1. ความท้าทายไม่ได้เริ่มต้นจากการเขียนโค้ด แต่เริ่มจากการกำหนดความต้องการขององค์กร

หัวใจสำคัญของระบบ ERP คือการนำกระบวนการทำงานของแต่ละหน่วยงานมาเชื่อมโยงกันภายใต้ระบบเดียว

ในทางปฏิบัติ แต่ละฝ่ายมักมีความต้องการและเงื่อนไขในการทำงานแตกต่างกัน ตัวอย่างเช่น

• ฝ่ายขายต้องการให้กระบวนการเสนอราคาและอนุมัติรวดเร็ว
• ฝ่ายบัญชีต้องการให้เอกสารมีข้อมูลครบถ้วนและสามารถตรวจสอบย้อนหลังได้
• ฝ่ายคลังสินค้าต้องการควบคุมการรับเข้า เบิกจ่าย และติดตามสินค้าตามสถานที่จัดเก็บ
• ฝ่ายบริหารต้องการข้อมูลสรุปที่ถูกต้องและเป็นปัจจุบันสำหรับประกอบการตัดสินใจ

ก่อนเริ่มพัฒนาระบบ องค์กรจึงจำเป็นต้องวิเคราะห์กระบวนการทำงานร่วมกัน กำหนดบทบาทและสิทธิ์ของผู้ใช้งาน ออกแบบขั้นตอนการอนุมัติ รวมถึงพิจารณากรณียกเว้นที่เกิดขึ้นจริงในแต่ละหน่วยงาน

กระบวนการเหล่านี้อาจใช้เวลาหลายสัปดาห์หรือหลายเดือน ขึ้นอยู่กับขนาดและความซับซ้อนขององค์กร

AI สามารถช่วยสรุปข้อมูลจากการประชุม จัดทำร่าง Requirement หรือแปลงความต้องการให้เป็นเอกสารทางเทคนิคได้ แต่ยังไม่สามารถทดแทนการวิเคราะห์ของผู้เชี่ยวชาญ การตั้งคำถามเชิงธุรกิจ หรือการประสานความเข้าใจระหว่างผู้ที่เกี่ยวข้องได้ทั้งหมด

โดยเฉพาะกระบวนการที่องค์กรใช้งานมาเป็นเวลานาน แต่ไม่เคยถูกจัดทำเป็นเอกสารอย่างเป็นทางการ ซึ่ง AI จะไม่สามารถรับรู้ได้หากไม่มีบุคลากรถ่ายทอดข้อมูลอย่างครบถ้วน

2. ระบบบัญชีและภาษีไทยมีรายละเอียดที่ต้องอาศัยความเชี่ยวชาญเฉพาะด้าน

ERP ระดับองค์กรไม่ได้มีหน้าที่เพียงบันทึกข้อมูล แต่ต้องสามารถนำข้อมูลจากการดำเนินงานไปจัดทำเอกสารทางบัญชี รายงานภาษี และข้อมูลทางการเงินได้อย่างถูกต้อง

สำหรับประเทศไทย ระบบอาจต้องรองรับรายละเอียดหลายด้าน เช่น

• ภาษีมูลค่าเพิ่ม
• ภาษีหัก ณ ที่จ่าย
• ใบกำกับภาษีและใบลดหนี้
• การรับรู้รายได้และค่าใช้จ่าย
• การคำนวณต้นทุนสินค้า
• การปิดงวดบัญชี
• e-Tax Invoice และเอกสารอิเล็กทรอนิกส์
• รายงานที่เกี่ยวข้องกับการตรวจสอบภายในและการตรวจสอบบัญชี

รายละเอียดเหล่านี้ไม่ได้เป็นเพียงสูตรคำนวณ แต่ยังเกี่ยวข้องกับเงื่อนไขทางธุรกิจ ลำดับเอกสาร ช่วงเวลาการรับรู้รายการ และกรณียกเว้นที่อาจแตกต่างกันในแต่ละองค์กร

