Articles › AI

If you’re running ERPNext across multiple Asian factory operations — say a manufacturing plant in India, a Southeast Asian satellite (Thailand, Vietnam, Indonesia), and an export-oriented Chinese subsidiary — you’ve probably noticed the same pattern in three different forms. ERPNext handles the manufacturing operations beautifully. The Manufacturing module, the BOM/work order/subcontracting flow, the multi-warehouse stock […]

如果您的应付账款 (AP) 团队每月需要把 200 张供应商发票录入 Odoo,每张耗时约 4 分钟,那就是月均 13 小时的纯数据录入工作 — 这还不包括月末结账时发现的各种错误、个人劳务报酬代扣代缴的计算、来自日本和欧美供应商的多语种发票处理,以及进口业务的报关单据匹配。这些本应自动化的工作,正在消耗一名全职员工的工作时间。

東京や大阪の経理部が月 200 件のベンダー請求書を Odoo に手入力していて、1 件あたり 4 分かかっているとしましょう。それだけで月 13 時間の純粋なデータ入力時間です。月次決算で発覚する仕訳ミスの修正、源泉徴収の計算、海外仕入先からの英語・中国語請求書の処理、輸入通関書類との突合まで含めると、本来自動化されているべき業務に正社員 1 人分のリソースを使っていることになります。

ถ้าทีม AP ของคุณในกรุงเทพต้องคีย์ใบวางบิลจากผู้ขายเดือนละ 200 ใบเข้า Odoo โดยใช้เวลาประมาณ 4 นาทีต่อใบ นั่นเท่ากับ 13 ชั่วโมงของการป้อนข้อมูลล้วนๆ — ก่อนที่จะนับรวมข้อผิดพลาดที่ตามมาตอนปิดงบสิ้นเดือน เมื่อบวกหนังสือรับรองภาษีหัก ณ ที่จ่าย (50 ทวิ) ใบแจ้งหนี้หลายภาษาจาก supplier ญี่ปุ่นและจีน รวมถึงเอกสารศุลกากรของสินค้านำเข้าเข้าไปด้วย ก็เห็นได้ชัดว่าคุณกำลังใช้พนักงานเต็มเวลาหนึ่งคนกับงานที่ควรเป็นระบบอัตโนมัติไปนานแล้ว

If you run Odoo across multiple Asian markets — say, a manufacturing operation in Thailand, a sales subsidiary in Japan, and a procurement office in China — you’ve probably discovered the same thing in three different ways. The standard invoice digitization feature works beautifully on the AWS bills and the European supplier invoices. It struggles, […]

첫 AI 공장 프로젝트를 기획 중인 한국 공장장, 제조 IT 팀, CIO를 위한 2026년 실전 가이드. 한국의 스마트팩토리 여정은 이미 성과를 만들어냈습니다. 스마트제조혁신추진단(KOSMO)의 5단계 인증 체계, 중소벤처기업부의 다년간 보급 사업, 그리고 삼성SDS Nexplant, LG CNS 스마트팩토리 솔루션, 포스코DX 인텔리전트 팩토리 플랫폼, SK·CJ 그룹 IT 계열사 솔루션의 폭넓은 확산 덕분에, 이제 대다수 한국 제조 기업에게 MES는 […]

지난 18개월 동안 보안 제품을 판매하는 모든 벤더가 마케팅 페이지에 ‘AI’를 붙였습니다. 대부분은 리브랜딩된 ML 분류 기술입니다. 이미 존재하던 이상 탐지를 2024년 옷으로 갈아입힌 것입니다. 진짜 흥미로워지는 지점 — 그리고 대부분의 팀이 실패하는 지점 — 은 도구를 사용할 수 있는 LLM 에이전트를 알림 파이프라인에 실제로 연결해 Tier-1 분석가처럼 트리아지를 수행하게 할 때입니다.

ERP 통합은 이미 해결된 문제라고 SI 업체들은 말합니다. 하지만 삼성, 현대, LG의 2·3차 협력사 현장에서 실제로 벌어지는 일은 다릅니다. 깨지기 쉬운 포인트-투-포인트 연동, 수작업으로 짜여진 커스터마이징 코드, 그리고 벤더가 스키마를 업데이트할 때마다 멈춰버리는 레거시 미들웨어. 데이터는 존재합니다. 시스템도 존재합니다. 그 사이의 간극에서 운영 효율이 사라집니다.

