Track B — AI ช่วยงานตรงไหน · Stage 5
Technologies That Can Help
รู้จักเทคโนโลยีหลัก — LLM, Semantic Search, RAG, OCR, Automation, Computer Vision — ในระดับที่ BA ใช้ตัดสินใจได้
5 Lesson
ถ้าคุณมาจาก Customer Support
ถ้าคุณมาจาก Customer Support เทคโนโลยีชุดเดียวกันนี้ map กับงานคุณดังนี้: Semantic search ใช้ค้น ticket เก่าและ Knowledge Base (ลูกค้าพิมพ์ว่า “จ่ายเงินไม่ผ่าน” ต้องเจอบทความที่เขียนว่า “payment failed”), RAG คือหัวใจของระบบตอบคำถามจาก KB + SLA พร้อมอ้างอิงบทความต้นทาง, OCR/Document Parsing ใช้กับ screenshot, ใบเสร็จ และเอกสารแนบของลูกค้า, Workflow Automation คือ email/แชทเข้า → extract อาการและข้อมูลบัญชี → เปิด ticket → หา ticket คล้ายกัน → แจ้ง agent
ส่วน Computer Vision มีบทบาทน้อยกว่าฝั่งโรงงาน — ใช้ได้บ้างกับการอ่าน screenshot อัตโนมัติ แต่ไม่ใช่เทคโนโลยีหลักของงาน support
ทำ Exercise โดยเลือก use case จาก matrix ฉบับ support ของคุณใน Stage 4 ได้เลย
Lesson
Exercise
Exercise: ออกแบบ Proposed AI Workflow
เลือก use case ที่น่าเริ่มที่สุด 1 ตัวจาก qa-ai-use-case-matrix.md (Stage 4) แล้ว:
- วาด workflow ของ use case นั้นเป็นลำดับขั้น (ใช้ text flow แบบในบทเรียนได้)
- ระบุในแต่ละขั้นว่าใช้เทคโนโลยีอะไร (LLM / Semantic search / RAG / OCR / Automation) เพราะอะไร
- ทำเครื่องหมายจุดที่ คนต้องตรวจหรืออนุมัติ ให้ชัดเจนทุกจุด
- เขียนหมายเหตุ: ข้อมูลอะไรที่ระบบต้องมีก่อนถึงจะทำงานได้ และความเสี่ยงหลักคืออะไร
Deliverable ที่ควรได้
ไฟล์ proposed-ai-workflow.md — flow ของ use case ที่เลือก พร้อมเทคโนโลยีที่ใช้ต่อขั้น จุด human approval และรายการข้อมูลที่จำเป็น
ถ้า sign in แล้วสามารถบันทึก Deliverable นี้เก็บไว้กับบัญชีของคุณบนเว็บได้
เข้าสู่ระบบ เพื่อบันทึกงานของคุณ — ไม่มีบัญชีก็ทำ Exercise ได้ตามปกติ เพียงแต่ระบบจะไม่เก็บงานให้
ความคืบหน้าของคุณ
4 ข้อนี้เป็นบันทึกส่วนตัวของคุณ — สถานะ Complete ของ Stage มาจากแถวล่างสุดเท่านั้น
เข้าสู่ระบบ เพื่อบันทึกความคืบหน้าของคุณ