หากนำ AI มาใช้สร้าง Logic ทางบัญชีโดยไม่มีนักบัญชี ผู้เชี่ยวชาญด้านภาษี หรือที่ปรึกษาระบบตรวจสอบ อาจเกิดความคลาดเคลื่อนของข้อมูล หรือเกิดรายการที่ไม่สอดคล้องกันระหว่างเอกสาร สต็อกสินค้า และบัญชีแยกประเภท

แม้ความคลาดเคลื่อนเพียงเล็กน้อยอาจส่งผลต่อรายงานทางการเงิน การยื่นภาษี และกระบวนการตรวจสอบย้อนหลังได้ การแก้ไขข้อมูลภายหลังจึงอาจใช้ทั้งเวลาและค่าใช้จ่ายสูงกว่าการวางโครงสร้างระบบอย่างถูกต้องตั้งแต่ต้น

3. โค้ดที่สร้างได้รวดเร็ว อาจยังไม่พร้อมสำหรับการใช้งานจริงในระดับองค์กร

AI มีประสิทธิภาพอย่างมากในการช่วยสร้างโค้ดพื้นฐาน หน้าจอบันทึกข้อมูล ฟังก์ชันเฉพาะส่วน หรือโปรแกรมที่มีขอบเขตชัดเจน

อย่างไรก็ตาม ระบบ ERP ประกอบด้วยหลายโมดูลที่เชื่อมโยงและส่งผลต่อกันตลอดทั้งกระบวนการ ตัวอย่างเช่น เมื่อฝ่ายขายยืนยันคำสั่งซื้อ ระบบอาจต้องตรวจสอบสินค้าคงเหลือ สร้างรายการจัดส่ง คำนวณต้นทุน บันทึกลูกหนี้ และส่งผลต่อรายงานทางบัญชีในลำดับถัดไป

หากโครงสร้างระบบไม่ได้รับการออกแบบอย่างเป็นระบบ การเพิ่มหรือแก้ไขฟังก์ชันในส่วนหนึ่งอาจส่งผลกระทบต่ออีกหลายส่วนโดยไม่ตั้งใจ การให้ AI สร้างโค้ดจำนวนมากอย่างต่อเนื่อง โดยไม่มีสถาปนิกระบบหรือทีมพัฒนาที่มีประสบการณ์ควบคุม อาจนำไปสู่ปัญหา เช่น

• โค้ดมีความซ้ำซ้อนและดูแลรักษาได้ยาก
• ระบบรองรับผู้ใช้งานจำนวนมากไม่ได้
• ประสิทธิภาพลดลงเมื่อข้อมูลเพิ่มขึ้น
• การปรับปรุงระบบในอนาคตมีความซับซ้อน
• เกิดช่องโหว่ด้านความปลอดภัย
• ไม่มีมาตรฐานสำหรับการสำรองและกู้คืนข้อมูล
• การเชื่อมต่อกับระบบอื่นเกิดข้อผิดพลาดได้ง่าย

ดังนั้น คำว่า “พัฒนาเสร็จ” จึงไม่ได้หมายความว่า “พร้อมใช้งานจริง” เสมอไป

ระบบที่พร้อมใช้งานในระดับ Production ต้องผ่านการตรวจสอบทั้งด้านโครงสร้าง ประสิทธิภาพ ความปลอดภัย ความถูกต้องของข้อมูล และความสามารถในการรองรับการเปลี่ยนแปลงในอนาคต

4. การย้ายข้อมูลและการทดสอบระบบเป็นขั้นตอนที่ไม่มีทางลัด

แม้ระบบจะได้รับการพัฒนาจนสามารถใช้งานได้แล้ว องค์กรยังต้องดำเนินการอีกหลายขั้นตอนก่อนเริ่มใช้งานจริง

การเตรียมและย้ายข้อมูลเดิม: ข้อมูลจากระบบเดิมหรือไฟล์ Excel มักมีรูปแบบไม่เหมือนกัน อาจมีข้อมูลซ้ำ ข้อมูลไม่ครบถ้วน หรือใช้รหัสสินค้าและชื่อลูกค้าที่ไม่เป็นมาตรฐานเดียวกัน องค์กรจึงต้องตรวจสอบ ทำความสะอาด และจัดโครงสร้างข้อมูลก่อนนำเข้าสู่ระบบใหม่ เช่น

