- 7
- เมษายน
จาก EP.1 ที่รู้แล้วว่า AI Agent คืออะไร และ EP.2 ที่ตั้งค่าทีม AI Agent ได้แล้ว — EP.3 นี้จะตอบคำถามที่ทุกคนอยากรู้มากที่สุด: "AI Agent ทำงานแทนคนได้จริงกี่ %?" คำตอบสั้นๆ คือ — ไม่ใช่ 100% แต่ถ้าตั้งค่าให้ถูกต้อง สามารถทำงาน routine ได้ 40-80% ขึ้นอยู่กับสายงาน บทความนี้จะวิเคราะห์ทีละสายงาน พร้อมตัวอย่าง workflow จริง
ซีรี่ย์: AI Agent เป็นทีมงาน — ใช้ได้จริงเหรอ?
- EP.1 — AI Agent คืออะไร? ทำไมถึงเป็นมากกว่าแชทบอท
- EP.2 — วิธีตั้งค่าทีม AI Agent ให้ทำงานจริงได้
- EP.3 — ตัวอย่างจริง AI Agent ทำงานแทนคนได้กี่ %? (คุณอยู่ที่นี่)
- EP.4 — ข้อจำกัด ความเสี่ยง และวิธีควบคุม AI Agent
คำตอบที่ตรงประเด็น: AI Agent ทำแทนได้ 40-80% ของงาน Routine
ก่อนจะไปดูรายสายงาน ต้องเข้าใจก่อนว่า "ทำแทนได้กี่ %" ไม่ได้หมายถึง "ไล่คนออกได้กี่ %" — แต่หมายถึง งาน routine ที่ซ้ำๆ ในแต่ละวัน AI สามารถรับไปทำแทนได้กี่ส่วน เพื่อให้คนไปทำงานที่มีมูลค่าสูงกว่า
หลักคิดสำคัญ: AI Agent ไม่ได้มาแทนที่ "คน" แต่มาแทนที่ "งาน" — งานที่ซ้ำๆ ใช้เวลามาก แต่ใช้ดุลยพินิจน้อย คืองานที่ AI ทำได้ดีที่สุด ส่วนงานที่ต้องใช้ความคิดสร้างสรรค์ การตัดสินใจ และความสัมพันธ์ระหว่างคน ยังคงเป็นของมนุษย์
จากรายงานของ McKinsey Global Institute (2024) พบว่างานที่สามารถ automate ได้ด้วย AI มีสัดส่วนเฉลี่ย 60-70% ของเวลาทำงานทั้งหมด แต่ตัวเลขนี้จะแตกต่างกันมากในแต่ละสายงาน มาดูทีละสายงานกันเลย
สายงานที่ 1: บัญชี/การเงิน — AI ทำแทนได้ ~70%
สายงานบัญชีเป็นสายงานที่ AI Agent ทำแทนได้มากที่สุด เพราะงานส่วนใหญ่มีกฎเกณฑ์ชัดเจน มีรูปแบบซ้ำๆ และต้องการความแม่นยำสูง — ซึ่งเป็นจุดแข็งของ AI
| งานที่ AI ทำได้ | งานที่ยังต้องใช้คน |
|---|---|
| ลงบันทึกบัญชีจาก invoice อัตโนมัติ | ตัดสินใจนโยบายบัญชี |
| Bank Reconciliation อัตโนมัติ | Sign off งบการเงิน |
| ตรวจสอบ invoice ซ้ำซ้อน / ผิดปกติ | พูดคุยกับ auditor / สรรพากร |
| Draft รายงานการเงินประจำเดือน | วิเคราะห์ผลกระทบจากการเปลี่ยนมาตรฐานบัญชี |
| จัดหมวดหมู่ค่าใช้จ่ายอัตโนมัติ | ตัดสินใจเรื่อง cost allocation ที่ซับซ้อน |
| แจ้งเตือนเมื่อ budget ใกล้หมด | เจรจากับธนาคาร / นักลงทุน |
ตัวอย่าง workflow จริง: "วัน 1 ของ AI Agent นักบัญชี"
- 08:00 — AI ดึงข้อมูล bank statement จากระบบ ERP อัตโนมัติ
- 08:05 — จับคู่รายการกับใบแจ้งหนี้ (Bank Reconciliation) สำเร็จ 95% โดยไม่ต้องแตะ
