แผนการเรียนตามลำดับ: Phase 1–5
Why this matters
เนื้อหา 10 Stage แปลงเป็นแผนลงมือทำได้เป็น 5 Phase พร้อมระยะเวลาโดยประมาณ — ใช้บทนี้วางตารางชีวิตจริงของคุณ
Phase 1 — AI User (ประมาณ 1–2 สัปดาห์)
เรียน: AI / ML / Generative AI, LLM, Prompting, Hallucination, Responsible use (Stage 1–3)
Output: Prompt Library, AI Experiment Notes
Phase 2 — AI Problem Solver (ประมาณ 2 สัปดาห์)
เรียน: AI use-case discovery, Automation, Semantic search, Embeddings, RAG, Human-in-the-loop (Stage 4–5)
Output: QA AI Use Case Matrix, Proposed AI Workflow
Phase 3 — BA Foundation (ประมาณ 3–4 สัปดาห์)
เรียน: Business problem, Stakeholder, Requirement gathering, Functional / Non-functional requirements, User Story, Acceptance Criteria, As-Is / To-Be (Stage 6–8)
Output: BA documentation สำหรับ QA AI project
Phase 4 — Product Collaboration (ประมาณ 2–4 สัปดาห์)
ให้ Developer เริ่มสร้าง prototype (Stage 9) — ผู้เรียนในบทบาท BA รับผิดชอบ:
- Requirement clarification — ตอบคำถามและเคลียร์ความกำกวมให้ทีม
- Prioritization — ตัดสินว่าอะไรทำก่อน-หลัง
- UAT — ทดสอบว่าระบบตรงตาม acceptance criteria จริง
- Feedback — เก็บเสียงผู้ใช้กลับมาปรับ
- Change requests — จัดการคำขอเปลี่ยนแปลงอย่างมีระบบ
- Scope decisions — ปกป้องขอบเขต MVP
จุดนี้สำคัญมาก เพราะ BA ไม่ได้จบงานหลังส่ง requirement — งานครึ่งหลังคือการพา requirement ไปถึงระบบที่ใช้ได้จริง
Phase 5 — Portfolio
จัด project ทั้งหมดเป็น case study และ demo (Stage 10)
เมื่อจบแล้ว ผู้เรียนควรสามารถพูดในการสัมภาษณ์ได้ว่า:
I came from an automotive quality-support background. I identified a recurring problem in complaint investigation, mapped the existing process, interviewed users, defined requirements and acceptance criteria, and collaborated with a developer to prototype an AI-assisted complaint knowledge system. The solution used retrieval-based AI so answers could be traced back to approved company documents, while high-risk quality decisions remained under human approval.
อ่านย่อหน้านี้ช้า ๆ อีกรอบ — ทุกวลีในนั้นคือสิ่งที่คุณทำจริงมาแล้วตลอดเส้นทางนี้