ภาคธนาคารไทยกำลังเผชิญกับการแข่งขันที่สูงขึ้น ทำให้ธนาคารขนาดใหญ่อย่างกรุงศรีจำเป็นต้องสร้างสรรค์นวัตกรรมและเพิ่มประสิทธิภาพการดำเนินงานอย่างต่อเนื่อง เทคโนโลยี โดยเฉพาะคลาวด์และ AI ได้กลายเป็นปัจจัยสำคัญในการสร้างความแตกต่างและเป็นเครื่องมือหลักในการขับเคลื่อนประสิทธิภาพ ประสบการณ์ลูกค้า และความสามารถในการแข่งขันในอุตสาหกรรมบริการทางการเงิน (FSI) การลงทุนในเทคโนโลยีเหล่านี้จึงไม่ใช่ทางเลือก แต่เป็นความจำเป็นเชิงกลยุทธ์เพื่อรักษาความสามารถในการแข่งขันในระยะยาว
ธนาคารกรุงศรีอยุธยา จำกัด (มหาชน) หรือ กรุงศรี กำลังเดินหน้าทรานส์ฟอร์มองค์กรครั้งสำคัญ ด้วยการนำเทคโนโลยีคลาวด์จาก Amazon Web Services (AWS) และปัญญาประดิษฐ์ (AI) มาปรับใช้อย่างมีกลยุทธ์ เพื่อเพิ่มประสิทธิภาพการดำเนินงาน สร้างสรรค์นวัตกรรมบริการ และเสริมแกร่งขีดความสามารถในการแข่งขัน ท่ามกลางภูมิทัศน์อุตสาหกรรมธนาคารที่เปลี่ยนแปลงไปอย่างรวดเร็ว
เผชิญความท้าทาย Legacy สู่ความคล่องตัวบนคลาวด์
ในอดีตกรุงศรีพึ่งพาระบบเทคโนโลยีสารสนเทศแบบดั้งเดิม (Legacy Systems) จำนวนมาก ซึ่งมีอยู่ราว 400-500 ระบบ ซึ่งเป็นรูปแบบที่พบได้ทั่วไปในธนาคารขนาดใหญ่ ระบบเหล่านี้ส่วนใหญ่ทำงานอยู่บนศูนย์ข้อมูล (Data Center) ของธนาคารเอง หรือที่เรียกว่า On-premise ระบบเหล่านี้แม้จะมีความเสถียร แต่ก็มาพร้อมกับความท้าทายสำคัญ คือ การขาดความยืดหยุ่น การปรับขนาดโครงสร้างพื้นฐาน (Infrastructure) ทำได้ยากและใช้เวลานาน โดยเฉพาะเมื่อต้องรองรับปริมาณงาน (Workload) ที่เพิ่มขึ้นอย่างรวดเร็ว เช่น วันหวยออก ทำให้การลงทุนในโครงสร้างพื้นฐานแบบเดิมมีต้นทุนสูงและไม่คุ้มค่า นอกจากนี้ การบำรุงรักษาและการอัปเกรดฮาร์ดแวร์ On-premise ยังมีต้นทุนที่สูง
ตุลย์ โรจน์เสรี ประธานคณะเจ้าหน้าที่ด้านข้อมูลและการวิเคราะห์ระดับองค์กร ธนาคารกรุงศรีอยุธยา จำกัด (มหาชน) กล่าวว่า ด้วยเหตุนี้ กรุงศรีจึงตัดสินใจนำเทคโนโลยีคลาวด์ของ AWS มาใช้ เพื่อสร้างสมดุลระหว่างความปลอดภัยและความเสถียร กับความต้องการด้านนวัตกรรมและความคล่องตัว AWS ช่วยให้ธนาคารสามารถบริหารจัดการ Workload ได้อย่างยืดหยุ่น ปรับเพิ่มลดทรัพยากรได้ตามความต้องการจริง และคิดค่าใช้จ่ายตามการใช้งานจริง (Pay-as-you-go) ซึ่งช่วยเพิ่มประสิทธิภาพด้านต้นทุนได้อย่างมีนัยสำคัญ ปัจจุบันกรุงศรีได้ย้ายระบบงานขึ้นไปบนคลาวด์แล้วประมาณ 10-15% โดยการตัดสินใจย้ายระบบจะพิจารณาจากลักษณะ Workload สถาปัตยกรรมของแอปพลิเคชัน และการเชื่อมต่อกับระบบอื่น ๆ
