ทำไมทุกการตัดสินใจ ยังต้องรอผู้ใหญ่?
พนักงานตัดสินใจเองไม่ได้ จนกว่าจะมีคนยืนยันว่าระเบียบฉบับไหนใช้อยู่ NeuronX ตอบจากเอกสาร ระเบียบ และทุกฉบับแก้ไขขององค์กร พร้อมเลขข้อและฉบับที่มีผลบังคับใช้ ทีมงานจึงตัดสินใจได้เอง และ AI Agent ที่คุณจะเพิ่มต่อจากนี้ก็ทำงานบนหลักฐานชุดเดียวกัน บนเซิร์ฟเวอร์ขององค์กรเอง
บริษัทตัวอย่าง จำกัด
ระเบียบว่าด้วยการจัดซื้อจัดจ้าง (ฉบับที่ ๒) พ.ศ. ๒๕๖๘
ข้อ ๑๒ การจัดซื้อโดยวิธีเฉพาะเจาะจง ให้กระทำได้ในวงเงินครั้งละไม่เกิน ๑๐๐,๐๐๐ ๕๐๐,๐๐๐ บาท
แสดงส่วนที่เปลี่ยนเทียบกับฉบับ พ.ศ. ๒๕๖๔
ไม่เกิน ๕๐๐,๐๐๐ บาทต่อครั้ง ตามระเบียบฯ (ฉบับที่ ๒) ข้อ ๑๒ ซึ่งแก้ไขวงเงินเดิม ๑๐๐,๐๐๐ บาท
Up to 500,000 baht per purchase, under Amendment No. 2, clause 12, which replaced the earlier 100,000 baht limit.
ไม่พบข้อมูลนี้ในเอกสารขององค์กร ระเบียบที่ใกล้เคียงที่สุดคือระเบียบการเดินทางในประเทศ ซึ่งไม่ครอบคลุมการเดินทางไปต่างประเทศ
I couldn't find this in your documents. The closest is the domestic travel regulation, which doesn't cover trips abroad.
รัฐวิสาหกิจด้านพลังงานของไทย · ระบบ productionอ่านกรณีศึกษา
สิ่งที่องค์กรกำลังเสียไปทุกวัน
ทุกคำถามที่ไม่แน่ใจถูกส่งขึ้นไปหาคนไม่กี่คนที่จำได้ว่าระเบียบฉบับไหนใช้อยู่ พวกเขาหมดวันไปกับการตอบคำถามแทนการตัดสินใจ องค์กรจึงเดินได้เร็วเท่าที่พวกเขาว่าง และเมื่อพวกเขาเกษียณหรือลาออก ความรู้นั้นก็หายไปด้วย
พนักงานถามกันในแชตแล้วรอ พนักงานใหม่ใช้เวลาหลายเดือนกว่าจะหาของเจอในไฟล์สแกนและโฟลเดอร์เก่า
มีคนทำงานตามฉบับปีที่แล้ว แล้วไปเจอเอาตอนตรวจสอบ
ไม่ใช่ทุกคนที่ควรเห็นทุกเอกสาร สุดท้ายจึงไม่มีอะไรถูกเปิดใช้ และเครื่องมือ AI ก็ถูกห้ามตั้งแต่ยังไม่เริ่ม
แพลตฟอร์ม Agentic สำหรับองค์กร
แต่ละชั้นต่อยอดจากชั้นก่อนหน้า เริ่มจากเอกสารขององค์กร และไปจบที่ Agent ที่ลงมือทำงาน
อ่านเอกสารได้ทุกฉบับ ทั้งไทยและอังกฤษ
โมดูล · Document Manager
Operations
Corporate
ตอบจากฉบับที่มีผลบังคับใช้เท่านั้น
โมดูล · Archive Management
กำหนดว่าใคร และ Agent ตัวไหน เห็นอะไรได้บ้าง
โมดูล · Access Control Manager
เปลี่ยนความรู้ให้เป็นงาน
