Blognone Tomorrow งาน Tech conference ครั้งแรกของ Blognone

วันที่ 8 สิงหาคม 2018 ที่ผ่านมา ทาง Blognone เว็บไซต์ข่าวสารวงการไอทีชื่อดังของเมืองไทยได้จัด Tech Conference ของตัวเองขึ้นเป็นครั้งแรก ด้วยความอยากรู้ว่าจะมีข่าวสารในวงการอะไรที่น่าสนใจบ้าง เพราะยุคนี้ดิจิตอลเข้ามามีบทบาทในแวดวงธุรกิจมากจริงๆ ไม่ว่าจะอยู่วงการไหน ก็เลยซื้อบัตรเข้าไปฟังซักหน่อย (แม้ว่าตัวเองจะไม่ได้มีความรู้เชิงเทคนิคมากเท่าไหร่ก็ตาม เพราะฉะนั้นบาง session ต้องยอมรับตามตรงว่าฟังแล้วก็จะงงๆ หน่อย เพราะค่อนข้างเทคนิคพอสมควร พอความรู้พื้นฐานบางอันเราไม่มีก็เลยไม่เข้าใจ)

Agenda ของงานนี้เปิดตัวออกมาช้าพอสมควร คือตอนซื้อบัตรราคา early bird 1500 บาทยังไม่มีรายชื่อ speaker ให้รู้เลยด้วยซ้ำว่ามีใครบ้าง แต่ก็ตัดสินใจซื้อไปก่อน พอมาเห็นรายชื่อจาก Agenda ตอนใกล้ๆ วันงานก็รู้สึกว่าน่าสนใจดี

เปิดตัวกันที่คุณมาร์ค Founder ของ Blognone มาพูดเปิดงานสั้นๆ มีคำกล่าวที่ว่า “Every Company is a Tech Company” แม้กระทั่งวงการที่เรารู้สึกว่าน่าจะมีเทคโนโลยีเข้าไปเกี่ยวข้องได้น้อยแล้ว เช่น เกษตรกรรม, อาหาร, งานก่อสร้าง ก็ยังสามารถมีเทคโนโลยีต่างๆ เข้าไปเกี่ยวข้องได้

ตัวอย่างสำหรับวงการ Agriculture ก็คือ โดรนที่มาช่วยทำงานพ่นยาในแปลงพืช ซึ่งสามารถกำหนดขอบเขตการทำงานได้ชัดเจน ทำให้ประหยัดเวลาและแรงคน

JUST egg made from plant

ตัวอย่างสำหรับวงการอาหารคือ JUST ไข่ที่ทำมาจากพืช ตอนเห็นรูปก็ช็อกไปเบาๆ เพราะทำ scramble egg ออกมาหน้าตาเหมือนไข่จริงมากๆ แต่เรื่องรสชาติไม่รู้เลย เห็นแล้วอยากชิมทีเดียว 555

ส่วนตัวอย่างสำหรับวงการ Construction ก็เช่น สะพานข้ามคลองที่ใช้เทคโนโลยี 3D printing มาทำ แต่เป็นการพริ้นต์จากเหล็ก มีการดีไซน์ด้วย AI เพื่อให้ optimize ที่สุดในด้านวัสดุ ซึ่งเป็นสะพานจริงๆ ในประเทศเนเธอร์แลนด์ หรือมีกระทั่งมอเตอร์ไซค์จาก 3D printing เป็นต้น

หลักๆ งานนี้จะพูดถึงเทคโนโลยี 4 อย่างด้วยกัน ได้แก่ AI, IoT (Internet of things), Big data และ Cloud

คุณ Ariya จาก Line Thailand

ถัดมาที่คุณ Ariya จาก Line ประเทศไทย ซึ่งมาเล่าถึงสิ่งที่ Line ทำในช่วงที่ผ่านมา และสิ่งที่กำลังจะไปต่อในอนาคต

Line ในภาพของ Global นั้นใช้กลยุทธ์ Development center คือการตั้งศูนย์กลางอยู่ในหลายๆ ประเทศโดยไม่ได้มองว่าออฟฟิศเหล่านั้นเป็น branch ของ Line เพราะแต่ละประเทศสามารถดูแลและตัดสินใจได้ด้วยตัวเอง มี Engineer ประจำที่ทำงานทั้งโปรเจ็กต์ของ Local และ Global นั่งอยู่ในออฟฟิศ

