Lohma (โลมา) — ระบบช่วยเตรียมคดีด้วย AI สำหรับนักกฎหมาย

จากแนวคิดสู่ผลิตภัณฑ์

Intellicore ริเริ่มพัฒนาผลิตภัณฑ์ AI สำหรับงานกฎหมายไทย เพื่อลดเวลาที่นักกฎหมายใช้ในการเตรียมคดี ตั้งแต่การรวบรวมข้อเท็จจริงจากเอกสาร การค้นแนวคำพิพากษา จนถึงการวางแผนงาน โดยต้องคุ้มครองข้อมูลที่อ่อนไหวของลูกความอย่างเข้มงวด

• รองรับข้อมูลคดีหลายรูปแบบ ทั้งเอกสาร PDF ภาพสแกน และไฟล์เสียงสัมภาษณ์
• ช่วยค้นแนวคำพิพากษาฎีกาที่เกี่ยวข้องพร้อมแหล่งอ้างอิงที่ตรวจสอบได้
• แปลงผลวิเคราะห์เป็นแผนงานเตรียมคดีที่ทีมกฎหมายนำไปใช้ต่อได้ทันที
• คุ้มครองข้อมูลส่วนบุคคลตาม PDPA โดยผู้ใช้เป็นผู้ตัดสินใจขั้นสุดท้ายเสมอ

Strategy · การวางแผนและตัดสินใจ

แปลงวิสัยทัศน์ของผู้บริหารเป็นแผนงานเชิงเทคนิค และตัดสินใจเลือกแนวทางด้วยข้อมูลเชิงเปรียบเทียบ

• แปลง requirement จากผู้บริหารและผู้ใช้งานเป็น technical roadmap พร้อมกำหนดขอบเขต ลำดับความสำคัญ และเกณฑ์การส่งมอบที่วัดผลได้
• ประเมินทางเลือกด้านเทคโนโลยีด้วยข้อมูลเชิงเปรียบเทียบ (benchmark, PoC, cost-benefit) ก่อนตัดสินใจ และบันทึกเหตุผลเป็น decision record
• จัดทำร่างนโยบาย (Policy) และ Terms of Service ฉบับต้นเป็น requirement สำหรับทีมกฎหมาย

Hardware · Infrastructure

วางรากฐานของระบบตั้งแต่ระดับ hardware และเครือข่าย พร้อมควบคุมการย้ายระบบสู่ on-premise โดยไม่กระทบผู้ใช้

• คัดเลือกและติดตั้ง server ระดับองค์กรและ GPU node สำหรับงาน AI ให้สอดคล้องกับปริมาณงาน งบประมาณ และแผนการขยายระบบ
• วางแผนและควบคุมการย้ายระบบจาก cloud สู่ on-premise แบบเป็นระยะ พร้อมแผน cutover และแผน rollback โดยไม่กระทบผู้ใช้
• ปรับปรุงเครือข่ายภายในสำหรับงานประมวลผล AI ลด latency จากประมาณ 100 ms เหลือประมาณ 1 ms
• ออกแบบเครือข่ายตามหลัก Zero-Trust Network Design และ least privilege

Platform · DevOps

วางกระบวนการให้ทีมส่งมอบงานได้บ่อย ปลอดภัย และกู้คืนได้เมื่อเกิดเหตุ

• วางระบบ GitOps ให้ทุก service deploy ผ่าน Git เป็นแหล่งข้อมูลเดียว ตรวจสอบย้อนหลังและย้อนกลับได้
• วาง Automated Security Testing ใน CI/CD ตามแนวทาง DevSecOps ให้ทุกการ deploy ผ่านการตรวจสอบความปลอดภัย
• ปรับกระบวนการ CI ให้เป็นมาตรฐานเดียวกันทุก service และลดงานซ้ำซ้อนด้วย shared library
• ออกแบบการขยายทรัพยากรอัตโนมัติ (autoscaling) ตามปริมาณงานจริง
• วางระบบ observability (metrics, logging, alerting) เพื่อตรวจพบความผิดปกติได้ก่อนกระทบผู้ใช้
• วางกลยุทธ์ Disaster Recovery พร้อมขั้นตอนกู้คืนที่ผ่านการทดสอบ
• กำหนดนโยบายทรัพยากรและความปลอดภัยของ container ตามแนวปฏิบัติของ Kubernetes