โมดูล · Skill Builder
กรณีศึกษา
รัฐวิสาหกิจด้านพลังงานของไทย
องค์กรต้องการให้พนักงานค้นหาคำตอบจากคลังเอกสารภาษาไทยจำนวนมากที่เป็นไฟล์สแกน ทั้งสัญญา ระเบียบ ประกาศ คำสั่ง รายงาน และพระราชบัญญัติ NeuronX ติดตั้งบนเซิร์ฟเวอร์ GPU ขององค์กรเอง โดยมีระบบหลักและระบบสำรองที่ซิงก์ข้อมูลกันตลอดเวลา
เราทดสอบระบบจริงด้วยคำถามที่สร้างจากตัวเอกสาร 51 ข้อที่มีคำตอบอยู่ในคลัง และ 20 ข้อที่ไม่มีคำตอบ คำถามทุกข้อผ่านเกณฑ์คัดกรองเดียวกันก่อนจะมีใครเห็นผลทดสอบ
การวัดผลยังทำให้เจอบั๊กบน production 3 จุด ซึ่งแก้แล้วทั้งหมด ได้แก่ สระและวรรณยุกต์ไทยหายเพราะใช้ OCR ผิดตัว อัปโหลดไฟล์ชื่อภาษาไทยยาวๆ ไม่ผ่าน และแชตตอบกลับว่างเปล่า
| ตัวชี้วัด | ผล | ความหมาย |
|---|---|---|
| Recall@20 | 0.886 | เอกสารที่ถูกต้องอยู่ในชุดที่ AI อ่าน |
| Recall@10 | 0.859 | เอกสารที่ถูกต้องอยู่ใน 10 อันดับแรก |
| AUC-ROC | 0.941 | แยกคำถามที่ตอบได้ออกจากคำถามที่ตอบไม่ได้ |
| คลังเอกสาร | 249 | เอกสาร 16 หมวด |
| คำถาม | 51 + 20 | มีคำตอบ + ไม่มีคำตอบ |
เส้นตั้งคือเป้าหมาย 80% ที่ลูกค้ากำหนด
Recall@20 นับว่าค้นเจอเมื่อเอกสารที่ถูกต้องอยู่ในชุดประมาณ 20 ส่วนที่โมเดลอ่านก่อนตอบ ด้วยคำถาม 51 ข้อ ค่าคลาดเคลื่อนอยู่ที่ประมาณ ±0.10 ที่ระดับความเชื่อมั่น 95% และรันทดสอบซ้ำทั้งชุดได้ในราว 20 นาทีหลังการเปลี่ยนแปลงระบบทุกครั้ง
การติดตั้ง
NeuronX ติดตั้งภายในองค์กรของคุณ บนฮาร์ดแวร์ที่คุณควบคุมเอง
โมเดลสำหรับการให้เหตุผล OCR ภาษาไทย และ embedding รันบนฮาร์ดแวร์ขององค์กร หลัง firewall ของคุณ เอกสาร Knowledge graph และ audit log เก็บอยู่ในฐานข้อมูลขององค์กรเอง
โมเดลที่ใช้ในระบบอ้างอิงข้างต้น เป็นโมเดล open-weight ทั้งหมด
ระบบหลักและระบบสำรอง พร้อม database replication และ IP ลอย มีคู่มือ failover และ failback เป็นลายลักษณ์อักษร
OCR การค้นหา และการปรับรูปแบบข้อความ ออกแบบมาเพื่อภาษาไทย รองรับเลขไทยด้วย
ชุดทดสอบที่รันซ้ำได้กับคลังเอกสารขององค์กรหลังการเปลี่ยนแปลงทุกครั้ง ปัญหาจึงโผล่ให้เห็นก่อนที่ผู้ใช้จะเจอ
เปลี่ยนไปใช้โมเดลที่ดีกว่าผ่าน endpoint มาตรฐานที่เข้ากันได้กับ OpenAI โดยไม่ต้องสร้างแพลตฟอร์มใหม่