คำถาม · The Question
คุณรู้ไหม? เลข 87 คืออะไร?
ทุก 87 วินาที · ลูกค้าธนาคารในไทย 1 คน ตกเป็นเหยื่อ
จากมิจฉาชีพออนไลน์ · ณ วินาทีนี้
⏱️ Every 87 Seconds · เกิดอะไรขึ้น?
🗓️ ทุก 1 ปี
368,000
คน · = ประชากรทั้งจังหวัดนครนายก
💸 มูลค่าความเสียหายของประชาชนต่อปี
🚨 ประชาชนไทยสูญเสียเงินให้มิจฉาชีพ
22,000
ล้านบาท / ปี · Data จาก สตช. ผ่านฐานข้อมูลกลาง ITMX
🔗 ที่มาของข้อมูล · ธนาคารสมาชิกทุกธนาคารส่งข้อมูลให้ ITMX
🏛️ 6-Bank Committee · ผู้อนุมัติการขอเข้าถึงข้อมูล (Access Approval)
💡 กรุงศรี คือ 1 ใน 6 ธนาคารที่มีสิทธิ์อนุมัติการขอข้อมูลจาก ITMX · ตำแหน่งยุทธศาสตร์ที่ทำให้เราเข้าถึงข้อมูลได้ก่อนใคร
📞 แหล่งข้อมูลเสริม · Validation Data
📞 AOC 1441 (คนละ Database)
12,000-14,000
ล้านบาท/ปี · เฉพาะที่โทรแจ้ง hotline · Subset
💡 ทำไมข้อมูล 2 แหล่งไม่เท่ากัน: ITMX (สตช.) รวมทุกช่องทางจากธนาคารสมาชิกทั้งหมด · AOC 1441 เก็บเฉพาะที่โทรแจ้ง hotline · ตัวเลข 22,000M จาก ITMX ครอบคลุมและอ้างอิงได้เต็มรูปแบบ
Sources: ITMX Interbank Database via สตช. + 6-Bank Committee approval | AOC 1441 · กระทรวง DE
🌟 ถ้าเงินนี้ยังอยู่กับประชาชน... สังคมได้อะไร?
🚇 สถานีรถไฟฟ้าใต้ดิน
7
สถานี
🏦 ลูกค้ากรุงศรี · 1 ในกลุ่มที่ได้รับผลกระทบ
คำนวณตามส่วนแบ่งตลาด · ไม่ใช่ความเสียหายของธนาคาร แต่คือมูลค่าที่ลูกค้าของเราสูญเสียไป
22,000
ลบ./ปี · ทั้งประเทศ
×
7.5%
Krungsri Market Share
=
1,500-1,700
ลบ./ปี · ลูกค้าเราสูญเสีย
🎯 ประเด็นสำคัญ: เงินจำนวนนี้คือทรัพย์สินของลูกค้าที่หายไปให้มิจฉาชีพ · ธนาคารกรุงศรีไม่ได้เสียเงินตรงนี้ · แต่ธนาคารมีหน้าที่ปกป้องลูกค้า · นี่คือเหตุผลที่เราต้องมี Smart Guard
Solution · วิธีปกป้องลูกค้า
Krungsri Smart Guard
ปกป้องลูกค้าจากมิจฉาชีพ · ณ จังหวะยืนยันโอน · ด้วย AI real-time
🎨 3 สี · จัดความเสี่ยงบัญชีปลายทาง
Smart Guard ตัดสินใจใน <500 มิลลิวินาที · แบ่งบัญชีปลายทางเป็น 3 ระดับความเสี่ยง
GREEN
ปลายทางเชื่อถือได้ · พฤติกรรมปกติ · Confidence > 95%
โอนได้ทันที
YELLOW
ปลายทางใหม่ · จำนวนสูงผิดปกติ · CFR flag เหลือง
หยุดคิด 15 วิ
RED
บัญชีม้าใน ITMX · Pattern ตรง Scam · อันตรายชัดเจน
บล็อก + Appeal
🔄 Data Flow Diagram · เบื้องหลังการทำงาน
จาก User Action ถึง Decision · ทุกขั้นตอนต่ำกว่า 500ms
🔔 Trusted Contact Notification · แจ้งเตือนคนที่คุณไว้วางใจ
ลูกค้าเลือก Trusted Contact เพื่อรับแจ้งเตือนเมื่อมี Yellow/Red transaction
1
Fraud Detection Engine → Notification Router
Kafka Event Bus · topic: fraud.alert.trigger
2
Notification Router → 3 Channels พร้อมกัน
Multi-channel fanout · ensures delivery
3a
Channel 1 · KMA Push Notification
KMA Push API · FCM/APNs · <2s
3b
Channel 2 · LINE Official Account
LINE Messaging API · <5s
3c
Channel 3 · SMS Gateway
Business SMS API · fallback · <10s
4
Trusted Contact กด "แจ้ง Fraud Ops"
Deep link → KMA · SLA 15 นาที
🔐 Privacy & Consent: ลูกค้าต้อง opt-in และเลือก contact เอง · PDPA-compliant
📱 KMA Service Scope · จะพัฒนากับ Service ไหนบ้าง?
