หลักสูตร AI Use Case & Pilot Management เป็นการอบรมการค้นหา คัดเลือก และบริหารโครงการนำร่อง AI ด้วย CRISP-DM, Stage-gate, AI Use Case Canvas และ Business Case พร้อมเกณฑ์ Go / No-go / Pivot เหมาะกับ AI Champions คณะทำงาน DX และหัวหน้าโครงการ จบแล้วได้แผน 90 วันของโครงการนำร่องพร้อม KPI ไว้เสนอผู้บริหาร
หลายองค์กรเริ่มโครงการ AI ด้วยความตื่นเต้น แต่จำนวนไม่น้อยติดอยู่ในสถานะนำร่องไม่จบ หรือที่เรียกว่า Pilot Purgatory เพราะเลือกปัญหาไม่ชัด ไม่มีข้อมูลรองรับ ไม่มีเจ้าของโครงการ ไม่ได้กำหนดตัวชี้วัดความสำเร็จตั้งแต่ต้น หรือไม่มีแผนขยายผลหลังนำร่อง ผลที่ตามมาคือเสียทั้งงบประมาณ และเสียความเชื่อมั่นของผู้บริหารที่มีต่อ AI ไปพร้อมกัน หลักสูตรนี้ใช้รูปแบบ Project-based Learning ผู้เรียนทำงานเป็นกลุ่มบนโจทย์จากงานของผู้เรียนเอง หรือกรณีศึกษาที่วิทยากรเตรียมให้
เดินตามเส้นทางของโครงการ AI จริง วันแรกเปลี่ยนไอเดียจำนวนมากให้เหลือ Use Case ที่คุ้มค่าที่สุด ด้วย CRISP-DM, Stage-gate, AI Use Case Canvas, Value vs Feasibility Matrix และ Business Case วันที่สองเปลี่ยน Use Case นั้นให้เป็นโครงการนำร่องที่มีขอบเขต KPI เกณฑ์ความสำเร็จ แผนจัดการความเสี่ยง บทบาททีมแบบ Agile และเกณฑ์ตัดสินใจ Go / No-go / Pivot ปิดท้ายด้วยการนำเสนอขออนุมัติต่อคณะกรรมการ เมื่อจบหลักสูตรผู้เรียนจะมี Pilot Charter และแผน 90 วันที่พร้อมเริ่มดำเนินการ (อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง ระดับ Intermediate)
รายละเอียดหลักสูตร
อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง (09:00-16:00 น.) รูปแบบ Project-based Learning ทำงานเป็นกลุ่มบนโจทย์จากงานของผู้เรียนเอง หรือกรณีศึกษาที่วิทยากรเตรียมให้ ระดับ Intermediate ไม่ต้องมีทักษะเทคนิคด้าน AI หรือการเขียนโปรแกรม ผู้เรียนจะได้ชุด Template ครบตั้งแต่ AI Use Case Canvas, Prioritization Matrix, Business Case จนถึง Pilot Charter และแผน 90 วันที่พร้อมเริ่มดำเนินการ กรณีจัดแบบ In-house สามารถเพิ่ม Demo Day (ทางเลือก) 1 วัน หลังอบรม 4-6 สัปดาห์ เพื่อติดตามผลโครงการนำร่องเทียบ KPI
Section 1: ทำไมโครงการ AI จำนวนมากไม่ขยายผล
ปรากฏการณ์ Pilot Purgatory: โครงการนำร่องที่ไม่จบและไม่เคยถูกขยายผล
สาเหตุหลัก: ปัญหาไม่ชัด ข้อมูลไม่พร้อม และไม่มีเจ้าของโครงการ
สาเหตุที่มักถูกมองข้าม: ไม่มี KPI ตั้งแต่ต้นและไม่ได้บริหารการเปลี่ยนแปลง
บทเรียนจากองค์กรชั้นนำที่ขยายผลโครงการ AI ได้สำเร็จ
