Meet the team: AI/ML ทำความรู้จักทีมผ่าน ดร.ณัฐ เพชระบูรณิน
SCB Abacus พัฒนาแอป MoneyThunder ให้บริการสินเชื่อดิจิทัลโดยมีจุดมุ่งหมายในการสร้างโอกาสการเข้าถึงสินเชื่อในระบบ หัวใจหลักของแอปพลิเคชันนนี้คือการบริการที่รวดเร็ว ปลอดภัย ตรงใจผู้ใช้งานยุคใหม่ และหนึ่งในทีมงานสำคัญคือ ทีม AI/ML ซึ่งเป็นทีมที่สร้างทั้งรากฐานและสนับสนุนการเติบโตของผลิตภัณฑ์และบริการ เราจะมาทำความรู้จักทีม AI/ML ผ่านการบอกเล่าของ ดร.ณัฐ เพชระบูรณิน Head of AI/ML, SCB Abacus ในบทความนี้
แนะนำทีมหน่อย ว่าทำอะไรบ้าง ความรับผิดชอบเบื้องต้นข้างในทีม
ทีม AI/ML เรามีเป้าหมายหลักในการประยุกต์ใช้เทคโนโลยี Artificial Intelligence (AI) และ Machine Learning (ML) ให้เกิดประโยชน์จริงในเชิงธุรกิจและสังคม ผ่านแอปให้บริการสินเชื่อดิจิทัล MoneyThunder โดยทีม AI/ML ประกอบไปด้วย 2 ทีมย่อยที่มีโฟกัสในคนละด้านครับ
ทีมแรกดูแลด้าน ML Platform ซึ่งเป็น infrastructure สำหรับการเอาโมเดลไปใช้ประมวลผลข้อมูลแบบเรียลไทม์ใน production environment งานส่วนใหญ่นอกจากจะอาศัยความรู้ความเข้าใจพื้นฐานทาง AI/ML แล้ว ยังต้องการทักษะทางด้าน software engineering ควบคู่ไปด้วย เพราะต้องรับผิดชอบ services ที่ใช้ในการพิจารณาสินเชื่อเพื่อให้ลูกค้ารู้ผลการอนุมัติเร็วที่สุด
เพื่อให้เห็นภาพมากขึ้นผมอยากให้ลองนึกถึงวิธีการสร้าง machine learning model จากชุดข้อมูลแบบตาราง บน Jupyter Notebook ซึ่งคนที่เคยลงเรียนคอร์ส machine learning หรือเคยทำงานทางด้าน data science มาก็คงคุ้นเคยเป็นอย่างดี โดยจะเห็นว่าในกระบวนการนั้นจะต้องเตรียม features เพื่อเป็น input สำหรับการเทรนโมเดล รวมถึงการใช้งานโมเดลให้คำนวณสกอร์หรือทำนายผลเพื่อให้เราเอาไปใช้ต่อได้
โมเดลที่ผ่านการเทรนแล้ว เมื่อต้องนำไปใช้งานจริงแบบเรียลไทม์ ความท้าทายแรกที่ชัดเจน คือ เราจะสามารถคำนวณ features ซึ่งบางครั้งก็มีหลายพันตัวเพื่อไปป้อนให้กับโมเดลภายในเวลาไม่กี่นาทีได้อย่างไร และหากคำนวณ features ไม่เสร็จทันเวลาจะต้องทำอย่างไรต่อ เป็นต้น โจทย์ดังกล่าวทำให้ทีมงานพัฒนา ML Platform ขึ้นมาเพื่อตอบโจทย์ในทุกส่วนของกระบวนการ ML model productionization อย่างเช่น Feature Extractor services สำหรับคำนวณ features แบบเรียลไทม์ทันทีที่เราได้รับข้อมูลจากลูกค้ามาเพื่อป้อนให้กับโมเดลต่าง ๆ เพื่อทำนายสิ่งที่เราต้องการ
ที่เล่ามาก็เป็นตัวอย่างคร่าว ๆ ของโปรเจคที่ทีมดูแลด้าน ML Platform ทำงานกันอยู่ครับ ส่วนเป้าหมายปลายทางของ ML Platform จริง ๆ คือการ enable ให้พนักงานในบริษัทสามารถพัฒนาโมเดล และนำไปใช้พัฒนางานในส่วนของตนเองได้อย่างง่ายและรวดเร็วที่สุด โดยไม่จำกัดเฉพาะคนที่เป็น data scientists เพื่อส่งเสริมให้บริษัทของเราเป็น data tech company อย่างแท้จริง
