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
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.
เส้นแบ่งสำคัญในการออกแบบผลิตภัณฑ์ AI: รู้ว่าอะไรควรคงที่และอะไรเรียนรู้ได้ กฎบัญชี โฟลว์โปรเจกต์หลัก และขอบเขตสิทธิ์ควรคงที่; ส่วนเอกสาร นิสัย เทมเพลต และวิธีทำงานเฉพาะของบริษัทเรียนรู้ได้ และเมื่อ AI บอกว่าบริษัททำงานแบบหนึ่ง มันควรชี้ให้เห็นได้ว่าเห็นจากเอกสารจริงฉบับไหน — evidence or default
ถ้า AI เรียนรู้วิธีทำงานของบริษัทคุณจากโปรเจกต์ในอดีตเพียงอย่างเดียว มันจะทำซ้ำนิสัยไหนของคุณอย่างซื่อสัตย์ — และนิสัยไหนที่คุณจะรู้สึกเขินถ้าเห็นมันถูกทำเป็นอัตโนมัติ?
AI เรียนรู้วิธีที่คุณทำงาน ไม่ได้คิดขึ้นมาเองว่าคุณควรทำงานอย่างไร
รับ Founder Diary + ข่าวอัปเดตด้านกฎระเบียบสำหรับประเทศของคุณ
อีเมลเมื่อ Richard เผยแพร่บันทึกใหม่ และอัปเดตด้านกฎระเบียบที่สำคัญในที่ที่คุณอยู่ ฟรี ยกเลิกการรับได้ทุกเมื่อ