Agent & Workflow Card
ระบุขอบเขต AI แต่ละตัว: ทำอะไรได้ ห้ามทำอะไร ใครอนุมัติ และ fallback เมื่อไม่มั่นใจ
AI Transformation Partner สำหรับ SME ไทย
รับ Implement ระบบ AI Transformation ให้ SME ใช้งานได้จริง ตั้งแต่ประเมินจนถึงดูแลต่อ
IAT ออกแบบและลงมือวางระบบให้ถึงหน้างาน เริ่มจาก workflow ที่คุ้มที่สุดก่อนหนึ่งเรื่อง เชื่อมกับข้อมูลและเครื่องมือที่ธุรกิจใช้อยู่ เช่น LINE, Excel, ระบบบัญชี และ ERP โดยมีจุดอนุมัติโดยคน, audit log และเอกสารส่งมอบครบ ไม่ใช่แค่ให้คำปรึกษาแล้วจบ
เริ่มจาก workflow เดียว
Human Approval
Audit Log
PDPA-aware
UAT + Runbook
SME Transformation Path
จากงานมือสู่ AI Workflow ใน 4 ขั้น
01
Readiness Assessment
สำรวจ workflow, ข้อมูล, คน และความเสี่ยง
02
Pilot Implement
ลงระบบจริง 1 workflow ที่คุ้มที่สุดก่อน
03
Rollout & Integration
ขยายผล เชื่อม LINE, ระบบบัญชี, ERP และฐานข้อมูล
04
Managed AI Ops
ดูแลต่อรายเดือน พร้อม review และ change control
AI Transformation for SME
SME ไม่ต้องรอพร้อม 100% — เริ่มจาก workflow เดียวที่เห็นผลจริง
เราออกแบบการ implement ให้พอดีกับข้อจำกัดจริงของ SME ทั้งงบประมาณ คน และข้อมูลที่กระจัดกระจาย โดยใช้เครื่องมือที่ธุรกิจมีอยู่แล้วให้มากที่สุด
ข้อจำกัดที่เราเจอบ่อยใน SME ไทย
- ข้อมูลกระจายอยู่ใน Excel, LINE, อีเมล และระบบบัญชีที่ไม่คุยกัน
- ไม่มีทีม IT ประจำ ระบบที่ส่งมอบต้องมีคนดูแลต่อให้
- งบจำกัด ลงทุนครั้งใหญ่ทีเดียวไม่ได้ ต้องเห็นผลเป็นขั้น
- กังวลเรื่องข้อมูลลูกค้า (PDPA) และการควบคุมความถูกต้องของ AI
จุดยืนของ IAT: AI ต้องมีคนอนุมัติในจุดที่เสี่ยง ตรวจย้อนหลังได้ทุกการกระทำ และส่งมอบพร้อมเอกสาร โดยขอบเขตและระยะเวลาขึ้นอยู่กับ scope, ความพร้อมของข้อมูล และระบบที่ต้องเชื่อมต่อ
Readiness Assessment — ประเมินความพร้อม
สำรวจ workflow จริง แหล่งข้อมูล เครื่องมือที่ใช้อยู่ และความเสี่ยง เลือก use case ที่คุ้มที่สุดมาเริ่มก่อน
Workflow MapData Readiness NoteUse Case Shortlist
Pilot Implement — ลงระบบจริง 1 workflow
พัฒนาและติดตั้ง AI workflow แรกบนงานจริง พร้อมจุดอนุมัติโดยคน ทดสอบ UAT ร่วมกับทีมของคุณ
Agent CardUAT PackApproval Gate
Rollout & Integration — ขยายผลและเชื่อมระบบ
ต่อยอดไป workflow ถัดไป เชื่อมข้อมูลเข้ากับ LINE OA, ระบบบัญชี, ERP หรือฐานข้อมูลเดิมของธุรกิจ
Integration SpecData RegisterAccess Control
Managed AI Ops — ดูแลต่อเนื่อง
ดูแลระบบรายเดือน ทบทวนคุณภาพผลลัพธ์ AI จัดการ change request และอัปเดตเอกสารให้เป็นปัจจุบัน
