- การใช้ AI ในองค์กรมีสี่คำถาม ทำไม ตรงไหน ทำงานอย่างไร และลงมืออย่างไร ตอบตามลำดับนี้ก่อนเลือกเครื่องมือ
- เริ่มจากงานเดียวที่ทำซ้ำทุกวันในแผนกเดียว และจดตัวเลขของงานนั้นไว้ก่อนเริ่ม
- ก่อนเปิดใช้จริง ต้องมีคนรับเป็นเจ้าของงาน มีขั้นที่คนอนุมัติ และมีกติกาว่าข้อมูลไหนส่งให้ AI ได้
- เจ้าของกิจการกับฝ่าย IT อ่านคนละลำดับ แล้วเลือกงานแรกด้วยกัน
AI ในองค์กรเริ่มจากสี่คำถาม
เจ้าของกิจการส่วนใหญ่เริ่มจากคำถามว่าควรซื้อเครื่องมือ AI ตัวไหน ฝ่าย IT เริ่มจากว่าจะต่อกับระบบเดิมอย่างไร ทั้งสองคำถามสำคัญ และทั้งสองมาเร็วเกินไป ก่อนเลือกเครื่องมือ บริษัทต้องตอบอีกสี่ข้อให้ได้ ทำไมต้องใช้และวัดผลอย่างไร ใช้กับงานไหน ระบบทำงานอย่างไร และลงมืออย่างไร
คู่มือนี้มีเก้าบท บทนี้เป็นแผนที่ อีกแปดบทตอบสี่ข้อนี้ทีละข้อ
ทำไม: ประโยชน์ที่วัดเป็นตัวเลขได้
คำถามแรกคือ AI จะทำให้อะไรดีขึ้น และคุณจะรู้ได้อย่างไร ประโยชน์ที่วัดได้ส่วนใหญ่อยู่ในงานที่ทำซ้ำทุกวัน เอกสารที่พิมพ์ลงระบบซ้ำ คำถามลูกค้าที่ตอบเหมือนเดิม และการอนุมัติที่ค้างบนโต๊ะ
บทที่ 1 ประโยชน์ของ AI ในองค์กร 7 ข้อที่วัดเป็นตัวเลขได้ จากงานจริง แยกประโยชน์เป็นเจ็ดข้อ แต่ละข้อบอกว่าวัดด้วยอะไร และจดตัวเลขก่อนเริ่มอย่างไร อ่านคู่กับ ธุรกิจของคุณเสียเงินกับงาน Manual เดือนละเท่าไร? ตัวเลขชุดนี้คือฐานของ ROI ที่ผู้บริหารจะถามในภายหลัง
ตรงไหน: งานในแต่ละแผนก
เมื่อรู้ว่าจะวัดอะไร คำถามต่อไปคือใช้ที่ไหน ฝ่ายขายอยากออกใบเสนอราคาเร็วขึ้น บัญชีอยากเลิกพิมพ์ใบแจ้งหนี้ภาษาไทยซ้ำ จัดซื้ออยากเทียบราคาผู้ขายได้เร็วขึ้น HR อยากให้พนักงานหาคำตอบเรื่องสวัสดิการได้เอง
บทที่ 2 ตัวอย่างการใช้ AI ในธุรกิจ แยกตามแผนก ขาย บัญชี จัดซื้อ HR รวมตัวอย่างงานของแต่ละแผนก แยกงานที่ใช้ AI ได้วันนี้ออกจากงานที่ต้องรอให้ข้อมูลพร้อมก่อน วิธีให้คะแนนเพื่อเลือกแผนกแรกอยู่ใน ถ้าต้องการลดต้นทุนพนักงาน ควรเริ่มใช้ AI ในแผนกไหนก่อน?
