AI ในงาน Operations และ Supply Chain: ใช้ให้ถูกเครื่องมือ ถูกปัญหา

แยกให้ออกว่างานไหนใช้ Machine Learning งานไหนใช้ Generative AI และ Agent ตั้งแต่พยากรณ์ความต้องการ สต็อก ซัพพลายเออร์ ไปจนถึงงานหน้าคลัง

โรงงานอาหารแช่แข็งในสมุทรสาครส่งสินค้าเข้าห้างค้าปลีกทั่วประเทศ เดือนที่แล้วสินค้าขายดีขาดสต็อกช่วงโปรโมชัน ขณะที่สินค้าอีกตัวค้างห้องเย็นจนใกล้หมดอายุ หัวหน้าฝ่ายวางแผนรู้ว่ามีข้อมูลพอจะคาดการณ์ได้ แต่ข้อมูลกระจายอยู่ใน ERP, ไฟล์ Excel ของฝ่ายขาย และอีเมลจากลูกค้า งาน Operations และ Supply Chain คือพื้นที่ที่ AI สร้างผลได้จับต้องที่สุด ถ้าเลือกเครื่องมือให้ตรงกับปัญหา

AI ใน Operations มีสองแบบ อย่าใช้สลับกัน

แบบแรกคือ Machine Learning และ Optimization สำหรับงานตัวเลข เช่น พยากรณ์ความต้องการ คำนวณ Safety Stock และจัดเส้นทางขนส่ง แบบที่สองคือ Generative AI และ AI Agent สำหรับงานที่เป็นข้อความและการประสานงาน เช่น อ่านอีเมลซัพพลายเออร์ สรุปเหตุขัดข้อง หรือตอบคำถามจาก SOP ความผิดพลาดที่พบบ่อยคือให้แชตบอตคิดตัวเลขสต็อก ซึ่งเป็นงานของโมเดลสถิติ

ภาพรวมผลลัพธ์มีหลักฐานรองรับ บทความ Succeeding in the AI supply-chain revolution ของ McKinsey (เมษายน 2021) ระบุว่าบริษัทที่นำ AI มาใช้ในการบริหาร Supply Chain ก่อน มีต้นทุนโลจิสติกส์ดีขึ้น 15% ระดับสินค้าคงคลังดีขึ้น 35% และระดับการบริการดีขึ้น 65% เมื่อเทียบกับคู่แข่งที่ขยับช้ากว่า

ห้าจุดที่ควรเริ่ม

1. Demand Forecasting ที่รวมปัจจัยภายนอก

โมเดลพยากรณ์ใช้ยอดขายย้อนหลังร่วมกับปฏิทินโปรโมชัน เทศกาล และวันหยุดยาว ส่วน Generative AI ช่วยอ่านแผนโปรโมชันจากอีเมลลูกค้ามาแปลงเป็นข้อมูลที่โมเดลใช้ได้

2. Inventory Policy รายสินค้า

แบ่งสินค้าตามความสำคัญและความผันผวน แล้วกำหนด Safety Stock และจุดสั่งซื้อแยกกลุ่ม สินค้าอายุสั้นต้องมีกติกาต่างจากสินค้าเก็บได้นาน

3. Supplier Risk Agent

Agent ติดตามข่าว ประกาศ และอีเมลจากซัพพลายเออร์ แล้วเตือนเมื่อมีสัญญาณเสี่ยง เช่น โรงงานต้นทางน้ำท่วม หรือส่งของช้าติดกันหลายรอบ พร้อมสรุปว่ากระทบคำสั่งซื้อไหน

4. Exception Management Agent

เมื่อรถส่งของล่าช้าหรือของเข้าคลังไม่ครบ Agent รวบรวมข้อมูลจากระบบ ร่างข้อความแจ้งลูกค้า และเสนอทางเลือก เช่น ย้ายสต็อกจากคลังอื่น ให้หัวหน้ากะตัดสินใจ

5. SOP Assistant หน้างาน

ใช้ RAG ดึงคำตอบจากคู่มือ SOP และมาตรฐานความปลอดภัยของบริษัท ให้พนักงานถามเป็นภาษาไทยผ่านมือถือ พร้อมอ้างหัวข้อในคู่มือทุกครั้ง

ตัวอย่าง: โรงงานอาหารแช่แข็ง

ทีมวางแผนเริ่มจากล้างข้อมูลยอดขายรายสัปดาห์ย้อนหลัง แล้วสร้างโมเดลพยากรณ์ที่รวมปฏิทินโปรโมชันของห้างแต่ละราย Agent อ่านอีเมลแจ้งโปรโมชันจากลูกค้ามาใส่ปฏิทินให้อัตโนมัติ ส่วน Exception Agent ส่งสรุปเช้าวันละครั้งว่าคำสั่งซื้อไหนเสี่ยงส่งไม่ทัน หัวหน้าฝ่ายวางแผนใช้เวลาประชุมเช้าตัดสินใจจากรายการนี้แทนการไล่ถามทีละแผนก

ข้อมูลที่สะอาดกับกระบวนการที่ชัด สำคัญกว่าโมเดลที่ฉลาดที่สุด

ข้อควรระวัง

• ข้อมูลไม่พร้อม: รหัสสินค้าซ้ำ หน่วยนับไม่ตรงกัน หรือยอดขายที่ไม่แยกช่วงขาดสต็อก จะทำให้พยากรณ์ผิดตั้งแต่ต้น
• ให้ Agent สั่งซื้อเองเร็วเกินไป: เริ่มจากให้เสนอ คนอนุมัติ จนมั่นใจในความแม่นก่อน
• ความลับทางการค้า: ราคาซื้อและสัญญากับซัพพลายเออร์ ต้องอยู่ในเครื่องมือที่บริษัทอนุมัติเท่านั้น
• ความปลอดภัยหน้างาน: คำตอบจาก SOP Assistant เป็นตัวช่วย ไม่แทนการอบรมและหัวหน้างาน

เริ่มต้นยังไง

1. เลือกปัญหาเดียวที่วัดเป็นเงินได้ เช่น ของขาดสต็อกหรือของหมดอายุ
2. ตรวจคุณภาพข้อมูลย้อนหลังอย่างน้อยหนึ่งปีของปัญหานั้น
3. เลือกเครื่องมือให้ถูกประเภท: ตัวเลขใช้โมเดลสถิติ ข้อความใช้ Generative AI
4. ทดลองกับสินค้ากลุ่มเล็กหรือคลังเดียวก่อน 8 ถึง 12 สัปดาห์
5. วัดผลเทียบกับช่วงก่อนทดลอง แล้วค่อยขยาย

ธุรกิจที่ต้องการทีมช่วยวางระบบตั้งแต่ประเมินข้อมูลจนส่งมอบผล อาจพิจารณา SCALE ซึ่งทำงานกับกลุ่ม Manufacturing และ Logistics ผ่านแผนส่งมอบ 90 วัน ติดต่อได้ที่ scale.co.th ส่วนคนทำงานที่อยากเริ่มต่อระบบอัตโนมัติเอง ลองคอร์ส สร้าง AI Automation Agent ด้วย Make และ n8n และอ่าน AI Workflow Automation