OCR ลายมือ 2026 | ตัวชี้ขาดไม่ใช่เอนจิน แต่คือช่องกรอกในแบบฟอร์ม

การพูดถึงการเลิกใช้แบบฟอร์มลายมือในโรงงานที่ประเทศไทย มักเริ่มต้นจากการเปรียบเทียบเอนจินว่า OCR ลายมือตัวไหนอ่านได้ดีที่สุด แต่สิ่งที่ชี้ขาดว่าหลังติดตั้งแล้วงานจะเดินได้จริงหรือไม่ ไม่ใช่อัตราการอ่านตัวอักษรของเอนจิน หากเป็นวิธีออกแบบช่องกรอกในแบบฟอร์ม และการออกแบบกลไกส่งเฉพาะช่องที่ค่าความเชื่อมั่นต่ำไปให้คนตรวจ บทความนี้เรียบเรียงวิธีมองความแม่นยำในระดับฟิลด์ สาเหตุที่ลายมือภาษาไทยทำให้ระบบพัง หลักการออกแบบช่องกรอก 7 ข้อ ไปจนถึงการคำนวณระยะเวลาคืนทุน ในรูปแบบที่ผู้อ่านตรวจเลขตามได้ทันที

ความแม่นยำของ OCR ลายมือ ต้องดูที่ช่อง ไม่ใช่ที่ตัวอักษร

สิ่งที่ชี้ขาดหน้างานไม่ใช่ว่าอ่านตัวอักษรหนึ่งตัวถูกหรือไม่ แต่คือค่าทั้งช่องถูกต้องทั้งช่องหรือไม่ หากเลือกผลิตภัณฑ์โดยยังสับสนสองเรื่องนี้อยู่ ตัวเลขในโบรชัวร์กับปริมาณงานแก้ไขย้อนกลับที่หน้างานจะไม่สอดคล้องกันเลย

CER กับอัตราความถูกต้องระดับฟิลด์ เป็นคนละตัวชี้วัด

ตัวชี้วัดความแม่นยำของ OCR ที่ถูกหยิบขึ้นมาก่อนเสมอคืออัตราความผิดพลาดระดับตัวอักษร (CER: Character Error Rate) ผลการวัดตามเกณฑ์มาตรฐานระบุว่า ตัวอักษรพิมพ์ที่สะอาดมีค่า CER ต่ำกว่า 1% ส่วนลายมืออยู่ที่ 3-5% หากดูเพียงตัวเลขชุดนี้ ก็อ่านได้ว่าอ่านถูกเกิน 95%

ในทางกลับกัน สิ่งที่งานจริงต้องการคืออัตราความถูกต้องระดับฟิลด์ นั่นคือช่องเลขล็อต ช่องวันที่ ช่องจำนวน แต่ละช่องถูกดึงออกมาโดยไม่ผิดแม้แต่ตัวอักษรเดียวหรือไม่ ถ้าผิดแม้เพียงตัวเดียว ค่าของช่องนั้นก็ใช้งานไม่ได้ หากเลขล็อต TH-240615-A ผิดไปหนึ่งหลัก ในแง่การสอบกลับได้ นั่นคือคนละล็อตกัน

เกณฑ์มาตรฐานปี 2026 ชุดเดียวกันนี้รายงานอัตราความถูกต้องระดับฟิลด์แยกตามประเภทเอกสารไว้ดังนี้

มีเพียงลายมือเท่านั้นที่แกว่งอย่างโดดเด่น ในบรรดาประเภทเอกสารที่ถูกวัด ลายมือคือกลุ่มที่มีช่วงการแกว่งกว้างที่สุด เกณฑ์มาตรฐานชุดเดียวกันยังรายงานด้วยว่า ลายมือทำให้ความแม่นยำในการดึงข้อมูลระดับฟิลด์ลดลง 15-35 จุดเปอร์เซ็นต์เมื่อเทียบกับเอกสารพิมพ์ ตัวเลขสองชุดนี้สอดคล้องกัน เพราะเมื่อนำ 97-99.5% ของ PDF ดิจิทัลมาลบด้วย 15-35 จุดเปอร์เซ็นต์ จะได้ 62-84.5% ซึ่งเกือบตรงกับค่าที่รายงานไว้คือ 62-85%

สำหรับแบบฟอร์มที่ตั้งอยู่บนสมมติฐานว่าเป็นตัวพิมพ์อย่างใบแจ้งหนี้และรายการเดินบัญชี เราเรียบเรียงไว้แยกต่างหากใน ระบบอัตโนมัติสำหรับงานประมวลผลใบแจ้งหนี้ 2026 เนื่องจากเงื่อนไขตั้งต้นต่างจากเรื่องลายมือค่อนข้างมาก การแยกคิดจะช่วยให้ไม่ตัดสินใจผิดพลาด

กลไกที่ทำให้ CER 4% กลายเป็นอัตราความถูกต้องระดับฟิลด์ 72%

ช่องว่างระหว่าง CER กับอัตราความถูกต้องระดับฟิลด์อธิบายได้ด้วยการคูณ อัตราความผิดพลาดต่อหนึ่งตัวอักษรคือ CER และช่องจะถูกต้องก็ต่อเมื่อตัวอักษรทุกตัวในช่องนั้นถูกต้อง หากช่องหนึ่งมี n ตัวอักษร อัตราความถูกต้องระดับฟิลด์โดยประมาณคือ (1 − CER) ยกกำลัง n

เมื่อคำนวณด้วย CER 3-5% และความยาวช่อง 4-12 ตัวอักษร จะได้ผลดังนี้ (เป็นการคำนวณประมาณการ ตั้งอยู่บนสมมติฐานเรื่องความเป็นอิสระต่อกันที่เพิ่งกล่าวไป)

สูตรคำนวณเรียบง่ายมาก กรณี CER 4% และ 8 ตัวอักษร ก็คือ 0.96 ยกกำลัง 8 เท่ากับ 0.721 นั่นคือ 72.1% ตรวจได้ด้วยเครื่องคิดเลขในมือ ช่วงตั้งแต่ค่าต่ำสุด 54.0% ถึงค่าสูงสุด 88.5% ในตารางนี้ ทับซ้อนกับค่าที่รายงานจากการวัดจริงคือ 62-85% เป็นส่วนใหญ่ กล่าวคือ ต้นตอของปรากฏการณ์ที่อัตราความถูกต้องระดับฟิลด์ของลายมือกระจายอยู่ในช่วง 62-85% นั้น มีความเป็นไปได้สูงว่ามาจากความยาวของช่องที่ต่างกัน มากกว่าจะมาจากเอนจินตัวไหนดีกว่ากัน

จากตรงนี้ได้ข้อสังเกตเชิงปฏิบัติหนึ่งข้อ แม้จะใช้เอนจินเดียวกันและคนเขียนคนเดียวกัน แบบฟอร์มที่เรียงช่องยาว 12 ตัวอักษรกับแบบฟอร์มที่ซอยเป็นช่องละ 4 ตัวอักษร อาจให้อัตราความถูกต้องระดับฟิลด์ต่างกันเกิน 20 จุดเปอร์เซ็นต์ ก่อนจะเปลี่ยนเอนจิน ยังมีพื้นที่ให้ทบทวนความยาวของช่องอยู่

โอกาสที่แบบฟอร์มทั้งใบจะผ่านฉลุย ต่ำกว่าที่รู้สึกมาก

ขยับขึ้นไปอีกหนึ่งชั้น มาคุยเรื่องแบบฟอร์มทั้งใบกัน สมมติว่าเป็นรายงานการผลิตประจำวันที่มีช่องกรอก 25 ช่องต่อหนึ่งใบ หากอัตราความถูกต้องระดับฟิลด์อยู่ที่ 75% (ราวกึ่งกลางของช่วง 62-85%) โอกาสที่ทั้ง 25 ช่องจะถูกต้องหมดคือ 0.75 ยกกำลัง 25 นั่นคือประมาณ 0.08% แปลว่า 1,000 ใบยังไม่ผ่านสักใบ

สิ่งที่การคำนวณนี้สื่อคือ แนวคิดที่ว่าติดตั้ง OCR ลายมือแล้วกระดาษจะหายไปนั้น ไม่เป็นจริงมาตั้งแต่ต้น การนำ OCR ลายมือมาใช้ไม่ใช่การทำให้งานของคนเป็นศูนย์ แต่คือการลดปริมาณสิ่งที่คนต้องตรวจ ตราบใดที่ยังไม่ยืนอยู่บนสมมติฐานนี้ ไม่ว่าเลือกเอนจินตัวไหนก็จะผิดหวัง

ปี 2026 อะไรเปลี่ยนไป | เหตุผลที่ AI อ่านแบบฟอร์มเข้าสู่ระดับใช้งานจริง

สิ่งที่เปลี่ยนไปในปี 2026 คือเพดานของเอนจิน ไม่ใช่พื้นของแบบฟอร์ม เพดานความแม่นยำถูกกำหนดโดยโมเดล แต่พื้นถูกกำหนดโดยกระดาษที่เราส่งเข้าไป

จาก 46-70% ของ OCR แบบเดิม สู่ราว 95% ของ LLM แบบมัลติโมดัล

เมื่อไม่กี่ปีก่อน ผลงานของ OCR แบบเดิมกับลายมืออยู่ที่ราว 46-70% ที่ระดับนี้ ต่อให้ครอบด้วยการออกแบบการทำงานแบบใดก็ยังใช้จริงไม่ได้ เพราะหากต้องวางระบบตรวจสอบบนสมมติฐานว่าจะผิดเกือบครึ่ง ให้คนคีย์เองตั้งแต่แรกยังเร็วกว่า

เกณฑ์มาตรฐานปี 2026 รายงานว่า LLM แบบมัลติโมดัล (โมเดลที่อ่านภาพได้โดยตรง เช่น GPT-5) ทำได้ถึงราว 95%กับลายมือ ส่วนโมเดลเฉพาะทาง Amazon Textract ทำได้อัตราความผิดพลาดระดับคำ 10.5% ในเกณฑ์มาตรฐานลายมือปี 2026 นั่นคืออัตราความถูกต้องระดับคำราว 89.5% ระหว่าง 46-70% กับ 95% มีช่องว่างที่การออกแบบกระบวนการทำงานถมไม่ได้ และนี่คือจุดเปลี่ยนที่แท้จริงของปี 2026

สำหรับแกนการเปรียบเทียบตัวเอนจินล้วนๆ เราเรียบเรียงไว้ใน เปรียบเทียบ AI-OCR ปี 2026 บทความนี้เขียนโดยเน้นไปที่คำถามว่าเลือกแล้วต้องออกแบบอะไรต่อ มากกว่าคำถามว่าจะเลือกตัวไหน