ทำงานอย่างไร: LLM, RAG, AI Agent และโครงสร้างระบบ
ส่วนนี้คนมักข้าม แล้วมาเจออีกทีหลังเซ็นสัญญา เจ้าของกิจการควรรู้ว่าระบบ AI มีชิ้นส่วนอะไร เพราะแต่ละชิ้นมีต้นทุนและความเสี่ยงต่างกัน
บทที่ 3 แอป AI ทำงานอย่างไร LLM, RAG และ AI Agent อธิบายด้วยแอปจริง อธิบายสามชิ้นหลัก LLM คือโมเดลภาษาที่อ่านและเขียนข้อความได้ RAG ให้ระบบค้นเอกสารของบริษัทก่อนตอบ คำตอบจึงมาจากข้อมูลของคุณ ส่วน AI Agent รับงานหนึ่งเรื่องแล้วเปิดระบบที่ต้องใช้จนงานจบ
บทที่ 4 โครงสร้างระบบ AI ในองค์กร 7 ชั้นที่ฝ่าย IT ต้องรู้ก่อนสร้าง เขียนให้ฝ่าย IT ระบบ AI หนึ่งระบบมีเจ็ดชั้น ตั้งแต่ช่องทางอย่าง LINE OA ไปจนถึงโมเดล ข้อมูล การควบคุม และการวัดผล แต่ละชั้นมีคำถามที่ต้องตัดสินก่อนสร้าง ถ้าข้อมูลลูกค้าออกนอกบริษัทไม่ได้ ตัวเลือกคือ Private LLM ดูใน ทางเลือก Private AI สำหรับบริษัทที่ข้อมูลออกนอกองค์กรไม่ได้
บทที่ 5 AI Agent, Agentic AI และ Generative AI ต่างกันอย่างไร แยกสามคำในสไลด์ของผู้ขาย Generative AI สร้างร่างแล้วจบ AI Agent ทำงานหนึ่งเรื่องจนจบด้วยสิทธิ์ที่คุณให้ Agentic AI ประสานหลายขั้นหลายระบบในขอบเขตที่คนตั้ง มีตารางเปรียบเทียบ และบอกว่าเมื่อไรแชตบอตธรรมดาก็พอ
ลงมืออย่างไร: ตั้งกติกา เปลี่ยนวิธีทำงาน และจ้าง
ข้อสุดท้ายมีสามบท เพราะการลงมือมีสามเรื่องที่เดินไปพร้อมกัน
บทที่ 6 นโยบายการใช้ AI ในองค์กร ฉบับใช้ได้จริง พร้อมหัวข้อที่ต้องมีตาม PDPA ควรมาก่อนระบบแรกเปิดใช้ เพราะในหลายบริษัท พนักงานใช้ AI อยู่แล้วโดยฝ่าย IT ไม่รู้ นโยบายหน้าเดียวบอกว่าข้อมูลประเภทไหนใส่เครื่องมือไหนได้ ใครอนุมัติเครื่องมือใหม่ เมื่อมีคนพลาดต้องทำอะไร และหัวข้อที่ PDPA ต้องการ
บทที่ 7 AI Transformation คืออะไร เริ่มจากตรงไหน และ 90 วันแรกควรทำอะไร แยกการซื้อเครื่องมือออกจากการเปลี่ยนวิธีทำงาน AI Transformation คือการเปลี่ยนกระบวนการ บทบาท และวิธีวัดผล โดยมี AI อยู่ในงานประจำวัน บทนี้บอกว่า 90 วันแรกควรจบด้วยอะไร แผนทีละช่วงอยู่ใน แผนเปลี่ยนบริษัทให้เป็น AI-First ภายใน 90 วัน
บทที่ 8 20 คำถามที่พบบ่อยก่อนจ้างทำแอปและระบบ AI รวมคำถามที่ผู้ซื้อถามก่อนเซ็นสัญญา สี่กลุ่ม ราคาและเวลา ขอบเขตและเทคโนโลยี การทำงานร่วมกัน และหลังส่งมอบ ใช้ถามผู้พัฒนาทุกรายด้วยชุดเดียวกัน สิ่งที่บริษัทต้องเตรียมก่อนคุยอยู่ใน ก่อนจ้างบริษัทพัฒนา AI ต้องเตรียมอะไรบ้าง
กรณีจำลอง
โรงงานอาหารแช่แข็งของครอบครัวในนครปฐม (ชื่อและรายละเอียดสมมติ) ส่งสินค้าให้ร้านอาหาร ไตรมาสแรก ผู้บริหารตอบข้อทำไมและข้อตรงไหน จับเวลาที่ฝ่ายขายใช้รับออเดอร์ทาง LINE แล้วพิมพ์ลงระบบ งานแรกคือการรับออเดอร์ เพราะทำซ้ำทุกวัน และหัวหน้าฝ่ายขายรับเป็นเจ้าของ
