ชวนมาดู 8 วิธีที่บริษัทต่างๆใช้ Machine Learning เพื่อปรับปรุงขั้นตอนการทำงาน

หนึ่งในเทคโนโลยีที่มาแรงที่สุดของยุคนี้คงหนีไม่พ้น Machine Learning และเทคโนโลยีปัญญาประดิษฐ์​ ด้วยทั้งเม็ดเงินลงทุนมหาศาล (คาดว่าตลาดจะมีมูลค่าถึง 1 ล้านล้านเหรียญในปี 2025) ทั้งความสำเร็จมากมายที่ได้เห็นกันตามพาดหัวข่าวไม่เว้นแต่ละวัน และทั้งศักยภาพในการเปลี่ยนแปลงชีวิตมนุษย์และโลก จึงทำให้มันกลายมาเป็นหนึ่งในเทคโนโลยีที่ทุกคนควรรู้จัก เว็บไซต์ HBR รวบรวม 8 วิธีที่บริษัททั้งหลายนำเทคโนโลยี Machine Learning มาใช้เพื่อสร้างขั้นตอนการทำงานที่ดีขึ้น

1. ปรับแต่งการให้บริการลูกค้าเป็นรายบุคคล

การปรับการให้บริการให้ตรงกับความตองการของลูกค้ามากขึ้นนั้นนอกจากจะทำให้เกิดประสบการณ์ที่ดีแล้ว ยังช่วยลดต้นทุนให้ธุรกิจได้อีกด้วย การใช้เทคโนโลยีอย่างการวิเคราะห์ข้อมูลการใช้ย้อนหลังของลูกค้า การประมวลผลภาษาธรรมชาติ หรือการใช้อัลกอริทึมที่เรียนรู้จากปฏิสัมพันธ์กับลูกค้าล้วนแล้วแต่ช่วยให้บริษัทมีการให้บริการที่ดีตรงใจลูกค้ามากขึ้น โดยจะเห็นได้จากการสำรวจที่ร้อยละ 44 ของผู้บริโภคในสหรัฐฯชื่นชอบการปฏิสัมพันธ์กับ chatbots มากกว่ามนุษย์แล้ว

2. สร้าง Customer Loyalty และ Retention ที่ดีขึ้น

การวิเคราะห์ข้อมูลลูกค้าจากประวัติการใช้งานและอารมณ์ของลูกค้าใน Social Media ต่างๆทำให้บริษัทสามารถประมาณการได้ว่าลูกค้ากลุ่มใดมีความเสี่ยงที่จะเลิกใช้บริการ ด้วยการรวบรวมการวิเคราะห์นี้เข้ากับข้อมูลความสามารถในการทำกำไร จะทำให้บริษัทสามารถวางแผนขั้นตอนการรับมือที่ดีที่สุดได้ เช่นเมื่อ Telco รู้ว่าวัยรุ่นที่ใช้งานเครือข่ายโทรศัพท์มือถือผ่านแพคเกจของผู้ปกครองนั้นมักย้ายไปค่ายอื่น ทางบริษัทจึงใช้ Machine Learning ในการนำเสนอแพคเกจที่เหมาะสมกับพฤติกรรมผู้ใช้ก่อนจะเสียลูกค้าไปให้ผู้บริการรายอื่น

3. จ้างงานคนที่เหมาะสม

โดยเฉลี่ยแล้วในการประกาศรับสมัครงานหนึ่งครั้งจะมีผู้สมัครราวๆ 250 ราย และการคัดผู้สมัครให้เหลือแต่ผู้ที่เหมาะสมกับตำแหน่งนั้นนับว่าเป็นงานที่ยากที่สุดสำหรับผู้รับสมัคร การใช้ซอฟต์แวร์เข้ามาช่วยตรวจสอบการสมัครงานหลายพันรายและคัดคนนั้นนอกจากจะช่วยประหยัดเวลาได้มาก ยังช่วยให้บริษัทหาคนที่มีแนวโน้มจะประสบความสำเร็จในตำแหน่งงานนั้นๆได้ ซอฟต์แวรอัตโนมัติจะช่วยกำจัดความอคติของมนุษย์ ชี้ถึงภาษาอันไม่พึงประสงค์ และค้นพบผู้สมัครที่อาจโดนมองข้ามจากมนุษย์ได้

4. ระบบการเงินอัตโนมัติ

เทคโนโลยีปัญญาประดิษฐ์สามารถเข้ามาช่วยจัดการปัญหาต่างๆในขั้นตอนทางการเงินได้อย่างรวดเร็ว เช่นแทนที่จะให้พนักงานซึ่งเป็นมนุษย์ไล่หาหมายเลขการสั่งซื้อที่หายไปในการชำระเงิน บริษัทสามารถใช้ AI ที่ถูกสร้างขึ้นมาจัดการกับสถานการณ์ที่มีปัญหาเหล่านี้เข้ามาทำงานแทน การทำเช่นนี้จะทำให้บริษัทประหยัดทั้งเวลา ค่าใช้จ่ายในการดำเนินการ และกำลังคนของพนักงานทางการเงินที่สามารถหันไปทำงานด้านอื่นๆได้

5. วัดผลว่าแบรนด์เข้าถึงผู้คนมากน้อยแค่ไหน

หนึ่งในแอพพลิเคชันของ Machine Learning คือการตรวจจับภาพผ่านเทคโนโลยี Image Recognition ไม่ว่าจะเป็นภาพผลิตภัณฑ์ ตัวบุคคล หรือโลโก้ การใช้เทคโนโลยีดังกล่าวและการวิเคราะห์ข้อมูลเพิ่มเติมจะทำให้ธุรกิจสามารถรับรู้ผลการลงทุนในการเป็นสปอนเซอร์อย่างละเอียด เช่นจำนวนครั้ง ระยะเวลา และตำแหน่งในการปรากฏตัวของโลโก้บริษัท

