หนี้ครัวเรือนไทย ณ ไตรมาส 1 ปี 2568 อยู่ที่ 16.35 ล้านล้านบาท หรือ 87.4% ของ GDP และ NPL รวมทั้งระบบยังคงอยู่ที่กว่า 1.2 ล้านล้านบาท ตัวเลขเหล่านี้ไม่ได้บอกว่าคนไทยไม่อยากจ่ายหนี้ แต่บอกว่าระบบสินเชื่อยังมีช่องว่างที่แก้ได้ กระบวนการสินเชื่อแบบเดิมใช้เวลาตั้งแต่ 30
วันขึ้นไปในการอนุมัติ แต่งานวิจัยจากหลายแหล่งชี้ว่าเมื่อนำ AI มาใช้ในแต่ละขั้นตอนเวลาลดลงเหลือไม่กี่ชั่วโมงสำหรับเคสมาตรฐาน
บทความนี้อธิบาย 5 โมดูลของระบบ End-to-End Lending ที่เปลี่ยนแต่ละขั้นตอนของกระบวนการสินเชื่อได้จริงพร้อมข้อมูลที่มาจากสถาบันการเงินที่นำไปใช้แล้ว
ทำไมกระบวนการสินเชื่อถึงช้า
ก่อนพูดถึงวิธีแก้ ต้องเข้าใจว่าปัญหาอยู่ที่ไหน กระบวนการสินเชื่อในองค์กรส่วนใหญ่ไม่ได้ช้าเพราะคนทำงาน แต่ช้าเพราะแต่ละขั้นตอนทำงานแยกกัน ข้อมูลไม่ไหลต่อกันเจ้าหน้าที่ต้องรวบรวมเอกสารด้วยมือ ระบบประเมินเครดิตไม่ได้ดึงข้อมูลแบบเรียลไทม์และการติดตามหนี้ยังใช้วิธีโทรถามตามรายชื่อโดยไม่มีการจัดลำดับความสำคัญ ผลที่ตามมาคือเวลาที่ใช้ไปโดยไม่จำเป็นต้นทุนการดำเนินงานที่สูงและโอกาสที่หนี้กลายเป็น NPL ก่อนที่ระบบจะรู้ตัว
5 โมดูลที่เลือกใช้ได้ตามความต้องการ หรือครบวงจรในที่เดียว
แต่ละโมดูลออกแบบมาให้ทำงานได้อิสระ องค์กรสามารถเริ่มจากโมดูลที่แก้ปัญหาเร่งด่วนที่สุดก่อน แล้วขยายเพิ่มได้ตามความพร้อมโดยไม่ต้องรื้อระบบเดิมที่มีอยู่แล้ว สำหรับองค์กรที่ต้องการครบวงจรทั้ง 5 โมดูลพร้อมให้เชื่อมกันได้ให้ข้อมูลไหลอัตโนมัติและผู้บริหารเห็นภาพรวมเดียวกันในเวลาจริง
1. ระบบขอสินเชื่อ จากเอกสารกองโต สู่การตัดสินใจในไม่กี่นาที (Loan Origination System)
ขั้นตอนแรกของสินเชื่อคือการรับคำขอและนี่คือจุดที่ใช้เวลามากที่สุดในกระบวนการแบบเดิม เจ้าหน้าที่ต้องรวบรวมเอกสาร กรอกข้อมูลซ้ำ ตรวจสอบความถูกต้อง และส่งต่อไปยังทีมประเมินเครดิต AI เปลี่ยนขั้นตอนนี้โดยอ่านเอกสารอัตโนมัติ ดึงข้อมูลรายได้ ตรวจหาความไม่สอดคล้อง และแจ้งเตือนกรณีเอกสารไม่ครบทันที สำหรับเคสมาตรฐาน งานวิจัยชี้ว่าเวลาตรวจสอบเอกสารลดจาก 3-5 วันทำการเหลือไม่ถึง 2 ชั่วโมง สิ่งที่ได้ไม่ใช่แค่ความเร็วแต่คือความสม่ำเสมอของการตัดสินใจและเส้นทางการตรวจสอบที่ครบถ้วนทุกขั้นตอน
2. ระบบบริหารสินเชื่อ มองเห็นพอร์ตสินเชื่อทั้งหมดแบบเรียลไทม์ (Loan Management System)
หลังการอนุมัติ งานจริงเพิ่งเริ่มต้น การติดตามการชำระ คำนวณดอกเบี้ย ปรับโครงสร้างหนี้ และออกใบแจ้งยอดล้วนต้องการข้อมูลที่ถูกต้องในเวลาจริง ปัญหาของระบบเดิมคือข้อมูลแต่ละส่วนอยู่คนละฐานข้อมูล ทำให้ผู้บริหารไม่เห็นภาพรวมและเจ้าหน้าที่ต้องใช้เวลากับงานด้วยมือมากเกินไป สินเชื่อ Stage 2 ของระบบธนาคารพาณิชย์ไทยยังอยู่ที่ 7.07% ณ ไตรมาส 4 ปี 2568 ซึ่งหมายความว่ามีลูกหนี้จำนวนมากที่กำลังเริ่มมีสัญญาณเตือนแต่ยังไม่กลายเป็น NPL ระบบที่ดีต้องเห็นสัญญาณนั้นก่อนไม่ใช่หลังจากที่หนี้ค้างไปแล้ว 90 วัน
3. ระบบบริหารสินเชื่อเช่าซื้อ ติดตามสินเชื่อรถยนต์ที่มีหนี้เสียเกือบ 20% (Hire Purchase)
