24/01/2026
AI READINESS EP.1
(The English version is provided below.)
Junzo ในฐานะ SAP Partner
เราทำงานอยู่ระหว่าง
ระบบ • คน • และการเปลี่ยนแปลง
เราจึงเห็นความเชื่อมโยงของทั้งสามสิ่งนี้อย่างชัดเจน
เราไม่ได้มอง AI จากมุมของ Vendor หรือ R&D
แต่มองจากการคลุกคลีกับองค์กรต่างๆ
ทั้งที่ใช้ SAP และ Non-SAP
สิ่งที่เราเห็นชัดขึ้นเรื่อยๆ คือ
ปัญหาขององค์กรส่วนใหญ่
ไม่ใช่เพราะ “ยังไม่มี AI”
แต่เพราะ
โครงสร้างองค์กรยังไม่พร้อม
ที่จะใช้ AI ให้เกิดประสิทธิภาพอย่างแท้จริง
เช่น ยังไม่รู้ว่าจะเชื่อมข้อมูลใด
โครงสร้างงานก็ยังไม่ชัด
AI จึงทำได้แค่ ทำให้เร็วขึ้น
แต่ยัง ไม่สามารถทำให้แม่นยำขึ้น
และอีกข้อสังเกตที่พบเสมอคือ
AI ถูกใช้เพื่อ “ช่วยทำงาน”
มากกว่าการ “ช่วยตัดสินใจ”
AI ที่เราคุ้นเคยส่วนใหญ่ คือ “AI ที่เก่งการสื่อสาร”
AI กลุ่มนี้ถูกออกแบบมาเพื่อ
เข้าใจภาษามนุษย์
สื่อสารแทนคน
แปลงความคิดเป็นข้อความ
ทำให้งานเร็วขึ้น
ตัวอย่างเช่น
ChatGPT, Gemini, Claude,
Google Workspace Duet AI, Zendesk AI
(ดู Scope ได้จากภาพประกอบ)
AI กลุ่มนี้มักถูกใช้เพื่อลดภาระงาน เช่น
สรุปรายงาน
เขียนเอกสาร / คำสั่ง
ตอบคำถามจากข้อมูลที่เป็นข้อความ
แต่ปัญหาที่พบบ่อยคือ
ข้อมูลต้นทางไม่ครบ หรือขัดแย้งกัน
ทำให้ AI ช่วยได้แค่ “เร็วขึ้น”
แต่ยังไม่ “แม่นยำขึ้น”
ตัวอย่างใกล้ตัวคือ
การใช้ Microsoft Copilot
สรุปอีเมล์ ทำรายงาน หรือเตรียมเอกสาร
หากข้อมูลต้นทางไม่ชัด
ผลลัพธ์ก็ย่อมขาดความน่าเชื่อถือ
Automation ก็เช่นกัน (อาทิ n8n)
หลายองค์กรเริ่มใช้ n8n
เพื่อเชื่อมข้อมูลจากหลายระบบ
ตั้งเงื่อนไข และแจ้งเตือนงานอัตโนมัติ
แต่ AI และ Automation จะเกิดประโยชน์จริง
ก็ต่อเมื่อองค์กรรู้ว่า
กำลังเชื่อมข้อมูลอะไร และเชื่อมเพื่อช่วยตัดสินใจเรื่องไหน
หากองค์กรยังไม่ชัดเจน
Automation อาจช่วยให้ทำงานเร็วขึ้น
แต่ไม่ได้ช่วยให้ ตัดสินใจดีขึ้น
AI อีกประเภทที่หลายองค์กรยังไม่คุ้น คือ
AI ที่เข้าใจข้อมูลธุรกิจ
หรือ AI ที่ช่วย “คิดและตัดสินใจ” บนข้อมูลธุรกิจจริง
AI กลุ่มนี้ทำงานกับ
ข้อมูลเชิงโครงสร้าง
กระบวนการทำงาน
กติกาและบริบทขององค์กร
เพื่อช่วย
วิเคราะห์ • คาดการณ์ • สนับสนุนการตัดสินใจ
ตัวอย่างเช่น
SAP Analytics Cloud
SAP Integrated Business Planning
SAP Fraud Management
Celonis, Anaplan, Workday Adaptive Planning
(ดู Scope ได้จากภาพประกอบ)
AI กลุ่มนี้จะเข้าใจว่า
ตัวเลขมาจากไหน
เกี่ยวข้องกับกระบวนการใด
และควรใช้ตัดสินใจอย่างไร
มักถูกเรียกว่า
Business AI / Decision Intelligence / Operational AI
ในมุมมองของ Junzo
องค์กรที่ต้องการได้เปรียบในการแข่งขัน
ควรผสาน AI ทั้งสองกลุ่มเข้าด้วยกัน
🗣 AI ที่เก่งการสื่อสาร
👉 ช่วยทำงานแทนคนได้เร็วขึ้น
📊 AI ที่เข้าใจข้อมูลธุรกิจ
👉 ช่วยคิดและตัดสินใจได้ดีขึ้น
(บนข้อมูลและระบบจริง)
ตัวอย่างการใช้งาน AI ในองค์กร (ตามภาพประกอบ)
เป็น ตัวอย่างเชิงแนวคิด
อ้างอิงจากการใช้งานจริงของเครื่องมือในตลาด
และพฤติกรรมการทำงานขององค์กรโดยรวม
(ไม่ใช่กรณีศึกษาของลูกค้ารายใดรายหนึ่ง)
Junzo จะพาไปต่ออีกขั้น
จากคำถามเรื่อง “การใช้ AI”
ไปสู่คำถามที่ลึกกว่า คือ
โครงสร้างองค์กรของคุณ
พร้อมสำหรับ AI หรือยัง
Coming Soon !!
