Session Note: ML แบบไม่ต้องเขียนโค้ด-โรงพยาบาลกรุงเทพทำได้! ด้วย Amazon SageMaker Canvas จากงาน AWS Summit 2025

สวัสดีครับ เพื่อน ๆ ทุกท่าน! เบนจ์เองครับ วันนี้เรามาต่อกับเซสชันสุดปังในงาน AWS Summit Bangkok 2025 ที่มีชื่อว่า "How Bangkok Dusit Medical Group built highly accurate customer ML Models without writing code" กันครับ ซึ่งบอกเลยว่าเป็นเซสชันที่ทำให้ผมต้องร้องว้าว! กับการที่แพทย์ที่ไม่ใช่โปรแกรมเมอร์สามารถสร้างโมเดล ML ได้ง่าย ๆ โดยไม่ต้องเขียนโค้ดเลยสักบรรทัด!

"Anyone can do Machine Learning" จริงเหรอ?

เซสชันเริ่มต้นด้วย Dr. Manusnan Harinsuit (คุณปั้น) Senior Solutions Architect, AWS ที่เปิดประเด็นด้วยแนวคิดที่ว่า "Anyone can do Machine Learning" ซึ่งตอนแรกผมนั่งฟังแล้วคิดในใจว่า "จริงดิ?" เพราะที่ผ่านมา ML มักถูกมองว่าเป็นเรื่องของผู้เชี่ยวชาญเฉพาะทางเท่านั้น

คุณปั้นได้เล่าถึงความท้าทายในการสร้าง ML Model ในองค์กรทั่วไป:

• ทีม Data Science มีงานค้างเพียบ (Backlog เยอะมาก ๆ)
• แต่ละโมเดลใช้เวลาพัฒนานาน กว่าจะได้ใช้งานจริงเป็นเดือน ๆ
• ขาดมาตรฐานในการทำงานร่วมกันระหว่างทีม

จากนั้น คุณปั้นก็แนะนำพระเอกของงานนี้คือ Amazon SageMaker Canvas ซึ่งเป็นเครื่องมือ No-code ที่ช่วยให้ทุกคนสามารถสร้าง ML Model ได้ง่าย ๆ โดยมีความสามารถสุดเจ๋งหลายอย่าง:

1. ไม่ต้องเขียนโค้ด - ใช้ระบบ Drag & Drop และ Visual Interface
2. ครบวงจร - ตั้งแต่เตรียมข้อมูล สร้างโมเดล จนถึง Deploy
3. มีโมเดลสำเร็จรูป - รองรับทั้ง Traditional ML และ Generative AI
4. ทำงานร่วมกันได้ง่าย - Export ขั้นตอนเป็นโค้ดมาตรฐานให้ทีมอื่นใช้ต่อได้

ผมได้เห็น Demo สุดเจ๋งที่คุณปั้นโชว์ให้ดู ซึ่งทำให้ผมอึ้งมาก ๆ! เพราะเพียงแค่เชื่อมต่อกับแหล่งข้อมูล พิมพ์คำสั่งภาษาธรรมชาติ (เช่น "แสดง Scatter Plot ของ dimension A vs B") กดปุ่มเลือกโมเดลที่ต้องการ แล้วปล่อยให้ Canvas เทรนโมเดลให้โดยอัตโนมัติ ง่ายจริง ๆ!

จากทฤษฎีสู่ความเป็นจริง: กรณีศึกษาจากโรงพยาบาลกรุงเทพ

หลังจากนั้น Dr. Marut Siriwatthanadech, Strategic Information Management Director จากโรงพยาบาลกรุงเทพ ได้มาเล่าประสบการณ์จริงในการใช้ SageMaker Canvas

อาจารย์ Marut เปิดตัวด้วยการแนะนำโรงพยาบาลกรุงเทพ (BDMS) ซึ่งเป็นเครือโรงพยาบาลขนาดใหญ่ มีโรงพยาบาล 58 แห่ง พนักงาน 40,000 คน ที่น่าสนใจคือ อาจารย์มรุตเป็นแพทย์และผู้บริหาร ไม่ใช่ Data Scientist หรือโปรแกรมเมอร์! (ตรงนี้แหละที่ผมรู้สึกว่าเจ๋งมาก ๆ)

