การออกแบบและประเมินระบบ AI Agent แบบมัลติโมดัล (OpenClaw) สำหรับแปลงภาพถ่ายเอกสารบัญชีผ่านแอปแชทเป็นรายการบัญชีอัตโนมัติ ในสำนักงานบัญชีที่ให้บริการ SME ไทย

ที่มาของปัญหา

จุดเริ่มต้นของงานวิจัยนี้มาจากงานประจำของผมเอง ธุรกิจ SME ไทยมีอยู่มากกว่า 3.1 ล้านราย คิดเป็นกว่าร้อยละ 99.5 ของวิสาหกิจทั้งหมดในประเทศ แต่ส่วนใหญ่ไม่มีทรัพยากรมากพอที่จะดูแลบัญชี ของตัวเอง จึงต้องพึ่งพาสำนักงานบัญชีภายนอกอย่างที่ผมทำงานอยู่ ปัญหาที่สำนักงานบัญชีขนาดเล็ก ถึงกลางเจอเหมือนกันแทบทุกแห่งคือปริมาณเอกสารที่เพิ่มขึ้นเรื่อย ๆ งานบันทึกข้อมูลที่ต้องทำซ้ำ ทุกเดือน และการขาดบุคลากรที่มีทักษะด้านเทคโนโลยีมากพอจะนำเครื่องมืออัตโนมัติเข้ามาใช้เอง

เทคโนโลยีที่มักถูกพูดถึงสำหรับแก้ปัญหานี้คือ Robotic Process Automation (RPA) ซึ่งงานวิจัย หลายชิ้นชี้ว่าสามารถลดเวลาทำงานในกระบวนการบัญชีลงได้ถึงร้อยละ 60–80 แต่ในทางปฏิบัติ การสำรวจสำนักงานบัญชีไทยกว่า 380 แห่งในปี 2567 กลับพบว่าอุปสรรคอันดับหนึ่งของการนำ RPA มาใช้จริงคือการขาดความเชี่ยวชาญทางเทคนิคของบุคลากร เพราะเครื่องมือ RPA แบบดั้งเดิม เช่น UiPath หรือ Blue Prism ต้องอาศัยการตั้งค่ากระบวนการที่ค่อนข้างซับซ้อน ซึ่งเกินกำลังของ สำนักงานขนาดเล็กที่มีพนักงานจำกัดอยู่แล้ว

แนวคิดของ OpenClaw

ผมจึงตั้งโจทย์ใหม่ว่า ถ้าลดขั้นตอนที่ผู้ใช้ต้องทำให้เหลือแค่ "ถ่ายรูปเอกสารแล้วส่งเข้าแชท" ที่ทุกคนคุ้นเคยอยู่แล้ว เช่น LINE หรือ Telegram โดยไม่ต้องไปตั้งค่าโปรแกรมอะไรเพิ่ม จะช่วยลดกำแพงด้านเทคนิคที่เป็นอุปสรรคหลักได้หรือไม่ นี่คือที่มาของ OpenClaw ตัวแทน ปัญญาประดิษฐ์แบบมัลติโมดัลที่รับภาพถ่ายเอกสารบัญชี เช่น ใบเสร็จรับเงินหรือใบกำกับภาษี แล้วแปลงออกมาเป็นรายการบัญชีที่มีโครงสร้างโดยอัตโนมัติ

การทำงานของระบบแบ่งเป็น 6 ขั้นตอน เริ่มจากรับภาพจากผู้ใช้ผ่าน Bot บนแอปแชท ปรับแต่งภาพ เบื้องต้นเช่นหมุนหรือตัดขอบให้อ่านง่ายขึ้น จากนั้นใช้ Vision-Language Model หรือ OCR สกัด ข้อมูลออกมาเป็น JSON ตามโครงสร้างที่กำหนดไว้ ตรวจสอบความถูกต้องตามกฎทางบัญชี เช่น รูปแบบ เลขประจำตัวผู้เสียภาษี 13 หลักและการคำนวณภาษีมูลค่าเพิ่ม ก่อนจะส่งเฉพาะฟิลด์ที่ระบบไม่มั่นใจ ให้ผู้ใช้ยืนยันผ่านแชทอีกครั้ง แล้วจึงบันทึกเข้าระบบบัญชีพร้อมแจ้งผลกลับ ขั้นตอนที่ให้มนุษย์ ยืนยันเฉพาะจุดที่ไม่มั่นใจนี้ผมมองว่าสำคัญมาก เพราะงานบัญชีต้องการความถูกต้องสูงและมี ผลทางกฎหมาย การให้ AI ตัดสินใจเองทั้งหมดจึงไม่ใช่คำตอบที่เหมาะสม