ถึงอย่างนั้น 95% ก็ยังทำให้แบบฟอร์มทั้งใบผ่านไม่ได้

อย่างไรก็ตาม เมื่อแปลตัวเลข 95% นี้ให้เป็นเรื่องของแบบฟอร์ม ภาพที่ได้จะเปลี่ยนไปพอสมควร ต่อให้สมมติว่า 95% เป็นค่าระดับฟิลด์ โอกาสที่แบบฟอร์ม 25 ช่องจะผ่านทั้งใบโดยไม่ต้องแก้เลย คือ 0.95 ยกกำลัง 25 เท่ากับราว 27.7% แปลว่า 3 ใน 4 ใบยังมีข้อผิดพลาดตกค้างอยู่ที่ใดที่หนึ่ง ส่วน 89.5% ของ Textract เป็นอัตราความถูกต้องระดับคำ ซึ่งเป็นคนละตัวชี้วัดกับระดับช่อง แต่หากลองยกกำลัง 25 แบบเดียวกันดู จะได้ราว 6.2% (เป็นการเทียบหยาบข้ามตัวชี้วัด ไม่ใช่ตัวเลขที่บ่งบอกว่าผลิตภัณฑ์ใดดีกว่ากัน)

สรุปคือ การที่เอนจินขยับจาก 46-70% ขึ้นมา 95% เปลี่ยนที่ “ปริมาณที่คนต้องตรวจ” ไม่ใช่ “คนต้องตรวจหรือไม่” จากเดิมที่ต้องดูทุกช่อง เปลี่ยนเป็นดูเพียงบางช่อง นั่นคือเนื้อแท้ของการเปลี่ยนแปลงที่เราได้รับในปี 2026

ระยะห่างระหว่าง 95% กับ 99.9% เอนจินถมไม่ได้

ยังมีอีกหนึ่งเกณฑ์ที่ควรจำไว้ สำหรับฟิลด์ด้านการเงินและเอกสารยืนยันตัวตน เกณฑ์ปี 2026 ที่ยอมให้ประมวลผลอัตโนมัติเต็มรูปแบบ (STP: Straight Through Processing) คือระดับฟิลด์ 99.9% หมายความว่า หากต้องการส่งข้อมูลเข้าระบบหลักโดยไม่ผ่านสายตาคนเลย ต้องทำให้ได้ถึงระดับนี้

หากมองระยะห่างระหว่าง 95% กับ 99.9% ผ่านอัตราความผิดพลาด ก็คือการลดจาก 5% ลงเหลือ 0.1% นั่นคือลดลงเหลือ 1 ใน 50 การถมช่องว่างนี้ด้วยการเปลี่ยนเอนจินไม่สมจริง วิธีถมมีเพียงทางเดียว คือการจัดเส้นทางตามค่าความเชื่อมั่นที่จะกล่าวถึงต่อไป

สำหรับช่องที่ผิดแล้วสายการผลิตต้องหยุด เช่น ช่องจำนวนเงินหรือช่องผลตัดสินการตรวจสอบ ปลอดภัยกว่าถ้าจะไม่คิดว่า “เอนจินฉลาดขึ้นแล้ว จึงทำอัตโนมัติได้”

เหตุผล 4 ข้อที่แบบฟอร์มลายมือในโรงงานไทยพัง

สิ่งที่ได้ผลจริงหน้างานในไทยไม่ใช่ประเด็นว่ารองรับภาษาไทยหรือไม่ แต่คือคำถามว่าในแบบฟอร์มหนึ่งใบมีกี่ภาษาและมีลายมือกี่แบบปะปนกัน เมื่อเอนจินที่สำนักงานใหญ่ในญี่ปุ่นคัดเลือกมาแล้วไม่เป็นดังหวังในโรงงานแถบปริมณฑลกรุงเทพ สาเหตุมักตกอยู่ใน 4 ข้อนี้ข้อใดข้อหนึ่ง

1. ตัวอักษรไทยมีเครื่องหมายซ้อนกันทั้งด้านบนและด้านล่าง

ภาษาไทยมีวรรณยุกต์และสระวางอยู่ทั้งด้านบนและด้านล่างของพยัญชนะ เมื่อเขียนด้วยลายมือลงในแบบฟอร์มที่ระยะห่างระหว่างบรรทัดแคบ เครื่องหมายด้านล่างของบรรทัดบนจะไปสัมผัสกับเครื่องหมายด้านบนของบรรทัดล่าง การสัมผัสกันนี้ทำให้เอนจินสับสนตั้งแต่ขั้นตอนตัดแยกตัวอักษร (segmentation) หากกำหนดระยะห่างบรรทัดด้วยความรู้สึกแบบการออกแบบแบบฟอร์มภาษาญี่ปุ่นหรือภาษาอังกฤษ ก็จะตกม้าตายตรงนี้

นอกจากนี้ ตัวอักษรไทยจำนวนมากยังแยกความต่างกันด้วยการมีหรือไม่มีหัว และทิศทางของหัว เมื่อเขียนเร็ว หัวจะบี้จนความต่างระหว่างตัวอักษรที่รูปร่างใกล้เคียงกันหายไป สำหรับคนเขียนอาจเดาได้จากบริบทข้างเคียง แต่ภาพที่ถูกตัดออกมาเป็นรายช่องนั้นไม่มีบริบทเหลืออยู่

ทางแก้อยู่ที่ฝั่งแบบฟอร์ม เว้นระยะห่างบรรทัดให้กว้างกว่าปกติ ออกแบบความสูงของช่องกรอกโดยนับรวมชั้นบนและชั้นล่าง ไม่ใช่แค่ความสูงของพยัญชนะหนึ่งตัว และไม่ลากเส้นตารางชิดขอบบนล่างของช่องจนเกินไป

2. ภาษาญี่ปุ่น ภาษาไทย และภาษาอังกฤษ ปะปนกันในใบเดียว

แบบฟอร์มของโรงงานญี่ปุ่นในไทยมักมีสามภาษาอยู่ร่วมกัน ชื่อสินค้าและรหัสรุ่นเป็นตัวเลขและอักษรโรมัน ความเห็นของผู้ปฏิบัติงานเป็นภาษาไทย ส่วนช่องอนุมัติและช่องหมายเหตุเป็นภาษาญี่ปุ่นหรือภาษาอังกฤษ สภาพแบบนี้สร้างความยุ่งยากให้เอนจิน เพราะ OCR ลายมือส่วนใหญ่คาดเดาภาษาในระดับเอกสารหรือระดับพื้นที่ เมื่อภาษาสลับไปมาภายในใบเดียว การคาดเดาจึงพลาด

หากพจนานุกรมภาษาญี่ปุ่นไปมีผลกับช่องภาษาไทย ผลลัพธ์ที่ออกมาจะเพี้ยนจนไม่เหลือเค้าเดิม ในทางกลับกัน หากโมเดลภาษาไทยไปตกที่ช่องภาษาญี่ปุ่น ตัวคันจิก็จะกลายเป็นสัญลักษณ์ยกแผง

ทางแก้คือการระบุภาษาแบบตายตัวเป็นรายช่อง เลือกผลิตภัณฑ์ที่ระบุได้ตั้งแต่ขั้นนิยามเทมเพลตแบบฟอร์มว่าช่องนี้เป็นภาษาไทยเท่านั้น ช่องนี้เป็นตัวเลขและอักษรโรมันเท่านั้น แล้วระบุจริง ความยุ่งยากเพิ่มขึ้นเพียงเล็กน้อยนี้ ทำให้ความเสียหายส่วนใหญ่ที่เกิดจากภาษาปะปนหายไป

3. ตัวเลขและระบบปีมีลายมือเฉพาะถิ่น

ตัวเลขยุ่งยากกว่าภาษา ที่หน้างานในไทยเกิดสิ่งเหล่านี้พร้อมกัน

• เลขไทย (๐๑๒๓๔๕๖๗๘๙) ปะปนกับเลขอารบิก มักเกิดกับพนักงานอาวุโส หรือเมื่อคัดลอกจากเอกสารราชการ
• การเขียนแยกระหว่าง 1 กับ 7 ระหว่าง 0 กับ O และระหว่าง 2 กับ Z มีทั้งคนที่ขีดเส้นขวางบนเลข 7 แบบยุโรปและคนที่ไม่ขีด ปะปนกันไป
• ความไม่แน่นอนของจุดทศนิยมและตัวคั่นหลักพัน ลูกน้ำกับจุดที่เขียนด้วยมือ เมื่อบี้ที่ความละเอียด 150DPI จะแยกออกจากกันได้ยาก
• พุทธศักราชปะปนกับคริสต์ศักราช ปี พ.ศ. 2569 คือปี ค.ศ. 2026 ในช่องวันที่ของแบบฟอร์มใบเดียวกันจึงมีทั้ง 2569 ทั้ง 2026 และทั้ง 26 ปะปนกัน

ข้อที่สามและข้อที่สี่เป็นปัญหาของ OCR และเป็นปัญหาในฐานะข้อมูลไปพร้อมกัน สมมติว่า OCR อ่าน 2569 ได้ถูกต้อง แต่ถ้าระบบหลักคาดหวังคริสต์ศักราช ข้อมูลชุดนั้นก็ยังผิดอยู่ดี

ทางแก้คือการพิมพ์ระบบปีและหน่วยลงไปในแบบฟอร์มเลย แทนที่จะพิมพ์ พ.ศ. ____ ให้พิมพ์ 20__ (ค.ศ.) และสำหรับช่องที่ต้องมีทศนิยม ให้พิมพ์ตำแหน่งจุดทศนิยมเป็นกรอบไว้ล่วงหน้า

4. ช่องบรรยายอิสระ ไม่มีเอนจินตัวไหนอ่านได้

ช่องบรรยายอิสระอย่างช่องรายละเอียดความผิดปกติ ช่องข้อสังเกต หรือช่องหมายเหตุพิเศษ ไม่สามารถคาดเดาได้ทั้งคลังคำ ไวยากรณ์ และความยาวประโยค การแก้ไขด้วยพจนานุกรมหรือรายการตัวเลือกจึงไม่ทำงาน และนิสัยการเขียนของแต่ละคนก็กลายเป็นข้อผิดพลาดตรงๆ เมื่อนึกถึงตารางก่อนหน้าที่ช่อง 12 ตัวอักษรตกลงมาเหลือ 54.0-69.4% ก็พอจินตนาการได้ว่าข้อความอิสระหลายสิบตัวอักษรจะเป็นอย่างไร