“การบริหารจัดการและขยายโครงสร้างพื้นฐานแบบ On-premise เป็นเรื่องที่ซับซ้อนและมีค่าใช้จ่ายสูง การใช้คลาวด์เป็นแนวทางในการเพิ่มประสิทธิภาพด้านต้นทุน โดยเฉพาะการหลีกเลี่ยงค่าใช้จ่ายลงทุน (Capital Expenditure – CAPEX) ก้อนใหญ่เพื่อรองรับปริมาณงานสูงสุดที่ไม่เกิดขึ้นตลอดเวลา”
AI ขับเคลื่อนคุณค่าทางธุรกิจ: จาก ATM สู่การสร้างโค้ด
ทั้งนี้ การย้ายสู่คลาวด์ไม่ใช่เพียงแค่การเปลี่ยนแปลงโครงสร้างพื้นฐาน แต่เป็นการเคลื่อนไหวเชิงกลยุทธ์เพื่อส่งเสริมนวัตกรรม กรุงศรีสามารถเข้าถึงเครื่องมือและเทคโนโลยีใหม่ ๆ ที่มีอยู่บนแพลตฟอร์มคลาวด์ได้ง่ายขึ้น ทำให้สามารถพัฒนาและนำเสนอบริการใหม่ ๆ ได้รวดเร็วกว่าเดิม
ตุลย์ กล่าวว่า การเปลี่ยนผ่านสู่คลาวด์นี้ถือเป็นรากฐานสำคัญ กรุงศรีเริ่มต้นจากการแก้ปัญหาข้อจำกัดของระบบ On-premise โดยต้องการสร้างสมดุลระหว่างความเสถียรและนวัตกรรม รวมถึงการจัดการ Workload ที่ผันผวนอย่างคุ้มค่า การนำ AWS มาใช้จึงเป็นการตอบโจทย์ความท้าทายด้านโครงสร้างพื้นฐานและการดำเนินงานเหล่านี้ แต่ทว่าการตัดสินใจครั้งนี้ซึ่งขับเคลื่อนโดยความต้องการด้านโครงสร้างพื้นฐานเป็นหลัก ได้สร้างสภาพแวดล้อมที่จำเป็นทั้งในแง่ของการเข้าถึงข้อมูล ความสามารถในการประมวลผลที่ปรับขนาดได้ และเครื่องมือที่พร้อมใช้งาน ซึ่งต่อมาได้กลายเป็นปัจจัยสำคัญที่เอื้อให้เกิดการนำ AI และ Machine Learning (ML) มาปรับใช้และขยายผลได้อย่างรวดเร็ว
อาจกล่าวได้ว่า การย้ายสู่คลาวด์ไม่ได้มีเป้าหมายเพื่อ AI โดยตรงในตอนแรก แต่มันได้กลายเป็นรากฐานที่จำเป็นอย่างยิ่งซึ่ง เปิดทางให้กับกลยุทธ์ด้าน AI ในลำดับถัดมา ตุลย์ยก 3 ตัวอย่างการประยุกต์ใช้ AI – ตัวอย่างแรก นำ AI มาบริหารจัดการเงินสดในตู้ ATM (ATM Cash Optimization) โดยปัญหาที่มีก่อนหน้านี้คือการบริหารจัดการเงินสดในเครือข่ายตู้ ATM ที่มีจำนวนมาก ราว 5,000-6,000 ตู้ เกี่ยวข้องกับเงินสดหมุนเวียนมูลค่ามหาศาลระดับหมื่นล้านบาท หากเติมเงินน้อยเกินไป จะส่งผลเสียต่อประสบการณ์ลูกค้าที่ไม่สามารถกดเงินได้ แต่หากเติมเงินมากเกินไป จะทำให้ธนาคารเสียโอกาสในการนำเงินทุนนั้นไปใช้ประโยชน์อย่างอื่น เช่น การปล่อยกู้
