หลักสูตร AI-Powered System Analysis & Design เป็นการอบรมการใช้ AI ช่วยงานวิเคราะห์และออกแบบระบบ ตั้งแต่ Requirement, Use Case, Process Flow, ER Diagram และ API Design จนถึง Architecture โดยเขียน Diagram เป็นโค้ดด้วย Mermaid และ PlantUML เหมาะกับ System Analyst, Business Analyst นักพัฒนา และ Tech Lead
งานวิเคราะห์และออกแบบระบบใช้เวลาไปกับการเขียนเอกสารและวาด Diagram มากกว่าการคิดออกแบบจริง กว่าจะได้ Use Case ครบ วาด Process Flow เสร็จ ทำ ER Diagram ให้ตรงกับที่คุยไว้ แล้วยังต้องเขียนสเปก API และร่างสถาปัตยกรรมอีก พอความต้องการเปลี่ยนกลางทาง เอกสารทั้งชุดก็ต้องรื้อใหม่ ผลคือหลายทีมข้ามขั้นตอนออกแบบไปเขียนโค้ดเลย แล้วไปเจอปัญหาตอนระบบใหญ่ขึ้น หลักสูตรนี้เปลี่ยนงานที่กินเวลาเหล่านั้นให้เร็วขึ้นหลายเท่าด้วย AI แล้วคืนเวลาให้ผู้เรียนไปโฟกัสกับการตัดสินใจออกแบบที่ AI
ทำแทนไม่ได้ ผู้เรียนจะเดินครบเส้นทางเดียวกับงานจริง ตั้งแต่การเก็บและเรียบเรียง Requirement ให้ชัด แตกเป็น Use Case เขียน Process Flow ออกแบบ ER Diagram กำหนดสเปก API ด้วย OpenAPI ร่างสถาปัตยกรรมระบบ ไปจนถึงการแตก Test Scenario โดยสร้าง Diagram ทุกตัวเป็นโค้ดด้วย Mermaid และ PlantUML ที่แก้ไขและเก็บใน Git ได้ พร้อมเรียนรู้วิธีตรวจทานผลลัพธ์ของ AI ไม่ให้หลุดข้อผิดพลาดไปถึงขั้นตอนพัฒนา ปิดท้ายด้วย Capstone ที่ออกแบบระบบหนึ่งตัวครบทุกขั้นตอน (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Beginner ถึง Intermediate)
รายละเอียดหลักสูตร
อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบบรรยายพร้อม Workshop ลงมือทำกับโจทย์ระบบจริง ระดับ Beginner ถึง Intermediate เครื่องมือที่ใช้เป็นโอเพนซอร์สหรือมีแบบใช้ฟรีเกือบทั้งหมด ผู้เรียนเตรียมบัญชี ChatGPT หรือ Claude มาเอง ผู้เรียนจะได้ชุด Prompt Template สำหรับงาน SA ทุกขั้นตอน ไฟล์ Diagram ตัวอย่าง Mermaid และ PlantUML และ Template เอกสารออกแบบระบบกลับไปใช้งานจริง เนื้อหาเน้นวิธีคิดและกระบวนการออกแบบ จึงปรับไปใช้กับเครื่องมือ AI ตัวอื่นได้เมื่อเทคโนโลยีเปลี่ยน
Section 1: AI ในงานวิเคราะห์และออกแบบระบบ
ขั้นตอนงาน SA แบบเดิมและจุดที่กินเวลามากที่สุดจนทีมมักข้ามไป
งานที่ AI ช่วยได้ดีเทียบกับงานที่ยังต้องอาศัยการตัดสินใจของคน
ภาพรวมเส้นทางทั้งหมด: Requirement, Use Case, Process Flow, ER Diagram, API, Architecture, Test
แนวคิด Diagram as Code และเหตุผลที่ควรเก็บงานออกแบบไว้ใน Git
