ก้าวใหม่ของ Walmart: จาก Data สู่ Action ด้วย AI

EN

ในธุรกิจค้าปลีกที่มีข้อมูลเกิดขึ้นในทุกขั้นตอน ตั้งแต่ยอดขาย พฤติกรรมลูกค้า สินค้าในคลัง ไปจนถึงข้อมูลระดับ Store ความท้าทายขององค์กรในปัจจุบันอาจไม่ได้อยู่ที่การมีข้อมูลอีกต่อไป แต่อยู่ที่การทำให้ข้อมูลเหล่านั้นนำไปใช้เพื่อการตัดสินใจได้จริง แม้ Dashboard และ Analytics จะช่วยให้ธุรกิจมองเห็น Performance ได้ชัดเจนขึ้น แต่ในหลายองค์กร ผู้ใช้งานยังต้องค้นหาข้อมูลจากหลายระบบ เปิด Report หลายชุด และวิเคราะห์ตัวเลขด้วยตัวเองก่อนจะตอบคำถามสำคัญว่า “เกิดอะไรขึ้น และควรทำอะไรต่อ?” ล่าสุด Walmart กำลังพยายามลดช่องว่างนั้นผ่าน Scintilla ซึ่งเป็น Commerce Intelligence Platform ของ Walmart Data Ventures ที่พัฒนาให้ Data, AI และ Business Workflow ทำงานเชื่อมต่อกันมากขึ้น

นี่จึงเป็นอีกก้าวสำคัญของ Data & AI ในองค์กร จากการทำให้ธุรกิจจากข้อมูลที่เห็น ไปสู่การทำให้ข้อมูลนั้น ช่วยคิดและขับเคลื่อนการตัดสินใจ

เป้าหมายการพัฒนาครั้งนี้ไม่ใช่เพียงการเพิ่มข้อมูลหรือสร้าง Dashboard ให้มากขึ้น แต่คือการทำให้ AI ช่วยค้นหา Insight ระบุสิ่งที่ควรให้ความสนใจ และเชื่อมต่อไปยัง Action ที่เกิดขึ้นจริงในธุรกิจ เพราะในโลกที่ทุกองค์กรมี Data มากขึ้นเรื่อย ๆ ความได้เปรียบอาจไม่ได้อยู่ที่ว่า “ใครมี Data มากกว่า” แต่อยู่ที่ว่า “ใครเปลี่ยน Data ให้กลายเป็น Action ได้เร็วกว่า”

จาก Data Analytics สู่ AI ที่ช่วยตัดสินใจ

Scintilla พัฒนาต่อยอดจาก Walmart Luminate สู่การเป็น Intelligence Ecosystem สำหรับ Supplier และ Walmart Merchant โดยเชื่อม Walmart first-party data เข้ากับข้อมูลด้าน Customer, Product, Store และ Business Performance

แต่ก้าวสำคัญในปี 2025–2026 คือการขยับจากแพลตฟอร์มที่ช่วยให้ “เข้าถึงและวิเคราะห์ Data” ไปสู่ Commerce Intelligence Platform ที่ไม่ได้หยุดอยู่แค่การแสดงข้อมูล แต่พยายามเชื่อม Data + Intelligence + Workflow เข้าด้วยกัน

หนึ่งในตัวอย่างคือ Scintilla Boards ที่รวบรวม Metrics และ Signals สำคัญไว้ในมุมมองเดียว ทำให้ผู้ใช้งานเห็นภาพรวมของธุรกิจได้เร็วขึ้น โดยไม่ต้องเสียเวลาประกอบข้อมูลจากหลาย Reports ด้วยตัวเอง เช่น New Item Tracker ที่นำข้อมูลซึ่งเคยกระจายอยู่ในหลาย Reports มารวมไว้ในมุมมองเดียว

แนวคิดนี้สะท้อน Pain Point สำคัญของ Enterprise Analytics ได้อย่างชัดเจน เพราะการมี Data และ Reports มากขึ้น ไม่ได้แปลว่าธุรกิจจะตัดสินใจได้เร็วขึ้นเสมอไป

คำถามจึงไม่ใช่แค่ “เรามีข้อมูลอะไร?” แต่คือ “ข้อมูลนี้กำลังบอกอะไร และเราควรทำอะไรต่อ?”