「ERP連携はすでに解決済みの課題だ」——SIベンダーはそう言います。しかし、製造業の現場——特に自動車・電機メーカーの二次・三次サプライヤー——では現実はまったく異なります。脆弱なポイント・ツー・ポイント連携、属人的なカスタマイズコード、そしてベンダーがスキーマを更新するたびに停止するレガシーミドルウェア。データは存在します。システムも存在します。その間の断絶こそが、業務効率を失わせている原因です。

"การผสานระบบ ERP เป็นปัญหาที่แก้ได้แล้ว" — นั่นคือสิ่งที่ผู้ให้บริการ SI มักบอกกับคุณ แต่ความเป็นจริงในโรงงานและห่วงโซ่อุปทานของไทยกลับต่างออกไปมาก ทั้งการเชื่อมต่อแบบ point-to-point ที่เปราะบาง โค้ดที่เขียนสำหรับระบบเก่าโดยเฉพาะ และมิดเดิลแวร์รุ่นเก่าที่หยุดทำงานทุกครั้งที่ vendor อัปเดตโครงสร้างข้อมูล ข้อมูลมีอยู่ ระบบมีอยู่ แต่ช่องว่างระหว่างสองสิ่งนั้นคือจุดที่ประสิทธิภาพการดำเนินงานรั่วไหลออกไป

Enterprise ERP integration is a solved problem — at least, that’s what your SI vendor will tell you. The reality inside tier-2 and tier-3 manufacturing plants is very different: brittle point-to-point connectors, hand-rolled ABAP scripts, and decades-old middleware that breaks every time a vendor pushes a schema update. The data exists. The systems exist. The […]

过去 18 个月里,所有卖安全产品的厂商都在自己的营销页面上贴了「AI」标签。绝大多数只是改头换面的 ML 分类 — 早就存在的异常检测,换上 2024 年的外衣。真正有意思的地方 — 也是大多数团队失败的地方 — 是当你真的把一个会调用工具的 LLM agent 接入告警管道,让它像 Tier-1 分析师那样做研判。

この 18 か月間、セキュリティ製品を持つベンダーは皆、マーケティングページに「AI」というラベルを貼り付けてきました。その大半は再ブランド化された ML 分類 — もともと存在していた異常検知に 2024 年の衣装を着せたもの — に過ぎません。本当に興味深い、そしてほとんどのチームが失敗するのは、tool-using LLM agent をアラートパイプラインに実際に組み込み、Tier-1 アナリストのようにトリアージさせようとした時です。

ในช่วง 18 เดือนที่ผ่านมา vendor ทุกเจ้าที่ขายผลิตภัณฑ์ security ต่างก็แปะคำว่า "AI" ลงบนหน้าการตลาดของตัวเอง ส่วนใหญ่เป็นแค่ ML classification ที่ rebrand ใหม่ — anomaly detection ที่มีอยู่แล้วตั้งนาน แต่งตัวใหม่ให้ดูทันสมัย ที่น่าสนใจจริง ๆ — และที่ทีมส่วนใหญ่พังตรงนี้ — คือตอนที่คุณต่อ tool-using LLM agent เข้ากับ alert pipeline จริง ๆ และให้มัน triage แบบที่ Tier-1 analyst ทำ

Every vendor with a security product has bolted "AI" onto the marketing page in the last eighteen months. Most of it is rebranded ML classification: anomaly detection that already existed, dressed in 2024 clothes. Where it gets genuinely interesting — and where most teams fail — is when you actually wire a tool-using LLM agent […]

ลองเดินเข้าสำนักงานบัญชีขนาดกลางในกรุงเทพฯ สักแห่ง คุณจะเห็นภาพเดียวกันทุกที่ จอคอมสามจอ จอแรกเปิด FlowAccount — login เข้าเป็นลูกค้าอยู่ จออีกจอเปิด Excel — ตารางคุมงานหลัก แบ่งสีตามหุ้นส่วน ตามกำหนดยื่น ตามประเภทการยื่นภาษี จอที่สามเปิด LINE — กลุ่มแชทกับลูกค้าสิบสองกลุ่ม เต็มไปด้วยรูปใบเสร็จที่ถ่ายมาเอียงๆ สลิปธนาคารที่อ่านยาก และข้อความนิรันดร์: "พี่ ส่งเอกสารเดือนนี้ให้แล้วนะคะ"

Walk into any mid-sized accounting firm in Bangkok and you’ll see the same thing. Three monitors. One has FlowAccount open — logged in as the client. Another has Excel — the master tracker, color-coded by partner, deadline, and filing type. The third has LINE — twelve group chats, one per client, full of photographed receipts, […]

要多少内存、显存、GPU才够用?这是一份给工程师看的本地LLM硬件选型指南——不超买、不踩坑。

RAM、VRAM、GPUは実際にどれだけ必要なのか — 過剰投資せず、想定外のトラブルにも遭わずにローカルLLMを動かすための、エンジニア向けの実用ガイドです。

ต้องใช้ RAM, VRAM, GPU เท่าไหร่ถึงจะพอ? คู่มือเลือกฮาร์ดแวร์สำหรับรัน LLM บนเครื่องตัวเอง — ไม่ต้องจ่ายเกิน ไม่ต้องเจอเซอร์ไพรส์