การเตรียมเครื่องมือและการตั้งค่าให้พร้อมใช้ตลอดสองวัน
Section 2: เก็บและเรียบเรียง Requirement ด้วย AI
ความต่างระหว่าง Business, Functional และ Non-functional Requirement
การใช้ AI ช่วยสรุปบันทึกการประชุมและถอดความต้องการออกมาเป็นข้อ ๆ
การเขียน Requirement ให้ชัดเจน วัดผลได้ และไม่กำกวม
การให้ AI ตรวจหาความต้องการที่ขัดแย้งกันเองและจุดที่ยังขาดข้อมูล
การจัดลำดับความสำคัญและการทำ Requirement Traceability
Lab: แปลงบันทึกการประชุมดิบให้เป็นเอกสาร Requirement ที่พร้อมใช้
Section 3: Use Case และ Actor
การระบุ Actor และขอบเขตของระบบให้ชัดก่อนเริ่มเขียน Use Case
การแตก Requirement เป็น Use Case พร้อม Main Flow และ Alternate Flow
การเขียนเงื่อนไขก่อนและหลังการทำงานให้ครบถ้วน
การสร้าง Use Case Diagram ด้วย PlantUML และการปรับแก้เป็นโค้ด
ข้อผิดพลาดที่พบบ่อย เช่น Use Case ละเอียดเกินไปหรือกว้างเกินไป
Lab: สร้าง Use Case Diagram จาก Requirement ของโจทย์ตนเอง
Section 4: Process Flow และ Sequence Diagram
การเขียน Business Process Flow ให้เห็นลำดับงานและผู้รับผิดชอบ
การใช้ Mermaid เขียน Flowchart และการจัดวางให้อ่านง่าย
การเขียน Sequence Diagram เพื่ออธิบายการคุยกันระหว่างส่วนของระบบ
การจัดการเงื่อนไข การวนซ้ำ และกรณียกเว้นใน Diagram
Lab: เขียน Process Flow และ Sequence Diagram ของกระบวนการหลักด้วย Mermaid
Section 5: ER Diagram และการออกแบบฐานข้อมูล
การถอด Entity และความสัมพันธ์ออกมาจาก Requirement และ Use Case
การกำหนด Primary Key, Foreign Key และ Cardinality ให้ถูกต้อง
หลักการ Normalization และเมื่อใดที่การ Denormalize คุ้มกว่า
การสร้าง ER Diagram ด้วย Mermaid และการแปลงเป็นสคริปต์สร้างตาราง
Lab: ออกแบบ ER Diagram แล้วสร้างตารางจริงบน PostgreSQL เพื่อทดสอบ
Section 6: ตรวจทาน Data Model ก่อนไปต่อ
การใช้ AI ตรวจสอบว่า Data Model รองรับทุก Use Case ที่เขียนไว้หรือไม่
การทดสอบด้วยข้อมูลตัวอย่างและ Query จริงเพื่อหาจุดที่ออกแบบพลาด
การพิจารณาปริมาณข้อมูลและ Index ที่จำเป็นตั้งแต่ตอนออกแบบ
Lab: ตรวจทานและปรับ Data Model ของตนเองจนรองรับทุก Use Case
Section 7: ออกแบบ API ด้วย OpenAPI
การถอดรายการ API ที่ต้องมีออกมาจาก Use Case
หลักการออกแบบ REST: การตั้งชื่อ Resource, การเลือก Method และรหัสสถานะ
การเขียนสเปกด้วย OpenAPI พร้อม Request, Response และ Error Model
การใช้ AI ช่วยร่างสเปกและการตรวจว่าครอบคลุมทุกกรณี
การใช้สเปกให้ทีม Frontend และ Backend ทำงานคู่ขนานได้ตั้งแต่ยังไม่มีระบบจริง
