ศักยภาพบุคลากร

AI Foundations for Business Managers

สำหรับผู้บริหารผู้ต้องตัดสินใจว่า AI ควรอยู่ในจุดใดของธุรกิจ — ไม่ใช่ผู้เขียนโค้ด แต่เป็นผู้เลือกว่าจะสร้างอะไร ประเมินสิ่งที่ผู้ขายเสนอ และตัดสินผลงานที่ทีมส่งมอบ การตัดสินใจเรื่อง AI ที่ดีต้องอาศัยความเข้าใจทั้งศักยภาพและข้อจำกัดของเทคนิคที่อยู่เบื้องหลัง

หลักสูตรเชิงปฏิบัตินี้แนะนำว่าโมเดล AI สมัยใหม่ถูกฝึกและนำไปใช้จริงอย่างไร เหตุใดโมเดลภาษาและโมเดลภาพขนาดใหญ่จึงทำงานในรูปแบบนั้น จุดที่โมเดลล้มเหลว และเหตุใด Agentic AI กำลังเปลี่ยนนิยามของ "การใช้งานจริง" ตัวอย่างและแบบฝึกหัดมาจากงานภาษาไทยและบริบทองค์กรไทย — Thai LLM เอกสารภาษาไทย และข้อจำกัดเรื่อง PDPA และอธิปไตยข้อมูล

AI-Augmented Analytics for Business Managers

จากการสอบถามด้วยภาษาธรรมชาติ สู่การสร้างรายงานอัตโนมัติ

สำหรับผู้บริหารและนักวิเคราะห์ผู้ต้องการคำตอบจากข้อมูลของตน โดยไม่ต้องรอให้ทีม BI สร้าง dashboard ให้ เครื่องมือ AI รุ่นปัจจุบันกำลังย่นระยะเวลาจากการตั้งคำถามทางธุรกิจไปสู่คำตอบที่น่าเชื่อถือ — แต่ทำได้เฉพาะเมื่อใช้เครื่องมือเหล่านี้ด้วยวิจารณญาณว่ามันทำงานได้ดีเมื่อใด และมันแอบล้มเหลวเมื่อใด

หลักสูตรเชิงปฏิบัตินี้เดินผ่าน workflow แบบเต็มรูปแบบ ได้แก่ การสอบถามข้อมูลตารางและเอกสารด้วยภาษาธรรมชาติ การสำรวจข้อมูลด้วย AI การตรวจสอบความถูกต้องของผลลัพธ์ (เพราะโมเดลมักสร้าง SQL ผิดและสถิติผิดอย่างมั่นใจ) และการสร้างรายงานที่ผู้บริหารใช้งานได้จริง แบบฝึกหัดใช้ข้อมูลจริงในบริบทองค์กรไทย ได้แก่ schema ที่ผสมไทยและอังกฤษ field ข้อความเสรีภาษาไทย เช่น รีวิวลูกค้าและ ticket สนับสนุน รวมถึงรายงานที่เขียนให้ผู้บริหารที่ใช้สองภาษา

AI in Financial Services

สำหรับผู้บริหารและนักพัฒนาในภาคบริการการเงินที่นำ AI ไปใช้กับงานธนาคารและสินเชื่อผู้บริโภค ซึ่งการตัดสินใจ AI ที่ผิดพลาดอาจหมายถึงความเสี่ยงด้านกฎระเบียบ ผลกระทบต่อลูกค้า หรือความสูญเสียที่ทบต้นก่อนที่ใครจะสังเกตเห็น หลักสูตรนี้เชิงปฏิบัติและมีจุดยืนที่ชัดเจนต่อสิ่งที่ใช้งานได้จริง เทียบกับสิ่งที่ดูดีแค่ในการสาธิตของผู้ขาย

เนื้อหาเน้นที่ workflow ที่ AI กำลังขับเคลื่อนเงินจริง ได้แก่ การตัดสินใจสินเชื่ออัตโนมัติ การพิจารณาและอนุมัติสินเชื่อ และการใช้ Agentic AI ในการติดตามหนี้ บริบทตลาดไทยถือเป็นเรื่องหลัก — ความคาดหวังด้านการบริหารความเสี่ยงของโมเดลจาก ธปท. การจัดการข้อมูลตาม PDPA สำหรับข้อมูลการเงินที่ละเอียดอ่อน เอกสารเครดิตและ KYC ภาษาไทย และ LINE ในฐานะช่องทางหลักสำหรับการติดตามหนี้และการสื่อสารกับลูกค้าธนาคารผู้บริโภค

AI for Document Automation

สำหรับวิศวกร นักปฏิบัติด้าน ML และหัวหน้าทีมเทคนิคที่นำ Document AI ไปใช้กับ workflow ที่มีปริมาณเอกสารมาก — การเปิดบัญชีลูกค้า การพิจารณาเคลม การพิจารณาสินเชื่อ KYC และการตรวจสอบสัญญา Document AI อยู่บนจุดตัดของ vision ภาษา และ retrieval การตัดสินใจสถาปัตยกรรมที่ผิดสามารถทำให้เสียเวลาหลายเดือนไปกับ pipeline ที่เกือบจะใช้งานได้

หลักสูตรนี้ครอบคลุมตั้งแต่หัวข้อพื้นฐาน เช่น การจำแนกประเภทเอกสารและการสกัดข้อมูลสำคัญ ไปจนถึงเทคนิคที่ทันสมัยอย่างการ retrieval เอกสารเชิงภาพ และ Retrieval Augmented Generation (RAG) จากคลังเอกสารทางธุรกิจ เอกสารภาษาไทยถูกถือเป็นเรื่องหลักตลอดหลักสูตร — OCR ภาษาไทย (ที่โมเดลทั่วไปมักทำงานแย่ลงอย่างเงียบๆ) เอกสารธุรกิจที่ผสมไทยและอังกฤษ แบบฟอร์มราชการและ KYC ภาษาไทย และลายมือภาษาไทยในเอกสารสแกน