เมื่อกรุงศรีพัฒนาและใช้งานโมเดล ML ซึ่งทำงานบน AWS มานานหลายปีเพื่อพยากรณ์ความต้องการเงินสดของตู้ ATM แต่ละตู้ ช่วยให้สามารถวางแผนการเติมเงินและกำหนดปริมาณเงินสดได้อย่างเหมาะสมที่สุด รวมถึงการปรับเส้นทางการเดินรถขนเงิน (Vehicle Routing) ให้มีประสิทธิภาพ ช่วยสร้างผลกระทบทางการเงินอย่างมีนัยสำคัญ เนื่องจากเกี่ยวข้องกับเงินทุนจำนวนมาก ช่วยเพิ่มประสิทธิภาพในการบริหารจัดการเงินทุน และยกระดับความพึงพอใจของลูกค้า โครงการนี้ถือเป็น Use case ที่ประสบความสำเร็จและใช้งานมาอย่างต่อเนื่อง
ตัวอย่างต่อมาคือ การประเมินราคาสินทรัพย์อัตโนมัติ เดิมทีการประเมินราคาสินทรัพย์ประเภทคอนโดมิเนียมหรือบ้านต้องอาศัยผู้ประเมิน (Appraiser) เข้าไปตรวจสอบ ซึ่งใช้เวลานานประมาณ 3-4 วัน กรุงศรีพัฒนาระบบที่เรียกว่า AIAVS (ชื่อเรียกภายใน) โดยใช้โมเดล ML ระบบนี้ใช้ข้อมูลปัจจัยต่าง ๆ เช่น อายุของคอนโด ทำเลที่ตั้ง ชั้นที่อยู่ ระยะห่างจากรถไฟฟ้า BTS และอาจรวมถึงชื่อเสียงของผู้พัฒนาโครงการ มาเป็น Input ในการประเมินมูลค่าทรัพย์สิน ผลที่เกิดขึ้นคือลดระยะเวลาในการประเมินราคาลงได้อย่างมาก จากเดิมหลายวันเหลือเพียงไม่กี่นาที ช่วยให้กระบวนการพิจารณาสินเชื่อรวดเร็วขึ้น เพิ่มประสิทธิภาพการดำเนินงาน และอาจส่งผลดีต่อประสบการณ์ของลูกค้า นอกจากนี้ ยังแสดงให้เห็นถึงความคล่องตัวในการปรับปรุงโมเดลโดยเพิ่มปัจจัยใหม่ ๆ เข้าไปได้
อีกหนึ่งตัวอย่างคือ การตรวจจับบัญชีม้า การระบุและต่อสู้กับการใช้บัญชีธนาคารเพื่อกระทำผิดกฎหมาย เช่น การฟอกเงิน การฉ้อโกง เป็นหน้าที่สำคัญในการบริหารจัดการความเสี่ยงที่ธนาคารให้ความสำคัญอย่างยิ่ง กรุงศรีพัฒนาโมเดล ML เพื่อวิเคราะห์ข้อมูลธุรกรรมจำนวนมหาศาล ทั้งข้อมูลย้อนหลัง รายการเงินเข้า-ออก และรูปแบบพฤติกรรมของลูกค้า เพื่อระบุบัญชีที่ต้องสงสัยว่าอาจเป็นบัญชีม้า ทำให้เพิ่มขีดความสามารถในการตรวจจับและดำเนินการกับอาชญากรรมทางการเงิน ปกป้องธนาคารและลูกค้า รวมถึงปฏิบัติตามข้อกำหนดของหน่วยงานกำกับดูแล
นอกจากนี้ ยังมีการใช้ AI ในการสร้าง/แปลงโค้ดอัตโนมัติ ที่เรียกว่า “Data ปุ๊บปั๊บ” การเข้าถึงและวิเคราะห์ข้อมูลในองค์กรมักต้องอาศัยทักษะการเขียนโค้ด ซึ่งเป็นอุปสรรคสำหรับผู้ใช้งานทางธุรกิจ (Business Users) ที่ไม่มีความเชี่ยวชาญด้านเทคนิค นอกจากนี้ การย้ายระบบคลังข้อมูล (Data Warehouse) เดิมไปยังแพลตฟอร์มใหม่ เป็นกระบวนการที่ซับซ้อน ใช้เวลานาน และมีค่าใช้จ่ายสูงในการแปลงโค้ดเดิม