Lab: เขียนสเปก OpenAPI ของระบบตนเองและตรวจสอบความถูกต้อง
Section 8: ออกแบบสถาปัตยกรรมระบบ
องค์ประกอบของสถาปัตยกรรม: ส่วนหน้าจอ ส่วนประมวลผล ฐานข้อมูล และบริการภายนอก
การเลือกรูปแบบสถาปัตยกรรมให้เหมาะกับขนาดทีมและความซับซ้อนของงาน
การเขียน Architecture Diagram ด้วย Mermaid และการปรับแต่งด้วย Draw.io
การระบุ Non-functional Requirement ลงในผัง เช่น ความปลอดภัยและการรองรับโหลด
Lab: ร่างสถาปัตยกรรมของระบบตนเองพร้อมอธิบายเหตุผลของทุกองค์ประกอบ
Section 9: Test Scenario และ Test Case
การแตก Test Scenario ออกมาจาก Use Case ให้ครบทั้งกรณีปกติและกรณียกเว้น
การเขียน Test Case ที่ระบุเงื่อนไขเริ่มต้น ขั้นตอน และผลลัพธ์ที่คาดหวัง
การใช้ AI ช่วยหากรณีทดสอบที่คนมักมองข้าม เช่น ค่าขอบเขตและข้อมูลผิดรูปแบบ
การเชื่อม Test Case กลับไปยัง Requirement เพื่อให้ตรวจสอบความครอบคลุมได้
Lab: สร้างชุด Test Scenario จาก Use Case ของระบบตนเอง
Section 10: การตรวจทานคุณภาพงานออกแบบ
จุดที่ AI มักพลาดในงานออกแบบระบบและวิธีตรวจจับ
การตรวจความสอดคล้องระหว่าง Requirement, Use Case, Data Model และ API
การใช้ AI เป็นผู้ตรวจทานอีกชั้นด้วยการให้ตั้งคำถามกลับแทนการให้คำตอบ
การจัดการเมื่อความต้องการเปลี่ยนและต้องแก้เอกสารทั้งชุด
Section 11: การส่งมอบเอกสารออกแบบระบบ
องค์ประกอบของเอกสารออกแบบระบบที่ทีมพัฒนานำไปใช้ต่อได้จริง
การจัดเก็บ Diagram as Code ไว้ใน Git และการทำให้เอกสารอัปเดตตามโค้ด
การนำเสนองานออกแบบให้ผู้บริหารและผู้ใช้เข้าใจโดยไม่ต้องลงรายละเอียดเทคนิค
Lab: ประกอบเอกสารออกแบบระบบฉบับสมบูรณ์จากงานที่ทำมาทั้งสองวัน
Section 12: Capstone และการนำไปใช้จริง
โจทย์: ออกแบบระบบหนึ่งตัวครบทุกขั้นตอนตั้งแต่ Requirement จนถึง Test Scenario
การนำเสนอเหตุผลของการตัดสินใจออกแบบในแต่ละจุด
แนวทางนำกระบวนการนี้ไปใช้กับงานจริงและการปรับให้เข้ากับทีม
Workshop: นำเสนอผลงานและทบทวนการออกแบบร่วมกันกับวิทยากร
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
Diagram as Code คือการเขียนแผนภาพเป็นข้อความด้วยภาษาอย่าง Mermaid หรือ PlantUML แล้วให้เครื่องมือวาดภาพให้ ข้อดีคือเก็บไว้ใน Git คู่กับโค้ดได้ เห็นประวัติการแก้ไขและรีวิวผ่าน Pull Request ได้เหมือนโค้ด แก้ไขง่ายโดยไม่ต้องจัดตำแหน่งกล่องเอง และให้ AI ช่วยร่างหรือปรับแผนภาพได้เพราะเป็นข้อความ จึงอัปเดตเอกสารให้ตรงกับระบบจริงได้สม่ำเสมอ
