The Agentic AI Advantage: Finance Agents That Move the Numbers
การนำทางด่วน
แท็ก
แชร์สไลด์
The Agentic AI Advantage: Finance Agents That Move the Numbers
มุมมองรายละเอียดของแต่ละหน้าสไลด์ รวมถึงlayout เนื้อหาหลักและองค์ประกอบภาพ
สไลด์ชื่อเรื่องพร้อมตราสินค้า KPMG คำบรรยาย: จะสร้างอะไร ขยายขนาดอย่างไร และวัดมูลค่าอย่างไร KPMG Thought Leadership, กุมภาพันธ์ 2026
ข้อความชื่อเรื่องชิดซ้ายพร้อมภาพประกอบใบหน้าหุ่นยนต์ AI ทางด้านขวา พื้นหลังไล่ระดับสีน้ำเงินเข้ม/ม่วง
คำนำโดย Reindolf Annor, Partner ที่ KPMG Accounting Advisory Services AI กำลังเปลี่ยนจากเครื่องมือไปเป็นเอเจนต์ที่ดำเนินการด้านการเงิน เน้นที่ผลลัพธ์: ข้อมูลทางการเงินที่มีคุณภาพ การปิดบัญชีที่รวดเร็วขึ้น การควบคุมที่แข็งแกร่งขึ้น ความไว้วางใจเป็นสิ่งที่ไม่สามารถต่อรองได้ เริ่มต้นด้วยกรณีการใช้งานขนาดเล็ก พิสูจน์คุณค่า แล้วจึงขยายขนาด
แถบนำทางที่ด้านบน เลย์เอาต์ข้อความสามคอลัมน์พร้อมรูปถ่ายผู้เขียนและประวัติที่ด้านล่างขวา
สารบัญที่มีแปดส่วน: Finance AI Agent คืออะไร (04), ยุคของ agentic finance (05), มูลค่าที่มีความเสี่ยง (07), สี่วิธีในการปลดล็อกมูลค่า (08), สเปกตรัมของเอเจนต์ที่พัฒนา (10), รากฐานสำหรับการเดินทางของ finance agent (14), ขั้นตอนต่อไปในทางปฏิบัติ (23), KPMG สามารถช่วยได้อย่างไร (26)
รายการเนื้อหาแบบมีหมายเลขสองคอลัมน์พร้อมตัวเลขสีน้ำเงิน กราฟิกคลื่นนามธรรมที่ด้านล่าง
คำจำกัดความของ Finance AI Agent: พนักงานดิจิทัลที่บรรลุวัตถุประสงค์ทางการเงินโดยการรวม LLMs เข้ากับการวางแผน การจัดการ การดึงข้อมูล และการกำกับดูแล อ่านข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง ใช้หลักการบัญชีและกฎเกณฑ์ด้านภาษี ดำเนินการในระบบ เรียนรู้จากข้อเสนอแนะ
ชื่อเรื่องขนาดใหญ่ คำอธิบายความสามารถสามคอลัมน์ ไดอะแกรมสถาปัตยกรรมที่ด้านล่างแสดง AI agents + LLM + Instructions + Planning + Knowledge + Tools
ข้อมูลจาก KPMG Quarterly Pulse Survey: 65% ของบริษัทกำลังทดลองใช้ AI agents (เพิ่มขึ้นจาก 37% ในไตรมาสที่แล้ว), 99% วางแผนที่จะนำไปใช้งานจริง แต่มีเพียง 11% เท่านั้นที่นำไปใช้ในการผลิต GenAI สร้างผู้ช่วยดิจิทัล agentic AI ทำให้เป็นไปโดยอัตโนมัติอย่างสมบูรณ์
แบนเนอร์ Hero พร้อมรูปภาพหุ่นยนต์ AI กราฟิกสถิติทรงกลมสองวง (65%, 99%) และข้อความอธิบายทางด้านขวา