อาจารย์ Marut เล่าว่าหลังยุคโควิด-19 พฤติกรรมการดูแลสุขภาพของคนเปลี่ยนไป ทำให้ต้องวิเคราะห์ข้อมูลเพื่อเข้าใจปัจจัยที่มีผลต่อสุขภาพของประชาชน โดยมีประโยคที่ผมประทับใจมาก ๆ คือ:

"เราเป็นแพทย์ เรารู้จักผู้ป่วย แต่เราไม่รู้จักดีพอกับประชาชนที่ยังไม่ป่วย"

ปัญหาที่เจอคือข้อมูลมีขนาดใหญ่มาก มีตัวแปร 40-50 ตัว ซึ่งถ้าใช้เครื่องมือทั่วไปคงไม่สะดวก แต่ด้วย SageMaker Canvas ทำให้อาจารย์สามารถสร้างโมเดล ML ได้ง่าย ๆ โดยไม่ต้องเขียนโค้ด!

ผลลัพธ์สุดปัง!

ผลลัพธ์ที่อาจารย์ Marut ได้นั้นน่าทึ่งมาก:

• ลดเวลาในการวิเคราะห์ข้อมูลจาก 2-3 เดือน เหลือเพียง 1 เดือน (ลดไปถึง 50-66% เลยนะครับ!)
• เพิ่มสัดส่วนหน่วยงานที่มีผลงานดีขึ้นจาก 60% เป็น 70%
• หน่วยงานสมัครใจเข้าร่วมใช้ข้อมูลเพิ่มจาก 20% เป็น 34%
• อัตราการใช้ Data Visualization เพิ่มขึ้น 2 เท่า

ที่สำคัญคือเกิดการเปลี่ยนแปลงวัฒนธรรมองค์กร จากเดิมที่ไม่ค่อยใช้ข้อมูลในการตัดสินใจ กลายเป็นองค์กรที่ขับเคลื่อนด้วยข้อมูล (Data-Driven) อย่างแท้จริง! ผมว่านี่แหละคือความสำเร็จที่ยิ่งใหญ่ที่สุด

Key Takeaways ที่เอาไปใช้ได้จริง

อาจารย์ Marut และพี่ปั้นได้สรุป Key Takeaways ที่ผมคิดว่าทุกองค์กรสามารถนำไปปรับใช้ได้:

1. Think big, start small, scale fast - BDMS เริ่มจาก 20% ของหน่วยงาน แล้วค่อย ๆ ขยาย
2. Remove undifferentiated heavy lifting - ใช้เทคโนโลยีที่ช่วยลดงานที่ไม่จำเป็น
3. Automate everything you can - อะไรที่ทำซ้ำ ๆ ได้ ให้ Automate ไปเลย

นอกจากนี้ยังมีทรัพยากรที่น่าสนใจสำหรับผู้ที่อยากเริ่มต้น เช่น AWS Builder ID (ฟรี!) และ AWS Skill Builder ที่มีคอร์สฟรีมากมาย ใครอยากลองเรียนไปเรียนได้นะครับ เพราะผมเองก็ใช้มาตั้งแต่แรกเริ่มรู้จัก AWS เลยล่ะ

สรุป

ผมว่าเซสชันนี้เป็นตัวอย่างที่ดีมาก ๆ ของการนำ Cloud Technology มาใช้แก้ปัญหาจริงในองค์กร โดยไม่จำเป็นต้องมีทักษะการเขียนโค้ดขั้นสูง ซึ่งตอบโจทย์องค์กรที่มีข้อมูลเยอะแต่ขาดแคลนบุคลากรด้าน Data Science

ต้องบอกเลยว่าผมประทับใจมาก ๆ กับการที่แพทย์อย่างอาจารย์ Marut สามารถใช้ ML มาช่วยในการวิเคราะห์ข้อมูลเพื่อพัฒนาการให้บริการทางการแพทย์ได้ นี่แหละครับที่เรียกว่า "Anyone can do Machine Learning" จริง ๆ!

ถ้าคุณสนใจอยากลองใช้ SageMaker Canvas หรือบริการอื่น ๆ ของ AWS ทาง Classmethod พร้อมให้คำปรึกษาและช่วยคุณเริ่มต้นได้อย่างรวดเร็ว! ติดต่อผมได้เลยนะครับ 😉

สำหรับบทความถัดไป ผมจะมาเล่าเรื่องอะไร ฝากติดตามกันด้วยนะครับ สำหรับวันนี้ขอลาไปก่อน พบกันใหม่ พระเจ้าอวยพรครับ!