1
Phase 1 · High Risk
Q1-Q4 · Y1
- โอนเงินภายในประเทศ
- PromptPay · 870 tx/s
2
Phase 2 · Common Scam
Y1-Y2
- Bill Payment
- ชำระบัตรเครดิต
3
Phase 3 · High Value
Y2
- Bulk Payment
- Bahtnet Transfer
4
Phase 4 · Ecosystem
Y2-Y3
- Foreign Transfer
- Kept + UCHOOSE
🎯 Phase 1 Focus: โอนเงินภายในประเทศ + PromptPay · ครอบคลุม ~70% ของ scam volume
⚔️ Competitive Moat · แตกต่างจาก Big 3 อย่างไร
| Criteria | KBank | SCB | BBL | Krungsri ⭐ |
|---|
| AI Detection | ✗ | ◐ | ✗ | ✓ |
| Trusted Contact Notify | ✗ | ✗ | ✗ | ✓ |
| พ.ร.ก. 2568 Ready | ◐ | ◐ | ◐ | ✓ |
| Latency <500ms | ✗ | ✗ | ✗ | ✓ |
| In-App Appeal 15min | ✗ | ✗ | ✗ | ✓ |
🔍 อธิบายแต่ละ Criteria · ทำอะไรได้ · ส่งผลอะไร
🤖 1. Multi-source AI Detection
What
ML model (XGBoost + LightGBM) วิเคราะห์ transaction จาก 4 แหล่งพร้อมกัน
Does
คำนวณ risk score real-time · ปรับตัวเรียนรู้ pattern ทุกสัปดาห์
Impact
FP <0.5% · Detection +40%
🔔 2. Trusted Contact Notification
What
ลูกค้าเลือกบุคคลที่ไว้วางใจให้รับแจ้งเมื่อเจอ Yellow/Red case
Does
ส่ง notification ผ่าน 3 channels พร้อมกัน (KMA/LINE/SMS)
Impact
Second-eye protection · ยับยั้งการโอนก่อนสาย
⚖️ 3. พ.ร.ก. 2568 Ready
What
Compliance กับ พ.ร.ก. คุ้มครองผู้ใช้บริการการเงิน 2568
Does
มาตรา 8 ให้อำนาจธนาคารระงับธุรกรรม · audit trail 7 ปี
Impact
Legal Shield · หลีก ค่าปรับ 500 ลบ./ครั้ง
⚡ 4. Latency <500ms
What
Response time จาก user กดโอน ถึงระบบให้ผลลัพธ์
Does
Parallel query 4 data sources + ML inference
Impact
UX ไม่กระทบ · Green case ผ่านลื่นๆ
📩 5. In-App Appeal SLA 15 นาที
What
ลูกค้าโต้แย้งการบล็อกได้ในแอปทันที
Does
Priority routing ไป Fraud Ops · human-in-the-loop
Impact
Trust recovery · NPS +15 pts
🎯 สรุป Moat: เราใช้ AI ที่เร็วกว่า · แม่นยำกว่า · เชื่อมกับ ITMX + MUFG · คู่แข่งต้องใช้ 18-24 เดือนเพื่อไล่ทัน
Impact & Benefit · ผลกระทบเชิงบวก
ปกป้องลูกค้า · สร้างมูลค่าให้กรุงศรี
ทุกบาทที่ลงทุน สร้างประโยชน์เป็นลูกโซ่ · ประชาชน → กรุงศรี → ผู้ถือหุ้น
💰 ROI Overview · ตัวเลขหลัก
50-80
ลบ. · Investment (9 เดือน)
→
880-1,520
ลบ./ปี · Y1 Return
💎 3-Year NPV
2,400-3,700
ล้านบาท @ 10%
📈 Return Growth · 4-Year Projection
Return โต 3 เท่าใน 3 ปี · จาก Phase 1 สู่ Ecosystem
💸 Investment Breakdown · Phase 1+2 (9 เดือน)
| รายการ | ลบ. | แหล่งอ้างอิง |
|---|
| 👥 1. Personnel · 8-คน Squad |
| ML Engineer × 2 ~130k/mo | 2.34 | True Blue TH 2025 |
| UX × 2 Designer + Researcher | 1.80 | True Blue 2025 |
| Backend Senior × 2 | 2.34 | Senior 80-150k |
| Legal + PM × 2 | 2.70 | Krungsri internal |
| Overhead 30% | 2.75 | HR standard |
| Subtotal Personnel | 11.9-13.0 | |
| ☁️ 2. Infrastructure |
| AWS SageMaker + S3 + HA | 3.0-4.3 | AWS Pricing 2025 |