ตอนนี้พนักงานที่ไลน์ประเทศไทยมีทั้งหมด 380 คน อายุเฉลี่ยลดลงจาก 31 เหลือแค่ 29 ปี ซึ่งเป็นวัย Tech millenials อย่างแท้จริง

ไลน์แชร์ข้อมูลว่าถึงแม้คนไทยจะใช้อินเทอร์เน็ตเยอะมาก และ social เยอะมาก แต่กลับจ่ายเงินจริงๆ แค่ 7 เหรียญต่อหัว เพราะฉะนั้นธุรกิจจำพวก Subscription ก็อาจจะอยู่ยากหน่อย

ไลน์ใช้กลยุทธ์ Hyper Localization คือการที่ส่วนงาน Local แต่ละประเทศนั้นสามารถคิดตัดสินใจ รวมถึงคิดสินค้าบริการได้เอง เพราะฉะนั้นเราจะได้เห็นบริการหลายๆ ตัวมากเกิดขึ้นจากสาขาประเทศไทยนี่แหละ

• ไลน์มีการลงทุนใน Thai Start up ecosystem ล่าสุดเพิ่ง acquire บริษัทใหม่ไป โดยเชื่อว่าการทำแบบนี้จะช่วยทำให้ไลน์มี feature หรือไอเดียใหม่ๆ ได้
• เป็น Sticker top up payment แห่งแรก โดยทำกับตู้บุญเติม เพราะ 80–90% ในตลาดไทยเป็นการพรีเพด
• มีระบบ USSD payment channel for customer
• จะเห็นว่าหลายๆ อันที่ไลน์ทำอาจไม่ได้เทคโนโลยีจ๋าอะไรมาก ดูเป็นแค่โปรเจ็กต์เล็กๆ ด้วยซ้ำ แต่เราเน้นแก้ Pain point เพราะฉะนั้นอย่าไปฟุ้งหรือหลงเทคโนโลยีจนเกินไป
• เป็น №1 TV re-run platform (ซึ่งเป็นการเริ่มต้นจากประเทศไทย ทำมาแล้วสามปี ประสบความสำเร็จ ล่าสุดไลน์ไต้หวันกำลังจะเอาไปทำบ้าง)
• Line Today ถือเป็น no.1 news portal มีเพจวิววันละเป็นพันล้าน
• Line man เองก็เป็นบริการที่เกิดขึ้นจากประเทศไทย และมีเฉพาะในไทย นับเป็น 100% Local โดยแท้จริง
• ระบบจ่ายเงิน Rabbit Line Pay (ซึ่งปัจจุบันในไทยมีระบบ E-wallet อยู่ทั้งหมด 16 เจ้า คุณอริยะแชร์ว่าภายในสองปีน่าจะตายไปซะ 14)
• ในอนาคตจะมีการรวม Official Line และ Line@ เข้าด้วยกันแล้ว และมีระบบ Ai Development and Voice Activation ด้วย โดยตัว speaker จะหน้าตาน่ารักเป็น Cony กับ Brown ซึ่งคิดว่าน่าจะทำได้ คนน่าจะอยากเอาเข้าบ้าน เพราะลูกค้าไม่มีใครกลัว Cony กับ Brown แน่นอน
• ปัจจุบันมี Line Job ซึ่งเป็น Job search เพิ่งเปิดเมื่อสองเดือนที่แล้ว
• ส่วน Line today อยากจะ go beyond news ในเร็วๆ นี้

AIAP ของ AIS

speaker คนถัดมาคือ AIS ซึ่งเน้นมาพูดเรื่อง IoT เป็นหลัก

• Internet of things ส่งผลให้เกิด more data, more flexible และ more automation
• AIS มีการทำ AIAP (AIS IoT Alliance Program) ซึ่งจะช่วยสนับสนุนการทำ IoT ให้กับหน่วยงานต่างๆ เช่น ทำงานร่วมกับปตท ในการทำอุปกรณ์ติดกับท่อส่งก๊าซธรรมชาติ ทำให้สามารถเช็คสถานะท่อส่งได้ตลอดเวลา หรือทำงานร่วมกับ Property perfect ในการทำให้คอนโดเป็น smart living ได้ ใช้ระบบ face recognition, plate detection, ไฟถนนที่ออโต้, ระบบเรียก shuttle bus, ระบบจักรยาน mobike, visitor tracking
• IoT = Infinite opportunities of things

