Northern Trust นำเอเจนต์ AI มาใช้เพื่อเร่งกระบวนการรับลูกค้าใหม่

Northern Trust และ Microsoft ประกาศเมื่อวันที่ 9 พฤศจิกายน 2026 ว่าเอเจนต์สำหรับกระบวนการรับลูกค้าใหม่ที่ทั้งสองบริษัทพัฒนาร่วมกันช่วยลดเวลาเตรียมข้อมูลได้ 83% จากประมาณสองสัปดาห์ครึ่งเหลือสามวัน การนำระบบมาใช้งานนี้เป็นจุดเริ่มต้นของความร่วมมือด้าน AI ที่ขยายวงกว้างขึ้น และให้บริการลูกค้าบนแพลตฟอร์ม Front Office Solutions ของ Northern Trust Asset Servicing

ระบบนำข้อมูลการลงทุนและธุรกรรมย้อนหลังหลายปีมาจัดรูปแบบใหม่ให้เป็นโครงสร้างข้อมูลมาตรฐานของ Northern Trust สำหรับการรายงาน ลูกค้าสถาบัน เช่น กองทุนบำเหน็จบำนาญ กองทุนบริจาค มูลนิธิ และสำนักงานบริหารทรัพย์สินของครอบครัวขนาดใหญ่ ใช้ Front Office Solutions เพื่อดูผลการดำเนินงานด้านการลงทุนและการวิเคราะห์ การสร้างประวัติผลการดำเนินงานของลูกค้าใหม่ขึ้นมาใหม่อาจทำให้ทีมติดตั้งระบบต้องรวบรวมข้อมูลจากหลายแหล่ง โดยสินทรัพย์ทางเลือกยิ่งเพิ่มความซับซ้อน

การวัดผลในการใช้งานจริงและการทดสอบคุณภาพ

หลังนำระบบไปใช้งาน Northern Trust วัดเวลาที่ประหยัดได้จากสถานการณ์จริงในการรับลูกค้าใหม่ การวิเคราะห์ครอบคลุมการแปลงข้อมูล การตรวจทานของนักวิเคราะห์ การจัดการกรณียกเว้น และการตรวจสอบขั้นสุดท้าย โดยเปรียบเทียบระยะเวลาอ้างอิงของกระบวนการทำงานเดิมกับเวลาเฉลี่ยที่ใช้ดำเนินการในกรณีการผลิตที่มีเอเจนต์ช่วย ดังนั้น การวัดผลนี้จึงรวมงานที่นักวิเคราะห์ทำในขั้นตอนต่าง ๆ โดยรอบไว้ด้วย ไม่ได้วัดเฉพาะขั้นตอนการแปลงข้อมูลอัตโนมัติ

ทั้งสองบริษัทยังรายงานคะแนนคุณภาพในการทำงานครั้งแรกแบบ F1 ที่ 96.5% โดยใช้เมตริกประเมินผลที่ผสานค่าความแม่นยำและค่าการเรียกคืนข้อมูล ชุดทดสอบประกอบด้วยกรณีตัวอย่าง 7 กรณีที่คัดเลือกจากสมุดงานธุรกรรมของลูกค้าจริงในอดีต ซึ่ง Northern Trust จัดส่งในรูปแบบไม่ระบุตัวตน

บริษัทนำค่าที่เอเจนต์สร้างขึ้นไปเปรียบเทียบกับผลลัพธ์อ้างอิงที่นักวิเคราะห์จัดเตรียมไว้และเก็บเป็นความลับระหว่างการทำงาน ระบบบันทึกผลการทำงานครั้งแรกก่อนนักวิเคราะห์ให้ข้อเสนอแนะหรือแก้ไข จึงเป็นการวัดผลลัพธ์เบื้องต้นของเอเจนต์ ไม่ใช่คุณภาพหลังจากมีมนุษย์ตรวจทาน ความแตกต่างนี้ทำให้แยกการทดสอบคุณภาพแบบควบคุมออกจากการวัดเวลาในการผลิต ซึ่งรวมการตรวจทานและการตรวจสอบโดยนักวิเคราะห์ไว้ด้วย

