Custom GPTs & AI Automation

รายละเอียดหลักสูตร

อบรม 2 วัน วันละ 6 ชั่วโมง รวม 12 ชั่วโมง รูปแบบบรรยายพร้อมปฏิบัติจริง (Hands-on Workshop) และ Capstone Project ระดับ Intermediate ถึง Advanced ผู้เรียนจะได้ Custom GPT ที่สร้างเอง, Template Workflow Automation, และ Checklist ด้านความปลอดภัย ต้นทุน และ PDPA กลับไปใช้งานจริง

Day 1: สร้าง Custom GPTs ผู้ช่วย AI เฉพาะทางขององค์กร

Section 1: ภาพรวม Custom GPTs และ AI Assistant ในองค์กร

• Custom GPT คืออะไร ต่างจากการพิมพ์ Prompt ทั่วไปและ Assistant อย่างไร และเมื่อใดควรสร้างแทนการสั่งงานเดิมซ้ำ ๆ
• องค์ประกอบของ Custom GPT: Instructions, Knowledge, Conversation Starters และ Actions พร้อมตัวอย่าง Use Case ในแต่ละแผนก
• ข้อกำหนดด้านบัญชี (ChatGPT Plus / Team / Enterprise) และขอบเขตการใช้งานในองค์กร

Section 2: สร้าง Custom GPT ตัวแรกด้วย GPT Builder

• การใช้ GPT Builder ทั้งแบบสนทนา (Create) และแบบตั้งค่าเอง (Configure)
• การตั้งชื่อ คำอธิบาย รูปโปรไฟล์ และ Conversation Starters และการกำหนดความสามารถ (Web Search, Image Generation, Code Interpreter)
• การทดสอบ GPT ในหน้า Preview และการปรับแก้แบบวนซ้ำ (Iterate)
• Workshop: สร้าง Custom GPT ผู้ช่วยงานหนึ่งงานของผู้เรียน เช่น ผู้ช่วยตอบอีเมลหรือสรุปเอกสาร

Section 3: Instructions และ Knowledge ที่ทำให้ GPT ตอบตรงและคงที่

• โครงสร้าง Instructions ที่ดี: บทบาท ขอบเขต ขั้นตอนการทำงาน รูปแบบผลลัพธ์ และข้อห้าม
• การกำหนดบุคลิกและ Tone of Voice ให้ตรงกับแบรนด์และมาตรฐานองค์กร
• การอัปโหลด Knowledge (เอกสาร คู่มือ นโยบาย) และการค้นข้อมูลในเอกสาร (Retrieval)
• ขอบเขตและข้อจำกัดของ Knowledge และการจัดการข้อมูลให้ GPT ตอบตามข้อมูลจริง

Section 4: GPT Actions เชื่อม Custom GPT เข้ากับระบบภายนอก

• GPT Actions คืออะไร และทำให้ GPT เรียกใช้ API และระบบจริงได้อย่างไร
• โครงสร้าง OpenAPI Schema เบื้องต้นสำหรับกำหนดสิ่งที่ GPT เรียกใช้ได้
• การตั้งค่า Authentication (API Key, OAuth) และความปลอดภัยของการเชื่อมต่อ พร้อมตัวอย่างการต่อ Action
• Workshop: ต่อ GPT Action หนึ่งตัวให้ Custom GPT ดึงข้อมูลจากบริการภายนอกมาตอบผู้ใช้

Section 5: ทดสอบ เผยแพร่ และวางมาตรฐานการใช้งาน GPT

• การทดสอบคุณภาพและความปลอดภัยของ Custom GPT ก่อนเผยแพร่
• ระดับการเผยแพร่: เฉพาะตัวเอง, ทีม/องค์กร (Workspace) และสาธารณะ (GPT Store)
• การแบ่งปันและบริหารเวอร์ชันของ GPT ให้ทีมใช้ร่วมกัน และข้อควรระวังด้านข้อมูลองค์กรและ PDPA
• Workshop: เผยแพร่ Custom GPT ให้ทีมทดลองใช้ พร้อมเก็บ Feedback มาปรับปรุง