ถัดมาคือ Google มาในหัวข้อ AI for everyone

• AI = science that make thing smart
• Machine Learning (ML) = making machine learn to be smarter
• โดยวัตถุประสงค์ของ AI ของ Google มี 3 ข้อหลักๆ คือ

1. making product more useful เช่น Google photo ซึ่งเรียนรู้ภาพจนเราสามารถเสิร์ชได้ด้วยคำ, Google translate, Smart reply in Gmail (12% ในระบบเมลของ gmail มาจากการตอบแบบนี้), Google Assistant
2. Helping other innovation คือช่วยให้บริษัทดีขึ้น เก่งขึ้น เช่น Tensor flow open source, Cloud API
3. Solving humanity’s Big Challenge เช่น การป้องกันตาบอดในโรคเบาหวาน โดยศึกษาจากภาพถ่ายการตรวจตา หรือการทำ prediction ว่าในอีกห้าปีจะเป็นโรคหัวใจหรือไม่ จากรูปม่านตา (ซึ่งในปัจจุบันทำนายถูกต้องถึง 70%) นอกจากนี้ยังมีระบบ Detect disease on plants with AI ด้วย โดยถ่ายรูปใบไม้แล้วรู้ได้ว่าต้นนี้เป็นโรคอะไร ควรดูแลอย่างไร

สิ่งที่ AI สามารถช่วยได้จาก facebook

Facebook มาในหัวข้อ Harnessing power of AI for business

• ปัญหาที่ธุรกิจส่วนใหญ่เจอคือ จะเข้าถึงลูกค้าได้อย่างไร, จะส่งข้อมูลอะไรดี และจะผลักดันยอดขายได้อย่างไร ปัญหาเหล่านี้ facebook มีบริการที่ช่วยตอบโจทย์ได้
• ปัจจุบัน facebook มี campaign optimization ถึง 11 สูตรให้เลือกใช้ สามารถส่งรูปหรือคอนเทนต์หลายๆ แบบไปสู่กลุ่มเป้าหมายหลายๆ กลุ่มที่แตกต่างกันได้ มีการทำ Dynamic ads ทั้ง retargeting และแบบ broad audience ก็ได้
• มีการทำ marketplace ซึ่งเกิดในประเทศไทยเป็นที่แรก รวมถึงการทำระบบ payment กับ KBANK ซึ่งจ่ายผ่าน facebook ได้เลยด้วย

DTAC มาพูดเรื่อง 5G ว่าคืออะไร ต่างกับ 4G ยังไง จะมาเมื่อไหร่

หลักๆ แล้วเป็นในเรื่องของ Speed, Latency และ Connection ที่จะมีเพิ่มขึ้นกว่า 4G แบบมหาศาล ซึ่งตรงนี้จะทำให้ experience ที่ user จะได้รับเปลี่ยนไปอย่างแน่นอน

แต่ ณ ตอนนี้คงต้องดูเรื่องการทำมาตรฐานให้เรียบร้อยก่อนถึงจะ launch ได้

ปิดท้ายภาคเช้าด้วยหัวข้อ How to build your own AI and data analytics ซึ่งเป็นวิทยากรจาก Microsoft และ SCBabacus

• มีการพูดถึงเรื่อง ethic for AI คือ ไม่ได้บอกว่า AI ทำอะไรได้บ้าง แต่บอกว่า AI ควรทำแค่ไหน และไม่ควรทำอะไร เช่น การจดจำใบหน้าทางการทหาร เป็นต้น
• Dr. Natt จาก SCB พูดถึง 5 บทเรียนในการจะทำ AI ในองค์กร

