Hybrid BPO คืออะไร? รูปแบบการ Outsource งานยุคใหม่ที่ผสานการประมวลผลอัตโนมัติด้วย AI เข้ากับการตัดสินใจของมนุษย์

สำหรับผู้รับผิดชอบด้านการปฏิรูปกระบวนการทำงานและผู้นำฝ่ายระบบสารสนเทศที่รู้สึกว่า "BPO ในปัจจุบันมีข้อจำกัด แต่การนำ AI มาใช้ดูเหมือนจะเป็นเรื่องยาก" บทความนี้จะอธิบายประเด็นต่อไปนี้

• ความแตกต่างที่เป็นรูปธรรมจาก BPO แบบดั้งเดิม
• การแบ่งบทบาทหน้าที่ระหว่าง AI และมนุษย์
• ข้อดีและข้อควรระวังสำหรับองค์กรญี่ปุ่นที่ต้องการนำไปใช้งาน

นอกเหนือจากการลดต้นทุนแล้ว ยังครอบคลุมถึงการพัฒนาคุณภาพและการเพิ่มความรวดเร็ว เพื่อเป็นข้อมูลประกอบการตัดสินใจ กรุณาอ่านจนจบบทความ

ไฮบริด BPO คือรูปแบบการจ้างเหมาช่วงงาน (outsourcing) แบบใหม่ที่ผสมผสานระหว่างการประมวลผลอัตโนมัติด้วย AI และการตัดสินใจของมนุษย์เข้าด้วยกัน การทำความเข้าใจความแตกต่างเชิงโครงสร้างจาก BPO แบบดั้งเดิม ถือเป็นก้าวแรกที่สำคัญในการพิจารณานำไปใช้งานภายในองค์กรของคุณ

หัวข้อส่วน

คำนิยามของ Hybrid BPO: โมเดลการทำงานร่วมกันระหว่าง AI และมนุษย์

เนื้อหาปัจจุบัน

Hybrid BPO คือโมเดลการ outsource งานที่มีโครงสร้างซึ่ง AI ทำหน้าที่ร่างงานที่เป็นกิจวัตรซ้ำๆ และมนุษย์ทำหน้าที่อนุมัติและตัดสินใจ ตัวอย่างที่เป็นรูปธรรม เช่น การที่ AI ร่างคำตอบสำหรับคำถามที่เข้ามา แล้วมนุษย์ตรวจสอบและส่งออกไป (ที่มา: เว็บไซต์ Enison) ที่มา: https://enison.ai/en/services/ai-hybrid-bpo โดยพื้นฐานแล้ว AI Agent จะรับผิดชอบการประมวลผลตามกฎเกณฑ์ที่เรียบง่าย ส่วนกรณีที่ต้องการการจัดการข้อยกเว้นหรือการพิจารณาด้านอารมณ์ความรู้สึก จะมีการ escalate ไปยังมนุษย์

องค์ประกอบหลักมี 3 ประการดังนี้

• AI Agent: ทำให้การประมวลผลที่มีความซ้ำซ้อนสูงเป็นแบบอัตโนมัติ เช่น การป้อนข้อมูล การตรวจสอบความถูกต้อง และการตอบกลับแบบมาตรฐาน
• Human Operator: รับผิดชอบกรณีที่ AI ไม่สามารถตัดสินใจได้ หรืองานที่มีความเสี่ยงสูง
• Integration Layer: กลไกการจัดการ workflow ที่ควบคุมการแบ่งบทบาทหน้าที่ระหว่าง AI และมนุษย์

จุดเด่นของโมเดลการทำงานร่วมกันนี้คือ AI และมนุษย์อยู่ในความสัมพันธ์แบบ "เสริมซึ่งกันและกัน" ไม่ใช่ "ทดแทนกัน" โดย AI รับประกันความเร็วในการประมวลผลและความสม่ำเสมอ ในขณะที่มนุษย์เติมเต็มในด้านความยืดหยุ่นและความน่าเชื่อถือ ทำให้สามารถมุ่งสู่มาตรฐานคุณภาพที่ยากจะบรรลุได้ด้วยฝ่ายใดฝ่ายหนึ่งเพียงลำพัง

หัวข้อส่วน

ทำไม "Hybrid" ถึงได้รับความสนใจในตอนนี้

เบื้องหลังความสนใจที่เพิ่มขึ้นนี้ มีการเปลี่ยนแปลงเชิงโครงสร้างหลายประการที่เกิดขึ้นพร้อมกัน