Day 2: AI Automation วางระบบให้ AI ทำงานเองตั้งแต่ต้นจนจบ

Section 6: แนวคิด AI Workflow Automation และการเลือกงานที่คุ้มค่า

• Automation คืออะไร และ AI เข้ามาเปลี่ยนงานอัตโนมัติแบบเดิมอย่างไร
• การประเมินงานประจำ: งานใดควรทำอัตโนมัติ งานใดควรมีมนุษย์ตรวจสอบเสมอ (Human-in-the-loop)
• การคำนวณความคุ้มค่า (เวลา ต้นทุน ความผิดพลาด) และภาพรวมสถาปัตยกรรม Trigger, Action, Node

Section 7: แพลตฟอร์ม Automation - n8n, Make และ Zapier

• ความแตกต่างของ n8n, Make และ Zapier และการเลือกใช้ให้เหมาะกับองค์กร
• แนวคิด Trigger กับ Action, Node และการส่งผ่านข้อมูลระหว่างขั้นตอน
• การตั้งค่า Credential และการเชื่อมต่อบริการอย่างปลอดภัย และข้อดีของ n8n แบบ Self-hosted

Section 8: สร้าง Workflow แรกที่มี AI อยู่ในขั้นตอน

• โครงสร้าง Workflow ที่ดี: รับข้อมูลเข้า ประมวลผลด้วย AI และส่งผลลัพธ์ออก
• การเรียกใช้โมเดล AI ใน Workflow (OpenAI Node) เพื่อสรุป จัดหมวด หรือสร้างเนื้อหา
• การส่ง Prompt และรับผลลัพธ์แบบ Structured เพื่อนำไปใช้ต่อในขั้นตอนถัดไป
• Workshop: สร้าง Workflow ที่รับข้อความเข้ามา ให้ AI สรุปและจัดหมวด แล้วส่งผลลัพธ์ออก

Section 9: เชื่อมข้อมูลจริงด้วย Connector และ MCP

• การเชื่อมต่อบริการที่ใช้บ่อย: Google Sheets, Gmail, Google Drive, LINE และ Webhook
• แนวคิด MCP (Model Context Protocol) และบทบาทในการเชื่อม AI เข้ากับระบบงานจริง
• การอ่านและบันทึกข้อมูลลงฐานข้อมูล (MySQL / PostgreSQL) และการรับเหตุการณ์ด้วย Webhook
• Workshop: ต่อ Workflow ให้ดึงข้อมูลจาก Google Sheet ประมวลผลด้วย AI แล้วส่งผลกลับทาง Gmail หรือ LINE

Section 10: Multi-step Automation และ Orchestration

• การต่อหลายขั้นตอนเข้าด้วยกัน (Chaining) และการแตกเงื่อนไข (Branching / Conditional)
• การจัดการข้อผิดพลาดและการลองใหม่ (Error Handling / Retry) ให้ระบบเสถียร
• การตั้งเวลา (Schedule) รายวัน รายสัปดาห์ รายเดือน และการวาง Morning Brief หรือรายงานอัตโนมัติ
• การผสาน Custom GPT จากวันแรกเข้ากับ Workflow ให้ทำงานร่วมกัน

Section 11: Security, Cost, PDPA และ Capstone Project

• การจัดการ API Key และ Credential อย่างปลอดภัยตามหลัก Least Privilege และการควบคุมต้นทุนการเรียกใช้ AI
• ข้อมูลที่ห้ามส่งเข้าระบบ AI และการปกป้องข้อมูลส่วนบุคคลตาม PDPA
• Capstone Project: ประกอบ Custom GPT เข้ากับ Automation Workflow เป็นระบบงานอัตโนมัติของตนเองแบบครบวงจร พร้อมนำเสนอและรับ Feedback
• แนวทางการนำไปใช้จริงใน 30 วันแรก และการต่อยอดสู่ AI Agent สำหรับองค์กร