Backend · AI Engineering

พัฒนาระบบหลักและ AI workflow ด้วยตนเอง โดยออกแบบให้ทนต่อความผิดพลาดและคุ้มครองข้อมูลตั้งแต่ต้นทาง

• เป็นผู้พัฒนาหลักของ backend: พัฒนา AI workflow แบบหลายขั้นตอนสำหรับวิเคราะห์คดี ที่ทำงานต่อเนื่องได้แม้บริการภายนอกขัดข้อง และควบคุมค่าใช้จ่ายของ AI ได้
• ออกแบบระบบประมวลผลแบบ asynchronous ที่ทนต่อความผิดพลาดและกู้คืนงานได้อัตโนมัติ
• พัฒนาระบบตรวจจับและปกปิดข้อมูลส่วนบุคคลก่อนส่งให้ AI พร้อมหน้าจอให้ผู้ใช้ตรวจสอบ
• พัฒนาการตรวจคุณภาพผลลัพธ์ OCR อัตโนมัติ เพื่อให้ข้อมูลที่ส่งต่อมีความถูกต้อง
• ดูแลคุณภาพด้วยชุดทดสอบอัตโนมัติมากกว่า 3,400 รายการ ที่ต้องผ่านก่อนทุกการ deploy

API Gateway · AI Services

กำหนดมาตรฐานการเรียกใช้บริการ AI ภายใน และพัฒนาบริการประมวลผลที่ใช้ทรัพยากรสูงให้ทำงานได้อย่างเสถียร

• ออกแบบ Secure API Architecture สำหรับบริการ AI และกำหนดมาตรฐานการเรียกใช้ร่วมกันของทุก service
• พัฒนาบริการถอดเสียง (ASR) แบบ asynchronous ที่รองรับงานปริมาณมากได้อย่างเสถียร
• พัฒนาบริการ inference บน GPU ให้ทำงานได้อย่างเสถียรภายใต้ปริมาณงานสูง
• พัฒนาระบบเฝ้าระวังคิวงานที่ล้มเหลวและแจ้งเตือนอัตโนมัติ

Frontend · Product

พัฒนาประสบการณ์ใช้งานสำหรับนักกฎหมายและผู้ดูแลระบบ ทั้งบน desktop และ mobile

• พัฒนาเว็บแอปพลิเคชันหลักด้วย Next.js ครอบคลุมชุดเครื่องมือสำหรับนักกฎหมาย chatbot แผงผู้ดูแลระบบ และ CMS ข่าว รองรับทั้ง desktop และ mobile
• พัฒนาหน้าจอตรวจสอบการปกปิดข้อมูลส่วนบุคคล PDPA consent และ social login (Google, LINE, Microsoft)
• ดูแลชุดทดสอบ end-to-end ด้วย Playwright 25 ชุดทดสอบ (spec) ครอบคลุมทุกบทบาทผู้ใช้

AI R&D · การวิจัยและพัฒนา

นำการทดลองและปรับปรุงคุณภาพของ AI ด้วยข้อมูลจริง เพื่อให้ผลลัพธ์แม่นยำและตรวจสอบได้ในบริบทกฎหมายไทย

• ออกแบบและนำโครงการปรับแต่ง (fine-tune) Typhoon OCR สำหรับเอกสารกฎหมายไทย ตั้งแต่การเตรียมข้อมูลจนถึงการใช้งานจริง และปรับปรุงความแม่นยำให้ผ่านเกณฑ์ที่ทีมกำหนดไว้สำหรับเอกสารทางกฎหมายที่ใช้ทดสอบ
• ทำ PoC เปรียบเทียบแนวทาง OCR หลายแบบบนเอกสารจริง และเลือกแนวทางที่ไม่สร้างข้อความขึ้นเอง โดยให้นักกฎหมายเป็นผู้ตัดสินในจุดที่ไม่แน่ใจ
• ตรวจพบและแก้ไขการอ้างอิงกฎหมายไม่ถูกต้องจาก AI ใน pipeline วิเคราะห์คำพิพากษา ด้วยการตรวจทานผลย้อนหลังทั้งชุดข้อมูล (10,727 คดี)
• ออกแบบ pipeline วิเคราะห์คำพิพากษาแบบหลายขั้นตอน พร้อมการเปรียบเทียบผลระหว่าง 2 โมเดลและการตรวจอนุมัติโดยผู้เชี่ยวชาญ

