AI และการวิเคราะห์ข้อมูล ไทย 2026
องค์กรขนาดใหญ่ที่มีสินทรัพย์จำนวนมากในประเทศไทย

AI ภายในองค์กรและระบบช่วยตัดสินใจสำหรับองค์กรขนาดใหญ่ ตัวเลขทุกค่าตรวจสอบย้อนถึงข้อมูลต้นทางได้

ตัวเลขทุกค่าตรวจสอบย้อนกลับถึงข้อมูลต้นทางได้ และการค้นหาแบบมีตัวกรองเร็วขึ้นจาก 168 มิลลิวินาที เหลือ 2–5 มิลลิวินาที

32,753
สินทรัพย์ในทะเบียน
21,030ล้านบาท
มูลค่าทะเบียนสินทรัพย์
17
กฎตรวจสอบคุณภาพข้อมูล
89,266
จุดบกพร่องของข้อมูลที่ตรวจพบ
640
หน้าเอกสารที่ประมวลผลถูกต้องตามโครงสร้าง 100%
278
ฟิลด์ในโครงสร้างข้อมูลการจัดซื้อ

บริบทโครงการ

องค์กรขนาดใหญ่ที่มีสินทรัพย์จำนวนมากในประเทศไทยดูแลทะเบียนสินทรัพย์ถาวร 32,753 รายการ มูลค่า 21,030 ล้านบาท และเอกสารจัดซื้อฉบับสแกนที่สะสมมาหลายสิบปี

ความท้าทาย

สินทรัพย์ 93% ไม่มีข้อมูลตำแหน่ง 75% เกินอายุการใช้งาน และ 65% ไม่มีเลขสินทรัพย์ทางบัญชี ประวัติการจัดซื้อมีอยู่บนกระดาษเท่านั้น ทั้งสองระบบต้องทำงานภายในเครือข่ายขององค์กรทั้งหมด และข้อมูลส่วนบุคคลต้องไม่ออกนอกองค์กร

สิ่งที่เราพัฒนา

  • ระบบช่วยตัดสินใจด้านสินทรัพย์ ประกอบด้วยแดชบอร์ดผู้บริหาร ค้นหาทะเบียนภาษาไทยแบบ full-text ประเมินมูลค่าเป็นบาทของสินทรัพย์ที่ไม่มีข้อมูลตำแหน่ง และขั้นตอนตรวจนับสินทรัพย์ประจำปี
  • คะแนนคุณภาพข้อมูลจากกฎตรวจสอบ 17 ข้อ ที่พบจุดบกพร่อง 89,266 รายการ คิวกระทบยอดกับงานบัญชี และสิทธิ์เข้าถึงตามบทบาทที่จำกัดเฉพาะสายงานในโครงสร้างองค์กร
  • แพลตฟอร์ม AI อ่านเอกสารจัดซื้อ ใช้โมเดล OCR ภาษาไทยร่วมกับโมเดลภาษา จัดข้อมูลลงโครงสร้าง 278 ฟิลด์ ทุกฟิลด์ระบุแหล่งที่มาได้
  • วิเคราะห์การกระจุกตัวของคู่สัญญาและราคา จากมูลค่าสัญญา 42,900 ล้านบาท และราคาต่อหน่วย 1,901 รายการ แก้ไขข้อมูลได้โดยเก็บประวัติทุกเวอร์ชัน
  • ทั้งสองระบบทำงานบนโครงสร้างพื้นฐานขององค์กรเองทั้งหมด

ผลลัพธ์

ระบบไม่นำเสนอข้อมูลที่ขาดหายว่าเป็นข่าวดี ตัวเลขทุกค่าตรวจสอบย้อนกลับถึงข้อมูลต้นทางได้ การค้นหาแบบมีตัวกรองเร็วขึ้นจาก 168 มิลลิวินาที เหลือ 2–5 มิลลิวินาที และประมวลผลเอกสาร 640 หน้า ถูกต้องตามโครงสร้างข้อมูล 100%

สถาปัตยกรรม

โครงสร้างพื้นฐานของลูกค้า · ติดตั้งภายในองค์กร · PDPA · ข้อมูลไม่ออกนอกเครือข่าย ทะเบียนสินทรัพย์ 32,753 แถว · 21,030 ล้านบาท นำเข้า + กฎคุณภาพข้อมูล 17 ข้อ พบจุดบกพร่อง 89,266 รายการ ระบบช่วยตัดสินใจด้านสินทรัพย์ แดชบอร์ด · ค้นทะเบียนภาษาไทยทั้งข้อความ · ขั้นตอนตรวจสอบ คิวกระทบยอด · RBAC ตามสายงาน PDF เอกสารจัดซื้อจัดจ้าง ไฟล์สแกน · 640 หน้า โมเดล OCR ภาษาไทย typhoon-ocr LLM จัดโครงสร้างข้อมูล schema 278 ฟิลด์ · อ้างอิงแหล่งที่มา วิเคราะห์ข้อมูล + ค้นหาเอกสาร การกระจุกตัวของผู้รับจ้าง · ราคา แพลตฟอร์มร่วม React / Ant Design · FastAPI · Celery / Redis · MySQL · MinIO · Ollama / vLLM · Docker ตัวเลขทุกค่าตรวจสอบย้อนถึงต้นทางได้ · คิวรีแบบกรองจาก 168 ms เหลือ 2–5 ms

เล่าโจทย์ธุรกิจให้เราฟัง

คุยกับทีมสถาปนิกระบบโดยตรง รับแนวทางสถาปัตยกรรม ประมาณการ และแผนงานที่นำไปใช้ได้จริง

ปรึกษาผู้เชี่ยวชาญ