- 08:30 — แจ้ง 12 รายการที่จับคู่ไม่ได้ ให้นักบัญชีตรวจสอบ
- 09:00 — ลงบันทึกบัญชีรายการที่ match แล้วทั้งหมด
- 10:00 — Draft รายงาน Cash Flow ประจำวัน ส่งให้ CFO
- 14:00 — ตรวจพบ invoice ซ้ำซ้อนจากผู้ขายรายเดียวกัน แจ้งเตือนทันที
ผลลัพธ์: นักบัญชีประหยัดเวลาได้ ~5 ชั่วโมง/วัน ไปทำงานวิเคราะห์แทน
สายงานที่ 2: การตลาด/Content — AI ทำแทนได้ ~60%
การตลาดเป็นสายงานที่ AI ช่วยได้มาก โดยเฉพาะงาน content creation และ data analysis แต่ยังต้องมีคนกำหนดทิศทางและ brand voice
| งานที่ AI ทำได้ | งานที่ยังต้องใช้คน |
|---|---|
| เขียน draft blog post / social media post | กำหนดกลยุทธ์การตลาดภาพรวม |
| วิเคราะห์ SEO keywords และแนะนำหัวข้อ | Approve brand voice และ tone |
| สร้าง email campaign draft | สร้าง creative concept ใหม่ๆ |
| วิเคราะห์ competitor content | สร้างความสัมพันธ์กับ influencer |
| สรุปรายงาน campaign performance | ตัดสินใจ budget allocation |
ตัวอย่าง Prompt จริง สำหรับทีมการตลาด:
"เขียน blog post เรื่อง '5 สัญญาณที่บอกว่าองค์กรคุณต้องการ ERP' สำหรับกลุ่มเป้าหมาย CFO และ CEO ขององค์กรขนาดกลาง ใช้ภาษาเป็นทางการแต่เข้าใจง่าย มี callout box อย่างน้อย 2 จุด ความยาว 1,500-2,000 คำ"
AI จะ draft ได้ภายใน 2-3 นาที ทีมการตลาดใช้เวลา review + ปรับ tone อีก 20 นาที แทนที่จะเขียนเองทั้งหมด 3-4 ชั่วโมง
สายงานที่ 3: HR/สรรหาบุคลากร — AI ทำแทนได้ ~50%
HR เป็นสายงานที่เน้น "คน" มากที่สุด ดังนั้น AI จะช่วยได้ในส่วนงาน admin และ screening แต่งานที่ต้องใช้ ทักษะมนุษย์อย่างแท้จริง เช่น การสัมภาษณ์ การจัดการความขัดแย้ง ยังต้องเป็นคน
| งานที่ AI ทำได้ | งานที่ยังต้องใช้คน |
|---|---|
| คัดกรอง resume เบื้องต้น | สัมภาษณ์งาน (ประเมิน culture fit) |
| ตอบคำถาม FAQ พนักงาน (วันลา, สวัสดิการ) | ตัดสินใจจ้าง / ไม่จ้าง |
| Draft job description จาก role requirement | จัดการเรื่อง sensitive (ร้องเรียน, กลั่นแกล้ง) |
| สรุป exit interview เป็น theme | วางแผนพัฒนาบุคลากรระยะยาว |
| จัดทำ onboarding checklist อัตโนมัติ | เจรจาเงินเดือน / สวัสดิการ |
เปรียบเทียบเวลา: คัดกรอง 100 Resume
| ขั้นตอน | คนทำเอง | AI Agent + คนตรวจ |
|---|---|---|
| อ่าน resume ทั้งหมด | 8-10 ชั่วโมง | 15 นาที (AI อ่าน) |
| คัดกรองตาม criteria | 2-3 ชั่วโมง | 5 นาที (AI คัดกรอง) |
| จัดอันดับและเลือก shortlist | 1-2 ชั่วโมง | 10 นาที (AI จัดอันดับ) |
