ทีม IT หลายองค์กรเคยลองแบบนี้ อัปโหลดใบแจ้งหนี้ PDF สักสองไฟล์เข้าแชต Gemini แล้วสั่งว่า "ดึงเลขที่ วันที่ ยอดรวม ออกมาเป็น JSON" ไม่ถึงนาทีก็ได้คำตอบที่ใช้ได้จริง
คำถามถัดมาในห้องประชุมจึงตามมาเสมอ — ถ้า AI ทำได้ขนาดนี้ เราสร้าง AI agent ให้อ่านเอกสารเองเลยได้ไหม จะซื้อระบบไปทำไม
คำตอบสั้น ๆ คือ ทำได้ และโมเดลที่ใช้ก็ตัวเดียวกับที่ LuminexDoc ใช้อยู่ แต่สิ่งที่เห็นในเดโมเป็นแค่ส่วนเล็ก ๆ ของงานที่ต้องเกิดขึ้นทุกวัน บทความนี้แจกแจงให้เห็นว่าที่เหลือคืออะไร และแต่ละเรื่องมีต้นทุนเท่าไร
เดโมใช้ 5 นาที แต่งานจริงคือทั้งระบบ
ตอนเดโม มีคนนั่งอัปโหลดไฟล์ทีละไฟล์ อ่านคำตอบ แล้วตัดสินเองว่าถูกไหม ในงานจริงไม่มีใครนั่งสั่ง ไฟล์เข้ามาเองวันละหลายร้อยหน้า ข้อมูลต้องถูกก่อนเข้าระบบบัญชีหรือ ERP และต้องตอบได้ว่าไฟล์ไหนไปถึงไหนแล้ว
ถ้าไล่ดูเส้นทางของเอกสารหนึ่งใบตั้งแต่เข้ามาจนถึงระบบปลายทาง จะมีขั้นตอนประมาณนี้
- รับไฟล์ — จาก hot folder อีเมล หรือ API
- เตรียมไฟล์ — แปลงสแกนและรูปภาพ หมุนหน้าที่กลับหัว
- แยกเอกสาร — ไฟล์เดียวอาจมีหลายใบหลายประเภท
- OCR รายหน้า — งานของ AI
- ดึงข้อมูลตามช่องที่กำหนด — งานของ AI
- ตรวจความถูกต้อง — AI หลายตัวเห็นตรงกันไหม ยอดรวมตรงกับรายการไหม
- ให้คนตรวจ — เฉพาะใบหรือช่องที่ไม่ผ่าน
- ส่งออก — เข้า ERP, K2, SQL Server หรือ Excel
- ติดตาม — สถานะของแต่ละไฟล์ และต้นทุนค่า AI
AI agent ช่วยได้ดีมากในสองขั้น คือ OCR กับการดึงข้อมูล ส่วนอีกเจ็ดขั้นเป็นงานซอฟต์แวร์ที่ทีม IT ต้องเขียน ทดสอบ และดูแลเอง ไม่ใช่สิ่งที่เขียน prompt ให้ดีขึ้นแล้วจะได้มา
ค่า AI ไม่ได้แพง สิ่งที่แพงคือระบบรอบ ๆ
ถ้าเรียก Gemini API เอง ค่า AI ต่อหน้าถือว่าถูก ราคา gemini-3.8-flash อยู่ที่ 0.75 ดอลลาร์ต่อ input หนึ่งล้าน token และ 3.75 ดอลลาร์ต่อ output หนึ่งล้าน token มีรายงานว่านี่เป็นราคาช่วงแนะนำถึงสิ้นปี 2569 และจะขึ้นเป็นสองเท่าตั้งแต่ 1 ม.ค. 2570 ก่อนวางงบควรเช็กหน้าราคาของ Google อีกครั้ง
เอกสารหนึ่งหน้าใช้ token มากหรือน้อย ขึ้นกับจำนวนช่องที่ต้องดึงและความยาวของตาราง และวิธีที่ระบบจัดการ token ทำให้ต้นทุนต่างกันได้หลายเท่า ระบบที่ออกแบบมาดีจะ OCR ครั้งเดียวแล้วใช้ผลซ้ำ จำผลตามเนื้อไฟล์เพื่อไม่อ่านไฟล์เดิมซ้ำ และใช้ prompt ร่วมกันทั้ง batch ส่วน AI agent ทั่วไปจะส่งประวัติแชตทั้งหมดซ้ำทุกครั้งที่คิดหรือเรียกเครื่องมือ ยิ่งทำหลายไฟล์ใน session เดียว token ต่อไฟล์ยิ่งเพิ่ม
สิ่งที่ไม่อยู่ในบิล AI คือค่าคนที่เขียนและดูแลระบบ เซิร์ฟเวอร์ ที่เก็บไฟล์ และการสำรองข้อมูล ซึ่งในงานจริงมักมากกว่าค่า AI หลายเท่า
ใช้แพ็กเกจรายเดือนของ Gemini แทนได้ไหม
คำถามนี้มาบ่อย เพราะแพ็กเกจ Google AI Pro ราคาเดือนละ 750 บาทต่อคน ดูถูกกว่าการทำระบบมาก แต่ Gemini มีสองทางที่ต่างกันมาก