ทางแก้ไม่ใช่การเลิกใช้ช่องบรรยายอิสระ แต่คือการไม่พึ่งพาช่องบรรยายอิสระ ให้แทนที่รายการความผิดปกติที่พบบ่อยด้วยตัวเลือก (ช่องติ๊กถูก หรือแบบระบายรหัสตัวเลข) และคงช่องบรรยายอิสระไว้เป็นส่วนเสริม ทำการรวบรวมสถิติและการค้นหาจากฝั่งตัวเลือก ส่วนช่องบรรยายอิสระให้ถือว่าอ่านได้ก็ดี อ่านไม่ได้ก็ไม่เสียหาย และอาจตัดสินใจไม่นำเข้ารายการที่คนต้องตรวจ ไม่ว่าค่าความเชื่อมั่นจะเป็นเท่าไรก็ตาม

โมเดลสำหรับภาษาไทย ตอนนี้มาถึงไหนแล้ว

โมเดลเฉพาะทางสำหรับภาษาไทยก็มีความเคลื่อนไหวในรอบหนึ่งปีที่ผ่านมาเช่นกัน

Typhoon OCR 1.5 เป็นโมเดลโอเพนซอร์สที่เผยแพร่เมื่อวันที่ 14 พฤศจิกายน 2025 ขนาด 2B พารามิเตอร์ พัฒนาบนฐาน Qwen3-VL 2B ผลประเมินที่รายงานไว้ระบุว่า กับแบบฟอร์มลายมือ ค่า BLEU ดีขึ้นจาก 0.321 เป็น 0.522 และ ROUGE-L ดีขึ้นจาก 0.454 เป็น 0.645 (คิดเป็นราว 1.63 เท่า และราว 1.42 เท่า ตามลำดับ) ส่วนแบบฟอร์มราชการภาษาไทยได้ BLEU 0.870 และ ROUGE-L 0.967 ซึ่งรายงานว่าเหนือกว่า Gemini 2.5 Pro และ GPT-5 นอกจากนี้ยังระบุว่าประมวลผลเร็วขึ้น 2-3 เท่าเมื่อเทียบกับเวอร์ชันก่อนหน้า ค่าใช้จ่ายการรันบนคลาวด์ลดลง 40-60% และทำงานบน CPU และอุปกรณ์ปลายทางได้ จึงเป็นโมเดลที่เข้ากันได้ดีกับรูปแบบการวางเซิร์ฟเวอร์ไว้ภายในโรงงาน

Thai-TrOCR เป็นโมเดลที่ปรับจูน (fine-tuning) จากฐาน TrOCR handwritten ให้รองรับภาพบรรทัดลายมือภาษาไทยและภาษาอังกฤษ โดยรายงานว่าให้ผลเหนือกว่า EasyOCR และ Tesseract เนื่องจากตั้งอยู่บนเงื่อนไขว่าต้องตัดภาพเป็นรายบรรทัดก่อน การใช้งานจึงต้องผนวกเข้ากับการออกแบบช่องกรอก

อนึ่ง BLEU และ ROUGE-L เป็นคะแนนความคล้ายของข้อความ ซึ่งเป็นคนละตัวชี้วัดกับอัตราความถูกต้องระดับฟิลด์ จึงอ่านว่า BLEU 0.870 แปลว่าถูกต้อง 87% ไม่ได้ ตรงนี้สับสนกันได้ง่าย จึงขอให้ระมัดระวัง

บนพื้นฐานดังกล่าว ลำดับตัวเลขชุดนี้ให้ข้อสังเกตที่น่าสนใจ Typhoon OCR 1.5 ตัวเดียวกัน ได้ BLEU 0.870 กับแบบฟอร์มราชการ แต่ได้ 0.522 กับแบบฟอร์มลายมือ ต่างกัน 0.348 เอนจินเป็นตัวเดียวกัน สิ่งที่ต่างคือกระดาษเท่านั้น ในฝั่ง ROUGE-L ก็เป็น 0.967 เทียบกับ 0.645 ต่างกัน 0.322 นี่น่าจะเป็นหลักฐานที่เข้าใจง่ายที่สุดของข้อเสนอที่ว่า การออกแบบแบบฟอร์มขยับผลลัพธ์ได้มากกว่าการคัดเลือกเอนจิน

สิ่งที่ชี้ขาดความแม่นยำของ OCR สำหรับแบบฟอร์มคือช่องกรอก | หลักออกแบบช่องกรอก 7 ข้อ

สิ่งที่ชี้ขาดความแม่นยำไม่ใช่ปริมาณการเรียนรู้ของเอนจิน แต่คือช่องกรอกบอกตำแหน่งของตัวอักษรให้เครื่องได้มากแค่ไหน ตรงนี้คือขั้นตอนที่ให้ความคุ้มค่าสูงสุดในการนำ OCR ลายมือมาใช้ ทั้งที่เป็นขั้นตอนที่ถูกผลักไปทำทีหลังสุดเสมอ

หลักออกแบบ 7 ข้อ

1. หนึ่งตัวอักษรต่อหนึ่งช่อง ทำช่องกรอกให้เป็นตารางช่องเล็ก และให้เขียนหนึ่งตัวอักษรต่อหนึ่งช่อง วิธีนี้ทำให้งานคาดเดาที่เอนจินผิดพลาดง่ายที่สุด คือการตัดแยกตัวอักษร หายไปทั้งหมด ตามที่เห็นในตารางหัวข้อก่อนหน้า เพียง CER แกว่งจาก 3% เป็น 5% อัตราความถูกต้องของช่อง 8 ตัวอักษรก็ตกจาก 78.4% เหลือ 66.3% เนื่องจากการตัดแยกที่ล้มเหลวดัน CER ขึ้นโดยตรง การกำจัดจุดนี้จึงให้ผลมาก

2. การตัดสินและการจำแนก ให้เลือก ไม่ใช่ให้เขียน รายการที่ตัวเลือกถูกกำหนดไว้แล้ว เช่น ผลตัดสินผ่านหรือไม่ผ่าน ประเภทของเสีย กะการทำงาน สายการผลิต อย่าให้เขียนเป็นตัวอักษร การตรวจจับช่องติ๊กถูกหรือช่องระบายทึบมีเสถียรภาพสูงกว่าการรู้จำตัวอักษรอย่างเทียบกันไม่ได้ แบบฟอร์มที่ให้เขียนคำว่าดีหรือเสียด้วยลายมือ ควรเริ่มแก้จากจุดนี้ก่อน

3. ซอยช่องยาวให้สั้นลง แยกวันที่ออกเป็นปี เดือน วัน และแยกเลขล็อตตามจุดแบ่งความหมาย สิ่งที่ต้องระวังตรงนี้คือ การซอยช่องโดยตัวมันเองไม่ได้ทำให้ผลของการคูณดีขึ้น ต่อให้แบ่งช่อง 6 ตัวอักษรเป็น 2 ตัวอักษรคูณ 3 ช่อง โอกาสที่ทั้ง 6 ตัวอักษรจะถูกต้องก็ไม่เปลี่ยน สิ่งที่ได้ผลคือผลพลอยได้สองอย่าง อย่างแรกคือการมีจุดแบ่งทำให้การตัดแยกมีเสถียรภาพและ CER เองลดลง อย่างที่สองคือข้อผิดพลาดถูกจำกัดวงให้อยู่เฉพาะที่ ทำให้ขอบเขตที่ต้องแก้ตอนตรวจสอบเล็กลง อย่างแรกส่งผลต่อความแม่นยำ อย่างที่สองส่งผลต่อชั่วโมงงาน

4. วางตัวอย่างการกรอกไว้ข้างช่องเลย ข้อควรระวังที่รวบไว้ด้านบนของแบบฟอร์มไม่มีใครอ่าน ให้พิมพ์ตัวอักษรตัวอย่างด้วยสีจางไว้ใต้ช่องหรือด้านขวาของช่อง ระบุทั้งภาษาไทยและภาษาญี่ปุ่นควบคู่กัน และแสดงตัวอย่างให้ละเอียดถึงระดับวิธีเขียนตัวเลข เช่น ขีดเส้นขวางบนเลข 7 หรือไม่ ไม่ใส่หางประดับกับเลข 1 ใช่หรือไม่ ข้อดีของวิธีนี้คือต้นทุนการอบรมเหลือแทบเป็นศูนย์

5. กำหนดสีที่หายไปตอนสแกน (dropout color) และกำหนดปากกา พิมพ์เส้นตารางของช่องกรอกด้วยสีที่หายไปตอนสแกน เช่น สีฟ้าอ่อน เมื่อเส้นตารางหายไปจากภาพ จะเหลือเพียงตัวอักษร และปัจจัยหลักของการอ่านผิดคือการที่เส้นตารางสัมผัสกับตัวอักษรก็หมดไป พร้อมกันนั้นให้กำหนดเครื่องเขียนเป็นปากกาลูกลื่นสีดำอย่างเดียว ดินสอและปากกาสีน้ำเงินอ่อนจะทำให้เส้นหายไปตั้งแต่ขั้นตอนแปลงเป็นภาพสองระดับ

6. สแกนที่ 150DPI ขึ้นไป และในทางปฏิบัติควรใช้ 300DPI แบบเกรย์สเกล ตัวเลขจากเกณฑ์มาตรฐานที่อ้างถึงในบทความนี้ วัดขึ้นภายใต้เงื่อนไขว่าความละเอียดในการสแกนอยู่ที่ 150DPI ขึ้นไป หากป้อนภาพที่ไม่เข้าเงื่อนไขนี้ แม้แต่ช่วง 62-85% ก็ไม่มีอะไรรับประกัน ความผิดพลาดที่พบบ่อยหน้างานคือเข้าสู่การใช้งานจริงทั้งที่ค่าตั้งต้นของเครื่องมัลติฟังก์ชันยังเป็น 200DPI ขาวดำสองระดับ การแปลงเป็นภาพสองระดับจะลบเส้นที่ลงน้ำหนักมือเบาทิ้ง จึงขอแนะนำให้ตั้งค่าเริ่มต้นเป็น 300DPI แบบเกรย์สเกล

7. พิมพ์หมายเลขเวอร์ชันและรหัสประจำแบบฟอร์มลงบนกระดาษ ที่หน้างานจะมีสำเนาของสำเนาหมุนเวียนอยู่ และไม่ทันรู้ตัวก็มีแบบฟอร์มที่ตำแหน่งช่องเลื่อนไปปะปนเข้ามา เนื่องจากเทมเพลตตัดช่องด้วยพิกัด การเลื่อนตำแหน่งจึงนำไปสู่ความผิดพลาดของทุกช่องโดยตรง ให้ใส่รหัสแบบฟอร์มและหมายเลขเวอร์ชันเป็นคิวอาร์โค้ดไว้ที่มุมกระดาษ แล้ววางกลไกคัดออกก่อนประมวลผลเมื่อมีเวอร์ชันเก่าถูกป้อนเข้ามา พร้อมกันนั้นให้พิมพ์เครื่องหมายสำหรับจัดตำแหน่ง (มาร์กเกอร์ที่มุมทั้งสี่) ไว้ด้วย