กรุงศรีพัฒนาระบบภายในชื่อ “Data ปุ๊บปั๊บ” โดยใช้ AI ที่ช่วยให้ผู้ใช้ที่ไม่ใช่ฝ่ายเทคนิคสามารถสอบถามข้อมูลโดยใช้ภาษาพูดตามธรรมชาติ (Natural Language) ระบบสามารถตอบคำถามและให้ข้อมูลเชิงลึกเบื้องต้นได้ คล้ายกับ ChatGPT ใช้ Generative AI (บน AWS) ในการแปลงโค้ดจากภาษาโปรแกรมหนึ่งไปยังอีกภาษาหนึ่งโดยอัตโนมัติ (เช่น การย้ายจากแพลตฟอร์ม A ไป B) รวมถึงการสร้างโค้ดใหม่จากคำอธิบายที่เป็นภาษาธรรมชาติ ทำให้การเข้าถึงข้อมูลเป็นประชาธิปไตยมากขึ้น (Democratizes data access) ช่วยให้ผู้ใช้งานทางธุรกิจได้รับข้อมูลเชิงลึกเร็วขึ้นโดยไม่ต้องพึ่งพาทักษะการเขียนโค้ด ลดเวลาและลดต้นทุน และความพยายามที่ต้องใช้ในการย้าย Data Warehouse และงานพัฒนาอื่น ๆ ลงได้อย่างมีนัยสำคัญ ช่วยให้ทรัพยากรด้านไอทีสามารถหันไปทำงานที่สร้างมูลค่าเพิ่มให้กับธุรกิจได้มากขึ้น ถูกกล่าวว่าเป็น “Game Changer” สำหรับฝ่ายไอที
Generative AI: คลื่นลูกใหม่เริ่มจากภายใน
กรุงศรีมองว่า Generative AI (Gen AI) กำลังเข้ามามีบทบาทสำคัญในการสร้างโค้ดโดยอัตโนมัติ ซึ่งมีศักยภาพในการเปลี่ยนแปลงบทบาทของนักพัฒนาซอฟต์แวร์ (Developer) อย่างมาก การที่ AI สามารถเขียนโค้ดได้ หมายความว่างานที่เคยต้องอาศัยนักพัฒนาจำนวนมาก อาจต้องการคนน้อยลงในอนาคต มีการคาดการณ์ว่าทักษะที่จำเป็นสำหรับบุคลากรไอทีจะเปลี่ยนไป จากเดิมที่เน้นความสามารถในการเขียนโค้ดเป็นหลัก จะเปลี่ยนไปสู่ทักษะด้านความเข้าใจในธุรกิจ (Business Understanding) ความสามารถในการกำหนดความต้องการและสื่อสารกับ AI ได้อย่างมีประสิทธิภาพ (คล้าย Prompt Engineering) และทักษะในการตรวจสอบและรับรองความถูกต้องของโค้ดที่ AI สร้างขึ้น แม้ว่าผู้เชี่ยวชาญทางเทคนิคเชิงลึกจะยังคงมีความจำเป็น แต่จำนวนอาจลดลง การเปลี่ยนแปลงนี้ส่งผลกระทบต่อแนวทางการจ้างงาน การพัฒนาบุคลากรในอนาคต และอาจรวมถึงระบบการศึกษาด้วย
กรุงศรีมีแผนที่จะนำ Gen AI มาพัฒนาเครื่องมือผู้ช่วยอัจฉริยะ (AI Assistants) สำหรับพนักงานภายในองค์กร ได้แก่ ผู้จัดการลูกค้าสัมพันธ์ (Relationship Managers – RMs) พนักงานสาขา และเจ้าหน้าที่ Call Center เพื่อให้พนักงานสามารถเข้าถึงข้อมูลและได้รับคำตอบที่ถูกต้องและสอดคล้องกันสำหรับคำถามทั่วไปได้อย่างรวดเร็ว เช่น เอกสารที่ต้องใช้ในการสมัครสินเชื่อบ้าน โดยไม่ขึ้นอยู่กับระดับประสบการณ์ของพนักงานแต่ละคน สิ่งนี้จะช่วยเพิ่มประสิทธิภาพการทำงานของพนักงาน และสร้างความมั่นใจว่าลูกค้าจะได้รับประสบการณ์ที่สม่ำเสมอ ไม่ว่าจะติดต่อผ่านช่องทางใดก็ตาม
