ข้ามไปยังเนื้อหา
QC/QA สู่ BA

Generative AI และ LLM

ในบทนี้
  1. Why this matters
  2. Generative AI
  3. LLM
  4. What a BA needs to know

Why this matters

Generative AI คือกลุ่มที่คุณจะได้ใช้บ่อยที่สุดในงานเอกสารและข้อความ และ LLM คือเครื่องยนต์เบื้องหลังของมัน — ศัพท์ในบทนี้คือภาษากลางที่ BA ใช้คุยกับทีมพัฒนา

Generative AI

Generative AI สร้าง output ใหม่จากรูปแบบที่เรียนรู้มา งานที่ทำได้ดีในบริบท QA เช่น:

  • สรุป complaint
  • ร่าง email
  • แปลภาษา
  • วิเคราะห์ข้อความ
  • เปรียบเทียบเอกสาร
  • Extract ข้อมูล
  • Brainstorm root-cause hypotheses
  • อธิบาย technical document

สังเกตว่าทั้งหมดคือบทบาท “ผู้ช่วย” ที่คุยกันไว้ในบทก่อนหน้า — ร่าง สรุป ค้น จัดโครง

LLM

Large Language Model (LLM) คือ model ที่ทำงานกับภาษาและ token จำนวนมาก เป็นเทคโนโลยีเบื้องหลัง ChatGPT, Claude และ Gemini

ศัพท์ที่ BA ต้องเข้าใจ:

  • Prompt — คำสั่ง/คำถามที่เราป้อนให้โมเดล
  • Context — ข้อมูลแวดล้อมทั้งหมดที่โมเดลเห็นตอนตอบ ทั้งคำสั่ง เอกสารแนบ และบทสนทนาก่อนหน้า
  • Token — หน่วยย่อยของข้อความที่โมเดลใช้ประมวลผล (คำหรือชิ้นส่วนของคำ) ปริมาณ token มีผลต่อต้นทุนและขีดจำกัด
  • Context Window — ขนาดสูงสุดของข้อมูลที่โมเดลรับได้ในครั้งเดียว ถ้าเอกสารยาวเกิน ต้องแบ่งหรือคัดส่วนที่เกี่ยว
  • Hallucination — การสร้างข้อมูลที่ไม่มีจริง (บทที่ 4 ของ Stage นี้)
  • Temperature — ค่าที่คุมความหลากหลายของคำตอบ ต่ำ = นิ่งขึ้น สูง = สร้างสรรค์/สุ่มขึ้น (รู้ concept ก็พอ)
  • System instruction — กติกาถาวรที่ตั้งให้โมเดลก่อนเริ่มคุย เช่น บทบาท ขอบเขต ข้อห้าม
  • Structured output — การบังคับให้ตอบเป็นรูปแบบที่ระบบอื่นใช้ต่อได้ เช่น JSON หรือตาราง
  • Model limitations — ข้อจำกัดของโมเดล เช่น ความรู้หยุดที่ช่วงเวลาหนึ่ง ไม่เห็นข้อมูลภายในบริษัท คำนวณเลขผิดได้

What a BA needs to know

เวลาเขียน requirement เกี่ยวกับระบบที่ใช้ LLM ศัพท์เหล่านี้จะโผล่ในบทสนทนากับ developer เสมอ เช่น “เอกสารใหญ่เกิน context window ไหม” หรือ “ต้องการ structured output แบบไหน” — ไม่ต้องรู้ลึกถึงคณิตศาสตร์ข้างใน แต่ต้องใช้คำพวกนี้ถามคำถามที่ถูกต้องได้