RunbookMonthly ReviewChange Control
สิ่งที่ได้รับจากการจ้าง Implement
ทุกการส่งมอบมีเอกสารกำกับ ตรวจสอบและดูแลต่อได้
Data Register
ทะเบียนข้อมูลที่ระบบใช้ แหล่งที่มา ชั้นความลับ และการจัดการตามแนวทาง PDPA
UAT Pack
ชุดทดสอบร่วมกับผู้ใช้จริงก่อนขึ้นระบบ พร้อมบันทึกผลและเงื่อนไขการยอมรับ
Runbook & คู่มือ
วิธีใช้งาน วิธีแก้ปัญหาเบื้องต้น และช่องทางติดต่อเมื่อระบบผิดปกติ
เริ่มจากคุยเรื่อง workflow ของคุณก่อน ยังไม่ต้องตัดสินใจลงทุน
เล่าปัญหางานที่อยากแก้ เราช่วยประเมินว่า AI ช่วยตรงไหนได้จริง และควรเริ่มจากอะไร
ผลงานที่ผ่านมา
ผลิตภัณฑ์หลักและผลงานที่ IAT ออกแบบและพัฒนา ตั้งแต่ Commerce & e-Tax ถึง enterprise AI platform
ระบบที่พัฒนาใช้งานจริง จัดกลุ่มตามโดเมนงานพร้อมเทคโนโลยีที่ใช้ ไม่ระบุชื่อลูกค้าตามนโยบายความเป็นส่วนตัว
Enterprise AI & Cloud
พัฒนาต่อเนื่อง
IAT AI-ERP Cloud
แพลตฟอร์มเรือธง ERP + CRM พร้อมผู้ช่วย AI ภาษาไทยแบบ subscription บน Odoo โฮสต์ในไทยตามแนวทาง PDPA มาพร้อมผู้ช่วยบัญชี AI อ่านใบกำกับภาษีไทยและร่างรายการภาษีซื้อ/หัก ณ ที่จ่าย, Ask-AI ถามตอบข้อมูลธุรกิจผ่านเว็บและ LINE และ Thai Compliance Pack (ภ.พ.30, ภ.ง.ด.3/53, 50 ทวิ, PromptPay QR)
Stack
Odoo Community · AI Gateway (Multi-LLM) · Thai OCR · โฮสต์ในประเทศไทย
Commerce & e-Tax
ต้นแบบ / ออกแบบ
IAT Commerce e-Tax Connect (CTC)
เชื่อมร้านค้า Shopee, Lazada และ TikTok Shop เข้ากับการออกใบกำกับภาษีอิเล็กทรอนิกส์ e-Tax Invoice by Email ตามมาตรฐาน ETDA แบบครบวงจร ดึงออเดอร์อัตโนมัติ เปิดเอกสารขาย คำนวณ VAT สร้างไฟล์ PDF/A-3 ส่งอีเมลถึงผู้ซื้อพร้อมสำเนาเข้าระบบประทับเวลา และติดตามจนเอกสารสมบูรณ์ พร้อม compliance dashboard และ Public API
Stack
Odoo 19 CE · Python · PostgreSQL · OCA · PDF/A-3 (Ghostscript + veraPDF) · ETDA e-Tax by Email
Commerce & e-Tax
ต้นแบบ / ออกแบบ
IAT Commerce TaxHub
ระบบกลางสำหรับผู้ขายออนไลน์หลายช่องทางและสำนักงานบัญชี ดึงคำสั่งซื้อจาก marketplace แปลงเป็นข้อมูลกลาง สร้างใบกำกับภาษีเต็มรูป/อย่างย่อและใบเพิ่ม-ลดหนี้ตาม tax rules engine กระทบยอดค่าธรรมเนียมและส่วนลด พร้อม audit trail และคลังหลักฐานสำหรับนักบัญชีและผู้ตรวจสอบ
Stack
Next.js/React (TH/EN) · .NET Web API / NestJS · PostgreSQL · queue workers · e-Tax by Time Stamp
AI Product
กำลังพัฒนา
LINE Sales Agent
พนักงานขาย AI ภาษาไทยบน LINE OA ที่ต่อตรงกับหลังบ้าน ERP จริง ตอบราคา เช็กสต๊อก จองสต๊อกชั่วคราว และเปิดออเดอร์ได้ในบทสนทนาเดียว มีโหมดยืนยันก่อนส่ง, PII masking, action log ตรวจย้อนได้ และส่งต่อให้พนักงานเมื่อเกินขอบเขตที่กำหนด
