AUTOMATION BLUEPRINT · VERSION 1.0

AI อ่านใบเสนอราคา
และเปรียบเทียบ Supplier อัตโนมัติ

รับใบเสนอราคาหลายรูปแบบ สกัดข้อมูล ตรวจความครบถ้วน เปรียบเทียบเงื่อนไขและ Total Cost สร้างข้อเสนอแนะ แล้วหยุดรอเจ้าหน้าที่จัดซื้ออนุมัติก่อนออกผลอย่างเป็นทางการ

6MODULES
1HUMAN APPROVAL
3IMPLEMENTATION PATHS
PendingROI · รอข้อมูลปริมาณ

1. ข้อมูลตั้งต้นและสมมติฐาน

ยังไม่มีการระบุช่องทางรับเอกสาร ปริมาณ ระบบหลัก งบ และผู้ดูแล จึงออกแบบเป็นสถาปัตยกรรมกลางที่เปลี่ยน Connector ได้ โดยไม่ต้องรื้อ Logic หลัก

เกณฑ์ค่าที่ใช้ใน Blueprintที่มา / ผลหากเปลี่ยน
C1 ที่อยู่ข้อมูลยังไม่ทราบ Email / Upload Folder / Manual Upload[สมมติฐาน] รองรับทั้ง 3 แบบ · ระบบจริงเลือก Connector ตามแพลตฟอร์ม
C2 ทักษะ/ผู้ดูแลยังไม่ทราบถ้าไม่มีผู้ดูแล → เริ่ม T0/Semi-automation; ถ้ามี IT → ขยาย T2/T3
C3 ปริมาณ/เดือนไม่มีกำหนด<2,000 ใช้ T0/T1 ได้; ปริมาณสูงหรือไฟล์หนักควรใช้ Queue + Code
C4 Logicมีเงื่อนไข + ไฟล์ + สถานะอ่านจาก Workflow ที่แนบ: ตรวจความครบถ้วน เปรียบเทียบ RFQ และคำนวณ Total Cost
C5 ความอ่อนไหวยังไม่ทราบ ข้อมูลราคาเชิงพาณิชย์ถ้าห้ามออกนอกองค์กร → ใช้ระบบ/โมเดลที่องค์กรอนุมัติหรือ self-host
C6 งบยังไม่ทราบจึงไม่ล็อก Vendor และไม่ประมาณราคาคงที่
C7 ตีความภาษา/ภาพเป็นแกนของงานPDF, Excel และภาพใบเสนอราคาต้องสกัดข้อความ/ตารางและตีความเงื่อนไข
Automation Fit Score: ยังสรุปไม่ได้ — ความถี่และเวลาที่ใช้ยังไม่ทราบ จึงต้องทำ Pilot แบบ Semi-automation 10–20 ชุดเอกสารก่อน แล้ววัดเวลาและความแม่นยำจริง หากคะแนนรวม ≥14/20 จึงขยายเป็นระบบเต็มรูปแบบ

2. สถาปัตยกรรมภาพรวม

ใช้ Pattern “Inbox/Queue + AI Enrichment + Human-in-the-Loop” โดยมี Data Hub เป็นแหล่งความจริงแหล่งเดียว

TRIGGERอีเมลใหม่ / ไฟล์ใหม่ / ผู้ใช้กด Upload
→
INGESTรับไฟล์ ตั้ง Unique ID เก็บต้นฉบับ
→
PROCESSOCR/อ่านเอกสาร → Validate → Compare
→
STORE · HUBQuotation Tracker + Comparison
→
OUTPUTรออนุมัติ → Report/Export
CONTROL ครอบทุกโมดูล: Log · Status · Retry 1/5/15 นาที · Dead-letter queue · Alert · Audit trail · ป้องกันข้อมูลซ้ำด้วย Message ID + File Hash + Quotation No.

3. Spec รายโมดูล

คลิกแต่ละโมดูลเพื่อดู Trigger, Input, Logic, Output, Error path และ Human checkpoint

📥
M1 · INGEST
รับและลงทะเบียนใบเสนอราคา
−
TriggerEmail/ไฟล์ใหม่/Manual Upload
InputPDF · XLSX · รูปภาพ
OutputQuotation ID + status=new
Humanไม่มี เว้นไฟล์อ่านไม่ได้
RULE
  • ตรวจชนิด/ขนาดไฟล์
  • สร้าง file hash กันไฟล์ซ้ำ
  • เก็บต้นฉบับแบบ read-only
ERROR
  • ไฟล์เสีย/ใส่รหัสผ่าน → manual_review
  • ไฟล์ซ้ำ → duplicate ไม่ประมวลผลซ้ำ

