เห็นว่าแผนกไหนจะใช้ AI กับงานอะไร มีนโยบายที่หยิบให้ลูกค้าหรือผู้ตรวจสอบดูได้เมื่อถูกถาม และ License ที่จ่ายไปได้ใช้กับงานจริง
HR และผู้บริหารที่ดูแลการพัฒนาคน · 08 / 14
อบรม AI สำหรับองค์กร (In-house)
วิศวกรที่สร้างระบบ AI ให้ธนาคารและโรงพยาบาลมาสอนทีมของคุณ ใช้เอกสารและงานจริงของแต่ละแผนกเป็นโจทย์ จบคลาสพร้อม Prompt ที่ใช้ได้ทันที นโยบายการใช้ AI ฉบับร่าง และระบบอัตโนมัติชิ้นแรกที่ทำเสร็จในห้อง
“ซื้อ ChatGPT ให้ทีมแล้ว ส่งไปเรียนคอร์สออนไลน์แล้ว กลับมาก็ใช้แต่ร่างอีเมล บางคนวางรายชื่อลูกค้าลงไปทั้งก้อน บางคนไม่กล้าแตะเลย ถามว่าแผนกไหนควรใช้กับงานอะไร ก็ยังไม่มีใครตอบได้”
ปัญหาที่เราเจอบ่อย
บริษัทส่วนใหญ่เริ่มจากซื้อ License ให้พนักงาน หรือส่งไปเรียนคอร์สที่สอนใช้ ChatGPT แบบทั่วไป กลับมาแต่ละคนก็ร่างอีเมลได้เร็วขึ้นเท่านั้น เพราะตัวอย่างในคลาสเป็นงานของคนอื่น พอเจองานของตัวเอง เช่น ใบเสนอราคาที่มีเงื่อนไขเฉพาะ หรือรายงานที่ต้องอ้างระเบียบบริษัท ก็ไม่รู้จะเริ่มตรงไหน และไม่มีใครบอกว่าคำตอบที่ AI ให้มาเชื่อได้แค่ไหน
ที่น่ากังวลกว่าคือสิ่งที่เกิดขึ้นเงียบ ๆ พนักงานบางคนวางตารางลูกค้าทั้งชุดลงใน AI สาธารณะเพราะไม่มีใครห้าม บางคนไม่กล้าใช้เลยเพราะกลัวทำผิด พอมีคนถามผู้บริหารว่าบริษัทมีนโยบายเรื่องนี้ไหม ก็ตอบได้แค่ว่ากำลังทำ ส่วน HR มีงบอบรมอยู่ในมือ แต่หาคนสอนที่รู้จริงว่าระบบ AI ทำงานอย่างไร และเข้าใจงานของแผนกบัญชีหรือจัดซื้อด้วย ได้ยาก
วิธีที่เราแก้
คนที่มาสอนคือวิศวกรของเราที่สร้าง AI Agent ระบบอัตโนมัติ และ Private LLM ให้ธนาคาร โรงพยาบาล และกลุ่มบริษัทขนาดใหญ่ของไทยอยู่ทุกวัน จึงอธิบายได้ว่าโมเดลภาษาทำงานอย่างไร ทำไมบางครั้งตอบผิดอย่างมั่นใจ และข้อมูลที่พิมพ์ลงไปเดินทางไปไหน ก่อนอบรมเราขอเอกสารจริงที่แต่ละแผนกใช้ เช่น แบบฟอร์มใบเสนอราคา คู่มือสินค้า ระเบียบการลา หรือรายงานประจำเดือน ที่ปิดข้อมูลส่วนบุคคลออกแล้ว มาทำเป็นแบบฝึกหัด ทุกคนจึงได้ฝึกกับงานที่รออยู่ในวันจันทร์
คลาสจัดแบบ In-house เนื้อหาใช้เครื่องมือที่บริษัทจ่ายอยู่แล้ว จะเป็น ChatGPT, Microsoft 365 Copilot, Gemini ใน Google Workspace หรือ Claude ก็ได้ และทุกคลาสมีช่วงเขียนนโยบายการใช้ AI ร่วมกัน ว่าข้อมูลประเภทไหนใส่ได้ ข้อมูลส่วนบุคคลตาม PDPA ต้องปิดอย่างไร และงานไหนต้องมีคนตรวจก่อนใช้จริง
ก่อนเลิกคลาส ทีมจะสร้างระบบอัตโนมัติเล็ก ๆ ชิ้นแรกด้วยกันบนบัญชีของบริษัท เช่น ให้ n8n อ่านอีเมลคำขอจากลูกค้าแล้วสรุปลง Google Sheets หรือร่างคำตอบจากคำถามใน LINE OA ให้คนกดส่ง เพื่อให้เห็นว่าจากการพิมพ์ Prompt ไปถึงระบบที่ทำงานเองนั้นใกล้กว่าที่คิด หลังอบรม ทีมส่งงานที่ลองทำจริงมาให้วิศวกรดูในคลินิกติดตามผล และได้ชุด Prompt ของแต่ละแผนกกับคู่มือสั้น ๆ ที่ HR ใช้สอนพนักงานใหม่ต่อได้เอง เมื่อทีมพร้อมไปไกลกว่านั้น ทีม FDE ของเราเข้าไปนั่งสร้าง Use Case บนระบบจริงต่อได้ทันที