เวลาที่ควรทุ่มให้กับการออกแบบช่องกรอก

ในเจ็ดข้อนี้ ข้อ 1 ข้อ 2 ข้อ 3 และข้อ 7 คืองานรื้อผังของแบบฟอร์มใหม่ ส่วนข้อ 4 ข้อ 5 และข้อ 6 คือการตั้งค่าด้านการพิมพ์และการปฏิบัติงาน ทั้งหมดนี้ล้วนไม่ใช่เรื่องของ AI แต่เป็นเรื่องของกระดาษและกระบวนการทำงาน

แนวทางที่สมจริงคือไม่รื้อแบบฟอร์มเป้าหมายทั้งหมดพร้อมกันในทีเดียว ให้เลือกแบบฟอร์มมาหนึ่งชนิดก่อน ทำเวอร์ชันที่ใส่ครบทั้งเจ็ดข้อ แล้วให้หน้างานเขียนจริงเป็นเวลา 2 สัปดาห์ จากนั้นนำทั้งเวอร์ชันเก่าและเวอร์ชันใหม่เข้าเอนจินตัวเดียวกัน แล้วเปรียบเทียบอัตราความถูกต้องระดับฟิลด์กับสัดส่วนที่ต้องส่งให้คนตรวจ ข้อมูลเปรียบเทียบชุดนี้จะกลายเป็นเหตุผลรองรับการขออนุมัติงบสำหรับรื้อแบบฟอร์มที่เหลือ

เลิกตรวจด้วยตาทุกใบ | การออกแบบการจัดเส้นทางตามค่าความเชื่อมั่น

สิ่งที่ชี้ขาดว่ายืนยันค่าอัตโนมัติได้หรือไม่ ไม่ใช่ค่าความเชื่อมั่นสูงแค่ไหน แต่คือช่องนั้นมีแหล่งข้อมูลให้เทียบหรือเปล่า หากเข้าใจจุดนี้ผิด ต่อให้ปรับค่าเกณฑ์อย่างไร การใช้งานก็จะไม่นิ่ง

แค่ส่งฟิลด์ 15-20% ไปให้คนตรวจ ภาพรวมก็ขึ้นถึง 99.2%

ในเกณฑ์มาตรฐานที่อ้างถึงก่อนหน้านี้ รายงานที่สำคัญที่สุดในเชิงปฏิบัติคือข้อนี้ หากวางกระบวนการให้ส่งเฉพาะฟิลด์ที่ค่าความเชื่อมั่นต่ำไปให้คนตรวจ แม้รายการที่ต้องตรวจจะมีเพียง 15-20% ของทั้งหมด ความแม่นยำในการดึงข้อมูลโดยรวมก็ขึ้นถึง 99.2% ในตัวอย่างที่แสดงไว้ มีการวางสัดส่วนที่ต้องตรวจไว้กว้างขึ้นเล็กน้อยที่ 22% และราว 78% ผ่านไปโดยไม่ผ่านสายตาคน (STP) เมื่อบวก 78% กับ 22% จะได้ 100% พอดี จึงขอให้อย่านับสองส่วนนี้แยกกันเป็นคนละก้อน

เอนจินเดี่ยวๆ ได้ราวกลางเก้าสิบ แต่เมื่อรวมการออกแบบกระบวนการเข้าไป ได้เกิน 99% สิ่งที่สร้างส่วนต่างนี้ไม่ใช่สมรรถนะของโมเดล แต่คือการออกแบบการจัดเส้นทาง อนึ่ง ตัวเลขสองชุดนี้มาจากการสำรวจคนละชุดและเป็นคนละตัวชี้วัดกัน (ชุดหนึ่งคือความแม่นยำในการรู้จำตัวอักษรลายมือ อีกชุดหนึ่งคือความแม่นยำในการดึงข้อมูลระดับฟิลด์ที่รวมการจัดเส้นทางตามค่าความเชื่อมั่นเข้าไปด้วย) จึงนำมาลบกันตรงๆ แล้วอ่านว่าดีขึ้นกี่จุดไม่ได้ ขอให้เข้าใจว่ามาตรการที่ส่งผลนั้นเป็นคนละอย่างกัน

อย่างไรก็ตาม ตรงนี้ก็มีข้อควรระวัง สัดส่วน 22% นี้เป็นเรื่องของระดับฟิลด์ ไม่ใช่ระดับแบบฟอร์มทั้งใบ ในแบบฟอร์มที่มี 25 ช่อง หากสมมติว่าแต่ละช่องถูกติดธงด้วยความน่าจะเป็น 22% อย่างเป็นอิสระต่อกัน แบบฟอร์มที่ไม่มีธงขึ้นเลยสักช่องจะมีเพียง 0.78 ยกกำลัง 25 เท่ากับราว 0.2% เท่านั้น ในความเป็นจริงข้อผิดพลาดจะเอนเอียงไปตามคนเขียนและตามช่อง ตัวเลข 0.2% นี้จึงจะสูงกว่านี้ แต่ความรู้สึกในระดับหลักของตัวเลขไม่เปลี่ยน แบบฟอร์มเกือบทั้งหมดจะโผล่ขึ้นมาบนหน้าจอตรวจสอบ

ด้วยเหตุนี้ การออกแบบหน้าจอตรวจสอบจึงกลายเป็นตัวชี้ขาด หากสร้างหน้าจอที่แสดงแบบฟอร์มทั้งใบให้คนดู ต่อให้ STP อยู่ที่ 78% ชั่วโมงงานก็แทบไม่ลดลง ให้แสดงเฉพาะช่องที่ถูกติดธง เรียงลงมาในแนวตั้ง พร้อมภาพที่ตัดมาจากต้นฉบับและตัวเลือกที่ OCR เสนอ การมีหรือไม่มีหน้าจอแบบนี้ จะเปลี่ยนเงื่อนไขตั้งต้นของการคำนวณที่จะกล่าวถึงต่อไปทั้งชุด

แบ่งฟิลด์เป็น 3 กลุ่ม แล้วใช้ค่าเกณฑ์ต่างกัน

การใช้ค่าเกณฑ์เดียวกันกับทุกช่องนั้นหยาบเกินไปในเชิงการออกแบบ ในทางปฏิบัติควรแบ่งเป็นสามกลุ่ม

กลุ่ม A (กฎหมาย การเงิน และการสอบกลับ) ได้แก่ เลขล็อต ผลตัดสินการตรวจสอบ จำนวน จำนวนเงิน วันที่ ลายเซ็น เป็นช่องที่หากผิดแล้วจะนำไปสู่การหยุดส่งมอบ การถูกตั้งข้อสังเกตในการตรวจประเมิน หรือการจ่ายเงินผิดพลาด ตามที่กล่าวไปแล้ว เกณฑ์สำหรับส่งข้อมูลผ่านโดยไม่ให้คนดูคือระดับฟิลด์ 99.9% ตราบใดที่ยังทำไม่ถึงเกณฑ์นี้ ควรออกแบบให้ผ่านสายตาคนแม้ค่าความเชื่อมั่นจะสูงก็ตาม และสมมติว่าทำ 99.9% ได้จริง ในแบบฟอร์มที่มีช่องกลุ่ม A อยู่ 5 ช่อง จะได้ 0.999 ยกกำลัง 5 เท่ากับ 99.5% นั่นคือคำนวณได้ว่ายังเหลือความผิดพลาด 1 ใบในทุก 200 ใบ

กลุ่ม B (การวิเคราะห์และการดูแนวโน้ม) ได้แก่ อุณหภูมิ ความดัน เวลา ชั่วโมงทำงาน ตัวนับการเดินเครื่อง แม้ค่าแต่ละค่าจะคลาดเคลื่อนไปบ้าง หากใช้เพื่อดูแนวโน้มก็ยังรับได้ ให้ใช้งานที่ระดับเทียบเท่า 99.2% แล้วชดเชยด้วยการตรวจช่วงค่าแทน (ค่าขีดบนขีดล่าง และความต่อเนื่องกับค่าก่อนหน้าและค่าถัดไป)

กลุ่ม C (ข้อมูลอ้างอิง) ได้แก่ หมายเหตุ ข้อสังเกต ข้อความบรรยายอิสระ เป็นช่องที่แค่ค้นหาด้วยข้อความเต็มได้ก็เพียงพอ ต่อให้ค่าความเชื่อมั่นต่ำก็ไม่ต้องส่งให้คนตรวจ ให้จัดเก็บตามที่อ่านได้เลย หากจริงจังกับการนำกลุ่มนี้เข้ารายการตรวจ ชั่วโมงงานตรวจจะบวมขึ้นอย่างเดียวโดยที่ความแม่นยำไม่ได้ดีขึ้น

ค่า 99.2% ในภาพรวมนั้นเป็นเพียงค่าเฉลี่ย หากเรียกร้อง 99.9% กับกลุ่ม A ก็ต้องยอมทิ้งกลุ่ม C ในสัดส่วนที่สมดุลกัน ไม่เช่นนั้นชั่วโมงงานจะไม่ลงตัว อย่าตั้งเป้าความแม่นยำรวมเพียงตัวเดียว แต่ให้ตั้งเป้าแยกตามกลุ่ม นี่คือเนื้อแท้ของการออกแบบ

กำหนดค่าเกณฑ์โดยตรวจด้วยตาให้ครบ 1,000 ใบแรก

ค่าความเชื่อมั่นคำนวณด้วยวิธีต่างกันไปในแต่ละผลิตภัณฑ์ จึงไม่มีกฎทั่วไปแบบว่าเกิน 0.85 แล้วปลอดภัย วิธีกำหนดมีทางเดียวคือ ตรวจด้วยตาให้ครบทั้ง 1,000 ใบแรก แล้วสร้างตารางจับคู่ระหว่างค่าความเชื่อมั่นกับข้อผิดพลาดที่เกิดขึ้นจริง บนแบบฟอร์มของตัวเอง

งานนี้น่าเบื่อ แต่ไม่มีอะไรมาแทนได้ หากข้ามขั้นตอนนี้ ค่าเกณฑ์จะถูกกำหนดด้วยความรู้สึก แล้วจะไปลงเอยที่ทางใดทางหนึ่งระหว่างการสูญเสียความเชื่อถือจากอุบัติเหตุที่ว่ามีข้อผิดพลาดหลุดออกมาจากช่องที่ยืนยันอัตโนมัติ กับสภาพที่ส่งทุกอย่างเข้าการตรวจจนชั่วโมงงานไม่ลดลง อนึ่ง 1,000 ใบ เท่ากับปริมาณ 1 สัปดาห์ สำหรับหน้างานที่มีเอกสารวันละ 200 ใบ