Stack
LINE Messaging API · LINE Bot MCP Server · Agent Framework · Odoo ERP · AI Gateway
ERP / Odoo
ส่งมอบ / ใช้งาน
Odoo 19 CE ERP Implementation & Thai Localization
บริการวางระบบและปรับแต่ง ERP บน Odoo 19 Community Edition ครบทุกชั้นด้วยหลัก inherit ไม่แก้ core ครอบคลุม Website/eCommerce, CRM/ขาย/POS, บัญชี, คลัง-จัดซื้อ-ผลิต และ HR พร้อมเอกสารภาษีไทย (ใบกำกับเต็มรูป, หัก ณ ที่จ่าย, e-Tax), เกตเวย์ชำระเงิน/ขนส่งไทย, งาน migration/upgrade และ security/PDPA hardening
Stack
Odoo 19 CE (LGPL-3) · Python · PostgreSQL · OWL 2 · OCA · JSON-2 API · Docker + nginx
AI Product
Roadmap
AI Product Roadmap 2026–2027
ผลิตภัณฑ์ต่อยอดบนแพลตฟอร์ม AI Gateway แกนกลางเดียวกัน (One Gateway, Many Products) ได้แก่ AI Copilot สำนักงานบัญชีแบบ multi-client พร้อม human-in-the-loop, Thai Document AI (IDP API อ่านเอกสารไทยคิดค่าบริการต่อหน้า), e-Tax Gateway ตัวกลางออกและนำส่ง e-Tax สำหรับทุกระบบ และ Vertical AI Packs สำหรับร้านอาหารและคลินิก/ความงาม
Stack
Multi-LLM Routing · RAG · PII Masking · Guardrails · Prompt & Action Log
Enterprise AI & Cloud
ส่งมอบ / ใช้งาน
AI Production Planning & Scheduling (APS)
ระบบวางแผนและจัดตารางการผลิตด้วย AI เชื่อมข้อมูล quotation, work control และสถานะเครื่องจักร เพื่อ optimize ลำดับงานและทำ closed-loop planning
Stack
ASP.NET MVC · React prototype · SQL Server
Manufacturing Ops
ส่งมอบ / ใช้งาน
Mold Cost & Costing Analytics System
ระบบเว็บคำนวณและวิเคราะห์ต้นทุนการผลิตแม่พิมพ์ (cost summary, fixed cost, purchase-group report, role-based access) พร้อมส่วนเสริม AI ทำนายต้นทุนงานและแนะนำช่วงราคา
Stack
ASP.NET MVC5 / WebForms · DevExpress · SQL Server 2022 · layered architecture
Manufacturing Ops
ส่งมอบ / ใช้งาน
Mold Quotation System + AI Estimator
ระบบจัดทำใบเสนอราคาแม่พิมพ์ (quotation sheet, bill, cost breakdown) พร้อม AI assist ประเมินต้นทุน/ราคาแบบมี versioned model และ data dictionary กำกับ
Stack
ASP.NET MVC5 · DevExpress · Entity Framework · SQL Server
Manufacturing Ops
ส่งมอบ / ใช้งาน
Shop-floor Tablet Daily Report Suite
เว็บแอปบนแท็บเล็ตให้พนักงานหน้างานบันทึกข้อมูลการผลิตรายวัน ต่อยอดเป็น suite รวม attendance, leave, OT, canteen, tool control และ dashboard
Stack
ASP.NET MVC5 · DevExpress · SQL Server
