ต้องการระบบขายที่ "มี AI" — เหมือนที่ทุกคนต้องการ
กลุ่มธุรกิจตัวแทนจำหน่ายรถยนต์ต้องการระบบบริหาร sales pipeline โดย requirement ตั้งต้นระบุให้ใช้ cloud AI ขับเคลื่อน 14 features — ตั้งแต่ lead scoring · customer insights · ไปจนถึง sales coaching
แต่มีเงื่อนไขหนึ่งที่สำคัญกว่าตัวเทคโนโลยี: ผู้จัดการฝ่ายขายต้องอธิบายได้ว่าระบบตัดสินใจอย่างไร — ทำไม lead รายนี้ถึง Hot ทำไมรายนั้นถึงไม่ใช่
Audit ทั้ง 14 features — 12 ตัวแก้ได้ด้วย logic ล้วน
เมื่อไล่ดูทีละ feature เราพบว่า lead scoring ทำได้ด้วย rule ที่มีน้ำหนักชัดเจน · การร่างข้อความหาลูกค้าทำได้ด้วย template · โปรไฟล์ลูกค้า 360° ประกอบได้จากข้อเท็จจริงในระบบ · sales coaching ตอบได้จาก knowledge base
เหลือเพียง 2 features ที่ต้องใช้ความเข้าใจภาษาจริง ๆ — และทั้งคู่ให้ผลตอบแทนต่ำ
"AI" ในเอกสาร requirement กลายเป็นป้ายชื่อของทางแก้ ไม่ใช่ความจำเป็นของปัญหา
ความยืดหยุ่นของ LLM vs ความรับผิดชอบต่อการตัดสินใจ
LLM เข้าใจภาษาได้ดี แต่มาพร้อมต้นทุนที่มองไม่เห็น: การตัดสินใจแบบ black box ที่อธิบายไม่ได้ · ค่าใช้จ่ายต่อ request · ข้อมูลลูกค้าที่ต้องออกไปนอก server · และ vendor lock-in
ส่วน rule-based logic อธิบายได้และทำซ้ำได้เป๊ะ — แต่ยืดหยุ่นน้อยกว่า และธุรกิจต้องดูแล rule เอง
คำถามที่แท้จริงไม่ใช่ "AI เก่งพอไหม" แต่คือ "ใครควรเป็นเจ้าของ logic การตัดสินใจของธุรกิจนี้"
Glass-box Decision Engine
เราตัดสินใจให้ทุกการตัดสินใจในระบบ — lead scoring · customer profile · insights — คำนวณจาก rule ที่เขียนไว้ชัดเจน มี version และตรวจสอบย้อนหลังได้ ไม่ใช่จากการ inference ของ LLM
- Intentional — ทีมเป็นเจ้าของสูตร อธิบายได้ว่าทำไมน้ำหนักแต่ละตัวเป็นเท่านี้
- Versioned — ruleset ทุกชุดมี policy version กำกับ
- Traceable — ทุกผลลัพธ์บันทึกพร้อม version + input + breakdown ของคะแนน — replay ได้ทุกการตัดสินใจ
สิ่งที่สร้างจริง
ระบบ multi-tenant พร้อม Row-Level Security ที่ชั้น database · decision logic ทั้งหมดเป็น pure function ที่มี versioned ruleset · ทุกการให้คะแนนถูกบันทึกเป็น decision log ที่ audit ได้ · รันบน infrastructure ที่ธุรกิจควบคุมเอง — ข้อมูลลูกค้าไม่ออกไปไหน
ขึ้น production — และอธิบายตัวเองได้ทุกการตัดสินใจ
ระบบผ่านการทดสอบ multi-role end-to-end (sales coordinator ติดตามลูกค้า Hot · manager ดู pipeline analytics) โดยไม่พบ critical bug และ core decision pipeline ผ่านการ validate บน production จริงแล้ว
ที่สำคัญกว่า: เมื่อผู้จัดการถามว่า "ทำไม lead นี้ Hot" — ระบบตอบได้เป็น breakdown ของคะแนน ไม่ใช่ "AI บอกมา"
ถ้า logic ทำได้ อย่าใช้ AI
Generative AI เก่งเรื่องเข้าใจสิ่งที่ไม่มีโครงสร้าง — แต่ไม่ควรเป็นเจ้าของการตัดสินใจสำคัญ การแลกความยืดหยุ่นทางภาษา กับความอธิบายได้ + ทำซ้ำได้ + ความเป็นเจ้าของ logic เป็นการแลกที่คุ้มเสมอสำหรับธุรกิจ SME และตลาดที่ต้องการความรับผิดชอบ
และภาระการดูแล rule ไม่ใช่ต้นทุน — มันคือ feature: ธุรกิจเป็นเจ้าของ logic ของตัวเอง