• ปัญหาการขาดแคลนแรงงานที่รุนแรงขึ้น: ท่ามกลางภาวะขาดแคลนกำลังคนที่ยังคงดำเนินต่อไป โมเดลที่อาศัยการเพิ่มบุคลากรเพื่อรองรับงานประจำกำลังเข้าสู่ขีดจำกัด
• "ความสามารถในการประมวลผลภาษาธรรมชาติของ Generative AI ได้พัฒนาขึ้น ทำให้การทำให้การตอบคำถามเป็นแบบอัตโนมัติกลายเป็นเรื่องที่เป็นไปได้จริง ตัวอย่างเช่น Bell System 24 ได้ร่วมมือกับ Intumit จากไต้หวัน พัฒนา 'Smart BPO Service' และสร้างระบบ Hybrid ที่ผสมผสานระหว่าง AI และการดูแลโดยมนุษย์ (ที่มา: ECzine มกราคม 2024)" ซอร์ส: https://eczine.jp/news/detail/14081
• การเปลี่ยนแปลงโครงสร้างต้นทุน: เนื่องจากค่าแรงของ Offshore BPO ปรับตัวสูงขึ้น สมมติฐานที่ว่า "จ้างภายนอกเพราะถูกกว่า" จึงเริ่มสั่นคลอน

ในทางกลับกัน การทำให้เป็นอัตโนมัติทั้งหมดในแบบ "ให้ AI จัดการทุกอย่าง" ก็มีความท้าทายเช่นกัน ในสถานการณ์ที่ต้องการการจัดการข้อยกเว้น การคำนึงถึงอารมณ์ความรู้สึก หรือการตัดสินใจที่ซับซ้อน การมีส่วนร่วมของมนุษย์ยังคงเป็นสิ่งที่ขาดไม่ได้

การผสมผสานระหว่าง "ความสามารถในการประมวลผลของ AI" และ "ความสามารถในการตัดสินใจของมนุษย์" ช่วยให้ครอบคลุมขอบเขตงานที่ฝ่ายใดฝ่ายหนึ่งไม่สามารถรับมือได้เพียงลำพัง ซึ่งนี่คือเหตุผลหลักที่ Hybrid BPO ได้รับการเลือกใช้ ในส่วนถัดไปจะเปรียบเทียบความแตกต่างที่เป็นรูปธรรมกับ BPO แบบดั้งเดิม

BPO แบบดั้งเดิมและ Hybrid BPO มีความแตกต่างกันในหลายมิติ ตั้งแต่โครงสร้างต้นทุนไปจนถึงขอบเขตงานที่รองรับได้ เราจะเปรียบเทียบความแตกต่างหลักๆ พร้อมจัดระเบียบเกณฑ์การตัดสินใจสำหรับผู้ที่กำลังพิจารณาเปลี่ยนรูปแบบการใช้งาน

การเปรียบเทียบ BPO แบบดั้งเดิมและ Hybrid BPO ใน 3 มิติ ได้แก่ "ต้นทุน คุณภาพ และความเร็ว" จะช่วยให้เห็นความแตกต่างได้อย่างชัดเจน

ต้นทุน BPO แบบดั้งเดิมมีค่าแรงงานเป็นสัดส่วนหลัก และมีแนวโน้มที่ค่าใช้จ่ายจะเพิ่มขึ้นตามสัดส่วนเมื่อปริมาณงานมากขึ้น ในขณะที่ Hybrid BPO ให้ AI รับผิดชอบการประมวลผลงานประจำ จึงมีโครงสร้างที่สามารถควบคุมการเพิ่มขึ้นของค่าใช้จ่ายได้ แม้ปริมาณการประมวลผลจะสูงขึ้นก็ตาม

คุณภาพ BPO แบบดั้งเดิมอาจเกิดความไม่สม่ำเสมอในผลลัพธ์ ขึ้นอยู่กับทักษะและสภาพร่างกายของผู้รับผิดชอบงาน Hybrid BPO ใช้ AI ประมวลผลตามกฎเกณฑ์ที่กำหนดไว้ จึงรักษาคุณภาพที่สม่ำเสมอได้ง่ายกว่า ในขณะที่การประมวลผลกรณีพิเศษที่ AI ไม่สามารถตัดสินใจได้นั้น มนุษย์จะเป็นผู้รับช่วงต่อ

ความเร็ว

• BPO แบบดั้งเดิม: ความเร็วในการประมวลผลขึ้นอยู่กับชั่วโมงการทำงานและจำนวนบุคลากร
• Hybrid BPO: AI สามารถรองรับได้ตลอด 24 ชั่วโมง และช่วยลดความล่าช้าในช่วง Peak ได้ง่ายขึ้น

ทั้งนี้ ไม่ได้หมายความว่า Hybrid BPO จะเหนือกว่าในทุกมิติ เนื่องจากการออกแบบเริ่มต้นและการบริหารจัดการการดำเนินงานยังคงต้องใช้ทรัพยากรและความพยายามในระดับหนึ่ง ในหัวข้อถัดไป เราจะมาดูกันว่าความแตกต่างเหล่านี้ส่งผลต่อ "งานประเภทใดที่สามารถมอบหมายได้" อย่างไร

BPO แบบดั้งเดิมมักจำกัดขอบเขตอยู่ที่ "งานประจำที่มนุษย์สามารถดำเนินการได้" ในขณะที่ Hybrid BPO ช่วยขยายขอบเขตของงานที่รองรับได้ด้วยการแบ่งบทบาทระหว่าง AI และมนุษย์

ขอบเขตที่ BPO แบบดั้งเดิมถนัด

• งานซ้ำซากแบบง่าย เช่น การป้อนข้อมูลและการตรวจสอบความถูกต้อง
• การตอบคำถามตามสคริปต์ที่กำหนดไว้
• การแปลงเอกสารกระดาษให้เป็นดิจิทัล