Manufacturing Ops
ส่งมอบ / ใช้งาน
Master Data & Monthly Cost Allocation
ระบบ master data กลางของสายการผลิต และเครื่องมือ desktop ปันส่วนต้นทุนแม่พิมพ์รายเดือน โดยดึงข้อมูลจากฐานข้อมูล daily report และ cost system
Stack
ASP.NET WebForms · VB.NET WinForms · LINQ-to-SQL
Workflow Automation
ส่งมอบ / ใช้งาน
Machine Downtime Notification (LINE)
ระบบตรวจจับเครื่องจักรหยุด/idle บนหน้างานแล้วส่งแจ้งเตือนผ่าน LINE รวมหลายเครื่องใน bubble เดียว มี retry/audit ผ่านฐานข้อมูล และ diagnostics ตรวจสาเหตุ
Stack
C# console · LINE Messaging API · SQL Server stored procedures · Task Scheduler
Workflow Automation
ส่งมอบ / ใช้งาน
LINE API Quota Monitor
เครื่องมือ desktop ติดตามโควตาและปริมาณการใช้ LINE Messaging API ประเมินโควตาคงเหลือ พร้อมรายงานจากฐานข้อมูล SQL
Stack
.NET 10 Windows Forms · SQL Server
Workflow Automation
ส่งมอบ / ใช้งาน
Bilingual Intranet Portal Gateway
หน้า gateway อินทราเน็ตองค์กรสองภาษา รวมลิงก์เข้าใช้งานระบบภายในต่าง ๆ ออกแบบให้เบาและรองรับเบราว์เซอร์รุ่นเก่า
Stack
F# · ASP.NET Core minimal API · .NET 9
HR & Business Tools
ส่งมอบ / ใช้งาน
Canteen Access & Meal Tracking
ระบบเข้าออกโรงอาหารด้วยลายนิ้วมือและ RFID บันทึกการใช้สิทธิ์มื้ออาหารพนักงาน พร้อม installer และรายงานประจำวัน
Stack
C# WinForms (ZKFinger SDK) · VB.NET · SQL CE / LINQ-to-SQL
HR & Business Tools
กำลัง reconstruct
Legacy Payroll & Time-Attendance Modernization
งาน modernize ระบบ payroll, time-attendance และ security เดิม สร้างใหม่บน .NET (income/OT/SSO/provident fund/tax/loan/bank-file, shift matching) พร้อม data dictionary
Stack
.NET · EF Core · C# / Python · legacy system analysis · modernization documentation
HR & Business Tools
ส่งมอบ / ใช้งาน
Expense & Finance Data Tools
เครื่องมือจัดกลุ่มรหัสค่าใช้จ่ายและสรุปค่าใช้จ่ายจัดซื้อ พร้อมงานวิเคราะห์และวางแผนย้ายระบบการเงินเดิมสู่ cloud
Stack
Excel VBA · SQL · migration analysis docs
Infrastructure & Ops
MVP
Deduplicating Folder Backup System
แอป backup/restore โฟลเดอร์บน Windows ด้วย content-addressable storage แบบ dedup ปลายทาง local และ Google Drive มี incremental snapshot, verify/repair และ VSS snapshot
Stack
.NET 10 · WPF + CLI + Windows Service · SQLite catalog
Company Context
บริษัท อินฟอร์เมติก แอดวานซ์ เทคโนโลยี จำกัด
Informatic Advance Technology Co.,Ltd.