ตุลย์ย้ำว่า การดำเนินการแบบค่อยเป็นค่อยไป ในปัจจุบันการพัฒนาจะมุ่งเน้นไปที่ผู้ใช้งานภายในองค์กรเป็นหลัก ยังไม่มีแผนที่จะนำ Gen AI มาใช้กับลูกค้าโดยตรงผ่านช่องทาง เช่น Mobile App ในทันที แนวทางนี้สะท้อนความรอบคอบในการบริหารจัดการความเสี่ยง และต้องการทดสอบ ปรับปรุงเทคโนโลยีให้มีความพร้อมภายในองค์กรก่อน
AWS: พันธมิตรเชิงกลยุทธ์และการลงทุนในไทย
การเลือก AWS เป็นพันธมิตรเชิงกลยุทธ์เกิดจากความพร้อมสำหรับองค์กรขนาดใหญ่ (Enterprise Readiness) ความเป็นผู้นำทางเทคโนโลยี ระบบนิเวศของพันธมิตรที่แข็งแกร่ง และความน่าเชื่อถือ กรุงศรีมีแนวทางที่ชัดเจนในการใช้ประโยชน์จากเทคโนโลยีที่ดีที่สุดจากผู้ให้บริการชั้นนำอย่าง AWS แทนที่จะพยายามสร้างเทคโนโลยีพื้นฐาน เช่น LLMs ขึ้นมาเอง ตุลย์ กล่าวว่า ธนาคารควรจะมุ่งเน้นไปที่ธุรกิจหลักคือการธนาคาร เช่นเดียวกับที่ผู้ผลิตรถยนต์เลือกซื้อยางรถยนต์จากผู้เชี่ยวชาญ แทนที่จะผลิตเอง เป้าหมายคือการเป็นผู้ใช้เทคโนโลยีที่เชี่ยวชาญ โดยมุ่งเน้นการนำเทคโนโลยีมาประยุกต์ใช้เพื่อสร้างประโยชน์สูงสุดให้กับลูกค้า เช่น การอนุมัติสินเชื่อที่เร็วขึ้น หรือการบริการที่ดีขึ้น แนวทางนี้แตกต่างจากธนาคารบางแห่งที่อาจเลือกพัฒนาโมเดลที่เป็นกรรมสิทธิ์ของตนเอง ซึ่งการตัดสินใจเชิงกลยุทธ์นี้เป็นการจัดสรรทรัพยากรที่มีอยู่อย่างจำกัด ไปยังส่วนที่เป็นความสามารถหลักของธนาคาร และอาศัยผู้เชี่ยวชาญภายนอกสำหรับแพลตฟอร์มเทคโนโลยีพื้นฐาน
“กรุงศรีมองผู้ให้บริการเทคโนโลยีอย่าง AWS ไม่ใช่แค่ในฐานะผู้ขาย (Vendor) แต่เป็นพันธมิตรเชิงกลยุทธ์ที่ช่วยขับเคลื่อนเป้าหมายทางธุรกิจ การพึ่งพาความเชี่ยวชาญภายนอกนี้ช่วยให้ธนาคารสามารถสร้างนวัตกรรมในการประยุกต์ใช้เทคโนโลยีกับการเงินได้เร็วกว่า หากต้องพยายามลงทุนวิจัยและพัฒนาในระดับเดียวกับผู้ให้บริการคลาวด์ระดับโลก ความได้เปรียบทางการแข่งขันของกรุงศรีจึงมาจากการนำเครื่องมือไปใช้อย่างไร ไม่ใช่จากการสร้างเครื่องมือเหล่านั้นขึ้นมาเอง”
ตุลย์ กล่าวเสริมว่า การเปิดตัว AWS Thailand Region ไม่ใช่เพียงแค่ความสะดวกสบาย แต่เป็นปัจจัยสนับสนุนเชิงกลยุทธ์ที่คาดว่าจะช่วยเร่งการย้ายระบบขึ้นคลาวด์ของกรุงศรีได้อย่างมีนัยสำคัญ ปัจจุบัน กรุงศรียังมีระบบจำนวนมากอยู่บน On-premise การย้ายระบบมักเกี่ยวข้องกับการเชื่อมต่อและการสื่อสารระหว่างแอปพลิเคชันต่าง ๆ การใช้งานแอปพลิเคชันบนคลาวด์ในขณะที่ระบบที่เชื่อมต่อกันยังอยู่บน On-premise อาจทำให้เกิดความล่าช้า (Latency) หาก Cloud Region อยู่ห่างไกล เช่น สิงคโปร์ การมี Region ในประเทศจะช่วยลดปัญหานี้ลงอย่างมาก ทำให้การย้ายระบบที่ต้องมีการสื่อสารบ่อยครั้งระหว่าง Cloud และ On-premise เป็นไปได้ง่ายขึ้น