ผลกระทบต่องบประมาณและความเชื่อมั่นของผู้บริหารต่อ AI
Section 2: วงจรชีวิตโครงการ AI และ Stage-gate
ขั้นตอนของโครงการ AI ตามแนวทาง CRISP-DM
การปรับ CRISP-DM ให้เข้ากับบริบทธุรกิจและงานของหน่วยงาน
Stage-gate จากไอเดีย สู่โครงการนำร่อง จนถึงการขยายผล
สิ่งที่ต้องพิสูจน์ให้ได้ก่อนผ่านแต่ละ Gate
การผสาน AI Project Lifecycle เข้ากับวงจร PDCA และวัฒนธรรมการปรับปรุงงาน
Section 3: เทคนิคค้นหา Use Case
Pain Point Mapping: ไล่หาจุดเจ็บปวดของกระบวนการจากมุมผู้ใช้งาน
Process Walk: เดินตามกระบวนการจริงเพื่อเห็นปัญหาหน้างาน
รูปแบบโอกาสของ AI 5 แบบ: Predict, Detect, Generate, Optimize และ Automate
การต่อยอดจาก AI Use Case Canvas ที่เคยทำไว้ในหลักสูตรก่อนหน้า
Section 4: AI Use Case Canvas
การกำหนดปัญหาและผู้ใช้ให้ชัดก่อนคิดถึงเทคโนโลยี
การระบุข้อมูลที่ต้องใช้และแนวทาง AI ที่เหมาะสม
การระบุคุณค่าที่คาดหวังและความเสี่ยงของ Use Case
การกำหนดตัวชี้วัดที่ใช้พิสูจน์ว่า Use Case สำเร็จ
Section 5: จัดลำดับความสำคัญด้วย Value vs Feasibility
การวาง Use Case ลงบน Value vs Feasibility Matrix
Scoring Model ที่ให้คะแนนด้วยเกณฑ์โปร่งใสและวัดได้
เกณฑ์คุณค่าทางธุรกิจและความพร้อมของข้อมูล
เกณฑ์ความเป็นไปได้ทางเทคนิค ความเสี่ยง และระยะเวลาเห็นผล
Section 6: Business Case, ROI และ Build, Buy หรือ Partner
การประเมินต้นทุนและผลประโยชน์ทั้งที่เป็นตัวเงินและไม่เป็นตัวเงิน
การวัด Baseline ก่อนเริ่มเพื่อให้เทียบผลลัพธ์ได้จริง
การระบุสมมติฐานที่ต้องพิสูจน์ในโครงการนำร่อง
เกณฑ์เลือกแนวทางพัฒนาแบบ Build, Buy หรือ Partner
การทำงานร่วมกับผู้ให้บริการภายนอก
Section 7: Workshop วันที่ 1: From Ideas to Top Use Case
โจทย์จากงานของผู้เรียนเอง หรือกรณีศึกษาที่วิทยากรเตรียมให้ ทำงานเป็นกลุ่ม
ระดมไอเดียการใช้ AI รวมอย่างน้อย 10 เรื่อง
คัดไอเดียที่ดีที่สุด 3 เรื่องมาเขียนเป็น AI Use Case Canvas
ให้คะแนนด้วย Prioritization Matrix แล้วเลือก 1 Use Case ต่อกลุ่ม
Workshop: จัดทำ Business Case เบื้องต้นของ Use Case ที่เลือกเพื่อใช้ต่อในวันที่ 2
Section 8: ออกแบบโครงการนำร่อง
การกำหนดขอบเขตให้เล็กพอที่จะพิสูจน์ผลได้ในเวลาจำกัด
การเขียนสมมติฐานและเกณฑ์ความสำเร็จที่ตรวจสอบได้
การเลือก KPI ที่เชื่อมกับ Baseline และ Business Case
การวางระยะเวลานำร่อง 6-12 สัปดาห์ และทรัพยากรที่ต้องใช้
Section 9: ความพร้อมด้านข้อมูลและเทคนิค
การประเมินความพร้อมของข้อมูลและการวางแผนเตรียมข้อมูล