การนำ AI ไปใช้ในประเทศกานากำลังเติบโต 28% ต่อปีตั้งแต่ปี 2017 National AI Strategy (2023-2033) และ One Million Coders Program ตลาด AI ทั่วโลกคาดว่าจะเติบโต 25 เท่าจาก $189B เป็น $4.8T ภายในปี 2033 KPMG GenAI Value Assessment: 17 ล้านบริษัท, 3 พันล้านจุดข้อมูล Agentic AI อยู่ในตำแหน่งที่ดีที่สุดสำหรับงานที่มีความซับซ้อนสูง
เลย์เอาต์แบบแยกส่วน - บริบท AI ของกานาบนพื้นหลังสีม่วงทางด้านซ้าย ขั้นตอนการประเมินมูลค่า KPMG GenAI ทางด้านขวาพร้อมไอคอน
ข้อเสนอคุณค่าสองในสี่ข้อ: 1) Agents ขยายช่องรับแสงสำหรับการทำงานอัตโนมัติ - รับงานต่างๆ เช่น การตรวจสอบใบแจ้งหนี้ การจัดทำสมุดรายวัน การกระทบยอด การตรวจสอบ VAT กฎเกณฑ์ด้านเครดิต 2) Agents ไม่หลับ - การดำเนินงานอย่างต่อเนื่อง การประมวลผลแบบขนาน การตอบสนองต่อเหตุการณ์นอกเวลาทำการ
ชื่อเรื่องขนาดใหญ่ที่มีสองส่วน แต่ละส่วนมีไอคอนและข้อความอธิบาย
ข้อเสนอคุณค่าอีกสองข้อ: 3) Agents เชื่อมต่อสำหรับการเปลี่ยนแปลง - ปรับให้เข้ากับเวิร์กโฟลว์ใหม่ ลดความต้องการในการจัดการการเปลี่ยนแปลง ปรับเปลี่ยนโดยอัตโนมัติให้เข้ากับการเปลี่ยนแปลงนโยบาย 4) Agents แปลงความรู้เป็นการกระทำ - รวบรวมความเชี่ยวชาญโดยปริยายเป็นนโยบายและ Playbook จากนั้นดำเนินการตามนั้นสำหรับการรายงาน การเรียกเก็บเงิน การปฏิบัติตามกฎระเบียบ
เลย์เอาต์ต่อเนื่องที่ตรงกับสไลด์ก่อนหน้าที่มีสองส่วนและไอคอน
บทนำเกี่ยวกับ KPMG TACO Framework: Taskers, Automators, Collaborators, Orchestrators การจัดประเภทตามความซับซ้อนที่ก้าวหน้า ความสอดคล้องในส่วนประกอบหลัก (LLMs, ความรู้, MCP) แต่ความแตกต่างที่สำคัญในความซับซ้อนของเป้าหมาย แนวคิดของโรงงาน AI ส่วนกลาง
เลย์เอาต์แบบแยกส่วน - คำอธิบายข้อความทางด้านซ้าย ไดอะแกรมกรอบงาน TACO รูปปิรามิด/ภูเขา 3 มิติทางด้านขวาแสดงสี่ระดับ
Taskers: เป้าหมายเดียว ความซับซ้อนต่ำ คำแนะนำที่ชัดเจน ข้อมูลที่เชื่อถือได้ Automators: เป้าหมายที่ซับซ้อนในหลายระบบ ความรู้โดยปริยาย จัดการการพึ่งพา กรณีศึกษา: บริษัทซื้อขายออนไลน์ปรับปรุงกระบวนการจัดซื้อถึงจ่ายด้วย KPMG และระบบ multi-agent ของ Ema (กระบวนการตั้งค้าง: ชั่วโมงแทนที่จะเป็น 10 วันโดย 3 FTEs)
เลย์เอาต์สามคอลัมน์ - Taskers ทางด้านซ้าย Automators ตรงกลาง กรณีศึกษาทางด้านขวา ตัวอย่างแอปพลิเคชันที่แสดงอยู่ด้านล่างแต่ละรายการ
Collaborators: เพื่อนร่วมทีมที่ปรับตัวได้ ทำงานร่วมกับผู้คนเพื่อบรรลุเป้าหมายหลายมิติ Orchestrators: หอควบคุมขั้นสูงที่ประสานงานตัวแทนจำนวนมากในหลายหน่วยงานและตลาด TACO agent แต่ละตัวเป็นระบบ multi-agent โดยธรรมชาติที่มี sub-agents