และนี่คือจุดที่ AI เริ่มเข้ามามีบทบาท

Walmart กำลังนำ AI เข้าไปใช้งานในหลายส่วนของ Scintilla ตั้งแต่การวิเคราะห์ Performance การตรวจจับการเปลี่ยนแปลงของ Customer Behavior ไปจนถึงการสรุปข้อมูลจาก Customer Research ขณะเดียวกัน Marty for Scintilla ทำหน้าที่เป็น AI Assistant ที่ช่วยให้ผู้ใช้งานค้นหาและทำความเข้าใจ Metrics, Features และ Capabilities ภายในแพลตฟอร์มผ่านภาษาธรรมชาติได้ง่ายขึ้น

อีกตัวอย่างคือ AI Insights ใน Scintilla Customer Perception ที่สามารถสร้าง Survey Summary และ Highlight Key Findings จากข้อมูลการวิจัยตามคำถามและ Research Objectives ที่กำหนดไว้ โดย Insight ยังสามารถเชื่อมกลับไปยัง Survey Question และ Supporting Data ได้ ทำให้ผู้ใช้งานไม่เพียงเห็น “คำตอบ” แต่ยังสามารถย้อนกลับไปดูที่มาของ Insight ได้ด้วย

สิ่งที่เปลี่ยนไปจึงไม่ใช่แค่การทำให้ “ดูข้อมูลได้ง่ายขึ้น” แต่คือการเปลี่ยนบทบาทของ AI ให้เข้ามาช่วย ทำความเข้าใจข้อมูลและลดขั้นตอนระหว่าง Data กับ Decision

จากเดิมที่ผู้ใช้งานต้องใช้เวลาไปกับการค้นหา เปิด Reports และเตรียมข้อมูล วันนี้ AI กำลังเข้ามาช่วยทำงานในขั้นตอนเหล่านั้น เพื่อให้คนสามารถใช้เวลากับสิ่งที่มีมูลค่ามากกว่า นั่นคือ การวิเคราะห์ ตีความ และตัดสินใจ

และนี่อาจเป็นบทเรียนสำคัญสำหรับองค์กรที่กำลังมองหาโอกาสในการนำ AI มาใช้ เพราะการทำ AI ให้เกิด Business Value ไม่ได้จบที่การเลือก Model ที่เก่งที่สุด หรือสร้างระบบที่สามารถตอบคำถามได้

แต่คำถามที่สำคัญกว่าคือ AI จะเชื่อมต่อกับ Data ระบบ และ Workflow ที่มีอยู่เดิมอย่างไร เพื่อเปลี่ยน Intelligence ให้กลายเป็น Action ที่เกิดขึ้นจริงในธุรกิจ

เมื่อ AI เปลี่ยน Insight ให้เป็น Action

เมื่อระบบพบว่ายอดขายสินค้ากลุ่มหนึ่งกำลังลดลง คำถามสำคัญไม่ได้จบอยู่ที่การหาสาเหตุว่าเกิดจาก Inventory, Customer Behavior, Pricing หรือปัจจัยอื่น แต่คือ “แล้วเราควรทำอะไรต่อ?”

นี่คือทิศทางที่ Walmart กำลังผลักดันให้ Scintilla ก้าวไปไกลกว่าการเป็นเครื่องมือวิเคราะห์ข้อมูล โดยมีการพัฒนา Scintilla Opportunities เพื่อช่วยตรวจจับ Anomalies, Surface Insights และ Recommend Actions รวมถึง Custom Alerts ที่ช่วยให้ผู้ใช้งานติดตาม Metrics หรือการเปลี่ยนแปลงที่สำคัญต่อธุรกิจได้อย่างทันท่วงที จากเดิมที่ Analytics ทำหน้าที่บอกว่า “เกิดอะไรขึ้น” ระบบกำลังขยับไปสู่การช่วยตอบว่า “เรื่องไหนควรให้ความสนใจ และอาจทำอะไรต่อได้บ้าง”