ขอบเขตที่สามารถเพิ่มเติมได้ด้วย Hybrid BPO

• การสรุปและจัดหมวดหมู่เอกสารจำนวนมากโดยอัตโนมัติ
• การรองรับแชทหลายภาษา (AI ตอบสนองในขั้นแรก)
• กระบวนการซับซ้อนที่รวมถึงการตรวจจับความผิดปกติและการจัดลำดับความสำคัญ

โดยเฉพาะอย่างยิ่ง Hybrid BPO เหมาะอย่างยิ่งกับงานที่ "มีความซ้ำซากสูง แต่ยังคงมีกรณีข้อยกเว้นเกิดขึ้นในระดับหนึ่ง" ด้วยโครงสร้างที่ให้ AI จัดการส่วนงานประจำ และ Escalation เฉพาะกรณีข้อยกเว้นไปยังมนุษย์ จึงสามารถครอบคลุมงานที่เคยพึ่งพาแรงงานมนุษย์ได้อย่างกว้างขวางยิ่งขึ้น

อย่างไรก็ตาม งานที่ต้องการการเจรจาต่อรองระหว่างบุคคลในระดับสูง หรืองานที่ต้องอาศัยการตัดสินใจทางกฎหมาย จะได้รับการกล่าวถึงอย่างละเอียดในหัวข้อถัดไป

ไฮบริด BPO คือระบบที่องค์ประกอบทั้ง 3 ส่วน ได้แก่ AI Agent, Human Operator และ Knowledge Base ทำงานร่วมกันอย่างประสานกัน การทำความเข้าใจบทบาทของแต่ละส่วนจะช่วยให้เห็นว่าคุณค่าเกิดขึ้นที่จุดใด

AI Agent มีความเชี่ยวชาญในการประมวลผลที่มีกฎเกณฑ์ชัดเจนและเกิดขึ้นซ้ำๆ โดยขอบเขตหลักของการประมวลผลอัตโนมัติมีดังนี้

• การป้อนข้อมูลและการตรวจสอบความถูกต้อง: การอ่านและจับคู่ข้อมูลใบแจ้งหนี้และข้อมูลใบสั่งซื้อ
• การตอบคำถาม FAQ: การตอบคำถามประจำทันทีผ่าน Chatbot
• การแจ้งเตือนสถานะ: การส่งอีเมลติดตามความคืบหน้าและการแจ้งเตือนภายในองค์กรโดยอัตโนมัติ
• การคัดแยกและจำแนกประเภทเอกสาร: การจัดเรียงเอกสารอัตโนมัติโดยผสมผสาน OCR และการประมวลผลภาษาธรรมชาติ (Natural Language Processing)

เนื่องจากกระบวนการเหล่านี้สามารถดำเนินการได้ตลอด 24 ชั่วโมง 365 วันโดยไม่ต้องอาศัยแรงงานคน จึงคาดว่าจะเกิดการปรับปรุงอย่างมีนัยสำคัญทั้งในด้านความเร็วในการตอบสนองและปริมาณการประมวลผล

อย่างไรก็ตาม AI Agent สามารถทำงานได้เฉพาะใน "ขอบเขตที่สามารถกำหนดเกณฑ์การตัดสินใจได้ล่วงหน้า" เท่านั้น หากมีการแสดงออกที่คลุมเครือหรือกรณีข้อยกเว้นปะปนเข้ามา ความแม่นยำในการประมวลผลจะลดลง ดังนั้นการพิจารณาคัดเลือกงานที่จะนำมาประมวลผลอัตโนมัติจึงเป็นสิ่งสำคัญ การนำไปใช้ร่วมกับการออกแบบ Escalation ที่จะอธิบายในหัวข้อถัดไป จะทำให้ระบบโดยรวมทำงานได้อย่างมีเสถียรภาพเป็นครั้งแรก

กรณีที่ AI ไม่สามารถประมวลผลได้โดยอัตโนมัติ จะถูกส่งต่อไปยังผู้ปฏิบัติงานที่เป็นมนุษย์ทันที ขั้นตอน Escalation นี้เองคือจุดสำคัญที่กำหนดคุณภาพของ Hybrid BPO

กรณีหลักที่มนุษย์รับผิดชอบมีดังต่อไปนี้

• การรับมือกับการร้องเรียนที่มีความซับซ้อนหรือเกี่ยวข้องกับอารมณ์
• กรณีที่ต้องใช้วิจารณญาณในการตีความข้อกำหนดที่มีความเห็นแตกต่างกัน
• การประมวลผลข้อยกเว้นที่ครอบคลุมหลายแผนก
• กรณีที่ความแม่นยำในการตอบสนองของ AI ถูกประเมินว่าอยู่ในระดับต่ำ

สิ่งสำคัญคือการออกแบบจังหวะเวลาและเกณฑ์การตัดสินใจสำหรับ Escalation ไว้ล่วงหน้า หากเกณฑ์ดังกล่าวไม่ชัดเจน มีแนวโน้มที่จะเกิดการตกหล่นในการดำเนินการหรือการดำเนินการซ้ำซ้อนได้ง่าย