| คน review shortlist ของ AI | - | 1 ชั่วโมง |
| รวมเวลา | 11-15 ชั่วโมง | ~1.5 ชั่วโมง |
สายงานที่ 4: IT/Developer — AI ทำแทนได้ ~50%
นักพัฒนาซอฟต์แวร์คือกลุ่มที่ใช้ AI Agent มากที่สุดในปัจจุบัน เครื่องมืออย่าง GitHub Copilot, Claude Code และ Cursor ช่วยเพิ่มประสิทธิภาพได้อย่างชัดเจน
| งานที่ AI ทำได้ | งานที่ยังต้องใช้คน |
|---|---|
| Code review เบื้องต้น (style, bug pattern) | Architecture decisions |
| เขียน unit tests จาก code ที่มีอยู่ | Complex debugging ข้ามระบบ |
| Debug errors ที่มี pattern ชัดเจน | Security review และ penetration testing |
| สร้าง documentation จาก code | ออกแบบ UX/UI ที่ต้องเข้าใจผู้ใช้ |
| ตอบคำถามเทคนิคจากทีม | ตัดสินใจเลือก technology stack |
ตัวอย่างจริง: Claude Code ช่วย Code Review
ทีม developer ใช้ AI Agent ตรวจ Pull Request ก่อนที่ senior จะ review — AI ตรวจเจอ bug pattern, missing error handling, security vulnerability ทั่วไป ลดเวลา senior review จาก 45 นาที เหลือ 15 นาที เพราะ AI ช่วยกรองปัญหาพื้นฐานออกไปแล้ว
สายงานที่ 5: จัดซื้อ/พัสดุ — AI ทำแทนได้ ~45%
งานจัดซื้อมีส่วนที่เป็น data-driven (เปรียบเทียบราคา, ติดตาม delivery) ที่ AI ช่วยได้ดี แต่ส่วนที่ต้องใช้ "ความสัมพันธ์" และ "การเจรจา" ยังเป็นของคน
| งานที่ AI ทำได้ | งานที่ยังต้องใช้คน |
|---|---|
| เปรียบเทียบราคาจาก supplier หลายราย | ต่อรองราคาและเงื่อนไข |
| Draft ใบสั่งซื้อ (PO) จาก PR ที่อนุมัติแล้ว | ตรวจรับสินค้าหน้างาน |
| ติดตามสถานะ delivery อัตโนมัติ | สร้างความสัมพันธ์กับ supplier |
| วิเคราะห์ supplier performance (KPI) | ตัดสินใจเปลี่ยน supplier |
| แจ้งเตือนเมื่อสต็อกถึง reorder point | จัดการกรณีสินค้าไม่ตรง spec |
เชื่อม ERP: เมื่อ Procurement Module ใน ระบบ ERP ทำงานร่วมกับ AI Agent = ทีมจัดซื้ออัจฉริยะ AI ดึงข้อมูลจาก ERP มาวิเคราะห์ เปรียบเทียบ และแจ้งเตือนอัตโนมัติ ทำให้ทีมจัดซื้อมีเวลาไปเจรจาและสร้างความสัมพันธ์กับ supplier มากขึ้น
สายงานที่ 6: ผู้บริหาร/วิเคราะห์ข้อมูล — AI ทำแทนได้ ~40%
สำหรับผู้บริหาร AI Agent ทำหน้าที่เป็น "ผู้ช่วยส่วนตัว" ที่รวบรวม สรุป และนำเสนอข้อมูลให้พร้อมตัดสินใจ — แต่การตัดสินใจเชิงกลยุทธ์ยังเป็นของมนุษย์เต็มๆ
| งานที่ AI ทำได้ | งานที่ยังต้องใช้คน |
|---|---|
| สรุป report จากหลายแผนกเป็น executive summary | ตัดสินใจเชิงกลยุทธ์ |
| วิเคราะห์ trend จากข้อมูลย้อนหลัง | สร้างวิสัยทัศน์องค์กร |