สามคอลัมน์ - Collaborators ด้านซ้าย, Orchestrators ตรงกลาง, คำอธิบาย TACO ด้านขวา ตัวอย่างการใช้งานด้านล่าง
ตารางเปรียบเทียบที่ครอบคลุมระหว่าง Taskers, Automators, Collaborators และ Orchestrators แถว: ความซับซ้อนโดยรวม, การใช้งานหลัก, ความสามารถในการวางแผน, ข้อเสนอคุณค่า, ความรู้และเครื่องมือที่จำเป็น รวมถึงความต้องการ MCP
ตารางเปรียบเทียบแบบเต็มความกว้างที่มีสี่คอลัมน์ (หนึ่งคอลัมน์ต่อประเภท agent) และเกณฑ์ห้าแถว
Agentic AI อาจก่อให้เกิดการเปลี่ยนแปลงมากกว่า generative AI สามารถกำหนดผลลัพธ์ได้ภายใน 12-36 เดือน มีรากฐานสี่ประการที่ต้องแก้ไข: กลยุทธ์, กำลังคน, การกำกับดูแล/ความน่าเชื่อถือ, เทคโนโลยี/ข้อมูล/ความปลอดภัย
ชื่อเรื่องขนาดใหญ่, ภาพเงาของบุคคลที่กำลังมองหน้าจอดิจิทัล, กล่องข้อความอธิบายทางด้านขวา
สามเสาหลักเชิงกลยุทธ์: ทบทวนกลยุทธ์ขององค์กร (ลดรอบเวลา, ทดสอบสถานการณ์, วัดปริมาณมูลค่า), กำหนดกลยุทธ์ agent (ตัดสินใจท่าที, เลือกพื้นที่ที่มีมูลค่าสูง, ใช้มาตรการง่ายๆ), พัฒนาระบบนิเวศของพันธมิตร (เลือกผู้ให้บริการที่เชื่อถือได้, สร้างสมดุลระหว่างแพลตฟอร์มกับผู้เชี่ยวชาญ)
ไอคอนกลยุทธ์พร้อมเลย์เอาต์คำแนะนำสามคอลัมน์, การอ้างอิงที่ด้านล่าง
กำหนดวิธีการทำงานของคุณ: แบ่งออกเป็นงานที่มีโครงสร้าง (ศักยภาพของ agent ในระยะใกล้) และงานโดยนัย (ยากกว่าแต่มีผลกระทบสูงกว่า) 78% จะใช้ agentic AI สำหรับการวิเคราะห์ข้อมูลที่ซับซ้อน, 66% สำหรับการดูแลระบบตามปกติ ฟังก์ชันที่ได้รับประโยชน์มากที่สุด: IT (76%), การดำเนินงาน (56%), ความเสี่ยง/การปฏิบัติตามกฎระเบียบ (56%), การเงิน (39%), การตลาด (35%)
สองคอลัมน์โดยมีส่วนกำลังคนทางด้านซ้าย, แผงการขับเคลื่อนการนำไปใช้ทางด้านขวาพร้อมสัญลักษณ์แสดงหัวข้อย่อย
การบริหารการเปลี่ยนแปลง: แนวทางด้านพฤติกรรมมากกว่าคำสั่งจากบนลงล่าง องค์กรไฮบริดที่ยืดหยุ่น: เอเจนต์ในฐานะเพื่อนร่วมงานดิจิทัลที่มีสายการบังคับบัญชาและการบริหารผลการปฏิบัติงาน ตัวอย่าง: เอเจนต์ปิดบัญชีสิ้นเดือน, กฎเกณฑ์ด้านเครดิต order-to-cash, การจับคู่สามทาง procure-to-pay
สามคอลัมน์ โดยมีการบริหารการเปลี่ยนแปลงทางซ้าย, องค์กรไฮบริดตรงกลาง, ตัวอย่าง human-agent ทางขวาพร้อมไอคอน
AI agents ต้องการการควบคุมที่เข้มงวดยิ่งขึ้นและหลักการ Trusted AI สี่ด้าน: ยกระดับความปลอดภัยและความเป็นส่วนตัว (การทดสอบความเครียด, การตรวจจับอคติ, กลไก fail-safe), หลีกเลี่ยงการละเมิดจริยธรรม (กำหนดโปรโตคอลด้านจริยธรรมตั้งแต่เนิ่นๆ), ให้มนุษย์อยู่ในวงจร (ไม่ใช่ in-the-loop สำหรับ autonomous agents)