เริ่มจากระบุ Actor ทั้งคนและระบบภายนอก และกำหนดขอบเขตของระบบให้ชัด จากนั้นแตก Requirement ออกเป็น Use Case ที่แต่ละตัวให้ผลลัพธ์ที่มีคุณค่าต่อ Actor เขียน Main Flow ของกรณีปกติ แล้วเพิ่ม Alternate Flow และกรณียกเว้น ระบุเงื่อนไขก่อนเริ่ม (Pre-condition) และสภาพหลังจบ (Post-condition) ระวังอย่าแตกละเอียดจนกลายเป็นขั้นตอนบนหน้าจอ หรือกว้างจนครอบทั้งระบบ
Normalization คือการจัดตารางเพื่อลดข้อมูลซ้ำซ้อนและป้องกันข้อมูลขัดแย้งกันเมื่อแก้ไข โดยแยกข้อมูลแต่ละเรื่องไว้ในตารางของตัวเองและเชื่อมกันด้วย Primary Key และ Foreign Key ระดับที่ใช้บ่อยคือ 1NF ที่ทุกช่องเก็บค่าเดียว ไปจนถึง 2NF และ 3NF ที่ทุกคอลัมน์ขึ้นกับคีย์หลักทั้งหมดโดยตรง ในบางกรณี เช่น ตารางรายงานที่อ่านบ่อย การ Denormalize อาจคุ้มกว่าเพื่อให้ Query เร็วขึ้น
เหมาะกับ System Analyst และ Business Analyst ที่ต้องการลดเวลาทำเอกสารและ Diagram นักพัฒนาที่ต้องออกแบบระบบเองก่อนเขียนโค้ด Tech Lead และ Project Manager ที่ต้องตรวจงานออกแบบ และผู้ที่กำลังเปลี่ยนสายมาเป็น SA ควรเข้าใจกระบวนการพัฒนาซอฟต์แวร์ในภาพรวม อ่านโครงสร้างข้อมูลพื้นฐานได้ ไม่จำเป็นต้องเขียนโปรแกรมเป็น ถ้าเคยใช้ SQL จะเรียนช่วง ER Diagram ได้ลื่นขึ้น
ใช้ AI เรียบเรียง Requirement ให้ชัดเจนและหาจุดขัดแย้ง แตก Use Case ด้วย PlantUML เขียน Process Flow และ Sequence Diagram ด้วย Mermaid ออกแบบ ER Diagram แล้วสร้างตารางจริงบน PostgreSQL เขียนสเปก API ด้วย OpenAPI ร่างสถาปัตยกรรมระบบ แตก Test Scenario จาก Use Case และตรวจทานงานที่ AI สร้างก่อนส่งมอบเอกสารให้ทีมพัฒนา ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
ได้ หลักสูตรนี้จัดเป็นการอบรมแบบ In-house ให้ทีมในองค์กรได้ และปรับตัวอย่างให้ตรงกับงานของทีม เช่น ใช้โจทย์ระบบที่ทีมกำลังวิเคราะห์อยู่จริงทำเอกสารออกแบบตลอด Workshop ขอใบเสนอราคาได้จากหน้านี้ หรือติดต่อทาง LINE @itgenius โทร 02-570-8449
Claude Code ไม่ได้เป็นเพียงเครื่องมือสำหรับถาม AI ให้ช่วยเขียนโค้ด แต่ทำหน้าที่เสมือน AI Coding Agent ที่เข้าใจโครงสร้างของโปรเจกต์ อ่านไฟล์ แก้ไข Source Code รันคำสั่ง ทดสอบระบบ และทำงานร่วมกับ Development Workflow ได้จริง…
หลายคนมีไอเดียเว็บหรือเครื่องมือที่อยากใช้ในงานของตัวเอง แต่ติดตรงที่เขียนโปรแกรมไม่เป็น และการจ้างทำก็ใช้ทั้งเวลาและงบประมาณ ทุกวันนี้ AI ที่ช่วยเขียนโค้ดได้เปลี่ยนเรื่องนี้ไปแล้ว คนที่ไม่มีพื้นฐานสามารถอธิบายสิ่งที่ต้องการเป็นภาษาคน แล้วให้ AI สร้างโค้ดให้…