1. อย่าเริ่มจาก AI แต่ให้เริ่มจาก customer (เน้นแก้ pain point อย่าไปยึดติดเทคโนโลยี)
2. AI/ML require data คือต้องมีข้อมูล และต้อง label data ได้ เช่น การทำระบบกู้ยืมก็ต้อง label ลูกค้าได้ว่า คนไหนจะคืนเงินได้ คนไหนน่าจะไม่คืน
3. Build complex system incrementally เวอร์ชั่นแรกควรทำให้ simple เพื่อให้ debug ได้ง่าย จะทำให้เวอร์ชั่นต่อๆ ไป improve ง่ายกว่า
4. ไม่ใช่ทุก feature จะสำเร็จ และถ้าหากจะเฟล ก็ควรเฟลอย่างรวดเร็ว ได้ฟีดแบ็คเร็วๆ รู้ให้เร็ว ตั้งเป้าใน 3 เดือน 6 เดือนว่าควรได้ผลแบบไหน ถ้าไม่ได้หรือทำไม่ถึง จะได้รู้ทันที
5. Don’t underestimate the need for Software engineer/ Dev for your team คือทีมสำคัญมาก ถ้าจะทำในองค์กรอย่างจริงจังก็ควรต้องมีคนเฉพาะทาง

• นอกจากนี้ควรมี culture และ growth mindset ในการทดลอง fail fast, learn fast
• เน้นเรื่องการเก็บข้อมูลให้ดีก่อน management ควรรู้ก่อนว่าอยากเอาข้อมูลไปทำอะไร อยากได้คำตอบอะไร

ภาคบ่ายจะมีสองห้องให้เลือกเข้าค่ะ คือ หัวข้อ Data และ Thing โดยเราเลือกเข้าหัวข้อ Data

IBM ออกแนวมาแนะนำตัวสินค้าคือ power9 ที่เพิ่งออกใหม่มากกว่า เลยไม่ค่อยมีเนื้อหาอะไรที่นำไปใช้ต่อได้มากนัก

• มีการพูดถึงว่า AI นั้นไม่ได้ต้องการแค่ data หรือ algorithm เท่านั้น แต่ยังต้องการ blend of skill, business buy-in และ infrastructure ที่ดีด้วย

Kbank มาเล่าเรื่อง KADE การ transform banking ด้วย AI

• ที่ผ่านมามีการทำ maching lending เป็นระบบกู้ยืมผ่าน app ได้เลย โดยลดปัญหาเรื่องกระดาษ มีความรวดเร็วขึ้น และทำให้คนทั่วไปเข้าถึงได้มากขึ้น ตรงนี้ระบบจะกรอง 2 ขั้นคือ กรองดูว่าใครน่าจะอยากใช้สินเชื่อ เพื่อจะได้โฆษณาได้ถูกต้อง และขั้นสองคือ กรองว่าใครจะมีความสามารถในการจ่ายคืนบ้าง เพื่อจะได้อนุมัติ
• มีการทำ Machine Commerce ซึ่งเน้นเรื่องของ experience ของ user เป็นหลัก ปัจจุบันอยู่ใน K+ แล้ว แต่จะเต็มระบบในช่วงเดือนกันยายน
• มีโครงการประกวดสำหรับคนที่สนใจเรื่องเทคโนโลยี ดูได้ที่ techjam.tech

ในส่วนของ agoda นั้น speaker พูดเร็วมากค่ะ เทคโน้ตไม่ทัน ขออนุญาตแนบสไลด์บางส่วนมาให้ชมนะคะ

ถัดมาเป็นหัวข้อ Democratizing Data science in your organization ซึ่งเป็นส่วนที่เราคิดว่าฟังง่ายสุด สนุกสุด ได้ความรู้สุดในวันนี้เลยก็ว่าได้

• Democratize = Giving Data access to everyone
• 85% of Project Data science fail
• ซึ่งมาจากปัญหาสามส่วนได้แก่ process, people, tech

โดยวิทยากรจาก Data cafe ทั้งสองท่านมาถกกันในแต่ละปัญหา ไม่มีการตัดสินถูกผิดในทางเลือกแต่ละทาง เพียงแต่ชี้ให้เห็นข้อดีข้อเสียของแต่ละ option เท่านั้น