ตัวอย่างเช่น หากระบบพบว่าสินค้าสำคัญมีความเสี่ยงที่จะ Out of Stock ในหลาย Stores การเชื่อม Insight เข้ากับ Replenishment Workflow อาจช่วยลดช่องว่างระหว่าง การค้นพบปัญหา → การตัดสินใจ → การลงมือแก้ไข

นี่คือหัวใจสำคัญของ Enterprise AI เพราะคุณค่าของ Intelligence ไม่ได้เกิดขึ้นเพียงเมื่อระบบ “ให้คำตอบ” ได้ แต่เกิดขึ้นเมื่อ Insight สามารถเชื่อมต่อไปสู่ Action ที่เกิดขึ้นจริงในกระบวนการทำงาน

เมื่อมองจากมุมนี้ AI จึงไม่ได้เป็นเพียง Technology Layer ที่นำมาเติมบนระบบเดิม แต่กำลังกลายเป็น ส่วนหนึ่งของการออกแบบ Workflow ใหม่ เพื่อให้ธุรกิจค้นพบปัญหาได้เร็วขึ้น ตัดสินใจได้ดีขึ้น และเปลี่ยน Insight ให้กลายเป็น Action ได้เร็วกว่าเดิม

เมื่อ AI ไม่ได้อยู่แค่บนจอ แต่ไปถึงหน้าร้าน

ในเดือนกุมภาพันธ์ 2026 Walmart ได้เปิดตัว Scintilla In-Store สำหรับ Supplier Field Representatives โดยรวมข้อมูล Store, Product, Inventory และ Task ต่าง ๆ ไว้ใน Application เดียว เพื่อให้ Field Representatives สามารถนำข้อมูลไปใช้ระหว่างการปฏิบัติงานจริงใน Store ได้ Walmart ยังระบุถึงการพัฒนา AI-powered Recommendations และ Prioritization เพื่อช่วยให้ Field Representatives มองเห็นว่าเรื่องใดควรได้รับความสนใจเป็นลำดับแรก

จุดนี้ทำให้เห็นว่า AI ใน Retail กำลังขยับออกจากการเป็นเครื่องมือที่ใช้เฉพาะสำหรับการวิเคราะห์ข้อมูลหลังบ้าน ไปสู่การเป็นส่วนหนึ่งของ Operations ที่เกิดขึ้นในพื้นที่จริง

และสำหรับธุรกิจค้าปลีก ข้อมูลจาก Store สามารถสะท้อนกลับเข้าสู่ระบบได้ตลอดเวลา ไม่ว่าจะเป็นยอดขาย สินค้าคงคลัง สถานะของสินค้า หรือผลจากการดำเนินงานของทีม เมื่อข้อมูลเหล่านี้ถูกนำกลับมาใช้ในการวิเคราะห์และตัดสินใจ ระบบจึงไม่ได้ทำหน้าที่เพียง “รายงาน” สิ่งที่เกิดขึ้น แต่สามารถสนับสนุนการทำงานในรอบถัดไปได้ด้วย

สิ่งที่น่าสนใจจาก Scintilla จึงไม่ใช่เพียงการนำ AI มาใส่ใน Analytics Platform แต่คือความพยายามของ Walmart ในการลดระยะห่างระหว่าง Insight กับการลงมือทำจริง และในบริบทของ Retail ความท้าทายนี้ยิ่งชัดเจน เพราะข้อมูลที่มีคุณค่าไม่ได้อยู่เฉพาะในระบบหลังบ้าน แต่อยู่ในพื้นที่ที่ลูกค้า สินค้า และพนักงานกำลังปฏิบัติงานจริงด้วย การทำให้ Intelligence เดินทางไปถึงจุดนั้นจึงเป็นอีกขั้นสำคัญของการนำ AI มาใช้ในธุรกิจ

จาก Intelligence สู่ Action

สิ่งที่ Walmart กำลังทำกับ Scintilla จึงสะท้อนโจทย์ที่ Retailer หลายองค์กรกำลังเผชิญ ไม่ว่าจะเป็นการจัดการข้อมูลจำนวนมาก การทำความเข้าใจพฤติกรรมลูกค้า การบริหาร Inventory หรือการทำให้ทีมหน้าร้านสามารถตอบสนองต่อสถานการณ์ได้เร็วขึ้น

