หลักสูตร Document AI: OCR to Structured Data เป็นการอบรมการแปลงใบแจ้งหนี้ แบบฟอร์ม และสัญญาภาษาไทยเป็นข้อมูล JSON ที่ตรวจสอบแล้ว ด้วย OCR และ Vision LLM พร้อมขั้นตอนให้คนรีวิว เหมาะกับนักพัฒนา Python และทีม Automation ที่ดูแลงานเอกสารจำนวนมาก จบแล้วได้ Pipeline ดึงข้อมูลเอกสารที่นำไปต่อยอดในองค์กรได้
ทุกองค์กรมีเอกสารที่ต้องคีย์ข้อมูลซ้ำทุกวัน ทั้งใบแจ้งหนี้ ใบกำกับภาษี ใบเสร็จ แบบฟอร์มสมัคร และสัญญา ซึ่งมักมาเป็น PDF สแกนหรือภาพถ่ายจากมือถือ OCR แบบเดิมอ่านภาษาไทยได้ไม่ดีนักและไม่รู้ว่าตัวเลขไหนคือยอดสุทธิ ขณะที่ AI รุ่นใหม่อ่านเอกสารได้เก่งขึ้นมาก แต่ถ้าใช้โดยไม่มีการตรวจสอบก็อาจได้ตัวเลขที่ผิดหรือข้อมูลที่โมเดลแต่งขึ้นเอง ซึ่งเป็นความเสี่ยงที่งานบัญชีและงานสัญญายอมรับไม่ได้
หลักสูตรนี้พาผู้เรียนสร้างระบบ Document AI ที่แปลงเอกสารภาษาไทยและอังกฤษเป็นข้อมูล JSON ที่ตรวจสอบแล้ว เริ่มจากเตรียมไฟล์และภาพ เปรียบเทียบ 3 แนวทางคือ OCR โมเดลเปิดอย่าง Typhoon OCR, บริการบนคลาวด์อย่าง Azure Document Intelligence และ Vision LLM อย่าง Gemini กับโมเดลของ OpenAI จากนั้นบังคับผลลัพธ์ให้ตรง Schema ด้วย Structured Output และ Pydantic ตรวจความถูกต้องด้วยกฎทางธุรกิจ ส่งเอกสารที่ไม่มั่นใจให้คนรีวิว วัดความแม่นยำและต้นทุน แล้วประกอบเป็น Pipeline อัตโนมัติด้วย FastAPI และ n8n ปิดท้ายด้วย Capstone ระบบดึงข้อมูลเอกสารของตนเอง (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)
รายละเอียดหลักสูตร
อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Lab ทุก Section บนชุดเอกสารจำลองที่ไม่มีข้อมูลจริง ระดับ Intermediate หลักสูตรนี้ต่อยอดจาก RAG & Knowledge Base ซึ่งเน้นการค้นหาคำตอบจากเอกสาร โดยเปลี่ยนโจทย์มาเป็นการดึงฟิลด์จากใบแจ้งหนี้ แบบฟอร์ม และสัญญาภาษาไทยเป็นข้อมูล JSON ที่ตรวจสอบแล้วและนำเข้าระบบได้
ผู้เรียนเปรียบเทียบ Typhoon OCR, Azure Document Intelligence และ Vision LLM ด้วยตัวเลขจริง ผู้เรียนใช้บัญชี API ของตนเองหรือของบริษัท ซึ่งมีค่าใช้จ่ายตามการใช้งาน (บางบริการมี Free Tier หรือเครดิตทดลอง) และรันโมเดลโอเพนซอร์สบน Google Colab หรือ Cloud GPU ที่ผู้เรียนจ่ายเอง ผู้เรียนจะได้ Lab Guide โค้ด Python ครบทุก Lab ชุดเอกสารจำลองพร้อม Ground Truth และ Workflow n8n ตัวอย่างกลับไปใช้งานต่อ
Section 1: ภาพรวม Document AI และการเลือกแนวทาง
Section 2: เตรียมไฟล์และภาพก่อนส่งให้ AI
Section 3: Lab: OCR ภาษาไทยด้วย Typhoon OCR
Section 4: Document AI Service บนคลาวด์
Section 5: Vision LLM อ่านเอกสารโดยตรง
Section 6: Lab: Structured Output และ JSON Schema
Section 7: Lab: Validation และกฎทางธุรกิจ
Section 8: จำแนกเอกสารและดึงข้อมูลจากสัญญา
Section 9: Lab: Human-in-the-Loop Review
Section 10: วัดความถูกต้องและควบคุมต้นทุน
Section 11: Pipeline อัตโนมัติและ PDPA
Section 12: Workshop: Capstone ระบบ Document AI
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
