จาก Real-time Data สู่ AI-driven Action ด้วย Confluent Cloud [Guest Post]

ในยุคที่องค์กรมีข้อมูลเกิดขึ้นตลอดเวลา ไม่ว่าจะเป็นธุรกรรม คำสั่งซื้อ หรือพฤติกรรมลูกค้า ความท้าทายไม่ใช่เพียงการรวบรวมข้อมูล แต่คือการนำข้อมูลมาวิเคราะห์และตอบสนองต่อสถานการณ์ได้ในทันที

Confluent Cloud คือแพลตฟอร์ม Data Streaming แบบ Fully Managed ที่ช่วยเชื่อมต่อระบบต่าง ๆ และประมวลผลข้อมูลอย่างต่อเนื่อง และยังมี Confluent Flink และ Confluent Intelligence ที่ช่วยให้ข้อมูล Real-time สามารถสนับสนุนการตัดสินใจและเพิ่มประสิทธิภาพการดำเนินงานได้รวดเร็วยิ่งขึ้น

Confluent Cloud ทำงานอย่างไร?

เพื่อให้องค์กรสามารถนำข้อมูลไปใช้ประโยชน์ได้อย่างเต็มประสิทธิภาพ Confluent Cloud มีความสามารถครอบคลุมตั้งแต่การส่งต่อข้อมูลระหว่างระบบ การเชื่อมต่อกับแหล่งข้อมูลต่าง ๆ การประมวลผลข้อมูลแบบ Real-time ไปจนถึงการกำกับดูแลข้อมูล เป็น SaaS ที่มีครบจบในที่เดียว โดยแบ่งออกเป็น 4 ด้านหลัก ได้แก่

• Stream: ส่งต่อข้อมูลระหว่างระบบอย่างต่อเนื่องเมื่อมีเหตุการณ์เกิดขึ้น โดยไม่ต้องรอการอัปเดตตามรอบเวลา
• Connect: เชื่อมต่อฐานข้อมูล แอปพลิเคชัน และบริการ Cloud ผ่าน Pre-built Connectors เพื่อแลกเปลี่ยนข้อมูลระหว่างระบบ ช่วยให้ทีม Developer สามารถสร้าง Connectivity กับระบบต่าง ๆ ได้รวดเร็วยิ่งขึ้น
• Process: ใช้ Confluent Flink ประมวลผลและวิเคราะห์ข้อมูลที่ไหลเข้ามา เช่น การคำนวณจำนวนธุรกรรมหรือการตรวจจับความผิดปกติ
• Govern: ช่วยจัดการโครงสร้างและกำกับดูแลข้อมูล เพื่อรักษาความสอดคล้องและความน่าเชื่อถือ

เพื่อเชื่อมต่อความสามารถด้าน Data Streaming เข้ากับ AI ทาง Confluent ได้นำเสนอ Confluent Intelligence ซึ่งเป็นชุดความสามารถบน Confluent Cloud ที่ช่วยให้สามารถประมวลผลข้อมูลด้วย AI/ML สร้าง AI Agents ที่ทำงานกับข้อมูล Real-time และให้ AI เข้าถึงข้อมูลประกอบที่ทันสมัย เพื่อสนับสนุนการวิเคราะห์และการตัดสินใจ โดยมีความสามารถหลัก ได้แก่

• AI/ML Functions: ประมวลผลข้อมูลด้วย AI/ML เช่น การคาดการณ์ การตรวจจับความผิดปกติ และการวิเคราะห์ข้อมูล
• Streaming Agents: ช่วยให้ AI Agents ทำงานกับข้อมูลที่ไหลเข้ามาอย่างต่อเนื่อง วิเคราะห์เหตุการณ์ และเรียกใช้เครื่องมือที่เชื่อมต่อไว้เพื่อดำเนินการตามเงื่อนไขที่กำหนด
• Real-Time Context Engine: ช่วยให้ AI Agents เข้าถึงข้อมูลล่าสุดจาก Kafka Topics ผ่าน Model Context Protocol (MCP) เพื่อใช้เป็นข้อมูลประกอบการวิเคราะห์และตัดสินใจ

ตัวอย่างการทำงาน: Food Delivery Demo โดย MFEC

ภายในงาน Confluent Data Streaming World Tour 2026: Bangkok ซึ่งจัดขึ้นเมื่อวันที่ 16 กรกฎาคม 2569 ณ โรงแรม The St. Regis Bangkok ทีม MFEC ได้นำเสนอ Demo จำลองธุรกิจ Food Delivery เพื่อแสดงการทำงานร่วมกันของ Confluent Cloud, Confluent Flink และ AI Agents

Demo จำลองสถานการณ์ Order Surge เมื่อคำสั่งซื้อเพิ่มขึ้นผิดปกติ และ Order Drop เมื่อคำสั่งซื้อลดลงอย่างกะทันหัน โดยมีขั้นตอนดังนี้

1. Stream & Process Data: ข้อมูลคำสั่งซื้อถูกส่งเข้าสู่ Confluent Cloud อย่างต่อเนื่อง และ Confluent Flink ประมวลผลจำนวนคำสั่งซื้อแยกตามร้าน พื้นที่ และช่วงเวลา
2. Detect: นำยอดสั่งซื้อล่าสุดมาเปรียบเทียบกับยอดสั่งซื้อปกติ หากพบว่าบางพื้นที่มียอดสั่งซื้อสูงกว่าค่าปกติมาก หรือบางร้านมียอดสั่งซื้อลดลงผิดปกติ ระบบจะตรวจจับเป็น Order Surge หรือ Order Drop ตามลำดับ
3. Enrich Context: เมื่อพบความผิดปกติ ระบบจะรวบรวมข้อมูลที่เกี่ยวข้องอื่น ๆ เช่น สภาพอากาศ ข้อมูลร้านค้า และโปรโมชั่น พร้อมค้นหาข้อมูลจาก Knowledge Base เพื่อให้ AI Agent มีข้อมูลประกอบการวิเคราะห์มากขึ้น
4. Analyze & Take Action: AI Agent จะนำข้อมูลความผิดปกติ (Anomaly) ข้อมูลประกอบของสถานการณ์ (Context) และแนวทางจาก Knowledge Base มาวิเคราะห์ร่วมกัน เพื่อเลือก Action ที่เหมาะสมกับเหตุการณ์ เช่น เสนอ Incentive ให้ไรเดอร์ หรือมอบคูปองกระตุ้นยอดขาย ผ่านเครื่องมือที่เชื่อมต่อด้วย MCP ตามเงื่อนไขที่กำหนด พร้อมบันทึกผลลัพธ์กลับสู่ Confluent Cloud

จากข้อมูลสู่การตอบสนองทางธุรกิจ

Demo ของ MFEC แสดงให้เห็นว่าการผสาน Data Streaming, Real-time Processing และ AI ช่วยให้องค์กรตรวจจับความเปลี่ยนแปลง วิเคราะห์สถานการณ์ และตอบสนองได้อย่างรวดเร็วยิ่งขึ้น

แนวทางนี้สามารถนำไปพิจารณาประยุกต์ใช้กับธุรกิจค้าปลีก โลจิสติกส์ การเงิน และอุตสาหกรรมอื่น ๆ ตามความพร้อมของระบบและข้อมูล

Confluent Cloud จึงเป็นรากฐานในการเปลี่ยนข้อมูล Real-time ให้เป็นการตอบสนองทางธุรกิจด้วย AI หรือ AI-driven Action