IAT มีพื้นฐานจากงานพัฒนาโปรแกรมเว็บเพจ เครือข่าย และซอฟต์แวร์ตามวัตถุประสงค์ของผู้ใช้ โดยต่อยอดสู่ AI workflow และ enterprise web platform ที่ผูกกับกระบวนการ ข้อมูล การอนุมัติ และเอกสารส่งมอบ
เลขทะเบียนนิติบุคคล
0125559000816
ฐานความเชี่ยวชาญ
Web / Network / Custom Software
แนวทางต่อยอด
AI Workflow + Enterprise Web Platform
หลักควบคุม
Approval -> Audit -> UAT -> Runbook
Service Portfolio
จาก workflow audit สู่ prototype, production และ managed operations
แต่ละบริการออกแบบให้มี output ชัดเจน มี KPI สำหรับวัดผล และมี control point ก่อนนำ AI หรือ automation ไปเชื่อมกับระบบจริง
AI Workflow Assessment / Audit
- ปัญหาที่แก้
- งานซ้ำ ข้อมูลกระจัดกระจาย และยังไม่มี owner, KPI หรือ approval point ที่ชัดเจน
- สิ่งส่งมอบ
- pain-point map, workflow inventory, data/source register draft, KPI baseline, risk note และ roadmap
- ผู้ซื้อที่เหมาะ
- ผู้บริหาร, Operations Manager, IT Manager ที่ต้องการเริ่ม AI อย่างมีขอบเขต
- ตัวอย่าง workflow
- Discovery -> workflow map -> data readiness -> prototype backlog
- KPI ที่ใช้วัด
- lead response time, manual hours, approval rate, fallback rate
- Risk / governance
- ยังไม่แตะ production และต้องระบุ scope, data owner, approval ก่อนเริ่ม prototype
AI Agent Prototype
- ปัญหาที่แก้
- ทีมต้องการพิสูจน์ workflow เดียวก่อนลงทุน production หรือเชื่อมต่อระบบจริง
- สิ่งส่งมอบ
- working prototype, agent card, prompt/tool boundary, UAT scenarios และ demo report
- ผู้ซื้อที่เหมาะ
- หัวหน้าทีม Sales, Support, Operations และ IT ที่ต้องการทดสอบ use case
- ตัวอย่าง workflow
- Intake -> AI draft -> human review -> log -> summary
- KPI ที่ใช้วัด
- test pass rate, fallback rate, reviewer edit rate, response cycle time
- Risk / governance
- prototype ยังไม่ใช่ deployment claim และ action ภายนอกต้องผ่านคนอนุมัติ
Enterprise Web Platform Development
- ปัญหาที่แก้
- งานสำคัญยังอยู่ใน email, spreadsheet หรือระบบที่ไม่มี workflow status กลาง
- สิ่งส่งมอบ
- portal, role-based pages, forms, workflow status, dashboard และ report export
- ผู้ซื้อที่เหมาะ
- ฝ่าย Operations, IT และผู้บริหารที่ต้องการระบบกลางสำหรับงานประจำ
- ตัวอย่าง workflow
- submit request -> assign owner -> approve -> update status -> export report
- KPI ที่ใช้วัด
- request cycle time, overdue tasks, report readiness, user adoption
- Risk / governance
- ต้องมี role-based access, audit log, UAT และ handover documentation
Workflow Automation & Integration
- ปัญหาที่แก้
- ข้อมูลถูกกรอกซ้ำระหว่าง CRM, ERP, email, form, spreadsheet หรือ file workflow
- สิ่งส่งมอบ
- integration map, API/webhook/file workflow, queue/error handling และ runbook
- ผู้ซื้อที่เหมาะ
- IT และ Operations ที่ต้องเชื่อมระบบเดิมกับ workflow ใหม่
- ตัวอย่าง workflow
- trigger -> validate -> route -> update system -> notify owner
- KPI ที่ใช้วัด
- duplicate entry, error queue, sync latency, exception rate
- Risk / governance
- ใช้ least privilege, credential control, retry log และ rollback plan
Managed AI Ops