OCR แบบดั้งเดิมแปลงภาพเป็นข้อความ แต่ไม่รู้ว่าข้อความใดคือฟิลด์อะไร Document AI Service เช่น Azure Document Intelligence มีโมเดลสำเร็จรูปที่ดึงตาราง Key-Value และฟิลด์ของใบแจ้งหนี้ได้ ส่วน Vision LLM อ่านภาพเอกสารโดยตรงและทำตามคำสั่งได้ยืดหยุ่นกับเอกสารที่ไม่มีรูปแบบตายตัว แต่เสี่ยงแต่งข้อมูล การเลือกจึงขึ้นกับความแม่นยำ ต้นทุนต่อหน้า ความเร็ว และข้อมูลออกนอกองค์กรได้หรือไม่
เริ่มจากออกแบบ Schema ของใบแจ้งหนี้ด้วย Pydantic ให้ครอบคลุมฟิลด์หลัก รายการสินค้าหลายบรรทัด และค่าที่ไม่บังคับ จากนั้นส่ง Schema ไปกับคำขอผ่าน Structured Output ของ Gemini API หรือ OpenAI API เพื่อให้โมเดลตอบเป็น JSON ตาม Schema แล้วจึงตรวจผลด้วยกฎทางธุรกิจ เช่น รูปแบบเลขผู้เสียภาษี และยอดรายการ VAT กับยอดสุทธิที่ต้องสอดคล้องกัน
คือการให้คนตรวจเฉพาะเอกสารที่ระบบไม่มั่นใจ แทนการตรวจทุกฉบับ โดยใช้ค่า Confidence และผลตรวจกฎทางธุรกิจตัดสินว่าเอกสารใดผ่านอัตโนมัติได้ และเอกสารใดต้องส่งให้คนดู หน้าจอรีวิวควรแสดงภาพเอกสารคู่กับฟิลด์ที่ดึงได้ และบันทึกการแก้ไขของผู้ตรวจไว้เป็น Audit Trail เพื่อนำไปปรับ Prompt และกฎต่อไป
เหมาะกับนักพัฒนา Python และ AI Engineer ที่สร้างระบบดึงข้อมูลจากเอกสาร ทีม IT และ Automation ที่ดูแลงานบัญชี จัดซื้อ หรือ HR ที่มีเอกสารจำนวนมาก และ Data Engineer ที่ต้องนำข้อมูลจาก PDF เข้าระบบ ควรเขียน Python ระดับใช้งาน เช่น Function และอ่านไฟล์ JSON ได้ เข้าใจการใช้ LLM และการเขียน Prompt และใช้ Command Line กับ REST API ขั้นพื้นฐานได้
เตรียม PDF และภาพสแกนภาษาไทยให้พร้อมอ่าน ใช้ Typhoon OCR, Azure Document Intelligence และ Vision LLM ดึงข้อมูลจากเอกสาร ออกแบบ JSON Schema และกฎตรวจสอบ วัดความถูกต้องรายฟิลด์และต้นทุนของแต่ละแนวทาง และประกอบ Pipeline อัตโนมัติที่มีขั้นตอนให้คนรีวิวและคำนึงถึง PDPA ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
เตรียมโน้ตบุ๊กที่ติดตั้ง Python และ VS Code ได้ และบัญชี Google สำหรับ Google AI Studio และ Google Colab ผู้เรียนใช้บัญชี API ของตนเองหรือของบริษัท ซึ่งมีค่าใช้จ่ายตามการใช้งาน (บางบริการมี Free Tier หรือเครดิตทดลอง) ส่วนโมเดลโอเพนซอร์สรันบน Google Colab หรือ Cloud GPU ที่ผู้เรียนจ่ายเอง Lab ทั้งหมดใช้ชุดเอกสารจำลองที่ไม่มีข้อมูลจริง
หลายองค์กรอยากให้พนักงานถามข้อมูลในฐานข้อมูลเป็นภาษาคนได้เอง โดยไม่ต้องรอทีม Data เขียน SQL ให้ทุกครั้ง LLM ยุคนี้เขียน SQL ได้เก่งขึ้นมาก แต่เมื่อต่อเข้ากับฐานข้อมูลจริงกลับเจอปัญหาเดิมซ้ำ ๆ ทั้งเลือกตารางผิด นิยามยอดขายไม่ตรงกับที่ฝ่ายบัญชีใช้…
โมเดล AI ทั่วไปเก่งเรื่องภาษาก็จริง แต่ไม่รู้จักข้อมูลภายในองค์กรของคุณ ไม่ว่าจะเป็นคู่มือ นโยบาย สัญญา ข้อมูลลูกค้า หรือองค์ความรู้ที่สั่งสมมา เมื่อถามเรื่องเฉพาะขององค์กร AI จึงมักตอบมั่ว (Hallucination) หรือตอบจากข้อมูลทั่วไปที่ไม่ตรงบริบท…
งานซ้ำ ๆ อย่างการคัดลอกข้อมูลจากฟอร์มลงตาราง ส่งอีเมลยืนยัน สรุปยอดประจำวัน หรือแจ้งเตือนทีมเมื่อมีคำสั่งซื้อใหม่ กินเวลาพนักงานไปมากในแต่ละสัปดาห์ Workflow Automation ช่วยให้ระบบต่าง ๆ ทำงานต่อกันเองโดยอัตโนมัติ n8n เป็นเครื่องมือแบบ Fair-code…
