกค้า วิธีการเรียนรู้ที่ใช้ในการตีความและตอบสนองความต้องการและปัญหาของลูกค้าโดยอัตโนมัติ ช่วยเพิ่มประสิทธิภาพและประหยัดค่าใช้จ่ายในธุรกิจธนาคาร ประกันภัย และหลักทรัพย์ โมเดลต่างๆ จะได้รับการฝึกฝนด้วยชุดข้อมูลที่เป็นข้อความ โดยใช้วิธีการประมวลผลภาษาของมนุษย์ (NLP) และโดยทั่วไปแล้วก็มักจะส่งให้เป็นหน้าที่ของสมาร์ทโฟนสำหรับการคาดคะแนชุดข้อความส่วนนี้ให้

ตัวอย่าง Erica จาก Bank of America เป็นแชทบอทที่ขับเคลื่อนด้วย เอไอ ขณะที่ Wells Fargo ใช้แนวทางที่คล้ายคลึงกัน

กรณีการใช้งาน เอไอ ในด้านกลาโหม/ภาครัฐ โดย เอไอ ถูกนำมาใช้งานในสองด้านด้วยกัน ได้แก่ การประหยัดค่าใช้จ่ายโดยอาศัยระบบงานอัตโนมัติในหน่วยงานภาครัฐ และการใช้งานในกองทัพ

การปรับปรุงประสิทธิภาพและการประหยัดค่าใช้จ่าย เทคโนโลยีด้านการรู้คิดจะเปลี่ยนแปลงลักษณะของงานต่างๆ ในภาครัฐ โดยปัญหาที่พบเห็นได้ทั่วไปคือ ทรัพยากรที่จำกัด ความจำเป็นในการวิเคราะห์ข้อมูลจำนวนมากเพื่อใช้ในการตัดสินใจ และงานเอกสารมากมายที่บั่นทอนประสิทธิภาพการทำงาน แอพพลิเคชั่นที่ใช้ เอไอช่วยลดความสิ้นเปลือง ลดค่าใช้จ่าย แก้ไขปัญหาข้อจำกัดเกี่ยวกับทรัพยากรโดยอาศัยระบบงานอัตโนมัติ ซึ่งช่วยเพิ่มความถูกต้องแม่นยำในการทำงานได้อีกทางหนึ่ง

เห็นได้จากข้อมูลวิจัยของ Deloitte ชี้ว่าการใช้งาน เอไอ ในภาครัฐจะช่วยลดค่าใช้จ่ายด้านแรงงานได้มากถึง 4.11 หมื่นล้านดอลลาร์ในช่วง 5-7 ปี ถ้าหากมีการลงทุนในเอไอ ในระดับที่สูง

กลาโหม เอไอ และหุ่นยนต์ในตลาดการป้องกันประเทศทั่วโลกมีมูลค่าสูงถึง 3.92 หมื่นล้านดอลลาร์ในปี 2561 และคาดว่าจะเพิ่มเป็น 6.1 หมื่นล้านดอลลาร์ภายในปี 2570 เทคโนโลยีหุ่นยนต์, NLP, คอมพิวเตอร์วิทัศน์, การรู้จำเสียงพูด เป็นเทคโนโลยีที่จะมีการใช้งานมากที่สุด

ปัจจุบัน โดรนที่ขับเคลื่อนด้วยเอไอ ถูกใช้ในงานด้านข่าวกรอง ขณะที่หุ่นยนต์ที่ขับเคลื่อนด้วย ML ถูกใช้ในงานค้นหาและกู้ภัย และมีการใช้ DL เพื่อสร้างการรับรู้ตามสถานการณ์สำหรับหุ่นยนต์และโดรน นอกจากนี้ เนื่องจากหน่วยงานของกองทัพมีการปรับเปลี่ยนสู่ดิจิตอลเพิ่มมากขึ้น จึงจำเป็นที่จะต้องได้รับการรักษาความปลอดภัยอย่างเข้มงวด และเตรียมรับมือกับมัลแวร์และการโจมตีในรูปแบบฟิชชิ่งต่อดาต้าเซ็นเตอร์ และเทคโนโลยี เอไอถูกใช้ประโยชน์เพิ่มมากขึ้นเพื่อรองรับงานสำคัญๆ เหล่านี้

ทั้งนี้ การประยุกต์ใช้งาน เอไอในกลุ่มอุตสาหกรรมต่างๆ จำเป็นต้องอาศัยการจัดเก็บข้อมูลที่สอดประสานกันระหว่าง อุปกรณ์ปลายทาง (edge) ศูนย์คอมพิวเตอร์หลัก (core) และระบบคลาวด์ ดังนั้นการจัดการข้อมูลอย่างไร้รอยต่อจึงมีความสำคัญ องค์กรต่างๆ สามารถเลือกที่จะพัฒนาแอพพลิเคชั่น AI บนระบบคลาวด์สาธารณะหรือระบบที่ติดตั้งภายในองค์กรก็ได้ โดยขึ้นอยู่กับแหล่งข้อมูล ขนาดของชุดข้อมูล และต้นทุนค่าใช้จ่าย

บทความโดย เน็ตแอพ

ดูข่าวต้นฉบับ

ใส่ความเห็น

อีเมลของคุณจะไม่แสดงให้คนอื่นเห็น ช่องข้อมูลจำเป็นถูกทำเครื่องหมาย *

Social Media Auto Publish Powered By : XYZScripts.com