สำหรับ Sertis โจทย์เหล่านี้ไม่ได้เริ่มต้นจาก Technology แต่เริ่มจากการทำความเข้าใจ Business Objective และ Business Problem ก่อน แล้วจึงเลือก Data และ AI ที่เหมาะสมกับกระบวนการทำงานของแต่ละองค์กร ซึ่งเป็นแนวทางที่ Sertis ระบุไว้ในกระบวนการทำงานด้าน AI และ Data ของบริษัท

ในด้าน Retail Sertis มีโซลูชันที่ครอบคลุมตั้งแต่ Demand Forecasting, Customer Analytics, Product Recommendation, Personalization และ Inventory Optimization ไปจนถึงการนำ AI เข้าไปสนับสนุน Operations โดยตรง

หนึ่งในตัวอย่างคือ Shelf AI ซึ่งใช้ Computer Vision และ Deep Learning เพื่อตรวจสอบกิจกรรมบน Shelf ตั้งแต่การระบุสินค้า การติดตามการจัดวางและ Planogram Compliance ไปจนถึงการตรวจจับ Out-of-Stock และสามารถเชื่อมต่อกับ E-commerce รวมถึงระบบ Purchasing เพื่อสนับสนุน Automated Reordering ได้

สิ่งนี้ทำให้เห็นภาพของ Data-to-Action ในอีกบริบทหนึ่งได้ชัดขึ้น เพราะข้อมูลไม่ได้หยุดอยู่ที่ Dashboard แต่สามารถถูกนำไปใช้เพื่อแจ้งเตือนพนักงาน สนับสนุนการเติมสินค้า และเชื่อมต่อกับระบบที่เกี่ยวข้องกับการดำเนินงานจริง

สำหรับ Retail การรู้ว่าสินค้าขายดีจึงอาจเป็นเพียงจุดเริ่มต้น ธุรกิจอาจต้องรู้ด้วยว่าสินค้าวางอยู่ตรงไหน มีสินค้าอยู่บน Shelf หรือไม่ การจัดวางเป็นไปตามแผนหรือไม่ และเมื่อพบปัญหาแล้ว ระบบที่เกี่ยวข้องสามารถช่วยให้ทีมดำเนินการต่อได้อย่างไร

นี่คือพื้นที่ที่ AI สามารถสร้าง Business Value ได้มากกว่าการเป็นเพียงเครื่องมือวิเคราะห์ เพราะเมื่อ Data, Intelligence และ Operations เชื่อมต่อกัน AI จะไม่ได้ทำหน้าที่เพียงบอกว่า “เกิดอะไรขึ้น” แต่สามารถกลายเป็นส่วนหนึ่งของกระบวนการที่ช่วยให้องค์กรตอบสนองต่อสิ่งที่เกิดขึ้นได้จริง

Sertis จึงมองการนำ AI มาใช้ในลักษณะของ Business Transformation มากกว่าการนำ Technology มาเพิ่มในระบบเดิม โดยสามารถสนับสนุนตั้งแต่การกำหนด Use Case และวาง AI Strategy ไปจนถึงการออกแบบและพัฒนา Data & AI Solutions, Computer Vision และ AI Applications ให้สอดคล้องกับกระบวนการทำงานและเป้าหมายของแต่ละธุรกิจ

ท้ายที่สุดแล้ว คุณค่าของ AI ใน Retail ไม่ได้อยู่ที่การทำให้ธุรกิจมีข้อมูลมากขึ้นหรือมีระบบที่ตอบคำถามได้มากขึ้นเท่านั้น แต่อยู่ที่การทำให้ข้อมูลและ Intelligence สามารถเดินทางไปถึงจุดที่ต้องตัดสินใจและลงมือทำได้จริง เมื่อเทคโนโลยีสามารถเชื่อมต่อสิ่งเหล่านี้เข้าด้วยกัน Data ที่เคยอยู่บน Dashboard ก็สามารถกลายเป็นส่วนหนึ่งของการสร้าง Business Value ในโลก Retail จริงได้ Source