Track B — AI ช่วยงานตรงไหน · Stage 4
AI Use Case Discovery
หา use case จากปัญหาที่มีต้นทุนจริง ไม่ใช่จากความอยากใช้ AI
2 Lesson
ถ้าคุณมาจาก Customer Support
ถ้าคุณมาจาก Customer Support สร้าง Use Case Matrix ของคุณด้วยแถวแบบนี้แทน: สรุป ticket (AI ช่วยได้สูง เสี่ยงต่ำ), extract เลขออเดอร์/บัญชี/เวอร์ชัน (สูง/กลาง), ร่างคำตอบลูกค้า (สูง/กลาง ต้องมีคนตรวจ), ค้น ticket เก่าที่คล้ายกัน (สูง/กลาง ต้องตรวจ source), แนะนำขั้นตอน troubleshooting (กลาง/สูง ต้องมีคนตรวจ), ตัดสินใจ refund หรือ compensation (ไม่ควรให้ AI ตัดสินเอง), คำตอบสุดท้ายที่ส่งถึงลูกค้า (ช่วยร่างได้ แต่คนต้อง approve เสมอ)
หลักการเดียวกันเป๊ะ: ความเสี่ยงยิ่งสูงและผลกระทบยิ่งถึงลูกค้าโดยตรง Human Approval ยิ่งจำเป็น และให้เริ่มจาก pain point ใน current-workflow.md ของคุณ ไม่ใช่จาก feature AI ที่อยากลอง
Lesson
Exercise
Exercise: สร้าง Use Case Matrix ของงานตัวเอง
เปิด current-workflow.md จาก Stage 1 แล้วทำตามนี้:
- เลือกขั้นตอนในงานของคุณมาอย่างน้อย 6 ขั้นตอน (เน้นขั้นที่ตอบว่า “ใช้เวลามาก / ทำซ้ำบ่อย / ต้องค้นเอกสาร”)
- สร้างตาราง 4 คอลัมน์: งาน | AI ช่วยได้ | ความเสี่ยง | Human Approval
- ประเมินแต่ละแถวตามเกณฑ์ในบทเรียน — ถ้าไม่แน่ใจ ให้ประเมินความเสี่ยงไว้สูงเข้าไว้ก่อน
- เขียนสรุปท้ายตาราง 3–5 บรรทัด: use case ไหนน่าเริ่มก่อนเพราะอะไร และแถวไหนห้ามให้ AI ตัดสินเอง
Deliverable ที่ควรได้
ไฟล์ qa-ai-use-case-matrix.md — ตาราง use case ของงานคุณเอง พร้อมเหตุผลการจัดลำดับ ใช้เป็น input หลักของ Stage 5 และ Capstone ใน Stage 9
ถ้า sign in แล้วสามารถบันทึก Deliverable นี้เก็บไว้กับบัญชีของคุณบนเว็บได้
เข้าสู่ระบบ เพื่อบันทึกงานของคุณ — ไม่มีบัญชีก็ทำ Exercise ได้ตามปกติ เพียงแต่ระบบจะไม่เก็บงานให้
ความคืบหน้าของคุณ
4 ข้อนี้เป็นบันทึกส่วนตัวของคุณ — สถานะ Complete ของ Stage มาจากแถวล่างสุดเท่านั้น
เข้าสู่ระบบ เพื่อบันทึกความคืบหน้าของคุณ