ไตรมาสที่สอง ฝ่าย IT พบว่าระบบขายเดิมไม่มี API ต้องทำทางเชื่อมก่อน บริษัทออกนโยบายหน้าเดียวไปพร้อมกัน เพราะพนักงานบางคนวางรายชื่อลูกค้าลงแอปแชต AI ส่วนตัวอยู่แล้ว ไตรมาสที่สาม Agent รับออเดอร์จาก LINE OA แล้วร่างออเดอร์ในระบบให้ฝ่ายขายกดยืนยัน ความผิดพลาดแรกคือหน่วย ลูกค้าสั่งเป็นลัง ระบบบันทึกเป็นถุง ทีมจึงเพิ่มกฎให้ถามกลับเมื่อหน่วยไม่ชัด ไตรมาสที่สี่ บริษัทเทียบตัวเลขกับที่จดไว้ต้นปี แล้วเลือกใบแจ้งหนี้ของฝ่ายบัญชีเป็นงานที่สอง
อ่านตามลำดับไหน แยกตามบทบาท
เจ้าของกิจการกับฝ่าย IT ตัดสินใจคนละเรื่อง จึงอ่านคนละลำดับ แล้วมาเจอกันตอนเลือกงานแรก
แผนที่สี่คำถาม
- ทำไม บทที่ 1 ผลที่ได้: ตัวเลขก่อนเริ่มของงานที่จะวัด
- ตรงไหน บทที่ 2 ผลที่ได้: งานแรกในแผนกเดียว พร้อมชื่อเจ้าของ
- ทำงานอย่างไร บทที่ 3, 4 และ 5 ผลที่ได้: ระบบที่ต้องต่อ ข้อมูลที่ออกนอกบริษัทได้ และระดับของงาน
- ลงมืออย่างไร บทที่ 6, 7 และ 8 ผลที่ได้: นโยบายหน้าเดียว แผน 90 วัน และคำถามสำหรับผู้พัฒนา
ลำดับสำหรับเจ้าของกิจการ: บทที่ 1, 2, 5, 7, 6 แล้วจึง 8
ลำดับสำหรับฝ่าย IT: บทที่ 3, 4, 5, 6 แล้วจึง 8
กฎการอ่าน: ถ้าข้อทำไมยังไม่มีตัวเลข อย่าเพิ่งเลือกเครื่องมือ
| บท | ใครควรอ่าน | คำถามที่ตอบ | การตัดสินใจที่ได้ |
|---|---|---|---|
| 1 ประโยชน์ของ AI ในองค์กร | เจ้าของกิจการ ผู้บริหารการเงิน | AI ทำให้อะไรดีขึ้น และวัดอย่างไร | จดตัวเลขไหนก่อนเริ่ม |
| 2 ตัวอย่างการใช้ AI แยกตามแผนก | เจ้าของกิจการ หัวหน้าแผนก | งานไหนในแผนกเราใช้ AI ได้ | งานแรกและเจ้าของงาน |
| 3 แอป AI ทำงานอย่างไร | ฝ่าย IT ผู้บริหาร | LLM, RAG และ AI Agent ต่างกันอย่างไร | งานแรกต้องใช้ชิ้นส่วนไหน |
| 4 โครงสร้างระบบ AI 7 ชั้น | ฝ่าย IT | ระบบ AI ต้องต่อกับอะไรในบริษัท | โมเดลแบบไหน ข้อมูลอยู่ที่ไหน ใครอนุมัติ |
| 5 AI Agent, Agentic AI และ Generative AI | เจ้าของกิจการ ฝ่าย IT | ผู้ขายเสนอระบบระดับไหน | งานแรกควรอยู่ระดับไหน |
| 6 นโยบายการใช้ AI ในองค์กร | HR ฝ่ายกฎหมาย ฝ่าย IT | ข้อมูลไหนใส่ AI ได้ตาม PDPA | นโยบายหน้าเดียวที่ประกาศได้ |
| 7 AI Transformation คืออะไร | เจ้าของกิจการ ผู้บริหารระดับสูง | ต่างจากการซื้อเครื่องมืออย่างไร | 90 วันแรกควรจบด้วยอะไร |
| 8 20 คำถามก่อนจ้าง | เจ้าของกิจการ ฝ่ายจัดซื้อ | ต้องถามผู้พัฒนาอะไรก่อนเซ็นสัญญา | เลือกผู้พัฒนาจากคำตอบที่เทียบได้ |
พร้อมเริ่มสร้างเมื่อไร
ก่อนคุยกับผู้พัฒนา เช็กรายการนี้ ข้อไหนยังขาด ให้กลับไปอ่านบทที่ตอบข้อนั้น
- มีงานแรกหนึ่งงานในแผนกเดียว และมีชื่อคนที่รับเป็นเจ้าของงาน
- จดตัวเลขก่อนเริ่มของงานนั้นแล้ว เช่น เวลาต่องาน
- รู้ว่างานนั้นต้องเปิดระบบไหน และระบบนั้นมี API หรือยัง
- ตกลงแล้วว่าข้อมูลลูกค้าประเภทไหนออกนอกบริษัทได้ และประเภทไหนต้องอยู่ข้างใน