การสร้าง MVP เพื่อทดสอบแนวคิดกับผู้ใช้ได้เร็ว
การออกแบบให้มีคนตรวจสอบผลลัพธ์ (Human-in-the-loop)
Checklist ความพร้อมด้านข้อมูลและเทคนิคก่อนเริ่มนำร่อง
Section 10: ความเสี่ยงและธรรมาภิบาล AI
Checklist ประเมินความเสี่ยงของ AI ก่อนเริ่มโครงการ
ขั้นตอนการอนุมัติและผู้ที่ต้องมีส่วนร่วมในการตัดสินใจ
การบันทึกความเสี่ยงและมาตรการควบคุมไว้ใน Pilot Charter
การเชื่อมโยงกับแนวทางในหลักสูตร AI Governance และ Responsible AI สำหรับองค์กร
Section 11: บริหารโครงการ AI แบบ Agile
การทำงานเป็น Sprint และการปรับแผนจากสิ่งที่เรียนรู้ในแต่ละรอบ
บทบาทของ Sponsor และ Product Owner ในโครงการ AI
บทบาทของ Data Owner, AI Champion และ IT
การสื่อสารความคืบหน้าให้ผู้บริหารและผู้เกี่ยวข้อง
Section 12: วัดผลและตัดสินใจขยายผล
เกณฑ์ตัดสินใจ Go / No-go / Pivot เมื่อจบโครงการนำร่อง
การวางแผนขยายผลและการส่งมอบสู่การใช้งานจริง
แนวคิด MLOps เบื้องต้นสำหรับดูแลระบบ AI หลังใช้งานจริง
การบริหารการเปลี่ยนแปลงกับผู้ใช้งาน
Section 13: การนำเสนอขออนุมัติต่อผู้บริหาร
โครงสร้างการนำเสนอแบบ One-page Summary
Storytelling ด้วยข้อมูลให้ผู้บริหารเห็นคุณค่าและตัดสินใจได้
การใช้ Copilot ช่วยจัดทำเอกสารและสไลด์นำเสนอ
การเตรียมตอบคำถามเรื่องงบประมาณ ความเสี่ยง และระยะเวลาเห็นผล
Section 14: Workshop วันที่ 2: Pilot Charter & Pitch
ต่อยอดจาก Use Case และ Business Case ที่เลือกไว้ในวันที่ 1
จัดทำ Pilot Charter: ขอบเขต สมมติฐาน KPI ทีมงาน และความเสี่ยง
วางแผนดำเนินงาน 90 วัน พร้อมจุดตัดสินใจ Go / No-go / Pivot
Workshop: นำเสนอต่อคณะกรรมการในคลาสเพื่อรับข้อเสนอแนะและประเมินคุณภาพ Pilot Charter
ขณะนี้ยังไม่มีรอบอบรมเปิดรับสมัคร ลงชื่อจองไว้ได้เลย ทีมงานจะติดต่อกลับเป็นกลุ่มแรกเมื่อเปิดรอบถัดไป หรือสอบถามทางไลน์ หรือโทร 02-570-8449 หรือ 088-807-9770
CRISP-DM มีหกขั้นตอน ได้แก่ ทำความเข้าใจธุรกิจ (Business Understanding) ทำความเข้าใจข้อมูล (Data Understanding) เตรียมข้อมูล (Data Preparation) สร้างโมเดล (Modeling) ประเมินผล (Evaluation) และนำไปใช้งาน (Deployment) ขั้นตอนเหล่านี้วนกลับไปมาได้ เช่น ผลประเมินไม่ผ่านก็กลับไปทบทวนโจทย์ธุรกิจหรือข้อมูลใหม่
เริ่มจากเขียนแต่ละ Use Case ลง AI Use Case Canvas ให้เห็นปัญหา ผู้ใช้ ข้อมูลที่ต้องใช้ และผลลัพธ์ที่วัดได้ จากนั้นให้คะแนนด้วยเกณฑ์เดียวกัน เช่น มูลค่าทางธุรกิจ ความพร้อมของข้อมูล ความยากทางเทคนิค และความเสี่ยง แล้ววางลง Prioritization Matrix ระหว่างคุณค่ากับความเป็นไปได้ เลือก Use Case ที่คุณค่าสูงและทำได้จริงเป็นโครงการนำร่องก่อน
