Latest

Smarter Banking with Gen AI

Use Cases ของ Gen AI ในแบงค์ 1. Customer Service & Chatbot * ใช้ Gen AI ตอบคำถามลูกค้าอัตโนมัติ เช่น การสอบถามยอดเงิน, ดอกเบี้ย, โปรโมชั่น * ระบบสามารถเข้าใจภาษาไทย-อังกฤษ และตอบได้อย่างใกล้เคียงมนุษย์ ตัวอย่าง ลูกค้าถามในแอปว่า “ดอกเบี้ยบัตรเครดิตตอนนี้เท่าไหร่” → AI

Synthetic Data: กุญแจใหม่สำหรับ AI และธุรกิจยุคดิจิทัล

Synthetic Data คืออะไร? * คือ “ข้อมูลที่ สร้างขึ้นมาใหม่ ด้วยคอมพิวเตอร์” * ไม่ใช่ข้อมูลจริงของลูกค้า หรือคนจริง ๆ * แต่ถูกสร้างขึ้นให้ “หน้าตาเหมือน ข้อมูลจริง” เช่น ลักษณะการซื้อของ, ยอดเงิน, พฤติกรรมผู้ใช้ * คล้

ทำความเข้าใจ Data Governance ผ่านกล่อง LEGO

🧩 หากเรากับเพื่อน ๆ มี กล่องตัวต่อ LEGO ใบใหญ่ ทุกคนอยากเอาไปสร้างของเจ๋ง ๆ แต่ถ้าทุกคนหยิบชิ้นส่วนไปใช้มั่ว ๆ อาจมีบางชิ้นหาย แตก หรือใช้ผิดวิธี เวลาคนอื่นอยากสร้างก็หาไม่เจอ หรือไม่มีใครรู้ว่าควรใช้ยังไง 👨‍⚖️ Data governance

Embedded Finance: การเงินที่ฝังอยู่รอบตัวเรา

Embedded Finance คืออะไร? Embedded Finance คือ การฝังบริการทางการเงินไว้ในแพลตฟอร์มหรือแอปที่คนใช้อยู่แล้ว เช่น แอปช้อปปิ้งออนไลน์, แอปส่งอาหาร, หรือแพลตฟอร์มท่องเที่ยว ทำให้ผู้ใช้สามารถ ชำระเงิน กู้ยืม ลงทุน หรือซื้อประกัน ได้ทันที โดยไม่

Gen AI พลิกโฉม Customer Analytics ในธนาคาร

Gen AI และ LLM (Large Language Model) มีประสิทธิภาพมากๆ ในปัจจุบัน สามารถนำไปใช้กับหลากหลาย Use Cases ในธนาคาร มี 8 “Customer Analytics” Use Cases ที่น่าสนใจ ดังนี้ * Smart Segmentation & Persona: จัดกลุ่มลูกค้าแบบไดนามิกจากธุรกรรม/พฤติกรรม แล้วให้ LLM สรุปเป็

AI ผู้ช่วยคนสำคัญของธนาคารยุคใหม่

การใช้งาน AI ในธนาคาร แยกตามฟังก์ชันต่างๆ ดังนี้ 🔹 ด้านปฏิบัติการ (Operations) * อัตโนมัติเอกสาร, ตรวจสอบ KYC * แชทบอทบริการลูกค้า * จัดการงานหลังบ้านให้เร็วและแม่นยำขึ้น 🔹 ด้านความเสี่ยงและการทุจริต (Risk & Fraud) * ตรวจจับธุรกรรมผิดปกติ * วิเคราะห์เครดิ

Data Science & AI ในธนาคาร: จากความท้าทายสู่ความสำเร็จ

ความท้าทาย และ เทคโนโลยีที่นิยมใช้ ในการ Implement Data Science และ AI ในธนาคาร 1. ความท้าทายหลัก (Challenges) 📊👨🏻‍💻 ด้านข้อมูล (Data Challenges) 1) ข้อมูลกระจายอยู่หลายระบบ * Core banking, CRM, ระบบบัตรเครดิต, ระบบสินเชื่อ ฯลฯ ทำให้ต้องใช้เวลาใน ETL และ Data Integration 2) คุ

