เจาะเบื้องหลังการใช้ AI ของ KBank ปั้นแชทบ็อทอัจฉริยะ – วิเคราะห์อินไซต์ในโซเชียลมีเดีย

คุณขัตติยา อินทรวิชัย (ที่ 3 จากขวา) กรรมการผู้จัดการ ธนาคารกสิกรไทย, ศ.ดร.บัณฑิต เอื้ออาภรณ์ (ที่ 3 จากซ้าย) อธิการบดีจุฬาลงกรณ์มหาวิทยาลัย และดร.ชัย วุฒิวิวัฒน์ชัย (ที่ 2 จากซ้าย) ผู้อำนวยการศูนย์เทคโนโลยีอิเล็กทรอนิกส์และคอมพิวเตอร์แห่งชาติ

เป็นอีกเคสที่น่าสนใจของธนาคารกสิกรไทย จากการนำหนึ่งในประเภทของ AI อย่างโปรแกรมการประมวลผลทางภาษาธรรมชาติ (Natural Language Processing หรือที่หลายคนเรียกกันสั้น ๆ ว่า NLP) มาใช้งานจริงจนเห็นผลเป็นรูปธรรม

โดยความท้าทายของการพัฒนา NLP ก็คือ การทำให้คอมพิวเตอร์เข้าใจสิ่งที่คนกำลังพูดกันอยู่ และสามารถตอบสนองได้อย่างถูกต้อง ซึ่งที่ผ่านมา ในระดับโลกมีการพัฒนา NLP ในส่วนของภาษาอังกฤษไปแล้วค่อนข้างมาก แต่สำหรับภาษาไทยนั้นพบว่ายังมีการพัฒนาค่อนข้างล่าช้า นั่นจึงนำไปสู่การจับมือกันของ ธนาคารกสิกรไทย, จุฬาลงกรณ์มหาวิทยาลัย, NECTEC และกสิกรไทย บิซิเนส-เทคโนโลยี กรุ๊ป (KBTG) พัฒนา Thai NLP หรือ AI ที่เข้าใจภาษาไทยขึ้นมาใช้งานเองเสียเลย

โดยปัจจุบัน ความสามารถของ Thai NLP นั้นแบ่งออกได้เป็น 12 โมดูลหลัก ๆ นั่นคือ

1. Spam Detection ตรวจสอบว่าเป็นข้อความของจริง ไม่ใช่สแปมที่ส่งมารบกวน
2. Word Segmentation หรือความสามารถในการตัดแบ่งประโยคออกมาเป็นคำ ๆ ยกตัวอย่างเช่น ประโยคที่ว่า “สมัครบัตรเครดิตต้องมีเงินเท่าไร” NLP ต้องสามารถแยกออกมาได้เป็น >>สมัคร บัตร เครดิต ต้อง มี เงิน เท่าไร
3. วิเคราะชนิดของคำได้ เช่น คำว่า “สมัคร” เป็นคำกริยา, “บัตรเครดิต” เป็นคำนาม ฯลฯ เป็นต้น
4. สามารถแก้ไขคำที่สะกดผิดได้ (Error Correction)
5. เมื่อแก้ไขคำผิดแล้ว ต้องมีการตรวจสอบความถูกต้องของคำในประโยคได้ (Variant Correction)
6. สามารถตรวจหาชื่อเฉพาะในข้อความได้ เช่น มีชื่อผลิตภัณฑ์ ชื่อสถานที่ ชื่อบุคคล ชื่อองค์กร ฯลฯ หรือไม่
7. แบ่งข้อความตามรูปประโยคได้
8. แบ่งข้อความตามใจความสำคัญได้ เช่น สมัครบัตรเครดิต ต้องมีเงินเท่าไร
9. สามารถจำแนกเจตนาได้ (Intention Classification) เช่น จากประโยค สมัครบัตรเครดิตต้องมีเงินเท่าไร คือการแสดงความสนใจ และอยากสมัคร
10. สามารถจำแนกอารมณ์ความรู้สึกในข้อความได้ (Feeling Classification)
11. สามารถแยก Entities ในข้อความได้
12. สามารถวิเคราะห์ความรู้สึกของข้อความได้ (Sentiment Analysis) ซึ่งกระบวนการทั้งหมดนี้ จะนำไปสู่การวิเคราะห์ภาษาที่แม่นยำยิ่งขึ้น

ตามไปดู การใช้งานจริง Thai NLP ของกสิกรไทย

สำหรับเคสของธนาคารกสิกรไทยที่นำมาโชว์กันนั้นมีการใช้ Thai NLP ใน 2 ด้านหลัก ๆ นั่นคือ ใช้ในระบบแชทบ็อท (เพื่อให้ระบบสามารถทำความเข้าใจกับภาษาที่ลูกค้าเข้ามาแชทถามกับบ็อท) กับใช้ในการรับฟังเสียงของลูกค้าผู้ใช้บริการบนแพลตฟอร์มโซเชียลมีเดียต่าง ๆ