Pilot Purgatory คือสภาพที่โครงการนำร่อง AI ทำไปเรื่อย ๆ แต่ไม่จบและไม่เคยถูกขยายผล สาเหตุหลักคือปัญหาไม่ชัด ข้อมูลไม่พร้อม ไม่มีเจ้าของโครงการ และไม่ได้ตั้ง KPI ตั้งแต่ต้น ป้องกันได้ด้วยการกำหนดเกณฑ์ความสำเร็จและผู้รับผิดชอบก่อนเริ่ม ใช้ Stage-gate ตรวจสิ่งที่ต้องพิสูจน์ในแต่ละช่วง และตัดสินใจ Go / No-go / Pivot ตามผลจริง
เหมาะกับ AI Champions และคณะทำงาน DX หัวหน้าโครงการ วิศวกร และหัวหน้าส่วนที่จะเป็นเจ้าของ Use Case ผู้จัดการที่ต้องอนุมัติโครงการ AI และทีม IT ที่ร่วมประเมินความเป็นไปได้ทางเทคนิค ควรผ่านหลักสูตร AI Literacy หรือเข้าใจแนวคิด AI เบื้องต้น และรู้จักปัญหาหน้างานของหน่วยงานตน ถ้าเคยทำ Kaizen, QCC หรือ Six Sigma จะได้ประโยชน์มาก โดยไม่ต้องเขียนโปรแกรม
ค้นหาและคัดเลือก Use Case ด้วย AI Use Case Canvas และเกณฑ์ที่วัดได้ จัดทำ Business Case ประเมิน ROI และเลือกแนวทาง Build, Buy หรือ Partner ออกแบบโครงการนำร่องพร้อม KPI และแผน 90 วัน และนำเสนอขออนุมัติด้วย One-page Summary โดยได้ชุด Template ตั้งแต่ Canvas จนถึง Pilot Charter กลับไปใช้ ผู้ผ่านการอบรมได้รับใบประกาศนียบัตร (Certificate of Completion) ที่มีเลขที่ของตัวเองและตรวจสอบออนไลน์ได้
ได้ หลักสูตรนี้จัดเป็นการอบรมแบบ In-house ได้ และใช้โจทย์จากงานจริงของทีมทำงานกลุ่มแทนกรณีศึกษาทั่วไป และเพิ่ม Demo Day เป็นทางเลือกหลังอบรมราว 4-6 สัปดาห์ เพื่อติดตามผลโครงการนำร่องเทียบกับ KPI ขอใบเสนอราคาได้จากหน้านี้ หรือติดต่อทาง LINE @itgenius โทร 02-570-8449
AI กำลังกลายเป็นความสามารถพื้นฐานขององค์กร เช่นเดียวกับ Internet, Cloud และ Digital Transformation ในช่วงที่ผ่านมา ผู้บริหารจึงไม่จำเป็นต้องรู้วิธีสร้าง AI Model หรือเขียนโปรแกรม แต่ควรเข้าใจว่า AI คืออะไร ทำอะไรได้และทำอะไรไม่ได้ สร้างผลกระทบต่อธุรกิจอย่างไร…
โรงงานและงานการผลิตเต็มไปด้วยเอกสาร ข้อมูล และงานประจำจำนวนมาก ทั้งการจัดทำและปรับปรุง SOP และ Work Instruction การบันทึกและวิเคราะห์ข้อมูลการผลิต การหาสาเหตุของเสียและ Downtime การจัดทำรายงานประจำกะและประจำเดือน งานซ่อมบำรุงและความปลอดภัย…
ธุรกิจการผลิตที่ความต้องการผันผวนตามฤดูกาลต้องวางแผนภายใต้ความไม่แน่นอนหลายชั้นพร้อมกัน ทั้งยอดขายที่ขึ้นลงตามช่วงเวลา ราคาวัตถุดิบ ระยะเวลาการจัดส่ง และความเสี่ยงของซัพพลายเออร์…