| Draft presentation deck | จัดการและ motivate ทีม |
| สรุป morning briefing จากข่าวสาร + ข้อมูลภายใน | สร้างความสัมพันธ์กับ stakeholder |
| เตรียมข้อมูลเปรียบเทียบก่อนประชุม | ตัดสินใจในสถานการณ์วิกฤต |
ตารางสรุปรวม: AI Agent ทำแทนได้กี่ % ในแต่ละสายงาน
นี่คือตารางสรุปที่รวบรวมข้อมูลจากทั้ง 6 สายงาน:
| สายงาน | AI ทำได้ (%) | งานหลักที่ AI ทำ | งานที่ยังต้องคน | เครื่องมือแนะนำ |
|---|---|---|---|---|
| บัญชี/การเงิน | ~70% | ลงบัญชี, reconciliation, ตรวจ invoice | นโยบายบัญชี, sign off, auditor | ERP + AI Agent, OCR |
| การตลาด/Content | ~60% | Draft content, SEO, social post | กลยุทธ์, brand voice, creative | Claude, ChatGPT, Jasper |
| HR/สรรหา | ~50% | คัดกรอง resume, FAQ, JD | สัมภาษณ์, จ้าง, sensitive issues | AI Recruiter, ERP HR Module |
| IT/Developer | ~50% | Code review, tests, debug, docs | Architecture, security, UX | GitHub Copilot, Claude Code |
| จัดซื้อ/พัสดุ | ~45% | เปรียบเทียบราคา, draft PO, tracking | ต่อรอง, ตรวจรับ, relationship | ERP Procurement + AI |
| ผู้บริหาร/วิเคราะห์ | ~40% | สรุป report, trend, presentation | ตัดสินใจ, วิสัยทัศน์, จัดการคน | Claude, ERP Dashboard |
ข้อมูลใน ERP คือ "เชื้อเพลิง" ของ AI Agent
สิ่งที่ทุกสายงานมีเหมือนกันคือ — AI Agent จะทำงานได้ดีแค่ไหน ขึ้นอยู่กับคุณภาพของข้อมูลที่ป้อนให้ และแหล่งข้อมูลที่ดีที่สุดขององค์กรคือระบบ ERP
| ข้อมูลจาก ERP | AI Agent ใช้ทำอะไร |
|---|---|
| ข้อมูลบัญชี / งบการเงิน | วิเคราะห์ trend, แจ้งเตือน anomaly, draft report |
| ข้อมูลจัดซื้อ / supplier | เปรียบเทียบราคา, วิเคราะห์ supplier performance |
| ข้อมูลสต็อก / warehouse | แจ้งเตือน reorder, วิเคราะห์ slow-moving items |
| ข้อมูล HR / พนักงาน | วิเคราะห์ turnover rate, วางแผน workforce |
EP สุดท้าย: ในบทความถัดไป EP.4 — ข้อจำกัด ความเสี่ยง และวิธีควบคุม AI Agent จะพูดถึงเรื่องที่หลายคนไม่อยากได้ยิน: Hallucination, ข้อมูลรั่วไหล, PDPA และวิธีตั้ง Guardrails 7 ข้อ เพื่อใช้ AI Agent อย่างปลอดภัย
AI Agent ไม่ได้มาแทนที่คน แต่มาแทนที่ "งานซ้ำๆ" ของคน — องค์กรที่ใช้ AI Agent ได้ถูกวิธี จะไม่ได้ "ลดคน" แต่จะ "เพิ่มขีดความสามารถ" ของทุกคนในทีม และข้อมูลจากระบบ ERP คือเชื้อเพลิงที่ทำให้ AI Agent ทำงานได้อย่างแม่นยำ
- สุรีระยา ลิ้มไพบูลย์, Saeree ERP