6. ตรวจจับการโกง

บริษัทโดยทั่วไปเสียรายได้โดยเฉลี่ยถึงร้อยละ 5 ให้กับการโกงในการใช้บริการ (fraud) การสร้างโมเดล Machine Learning ให้เรียนรู้แบบแผนการใช้งานด้วยประวัติการใช้งาน ข้อมูลในเครือข่ายสังคม และข้อมูลอื่นๆจะทำให้ระบบสามารถตรวจจับความผิดปกติ ปัญหา และข้อมูลที่ไม่เข้าพวกได้โดยอัตโนมัติ ทำให้บริษัทสามารถดักจับและป้องกันการโกงได้อย่างทันท่วงที นอกจากนี้แล้วเทคโนโลยีดังกล่าวยังสามารถนำไปใช้งานในด้านความปลอดภัยทางไซเบอร์ และการตรวจจับการหนีภาษีอีกด้วย

7. ทำนายการบำรุงรักษาระบบ

บริษัทสามารถใช้ Machine Learning มาทำนายความเสียหายหรือความเสื่อมก่อนการเกิด เช่นหากระบบทำนายว่าเพลารถไฟจะแข็งตัวในไม่กี่ชั่วโมงถัดมา บริษัทก็จะสามารถเร่งแก้ไขปัญหาก่อนได้ แทนที่จะปล่อยให้ปัญหาเกิดระหว่างการเดินทางซึ่งส่งผลกระทบทางลบต่อผู้ใช้และการแก้ไขทำได้ยากกว่า

8. Supply Chains ที่ราบรื่นยิ่งขึ้น

Machine Learning สามารถวิเคราะห์ข้อมูลลอจิสติกส์และลดความเสี่ยงของปัญหาที่อาจเกิดขึ้นใน Supply Chain ไม่วาจะเป็นการวิเคราะห์ข้อมูลจากเครือข่ายสังคมหรือข่าวสารรายวันในภาษาต่างๆเพื่อที่จะรับรู้ความเสี่ยงได้เร็วขึ้นและหาวิธีแก้ไขปัญหาได้ทันท่วงที

และนอกไปจาก 8 วิธีที่มีการใช้กันอยู่ทั่วไปข้างต้นแล้ว ยังมีจุดอื่นๆที่มีแนวโน้มว่าจะมีการใช้งานเทคโนโลยี Machine Learning มากขึ้น ได้แก่

การวางแผนการเติบโตในหน้าที่การงาน

ระบบแนะนำแผนการงานนั้นจะช่วยให้พนักงานสามารถเลือกแผนหน้าที่การงานที่เหมาะสมกับตัวเอง ซึ่งนำไปสู่ประสิทธิภาพการทำงานที่สูงขึ้น ความพึงพอใจต่องานที่ดีขึ้น และการย้ายที่ทำงานที่ลดลง รวมไปถึงการวางแผนชีวิต เช่น แผนการศึกษาต่อ ที่เป็นระบบมากขึ้นอีกด้วย

การจัดการสภาพของสิ่งต่างๆในผ่านภาพถ่ายโดรนหรือดาวเทียม

การวิเคราะห์ข้อมูลภาพถ่ายที่ได้จากโดรนหรือดาวเทียมนั้นอาจเข้ามามีส่วนอย่างมากในการตรวจสอบสภาพของสิ่งต่างๆอย่าง สะพาน หรือเครื่องบินโดยสาร เช่นในกรณีที่มีรอยราวหรือความเปลี่ยนแปลงใดๆบนพื้นผิว

การวิเคราะห์ชั้นวางสินค้าในร้านค้าปลีก

การจัดการสินค้าบนชั้นวางอาจซับซ้อนไปอีกขั้นด้วยระบบที่คอยตรวจสอบตำแหน่งของสินค้า จำนวน และหน้าตาของชั้นวางสินค้าแต่ละแบรนด์ เพื่อสร้างความมั่นใจว่าชั้นวางสินค้าของตนเองนั้นมีหน้าตาอย่างที่มันควรจะเป็นและมีสินค้าเพียงพอต่อผู้บริโภค

แม้ Machine Learning จะมีประโยชน์และศักยภาพมากมายมหาศาล อย่างไรก็ตามการจะนำมันมาใช้งานนั้นก็ย่อมมีข้อควรระวังบางประการเช่นกัน เช่น การเตรียมข้อมูลที่ใช้และการควบคุมคุณภาพของข้อมูล ซึ่งจะส่งผลโดยตรงกับระบบ Machine Learning, การจัดลำดับความสำคัญของจุดที่จะใช้งาน Machine Learning การเลือกใช้หรือพัฒนาโซลูชั่น และการกระจายเทคโนโลยีไปยังส่วนต่างๆของธุรกิจโดยเสมอภาค, และสุดท้ายคือการคำนึงถึงทั้งพนักงานในบริษัทและลูกค้าในการนำเทคโนโลยีดังกล่าวเข้ามาใช้ ซึ่งรวมไปถึงการคำนึงถึงความไม่มั่นคงที่พนักงานอาจรู้สึกในการนำ Machine Learning เข้ามาทำงานของตน หรือความกังวลของลูกค้าที่มีต่อความเป็นส่วนตัว