ไอคอน Governance พร้อมเลย์เอาต์คำแนะนำสามคอลัมน์, ไอคอนจับมือ
ตรวจสอบให้แน่ใจว่าข้อมูลที่เป็นกรรมสิทธิ์สามารถเข้าถึงได้ มีคุณภาพสูง และเอเจนต์สามารถโต้ตอบซึ่งกันและกันได้ การวิเคราะห์ Build vs Buy vs Partner สำหรับการได้มาซึ่งเอเจนต์ Build: การปรับแต่งและการควบคุม แต่ต้องใช้ความเชี่ยวชาญ เริ่มสร้างห่วงโซ่อุปทาน agentic
ไอคอนเทคโนโลยี, สองคอลัมน์โดยมีรากฐานข้อมูลทางซ้าย, รายละเอียดตัวเลือก Build ทางขวา
Buy: การดำเนินการอย่างรวดเร็ว, 67% เป็นวิธีการที่ต้องการตามการสำรวจของ KPMG, แต่มีการปรับแต่งที่จำกัดและความล้าสมัยที่อาจเกิดขึ้น Partner: ผสมผสานข้อดีของทั้งสองอย่าง, แบ่งปันความเสี่ยงและต้นทุน, แต่มีการควบคุมน้อยกว่า คำถามสำคัญสำหรับการประเมินว่าจะเลือกเส้นทางใด
การต่อเนื่องสองคอลัมน์พร้อมรายละเอียดตัวเลือก Buy และตัวเลือก Partner, คำแนะนำรากฐานข้อมูลทางซ้าย
Agent identity and security: เอกลักษณ์เฉพาะ, สิทธิ์ที่กำหนดขอบเขต, การแยก runtime, การดำเนินการที่ตรวจสอบได้ มาตรฐานทั่วไปสำหรับการสื่อสารข้ามเอเจนต์โดยใช้ MCP (Model Context Protocol) องค์ประกอบ MCP: Client, Server, Transport ช่วยให้ระบบ AI ที่เล็กลงและตรงเป้าหมายมากขึ้น
สองคอลัมน์พร้อมคำแนะนำด้านความปลอดภัยทางซ้าย, คำอธิบาย MCP และไดอะแกรมสามองค์ประกอบทางขวา
บริษัทส่วนใหญ่ยังคงอยู่ในช่วงสำรวจหรือทดลองนำร่อง ต้องการวิสัยทัศน์ที่ชัดเจน เหตุผลที่หนักแน่นสำหรับการขยายขนาด และการเปลี่ยนแปลงข้อมูลที่รวดเร็ว รวมถึงการกำกับดูแล Trusted AI ภาพถ่ายของมืออาชีพที่ทำงานกับหน้าจอคอมพิวเตอร์
ชื่อเรื่องขนาดใหญ่ จุดไข่ปลาสามข้อบนภาพซ้อนสีน้ำเงินบนภาพถ่ายของบุคคลที่กำลังเขียนโค้ด
ขั้นตอนที่ 1: กำหนดวิสัยทัศน์ - กำหนดว่าเอเจนต์จะเปลี่ยนแปลงธุรกิจอย่างไร ระบุจุดที่เจ็บปวด ขั้นตอนที่ 2: เริ่มต้นการทดลองนำร่องแบบ agentic - สามแนวทาง: เน้นที่จุดร้อน ไปให้ลึกในฟังก์ชัน การใช้งานอย่างกว้างขวางทั่วทั้ง Value Stream
สองส่วนที่มีหมายเลขพร้อมไอคอนและข้อความแนะนำโดยละเอียด
ขั้นตอนที่ 3: ขยายขนาดเอเจนต์ภายในฟังก์ชันหลักโดยใช้ KPMG TACO Framework ขั้นตอนที่ 4: พัฒนาคู่มือการกำกับดูแล Trusted AI ด้วยแค็ตตาล็อกที่มีชีวิตและการตรวจสอบ ขั้นตอนที่ 5: ดำเนินการประเมิน Trusted AI ด้วย AI system cards, purple teams และ trust scores
สามส่วนที่มีหมายเลขพร้อมไอคอนและข้อความแนะนำ