เมื่อได้ตารางจับคู่แล้ว ให้มองหาช่วงคะแนนที่อัตราความผิดพลาดของกลุ่ม A ต่ำกว่า 0.1% แล้วตั้งจุดนั้นเป็นค่าเกณฑ์ หากหาไม่พบ ให้ถอดช่องกลุ่ม A นั้นออกจากรายการที่ยืนยันอัตโนมัติ

สิ่งที่แข็งแรงกว่าค่าความเชื่อมั่น คือการเทียบกับข้อมูลมาสเตอร์

สุดท้ายนี้ ขอพูดถึงเรื่องที่ได้ผลที่สุดในเชิงการพัฒนาระบบ มีเกณฑ์ตัดสินที่เชื่อถือได้มากกว่าค่าความเชื่อมั่น นั่นคือ การมีหรือไม่มีข้อมูลมาสเตอร์ให้เทียบ

รหัสสินค้า รหัสพนักงาน รหัสเครื่องจักร รหัสคู่ค้า รหัสสายการผลิต ค่าเหล่านี้จะถูกต้องได้ก็เฉพาะค่าที่มีอยู่ในข้อมูลมาสเตอร์ของบริษัทเท่านั้น ให้นำผลลัพธ์จาก OCR ไปเทียบกับมาสเตอร์ในฐานะตัวเลือก หากคัดเหลือรายการเดียวได้ ช่องนั้นก็ยืนยันอัตโนมัติได้ ต่อให้ค่าความเชื่อมั่นอยู่ที่ 0.6 แต่ถ้าตรงกับมาสเตอร์เพียงรายการเดียว และระยะห่างเชิงการแก้ไข (edit distance) กับตัวเลือกอันดับสองห่างกันมาก นั่นก็แน่นอนกว่าค่าความเชื่อมั่น 0.99

ในทางกลับกัน ช่องบรรยายอิสระที่ไม่มีมาสเตอร์ ต่อให้ค่าความเชื่อมั่นเป็น 0.99 ก็ไม่ใช่เหตุผลรองรับการยืนยันอัตโนมัติ เพราะเมื่อไม่มีอะไรให้เทียบ ค่าความเชื่อมั่นก็เป็นเพียงคำประกาศของโมเดลเองเท่านั้น

ด้วยตรรกะเดียวกัน สิ่งที่ได้ผลอีกอย่างคือการกระทบยอดภายในแบบฟอร์มเอง เช่น รายการย่อยของจำนวนกับยอดรวม เวลาเริ่มกับเวลาสิ้นสุดกับชั่วโมงทำงาน จำนวนของดีกับจำนวนของเสียกับจำนวนรวม ค่าเหล่านี้ตรวจสอบซึ่งกันและกันได้ หากไม่ตรงกัน ให้ส่งเข้าการตรวจโดยไม่ต้องสนใจค่าความเชื่อมั่น หากตรงกัน ก็ปล่อยผ่านแม้ค่าความเชื่อมั่นจะต่ำ ย้ายจุดศูนย์ถ่วงของการออกแบบ จากคะแนนของโมเดล ไปสู่เงื่อนไขบังคับของงานจริง นี่คือแก่นในเชิงการพัฒนาระบบสำหรับการเลิกตรวจด้วยตาทุกใบ

แนวคิดเรื่องค่าใช้จ่ายและการคืนทุน | คำนวณโดยยังคงชั่วโมงงานตรวจสอบไว้

สิ่งที่กำหนดระยะเวลาคืนทุนไม่ใช่ค่าบริการของเอนจิน แต่คือสัดส่วนที่ต้องส่งให้คนตรวจ ต่อไปนี้เป็นการคำนวณเชิงแบบจำลอง ไม่ใช่ใบเสนอราคาสำหรับโครงการใดโครงการหนึ่ง หากเปลี่ยนเงื่อนไขตั้งต้น ข้อสรุปก็จะเปลี่ยนไป

เงื่อนไขตั้งต้น (สมมติทั้งหมด)

• แบบฟอร์มเป้าหมาย: รายงานการผลิตประจำวัน และบันทึกการตรวจสอบระหว่างกระบวนการ
• จำนวนใบ: วันละ 200 ใบ ทำงาน 250 วันต่อปี ได้เป็น 50,000 ใบต่อปี
• ช่องกรอกต่อหนึ่งใบ: 25 ช่อง ได้เป็น 1,250,000 ฟิลด์ต่อปี
• ชั่วโมงงานคัดลอกข้อมูลในปัจจุบัน: 4.0 นาทีต่อใบ แยกเป็นการคีย์ข้อมูล 2.5 นาที บวกการสอบถามและรอคำตอบสำหรับจุดที่อ่านไม่ออก 0.5 นาที บวกการกระทบยอดหลังคีย์ 1.0 นาที
• ค่าแรง: เจ้าหน้าที่คีย์ข้อมูลเดือนละ 30,000 THB รวมสวัสดิการตามกฎหมาย เป็นปีละ 360,000 THB ชั่วโมงทำงานจริงต่อปี 2,000 ชั่วโมง (250 วัน คูณ 8 ชั่วโมง) ได้เป็น ค่าแรงต่อชั่วโมง 180 THB (เท่ากับนาทีละ 3 THB)
• ชั่วโมงงานตรวจสอบหลังติดตั้ง: 8 วินาทีต่อช่องที่ถูกติดธงหนึ่งช่อง (การตรวจและแก้ไขบนหน้าจอที่วางภาพตัดจากต้นฉบับคู่กับตัวเลือกไว้แล้ว) บวกเวลาคงที่สำหรับการเปิดปิดและกระทบยอด 20 วินาทีต่อแบบฟอร์มหนึ่งใบ

เรากำหนดให้สิ่งที่นำมาเปรียบเทียบมีเพียงเส้นเดียว คือกรณีที่ไม่ได้ติดตั้ง เท่ากับใช้กระดาษต่อไปแบบปัจจุบัน ส่วนการเปรียบเทียบกับกรณีที่เปลี่ยนไปกรอกผ่านแท็บเล็ตทั้งหมดนั้นเป็นอีกเส้นเวลาหนึ่ง จึงไม่นำมาปนกับมูลค่าผลประโยชน์

การคำนวณ

สภาพปัจจุบัน (เส้นฐาน)

• 50,000 ใบ คูณ 4.0 นาที เท่ากับ 200,000 นาที เท่ากับ 3,333.3 ชั่วโมงต่อปี
• 3,333.3 ชั่วโมง คูณ 180 THB เท่ากับ 600,000 THB ต่อปี
• คิดเป็นจำนวนคน: 3,333.3 หารด้วย 2,000 เท่ากับ 1.67 คน

หลังติดตั้ง (สัดส่วนที่ต้องตรวจ 22% ซึ่งเป็นค่าตัวอย่างจากเกณฑ์มาตรฐาน)

• ช่องที่ถูกติดธงต่อหนึ่งใบ: 25 ช่อง คูณ 22% เท่ากับ 5.5 ช่อง
• ชั่วโมงงานต่อหนึ่งใบ: 5.5 ช่อง คูณ 8 วินาที บวก 20 วินาที เท่ากับ 64 วินาที (เท่ากับ 1.07 นาที)
• 50,000 ใบ คูณ 64 วินาที เท่ากับ 3,200,000 วินาที เท่ากับ 53,333 นาที เท่ากับ 888.9 ชั่วโมงต่อปี
• 888.9 ชั่วโมง คูณ 180 THB เท่ากับ 160,000 THB ต่อปี
• คิดเป็นจำนวนคน: 888.9 หารด้วย 2,000 เท่ากับ 0.44 คน

ผลการลดลง

• เวลา: 3,333.3 ลบ 888.9 เท่ากับ 2,444.4 ชั่วโมงต่อปี (เท่ากับ 1.22 คน)
• จำนวนเงิน: 600,000 ลบ 160,000 เท่ากับ 440,000 THB ต่อปี (อัตราการลดลง 73.3%)

ค่าใช้จ่าย (ประมาณการ)

ค่าใช้จ่ายเริ่มต้น

ค่าใช้จ่ายรายปี

ผลลัพธ์

• ผลประโยชน์สุทธิรายปี: 440,000 ลบ 180,000 เท่ากับ 260,000 THB ต่อปี
• ระยะเวลาคืนทุนแบบง่าย: 700,000 หารด้วย 260,000 เท่ากับ ราว 2.7 ปี
• ยอดรวม 5 ปี: 700,000 บวก 180,000 คูณ 5 เท่ากับ 1,600,000 THB
• ผลประโยชน์ 5 ปี: 440,000 คูณ 5 เท่ากับ 2,200,000 THB
• สุทธิ 5 ปี: 2,200,000 ลบ 1,600,000 เท่ากับ 600,000 THB

เมื่อดูสัดส่วนขององค์ประกอบในยอดรวม 5 ปี ที่ 1,600,000 THB จะได้ว่าค่าบริการเอนจิน 600,000 THB (37.5%) การออกแบบช่องกรอกใหม่ 350,000 THB (21.9%) การพัฒนาการเชื่อมต่อ 250,000 THB (15.6%) ค่าบำรุงรักษา 300,000 THB (18.8%) และเครื่องสแกน 100,000 THB (6.2%) กล่าวคือ เงินที่จ่ายให้เอนจินคิดเป็นเกือบ 4 ใน 10 ของยอดรวม ส่วนที่เหลืออีกกว่า 6 ใน 10 คือการออกแบบแบบฟอร์ม การเชื่อมต่อ การบำรุงรักษา และอุปกรณ์ สิ่งที่ได้จากสัดส่วนนี้คือข้อเสนอว่า การจัดสรรเวลาในที่ประชุมพิจารณาก็ควรเข้าใกล้อัตราส่วนนี้ด้วย

เมื่อสัดส่วนที่ต้องตรวจขยับ ระยะเวลาคืนทุนจะขยับตามแบบนี้

เราคำนวณใหม่โดยเปลี่ยนเฉพาะสัดส่วนที่ต้องส่งให้คนตรวจเป็น 15% 22% และ 35% และตรึงเงื่อนไขอื่นไว้ทั้งหมด โดย 15% คือขอบล่างของช่วงที่เกณฑ์มาตรฐานระบุ 22% คือค่าตัวอย่างจากเกณฑ์มาตรฐานชุดเดียวกัน ส่วน 35% เป็นค่าสมมติที่บริษัทเราตั้งขึ้นเองสำหรับกรณีที่การออกแบบช่องกรอกยังหละหลวม (35% ไม่ใช่ค่าที่มาจากรายงาน)