| Gemini app (Google AI Pro / Ultra) | Gemini API ทำระบบเอง | LuminexDoc (ใช้ Gemini API) | |
|---|---|---|---|
| คิดเงิน | รายเดือนต่อคน | ตาม token ที่ใช้ | ตาม token และค่า license |
| ขีดจำกัด | โควตาคืนทุก 5 ชั่วโมง และมีเพดานรายสัปดาห์ | rate limit ของ project | มีคิวจัดให้ไม่ชน rate limit |
| เรียกจากโปรแกรม | ไม่ได้ ต้องมีคนพิมพ์ในแชต | ได้ | ได้ |
| ทำงานตอนไม่มีคน | ไม่ได้ | ต้องเขียนตัวตั้งเวลาเอง | hot folder ทำงานเอง |
| ใครดูแลระบบ | ผู้ใช้แต่ละคน | ทีม IT ของคุณทั้งหมด | WinnerSoft |
ตั้งแต่ พ.ค. 2569 Google คิดโควตาของ Gemini app ตามปริมาณการประมวลผล ไม่ได้บอกเป็นจำนวนข้อความหรือ token ตายตัว Pro ได้สี่เท่าของแพ็กเกจฟรี และ Google แจ้งว่าเปลี่ยนแปลงได้ตามกำลังเครื่อง ฝั่งบัญชีองค์กร หน้าช่วยเหลือของ Google Workspace ระบุว่า Business Standard และ Plus ใช้โหมด Thinking ได้ราว 300 prompt ต่อวันต่อคน และรีเซ็ตตอนเที่ยงคืนเวลาแปซิฟิก ซึ่งตรงกับ 15:00 น. เวลาไทย
แต่ก่อนจะชนโควตา คนจะเป็นคอขวดก่อน ทุก prompt ต้องมีคนอัปโหลด รอผล แล้วคัดลอกเข้าระบบ ราว 1–2 นาทีต่อครั้ง 300 prompt ก็คืองานเต็มวันของคนหนึ่งคน ส่วนการใส่หลายหน้าใน prompt เดียวช่วยให้ได้หน้าต่อวันมากขึ้น แต่คำตอบยาวเสี่ยงถูกตัด และ AI ข้ามแถวหรือข้ามช่องได้ง่ายขึ้น
แพ็กเกจรายเดือนเหมาะกับคนที่อ่านเอกสารทีละไม่กี่ใบ พอเอกสารเยอะจนต้อง automate ก็ต้องไปใช้ API ที่จ่ายตาม token อยู่ดี
ไฟล์จริงไม่ได้สวยเหมือนไฟล์เดโม
ไฟล์ที่ใช้เดโมมักเป็น PDF สะอาด ๆ หนึ่งใบหนึ่งไฟล์ ไฟล์ที่เจอในงานลูกค้าจริงหน้าตาแบบนี้
| ลักษณะไฟล์ | ถ้าทำเองจะเจอ | LuminexDoc |
|---|---|---|
| PDF สแกนที่ไม่มีชั้นข้อความ, รูป JPG / PNG / TIFF | ต้องแปลงเป็นภาพทีละหน้าเอง | รับได้ทุกแบบ |
| ไฟล์เดียวมีหลายเอกสาร เช่น ใบกำกับ ใบเสร็จ ใบส่งของ | AI รวมเป็นใบเดียว หรือแยกผิด | แยกตามประเภทเอกสาร |
| ไฟล์ใหญ่หลายสิบหน้า | หมดเวลา หรือตอบไม่ครบ | รองรับเอกสารหลายร้อยหน้า |
| หน้ากลับหัวหรือเอียง | อ่านผิดหรืออ่านไม่ได้ | หมุนหน้าอัตโนมัติ |
| ตารางรายการยาวต่อหลายหน้า | แถวหาย หรือซ้ำที่รอยต่อหน้า | รวมรายการให้ครบ |
| รูเจาะกระดาษหรือตรายางทับวันที่ | อ่านวันที่ผิด | มีวิธีแก้ในระบบแล้ว |
| ชื่อไฟล์ภาษาไทย | เครื่องมือแปลง PDF บางตัวพัง | จัดการแล้ว |
| ไฟล์เดิมถูกส่งมาซ้ำ | เสียค่า AI ซ้ำ และข้อมูลซ้ำในระบบ | จำเนื้อไฟล์ ไม่อ่านซ้ำ |
ปัญหาที่ทีมที่ทำเองจะเจอ
ทั้งหมดนี้เป็นเรื่องที่เราเจอจริงระหว่างทำ LuminexDoc ให้ลูกค้าใช้งาน และแก้ไว้ในผลิตภัณฑ์แล้ว ทีมที่สร้างเองมีโอกาสสูงที่จะเจอเรื่องเดียวกัน