เนื่องจากผู้ปฏิบัติงานที่เป็นมนุษย์รับช่วงต่อข้อมูลที่ AI รวบรวมไว้ จึงมีรายงานว่าช่วยลดความจำเป็นในการสอบถามข้อมูลซ้ำจากลูกค้า และส่งผลให้คุณภาพการให้บริการดีขึ้น

RAG (Retrieval-Augmented Generation) คือกลไกที่ AI สร้างคำตอบโดยอ้างอิงเอกสารภายในองค์กรและคู่มือการปฏิบัติงานแบบเรียลไทม์ ใน Hybrid BPO เทคโนโลยีนี้ทำหน้าที่เป็นรากฐานสำหรับ "การจัดการความรู้แบบรวมศูนย์"

บทบาทหลักมี 3 ประการดังนี้

• การรักษาความแม่นยำของคำตอบ: แม้จะมีการแก้ไขข้อมูลจำเพาะของผลิตภัณฑ์หรือข้อกำหนด ก็เพียงแค่อัปเดต Knowledge Base เพื่อให้การตอบสนองของ AI สะท้อนการเปลี่ยนแปลงได้ทันที
• การขจัดการพึ่งพาบุคคลเฉพาะ: รวบรวม Know-how ของผู้เชี่ยวชาญที่มีประสบการณ์ในรูปแบบเอกสาร เพื่อยกระดับทักษะของ Operator โดยรวม
• การสนับสนุนการตัดสินใจ Escalation: AI นำเสนอเอกสารอ้างอิงที่ใช้ในการตอบให้แก่ Operator เพื่อเร่งกระบวนการตัดสินใจของมนุษย์

ข้อควรระวังคือ หาก Knowledge Base มีคุณภาพต่ำ ความแม่นยำของ RAG ก็มีแนวโน้มลดลงตามไปด้วย การออกแบบกฎการดูแลรักษาเอกสารและการจัดการ Version อย่างสม่ำเสมอล่วงหน้า ถือเป็นกุญแจสำคัญสู่การดำเนินงานที่มีเสถียรภาพ

Hybrid BPO ไม่ใช่วิธีแก้ปัญหาที่ครอบจักรวาล และมีความเหมาะสมหรือไม่เหมาะสมที่แตกต่างกันอย่างชัดเจนขึ้นอยู่กับลักษณะของงาน การสำรวจและจัดระเบียบกระบวนการทางธุรกิจของบริษัทก่อนนำไปใช้งาน และการระบุเป้าหมายที่เหมาะสม จะเป็นปัจจัยชี้ขาดความสำเร็จหรือความล้มเหลว

Hybrid BPO มักจะได้ผลดีกับงานที่มีการประมวลผลแบบกำหนดรูปแบบ การตัดสินใจเบื้องต้น และการตอบคำถามปะปนกันอยู่

ลักษณะงานที่เหมาะสมเป็นพิเศษมีดังนี้

• มีความซ้ำซากสูง: งานที่มีกฎเกณฑ์ชัดเจน เช่น การประมวลผลใบแจ้งหนี้ การป้อนข้อมูลการสั่งซื้อและรับออเดอร์ การตรวจสอบข้อมูล
• การตัดสินใจเป็นขั้นตอน: งานที่สามารถจัดระเบียบเงื่อนไขการแยกสาขาได้ เช่น การตอบคำถามใน FAQ หรือการคัดกรองเบื้องต้นในกระบวนการตรวจสอบ
• มีปริมาณการสื่อสารสูง: งานที่มีจำนวนคำถามมากและมีภาระงานด้านบุคลากรสูง เช่น Customer Support หรือ Help Desk ภายในองค์กร

งานเหล่านี้มีแนวโน้มที่จะเข้ากันได้ดีกับโครงสร้างที่ให้ AI รับผิดชอบการตอบสนองเบื้องต้นและการประมวลผลอัตโนมัติ โดย Escalation ไปยังมนุษย์เฉพาะในกรณีที่เป็นข้อยกเว้นหรือต้องการการพิจารณาด้านอารมณ์ความรู้สึกเท่านั้น

ยิ่งมีปริมาณมากเท่าไร ประโยชน์จากการทำ Automation ก็ยิ่งมากขึ้น และยังนำไปสู่การสร้างเสถียรภาพด้านคุณภาพได้ง่ายขึ้นด้วย

ในทางกลับกัน ยังมีงานบางประเภทที่ Hybrid BPO ไม่ค่อยเห็นผลเท่าที่ควร โดยเฉพาะในด้านที่เหตุผลเบื้องหลังการตัดสินใจนั้นยากต่อการอธิบายเป็นภาษา ซึ่งมักทำให้ความแม่นยำของ AI มีข้อจำกัด

ตัวอย่างงานที่ไม่เหมาะสม:

• การเจรจาต่อรองระหว่างบุคคลขั้นสูง: กรณีที่มีบริบททางอารมณ์ซับซ้อนในการรับมือข้อร้องเรียน การเจรจาราคากับคู่ค้า และสถานการณ์ที่ต้องอ่านสภาพแวดล้อมของอีกฝ่ายแล้วตอบสนองอย่างยืดหยุ่น
• การวางแผนเชิงสร้างสรรค์และการกำหนดกลยุทธ์: งานที่ไม่มีคำตอบที่ถูกต้องเพียงหนึ่งเดียว เช่น การระดมไอเดียสำหรับธุรกิจใหม่ หรือการกำหนดแนวคิดของแบรนด์
• การตัดสินใจเชิงวิชาชีพขั้นสูง: การตัดสินใจขั้นสุดท้ายเกี่ยวกับความเสี่ยงทางกฎหมาย การวินิจฉัยเฉพาะรายในด้านการแพทย์หรือการเงิน ซึ่งมาพร้อมกับความรับผิดชอบทางจริยธรรมของผู้เชี่ยวชาญ
• งานที่มีเป้าหมายหลักคือการสร้างความสัมพันธ์: การสร้างความไว้วางใจกับลูกค้าสำคัญ หรือกระบวนการสร้างฉันทามติภายในองค์กร

งานเหล่านี้คืองานที่มีแก่นคุณค่าอยู่ที่ "ประสบการณ์ ความรู้สึก และความรับผิดชอบของมนุษย์" Hybrid BPO ทำหน้าที่เป็นเพียงเครื่องมือเสริมเท่านั้น แต่ความเป็นผู้นำควรอยู่ในมือของมนุษย์ในด้านเหล่านี้ การกำหนดขอบเขตนี้ให้ชัดเจนในขณะที่เลือกสิ่งที่จะนำมาทำให้เป็นอัตโนมัติ ถือเป็นกุญแจสำคัญสู่ความสำเร็จในการนำไปใช้งาน

ยังคงมีความเข้าใจผิดที่ฝังรากลึกเกี่ยวกับ Hybrid BPO ไม่ว่าจะเป็น "ต้นทุนที่พุ่งสูงขึ้น" หรือ "มอบทุกอย่างให้ AI จัดการได้เลย" เพื่อไม่ให้เกิดการตัดสินใจนำไปใช้งานที่ผิดพลาด เราจะมาจัดระเบียบความเข้าใจผิด 2 ประการที่พบบ่อยที่สุด

ในขณะที่ความสนใจใน Hybrid BPO กำลังเพิ่มสูงขึ้น ก็มีไม่น้อยที่ความคาดหวังแบบ "ถ้ามอบให้ AI ก็ไม่จำเป็นต้องใช้แรงงานคนอีกต่อไป" นำหน้าความเป็นจริงไปก่อน แต่ความเป็นจริงนั้นแตกต่างออกไป

มีสถานการณ์ที่ AI ไม่ถนัดอย่างชัดเจน

• การจัดการข้อยกเว้นและกรณีผิดปกติ: กรณีที่ไม่มีอยู่ในข้อมูลการเรียนรู้มีแนวโน้มที่ความแม่นยำในการตัดสินใจจะลดลง
• การรับมือลูกค้าที่เกี่ยวข้องกับอารมณ์: การรับเรื่องร้องเรียนและความต้องการที่ซับซ้อนต้องอาศัยความเห็นอกเห็นใจและการตัดสินใจของมนุษย์
• การตัดสินใจทางกฎหมายและจริยธรรม: สถานการณ์ที่ต้องถามถึงความรับผิดชอบไม่สามารถมอบให้ AI ได้

แก่นแท้ของ Hybrid BPO อยู่ที่ "การแบ่งบทบาทระหว่าง AI กับมนุษย์" AI เร่งความเร็วในการประมวลผลงานรูปแบบตายตัวและงานซ้ำๆ ในขณะที่มนุษย์มุ่งเน้นไปยังขอบเขตที่ AI ไม่สามารถรับมือได้ คุณภาพจะได้รับการรับประกันก็ต่อเมื่อมีการออกแบบการทำงานร่วมกันนี้เท่านั้น

หากดำเนินการนำไปใช้โดยมีสมมติฐานว่า "AI จะทำทุกอย่างให้" การจัดเตรียมระบบ Escalation จะถูกเลื่อนออกไป และมีความเสี่ยงที่จะนำไปสู่การตกหล่นในการรับมือและการลดลงของคุณภาพ การปรับความคาดหวังและการออกแบบบทบาทหน้าที่คือจุดเริ่มต้นของความสำเร็จในการนำไปใช้งาน

ไฮบริด BPO มักถูกมองว่า "มีต้นทุนสูงกว่า เนื่องจากต้องบวกค่าใช้จ่ายในการนำ AI มาใช้งาน" อย่างไรก็ตาม มีรายงานจำนวนมากที่ชี้ให้เห็นว่าความเป็นจริงนั้นแตกต่างออกไป