| Subtotal Infra | 3.0-4.3 | |
| 🔗 3. Integration & Licensing |
| ITMX API + ธปท. Integration | 3.0-5.0 | Regulatory Sandbox |
| MUFG Threat Intel | 3.0-5.0 | Group Agreement |
| Tooling (SHAP, MLflow) | 0.5-1.0 | SaaS |
| Subtotal Integration | 6.5-11.0 | |
| 🛡️ 4. Security + Others |
| Security Audit + Pen Test | 2.0-3.0 | Big-4 pentest |
| Compliance & Legal | 1.0-2.0 | Law firm |
| UX Lab Testing | 0.5-1.0 | Nielsen Norman |
| Contingency 15% | 4.0-6.5 | PMI Standard |
| Subtotal Others | 7.5-12.5 | |
| 🎯 TOTAL | 50-80 ลบ. | 9 เดือน |
💰 Annual Return · 4 แหล่งประโยชน์
| รายการ | Y1 (ลบ.) | Y3 (ลบ.) | คำนวณจาก |
|---|
| 🛡️ ปกป้องลูกค้า | 500-800 | 800-1,200 | 1,500-1,700 × ลด 30-50% |
| ⚙️ ลด Ops Cost | 80-120 | 150-200 | Fraud efficiency +40% |
| ⚖️ หลีก Reg Fine | 100-200 | 200-300 | พ.ร.ก. 2568 |
| 📈 Cross-sell | 200-400 | 500-800 | NPS +15pts |
| Total | 880-1,520 | 1,650-2,500 | ล้านบาท/ปี |
🌱 Benefit Cascade · ผลกระทบเชิงบวกเป็นลูกโซ่
Smart Guard ไม่ใช่แค่ระบบป้องกัน · แต่คือ Growth Engine ที่สร้างมูลค่าเชิงกลยุทธ์
Krungsri Smart Guard ช่วยลดความเสียหายของประชาชนไทย · Save เงินให้ลูกค้ากรุงศรี
500-800 ลบ./ปี Y1 · ประชาชน 368,000 คน/ปีจะไม่ต้องตกเป็นเหยื่อ
368,000 คน/ปี ปลอดภัย
Save 500-1,200 ลบ.
Scam impact ↓ 30-50%
ธนาคารแรกในไทยที่มี AI Fraud Detection Real-time + Trusted Contact ·
ตั้งบรรทัดฐานให้อุตสาหกรรม · คู่แข่งตามอย่างน้อย 18-24 เดือน
First-mover advantage
Thought leadership
Industry benchmark
Media coverage
ลูกค้ารู้สึก
ปลอดภัยเมื่อทำธุรกรรม · ลดความกังวลจากภัยมิจฉาชีพ ·
Trust คือรากฐานของทุก Banking Product
NPS +15 pts
Anxiety reduction
Higher engagement
Session ↑
"ธนาคารที่ปกป้องลูกค้าที่สุด" · Positive brand perception · โอกาสรับรางวัลนวัตกรรม เช่น
BOT Fintech Award · Asian Banker Awards
Brand value ↑
Award opportunities
PR value
Regulatory goodwill
MUFG Group pride
Trust → Transaction → Revenue Cascade: ลูกค้าที่มั่นใจจะทำธุรกรรมมากขึ้น · ซื้อ product ง่ายขึ้น · ส่งผลต่อ
ราคาหุ้น BAY.BKและ
มูลค่ากิจการ
Cashflow ↑
Cross-sell easier
Deposit growth
Loan uptake
Insurance sales
Investment products
Stock price BAY.BK
Investor confidence
Customer acquisition ↑
Churn ↓
Brand ranking
Market cap ↑
🎯 Bottom Line: ทุก 1 บาทลงทุน · สร้างประโยชน์เป็นลูกโซ่ตั้งแต่ประชาชนไปถึงผู้ถือหุ้น · ROI direct 34-53 เท่า
🛡️ Trust · False Positive Handling
Development Plan · แผนพัฒนา
12 เดือน สู่ Production
4 Quarters · แต่ละ Quarter มี Gate ชัดเจน
🗓️ Roadmap · 4 Quarters
Q1
Prototype
UX Lab · 100 users
ML v1.0 · โอนเงินภายในประเทศ
GATE: Sponsor
Q2
Sandbox
ITMX API · PromptPay
Regulatory review
GATE: ธปท.