ขั้นตอนที่ 6: กำหนดเมตริกประสิทธิภาพความสามารถพิเศษแบบ agentic - ประเมินผลกระทบของการนำร่อง รวบรวมข้อเสนอแนะจากผู้มีส่วนได้ส่วนเสีย พัฒนาเมตริกประสิทธิภาพที่ชัดเจน ดำเนินการ telemetry คำคมปิดท้าย: การวางรากฐานในขณะนี้จะทำให้องค์กรสามารถเพิ่มประสิทธิภาพการดำเนินงานและธุรกิจได้อย่างเต็มที่
ส่วนขั้นตอนเดียวพร้อมคำคมตัวเอียงปิดท้ายในกล่องคำอธิบายประกอบที่มีเส้นขอบ
ห้าส่วนบริการ: AI Strategy (วิสัยทัศน์และกรณีทางธุรกิจ), AI Technology (proof-of-concept ที่ทำซ้ำได้, TACO Framework), AI Jumpstart (โซลูชันที่รวดเร็ว, proof-to-scale), AI Workforce (การเพิ่มทักษะ, การกำกับดูแล), AI Trust (การขยายขนาดที่ปลอดภัย, 10 เสาหลักด้านจริยธรรมของ AI)
การ์ดบริการห้าใบในรูปแบบตารางพร้อมไอคอนและจุดไข่ปลา ข้อความแนะนำสีน้ำเงินที่ด้านบน
ผู้ติดต่อสามคน: Reindolf Annor (Partner, Accounting Advisory Services), Nathaniel Adjin-Tettey (Associate Director), Frank Osei Tutu (Assistant Manager) ทั้งหมด KPMG Ghana พร้อมโทรศัพท์และอีเมล ลิงก์โซเชียลมีเดีย
การ์ดผู้ติดต่อสามคอลัมน์บนพื้นหลังไล่ระดับสีม่วงพร้อมภาพถ่ายบุคคล ไอคอนโซเชียลมีเดียที่ด้านล่าง
คำถามทั่วไปเกี่ยวกับสไลด์นี้และเนื้อหาการนำเสนอพื้นฐาน
นี่คือบทความ Thought Leadership ของ KPMG ในชื่อ The Agentic AI Advantage: Finance Agents That Move the Numbers ซึ่งเผยแพร่ในเดือนกุมภาพันธ์ 2026 โดยอธิบายว่า Finance AI agent คืออะไร มีความเหมาะสมกับ Finance Delivery Model อย่างไร และองค์กรต่างๆ สามารถเริ่มต้นเส้นทางการนำ AI มาใช้ได้อย่างไรในลักษณะที่มีโครงสร้างและปลอดภัย โดยเน้นที่ตลาดประเทศกานา
TACO ย่อมาจาก Taskers, Automators, Collaborators และ Orchestrators เป็นระบบการจัดประเภท AI agent แบบสี่ระดับตามความซับซ้อนที่เพิ่มขึ้น: Taskers จัดการเป้าหมายเดียวด้วยคำแนะนำที่ชัดเจน, Automators จัดการกระบวนการหลายขั้นตอนในระบบต่างๆ, Collaborators ทำงานร่วมกับมนุษย์ในเป้าหมายที่ซับซ้อน และ Orchestrators ประสานงาน Agent จำนวนมากในหน่วยงานและตลาดต่างๆ ในฐานะ Control Tower ขั้นสูง
4 วิธีคือ: 1) Agent ขยายขอบเขตสำหรับการทำระบบอัตโนมัติโดยรับงานต่างๆ เช่น การตรวจสอบใบแจ้งหนี้และการกระทบยอด, 2) Agent ไม่หลับและสามารถทำงานได้อย่างต่อเนื่องตลอด 24 ชั่วโมงทุกวัน, 3) Agent ได้รับการออกแบบมาเพื่อการเปลี่ยนแปลงและปรับตัวเข้ากับ Workflow ใหม่ๆ ได้โดยไม่ต้องฝึกอบรมใหม่มากมาย และ 4) Agent แปลงความรู้เป็นการกระทำโดยการรวบรวมความเชี่ยวชาญโดยนัยและเปลี่ยนเป็นปฏิบัติการที่ประสานงานกัน