Growth team เป็นทีมที่สองของ AI/ML ซึ่งก็จะมีความใกล้ชิดกับ product และลูกค้าของเรามากกว่าทีมแรก โดยจะโฟกัสด้านการประยุกต์ใช้ AI/ML และ data analytics กับโจทย์หรือ use cases ต่าง ๆ ในบริษัทที่น่าจะได้รับประโยชน์จากเทคโนโลยีนี้ รวมถึงการพัฒนาประสบการณ์ของผู้ใช้งานบนแอปพลิเคชันของเราให้ดียิ่งขึ้น เช่น Ad budget allocation model: เราทำงานร่วมกับทีม Marketing เพื่อพัฒนาโมเดลสำหรับวางแผนการทำงบประมาณโฆษณาในแต่ละช่องทาง ซึ่งตัวโมเดลนี้จะช่วยแนะนำว่าเราควรใช้จ่ายค่าโฆษณาในแต่ละช่องทางเท่าไร และควรปรับเปลี่ยนเมื่อไรให้ตามเทรนด์ที่เห็นได้อย่างทันท่วงที
Growth team ยังพัฒนาและดูแล Experimentation Platform (หรือ A/B Testing) โดยมีเป้าหมายเพื่อใช้สำหรับการทำ experiments ต่าง ๆ บนแอปพลิเคชัน MoneyThunder รวมถึง backend services อีกด้วย เราสามารถนำแพลตฟอร์มนี้ไปประยุกต์ใช้เพื่อ monitor การขึ้นแอปพลิเคชันเวอร์ชันใหม่ และฟีเจอร์ใหม่เพื่อให้มั่นใจว่ามันจะไม่กระทบกับประสบการณ์การใช้งานของลูกค้า
นอกจากนี้ ในส่วนที่เกี่ยวข้องกับการพัฒนา user experience นั้น เราทำงานร่วมกับ Growth Squad ซึ่งเป็น cross-functional team หรือ “feature team” ที่ประกอบด้วยทีมงานในหลากหลายสาขา ร่วมกันพัฒนาฟีเจอร์ใหม่ ๆ โดยรูปแบบการทำงานใน Growth Squad จะเป็นแนว experiment-driven กล่าวคือ มีขั้นตอนการทำงานที่เริ่มจากการวิเคราะห์ข้อมูลเพื่อหา gap ของ product ที่เราน่าจะทำให้ดีขึ้นได้ สร้างสมมติฐานเกี่ยวกับพฤติกรรมของลูกค้า และระดมสมองเพื่อหาวิธีแก้ไข ก่อนการ implement solutions และ launch เพื่อให้ลูกค้าจริงใช้งานผ่าน experimentation framework โดยเราสามารถติดตามและวัดผลได้ว่าสมมติฐานที่เราตั้งไว้ถูกต้องหรือไม่ และฟีเจอร์ใหม่นี้มี impact มากน้อยเพียงใด learning ที่ได้เหล่านี้ไปใช้สำหรับงานอื่น ๆ ที่เกี่ยวข้องได้ด้วย
ตัวอย่างโปรเจคที่เรามีส่วนร่วม เช่น การปรับปรุงแอปพลิเคชัน MoneyThunder เพื่อพัฒนาประสบการณ์การสมัครสินเชื่อบนมือถือ (loan application funnel) เช่น การอัปโหลดรายการเดินบัญชีธนาคาร การยืนยันตัวตนด้วยบัตรประชาชน
ที่เล่ามาก็จะเป็นภาพรวมการทำงานของทีม AI/ML ที่เป็นส่วนหนึ่งในการพัฒนาแอป MoneyThunder ยังมีทีมงานเบื้องหลังอีกหลายทีมที่ช่วยกันพัฒนาและต่อยอดแอปพลิเคชันจนประสบความสำเร็จในวันนี้ และยังคงมีเป้าหมายต่อไปในการสนับสนุนการเข้าถึงสินเชื่อในระบบเพื่อการยกระดับคุณภาพชีวิตของคนไทยครับ
ทีม AI/ML ใช้ Tools อะไรในการทำงานบ้าง
งานส่วนใหญ่ของเราก็ทำบน GCP ซึ่งใช้เทคโนโลยีหรือเครื่องมือจำพวก serverless (for hosting services), Dataflow, BigQuery, Airflow, Vertex AI / AutoML, Jupyter Notebook, databases (neo4j, Firestore, …), Firebase (for mobile features) ภาษาหลักที่ใช้เป็น Python กับ SQL ครับ
ทีม AI/ML ที่ SCB Abacus ต้องมี skill หรือความรู้เรื่องอะไรบ้าง?