สถาปัตยกรรม Azure และการควบคุมโดยมนุษย์

Northern Trust พัฒนาระบบร่วมกับทีม Forward Deployed Engineering ของ Microsoft Frontier Company Microsoft Foundry จัดหาเครื่องมือ AI สำหรับองค์กร โดยมี Microsoft Azure เป็นแพลตฟอร์มพื้นฐาน การผสานการทำงานกับ Excel, SharePoint และเครื่องมืออื่น ๆ ใน Microsoft 365 ช่วยให้นักวิเคราะห์ตรวจสอบ ปรับแก้ และอนุมัติผลลัพธ์ได้ นอกจากนี้ Azure ยังรองรับชั้นข้อมูลอัจฉริยะที่อยู่ภายใต้การกำกับดูแล ซึ่งเก็บรักษาความรู้ที่ผ่านการอนุมัติเกี่ยวกับกระบวนการรับลูกค้าใหม่ เพื่อให้ระบบนำความเชี่ยวชาญขององค์กรมาใช้ได้ต่อเนื่องในระยะยาว

การกำกับดูแลยังคงดำเนินต่อไปตลอดกระบวนการทำงาน นักวิเคราะห์สามารถประเมินเหตุผลประกอบการทำงานของเอเจนต์ จัดการกรณียกเว้น และให้ข้อเสนอแนะจากความเชี่ยวชาญได้ ในช่วงติดตั้งระบบ ก่อนที่ลูกค้าจะเริ่มใช้งานจริง นักวิเคราะห์สามารถใช้เอเจนต์เพื่อระบุและกระทบยอดข้อผิดพลาดระหว่างตรวจสอบข้อมูลตั้งต้นของลูกค้า วิธีนี้ช่วยให้ทีมติดตั้งระบบตรวจสอบได้ทั้งประวัติข้อมูลที่ได้รับมาและผลลัพธ์ของเอเจนต์

กระบวนการพัฒนาของ Microsoft ใช้แนวทางที่บริษัทเรียกว่า “ไม่ต้องเฝ้าดู” Microsoft ปรับปรุงคุณภาพในการทำงานครั้งแรกแบบ F1 และการวัดผลด้านอื่น ๆ โดยใช้เฉพาะข้อมูลที่ไม่ระบุตัวตน ขณะที่ข้อมูลลูกค้าของ Northern Trust ยังคงอยู่ภายใต้การกำกับดูแลของบริษัท แนวทางนี้ออกแบบมาเพื่อให้สอดคล้องกับข้อกำหนดด้านความเป็นส่วนตัว ความปลอดภัย และการดูแลจัดการข้อมูลในภาคบริการทางการเงิน พร้อมทั้งเปิดโอกาสให้ทีมวิศวกรรมร่วมกันปรับปรุงระบบได้

Pete Cherecwich ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของ Northern Trust กล่าวว่า เอเจนต์ช่วยลดเวลาที่ต้องใช้ในการเตรียมและตรวจสอบข้อมูลลูกค้า “ขณะเดียวกันก็ยังคงมีการกำกับดูแลและการควบคุมตามที่ลูกค้าคาดหวัง” ทำให้ทั้งสองฝ่ายมีเวลาและกำลังคนไปมุ่งเน้นงานที่สร้างมูลค่าเพิ่มได้มากขึ้น ภายใต้แนวทางการเสริมศักยภาพด้วยปัญญาประดิษฐ์ในภาพรวมของบริษัท AI ช่วยต่อยอดความเชี่ยวชาญของมนุษย์ ขณะที่การใช้ดุลยพินิจและความรับผิดชอบยังคงเป็นหน้าที่ของบุคลากร

การนำระบบมาใช้นี้เชื่อมโยงการลดเวลาเตรียมข้อมูลที่วัดผลได้เข้ากับการแบ่งหน้าที่อย่างชัดเจน กล่าวคือ AI จัดการการแปลงข้อมูล นักวิเคราะห์ดูแลกรณียกเว้นและการตรวจสอบ ส่วน Northern Trust ยังคงควบคุมข้อมูลลูกค้าไว้เอง คำถามในการขยายการใช้งานคือ การประหยัดเวลาที่วัดได้และคุณภาพในการทำงานครั้งแรกจะยังคงสม่ำเสมอหรือไม่ เมื่อต้องรับมือกับประวัติลูกค้าที่หลากหลายภายใต้การควบคุมแบบเดียวกัน