AI ควรเรียนรู้วิธีที่คุณทำงาน

ตอนออกแบบ Snappy PM ครั้งแรก มีไอเดียที่เป็นธรรมชาติมากผุดขึ้นมา: ในเมื่อเรามี AI ทำไมไม่ให้ AI อ่านโปรเจกต์ในอดีตของบริษัทแล้วสร้าง workflow เฉพาะของบริษัทนั้นโดยอัตโนมัติล่ะ? ฟังดูสมเหตุสมผล — และเป็น AI-native ตัวจริง แต่พอพัฒนาต่อไปเรื่อยๆ เรากลับเปลี่ยนใจ: สิ่งที่เคยเกิดในอดีตไม่ได้แปลว่าควรเกิดแบบนั้นในอนาคต AI ที่เรียนรู้ประวัติศาสตร์อย่างขยันขันแข็งอาจจบลงแค่การทำให้ 'เมื่อวาน' เป็นอัตโนมัติ

RT
Richard Tang
Founder of SnapLedger. Building an all-in-one AI financial back office, in public.
8 กันยายน 2569·อ่าน 4 นาที

ตอนที่เราออกแบบ Snappy PM ครั้งแรก มีไอเดียที่เป็นธรรมชาติมากผุดขึ้นมา:

ในเมื่อเรามี AI ทำไมไม่ให้ AI อ่านโปรเจกต์ในอดีตของบริษัท แล้วสร้าง Workflow ที่เป็นของบริษัทนั้นโดยอัตโนมัติล่ะ?

ฟังดูสมเหตุสมผล

และเป็น AI-native ตัวจริง

แต่พอพัฒนาต่อไปเรื่อยๆ เรากลับเปลี่ยนใจ

เพราะ AI ทำให้เรื่องง่ายๆ ดูฉลาดได้ง่ายมาก

มันมองโปรเจกต์ในอดีตของบริษัท แล้วสรุป Stages, Rules, Roles และ Exceptions ออกมาได้มากมาย

แต่ปัญหาคือ:

สิ่งที่เคยเกิดในอดีต ไม่ได้แปลว่าควรเกิดแบบนั้นในอนาคต

กระบวนการในอดีตของบริษัทเองอาจมีแนวปฏิบัติที่เกิดขึ้นโดยบังเอิญ ไม่มีประสิทธิภาพ หรือแม้แต่ผิดพลาดอยู่แล้วมากมาย

ถ้า AI เรียนรู้ประวัติศาสตร์เหล่านี้อย่างขยันขันแข็งเกินไป ผลลัพธ์สุดท้ายอาจเป็นเพียง:

Automating yesterday.

ดังนั้น Snappy PM เวอร์ชันใหม่จึงทำการลดทอนที่สำคัญมากอย่างหนึ่ง

เราไม่ให้ AI คิด State Machine ขึ้นมาเองสำหรับแต่ละบริษัทอีกต่อไป

โครงกระดูกพื้นฐานของโปรเจกต์คือห้า Phases:

Requirement Capturing

Scoping & Design

Implementation or Manufacturing

Deployment or Installation

Closing

ส่วนนี้คงที่

สิ่งที่ AI ควรเรียนรู้จริงๆ คือความแตกต่างที่มีความหมายระหว่างบริษัทต่างๆ

เช่น:

Phases ไหนที่ใช้กับคุณ?

คุณมักใช้ Quotation แบบไหน?

Payment Terms ของคุณคืออะไร?

Documents ไหนที่เป็นเทมเพลตมาตรฐานของคุณเอง?

คุณมี Inventory ไหม?

ลูกค้าติดต่อกับบริษัทนี้ หรือกับ Sales Company อีกแห่งในกลุ่ม?

สิ่งเหล่านี้คือ:

How you work.

ดังนั้น Snappy สามารถอ่านโปรเจกต์ในอดีต เข้าใจนิสัยการทำงานและเอกสารของบริษัท แล้วเสนอข้อแนะนำได้

แต่เราให้หลักการอีกข้อกับมัน:

Evidence or default.

ถ้า AI เชื่อว่าบริษัททำงานแบบหนึ่ง มันควรบอกเราได้ว่า:

ฉันเห็นสิ่งนี้จากเอกสารจริงฉบับไหน

ถ้าไม่มีหลักฐาน ก็ใช้ค่าเริ่มต้นของแพลตฟอร์มที่เรียบง่ายและเสถียร — แทนที่จะปล่อยให้ AI เดา

ฉันรู้สึกมากขึ้นเรื่อยๆ ว่านี่คือเส้นแบ่งที่สำคัญมากในการออกแบบผลิตภัณฑ์ AI

สิ่งที่มีคุณค่าที่สุดของ AI ไม่จำเป็นต้องเป็น:

ให้ AI ตัดสินใจทุกอย่าง

แต่คือการรู้ว่า:

อะไรควรคงที่ และอะไรเรียนรู้ได้

Accounting rules ควรคงที่

Project Flow หลักควรคงที่

ขอบเขตสิทธิ์ควรคงที่

ส่วนเอกสาร นิสัย เทมเพลต และวิธีทำงานเฉพาะของบริษัท เรียนรู้ได้

ดังนั้นตอนนี้เราชอบอธิบาย Snappy PM แบบนี้มากกว่า:

AI learns how you work.

It doesn't invent how you should work.

AI ควรลดต้นทุนที่ธุรกิจต้องจ่ายเพื่อปรับตัวเข้ากับซอฟต์แวร์

ไม่ใช่สร้างความซับซ้อนชั้นใหม่ขึ้นมา แล้วบังคับให้ธุรกิจไปปรับตัวเข้ากับ AI

SnapLedger, your life easier.

ข้อมูลเชิงลึกของวันนี้

เส้นแบ่งสำคัญในการออกแบบผลิตภัณฑ์ AI: รู้ว่าอะไรควรคงที่และอะไรเรียนรู้ได้ กฎบัญชี โฟลว์โปรเจกต์หลัก และขอบเขตสิทธิ์ควรคงที่; ส่วนเอกสาร นิสัย เทมเพลต และวิธีทำงานเฉพาะของบริษัทเรียนรู้ได้ และเมื่อ AI บอกว่าบริษัททำงานแบบหนึ่ง มันควรชี้ให้เห็นได้ว่าเห็นจากเอกสารจริงฉบับไหน — evidence or default

คำถามเปิด

ถ้า AI เรียนรู้วิธีทำงานของบริษัทคุณจากโปรเจกต์ในอดีตเพียงอย่างเดียว มันจะทำซ้ำนิสัยไหนของคุณอย่างซื่อสัตย์ — และนิสัยไหนที่คุณจะรู้สึกเขินถ้าเห็นมันถูกทำเป็นอัตโนมัติ?

AI เรียนรู้วิธีที่คุณทำงาน ไม่ได้คิดขึ้นมาเองว่าคุณควรทำงานอย่างไร

pmaiproductsmall-business

รับ Founder Diary + ข่าวอัปเดตด้านกฎระเบียบสำหรับประเทศของคุณ

อีเมลเมื่อ Richard เผยแพร่บันทึกใหม่ และอัปเดตด้านกฎระเบียบที่สำคัญในที่ที่คุณอยู่ ฟรี ยกเลิกการรับได้ทุกเมื่อ