---------------------------------------------------
AI READINESS | EP.1
Junzo Perspective
At Junzo, as an SAP Partner,
we operate at the intersection of systems, people, and transformation.
This vantage point allows us to clearly see how these three dimensions are fundamentally connected.
We do not view AI from a vendor or R&D perspective.
Instead, we assess AI through direct engagement with organizations—
across both SAP and non-SAP environments.
What has become increasingly evident is this:
most organizations are not constrained by the absence of AI.
They are constrained by organizational structures
that are not yet designed to enable AI to deliver meaningful value.
In many cases, organizations remain unclear about
which data should be connected,
how work should be structured,
and how decisions should be governed.
As a result, AI initiatives often succeed in increasing speed,
but fall short of improving decision accuracy.
Another consistent pattern we observe is that
AI is primarily deployed to assist ex*****on,
rather than to support decision-making.
Communication-oriented AI
The most commonly adopted form of AI today is
Communication-oriented AI.
This category of AI is designed to
understand human language,
support communication at scale,
and translate ideas into structured text—
significantly improving productivity.
Examples include:
ChatGPT, Gemini, Claude,
Google Workspace Duet AI, and Zendesk AI
(illustrated in the accompanying visual).
These tools are widely used to reduce operational workload, such as:
– summarizing reports
– drafting documents and instructions
– responding to queries based on text-based information
However, a recurring challenge is the quality of source data.
When input data is incomplete or inconsistent,
AI may accelerate ex*****on,
but it does not improve the reliability of outcomes.
A common example is the use of Microsoft Copilot
to summarize emails or generate reports.
When underlying information lacks clarity or completeness,
the resulting output is not suitable for confident business decision-making.
Automation without decision clarity
The same limitation applies to automation platforms such as n8n.
Many organizations adopt automation tools
to integrate data across systems,
define ex*****on rules,
and trigger automated workflows.
However, AI and automation only generate real value
when organizations have clarity on
which data is being connected
and which decisions those connections are intended to support.
Without this clarity, automation increases operational speed
without improving decision quality.
Business-oriented AI
A less familiar—but strategically critical—category is
Business-oriented AI,
which is designed to support analytical reasoning and decision-making
based on enterprise data.
This form of AI operates on:
– structured business data
– end-to-end processes
– organizational rules and context
to enable:
analysis, forecasting, and decision support
Examples include:
SAP Analytics Cloud,
SAP Integrated Business Planning,
SAP Fraud Management,
Celonis, Anaplan, and Workday Adaptive Planning
(as shown in the visual).
These systems understand
data lineage, process dependencies,
and the implications of decisions within the business context.
They are commonly referred to as
Business AI, Decision Intelligence, or Operational AI.
Junzo’s view on competitive advantage
Organizations seeking sustainable competitive advantage
should not treat these AI capabilities as alternatives.
They should integrate both.
🗣 Communication-oriented AI
→ enhances ex*****on speed and productivity
📊 Business-oriented AI
→ improves decision quality based on trusted enterprise data
The use cases illustrated in the visuals are conceptual examples,
derived from real-world tool capabilities and observed enterprise practices,
and do not represent any specific client implementation.
What’s next
In the next episode, Junzo will move beyond the question of
“Which AI should we adopt?”
to a more fundamental one:
Is your organizational structure truly ready for AI?
Coming soon!!