• ข้อมูลลูกค้าและผู้ขาย
• รหัสสินค้าและหน่วยนับ
• ยอดสินค้าคงเหลือ
• ยอดลูกหนี้และเจ้าหนี้
• ผังบัญชี
• รายการสินทรัพย์
• เอกสารที่ยังดำเนินการไม่เสร็จ

AI สามารถช่วยจัดหมวดหมู่หรือช่วยตรวจหาข้อมูลผิดปกติได้ แต่การยืนยันว่าข้อมูลใดถูกต้องยังต้องอาศัยผู้รับผิดชอบขององค์กรเป็นผู้ตรวจสอบ

การทดสอบโดยผู้ใช้งานจริง

ก่อนเริ่มใช้งาน ระบบต้องผ่าน User Acceptance Testing หรือ UAT เพื่อให้ผู้ใช้งานแต่ละฝ่ายทดลองทำงานตามสถานการณ์จริง

การทดสอบไม่ได้มีเพียงการตรวจสอบว่าปุ่มหรือหน้าจอทำงานได้หรือไม่ แต่ต้องตรวจสอบกระบวนการตั้งแต่ต้นจนจบ เช่น

• การขายจนถึงการรับชำระเงิน
• การจัดซื้อจนถึงการชำระเจ้าหนี้
• การรับและจ่ายสินค้า
• การผลิตและคำนวณต้นทุน
• การบันทึกบัญชีและจัดทำรายงาน

หากไม่ผ่านการทดสอบอย่างเพียงพอ ปัญหาอาจปรากฏหลังเริ่มใช้งานจริง ซึ่งมีผลกระทบต่อการดำเนินงานของหลายหน่วยงานพร้อมกัน

นอกจากนี้ องค์กรยังต้องดำเนินการด้าน Change Management ทั้งการอบรมผู้ใช้งาน การจัดทำคู่มือ การกำหนดผู้รับผิดชอบ และการสื่อสารให้พนักงานเข้าใจถึงกระบวนการทำงานใหม่

แล้ว AI มีบทบาทอย่างไรในการพัฒนาระบบ ERP?

แม้ AI จะยังไม่สามารถทดแทนทีม Implement และผู้เชี่ยวชาญในการสร้าง ERP ระดับองค์กรได้ทั้งหมด แต่ AI สามารถเป็นเครื่องมือที่ช่วยเพิ่มประสิทธิภาพให้กับโครงการได้อย่างมาก

ตัวอย่างการประยุกต์ใช้ AI ที่เหมาะสม ได้แก่

- ช่วยจัดทำ Requirement: AI สามารถช่วยสรุปข้อมูลจากการประชุม จัดหมวดหมู่ความต้องการ และร่าง User Stories หรือเอกสารข้อกำหนดเบื้องต้น ทำให้ทีมงานลดเวลาในการจัดทำเอกสารและสามารถทบทวนข้อมูลได้รวดเร็วขึ้น

- ช่วยพัฒนาโค้ดพื้นฐาน: AI สามารถช่วยเขียนโครงสร้างโค้ดเบื้องต้น ฟังก์ชันที่มีรูปแบบซ้ำกัน หรือ Database Schema ภายใต้กรอบสถาปัตยกรรมที่ทีมพัฒนากำหนดไว้

- ช่วยจัดทำ Test Cases: ทีมพัฒนาสามารถใช้ AI ช่วยสร้างสถานการณ์ทดสอบ ข้อมูลจำลอง และตรวจสอบกรณีที่อาจถูกมองข้าม เพื่อเพิ่มความครอบคลุมในการทดสอบระบบ

- ช่วยตรวจสอบและแก้ไขข้อผิดพลาด: AI สามารถช่วยวิเคราะห์ อธิบายสาเหตุที่เป็นไปได้ของข้อผิดพลาด และเสนอแนวทางแก้ไขเบื้องต้น ช่วยให้ทีมพัฒนาค้นหาปัญหาได้รวดเร็วขึ้น

 - ช่วยให้ผู้ใช้งานเข้าถึงข้อมูลได้ง่ายขึ้น: ในระบบ ERP ยุคใหม่ AI ยังสามารถนำมาใช้ช่วยค้นหาข้อมูล สรุปรายงาน วิเคราะห์แนวโน้ม หรือช่วยตอบคำถามจากข้อมูลภายในระบบได้