- ปัญหาที่แก้
- หลัง go-live ไม่มี monitoring, prompt/workflow tuning หรือ governance review ตามรอบ
- สิ่งส่งมอบ
- monitoring checklist, incident/change log, monthly KPI report และ improvement backlog
- ผู้ซื้อที่เหมาะ
- ทีมที่มี AI workflow หรือ automation ใช้งานจริงและต้องการดูแลต่อเนื่อง
- ตัวอย่าง workflow
- monitor logs -> review KPI -> triage issue -> approve change -> release update
- KPI ที่ใช้วัด
- tool error rate, knowledge freshness, incident rate, approval/fallback rate
- Risk / governance
- ทุก production change ต้องผ่าน change control และ monthly review ที่บันทึกได้
Technical Documentation & Data Dictionary Pack
- ปัญหาที่แก้
- ระบบถูกส่งมอบโดยไม่มี agent card, runbook, data definition หรือหลักฐาน UAT ที่ตรวจย้อนหลังได้
- สิ่งส่งมอบ
- agent card, data source register, data dictionary, SOP/runbook และ UAT evidence pack
- ผู้ซื้อที่เหมาะ
- IT, Governance และ Operations ที่ต้องการส่งมอบระบบให้ดูแลต่อได้
- ตัวอย่าง workflow
- collect source -> define fields -> map owner/version -> approve docs -> handover
- KPI ที่ใช้วัด
- missing field rate, knowledge freshness, handover readiness, change traceability
- Risk / governance
- ทุก knowledge source ต้องมี owner, version, effective date และ approval status
AI Agent Catalogue
ตัวอย่างโซลูชัน AI Agent ที่ IAT ออกแบบและพัฒนาได้
รายการนี้เป็น reusable catalogue สำหรับประเมิน use case ไม่ใช่ deployment claim ทุก agent ต้องกำหนด data, tool boundary, approval trigger, KPI และ risk control ก่อน production
Sales Intake Agent
- ทำอะไร
- สรุป inquiry, pain point, urgency, budget ถ้ามี และ next question สำหรับทีมขาย
- ข้อมูลที่ใช้
- web form, LINE OA, email, CRM field และ source campaign
- จุดอนุมัติ
- ต้องอนุมัติก่อนส่งข้อความภายนอกหรืออัปเดต CRM สำคัญ
- ขอบเขต tool/action
- อ่านข้อมูล intake, สร้าง draft และ task ได้ แต่ไม่ส่งแทนมนุษย์
- KPI
- lead response time, completeness score, next-action readiness
- Risk control
- ถ้าข้อมูลไม่ครบให้ถามเพิ่ม และ log แหล่งที่มาของ lead
Lead Scoring & Follow-up Agent
- ทำอะไร
- ให้คะแนน lead, เสนอ next action และร่าง follow-up ตามเงื่อนไขที่ตกลง
- ข้อมูลที่ใช้
- lead profile, qualification criteria, interaction history และ pipeline stage
- จุดอนุมัติ
- ต้องอนุมัติก่อนส่ง follow-up หรือเปลี่ยน scoring rule
- ขอบเขต tool/action
- ให้ score และ draft reminder ได้ แต่ไม่ให้ราคา final หรือ commitment
- KPI
- follow-up SLA, stage movement, approval rate, lost-lead reason coverage
- Risk control
- ใช้ scoring criteria ที่ version control และห้ามเดา budget ที่ไม่มีใน input
Proposal Drafting Agent
- ทำอะไร
- ร่าง executive summary, scope, assumptions, exclusions และ acceptance criteria
- ข้อมูลที่ใช้
- discovery notes, approved service package, scope notes และ template proposal
- จุดอนุมัติ
- ต้องให้คนตรวจทุกครั้งก่อนส่ง proposal หรือระบุราคา
- ขอบเขต tool/action
- สร้าง draft ได้เท่านั้น และห้ามใส่ราคา final หากไม่มี pricing source
- KPI