ต้นทุน: ต่ำ · ใช้สิทธิ์จัดเก็บและ Automation เดิม หากมี

🤖
M2 · AI EXTRACTION
อ่านและสกัดข้อมูลใบเสนอราคา
+
Triggerstatus=new
Inputไฟล์ต้นฉบับ + RFQ ID
OutputJSON มาตรฐาน
Humanconfidence ต่ำ/ข้อความขัดแย้ง
AI
  • อ่านหัวเอกสาร รายการสินค้า และเงื่อนไข
  • คืน JSON พร้อม confidence และ evidence
RULE หลัง AI
  • Validate schema/ชนิดข้อมูล
  • ห้ามรับตัวเลขที่ไม่มี evidence
  • confidence ต่ำกว่าเกณฑ์ → review
คุณคือผู้ช่วยสกัดข้อมูลใบเสนอราคาสำหรับงานจัดซื้อ หน้าที่: สกัดข้อมูลตามเอกสารเท่านั้น ห้ามคำนวณคะแนนหรือเลือก Supplier กติกา: - ห้ามเดาข้อมูลที่ไม่ปรากฏ ให้ใช้ null - เก็บข้อความต้นฉบับของ payment_term, delivery_term, warranty - ตัวเลขทุกช่องต้องมี evidence ระบุหน้า/ชีต/เซลล์หรือข้อความอ้างอิง - ถ้าค่าเดียวกันขัดแย้งกัน ให้ needs_review=true ตอบเป็น JSON เท่านั้น: {"supplier_name":null,"quotation_no":null,"currency":null, "items":[{"description":"","qty":null,"unit":"","unit_price":null,"discount":null}], "shipping":null,"tax":null,"payment_term":"","delivery_term":"","warranty":"", "valid_until":null,"deviations":[],"evidence":[],"confidence":0,"needs_review":true,"reason":""}

ต้นทุน: ผันแปรตามจำนวนหน้า/OCR/Token · ต้องทดสอบจากเอกสารจริง 10–20 ชุด

✅
M3 · VALIDATION
ตรวจความครบถ้วนและตรงตาม RFQ
+
Triggerextraction_validated
InputJSON + RFQ requirement
Outputpass / exception / manual_review
Humanอนุมัติข้อยกเว้น
RULE เท่านั้น
  • ตรวจ Mandatory fields
  • เทียบ SKU/Spec/Qty/Currency/Validity
  • จัดสถานะ missing / mismatch / pass
ERROR
  • ไม่มี RFQ อ้างอิง → blocked
  • ข้อมูลสำคัญ null → manual_review

AI ตั้งใจไม่ใช้: ผลผ่าน/ไม่ผ่านต้อง deterministic และตรวจสอบย้อนกลับได้

🧮
M4 · COMPARISON ENGINE
คำนวณ Total Cost และเปรียบเทียบ Supplier
+
TriggerSupplier ครบตาม Comparison Set
Inputราคา ภาษี ขนส่ง เงื่อนไข
Outputตาราง Normalize + Rank
Humanกำหนด Weight/เกณฑ์
RULE
  • Total Cost = Line Total − Discount + Shipping + Tax + ค่าใช้จ่ายที่กำหนด
  • Normalize สกุลเงินด้วย Rate ที่อนุมัติ
  • คำนวณคะแนนตาม Config ที่มี Version
ERROR
  • Currency/Tax ไม่ครบ → ห้าม Rank
  • สูตรหรือ Weight ไม่มี version → blocked
ห้ามให้ LLM คำนวณราคา Rank หรือคะแนน เพราะผลลัพธ์ต้องทำซ้ำได้และ Audit ได้
📝
M5 · AI SUMMARY
สรุปข้อแตกต่างและประเด็นที่ควรเจรจา
+
Triggercomparison_ready
Inputผล Rule + ข้อความเงื่อนไข
OutputSummary + negotiation points
Humanต้องตรวจทุกครั้ง
คุณคือผู้ช่วยวิเคราะห์ใบเสนอราคาของฝ่ายจัดซื้อ หน้าที่: สรุปความต่างและสร้างรายการคำถามกลับ Supplier จากข้อมูลที่ให้เท่านั้น กติกา: - ห้ามเปลี่ยน Rank, Total Cost หรือผล pass/fail ที่ระบบ Rule คำนวณแล้ว - แยก fact ออกจาก inference ชัดเจน - ระบุ Supplier และ field ต้นทางของทุกประเด็น - ถ้าหลักฐานไม่พอให้ needs_review=true ห้ามเดา ตอบ JSON เท่านั้น: {"executive_summary":"","differences":[],"hidden_cost_flags":[], "negotiation_questions":[],"risks":[],"needs_review":false,"reason":""}