- มีนโยบายการใช้ AI ที่พนักงานรู้ แม้เป็นฉบับหน้าเดียว
- รู้ว่าขั้นไหนต้องให้คนอนุมัติ และใครเป็นคนอนุมัติ
- มีคำถามชุดเดียวกันไว้ถามผู้พัฒนาทุกราย
สำหรับทีมพัฒนา · ฝ่าย IT ควรอ่านอะไรก่อน
เริ่มที่บทที่ 3 เพื่อให้คำว่า LLM, RAG และ Agent มีความหมายตรงกันทั้งในทีมและกับผู้ขาย ต่อด้วยบทที่ 4 เพราะการตัดสินใจที่ย้อนยากที่สุดอยู่ในชั้นข้อมูลและชั้นการควบคุม ข้อมูลฉบับจริงอยู่ระบบไหน มี API หรือต้องใช้ RPA โมเดลรันบน Cloud หรือในบริษัท และ Audit Log เก็บที่ไหน ก่อนนัดผู้พัฒนา เตรียมรายการระบบพร้อม API แผนผังการไหลของข้อมูลส่วนบุคคล และสิทธิ์ที่แคบที่สุดที่ Agent ต้องใช้ แล้วอ่านบทที่ 6 เพราะฝ่าย IT คือคนที่ทำให้นโยบายข้อมูลเกิดขึ้นจริงในระบบ
เราเดินเส้นทางนี้ไปกับคุณอย่างไร
เส้นทางในคู่มือนี้คือวิธีที่ DNA Maker ทำงานกับลูกค้า เราเริ่มจากนั่งฟังคนที่ทำงานนั้นทุกวัน เพราะกฎที่ระบบต้องทำให้ถูกอยู่กับคนเหล่านี้ แล้วเขียนออกมาเป็นขั้นตอนงาน กฎ ข้อมูลที่แต่ละขั้นใช้ และจุดที่คนต้องตัดสินใจ ช่วงที่ปรึกษานี้ตอบสองข้อแรกของแผนที่ และเราบอกตรง ๆ เมื่องานไหนยังไม่ควรใช้ AI
เมื่อได้งานแรก เราทำขอบเขตและราคาให้คงที่ก่อนเริ่มงาน ให้คุณอนุมัติหน้าจอต้นแบบ แล้วสร้างเป็นรอบสั้น มี Demo ให้ดูทุกสัปดาห์ และวิศวกรอาวุโสตรวจงาน จากนั้นทดสอบ เปิดใช้ อบรมพนักงาน และดูแลรายเดือนต่อ ทีมทั้งหมดเป็นของ DNA Maker ไม่มีการจ้างช่วง เราทำงานลักษณะนี้ให้ธนาคาร โรงพยาบาล และกลุ่มบริษัทขนาดใหญ่ของไทย ดูรายละเอียดที่ AI Transformation และ พัฒนาแอปพลิเคชัน AI หรือเล่างานให้ Dream ในหน้าแชต แล้วรับประมาณการเบื้องต้นได้ในไม่กี่นาที
SOFTWARE ENGINEERING GLOSSARY
คลังคำศัพท์การพัฒนาซอฟต์แวร์
| คำศัพท์ | คืออะไร | ตัวอย่างที่เข้าใจง่าย | คำถามที่ผู้บริหารควรถามทีมพัฒนา |
|---|---|---|---|
| LLM | โมเดลภาษาขนาดใหญ่ที่อ่านและเขียนข้อความได้ | ตัวร่างคำตอบให้ลูกค้าใน LINE OA | เราใช้โมเดลตัวไหน และเปลี่ยนได้ไหม? |
| RAG | วิธีให้ระบบค้นเอกสารของบริษัทก่อนตอบ | พนักงานถามเรื่องวันลา ระบบตอบจากระเบียบ HR ล่าสุด | เอกสารเปลี่ยนแล้ว ใครเป็นคนอัปเดตระบบ? |
| AI Agent | ซอฟต์แวร์ที่รับงานหนึ่งเรื่องแล้วทำจนจบ ภายใต้สิทธิ์ที่ได้รับ | Agent รับออเดอร์จาก LINE OA แล้วร่างออเดอร์ในระบบ | Agent ตัวนี้แตะระบบไหนได้บ้าง และใครให้สิทธิ์? |
| ROI | ผลตอบแทนเทียบกับเงินที่ลงทุน | ชั่วโมงที่ประหยัดได้ต่อเดือนเทียบกับค่าระบบ | ตัวเลขก่อนเริ่มของเราคืออะไร และใครเป็นคนวัด? |
| Private LLM | โมเดลภาษาที่รันในระบบของบริษัทเอง | ข้อมูลลูกค้าไม่ออกนอกเซิร์ฟเวอร์ของบริษัท | งานไหนของเราต้องใช้ Private LLM จริง? |