• People จะเป็นคนเก่าดีหรือจ้างคนใหม่ดี ถ้าเป็นคนเก่าแล้ว reskill ก็จะดีตรงที่มี insight และ idea แล้ว แต่ต้องเติมเรื่อง skill และ motivation ให้ แต่ถ้าสร้างทีมใหม่เลย (เพราะองค์กรส่วนใหญ่รอไม่ไหว) ก็อาจจะต้องดูแลรักษาให้ดี
• Process จะ in house หรือ จะ outsource ดี ถ้า in house ก็อาจจะติดตรงที่ทีมเก่ามักจะมีงานเก่าติดตัวมาด้วย ทำให้เริ่มได้ช้า แต่ถ้า outsource ก็ต้องเลือกอย่างระมัดระวัง ทีนี้ถ้าเป็นทีมคนใน จะตั้งทีมต่างหากดีหรือเอาไปรวมกับทีมไหนดี มีความเห็นว่าตั้งทีมต่างหากดีกว่า เพราะควรมี career path ชัดเจน แต่ต้องทำงานร่วมกับทีมอื่นๆ ได้ตลอด
• ต้องตอบให้ได้ว่า Business user อยากเห็นอะไรที่เป็น result
• หน้าที่ของ Data scientist คือ ดูว่าเราเจอ insight อะไรจากข้อมูลบ้าง > เราจะทำ action อะไรกับสิ่งนั้น > องค์กรจะได้อะไรจากสิ่งที่เราทำ
• คุณสมบัติที่ Data scientist ควรมีได้แก่ เห็นข้อมูลแล้วเอ๊ะ รู้สึกสงสัย เป็นคนขี้สงสัย, สามารถสื่อสารได้ ทีนี้เวลาสัมภาษณ์เราก็มักจะเจอคนที่ถามอะไรก็ตอบได้หมด ทฤษฎีความรู้แม่นมาก จะรู้ได้ยังไงว่าจะทำงานได้มั้ย ให้ขอดูโปรเจ็กต์ เคยทำโปรเจ็กต์อะไรมาบ้าง เพราะหลายคนเรียนมาเยอะ แต่ไม่ยอมลงมือทำจริง
• Tech จะใช้ vendor ดีหรือจะ opensource ดี ถ้ายังไม่มี skill ใดๆ แนะนำให้ใช้ vendor ดีกว่า แต่ให้เลือกให้ดีเพราะต้องผูกกันไปยาวหลายปี ส่วน opensource ก็มีข้อดีตรงโมได้ customize ให้เหมาะกับเราได้ พยายามเลือกที่ flexible เข้าไว้ เพราะในอนาคตมีโอกาสเปลี่ยนแปลงอีก
• ถามว่าทำยังไงให้คนสาย data อยากทำงานอยู่กับเรานานๆ ตอบคือ ต้องมอบความรู้, ให้ข้อมูล และให้เครื่องมือเค้า คนสายนี้ต้องการ leader ที่เข้าใจจริงๆ ว่าจะเอา data มาใช้ประโยชน์อย่างไร เข้าใจธรรมชาติงานว่าใช้เวลา ไม่ใช่ทำปุ๊บจะเห็นผลปั๊บ ต้องการเรียนรู้และเติบโตไปเรื่อยๆ เพราะฉะนั้นองค์กรต้องให้ความรู้และประสบการณ์ใหม่ๆ ได้ นอกจากนี้ข้อมูลต้องพร้อม ตอนนี้เราเก็บข้อมูลรึยัง ข้อมูลครบมั้ย ข้อมูลสามารถนำมาใช้ได้มั้ย เพราะถ้าเรา garbage in ก็จะได้ garbage out

หัวข้อสุดท้ายจาก central group นั้น ส่วนตัวไม่เห็นว่ามีอะไรพิเศษ เลยไม่ได้เทคโน้ตอะไรไว้ค่ะ

งาน blognone tomorrow ที่เราไปมาเมื่อวานก็จบแต่เพียงเท่านี้ หากข้อมูลที่จดมามีประโยชน์กับคนอ่านบ้างไม่มากก็น้อย ก็จะดีใจมากค่ะ ^^