สถานะปัจจุบันของการย้ายระบบขึ้นคลาวด์ของกรุงศรีอยู่ที่ประมาณ 10-15% ของระบบทั้งหมด โดยส่วนใหญ่ 85-90% ยังคงอยู่บน On-premise ตัวเลขนี้ชี้ให้เห็นว่าการย้ายระบบกำลังดำเนินไปอย่างต่อเนื่อง ไม่ใช่การย้ายทั้งหมดในคราวเดียว ปัจจัยที่ใช้พิจารณาในการย้ายระบบ ได้แก่ ลักษณะของ Workload ว่าเหมาะสมกับสภาพแวดล้อมคลาวด์หรือไม่ เช่น มีความผันผวนสูง มีช่วง Peak ชัดเจน; สถาปัตยกรรมของแอปพลิเคชัน ว่าแอปพลิเคชันนั้นถูกออกแบบมาให้พร้อมสำหรับคลาวด์ (Cloud-ready) หรือไม่ การย้ายแบบ “Lift-and-shift” คือยกขึ้นไปทั้งอย่างนั้นอาจให้ประโยชน์น้อย; การพึ่งพิงระหว่างระบบ (System Dependencies) ระบบที่จะย้ายมีการเชื่อมต่อกับระบบอื่นที่ใดบ้าง หากระบบที่เชื่อมต่อกันส่วนใหญ่อยู่บน On-premise การย้ายเพียงระบบเดียวขึ้นคลาวด์อาจสร้างความซับซ้อนหรือปัญหาด้านประสิทธิภาพ การมี Data Center ในประเทศคาดว่าจะช่วยลดปัญหานี้
ด้าน วัตสัน ถิรภัทรพงศ์ ผู้จัดการประจำประเทศไทย ของ AWS ประเทศไทย กล่าวว่า ข้อมูลจาก IDC ที่ประเมินว่ามูลค่าตลาดทั่วโลกสำหรับ AI ในกลุ่ม FSI อาจสูงถึงประมาณ 2 แสนล้านเหรียญสหรัฐต่อปี สำหรับประเทศไทย คาดการณ์ว่าการลงทุนในแพลตฟอร์ม AI จะเติบโตอย่างรวดเร็ว โดยมีอัตราการเติบโตเฉลี่ยต่อปี (CAGR) เกือบ 40% แตะระดับ 180 ล้านเหรียญสหรัฐภายในปี 2027 ตัวเลขเหล่านี้บ่งชี้ถึงโอกาสทางการตลาดที่กำลังขยายตัวอย่างรวดเร็ว
AWS นำเสนอบริการ AI/ML ที่ครอบคลุมหลายระดับ ซึ่งสนับสนุนกลยุทธ์ของสถาบันการเงินอย่างกรุงศรี ตั้งแต่โครงสร้างพื้นฐาน (Infrastructure) รวมถึงชิปเซ็ตที่ออกแบบเฉพาะ เช่น AWS Trainium และ Inferentia และ GPU จากพันธมิตรอย่าง NVIDIA
แพลตฟอร์ม ML (ML Platforms) เช่น Amazon SageMaker ซึ่งเป็นบริการครบวงจรสำหรับการสร้าง ฝึกฝน และปรับใช้โมเดล ML ซึ่งน่าจะเป็นเครื่องมือที่กรุงศรีใช้สำหรับ Use case อย่าง ATM Optimization, AIAVS และ Mule Account Detection รวมถึงโมเดลพื้นฐาน LLMs (Foundational Models/LLMs) เช่น Amazon Bedrock ที่ให้ทางเลือกแก่ลูกค้าในการใช้ LLMs ที่หลากหลาย โดยไม่ผูกติดกับโมเดลใดโมเดลหนึ่ง และแอปพลิเคชัน/บริการ AI (AI Applications/Services) เช่น Amazon Q (ผู้ช่วยอัจฉริยะสำหรับธุรกิจ) Amazon QuickSight (สำหรับ Business Intelligence) และ Amazon Connect (สำหรับ Contact Center)
