ทำได้ เว็บที่สร้างเองด้วย Claude Code, Codex หรือ Cursor ส่ง PDF รูปใบเสร็จ หรือเอกสาร scan ให้ AI model อ่าน แล้วได้ข้อมูลกลับมาเป็น field ที่กำหนดไว้ เช่น วันที่ ยอดเงิน ชื่อร้าน ได้เลย แต่จะใช้งานจริงได้ต้องมีอีก 3 อย่าง คือกำหนดรูปแบบข้อมูลให้ชัด ใช้ code ตรวจผลที่ AI ส่งกลับมา และให้คนยืนยันก่อนบันทึกลง database ทุกครั้ง
หลายคนคิดว่างานนี้ยากเพราะต้องทำ OCR เอง จริง ๆ แล้ว model รุ่นใหม่อ่านรูปและ PDF ภาษาไทยได้ค่อนข้างดี เรื่องที่ยากกว่าคือทำให้ผลที่ได้เชื่อถือได้ทุกครั้ง บทความนี้จะเล่าตั้งแต่ว่างานแบบไหนเหมาะ ไปจนถึงขั้นตอนทำและเรื่องที่ต้องระวัง
งานแบบไหนเหมาะให้ AI อ่านเอกสาร
งานที่เหมาะที่สุดคืองานที่ทุกวันนี้มีคนนั่งพิมพ์ข้อมูลจากกระดาษหรือ PDF ลง Excel ซ้ำ ๆ เอกสารหน้าตาคล้ายกันทุกรอบ และข้อมูลที่ต้องการมีไม่กี่ช่อง เช่น
- ใบเสร็จและสลิปโอนเงิน ดึงวันที่ ยอดเงิน ชื่อผู้รับ
- ใบแจ้งหนี้จาก supplier ดึงเลขที่เอกสาร รายการสินค้า ยอดรวม VAT
- รายงานผลจากหน่วยงานภายนอกที่ส่งมาเป็น PDF ทุกเดือน
- ใบสมัครหรือ form กระดาษที่ scan เข้ามา
- เอกสารยาวที่อยากให้ AI สรุปหรือตอบคำถามจากเนื้อหา
งานที่ยังไม่ควรให้ AI ทำโดยไม่มีคนดู คืองานที่ตัวเลขผิดแล้วเสียหายทันที เช่น ยอดโอนเงินที่ระบบจะเอาไปอนุมัติเองอัตโนมัติ หรือข้อมูลทางการแพทย์ที่ใช้ตัดสินใจรักษา งานพวกนี้ใช้ AI ช่วยได้ แต่ต้องมีขั้นตอนให้คนตรวจเสมอ
ตัวอย่างจากผลงานคนไทยบนแอปเทพ
มีผลงานหลายชิ้นในแอปเทพที่ใช้ AI อ่านเอกสารหรือข้อความเป็นหัวใจของงาน แต่ละชิ้นแสดงคนละมุม
Personal Dosemeter Monitoring ใช้ Gemini AI ดึงรายชื่อและค่ารังสีจากรายงาน PDF แล้วรวมข้อมูลของบุคคลที่มี Badge ID ต่างกันเข้าด้วยกัน ให้แผนกรังสีดูแนวโน้ม ดูผู้รับรังสีเกินเกณฑ์ และออกรายงานสรุปได้ ชิ้นนี้ให้เห็นว่าการดึงข้อมูลเป็นแค่ขั้นแรก ขั้นที่ทำให้ระบบมีประโยชน์คือการจัดข้อมูลที่ดึงมาให้เป็นระเบียบ เช่น รวมคนเดียวกันที่มีรหัสต่างกัน
คุณโน้ต แยกข้อความที่ส่งผ่าน LINE ออกเป็นงาน นัดหมาย และรายรับรายจ่ายให้อัตโนมัติ และอ่านสลิปโอนเงินหรือใบเสร็จได้ เป็นตัวอย่างของการเอาความสามารถอ่านเอกสารไปไว้ในช่องทางที่ผู้ใช้ใช้อยู่แล้ว ผู้ใช้ไม่ต้องเปิดเว็บใหม่เพื่อ upload