เมื่อจัดระเบียบโครงสร้างต้นทุน จะพบแนวโน้มการเปลี่ยนแปลงดังต่อไปนี้

• ต้นทุนต่อหน่วยของงานประจำลดลง: เนื่องจาก AI รับผิดชอบงานที่ทำซ้ำ ต้นทุนในส่วนที่เคยกระจุกตัวอยู่กับค่าแรงงานจึงถูกบีบอัดลง
• การเพิ่มขึ้นของต้นทุนเมื่อขยายขนาดเป็นไปอย่างค่อยเป็นค่อยไป: แม้ปริมาณงานจะเพิ่มขึ้น ก็ไม่จำเป็นต้องเพิ่มจำนวนบุคลากรในสัดส่วนเดียวกัน
• ต้นทุนด้านคุณภาพลดลง: มีแนวโน้มว่าชั่วโมงการทำงานที่ใช้ในการแก้ไขข้อผิดพลาดและการประมวลผลซ้ำจะลดลง

ในช่วงการออกแบบและการนำไปใช้งานในระยะแรก จำเป็นต้องมีการลงทุนในระดับหนึ่ง อย่างไรก็ตาม ต้นทุนการดำเนินงานต่อหน่วยหลังการนำไปใช้งานมักจะต่ำกว่า BPO แบบดั้งเดิม และเมื่อมองในระยะกลางถึงระยะยาว ถือได้ว่าเป็นโครงสร้างที่ความคุ้มค่าด้านต้นทุนมีแนวโน้มดีขึ้น

ความรู้สึกว่า "แพง" มักเกิดจากการเปรียบเทียบระยะสั้นที่มองเฉพาะต้นทุนเริ่มต้นเท่านั้น การประเมินจากมุมมองของต้นทุนการเป็นเจ้าของทั้งหมด (TCO) จึงเป็นสิ่งสำคัญ

"ไม่รู้จะเริ่มต้นจากตรงไหนดี" เป็นเสียงที่ได้ยินบ่อยครั้ง แต่การนำไปใช้งานนั้นมีลำดับขั้นตอนที่แน่นอน การดำเนินการตามสามขั้นตอน ได้แก่ การ Inventory (棚卸し) · PoC · Scale-up จะช่วยให้สามารถสะสมผลลัพธ์ได้ในขณะที่ควบคุมความเสี่ยงไปพร้อมกัน

เริ่มต้นด้วยการจัดทำรายการกระบวนการทำงานภายในองค์กรทั้งหมด แล้วประเมินว่า "เหมาะสมกับการทำ Automation หรือไม่" การดำเนินการสำรวจโดยอิงจากมุมมองต่อไปนี้ แทนที่จะใช้ความรู้สึก จะช่วยให้จัดลำดับความสำคัญได้ง่ายขึ้น

• ปริมาณงาน: ยิ่งมีจำนวนรายการต่อเดือนมาก ยิ่งได้ความคุ้มค่าในการทำ Automation สูง
• ความง่ายในการกำหนดเป็นกฎ: งานที่สามารถระบุเกณฑ์การตัดสินใจเป็นลายลักษณ์อักษรได้ มีความเข้ากันได้ดีกับ Automation
• อัตราการเกิดข้อผิดพลาด: งานประจำที่เกิดความผิดพลาดจากมนุษย์ได้ง่าย ควรยกระดับความสำคัญขึ้น
• ภาระของผู้ปฏิบัติงาน: งานที่ผู้รับผิดชอบรู้สึกว่า "ง่ายแต่เสียเวลา"

กระบวนการที่สำรวจได้ควรนำมาจัดระเบียบด้วย Matrix 2×2 โดยแกนนอนคือ "ความยากในการทำ Automation" และแกนตั้งคือ "ผลกระทบต่อธุรกิจ" ซึ่งจะทำให้ใช้เป็นเอกสารประกอบการอธิบายแก่ผู้บริหารได้สะดวกยิ่งขึ้น

กำหนดให้พื้นที่ที่มีความยากต่ำและผลกระทบสูงเป็น "ตัวเลือกที่มีความสำคัญสูงสุด" แล้วคัดกรองให้เหลือเฉพาะกระบวนการที่จะนำไปทำ PoC ใน Step 2 ถัดไป เนื่องจากการพยายามครอบคลุมทุกอย่างในคราวเดียวจะทำให้การตรวจสอบกระจัดกระจาย จึงแนะนำให้มุ่งเน้นที่ 1–2 กระบวนการในช่วงแรก

เมื่อคัดกรองงานที่เป็นตัวเลือกได้แล้ว ให้เริ่มต้นด้วยการทำ PoC โดยจำกัดขอบเขตไว้ที่ 1–2 กระบวนการก่อน การทดลองในระดับเล็กก่อนขยายไปทั่วองค์กรจะช่วยให้ค้นพบความเสี่ยงที่ไม่คาดคิดได้ตั้งแต่ระยะแรก

ประเด็นหลักที่ควรตรวจสอบใน PoC มีดังต่อไปนี้

• ความแม่นยำในการประมวลผลของ AI: วัดอัตราความถูกต้องและอัตราข้อผิดพลาดของการตัดสินใจอัตโนมัติ
• ความถี่ในการ Escalation: ตรวจสอบว่าการส่งต่องานให้มนุษย์อยู่ในขอบเขตที่คาดไว้หรือไม่
• การยอมรับของผู้ปฏิบัติงาน: สอบถามความคิดเห็นว่าผู้รับผิดชอบสามารถปรับตัวเข้ากับ Workflow ได้หรือไม่
• คุณภาพของข้อมูล: ตรวจสอบว่าข้อมูลที่ป้อนเข้า AI มีค่าที่ขาดหายหรือความไม่สอดคล้องในการแสดงผลหรือไม่