ระหว่าง 15% กับ 35% ยอดลดได้รายปีคือ 475,000 กับ 375,000 ต่างกัน 100,000 THB ต่อปี ซึ่งเทียบเท่า 83% ของค่าบริการเอนจินรายปีที่ 120,000 THB พูดอีกอย่างคือ การออกแบบช่องกรอกดีหรือไม่ดี สร้างส่วนต่างที่มีขนาดพอๆ กับการจ่ายหรือไม่จ่ายค่าบริการเอนจินทั้งก้อน ในแง่ระยะเวลาคืนทุนก็ต่างกัน 1.2 ปี ระหว่าง 2.4 ปี กับ 3.6 ปี

ตรงนี้ขอให้สังเกตว่า การที่สัดส่วนที่ต้องตรวจสูงขึ้นไม่ได้แปลว่าความแม่นยำจะแย่ลง ยิ่งส่งให้คนตรวจมากขึ้น ความแม่นยำสุดท้ายกลับสูงขึ้นด้วยซ้ำ สิ่งที่แย่ลงมีเพียงชั่วโมงงาน ดังนั้น สิ่งที่เกิดขึ้นกับแบบฟอร์มที่ออกแบบช่องกรอกมาหละหลวม จึงไม่ใช่ความล้มเหลวในรูปแบบที่ว่าความแม่นยำไม่ออก แต่เป็นรูปแบบที่ว่าความแม่นยำออก แต่ต้นทุนไม่คุ้ม ความล้มเหลวแบบนี้จะมองเห็นได้ก็ต่อเมื่อผ่านการใช้งานจริงไปราวครึ่งปี แล้วตัวเลขงบประมาณจริงออกมา การค้นพบจึงล่าช้า

ผลประโยชน์ที่ห้ามนำมาบวกเพิ่ม

ตรงนี้คือจุดที่ผิดพลาดได้ง่ายที่สุด เวลาอธิบายผลของการติดตั้ง เรามักอยากบวกผลที่ว่าการสอบถามกลับไปยังคนเขียนสำหรับตัวหนังสือที่อ่านไม่ออกจะหมดไป เข้าไปอีกก้อนหนึ่ง นอกเหนือจากการลดเวลาคัดลอกข้อมูล นี่คือการนับซ้ำ

ขอให้กลับไปดูองค์ประกอบของ 4.0 นาทีในเส้นฐานอีกครั้ง คือการคีย์ 2.5 นาที บวกการสอบถามและรอคำตอบสำหรับจุดที่อ่านไม่ออก 0.5 นาที บวกการกระทบยอด 1.0 นาที เวลาที่ใช้ส่งกลับไปถามนั้นถูกรวมอยู่ใน 4.0 นาทีเรียบร้อยแล้ว หากนำมาบวกอีกก้อน ก็เท่ากับนับ 0.5 นาที คูณ 50,000 ใบ เท่ากับ 25,000 นาที เท่ากับ 416.7 ชั่วโมง เท่ากับ 75,000 THB ต่อปี ซ้ำสองครั้ง

หากนับซ้ำ ยอดลดได้รายปีจะบวมจาก 440,000 เป็น 515,000 THB (เพิ่มขึ้น 17.0%) ผลประโยชน์สุทธิรายปีจะกลายเป็น 335,000 THB และระยะเวลาคืนทุนจะดูเหมือนเป็น 700,000 หารด้วย 335,000 เท่ากับราว 2.1 ปี ซึ่งสั้นกว่าค่าจริงที่ 2.7 ปี อยู่ 0.6 ปี ในฐานะตัวเลขที่ใช้ขออนุมัติ นี่ไม่ใช่ส่วนต่างเล็กๆ

ขอให้รักษาสถานการณ์สมมติเปรียบเทียบไว้เพียงเส้นเดียว สิ่งที่นำมาเทียบมีเพียงการใช้กระดาษแบบปัจจุบัน (4.0 นาทีต่อใบ) และทุกสิ่งที่จะนำมาลบออกจากนั้น ต้องมีที่มาอยู่ในองค์ประกอบใดองค์ประกอบหนึ่งของ 4.0 นาทีนี้

ในทางกลับกัน ก็มีผลประโยชน์ที่ไม่ได้รวมไว้ในการคำนวณนี้เช่นกัน ได้แก่ เวลาค้นหาตอนถูกตรวจประเมินหรือตอนสืบค้นเพื่อสอบกลับ พื้นที่และต้นทุนการจัดเก็บกระดาษ การนำข้อมูลที่สะสมไว้ไปวิเคราะห์ต่อ และการเปลี่ยนแปลงของเวลาที่ฝั่งผู้กรอกใช้ (ซึ่งอาจสั้นลงเมื่อเปลี่ยนเป็นแบบเลือกตัวเลือก) สิ่งเหล่านี้ยังไม่ถูกแปลงเป็นตัวเงิน จึงขอให้อ่านระยะเวลาคืนทุนข้างต้นในฐานะเส้นที่ค่อนข้างระมัดระวัง

ท้ายที่สุด กำลังคน 1.22 คนที่ลดได้จะกลายเป็นตัวเงินจริงก็ต่อเมื่อชั่วโมงงานนั้นถูกย้ายไปทำงานที่สร้างมูลค่าเพิ่มอย่างอื่น หรือเมื่อการทำงานล่วงเวลาลดลงจริงเท่านั้น หากคนยังนั่งอยู่ที่โต๊ะเหมือนเดิม เวลาที่ลดได้ก็เป็นเพียงตัวเลขบนบัญชี ประเด็นนี้เป็นเรื่องที่ควรตกลงกับผู้บังคับบัญชาให้เรียบร้อยก่อนเขียนขออนุมัติ

ควรเริ่มจากแบบฟอร์มไหน | ลำดับการนำระบบคีย์ข้อมูลอัตโนมัติเข้ามาใช้

สิ่งที่กำหนดว่าแบบฟอร์มแรกคือใบไหน ไม่ใช่จำนวนใบ แต่คือปลายทางการใช้งานถูกกำหนดไว้แล้วหรือยัง หากเลือกด้วยจำนวนใบอย่างเดียว สิ่งที่เพิ่มขึ้นจะเป็นข้อมูลที่แปลงเป็นดิจิทัลได้แล้วแต่ไม่มีใครใช้

เกณฑ์คัดเลือก 4 ข้อ

1. จำนวนใบมาก ต้องมีฐานจำนวนมากพอที่จะวัดผลได้
2. ช่องกรอกมีรูปแบบตายตัว ต้องไม่ใช่แบบฟอร์มที่มีข้อความบรรยายอิสระเป็นหลัก
3. ปลายทางการใช้งานถูกกำหนดแล้ว ต้องระบุได้ว่าระบบใดและหน้าจอใดจะรับข้อมูลที่นำเข้ามา
4. ความเสียหายเมื่อผิดพลาดอยู่ระดับกลาง แบบฟอร์มที่ผิดแล้วไม่กระทบอะไรเลยจะไม่มีแรงจูงใจให้ปรับปรุงต่อเนื่อง ส่วนแบบฟอร์มที่ผิดแล้วเสียหายร้ายแรงก็ไม่อนุญาตให้ล้มเหลวในครั้งแรก

ลำดับการลงมือ

ชุดที่ 1: รายงานการผลิตประจำวันและบันทึกผลผลิต เป็นกลุ่มที่มีจำนวนใบมากที่สุด ช่องกรอกมีรูปแบบตายตัว และปลายทางคือระบบบริหารการผลิต จึงมักเข้าเกณฑ์ครบทั้ง 4 ข้อ สำหรับแนวคิดการออกแบบตัวรายงานประจำวันเอง เราเขียนไว้ใน ระบบอัตโนมัติด้วย AI สำหรับรายงานประจำวัน 2026

ชุดที่ 2: บันทึกการตรวจรับและบันทึกการตรวจสอบระหว่างกระบวนการ เนื่องจากเชื่อมโยงโดยตรงกับการตรวจประเมินและการสอบกลับ จึงเป็นพื้นที่ที่การแปลงเป็นดิจิทัลมีคุณค่าสูงที่สุด แต่เพราะมีช่องกลุ่ม A มาก (ผลตัดสิน เลขล็อต) จึงควรลงมือหลังจากที่การออกแบบการจัดเส้นทางตามค่าความเชื่อมั่นนิ่งแล้ว

ชุดที่ 3: ใบรับจ่ายสินค้าคงคลังและใบยืนยันการจัดส่ง มีช่องจำนวนเป็นหลัก และการกระทบยอดกับข้อมูลมาสเตอร์สินค้าคงคลังได้ผลดี เพราะใช้การเทียบกับมาสเตอร์ได้ จึงเป็นพื้นที่ที่มีช่องจำนวนมากซึ่งยืนยันอัตโนมัติได้แม้ค่าความเชื่อมั่นจะต่ำ

ยังไม่ทำในระยะนี้: รายงานความผิดปกติที่เขียนด้วยลายมือ แฟกซ์ลายมือจากลูกค้า และบันทึกเงินเดือนกับเวลาทำงานที่เขียนด้วยลายมือ สองกลุ่มแรกมีข้อความบรรยายอิสระเป็นหลัก จึงไม่คุ้มค่า ส่วนกลุ่มที่สามต้องคำนึงถึง PDPA (พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคลของไทย) และข้อพิจารณาด้านแรงงาน จึงมีประเด็นที่ต้องสะสางก่อนเรื่องเทคนิค

ขั้นตอนพิสูจน์เพื่อตัดสินใจภายใน 4 สัปดาห์

• สัปดาห์ที่ 1 รวบรวมแบบฟอร์มที่ใช้อยู่ 100 ใบ แล้วนับลักษณะการกรอกเป็นรายช่อง หาอัตราช่องว่าง อัตราที่อ่านไม่ออก และความถี่ของการกรอกนอกเหนือจากที่คาดไว้ (การเขียนเพิ่มนอกกรอบ การกรอกหลายค่าในช่องเดียว) ในขั้นนี้ยังไม่ใช้ OCR
• สัปดาห์ที่ 2 ทำแบบฟอร์มเวอร์ชันใหม่ที่ใส่หลักออกแบบ 7 ข้อข้างต้น แล้วให้หน้างานเขียนจริงเป็นเวลา 2 สัปดาห์ โดยใช้ควบคู่ไปกับเวอร์ชันเก่า
• สัปดาห์ที่ 3 ถึง 4 นำเวอร์ชันเก่าและเวอร์ชันใหม่อย่างละ 500 ใบเข้าเอนจิน แล้ววัดอัตราความถูกต้องระดับฟิลด์กับสัดส่วนที่ต้องส่งให้คนตรวจ เนื่องจากต้องให้คนตรวจด้วยตาทุกใบเพื่อสร้างเฉลย งานนี้จึงกินชั่วโมงงาน แต่หากข้ามขั้นนี้ไป การตัดสินใจทุกอย่างหลังจากนั้นจะกลายเป็นการเดา