Q3
Pilot
100k users
Bangkok + Chiang Mai
GATE: NPS >70
Q4
Rollout
6M users · Phase 2 plan
Marketing launch
GATE: Loss ↓ 30%
📋 Q1 Detail · Prototype Focus
| Month | Milestone | Deliverable |
|---|
| M1 | UX Design + Wireframe | Figma · 3-color · Trusted Contact flow |
| M2 | ML Model v1.0 + Backend | XGBoost · Risk API · ITMX mock |
| M3 | User Testing + Iteration | 100 users · NPS baseline · Sponsor Demo |
🎯 Success Metrics
🛡️ Customer Loss ป้องกัน
≥30%
App Demo · ลองสัมผัสจริง
Smart Guard Prototype
ทดลอง flow จริงบน KMA-style app
📱
เปิด Prototype App
App จำลอง KMA พร้อม Smart Guard · ทดลอง 3 สถานการณ์
🚀 เปิด Prototype
🎬 3 สถานการณ์ (Phase 1 · โอนเงิน)
แต่ละสถานการณ์แทน 1 ระดับความเสี่ยง · Green (ปลอดภัย) · Yellow (สงสัย) · Red (อันตราย)
โอนให้ลูกสาว
฿5,000 · คุณสมชาย (SCB) · เคยโอน 12 ครั้ง
Green · Pass
สาย "สรรพากร"
฿25,000 · ปลายทางใหม่ (KBank) · จำนวนสูงผิดปกติ
Yellow · 15s
ลงทุนหุ้น 10 เท่า
฿150,000 · บัญชีต้องสงสัย (BBL) · 47 ผู้เสียหาย
Red · Block
📝 วิธีทดลอง
- คลิก "เปิด Prototype" ด้านบน
- กรอกข้อมูลผู้ทดสอบ (ชื่อ · บทบาท · อายุ)
- ทดลอง 3 Tasks ตามลำดับ
- ให้คะแนน 5 มิติ หลังแต่ละ Task
- ตอบ 10 คำถาม + NPS
- Download CSV
💡 ~20-25 นาที/คน · Desktop/Tablet · LocalStorage · PDPA-safe
🔜 Future Demo · Phase 2-4
Prototype ปัจจุบันครอบคลุม Phase 1 · หลัง Sponsor Sign-off จะสร้าง demo apps เพิ่ม
Phase 2 Demo
Bill Payment
+ Credit Card
Phase 3 Demo
Bulk Payment
+ Bahtnet · SME
Phase 4 Demo
Foreign Transfer
+ Kept · UCHOOSE
🎯 The Ask · 3 สิ่งที่ Smart Guard ต้องการ
เพื่อปกป้องลูกค้ากรุงศรีภายใน 12 เดือน
1
50-80 ลบ.
Seed Investment
Phase 1+2 · 9 เดือน
Payback 2-3 เดือน
2
8 คน
Cross-func Squad
2 ML + 2 UX + 2 Backend
+ 1 Legal + 1 PM
3
EVP+
Steering Chair
Head of Retail Digital / COO
Monthly review
✅ Timeline Delivery
| Timeline | Delivery | Customer Impact |
|---|
| 90 วัน | Prototype ในสาขานำร่อง | Validate concept |
| 12 เดือน | Phase 1 Full Production · 6M ลูกค้าปลอดภัย | ปกป้องคนไทย 368,000 คน/ปี |
| 3 ปี | Phase 1-4 ครบ · Save ลูกค้า 2,400-3,700 ลบ. | Moat 2 ปี |
🏆 Our Promise
เพราะทุก 87 วินาที · มีลูกค้าไทยกำลังตกเป็นเหยื่อ
90 วัน · Prototype ใช้จริง
12 เดือน · ปกป้องคนไทย 368,000 คน/ปี
ปกป้องทรัพย์สินลูกค้ากรุงศรี 1,500-1,700 ลบ./ปี
Krungsri Smart Guard 🛡️
พร้อมเริ่ม · เมื่อท่านพร้อม