ดังนั้น บทบาทที่เหมาะสมของ AI ในโครงการ ERP จึงไม่ใช่การทำงานแทนมนุษย์ทั้งหมด แต่เป็นการทำหน้าที่เสมือนผู้ช่วย หรือ AI Co-pilot ที่ทำงานร่วมกับที่ปรึกษา นักบัญชี นักวิเคราะห์ธุรกิจ และทีมพัฒนาระบบ

ทางเลือกที่เหมาะสมกว่าสำหรับองค์กร

การสร้าง Custom ERP ขึ้นใหม่ทั้งหมดจากศูนย์ อาจเหมาะกับองค์กรที่มีกระบวนการเฉพาะตัวอย่างมาก มีทีมเทคโนโลยีภายในที่แข็งแรง และมีงบประมาณสำหรับการพัฒนา ดูแล และปรับปรุงระบบอย่างต่อเนื่อง

สำหรับองค์กรส่วนใหญ่ แนวทางที่มีความเสี่ยงต่ำและสามารถควบคุมงบประมาณได้ดีกว่า คือการเลือกใช้ Standard ERP หรือ Open-Source ERP ที่มีโครงสร้างระบบผ่านการใช้งานและพัฒนามาอย่างต่อเนื่อง เช่น Odoo

จากนั้นจึงนำมาปรับกระบวนการ ตั้งค่าเพิ่มเติม หรือพัฒนาเฉพาะส่วนที่องค์กรต้องการจริง โดยสามารถใช้ AI เข้ามาช่วยเพิ่มประสิทธิภาพในการพัฒนา การทดสอบ และการเชื่อมต่อกับระบบอื่นได้

แนวทางดังกล่าวช่วยให้องค์กรได้รับประโยชน์จากทั้งสองด้าน ได้แก่

• มีโครงสร้าง ERP มาตรฐานเป็นพื้นฐาน
• ลดระยะเวลาและความเสี่ยงในการพัฒนา
• รองรับการขยายระบบในอนาคต
• สามารถอัปเดตและดูแลรักษาได้อย่างต่อเนื่อง
• ใช้ AI เพื่อเพิ่มความรวดเร็วในส่วนที่เหมาะสม
• ยังคงมีผู้เชี่ยวชาญควบคุมความถูกต้องของกระบวนการและข้อมูล

สรุป

AI กำลังเปลี่ยนแปลงวิธีการพัฒนาซอฟต์แวร์ และมีศักยภาพในการช่วยให้โครงการ ERP ดำเนินการได้รวดเร็วและมีประสิทธิภาพมากขึ้น

อย่างไรก็ตาม ความสำเร็จของระบบ ERP ไม่ได้ขึ้นอยู่กับความเร็วในการเขียนโค้ดเพียงอย่างเดียว แต่ขึ้นอยู่กับความเข้าใจกระบวนการธุรกิจ ความถูกต้องของข้อมูล โครงสร้างระบบที่เหมาะสม การทดสอบ และความพร้อมของผู้ใช้งานภายในองค์กร

ดังนั้น คำถามสำคัญอาจไม่ใช่

“AI สามารถสร้าง ERP ให้เสร็จได้เร็วเพียงใด?”

แต่ควรเป็น

“องค์กรจะนำ AI มาใช้ร่วมกับระบบ ERP และผู้เชี่ยวชาญอย่างไร เพื่อให้ได้ระบบที่มีประสิทธิภาพ ถูกต้อง และสามารถเติบโตไปพร้อมกับธุรกิจได้ในระยะยาว?”

การมีเทคโนโลยีที่รวดเร็วเป็นเรื่องสำคัญ แต่การวางรากฐานของระบบอย่างถูกต้องตั้งแต่ต้น ยังคงเป็นปัจจัยสำคัญที่ช่วยให้การลงทุนใน ERP สร้างผลลัพธ์ให้กับองค์กรได้อย่างยั่งยืน

ติดต่อขอโซลูชั่น ERP กับเรา