ต้นทุน: ต่ำ–กลาง · ส่งเฉพาะ Structured Data และข้อความเงื่อนไข ไม่ส่งไฟล์เต็มซ้ำ

👤
M6 · APPROVAL & OUTPUT
อนุมัติและออก Comparison Sheet
+
Triggerstatus=pending_approval
InputComparison + Summary
OutputApproved report / revision
Humanเจ้าหน้าที่จัดซื้อ/ผู้มีอำนาจ
APPROVAL
  • Approve / Reject / Request correction
  • เก็บ approver, เวลา, comment, version
  • ระบบออกผลเมื่อ approved เท่านั้น
ERROR
  • ไม่มีผู้อนุมัติ → แจ้งเตือนตาม SLA
  • ข้อมูลเปลี่ยนหลังอนุมัติ → ยกเลิก approval และสร้าง version ใหม่

Output: Comparison Sheet · Recommendation Summary · รายการข้อยกเว้น · ประเด็นเจรจา · Audit Log

4. ทางเลือกเครื่องมือ

ยังไม่ฟันธง Vendor เพราะ C1, C2, C3, C5 และ C6 ยังไม่ทราบ แต่ละทางเลือกจึงผูกกับเงื่อนไขที่ตัดสินได้ภายหลัง

ทางเลือก A · T0/T1

Microsoft 365 Path

Outlook + SharePoint + Excel + Power Automate และบริการอ่านเอกสาร/LLM ที่องค์กรอนุมัติ

  • ใช้เมื่อ: C1 อยู่ใน Microsoft, C2 ไม่เขียนโค้ด, C3 ต่ำ–กลาง
  • ข้อดี: สิทธิ์และ Approval อยู่ในระบบเดียว
  • เสี่ยง: Premium connector/license และ Flow ใหญ่ดูแลยาก
ต้นทุน: สิทธิ์เดิม + Premium/AI ตาม Usage · สร้าง Pilot 2–4 สัปดาห์
ทางเลือก B · T0

Google Workspace Path

Gmail + Drive + Sheets + Apps Script และ OCR/LLM API ที่องค์กรอนุมัติ

  • ใช้เมื่อ: C1 อยู่ใน Google, C2 มีผู้ดูแล JavaScript, C3 ไม่สูง
  • ข้อดี: เครื่องมือน้อยและเริ่มได้รวดเร็ว
  • เสี่ยง: Quota/timeout และดูแลยากเมื่อไฟล์มาก
ต้นทุน: สิทธิ์เดิม + API usage · สร้าง Pilot 2–4 สัปดาห์
ทางเลือก C · T1/T2

Cross-system Path

iPaaS สำหรับทีมไม่เขียนโค้ด หรือ Low-code เช่น n8n Cloud สำหรับ Logic/ไฟล์ซับซ้อน

  • ใช้เมื่อ: C1 ข้ามหลายระบบ; C4 สูง; C2 มีผู้ดูแล Low-code
  • ข้อดี: เปลี่ยน Connector ได้และรองรับ Queue
  • เสี่ยง: ค่า Operation โตตาม C3; self-host ใช้ได้ต่อเมื่อมี IT และ C5 บังคับ
ต้นทุน: Platform + Operation + AI usage · สร้าง Pilot 3–6 สัปดาห์
เกณฑ์ตัดสิน: หากข้อมูลอยู่ระบบเดียวให้เริ่ม T0 (R2) · ถ้าข้ามระบบและทีมไม่เขียนโค้ดใช้ T1 (R3) · ถ้าปริมาณสูง/Logic ซับซ้อนใช้ T3 (R5) · ถ้าห้ามข้อมูลออกนอกองค์กรให้ตัด Cloud ที่ไม่อนุมัติและใช้ระบบภายใน (R1)

5. โครงสร้าง Data Hub

แยกไฟล์ต้นฉบับออกจากข้อมูล Structured และเก็บสถานะ/เวอร์ชันทุกครั้ง

ตารางฟิลด์สำคัญหน้าที่
RFQ_Masterrfq_id, requirement_version, item/spec, qty, currency, mandatory_fields, scoring_weightกฎและเกณฑ์อ้างอิง
Quotation_Trackerquotation_id, rfq_id, supplier_id, quotation_no, file_uri, file_hash, status, confidence, needs_reviewติดตามเอกสารและกันซ้ำ
Quotation_Itemsquotation_id, line_no, description, qty, unit, unit_price, discount, evidenceรายการราคามาตรฐาน
Termspayment, delivery, shipping, tax, warranty, validity, deviationsเงื่อนไขเชิงพาณิชย์
Comparison_Outputcomparison_id, total_cost, rule_result, score, rank, summary_versionผลคำนวณและเปรียบเทียบ
Approval_Logversion, approver, decision, comment, decided_atAudit Trail
Run_Log / Errorrun_id, module, started_at, ended_at, count, error_type, retry_count, error_messageMonitoring และ Dead letter