จากการสำรวจ KPMG AI Pulse Survey Q1 2025 พบว่า 65% ของบริษัทต่างๆ กำลังทดลองใช้ AI agent แล้ว (เพิ่มขึ้นจาก 37% ในไตรมาสก่อนหน้า), 99% วางแผนที่จะนำ Agent ไปใช้งานจริง แต่มีเพียง 11% เท่านั้นที่ได้นำ Agent ไปใช้งานจริงแล้ว
รากฐาน 4 ประการคือ: 1) กลยุทธ์ - ทบทวนกลยุทธ์ขององค์กร, กำหนดกลยุทธ์ Agent, พัฒนาระบบนิเวศของ Partner, 2) บุคลากร - จัดทำ Work process, ขับเคลื่อนการนำไปใช้, จัดการการเปลี่ยนแปลงขององค์กร, 3) การกำกับดูแลและความน่าเชื่อถือ - ยกระดับความปลอดภัยและความเป็นส่วนตัว, หลีกเลี่ยงการละเมิดจริยธรรม, ดำเนินการกำกับดูแลแบบ Human-on-the-loop และ 4) เทคโนโลยี, ข้อมูล และความปลอดภัย - สร้างแพลตฟอร์มข้อมูลที่แข็งแกร่ง, เสริมสร้าง Agent Identity และนำมาตรฐานต่างๆ เช่น MCP มาใช้
6 ขั้นตอนคือ: 1) กำหนดวิสัยทัศน์สำหรับการบูรณาการ AI agent ให้ชัดเจน, 2) เริ่มต้นการทดลองนำ Agent มาใช้โดยเน้นที่ Hot spot หรือการฝังตัวใน Function อย่างลึกซึ้ง, 3) เตรียมพร้อมที่จะขยายขนาด Agent ภายใน Function หลักโดยใช้ TACO Framework, 4) พัฒนา Playbook การกำกับดูแล Trusted AI ของคุณ, 5) ดำเนินการประเมิน Trusted AI ด้วย System card และ Purple team testing และ 6) กำหนดเมตริกประสิทธิภาพของ Talent ด้าน Agent ด้วย Telemetry และการปรับปรุงอย่างต่อเนื่อง
Presentation นี้มี 26 สไลด์ พร้อมสไตล์การออกแบบ KPMG ระดับมืออาชีพ โดยใช้โทนสีฟ้าและขาวพร้อมเน้นสีม่วง, ภาพหุ่นยนต์ AI แห่งอนาคต, Typography ที่สะอาดตาพร้อมหัวข้อส่วนที่ตัวใหญ่และหนา, ตารางเปรียบเทียบที่มีโครงสร้าง และ Navigation bar ที่สอดคล้องกัน รวมถึงไดอะแกรมต่างๆ เช่น TACO Pyramid Framework และ MCP Architecture Diagram
ใช่ Presentation นี้มีเนื้อหาที่อธิบาย MCP ในฐานะมาตรฐานสำหรับการสื่อสารระหว่าง Agent โดยอธิบายถึงองค์ประกอบหลัก 3 ประการ: MCP Client (แอป AI ที่เชื่อมต่อกับ Server), MCP Server (โปรแกรมที่ใช้ประโยชน์จากแหล่งข้อมูลและระบบ) และ MCP Transport (เลเยอร์การสื่อสารระหว่าง Client และ Server) TACO Framework ยัง Mapping ข้อกำหนดด้านความซับซ้อนของ MCP สำหรับ Agent แต่ละระดับอีกด้วย
Create Your Own Slides
Turn your ideas into professional presentations in seconds with 2slides AI.
อ้างอิงการออกแบบมืออาชีพ เลือกสไตล์ของคุณ และสร้างสไลด์ด้วยการแสดงผลข้อความที่สมบูรณ์แบบ ขับเคลื่อนโดย Nano Banana—เริ่มสร้างการนำเสนอของคุณตอนนี้
เอเจนต์ AI ของคุณสำหรับสไลด์ ประหยัดเวลา เปล่งประกายเร็วขึ้นด้วยการสร้างงานนำเสนออัจฉริยะ
© 2026 2slides สงวนลิขสิทธิ์