อีกประเด็นที่ผมให้ความสำคัญคือความปลอดภัยของข้อมูล เพราะเอกสารที่ส่งเข้ามาเป็นข้อมูลการเงิน ของลูกค้า งานสำรวจผู้ประกอบวิชาชีพบัญชีไทยกว่า 305 คนพบว่าแม้ความตระหนักรู้เรื่องความมั่นคง ปลอดภัยไซเบอร์โดยรวมจะอยู่ในระดับสูง แต่พฤติกรรมด้านความปลอดภัยจริงกลับต่ำที่สุดในบรรดา ปัจจัยที่วัด OpenClaw จึงถูกออกแบบให้รองรับการติดตั้งแบบ Self-Hosted ได้ เพื่อให้ข้อมูลการเงิน ที่เป็นความลับไม่จำเป็นต้องถูกส่งออกไปยังคลาวด์สาธารณะโดยไม่จำเป็น และคำนึงถึงพระราชบัญญัติ คุ้มครองข้อมูลส่วนบุคคลตั้งแต่ขั้นตอนออกแบบ

วัตถุประสงค์และขอบเขต

งานวิจัยนี้ใช้แนวทาง Design Science Research เป็นหลัก เพราะเป้าหมายคือการสร้างระบบต้นแบบ ที่ใช้งานได้จริง ไม่ใช่แค่สำรวจความคิดเห็น โดยมีวัตถุประสงค์สี่ข้อ คือวิเคราะห์กระบวนการบัญชี ที่ทำซ้ำในสำนักงานบัญชีเพื่อกำหนดข้อกำหนดของระบบ ออกแบบสถาปัตยกรรม AI Agent ที่มีชั้นตรวจสอบ และกลไก Human-in-the-Loop พัฒนาต้นแบบที่ทำงานได้ตั้งแต่รับภาพจนถึงบันทึกผล และประเมิน สมรรถนะเชิงประจักษ์ทั้งความแม่นยำในการสกัดข้อมูล เวลาต่อเอกสาร ต้นทุนต่อเอกสาร และเวลาที่ ประหยัดได้เมื่อเทียบกับการคีย์ข้อมูลด้วยมือ

ในรอบแรกผมเลือกเจาะจงที่เอกสารประเภทใบเสร็จรับเงินและใบกำกับภาษีก่อน และเน้นกระบวนการ เจ้าหนี้การค้าเป็นลำดับแรก เพราะเป็นกระบวนการที่งานสำรวจก่อนหน้าระบุว่ามีการนำ RPA มาใช้ มากที่สุดในสำนักงานบัญชีไทย ส่วนช่องทางรับเอกสารเริ่มจาก Telegram เป็นต้นแบบก่อนจะขยายไปยัง LINE ในภายหลัง และเลือกใช้โมเดล VLM/OCR ที่มีอยู่แล้วผ่านการออกแบบ Prompt แทนการฝึกโมเดล ขึ้นมาใหม่ทั้งหมด เพื่อให้งานอยู่ในขอบเขตที่ทำได้จริงภายในระยะเวลาของสารนิพนธ์

ประโยชน์ที่คาดว่าจะได้รับ

สิ่งที่ผมอยากให้งานนี้ตอบได้ไม่ใช่แค่ "ทำได้หรือไม่" แต่รวมถึงตัวเลขที่จับต้องได้ว่าระบบทำงาน แม่นยำแค่ไหน ใช้เวลาและต้นทุนต่อเอกสารเท่าไร ซึ่งเป็นส่วนที่งานวิจัยไทยก่อนหน้ายังไม่มี เพราะส่วนใหญ่เป็นงานสำรวจความตั้งใจยอมรับเทคโนโลยี ยังไม่มีการสร้างระบบจริงมาวัดผล ถ้าต้นแบบนี้ใช้งานได้ตามที่ตั้งใจไว้ ก็น่าจะเป็นแนวทางให้สำนักงานบัญชีขนาดเล็กถึงกลาง นำไปปรับใช้ลดภาระงานซ้ำซ้อนและลดข้อผิดพลาดจากการคีย์มือได้จริง โดยไม่ต้องมีทีมไอทีของตัวเอง และยังได้แนวทางการออกแบบให้ปลอดภัยตั้งแต่ต้น สำหรับใครที่ต้องรับเอกสารการเงินผ่านแอปแชท ในบริบทอื่น ๆ ต่อไปด้วย