ระยะเวลาที่ใช้โดยทั่วไปอยู่ที่ประมาณ 4–8 สัปดาห์ หากสั้นเกินไปจะไม่สามารถจับแนวโน้มได้ และหากนานเกินไปก็จะทำให้การตัดสินใจล่าช้า

เนื่องจากผลลัพธ์ของ PoC ส่งผลโดยตรงต่อการออกแบบ KPI ในขั้นตอนถัดไป จึงจำเป็นต้องบันทึก Log ตัวเลขไว้เสมอ การไม่จบแค่ "ดูเหมือนจะทำงานได้" แต่การเก็บหลักฐานเชิงปริมาณไว้จะเป็นรากฐานสำหรับการตัดสินใจขยายขนาด (Scale-up)

เมื่อได้รับผลลัพธ์ที่น่าพึงพอใจจาก PoC ขั้นตอนต่อไปคือการจัดระบบการตัดสินความสำเร็จหรือความล้มเหลวด้วยตัวเลข หากขยายขนาดโดยยังคงใช้การประเมินเชิงความรู้สึก จะมีความเสี่ยงที่จะมองข้ามปัญหาต้นทุนที่บานปลายหรือคุณภาพที่ลดลง

ตัวอย่าง KPI หลักที่ควรกำหนดมีดังนี้

• เวลาในการประมวลผล: เวลาตอบสนองเฉลี่ยต่อรายการ (วัดแยกระหว่างการประมวลผลอัตโนมัติด้วย AI และการดำเนินการโดยมนุษย์)
• อัตราการทำงานอัตโนมัติ: สัดส่วนของรายการทั้งหมดที่ AI ดำเนินการได้อย่างสมบูรณ์
• อัตราการ Escalation: สัดส่วนของกรณีที่ต้องส่งต่อให้มนุษย์ดำเนินการ
• คะแนนคุณภาพ: ตัวชี้วัดเฉพาะของแต่ละงาน เช่น ความพึงพอใจของลูกค้าหรืออัตราข้อผิดพลาด

ควรติดตาม KPI ในช่วงระยะเวลาหนึ่งเพื่อดูว่า "แนวโน้มการปรับปรุงดำเนินต่อเนื่องหรือไม่" และตัดสินใจขยายขนาดตามลำดับ โดยเริ่มจากงานที่บรรลุเป้าหมายก่อน ในทางกลับกัน หากตัวชี้วัดแย่ลง ให้ถือเป็นโอกาสในการทบทวนข้อมูลการเรียนรู้ของ AI และกฎการแทรกแซงของมนุษย์

การตัดสินใจขยายขนาดควรดำเนินการในรอบที่สม่ำเสมอ เช่น การรีวิวรายเดือน เพื่อให้สามารถนำไปสู่การปรับปรุงอย่างต่อเนื่องในขณะที่ลดภาระของทีมงานในพื้นที่

เมื่อพิจารณานำ Hybrid BPO มาใช้งาน มักมีคำถามที่เกิดขึ้นบ่อยจากภาคปฏิบัติอยู่ 2 ข้อ ในที่นี้จะอธิบายประเด็นสำคัญที่เกี่ยวข้องโดยตรงกับการตัดสินใจ ไม่ว่าจะเป็นความแตกต่างจาก RPA หรือแนวทางการประเมินขนาดการนำไปใช้งาน

RPA คือเครื่องมือที่ "ทำซ้ำขั้นตอนที่กำหนดไว้โดยอัตโนมัติ" เนื่องจากทำงานโดยการบันทึกและเล่นซ้ำการดำเนินการบนหน้าจอ จึงมีแนวโน้มที่จะต้องได้รับการบำรุงรักษาทุกครั้งที่กฎเกณฑ์เปลี่ยนแปลง

Hybrid BPO หมายถึงรูปแบบการจ้างเหมาธุรกิจโดยรวมที่ผสมผสานเทคโนโลยีการทำงานอัตโนมัติหลายประเภท รวมถึง RPA เข้ากับผู้ปฏิบัติงานที่เป็นมนุษย์ ความแตกต่างหลักมีดังนี้

• ขอบเขตการรองรับ: RPA รองรับเฉพาะการดำเนินการแบบกำหนดรูปแบบ ในขณะที่ Hybrid BPO รองรับทั้งการตัดสินใจ การโต้ตอบ และการจัดการข้อยกเว้น
• การจัดการข้อยกเว้น: RPA มักหยุดทำงานเมื่อเกิดข้อผิดพลาด ส่วน Hybrid BPO มีผู้ปฏิบัติงานที่เป็นมนุษย์รับเรื่อง Escalation และดำเนินการแก้ไข
• รูปแบบสัญญา: RPA เป็นการนำเครื่องมือมาใช้งาน ส่วน Hybrid BPO เป็นสัญญา Outsourcing ที่ผู้รับจ้างรับผิดชอบต่อผลลัพธ์
• การอัปเดตความรู้: Hybrid BPO สามารถอัปเดตฐานความรู้อย่างต่อเนื่องโดยใช้ประโยชน์จาก RAG และเทคโนโลยีอื่น ๆ