ระบบทำงานอย่างไร
- เอกสารและงานจริงของแต่ละแผนก
- License AI ที่บริษัทใช้อยู่
- คำถามที่ทีมเคยติด
- ข้อกังวลเรื่องข้อมูลและ PDPA ของผู้บริหาร
- วิศวกรอธิบายว่า AI ทำงานและพลาดตรงไหน
- แต่ละคนลองกับงานของตัวเอง
- ร่างนโยบายร่วมกันบนไวต์บอร์ด
- สร้างระบบอัตโนมัติชิ้นแรกด้วยกัน
- ชุด Prompt ของแต่ละแผนก
- นโยบายการใช้ AI ฉบับร่าง
- ระบบอัตโนมัติชิ้นแรกที่ใช้งานได้
- คู่มือสั้น ๆ และคลินิกติดตามผล
ก่อนและหลัง
สิ่งที่คุณจะได้
- 01
ช่วงสำหรับผู้บริหาร ให้เจ้าของและหัวหน้าแผนกเห็นว่า AI ทำอะไรได้และไม่ได้กับงานของบริษัทคุณ แล้วตัดสินใจว่าทีมไหนเริ่มก่อน ข้อมูลไหนห้ามออกนอกบริษัท และใครเป็นเจ้าของนโยบาย
- 02
เวิร์กช็อปรายแผนก ฝ่ายขาย บัญชี จัดซื้อ HR หรือบริการลูกค้า แต่ละคนเอางานของตัวเองมาทำบน ChatGPT, Copilot หรือ Gemini ที่บริษัทใช้อยู่ ตั้งแต่ร่างใบเสนอราคาจากฉบับเดิม สรุปรายงานยาว ไปจนถึงตอบลูกค้าจากคู่มือของบริษัท
- 03
นโยบายการใช้ AI ฉบับร่างที่เขียนร่วมกันในห้อง ว่าข้อมูลประเภทไหนใส่เครื่องมือไหนได้ ข้อมูลลูกค้าและข้อมูลส่วนบุคคลตาม PDPA ต้องทำอย่างไรก่อนใช้ งานไหนต้องมีคนตรวจก่อนส่งออก และเมื่อเกิดข้อผิดพลาดต้องรายงานใคร
- 04
ระบบอัตโนมัติชิ้นแรกที่ทีมสร้างเองในห้องกับวิศวกรของเรา เช่น สรุปอีเมลลูกค้าลง Google Sheets หรือร่างคำตอบจากคำถามใน LINE OA ด้วย n8n บนบัญชีของบริษัท พร้อมบันทึกว่าต่อยอดอย่างไร
- 05
คลินิกติดตามผลหลังอบรม ทีมส่งงานที่ลองทำจริงมาให้วิศวกรดู แล้วได้ Prompt และวิธีแก้กลับไป พร้อมชุด Prompt ของแต่ละแผนกและคู่มือสั้น ๆ ที่ HR ใช้สอนพนักงานใหม่ต่อได้เอง
ใครได้อะไร
วิศวกรที่สอนรู้ว่าข้อมูลเดินทางไปไหนเมื่อพนักงานพิมพ์ลง AI จึงสอนเรื่องสิทธิ์ การปิดข้อมูลส่วนบุคคล และ Prompt Injection ไปพร้อมกัน ระบบอัตโนมัติที่สร้างในห้องอยู่บนบัญชีของบริษัท IT เห็นและปิดได้ทุกเมื่อ และเมื่อข้อมูลออกนอกบริษัทไม่ได้ เราพาดูทางเลือก Private LLM
ได้ลองกับงานของตัวเองโดยมีวิศวกรยืนข้าง ๆ ตอบได้ทันทีว่าทำไมผลออกมาแบบนั้น กลับไปมี Prompt ที่ใช้ได้เลย และรู้ชัดว่าอะไรทำได้ อะไรห้าม จึงไม่ต้องกลัวทำผิด
เหมาะกับธุรกิจแบบไหน
เชื่อมกับระบบที่คุณใช้อยู่
ขั้นตอนการพัฒนา
- 1
ทำความเข้าใจ
เก็บความต้องการ ผู้ใช้ และตัวชี้วัดความสำเร็จ พร้อมกำหนดขอบเขตและราคาก่อนเริ่มงาน
- 2
ออกแบบ
UX และสถาปัตยกรรมระบบ อนุมัติ Prototype ก่อนลงมือสร้างจริง
- 3
พัฒนา
สปรินต์ที่เร่งด้วย AI มีเดโมให้ดูทุกสัปดาห์ ตรวจโค้ดโดยทีมซีเนียร์
- 4
ทดสอบ
QA ความปลอดภัย และประสิทธิภาพ เทียบกับขอบเขตที่ตกลงกัน
- 5
เปิดตัวและดูแล
ติดตั้งใช้งานจริง อบรมทีมคุณ พร้อมแผนดูแลรายเดือน
เปลี่ยนปัญหาธุรกิจ ให้เป็นระบบที่ทำงานแทนคุณ
เล่าโจทย์ให้เราฟังวันนี้ — รับ Proposal ฉบับผู้บริหาร พร้อมแผนงานและงบประมาณ
คุยเรื่องนี้กับวิศวกร