–AWS เปิดตัว AWS Thailand Region อย่างเป็นทางการ
รับมือสมรภูมิ Virtual Bank และแรงกดดันเศรษฐกิจ
การนำเทคโนโลยีคลาวด์และ AI (บนแพลตฟอร์ม AWS) มาปรับใช้ ช่วยให้กรุงศรีสามารถรักษาขีดความสามารถทางเทคโนโลยีให้อยู่ในระดับที่ทัดเทียมกับผู้เล่นรายใหม่ ๆ เช่น ธนาคารไร้สาขา (Virtual Banks) ที่คาดว่าจะประกาศรายชื่อผู้ได้รับใบอนุญาต 3 รายแรกในเดือนมิถุนายนนี้ได้ ตุลย์ กล่าวว่า กรุงศรีได้รับความสามารถที่คล้ายคลึงกันในด้านการวิเคราะห์ข้อมูล ความเข้าใจลูกค้า การแบ่งส่วนตลาด (Segmentation) และอาจรวมถึงความคล่องตัวในการดำเนินงาน อย่างไรก็ตาม มีความแตกต่างที่สำคัญคือ Virtual Banks ถูกสร้างขึ้นบนคลาวด์ตั้งแต่ต้น (Cloud-native) ซึ่งน่าจะส่งผลให้มีโครงสร้างต้นทุนการดำเนินงานที่ต่ำกว่า
ในทางตรงกันข้าม กรุงศรีจำเป็นต้องบริหารจัดการและบำรุงรักษาระบบ Legacy หลายร้อยระบบ ควบคู่ไปกับโครงสร้างพื้นฐานคลาวด์ที่ทันสมัย ซึ่งก่อให้เกิดความเสียเปรียบด้านต้นทุน การจัดการภาระจากระบบเดิมนี้จึงเป็นความท้าทายเชิงกลยุทธ์ที่สำคัญ ท้ายที่สุดแล้ว การแข่งขันจะขึ้นอยู่กับประสบการณ์ที่ลูกค้าได้รับ ลูกค้าให้ความสำคัญกับความเสถียรของบริการ เช่น ระบบไม่ล่มในช่วงสิ้นเดือนหรือวันหวยออก ความรวดเร็ว และความน่าเชื่อถือ ความสามารถของกรุงศรีในการส่งมอบบริการที่สม่ำเสมอและเชื่อถือได้ ถือเป็นจุดแข็งสำคัญในการแข่งขันกับผู้เล่นทุกราย รวมถึง Virtual Banks คุณค่าหลักของบริการธนาคารยังคงเป็นหัวใจสำคัญ
กรุงศรีจะยังคงเดินหน้าตามแนวทางปัจจุบันต่อไปคือการย้ายระบบขึ้นคลาวด์เพิ่มเติม ทั้งนี้ การที่กรุงศรีนำ AI/ML มาผสมผสานในการดำเนินงานให้ลึกซึ้งยิ่งขึ้น และการขยายการใช้งาน Gen AI อย่างรอบคอบและมีเป้าหมาย โดยเริ่มต้นจากภายในองค์กรเป็นหลัก โดยรวมแล้วกลยุทธ์ของกรุงศรีสะท้อนถึงแนวทางปฏิบัติที่เป็นจริงของธนาคารขนาดใหญ่ ที่ใช้เทคโนโลยีขั้นสูง (ผ่านพันธมิตรอย่าง AWS) เพื่อเพิ่มประสิทธิภาพ บริหารจัดการความเสี่ยง ยกระดับประสบการณ์ลูกค้า และรับมือกับภูมิทัศน์การแข่งขันที่ขับเคลื่อนด้วยดิจิทัลมากขึ้น ขณะเดียวกันก็ยังคงต้องบริหารจัดการกับความเป็นจริงของรากฐานระบบเดิมที่มีอยู่ต่อไป
ข่าวอื่น ๆ ที่น่าสนใจ
คลาวด์ AWS เบื้องหลังความสำเร็จ LINE MAN Wongnai
Medical AI Consortium: อนาคตของ AI ทางการแพทย์ของประเทศไทย