กรณีที่ "นำ RPA มาใช้แต่สุดท้ายต้องเพิ่มกำลังคนเพื่อรับมือกับข้อยกเว้น" นั้นพบได้ไม่น้อย Hybrid BPO จึงเป็นทางเลือกที่ควรพิจารณาเพื่อเติมเต็มช่องว่างดังกล่าว

โดยสรุปแล้ว กรณีที่ธุรกิจขนาดกลางและขนาดย่อม (SME) สามารถนำระบบไปใช้ได้นั้นมีเพิ่มมากขึ้น เนื่องจากการแพร่หลายของบริการ AI แบบ Cloud ทำให้มีตัวเลือกที่สามารถเริ่มต้นได้โดยไม่ต้องลงทุนเริ่มต้นขนาดใหญ่

อย่างไรก็ตาม เป็นที่พึงประสงค์ที่จะต้องเป็นไปตามเงื่อนไขบางประการ

• เกณฑ์จำนวนงานที่ประมวลผล: มีงานประจำรูปแบบตายตัวตั้งแต่หลายร้อยรายการต่อเดือนขึ้นไป
• ระดับการมาตรฐานของกระบวนการทำงาน: กฎเกณฑ์และเกณฑ์การตัดสินใจได้รับการจัดทำเป็นเอกสารในระดับหนึ่ง
• ทรัพยากรบุคคลผู้รับผิดชอบ: สามารถจัดสรรบุคลากรที่พร้อมจัดระเบียบกระบวนการทำงานในช่วงเริ่มต้นการนำระบบไปใช้ได้

มีแนวโน้มว่า "ปริมาณงานและความสมบูรณ์ของการมาตรฐาน" มีผลต่อความเป็นไปได้ในการนำระบบไปใช้มากกว่าจำนวนพนักงาน แม้จะมีบุคลากรน้อย แต่งานที่มีการประมวลผลซ้ำๆ จำนวนมาก เช่น การจัดการรับและส่งคำสั่งซื้อ หรืองานตอบคำถาม ถือว่ามีความเข้ากันได้สูงกับ Hybrid BPO

ในทางกลับกัน หากกระบวนการทำงานขึ้นอยู่กับบุคคลใดบุคคลหนึ่งและยังไม่ได้รับการจัดทำเป็นเอกสาร การให้ความสำคัญกับการจัดระเบียบภายในองค์กรก่อนจึงเป็นแนวทางที่สมเหตุสมผล การสำรวจและจัดทำรายการกระบวนการทำงานภายในองค์กรก่อนการนำระบบไปใช้ถือเป็นเส้นทางลัดสู่ความสำเร็จ

Hybrid BPO ไม่ได้เป็นตัวเลือกที่เหมาะสมที่สุดสำหรับทุกองค์กร ประเภทของธุรกิจที่มักได้รับประโยชน์จากการนำไปใช้งานได้อย่างชัดเจน ได้แก่ องค์กรที่มีลักษณะดังต่อไปนี้

• มีงานประจำและงานข้อยกเว้นปะปนกัน: องค์กรที่มีกระบวนการซึ่งผสมผสานระหว่างงานรูปแบบตายตัวและไม่ตายตัว เช่น การตอบคำถามลูกค้า การรับและส่งคำสั่งซื้อ หรือ Help Desk ภายในองค์กร
• มีปัญหาด้านความไม่สม่ำเสมอของคุณภาพหรือความเร็วในการตอบสนอง: กรณีที่คุณภาพของคำตอบแตกต่างกันไปตามผู้รับผิดชอบ หรือการให้บริการในช่วงกลางคืนและวันหยุดยังขาดความครอบคลุม
• มองการณ์ไกลถึงการขยายขนาดในอนาคต: องค์กรที่กำลังเติบโตและต้องการความยืดหยุ่นในการรับมือกับปริมาณงานที่เปลี่ยนแปลง หรือองค์กรที่กำลังพิจารณาขยายสาขาไปยังหลายพื้นที่

ในทางกลับกัน หากงานหลักขององค์กรเน้นการเจรจาต่อรองระหว่างบุคคลในระดับสูงหรือการตัดสินใจเชิงสร้างสรรค์ แนวทางที่เป็นจริงได้มากกว่าคือการเริ่มต้นด้วยการแยกงานรูปแบบตายตัวที่อยู่รอบ ๆ งานเหล่านั้นออกมาก่อน

หากเริ่มต้นพิจารณาจากมุมมองของ "การออกแบบบทบาทระหว่าง AI และมนุษย์" แทนที่จะเป็น "การมอบหมายทุกอย่างให้คนอื่น" อุปสรรคในการนำไปใช้งานมักจะต่ำกว่าที่คาดไว้