QuickSilver รับบันทึกเป็นข้อความหรือเสียง โดย AI ถอดข้อความให้ผู้ใช้ยืนยันก่อน และสั่งสรุปบันทึกการประชุมเพื่อแก้ไขต่อก่อนส่งให้ทีมหรือลูกค้าได้ หลักคิดเดียวกันใช้กับเอกสารได้ตรง ๆ คือให้ AI ทำร่างแรก แล้วให้คนยืนยันก่อนข้อมูลจะไปต่อ
School RAG Chatbot Demo ค้นข้อมูลจากเอกสารจริงด้วย RAG แล้วใช้ Gemini สร้างคำตอบพร้อมแหล่งอ้างอิง เหมาะกับงานที่ไม่ได้ต้องการดึงตัวเลขออกมา แต่ต้องการให้คนถามคำถามจากเอกสารจำนวนมากได้ การแนบแหล่งอ้างอิงช่วยให้คนเช็กเองได้ว่า AI ไม่ได้แต่งคำตอบ
Novelens.ai ใช้ AI แสดงความสัมพันธ์ระหว่างตัวละครและย่อหนังสือพร้อมภาพประกอบ ชิ้นนี้ให้เห็นว่าข้อมูลที่ดึงออกจากเอกสารยาวไม่จำเป็นต้องเป็นตาราง จะเป็นความสัมพันธ์หรือบทสรุปก็ได้
เลือกวิธีอ่านเอกสารให้ตรงงาน
ก่อนสั่ง AI coding tool ให้เขียน code ควรรู้ก่อนว่าเอกสารของเราเป็นแบบไหน เพราะแต่ละแบบเหมาะกับวิธีต่างกัน
| วิธี | เหมาะกับ | ข้อดี | ข้อจำกัด |
|---|---|---|---|
| ดึง text จาก PDF ด้วย library | PDF ที่สร้างจากโปรแกรม เลือกข้อความได้ | เร็ว ฟรี ไม่ต้องส่งข้อมูลออกนอก server | ใช้กับ scan ไม่ได้ ภาษาไทยบางไฟล์สระลอยหรือเรียงผิด |
| OCR แบบดั้งเดิม | เอกสาร scan ที่ตัวอักษรชัด | ค่าใช้จ่ายต่ำ ทำงานบน server ตัวเองได้ | ได้แค่ข้อความดิบ ต้องเขียน code แยก field เอง ภาษาไทยมักผิดเยอะ |
| AI model ที่อ่านรูปและ PDF ได้ | ใบเสร็จ สลิป form ที่หน้าตาไม่ตายตัว | อ่านและแยก field ได้ในขั้นเดียว เข้าใจบริบท | มีค่าใช้จ่ายต่อครั้ง บางครั้งเดาค่าที่ไม่มีในเอกสาร |
| RAG ค้นจากเอกสารแล้วให้ AI ตอบ | เอกสารยาวหลายร้อยหน้า คู่มือ ระเบียบ | ตอบคำถามได้พร้อมอ้างอิง | ไม่เหมาะกับงานดึงตัวเลขเป็นตาราง ต้องเตรียมแบ่งเอกสารให้ดี |
ถ้าไม่แน่ใจ ส่วนใหญ่เริ่มจาก AI model ที่อ่านรูปและ PDF ได้จะเร็วที่สุด พอระบบนิ่งแล้วค่อยดูว่ามีเอกสารแบบไหนที่ดึง text ด้วย library ได้เลยโดยไม่ต้องจ่ายค่า API
ขั้นตอนทำทีละขั้น
1. เริ่มจากเอกสาร 1 ประเภท
อย่าเริ่มด้วยการทำระบบที่อ่านเอกสารได้ทุกแบบ เลือกมา 1 ประเภทที่เจอบ่อยที่สุด เช่น ใบเสร็จค่าวัตถุดิบ แล้วเก็บตัวอย่างจริงไว้ 20 ถึง 30 ใบ ให้มีทั้งใบที่ชัด ใบที่ถ่ายเอียง ใบที่ยับ และใบที่เขียนด้วยมือ ตัวอย่างชุดนี้คือของที่ใช้ทดสอบตลอดการทำ
