แม้ระบบ Rule-based จะไม่ใช่เทคโนโลยีใหม่ แต่เป็นเครื่องมือสำคัญขององค์กรที่ถูกนำมาใช้ในงานที่มีลักษณะซ้ำๆ และสามารถกำหนดกฎเกณฑ์ได้อย่างชัดเจน เช่น การตรวจสอบเงื่อนไขเบื้องต้น หรือการประมวลผลข้อมูลลูกค้า ด้วยความสามารถในการอธิบายผลลัพธ์ได้อย่างโปร่งใส ไม่ต้องพึ่งพาการเรียนรู้จากข้อมูล และรองรับงานที่ต้องการความแม่นยำสูง ระบบนี้จึงเหมาะทั้งธุรกิจขนาดเล็กและธุรกิจขนาดใหญ่
Rule-based คือระบบที่ใช้กฎ หรือเงื่อนไขที่กำหนดไว้ล่วงหน้า เป็นหัวใจสำคัญในการประมวลผลข้อมูลและดำเนินการตัดสินใจในแต่ละสถานการณ์ หากเกิดเงื่อนไขหนึ่ง ระบบจะตอบสนองด้วยการกระทำที่กำหนดไว้อย่างชัดเจน การทำงานของระบบนี้ไม่พึ่งพาการเรียนรู้จากข้อมูลใหม่ แต่พัฒนาโดยอาศัยความรู้ ความเข้าใจ และประสบการณ์ของผู้เชี่ยวชาญ เพื่อออกแบบกฎที่ครอบคลุมสถานการณ์ต่างๆ ให้มากที่สุด
มีองค์ประกอบหลัก 3 ส่วน ได้แก่ Rules, ตัวแปรและเงื่อนไข และผลลัพธ์ ซึ่ง 3 ส่วนนี้จะทำงานร่วมกันเพื่อให้ระบบสามารถตัดสินใจหรือดำเนินการอย่างเป็นระบบ
ตัวแปร คือข้อมูลอินพุตที่ระบบใช้ตรวจสอบกับกฎ เช่น อายุ, รายได้, อุณหภูมิ ส่วนเงื่อนไขเป็นเกณฑ์ที่ระบุว่าค่าของตัวแปรเป็นเช่นไรจึงจะเข้าข่ายของกฎ เช่น อายุ > 55 หรือ อุณหภูมิ >= 35 ตัวแปรและเงื่อนไขเป็นส่วนที่ใช้เปรียบเทียบกับข้อมูลจริงเพื่อตัดสินว่ากฎควรทำงานหรือไม่
ผลลัพธ์ คือสิ่งที่ระบบจะดำเนินการเมื่อกฎนั้นๆ เป็นจริง เช่น แสดงข้อความแจ้งเตือน, ส่งข้อมูลต่อไปยังผู้เชี่ยวชาญ, หรือดำเนินการบางอย่างอัตโนมัติ เช่น อนุมัติคำขอ การออกแบบผลลัพธ์ต้องคำนึงถึงผลกระทบ และความเหมาะสมของการกระทำในแต่ละสถานการณ์
สองแนวทางหลักในการพัฒนาระบบอัจฉริยะ ซึ่งแต่ละแนวทางมีหลักการทำงาน รวมถึงข้อดีและข้อจำกัดที่แตกต่างกัน ดังนี้
Rule-based ทำงานโดยอ้างอิงจากกฎที่มนุษย์กำหนดขึ้นล่วงหน้า ไม่เรียนรู้จากข้อมูล
Machine Learning เรียนรู้จากข้อมูลจำนวนมากที่มีอยู่ เพื่อนำมาตัดสินใจในสถานการณ์ต่างๆ
Rule-based ไม่ยืดหยุ่นและไม่ซับซ้อน เหมาะกับปัญหาที่มีกฎชัดเจน
Machine Learning มีความยืดหยุ่นสูง เหมาะกับปัญหาที่มีความซับซ้อน
Rule-based ใช้ความรู้จากผู้เชี่ยวชาญในการสร้างกฎ ไม่จำเป็นต้องมีข้อมูลจำนวนมาก
Machine Learning ต้องการข้อมูลที่มีคุณภาพและจำนวนมาก เพื่อใช้ในการฝึกโมเดล
Rule-based ทำงานโดยใช้กฎที่ถูกกำหนดไว้ล่วงหน้าในการตัดสินใจหรือดำเนินการกับข้อมูลที่ได้รับเข้ามา การทำงานสามารถแบ่งออกเป็นขั้นตอนหลักๆ ดังนี้
การประเมินความเสี่ยงการให้สินเชื่อด้วยระบบ Rule-based โดยธนาคารประเมินความเสี่ยงของลูกค้าก่อนอนุมัติด้วยรายได้สุทธิต่อเดือน เช่น < 15,000 บาท ทำการปฏิเสธคำขอ แต่ถ้า ≥ 15,000 บาท อนุมัติวงเงินตามที่กำหนด
ระบบ Rule-based คัดกรองใบสมัครงานเบื้องต้น โดยกรองจากข้อมูลของผู้สมัคร เช่น วุฒิการศึกษาต่ำกว่า ปวส. จะทำการปฏิเสธอัตโนมัติ แต่ถ้ามีประสบการณ์ 2 ปีขึ้นไป ส่งต่อให้กับผู้จัดการฝ่ายเพื่อพิจารณา
RPA ทำงานภายใต้กฎหรือเงื่อนไขที่กำหนดไว้ล่วงหน้า เรียกว่า Rule-based ซึ่งหมายความว่า ตัวอย่างการทำงานของบอท RPA เช่น การคลิกปุ่ม การกรอกแบบฟอร์ม หรือการคัดลอกข้อมูลจากจุดหนึ่งไปยังอีกจุดหนึ่ง ทั้ง 2 เป็นแนวคิดที่เกี่ยวข้องกันในด้านระบบอัตโนมัติ โดยมีความเหมือนและความต่างที่น่าสนใจ ดังนี้
นิยาม: RPA คือระบบอัตโนมัติที่เลียนแบบการทำงานของมนุษย์ ส่วน Rule-based System คือระบบที่ตัดสินใจตามกฎที่กำหนดไว้
เป้าหมาย: RPA ลดงานซ้ำซ้อนจากมนุษย์ในกระบวนการทำงาน ส่วน Rule-based System ช่วยตัดสินใจหรือตอบสนองต่อข้อมูลอย่างมีตรรกะ