Status Flow

new→processing→extracted→validated→compared→pending_approval→approved→done
failed→retry/manual_review

6. Error, Security และการควบคุม

ระบบต้องพังอย่างมีเสียง

  • ข้อมูลผิด/ไม่ครบ → manual_review ไม่ retry
  • API/ระบบล่ม → retry 3 ครั้งที่ 1, 5, 15 นาที
  • เกิน 3 ครั้ง → Dead-letter queue + แจ้งผู้ดูแล
  • ไม่มี Run Log ตามรอบ → Heartbeat alert

ความปลอดภัยขั้นต่ำ

  • เก็บ Secret ใน Secret Store ห้ามใส่ใน Sheet/Flow
  • จำกัดสิทธิ์ตามบทบาทและใช้ Service Account
  • Mask ข้อมูลที่ไม่จำเป็นก่อนส่ง LLM
  • Log ไม่เก็บข้อมูลละเอียดอ่อนเต็มรูปแบบ
  • เก็บ Prompt, Rule, Rate และ Weight แบบมี Version

7. แผน Implement แบบเป็นเฟส

Phase 0 · ยืนยันกระบวนการด้วยมือ

ใช้เอกสารจริง 10–20 ชุด กำหนด Mandatory fields, สูตร Total Cost, เกณฑ์ผ่าน/ไม่ผ่าน และนิยาม Comparison Set ให้ชัด

Phase 1 · Pilot “Upload → Extract → Review”

สร้าง M1–M3 ก่อน เพราะลดงานอ่านเอกสารได้มากแต่ยังไม่ตัดสิน Supplier วัด field accuracy, review rate และเวลาต่อชุด

Phase 2 · Comparison Engine

เพิ่ม M4 ด้วยสูตรและ Config ที่อนุมัติ ทดสอบเทียบ Excel เดิมอย่างน้อย 20 เคส รวมภาษี/สกุลเงิน/ส่วนลดผิดปกติ

Phase 3 · Summary + Approval + Output

เพิ่ม M5–M6 เปิดใช้งาน Human Approval, Versioning, Error alert และรายงานมาตรฐาน

Phase 4 · Scale

วัดปริมาณสูงสุด ค่าใช้จ่ายจริง และ Accuracy; ค่อยย้าย Hub/Queue หรือ Code เมื่อ C3 และ C4 เกินขีดจำกัดระบบเดิม

8. KPI และ ROI ที่ต้องวัด

KPI ระบบ

  • Field extraction accuracy ≥ เป้าหมายที่ทีมอนุมัติ
  • Manual review rate
  • เวลาจากรับไฟล์ถึง comparison_ready
  • Duplicate/error/retry rate
  • % รายงานที่ต้องแก้หลังอนุมัติ

KPI ธุรกิจ

  • ชั่วโมงงานจัดซื้อต่อ Comparison Set
  • จำนวนประเด็นค่าใช้จ่ายแฝงที่พบ
  • รอบเวลาตัดสินใจ Supplier
  • มูลค่าความผิดพลาดที่ป้องกันได้
  • อัตราการใช้ระบบจริงของทีม

สูตรคำนวณเมื่อมีข้อมูล

ชั่วโมงที่ประหยัด/เดือน = (นาทีเดิมต่อชุด − นาทีหลังใช้ระบบ) × จำนวนชุดต่อเดือน ÷ 60 มูลค่าที่ประหยัด = ชั่วโมงที่ประหยัด × ค่าแรงเฉลี่ยต่อชั่วโมง ผลประโยชน์สุทธิ/เดือน = มูลค่าที่ประหยัด − (ค่า Platform + OCR/LLM + ค่าดูแล) จุดคุ้มทุน = ต้นทุนสร้างครั้งแรก ÷ ผลประโยชน์สุทธิ/เดือน
เกณฑ์ Go/No-Go หลัง Pilot: Accuracy ผ่านเกณฑ์ของทีม, ลดเวลาอย่างมีนัยสำคัญ, Review rate อยู่ในระดับรับได้ และจุดคุ้มทุนไม่เกินช่วงเวลาที่องค์กรกำหนด
← Skill360