2. กำหนด field ให้ชัดก่อนเขียน code
เขียนออกมาเลยว่าต้องการข้อมูลอะไรบ้าง แต่ละช่องเป็นข้อมูลชนิดไหน และถ้าเอกสารไม่มีช่องนั้นให้ตอบอะไร เช่น
``json``
{
"document_date": "YYYY-MM-DD หรือ null",
"vendor_name": "ข้อความ หรือ null",
"total_amount": "ตัวเลข หรือ null",
"vat_amount": "ตัวเลข หรือ null",
"items": [{ "name": "ข้อความ", "qty": "ตัวเลข", "price": "ตัวเลข" }]
}
จุดสำคัญคือต้องบอก AI ว่าถ้าไม่เห็นข้อมูลให้ตอบ null ห้ามเดา ถ้าไม่บอก model มักเติมค่าที่ดูสมเหตุสมผลให้เอง ซึ่งอันตรายกว่าช่องว่าง
3. จัดการ file ก่อนส่งให้ AI
ย่อรูปที่ใหญ่เกินไปให้เหลือขนาดที่ยังอ่านตัวหนังสือออก หมุนรูปให้ตรง ถ้าเป็น PDF หลายหน้าให้ตัดเฉพาะหน้าที่ต้องใช้ ขั้นนี้ช่วยทั้งเรื่องความแม่นและค่าใช้จ่าย เพราะ API ส่วนใหญ่คิดเงินตามขนาดข้อมูลที่ส่งเข้าไป
4. เรียก API จากฝั่ง server เท่านั้น
ห้ามเรียก Claude หรือ Gemini API ตรงจาก browser เพราะ API key จะหลุดให้ใครก็เห็น ให้หน้าเว็บส่ง file ไปที่ backend ของเราก่อน แล้ว backend ค่อยเรียก AI ถ้าใช้ Vercel หรือ Cloudflare ก็ทำเป็น serverless function ได้ ไม่ต้องมี server ของตัวเอง
5. ตรวจผลด้วย code ไม่ใช่ด้วยความรู้สึก
ข้อมูลที่ AI ส่งกลับมาต้องผ่านการตรวจก่อนเสมอ เช่น
- เป็น JSON ที่ถูกรูปแบบไหม มีครบทุก field ไหม
- ยอดรวมของรายการสินค้าตรงกับ total_amount ไหม
- วันที่อยู่ในช่วงที่เป็นไปได้ไหม ระวังเรื่อง พ.ศ. กับ ค.ศ. ที่ AI แปลงสลับกันบ่อย
- ตัวเลขติดลบหรือใหญ่ผิดปกติไหม
ถ้าข้อไหนไม่ผ่าน ให้ทำเครื่องหมายว่าต้องตรวจ แทนที่จะบันทึกไปเงียบ ๆ
6. ให้คนยืนยันก่อนบันทึก
ทำหน้าจอแสดงรูปเอกสารต้นฉบับคู่กับ form ที่ AI กรอกให้แล้ว ให้ผู้ใช้แก้ช่องที่ผิดและกดยืนยัน วิธีนี้ทำให้งานที่เคยพิมพ์เองทั้งใบเหลือแค่ตรวจทาน และยังได้ข้อมูลว่า AI ผิดตรงไหนบ่อย เอาไปปรับ prompt ต่อได้
ทำให้แม่นขึ้นโดยไม่ต้องเปลี่ยน model
- ใส่ตัวอย่างเอกสารพร้อมคำตอบที่ถูกต้อง 1 ถึง 2 ชุดไว้ใน prompt
- บอกชื่อเรียกอื่นของ field เช่น ยอดสุทธิ รวมทั้งสิ้น Total ให้ถือว่าเป็นช่องเดียวกัน