ในจุดนี้ ทางธนาคารกสิกรไทยให้ข้อมูลว่า ในแต่ละวันมีแมสเซจบนโซเชียลมีเดียเกิดขึ้นจำนวนมหาศาล ชนิดที่ว่า ใช้พนักงานมนุษย์มาคอยนั่งมอนิเตอร์ ก็ไม่สามารถตรวจจับได้ไหวอีกต่อไปแล้ว ซึ่งเสียงบนโซเชียลมีเดียเหล่านี้ หากแบรนด์ไม่สามารถสังเกตได้ทัน หลายครั้งก็กลายเป็นวิกฤติที่ส่งผลเสียต่อแบรนด์ได้เช่นกัน เห็นได้จากการเปิดตัวบัตรเดบิทในช่วง 1 – 2 เดือนที่ผ่านมา ทั้งบัตร Journey และบัตร BlackPink ที่ธนาคารพบว่ามีผู้สนใจเป็นจำนวนมาก

การนำ Thai NLP ขึ้นไปช่วยตรวจสอบแมสเซจบนโซเชียลมีเดียในช่วงของการเปิดบัตร จึงกลายเป็นเครื่องมือสำคัญที่ทำให้ทางธนาคารทราบจุดที่เกิดความติดขัด และสามารถแก้ไขสถานการณ์นั้นด้วยการปรับเมนูการเลือกบัตรให้เห็นลายครบได้ภายใน 30 นาที ซึ่งในอดีตอาจไม่สามารถทำได้รวดเร็วเท่านี้

ลดต้นทุนการเก็บฟีดแบ็ก

คุณขัตติยา อินทรวิชัย กรรมการผู้จัดการ ธนาคารกสิกรไทย ยังเผยด้วยว่า โปรเจ็ค Thai NLP นี้ ช่วยให้ธนาคารทราบถึงฟีดแบ็กจากลูกค้าได้รวดเร็วขึ้น จากเดิมที่ต้องอาศัยบริษัทภายนอกในการเก็บข้อมูลเป็นรายเดือน (หนึ่งเดือนอาจได้เห็นผลหนึ่งครั้ง) ซึ่งแรงงานคนสามารถทำได้ประมาณปีละ 30,000 – 50,000 ฟีดแบ็กเท่านั้น พอมีระบบดังกล่าว ก็สามารถเก็บข้อมูลได้มากถึง 600,000 ฟีดแบ็ก หรือเพิ่มขึ้นกว่า 10 เท่า และธนาคารสามารถเห็นฟีดแบ็กนี้ได้ “ทุกวัน” ซึ่งทำให้การอำนวยความสะดวกแก่ลูกค้าทำได้รวดเร็วมากขึ้นด้วย

“ในมุมต้นทุน ถ้าเป็นการเก็บฟีดแบ็กโดย Survey House จะมีค่าใช้จ่ายอยู่ที่ 200 – 300 บาทต่อ 1 ฟีดแบ็ก (หรือคิดเป็นค่าใช้จ่ายประมาณ 6 – 15 ล้านบาท) แต่การใช้ Thai NLP พบว่ามีต้นทุนต่อ 1 ฟีดแบ็กเพียง 15 บาทเท่านั้น”

ปีหน้าเตรียมดัน AI Chatbot ลงแอป K Plus

นอกจากนั้น แผนของธนาคารกสิกรไทยในปีหน้ายังอาจมีการผนวกแชทบอทที่รองรับ Thai NLP ลงไปในแอปพลิเคชัน K Plus ของตนเองด้วย ซึ่งจะทำให้ลูกค้าสามารถแชทกับบ็อทได้ผ่านทางแอปพลิเคชันโดยตรง นอกเหนือจากการแชทผ่านสื่อโซเชียลมีเดียอื่น ๆ

สำหรับการนำ Thai NLP ไปใช้ในธุรกิจอื่น ๆ นั้น สามารถทำได้หลากหลาย เช่น พัฒนาไปสู่ผู้ช่วยอัจฉริยะ (Virtual Assistant) สำหรับคอยให้ความช่วยเหลือลูกค้าในอุตสาหกรรมต่าง ๆ (แต่ทางภาคธุรกิจต้องจัดหาข้อมูลเพื่อมาเทรน NLP ดังกล่าวเพิ่มเติม) หรือการนำไปช่วยวิเคราะห์และจัดการเอกสาร, ช่วยคัดกรองผู้สมัครเข้าทำงาน, สรุปเนื้อหาสำคัญที่จำเป็นต่อการอนุมัติสินเชื่อออกมาจากเอกสารประกอบการขอสินเชื่อ รวมถึงยังสามารถนำไปใช้ในการตรวจสอบเอกสารสัญญาและธุรกรรมต่าง ๆ ได้ด้วยเช่นกัน

ทั้งนี้ ทางผู้พัฒนา Thai NLP ทั้ง 4 รายเผยว่า พร้อมจะเปิดให้ผู้ที่สนใจเชื่อมต่อ API เข้ามาใช้งานกันได้ รวมถึงสถาบันการเงินอื่น ๆ ก็สามารถขอใช้งานได้เช่นกัน โดยสามารถติดต่อสอบถามได้ที่ NECTEC