จากที่เล่าไปข้างต้นจะเห็นว่าทีม AI/ML มีโปรเจคหลากหลายประเภท ตั้งแต่ส่วนที่หนักไปทางด้าน system engineering คือ การพัฒนาแพลตฟอร์มสำหรับการพัฒนา ML model และเอาไปใช้ใน production environment และส่วนที่โฟกัสทางด้าน product, machine learning และ data science ที่ทีมเราช่วยวิเคราะห์ข้อมูลเพื่อหาฟีเจอร์ใหม่ ๆ มาพัฒนาประสบการณ์ของลูกค้า MoneyThunder
สำหรับการทำโปรเจคเหล่านี้ แน่นอนว่าต้องมีพื้นฐานทางด้าน AI/ML โดยต้องรู้กระบวนการคร่าว ๆ ว่าเราจะสามารถนำเอา AI/ML ไปใช้จริงในเชิงธุรกิจได้อย่างไร ซึ่งต้องอาศัยความรู้และทักษะทางด้าน AI/ML models, software engineering, data wrangling, data pipelines, analytical skills, A/B testing และ product sense ครับ
มองหาเพื่อนร่วมทีม AI/ML แบบไหน ต้องมี skill set แบบไหนบ้าง?
หลัก ๆ ก็มองหาเพื่อนร่วมงานที่มีความสนใจในเทรนด์ใหม่ของ AI/ML และการนำเอาเทคโนโลยีเหล่านั้นมาสร้างสรรค์ให้เกิดประโยชน์จริงในสังคมหรือธุรกิจครับ ไม่ได้จบอยู่ที่ Kaggle problems หรือการทำแบบฝึกหัดในห้องเรียน และจะยิ่งดีไปใหญ่ถ้ามีความสนใจหรือมีประสบการณ์เกี่ยวกับ product development and user experience ก็จะทำให้เราสามารถเข้าถึงความต้องการของลูกค้าและสร้าง impact ให้กับพวกเขาได้อย่างแท้จริงครับ
เราไม่ได้มองหาแค่ผู้ที่มีประสบการณ์เท่านั้น น้องๆ ที่อาจจะยังไม่ได้มีประสบการณ์มากนัก แต่มีความตั้งใจที่จะเรียนรู้สิ่งใหม่ ๆ เราก็เปิดโอกาสเสมอครับ รับรองว่า น้อง ๆ จะมีโอกาสเรียนรู้และฝึกทักษะใหม่ ๆ จากการลงมือทำงานจริง และพี่ ๆ ในทีมที่พร้อมให้การสนับสนุนอยู่ตลอดเวลาครับ
นอกจากนี้ หากมีความสนใจเรื่องปัญหาของสังคมไทยด้านการเข้าถึงทางบริการทางการเงิน (financial inclusion) ก็ยิ่งทำงานร่วมกันได้อย่างสนุกเลยเพราะมีเป้าหมายเดียวกันครับ
อยากให้ช่วยแนะนำแนวทางหรือเทคนิคในการพัฒนา skill สำหรับ น้อง ๆ หรือผู้ที่สนใจอยากทำงานด้าน AI/ML
สิ่งสำคัญสองอย่างสำหรับคนที่สนใจงานสายนี้ก็คือ การติดตามความรู้ใหม่ ๆ ทางด้าน AI/ML ซึ่งช่วงนี้เปลี่ยนค่อนข้างเร็วมาก และที่สำคัญไปกว่านั้นคือการพยายามคิดหาวิธีนำเอาเทคโนโลยีเหล่านั้นไปใช้กับการทำธุรกิจและสร้างประโยชน์จริงให้กับสังคม
ได้รู้จักทีม AI/ML จากดร.ณัฐ ทั้งในแง่ของโปรเจค รูปแบบการทำงาน รวมถึงเป้าหมายของทีม มากขึ้นแล้ว หากใครสนใจอยากเข้ามาเป็นส่วนหนึ่งของเรา สามารถดูรายละเอียดตำแหน่งที่เปิดรับและสมัครงานได้ผ่าน http://bit.ly/3XFfhY4
🔎 รู้จัก SCB Abacus เพิ่มเติมได้ที่
Website: http://bit.ly/3lvo69b
Facebook: http://bit.ly/3xmxn66
Linkedin: http://bit.ly/3YyFcSc
NATTH BEJRABURNIN, Ph.D.
Natth is the Head of AI/ML at SCB Abacus, where he leads a team to productionize ML models at scale. He also heads the Growth team to establish experimentation and analytics foundations and culture for sustainable product growth.
Before joining SCB Abacus, Natth worked at Facebook in the Feed Ranking team where he contributed to several machine learning projects and gained experience in developing and deploying ML models end-to-end for production use cases. Prior to that, he was a software engineering intern in the Growth Org at Facebook, and also interned with the Amazon Payments team at Amazon.
Natth holds a Bachelor’s degree in Computer Science and Mathematics from Stanford University, an M.A. in Statistics, and a Ph.D. in Mathematics from UC Berkeley. Additionally, he was awarded a bronze medal from IMO 2004 during high school.