GANs กับการสร้างสิ่งที่ไม่เคยมีอยู่จริง

GANs หรือ Generative Adversarial Networks เป็น Model ของ AI ที่สามารถสร้างข้อมูลใหม่ขึ้นมาเองได้ เช่น รูปภาพ เสียง หรือ ข้อความ โดยมีแนวคิดการใช้ สอง AI แข่งกันเอง แนวคิดหลักของ GANs คือ Model ของ AI ที่มี 2 ฝั่งกำลั

ทำไม Reasoning AI คือก้าวต่อไปของปัญญาประดิษฐ์

ปี 2025 Reasoning AI ได้รับความนิยมเพิ่มขึ้นอย่างมาก ในงานที่ต้องการ การตัดสินใจที่ซับซ้อนและแม่นยำมากกว่าเดิม ถูกใช้ในหลากหลายมิติ เช่น วิจัย อุตสาหกรรม ระบบ AI ขั้นสูง การศึกษา 📈 สถานะความนิยมในด้านต่างๆ ด้าน ความนิยม 💡 วิ

The Reasoning Machine – เครื่องจักรแห่งเหตุผล

ในปี 2025 การพัฒนา Reasoning Machine หรือ Reasoning AI ได้รับความนิยมเป็นอย่างมาก เพื่อการตัดสินใจที่ซับซ้อนและแม่นยำกว่าเดิม Reasoning AI คือปัญญาประดิษฐ์ (AI) ที่สามารถ ใช้เหตุผล (reasoning) เพื่อ วิเคราะห์ ตัดสินใจ และหาข้อสรุป จากข้

Data Governance: วางรากฐานข้อมูลให้มั่น ก่อนสร้างนวัตกรรม

Data Governance หรือ ธรรมาภิบาลข้อมูล คือ กระบวนการและโครงสร้างที่กำหนดวิธีที่องค์กรจัดการข้อมูลของตน ตั้งแต่การสร้าง จัดเก็บ ประมวลผล ไปจนถึงการทำลายข้อมูล เพื่อให้มั่นใจว่าข้อมูลมีความถูกต้อง ครบถ้วน น่าเชื่อถือ ปลอดภัย

รู้จริง ใช้เป็น เห็นโอกาส - Data Literacy สำหรับคนทำงาน

ในยุคที่ข้อมูลมีบทบาทสำคัญอย่างยิ่ง Data Literacy หรือ ความรู้ความเข้าใจด้านข้อมูล จึงกลายเป็นทักษะที่จำเป็นสำหรับทุกคน ไม่ใช่แค่สำหรับนักวิเคราะห์ข้อมูลเท่านั้น Data Literacy หมายถึง ความสามารถในการอ่าน ทำความเข้าใจ วิเคราะห์ และสื

มือใหม่อยากเป็น Data Analyst หรือ Data Scientist เริ่มที่ตรงไหน?

สำหรับ Data Analyst และ Data Scientist จะมีทักษะที่ทับซ้อนกันหลายด้าน แต่ก็มีจุดแตกต่างที่ชัดเจนเช่นกัน สรุปทักษะที่จำเป็นของทั้งสองสายงาน โดยแยกให้เห็นอย่างชัดเจน ดังนี้ 🔍 ทักษะที่จำเป็นสำหรับ Data Analyst 1) การจัดการข้อมูล

รู้จัก AI อย่างมืออาชีพ: คู่มือฉบับพนักงานธนาคาร

💡 AI Literacy คืออะไร? AI Literacy หรือ ความรู้ความเข้าใจเกี่ยวกับปัญญาประดิษฐ์ คือ ความสามารถในการ เข้าใจ ใช้งาน และมีวิจารณญาณต่อระบบ AI ได้อย่างเหมาะสมและปลอดภัยในบริบทการทำงานและชีวิตประจำวัน ✅ ทำไมพนักงานธนาคารควรเข้าใจ AI? 1. AI เปลี่ยนโลกการเงิน เช่น Chatbot, ระบบอนุมัติ