Security · Compliance

ออกแบบระบบโดยอ้างอิงมาตรฐานสากลด้านความมั่นคงปลอดภัยและการคุ้มครองข้อมูล สำหรับข้อมูลทางกฎหมายที่อ่อนไหวสูง

• ISO/IEC 27001 (ระบบบริหารความมั่นคงปลอดภัยสารสนเทศ): ออกแบบโดยอ้างอิงแนวทางของมาตรฐาน ด้านการควบคุมการเข้าถึงและการบันทึกเพื่อตรวจสอบย้อนหลัง
• OWASP ASVS Level 2 (มาตรฐานตรวจสอบความปลอดภัยของแอปพลิเคชัน): อ้างอิงเป็นเกณฑ์ในการออกแบบและทวนสอบความปลอดภัย
• PDPA (พ.ร.บ.คุ้มครองข้อมูลส่วนบุคคล): ออกแบบตามหลัก privacy by design เช่น การปกปิดข้อมูลส่วนบุคคลก่อนประมวลผลด้วย AI และการกำหนดสิทธิ์ตามบทบาท
• แนวปฏิบัติ OWASP ด้านการยืนยันตัวตนและการจัดการข้อมูลลับ: ใช้เป็นมาตรฐานของทีมในการพัฒนาทุก service
• Vulnerability management: ติดตามช่องโหว่ (CVE) และกำหนดรอบการ patch และอัปเดต dependency อย่างสม่ำเสมอ

Operations · Incident Response

ดูแลเสถียรภาพของระบบบน production ตามแนวปฏิบัติการจัดการเหตุขัดข้อง และเปลี่ยนทุกเหตุเป็นมาตรการป้องกัน

• จัดการเหตุขัดข้องตามขั้นตอน incident response: จำกัดผลกระทบ กู้คืนบริการ และวิเคราะห์หาสาเหตุที่แท้จริง (root cause)
• กำหนดมาตรการป้องกันการเกิดซ้ำจากทุกเหตุขัดข้อง เพื่อปกป้องบริการหลัก
• จัดทำ post-mortem, decision paper และรายงานผล load test เพื่อเป็นมาตรฐานการปฏิบัติงานของทีม
• วางแผนและดำเนินการบำรุงรักษาระบบ (PM/CM) เป็นรายเดือน

Team Leadership · การบริหารทีม

บริหารทีมพัฒนาแบบ Agile แบ่งงานตามความถนัด มอบหมายให้สมาชิกเป็นเจ้าของ และรักษามาตรฐานคุณภาพของทีม

• วิเคราะห์และแยกย่อยงาน มอบหมายตามระดับและความถนัดของสมาชิก และติดตามความคืบหน้าแบบ Agile ผ่าน ClickUp
• มอบหมายงานเฉพาะทางให้สมาชิกเป็นเจ้าของ เช่น งานคลังคำพิพากษาและงานปรับแต่งโมเดล OCR โดยวางแนวทาง กำหนดเกณฑ์ความสำเร็จ และติดตามผลจนระบบเสถียร
• ตรวจสอบโค้ด (code review) เพื่อรักษามาตรฐานเดียวกัน รวมถึงโค้ดที่พัฒนาร่วมกับ AI โดยกำหนด rules และ skill ให้ AI ทำงานตามมาตรฐานของทีม
• ประเมินงานออกแบบ UX/UI และ prototype จากผู้บริหารและทีม designer ก่อนเข้าสู่ขั้นตอนพัฒนา
• จัดทำเอกสารสถาปัตยกรรม runbook และคู่มือการทำงาน เพื่อให้ทีมทำงานตรงกันและส่งต่องานได้

ผลลัพธ์

ความร่วมมือ รางวัล และการใช้งานจริง