- ให้ AI ตอบระดับความมั่นใจของแต่ละ field แล้วไฮไลต์ช่องที่ความมั่นใจต่ำบนหน้าจอยืนยัน
- เก็บ file ต้นฉบับไว้คู่กับข้อมูลที่ดึงได้เสมอ วันหลังมีข้อสงสัยจะย้อนดูได้
- รันชุดตัวอย่าง 20 ถึง 30 ใบทุกครั้งที่แก้ prompt เพื่อดูว่าแก้ใบหนึ่งแล้วใบอื่นพังหรือเปล่า
เรื่องที่ต้องระวัง
เรื่องแรกคือข้อมูลส่วนบุคคล ใบเสร็จ สลิป และเอกสารภายในมักมีชื่อ เลขบัญชี หรือข้อมูลสุขภาพ เมื่อส่งไปให้ AI API ก็คือส่งข้อมูลออกไปนอกระบบของเรา ควรอ่านเงื่อนไขการเก็บข้อมูลของผู้ให้บริการ แจ้งผู้ใช้ใน privacy policy และตัดข้อมูลที่ไม่จำเป็นออกก่อนส่งถ้าทำได้
เรื่องที่สองคือค่าใช้จ่าย การอ่านเอกสาร 1 ใบอาจถูกมาก แต่ถ้าเปิดให้คนทั่วไป upload ได้ไม่จำกัด อาจมีคนส่ง file เป็นพันใบในวันเดียว ควรมีระบบ login จำกัดจำนวนครั้งต่อวัน และจำกัดขนาด file ตั้งแต่แรก
เรื่องที่สามคือสลิปปลอม AI อ่านได้ว่าในรูปเขียนยอดเท่าไร แต่บอกไม่ได้ว่าสลิปนั้นมีการโอนจริง ถ้างานเกี่ยวกับการรับเงิน ต้องใช้บริการตรวจสลิปที่เช็กกับธนาคาร ไม่ใช่เชื่อแค่สิ่งที่ AI อ่านจากรูป
ตัวอย่าง prompt สั่ง AI coding tool
ถ้าใช้ Claude Code หรือ Cursor ลองเริ่มแบบนี้
``text``
ทำหน้าเว็บให้ผู้ใช้ upload รูปใบเสร็จหรือ PDF ได้ครั้งละ 1 file ไม่เกิน 5 MB
ฝั่ง server ส่ง file ให้ AI model อ่าน แล้วตอบกลับเป็น JSON ตาม schema นี้ [แปะ schema]
ถ้าไม่เห็นข้อมูลช่องไหนให้ตอบ null ห้ามเดา
ตรวจผลด้วย code: ยอดรวมรายการต้องเท่ากับ total_amount วันที่ต้องเป็น ค.ศ.
แสดงรูปต้นฉบับคู่กับ form ให้ผู้ใช้แก้และกดยืนยันก่อนบันทึกลง database
API key เก็บใน environment variable ฝั่ง server เท่านั้น
แล้วค่อยเอาใบเสร็จตัวอย่างจริงมาทดสอบทีละใบ บอก AI ว่าใบไหนผิดช่องไหน ให้มันปรับ prompt และ code จนผ่านทั้งชุด
สรุป
ให้ AI ดึงข้อมูลจากเอกสารในเว็บที่สร้างเองเป็นงานที่คนทำคนเดียวเริ่มได้จริง สิ่งที่ทำให้ใช้งานได้จริงไม่ได้อยู่ที่ model ตัวไหนเก่งที่สุด แต่อยู่ที่ระบบรอบ ๆ คือ field ที่ชัด การตรวจด้วย code หน้าจอให้คนยืนยัน และการเก็บต้นฉบับไว้ตรวจย้อนหลัง เริ่มจากเอกสาร 1 ประเภทที่เสียเวลาพิมพ์มากที่สุด ทำให้แม่นก่อน แล้วค่อยขยายไปเอกสารแบบอื่น