- ส่งไฟล์ใหญ่ทั้งไฟล์ในครั้งเดียว แล้วโมเดลบางรุ่นหมดเวลา — แก้ด้วยการ OCR ทีละหน้า และเลือกรุ่นที่ทนกว่า
- ใบแจ้งหนี้ที่ใช้แบบฟอร์มเดียวกันได้ผล OCR ของกันและกัน — เพราะระบบจำผลผิดไฟล์ ต้องจำจากเนื้อไฟล์จริง ไม่ใช่จากหน้าตา
- AI ตอบเป็นข้อ ๆ แทน JSON บางครั้ง — เอกสารถูกแยกเกิน หรือดึงข้อมูลไม่ได้เลย ต้องบังคับรูปแบบคำตอบและตรวจผลว่าง
- ค่า AI ที่ระบบบันทึกต่ำกว่าบิลจริง — เพราะ Gemini คิด token ที่ใช้ "คิด" รวมเป็น output ด้วย
- hot folder ดึงไฟล์เดิมซ้ำ 30 รอบ — เพราะตั้งโฟลเดอร์เดียวกันให้สองกระบวนการ
- สั่งอ่านใหม่แล้วเอกสารหาย — ระบบลบผลเก่าก่อนอ่านใหม่ แล้วงานหยุดกลางทาง ต้องเปลี่ยนทีละไฟล์แบบไม่มีช่วงว่าง
นอกจากนี้ เมื่อระบบเป็นของตัวเอง ทีม IT จะถูกถามทุกวันว่าไฟล์นี้ถึงขั้นไหนแล้ว ค้างเพราะอะไร ใครแก้ค่าอะไรก่อนส่งเข้าระบบ ส่งออกแล้วหรือยัง เดือนนี้ค่า AI ไปเท่าไร และทำไม AI ถึงตอบแบบนี้ ทุกคำถามต้องมีระบบเก็บข้อมูลไว้ตอบ
AI ตอบผิดได้ แบบที่ดูเหมือนถูก
Gemini แม่นมาก แต่ไม่ได้แม่นทุกครั้ง และเวลาผิดก็ผิดแบบดูน่าเชื่อ ระหว่างทดสอบ OCR เราเคยเห็น Gemini เติมคำในชื่อสินค้าที่ไม่มีอยู่ในเอกสารจริง ที่น่ากลัวกว่าคือเลขผู้เสียภาษีหรือยอดเงินผิดไปหนึ่งหลัก แล้วถูกส่งเข้าระบบบัญชีโดยไม่มีใครเห็น
AI agent ตัวเดียวไม่รู้ว่าตัวเองผิด ถ้าทำเองต้องเขียนกฎตรวจเอง และต้องมีหน้าจอให้คนตรวจแก้ ไม่อย่างนั้นก็ต้องเปิดเทียบทุกใบ ซึ่งย้อนกลับไปเป็นงานคนเหมือนเดิม
LuminexDoc ใช้ AI สามค่ายอ่านเอกสารเดียวกัน ช่องที่เห็นตรงกันผ่านไปเอง ช่องที่ไม่ตรงกันถูกส่งเข้าคิวให้คนตรวจเฉพาะช่องนั้น พร้อมกรอบบนภาพที่ชี้ว่าค่านั้นอยู่ตรงไหนของเอกสาร
ปัญหาไม่ใช่ว่า AI ผิดบ้าง แต่คือเราจะรู้ได้ยังไงว่าใบไหนผิด
เลือกแบบไหนดี
AI agent หรือ Gemini app ก็พอแล้ว ถ้างานของคุณเป็นแบบนี้
- เอกสารไม่กี่สิบใบต่อเดือน
- งานครั้งคราว คนเดียวทำได้
- ไม่ต้องส่งข้อมูลเข้าระบบอื่น หรือคัดลอกเองได้
- ผิดบ้างไม่เสียหาย เพราะมีคนอ่านทวนทุกใบอยู่แล้ว
ควรใช้ระบบอย่าง LuminexDoc ถ้างานของคุณเป็นแบบนี้
- เอกสารหลายร้อยถึงหลายหมื่นหน้าต่อเดือน
- ไฟล์เข้ามาเองทุกวัน ไม่มีคนนั่งสั่ง
- ต้องส่งข้อมูลเข้า ERP, K2 หรือ SQL Server
- ต้องมีบันทึกการแก้ไข สิทธิ์ผู้ใช้ และรู้ต้นทุนต่อเอกสาร
ไม่ต้องเลือกระหว่าง Gemini กับ LuminexDoc
LuminexDoc ใช้ Gemini เป็นหนึ่งในผู้ให้บริการ AI อยู่แล้ว และมี MCP server ให้ AI agent ขององค์กรเชื่อมต่อเข้ามาได้ เช่น ถามสถานะ batch ค้นเอกสาร หรือดูผลการอ่าน คุณยังใช้ AI ตัวที่ชอบได้เหมือนเดิม โดยไม่ต้องสร้างและดูแลระบบรอบ ๆ เอง
ถ้าทีมของคุณกำลังชั่งใจระหว่างสร้างเองกับใช้ระบบสำเร็จรูป ลองส่งตัวอย่างเอกสารจริงของคุณมาให้เราทดสอบ แล้วดูผลเทียบกันได้ทั้งความถูกต้องและต้นทุน