ข้อมูลจากเครดิตบูโร ณ ไตรมาส 1 ปี 2569 ชี้ว่าสินเชื่อรถยนต์บางกลุ่มมีสัดส่วนหนี้เสียเกือบ 20% ซึ่งสูงกว่าค่าเฉลี่ยของระบบมาก ปัญหาไม่ได้อยู่ที่คุณภาพลูกหนี้เสมอไป แต่อยู่ที่การติดตามที่ไม่ทันเหตุการณ์และกระบวนการเมื่อเกิดการผิดนัดที่ยังช้าและซับซ้อน ระบบบริหารสินเชื่อเช่าซื้อที่ดีต้องติดตามการชำระแต่ละงวดแบบอัตโนมัติ คำนวณดอกเบี้ยค้างชำระและค่าปรับได้ถูกต้องและเริ่มกระบวนการแจ้งเตือนก่อนที่จะผิดนัด ไม่ใช่หลังจากผิดนัดไปแล้ว
4. ระบบติดตามหนี้ด้วย AI โทรหาคนที่ใช่ ในเวลาที่ใช่ ด้วยวิธีที่ใช่ (AI Debt Collection)
นี่คือโมดูลที่ AI สร้างความแตกต่างได้มากที่สุดและเป็นจุดที่ระบบแบบเดิมอ่อนแอที่สุด การทวงหนี้แบบเดิมใช้วิธีโทรตามรายชื่อโดยไม่มีการจัดลำดับความสำคัญ ทีมงานใช้เวลาเท่ากับลูกหนี้ที่กำลังจะจ่ายเอง และลูกหนี้ที่ต้องการความช่วยเหลือในการปรับโครงสร้าง AI วิเคราะห์พฤติกรรมการชำระในอดีต การตอบสนองต่อการติดต่อแต่ละช่องทางและสัญญาณที่บ่งบอกว่าลูกหนี้รายนี้ควรได้รับการติดต่อเมื่อไหร่ และด้วยข้อเสนออะไร ข้อมูลตามสถิติชี้ว่า AI ช่วยลดการติดตามที่ไม่จำเป็นลงได้ 35% ในไตรมาสแรก ซึ่งหมายความว่าทีมงานใช้เวลากับเคสที่มีโอกาสประสบความสำเร็จสูงกว่า นอกจากนี้ระบบยังต้องรองรับกระบวนการทางกฎหมายที่โปร่งใสและมีเส้นทางการตรวจสอบครบถ้วน ตามข้อกำหนดของ ธปท.
5. ระบบบริหารสินทรัพย์ด้อยคุณภาพ บริหาร 536,000 ล้านบาทให้มีประสิทธิภาพ (Non-Performing Loan / Non-Performing Asset Management)
เมื่อบัญชีกลายเป็นหนี้เสียและสินทรัพย์ถูกยึด งานยังไม่จบ แต่กลับซับซ้อนขึ้นมาก ธปท. รายงานว่าหนี้เสียรวม ณ ไตรมาส 4 ปี 2568 อยู่ที่ 536,000 ล้านบาท ซึ่งส่วนหนึ่งถูกโอน ให้บริษัทบริหารสินทรัพย์ดำเนินการต่อ สำหรับบริษัทบริหารสินทรัพย์ ความท้าทายไม่ใช่แค่การติดตามหนี้ แต่คือการบริหารพอร์ตสินทรัพย์หลายประเภทพร้อมกัน ทั้งสินทรัพย์ที่รอการประมูล สินทรัพย์ที่อยู่ระหว่างกระบวนการทางกฎหมาย และบัญชีที่กำลังเจรจาปรับโครงสร้างหนี้ เพื่อลดสินทรัพย์ด้อยคุณภาพให้ได้น้อยที่สุด
ระบบที่รองรับงานนี้ได้จริงต้องทำได้ครบ 4 อย่าง
- ประการแรก ติดตามสถานะของสินทรัพย์แต่ละชิ้น ว่าอยู่ในขั้นตอนไหนของกระบวนการ และใครรับผิดชอบในแต่ละขั้นตอน
- ประการที่สอง คำนวณมูลค่าตลาดและการด้อยค่า เพื่อให้ผู้บริหารตัดสินใจได้ว่าควรเร่งขาย หรือรอเวลาที่เหมาะสมกว่า
- ประการที่สาม บริหารกระบวนการประมูล และการชำระหนี้ให้ครบถ้วนและตรวจสอบได้ ตามข้อกำหนดของหน่วยงานกำกับดูแล
- ประการสุดท้าย รายงานต่อผู้บริหาร นักลงทุน และหน่วยงานกำกับดูแล ได้ในเวลาจริง ไม่ใช่รายงานรายเดือนที่ล้าสมัยไปแล้วก่อนที่จะถูกนำไปใช้
บทสรุป
กระบวนการสินเชื่อไทยไม่ได้มีปัญหาเพราะคนทำงานไม่เก่ง แต่เพราะระบบที่ใช้ถูกออกแบบมาสำหรับยุคอื่น AI และระบบ End-to-End Lending ไม่ได้มาแทนที่การตัดสินใจของมนุษย์ในเคสที่ซับซ้อน แต่มาแทนที่งานด้วยมือที่กินเวลาและทำให้ทีมงานมีเวลาไปกับงานที่ต้องการการตัดสินใจจริงๆ
ระบบธนาคารไทยมีความแข็งแกร่งพอที่จะรับมือกับความท้าทายเหล่านี้ แต่ต้องการเครื่องมือที่เหมาะสมและพันธมิตรที่เข้าใจบริบทไทยจริงๆ
TBN Corporation พัฒนา End-to-End Lending Solution ที่ครอบคลุมทั้ง 5 โมดูล องค์กรเลือกเริ่มจากโมดูลที่ต้องการ หรือใช้ครบทั้งหมดในที่เดียวก็ได้บนแพลตฟอร์ม Low-Code สำหรับสถาบันการเงินไทยโดยเฉพาะ
