โครงงานนี้เป็นการพัฒนาเครื่องมือโปรแกรมมาโคร (Macro) ด้วยภาษา VBA บน Microsoft Excel เพื่อสนับสนุนและเพิ่มประสิทธิภาพในการตรวจสอบความถูกต้องของรายการบัญชีแยกประเภททั่วไป (General Ledger: GL) สำหรับธุรกรรมการถอนเงินแบบไม่ใช้บัตร (Cardless ATM) ของธนาคาร โดยเปลี่ยนระบบการทำงานจากเดิมที่ใช้การตรวจสอบด้วยมือ (Manual Testing) ซึ่งมีความซับซ้อน ใช้เวลานาน และเกิดข้อผิดพลาดได้ง่าย ให้เป็นระบบอัตโนมัติที่ช่วยตรวจสอบความสม่ำเสมอของรูปแบบข้อมูล ความสมดุลของยอดเดบิต-เครดิต และความสอดคล้องของรหัสบัญชี ซึ่งผลการดำเนินงานพบว่าเครื่องมือดังกล่าวสามารถลดระยะเวลาในการตรวจสอบโดยรวมลงได้อย่างมีนัยสำคัญ และรองรับการตรวจสอบข้อมูลปริมาณมากได้อย่างถูกต้องแม่นยำ

โครงงานนี้เป็นการพัฒนาระบบจัดการคำขอประเมินหลักประกัน เพื่อแก้ไขปัญหาการสื่อสารข้อมูลติดขัดและความไม่สอดคล้องของสถานะคำขอระหว่างระบบต่าง ๆ ในกระบวนการพิจารณาสินเชื่อของสถาบันการเงินอันเนื่องมาจากระบบปลายทางไม่พร้อมใช้งานหรือเกิดข้อผิดพลาดระหว่างเชื่อมต่อ ระบบที่พัฒนาขึ้นทำหน้าที่เป็นท่อส่งข้อมูล (Data Pipe) พร้อมหน่วยประมวลผล (Worker) ช่วยจัดการข้อมูลและเหตุการณ์ได้อย่างน่าเชื่อถือ จากผลการประเมินพบว่าระบบสามารถเพิ่มประสิทธิภาพการดำเนินงานโดยรวมจากเดิม 33.33% ขึ้นเป็น 96.67% (เพิ่มขึ้น 63.34%) ช่วยลดความเสี่ยงข้อมูลตกหล่น และเพิ่มความถูกต้องแม่นยำในการตรวจสอบข้อมูลย้อนหลังได้อย่างมีนัยสำคัญ

โครงงานนี้นำเสนอการพัฒนาต้นแบบระบบแชทบอทอัจฉริยะ (Proof of Concept) สำหรับจำแนกประเภทวัสดุและทำนายเส้นทางการผลิตในอุตสาหกรรมฮาร์ดดิสก์โดยอัตโนมัติ เพื่อลดเวลาการทำงานและป้องกันความผิดพลาดจากการพึ่งพาวิศวกรผู้เชี่ยวชาญเพียงอย่างเดียว ระบบดังกล่าวผสานการทำงานร่วมกันระหว่างโมเดลการประมวลผลภาพ (Vision Transformer), ท่อส่งข้อมูลเชิงค้นหา (RAG Pipeline) และการจัดระเบียบสถาปัตยกรรมแบบหลายเอเจนต์ (Multi-Agent Orchestration) ซึ่งส่งผลให้การจำแนกและทำนายมีความแม่นยำโดยรวม (Overall Accuracy) อยู่ที่ 85%

โครงการพัฒนาระบบแนะนำหัวข้อบทสนทนาอัจฉริยะ (Personalized Conversation Topics) เพื่อยกระดับและเพิ่มประสิทธิภาพการทำงานของผู้จัดการความสัมพันธ์ (Relationship Manager: RM) สำหรับกลุ่มลูกค้า Wealth ของธนาคารทหารไทยธนชาต (ttb). ระบบถูกขับเคลื่อนด้วยเทคโนโลยี Generative AI โดยผสมผสานโมเดลภาษาขนาดใหญ่ (LLM) เข้ากับเทคนิค Retrieval-Augmented Generation (RAG) บนแพลตฟอร์ม Databricks และการออกแบบสถาปัตยกรรม Multi-Agent ผ่าน LangGraph ซึ่งสามารถช่วยลดระยะเวลาการเตรียมข้อมูล ยกระดับมาตรฐานการบริการ และสร้างความพึงพอใจให้กับผู้ใช้งานจริงได้สูงถึง 92%.

โครงงานนี้เป็นการประเมินความมั่นคงปลอดภัยไซเบอร์ของเว็บแอปพลิเคชันสำหรับหน่วยงานภายในมหาวิทยาลัยศรีนครินทรวิโรฒจำนวน 4 โดเมนหลัก โดยใช้รูปแบบการทดสอบ External Black-Box Penetration Testing ตามขั้นตอนมาตรฐาน 5 ระยะ ผลการดำเนินงานตรวจพบช่องโหว่รวมทั้งสิ้น 8 จุด (ระดับปานกลาง 5 จุด และระดับคำแนะนำ 3 จุด) ซึ่งหลังจากการวิเคราะห์และจัดทำรายงานแนวทางแก้ไข สามารถลดความเสี่ยงด้านข้อมูลรั่วไหลและความเสี่ยงต่อการหยุดชะงักของระบบลงเหลือ 0% สอดคล้องตามกรอบมาตรฐาน NIST Cybersecurity Framework (CSF) 2.0