สิ่งที่ต้องวัดไม่ใช่ความแม่นยำของเอนจิน แต่คือสัดส่วนที่ต้องส่งให้คนตรวจบนแบบฟอร์มของบริษัทเราเอง การสาธิตของผู้ขายคือผลลัพธ์บนตัวอย่างที่ผู้ขายเลือกมาเอง ข้อมูลประกอบการตัดสินใจสร้างได้จากภาพที่มาจากแบบฟอร์มของเรา เขียนโดยคนของเรา และสแกนด้วยเครื่องของเราเท่านั้น

ประเด็นเพิ่มเติมเมื่อดำเนินการในประเทศไทย

การรับมือการตรวจประเมิน ทั้งการรายงานผลการดำเนินงานตามสิทธิประโยชน์ BOI บันทึกตามมาตรฐาน ISO 9001 และ IATF 16949 และการแสดงเอกสารทางบัญชีในการตรวจสอบภาษี ประเด็นที่ว่าข้อมูลที่แปลงเป็นดิจิทัลแล้วจะใช้เป็นต้นฉบับได้หรือไม่ และจำเป็นต้องเก็บต้นฉบับกระดาษคู่ขนานไว้ด้วยหรือไม่ เป็นสิ่งที่ต้องยืนยันกับผู้สอบบัญชีและหน่วยงานราชการ ตรงนี้ไม่ใช่เรื่องเทคนิค จึงขอให้ยืนยันให้เรียบร้อยก่อนที่จะสรุปข้อกำหนดฝั่งระบบ อย่างน้อยที่สุด การออกแบบให้ข้อมูลอิเล็กทรอนิกส์กับต้นฉบับกระดาษสืบย้อนถึงกันได้ (ใช้รหัสคิวอาร์ของแบบฟอร์มเป็นคีย์ของเรกคอร์ดอิเล็กทรอนิกส์) จะไม่สูญเปล่าไม่ว่าผลจะออกมาทางไหน

หน้างานที่มีหลายภาษา ในกระบวนการที่นอกจากพนักงานไทยแล้วยังมีผู้ปฏิบัติงานจากเมียนมาและกัมพูชาเป็นผู้กรอกด้วย ภาษาของแบบฟอร์มกับภาษาแม่ของผู้เขียนอาจไม่ตรงกัน ในกรณีนี้ ช่องแบบเขียนบรรยายจะแทบไม่ทำงานเลย การเปลี่ยนไปใช้แบบเลือกตัวเลือกและภาพสัญลักษณ์จึงได้ผล ในฐานะปัญหาที่มาก่อนเรื่อง OCR ด้วยซ้ำ

PDPA ตราบใดที่แบบฟอร์มมีชื่อผู้กรอกหรือรหัสพนักงานอยู่ นั่นคือข้อมูลส่วนบุคคล จึงควรจัดระเบียบเรื่องระยะเวลาจัดเก็บข้อมูลที่ดึงมาจาก OCR สิทธิ์การเข้าถึง และสัญญากับผู้ประมวลผลข้อมูลในกรณีที่ส่งขึ้นคลาวด์ ให้เรียบร้อยตั้งแต่ตอนติดตั้ง เหตุที่โมเดลซึ่งทำงานบน CPU และอุปกรณ์ปลายทางได้อย่าง Typhoon OCR 1.5 ที่กล่าวถึงข้างต้นกลายเป็นทางเลือกหนึ่ง ก็เพราะประเด็นนี้

คำถามที่พบบ่อย

OCR ลายมือ คืออะไร

คือเทคโนโลยีที่อ่านตัวอักษรซึ่งเขียนด้วยมือลงบนกระดาษจากภาพ แล้วแปลงเป็นข้อมูลตัวอักษร ทั้งเทคโนโลยีที่ต้องใช้และความแม่นยำที่ทำได้ ต่างจาก OCR ทั่วไปที่อ่านตัวอักษรพิมพ์ ในระยะหลังมักเรียกการใช้งานที่ดึงค่าออกมาเป็นรายช่องของแบบฟอร์มว่า OCR สำหรับแบบฟอร์ม หรือ AI-OCR ซึ่งครอบคลุมไปถึงการจับคู่ว่าค่านั้นเป็นค่าของช่องใด ไม่ใช่แค่การอ่านตัวอักษรอย่างเดียว

ความแม่นยำของ OCR ลายมือ อยู่ที่ประมาณเท่าไร

คำตอบเปลี่ยนไปตามตัวชี้วัดที่ใช้มอง หากมองด้วยอัตราความผิดพลาดระดับตัวอักษร (CER) ลายมืออยู่ที่ 3-5% นั่นคืออ่านตัวอักษรถูกเกิน 95% แต่หากมองด้วยอัตราความถูกต้องระดับฟิลด์ว่าทั้งช่องถูกต้องหรือไม่ จะอยู่ที่ 62-85% ซึ่งต่ำกว่าเอกสารพิมพ์ 15-35 จุดเปอร์เซ็นต์ สิ่งที่มีความหมายในงานจริงคือตัวหลัง นอกจากนี้ หากวางกระบวนการให้ส่งเฉพาะช่องที่ค่าความเชื่อมั่นต่ำไปให้คนตรวจ มีรายงานว่าแม้รายการที่ต้องตรวจจะมีเพียง 15-20% ของทั้งหมด ภาพรวมก็ขึ้นถึง 99.2%

ลายมือภาษาไทยอ่านได้หรือไม่

ยากกว่าภาษาญี่ปุ่นและภาษาอังกฤษ จึงคุ้มค่าที่จะใช้โมเดลเฉพาะทาง ตัวอักษรไทยมีวรรณยุกต์และสระอยู่ทั้งด้านบนและด้านล่างของพยัญชนะ ในแบบฟอร์มที่ระยะห่างบรรทัดแคบจึงไปรบกวนกับบรรทัดบนและบรรทัดล่าง สำหรับภาษาไทยมีโมเดลโอเพนซอร์สอย่าง Typhoon OCR 1.5 (เผยแพร่วันที่ 14 พฤศจิกายน 2025 ขนาด 2B พารามิเตอร์ พัฒนาบนฐาน Qwen3-VL) ซึ่งมีรายงานว่ากับแบบฟอร์มลายมือ BLEU ดีขึ้นจาก 0.321 เป็น 0.522 และ ROUGE-L ดีขึ้นจาก 0.454 เป็น 0.645 ส่วน Thai-TrOCR ที่เจาะจงกับภาพบรรทัดลายมือ ก็มีรายงานว่าให้ผลเหนือกว่า EasyOCR และ Tesseract อย่างไรก็ตาม อย่างที่เห็นได้จากการที่ Typhoon OCR 1.5 ตัวเดียวกันทำได้ถึง BLEU 0.870 กับแบบฟอร์มราชการ แต่ได้ 0.522 กับแบบฟอร์มลายมือ สภาพของแบบฟอร์มมีอิทธิพลต่อผลลัพธ์มากกว่าตัวโมเดล

ค่าใช้จ่ายประมาณเท่าไร

มีช่วงกว้างขึ้นอยู่กับโครงสร้างระบบ แต่ในการคำนวณเชิงแบบจำลองของบทความนี้ เราวางไว้ที่ค่าใช้จ่ายเริ่มต้น 700,000 THB รายปี 180,000 THB และยอดรวม 5 ปี 1,600,000 THB ในองค์ประกอบนี้ ค่าบริการเอนจินคิดเป็น 37.5% ของยอดรวม ส่วนที่เหลือคือการออกแบบช่องกรอกใหม่ (21.9%) การพัฒนาการเชื่อมต่อ (15.6%) การบำรุงรักษา (18.8%) และอุปกรณ์ (6.2%) หากเปรียบเทียบด้วยคำถามว่า “AI-OCR ค่าบริการรายเดือนเท่าไร” เพียงอย่างเดียว ก็จะมองข้ามยอดรวมไปกว่า 6 ใน 10 ส่วน จำนวนเงินจริงจะเปลี่ยนไปตามจำนวนชนิดของแบบฟอร์ม ขอบเขตการเชื่อมต่อกับระบบเดิม และจำนวนใบที่เป็นเป้าหมาย

เชื่อมต่อกับระบบบริหารการผลิตที่ใช้อยู่ได้หรือไม่

สำคัญกว่าคำถามว่าเชื่อมต่อได้หรือไม่ คือการกำหนดก่อนว่า หลังนำเข้าแล้ว ใครจะดูบนหน้าจอไหน ตัววิธีเชื่อมต่อเองมีทางเลือกทั้งการส่งไฟล์ CSV การใช้ API และการใช้ฐานข้อมูลตัวกลาง ซึ่งส่วนใหญ่แก้ได้ในเชิงเทคนิค สิ่งที่ยากคือ ระบบหลักจะจัดการอย่างไรกับสถานะที่ว่าค่าที่ OCR ส่งออกมานั้นกำลังรอตรวจหรือยืนยันแล้ว จะออกแบบให้ไม่ส่งข้อมูลที่ยังไม่ยืนยันเข้าระบบหลัก หรือจะส่งเข้าไปพร้อมธงสถานะ หากสร้างการเชื่อมต่อโดยไม่ตัดสินใจเรื่องนี้ก่อน จะต้องมาสร้างใหม่ในภายหลัง

เลิกใช้ลายมือแล้วเปลี่ยนไปกรอกผ่านแท็บเล็ตเลยจะเร็วกว่าหรือไม่

มีหน้างานที่การตัดสินใจแบบนั้นถูกต้องอยู่จริง ในตลาดโซลูชันลดการใช้กระดาษสำหรับแบบฟอร์มหน้างานของญี่ปุ่น มีรายงานว่า i-Reporter ซึ่งเป็นผลิตภัณฑ์ของบริษัท Cimtops ประเทศญี่ปุ่น ครองส่วนแบ่งผู้ให้บริการเชิงจำนวนที่ 46.5% ในปีงบประมาณ 2024 ตามผลสำรวจเดือนกุมภาพันธ์ 2026 ของ Fuji Chimera Research Institute หากแปลงเป็นข้อมูลดิจิทัลตั้งแต่จุดที่กรอก ประเด็นเรื่องความแม่นยำของ OCR ก็หายไป (i-Reporter เป็นผลิตภัณฑ์ของบริษัท Cimtops ไม่ใช่ผลิตภัณฑ์ของ TOMAS TECH)

จุดตัดสินมี 3 ข้อ ใช้อุปกรณ์ได้หรือไม่ในสภาพแวดล้อมที่ต้องใส่ถุงมือ มีฝุ่น หรือต้องกันระเบิด ผู้เขียนสามารถฝึกจนใช้อุปกรณ์คล่องได้หรือไม่ และมีแบบฟอร์มที่เข้ามาจากภายนอกบริษัทในรูปกระดาษหรือไม่ ข้อที่สามสำคัญเป็นพิเศษ เพราะตราบใดที่รายงานการทำงานของผู้รับเหมาช่วงหรือใบสั่งงานจากลูกค้ายังเข้ามาเป็นกระดาษ OCR ลายมือก็ยังคงอยู่ ในทางปฏิบัติ จุดลงตัวที่สมจริงมักเป็นการอยู่ร่วมกัน คือแบบฟอร์มที่เกิดขึ้นใหม่ให้กรอกผ่านแท็บเล็ต ส่วนกระดาษที่มาจากภายนอกและแบบฟอร์มในอดีตให้ใช้ OCR

ควรย้อนกลับไปแปลงเอกสารกระดาษในอดีตเป็นดิจิทัลด้วยหรือไม่

โดยหลักการแล้ว การมองว่ามีลำดับความสำคัญต่ำน่าจะปลอดภัยกว่า แบบฟอร์มในอดีตอยู่ในรูปแบบเก่า ไม่ได้ผ่านการออกแบบช่องกรอก สัดส่วนที่ต้องส่งให้คนตรวจจึงพุ่งสูงขึ้น ด้วยโครงสร้างเดียวกับที่กรณีสัดส่วนการตรวจ 35% ในการคำนวณข้างต้นให้ระยะเวลาคืนทุน 3.6 ปี การย้อนแปลงแบบฟอร์มเก่าอยู่ในเงื่อนไขที่แย่กว่านั้นอีก ขอให้จำกัดเป้าหมายไว้เฉพาะปีที่จำเป็นต้องใช้อ้างอิงในการตรวจประเมินหรือคดีความ แล้วพิจารณาก่อนว่าส่วนที่เหลือเพียงเก็บต้นฉบับไว้ก็เพียงพอหรือไม่

สรุป

สิ่งที่ชี้ขาดว่า OCR ลายมือจะทำงานได้จริงในทางปฏิบัติหรือไม่ ไม่ใช่อัตราการอ่านตัวอักษรของเอนจิน แต่คือการออกแบบช่องกรอกในแบบฟอร์ม และการออกแบบการจัดเส้นทางตามค่าความเชื่อมั่น

ความแม่นยำต้องมองที่ระดับช่อง ไม่ใช่ระดับตัวอักษร (CER) อัตราความถูกต้องระดับฟิลด์ของลายมืออยู่ที่ 62-85% ซึ่งต่ำกว่าเอกสารพิมพ์ 15-35 จุดเปอร์เซ็นต์ ช่วงนี้อธิบายได้ด้วยการคูณ เช่น ช่อง 8 ตัวอักษรที่ CER 4% ก็คือ 0.96 ยกกำลัง 8 เท่ากับ 72.1% เนื่องจากยิ่งช่องยาวยิ่งตก ก่อนเปลี่ยนเอนจินจึงยังมีพื้นที่ให้ทบทวนช่องกรอก

สิ่งที่เปลี่ยนไปในปี 2026 คือ LLM แบบมัลติโมดัลไปถึงราว 95% กับลายมือ นี่เป็นการก้าวกระโดดจาก 46-70% ของแบบเดิม แต่ต่อให้ 95% โอกาสที่แบบฟอร์ม 25 ช่องจะผ่านทั้งใบก็มีเพียงราว 27.7% ระยะห่างจากเกณฑ์ STP ของฟิลด์ด้านการเงินที่ระดับฟิลด์ 99.9% เมื่อคิดด้วยอัตราความผิดพลาดคือ 1 ใน 50 ส่วนต่างนี้เอนจินถมไม่ได้ ต้องถมด้วยการจัดเส้นทางตามค่าความเชื่อมั่น แม้รายการที่ต้องตรวจจะมีเพียง 15-20% ของทั้งหมด ภาพรวมก็ขึ้นถึง 99.2% และในตัวอย่างที่แสดงไว้ 78% เป็น STP ส่วน 22% ส่งให้คนตรวจ

เหตุผลที่ระบบพังในหน้างานประเทศไทยมี 4 ข้อ คือเครื่องหมายชั้นบนและชั้นล่างของตัวอักษรไทย การปะปนของภาษาญี่ปุ่น ภาษาไทย และภาษาอังกฤษ ลายมือของตัวเลขซึ่งรวมถึงเลขไทยและพุทธศักราช และช่องบรรยายอิสระ โมเดลสำหรับภาษาไทยอย่าง Typhoon OCR 1.5 และ Thai-TrOCR เป็นทางเลือกได้ แต่แม้จะเป็น Typhoon OCR 1.5 ตัวเดียวกัน แบบฟอร์มราชการได้ BLEU 0.870 ขณะที่แบบฟอร์มลายมือได้ 0.522 ส่วนต่าง 0.348 นั้นมาจากกระดาษ ไม่ได้มาจากเอนจิน

ฝั่งตัวเงินก็ชี้ไปยังข้อสรุปเดียวกัน ในการคำนวณเชิงแบบจำลอง ยอดรวม 5 ปี 1,600,000 THB มีค่าบริการเอนจินอยู่เพียง 37.5% ส่วนที่เหลือกว่า 6 ใน 10 คือการออกแบบแบบฟอร์ม การเชื่อมต่อ การบำรุงรักษา และอุปกรณ์ ระยะเวลาคืนทุนที่สัดส่วนการตรวจ 22% คือราว 2.7 ปี ที่ 15% คือราว 2.4 ปี และที่ 35% คือราว 3.6 ปี ส่วนต่าง 100,000 THB ต่อปี ที่เกิดจากช่วงการแกว่งของสัดส่วนการตรวจ เทียบเท่า 83% ของค่าบริการเอนจินรายปีที่ 120,000 THB และเมื่อจะนับผลประโยชน์ ขอให้อย่านำเวลาสอบถามกลับ 0.5 นาที ที่รวมอยู่ในองค์ประกอบของ 4.0 นาทีในเส้นฐานอยู่แล้วมาบวกเพิ่มอีกก้อน เพราะหากบวกเข้าไป การคืนทุนจะดูสั้นลงจาก 2.7 ปี เหลือ 2.1 ปี

สิ่งที่ควรทำเป็นอย่างแรกไม่ใช่การรวบรวมเอกสารของผลิตภัณฑ์ แต่คือการรวบรวมแบบฟอร์มของบริษัทตัวเอง 100 ใบ แล้วนับลักษณะการกรอกเป็นรายช่อง งานนี้จบได้ใน 1 สัปดาห์ และผลของมันจะเป็นเหตุผลรองรับการตัดสินใจระดับหลักล้าน THB ในรอบ 5 ปี

แม้จะยังอยู่ในขั้นพิจารณาและยังไม่ได้ตัดสินใจติดตั้ง ก็ไม่เป็นปัญหา หากนำแบบฟอร์มที่มีอยู่ในมือมาสักไม่กี่ใบ เราสามารถเริ่มจากการประเมินร่วมกันว่าสัดส่วนที่ต้องส่งให้คนตรวจน่าจะไปตกอยู่ราวไหน โดยดูจากความยาวของช่อง สัดส่วนของข้อความบรรยายอิสระ และลักษณะการปะปนของภาษา เพียงแค่ลองแทนค่าจำนวนใบ จำนวนช่อง และค่าแรงต่อหน่วยของบริษัทท่านลงในการคำนวณของบทความนี้ เวทีการถกเถียงภายในองค์กรก็เปลี่ยนไปแล้ว หากต้องการปรึกษา เชิญที่ แบบฟอร์มติดต่อ

เอกสารอ้างอิง

• OCR Accuracy by Document Type (อัตราความถูกต้องระดับฟิลด์แยกตามประเภทเอกสาร เกณฑ์มาตรฐานปี 2026)
• OCR Accuracy Benchmark (คำอธิบายตัวชี้วัดความแม่นยำรวมถึง CER)
• Best Handwriting OCR Tools 2026 (เกณฑ์มาตรฐาน OCR ลายมือ ปี 2026)
• Typhoon OCR Release (บันทึกการเผยแพร่ Typhoon OCR 1.5)
• OpenThaiGPT Thai-TrOCR (โมเดลสำหรับภาพบรรทัดลายมือภาษาไทย)
• Thai OCR Evaluation Dataset (ชุดข้อมูลประเมิน OCR ภาษาไทย)
• การแปลงรายงานประจำวันและแบบฟอร์มในอุตสาหกรรมการผลิตเป็นดิจิทัล (i-Reporter โดยบริษัท Cimtops)
• เปรียบเทียบผลิตภัณฑ์ AI-OCR (ITmedia)

จำนวนเงินทั้งหมดในบทความนี้เป็นการคำนวณเชิงแบบจำลองบนเงื่อนไขที่บริษัทเราสมมติขึ้น ไม่ใช่ใบเสนอราคาสำหรับโครงการใดโครงการหนึ่ง หากเปลี่ยนเงื่อนไขตั้งต้น (วันละ 200 ใบ ทำงาน 250 วันต่อปี 25 ช่องต่อใบ สภาพปัจจุบัน 4.0 นาทีต่อใบ ค่าแรงต่อชั่วโมง 180 THB การตรวจ 8 วินาทีต่อรายการ เวลาคงที่ต่อแบบฟอร์ม 20 วินาที ค่าใช้จ่ายเริ่มต้น 700,000 THB รายปี 180,000 THB) ข้อสรุปก็จะเปลี่ยนไป ค่าสถิติอ้างอิงตามเนื้อหาที่แต่ละแหล่งเผยแพร่ และผลที่ได้จากการคูณต่อยอดจากค่าเหล่านั้น ระบุไว้ชัดเจนว่าเป็นการคำนวณประมาณการ ทั้งนี้ i-Reporter เป็นผลิตภัณฑ์ของบริษัท Cimtops ส่วน Typhoon OCR เป็นผลงานของ SCB 10X และ OpenTyphoon และ Thai-TrOCR เป็นผลงานของ OpenThaiGPT ซึ่งทั้งหมดไม่ใช่สิ่งที่บริษัทเราพัฒนาขึ้น