- proposal cycle time, reviewer edit rate, missing-scope item count
- Risk control
- แยก assumptions/exclusions ชัดเจน และอ้างอิง source package ที่อนุมัติแล้ว
Customer Support Triage Agent
- ทำอะไร
- จัดประเภท ticket, urgency, summary, suggested route และ draft response
- ข้อมูลที่ใช้
- ticket text, approved FAQ, knowledge base, SOP และ customer context ที่จำเป็น
- จุดอนุมัติ
- ต้องอนุมัติก่อนตอบลูกค้า ปิด ticket หรือทำ action ที่มีผลต่อบริการ
- ขอบเขต tool/action
- classify, draft, route ได้ แต่ไม่ refund, cancel หรือเปลี่ยนสิทธิ์ลูกค้า
- KPI
- first response time, escalation accuracy, unresolved ticket age
- Risk control
- ตอบจาก approved knowledge เท่านั้น และ escalate เมื่อ confidence ต่ำหรือข้อมูลขัดแย้ง
Document Extraction Agent
- ทำอะไร
- ดึงข้อมูลจากเอกสารตาม schema, flag missing fields และเตรียมผลให้ตรวจ
- ข้อมูลที่ใช้
- quotation, form, contract excerpt, invoice หรือเอกสารที่กำหนด scope แล้ว
- จุดอนุมัติ
- ต้องตรวจทานก่อนอัปเดต master data หรือใช้ผลในเอกสารทางธุรกิจ
- ขอบเขต tool/action
- extract และ validate ได้ แต่ไม่เดาค่าที่ไม่มีในเอกสารต้นทาง
- KPI
- extraction completeness, validation error rate, missing field resolution time
- Risk control
- ใช้ schema validation, missing_fields และ manual review สำหรับข้อมูลขัดแย้ง
Reporting & Management Summary Agent
- ทำอะไร
- สรุป KPI, issue, risk, recommendation และ next action สำหรับผู้บริหาร
- ข้อมูลที่ใช้
- dashboard export, workflow log, KPI definition, incident/change log
- จุดอนุมัติ
- ต้องอนุมัติก่อนส่งรายงานผู้บริหารหรือเปิด change request ใหม่
- ขอบเขต tool/action
- อ่านข้อมูลและร่าง report ได้ แต่ห้ามสร้างตัวเลขใหม่ที่ไม่มีใน input
- KPI
- report readiness, data freshness, issue closure rate, decision follow-up
- Risk control
- แยก fact, interpretation, risk และ recommendation พร้อม source/time range
QA / UAT Assistant Agent
- ทำอะไร
- สร้าง test cases, expected result, regression set และ UAT evidence checklist
- ข้อมูลที่ใช้
- workflow spec, acceptance criteria, risk matrix, prompt/tool boundary
- จุดอนุมัติ
- business owner ต้อง sign-off ผล UAT และ exception ก่อน go-live
- ขอบเขต tool/action
- ช่วยสร้างและจัด evidence ได้ แต่ไม่อนุมัติ production แทนคน
- KPI
- test coverage, defect reopen rate, UAT pass rate, regression readiness
- Risk control
- ครอบคลุม normal, edge, missing data, prompt injection และ approval-required action
Governance & Audit Assistant Agent
- ทำอะไร
- ช่วยตรวจ log, approval matrix, incident note และ control gap ของ workflow
- ข้อมูลที่ใช้
- audit log, reviewer action, data/source register, incident/change record
- จุดอนุมัติ
- ต้องอนุมัติก่อนเปลี่ยน policy, permission หรือ production control
- ขอบเขต tool/action
- วิเคราะห์และเสนอ control ได้ แต่ไม่เปลี่ยนสิทธิ์หรือ rule เอง
- KPI
- control coverage, audit issue closure, incident rate, approval trace completeness
- Risk control
- จำกัดตาม role-based access และระบุว่าไม่ใช่คำปรึกษากฎหมายเฉพาะกรณี
Reference Architecture
สถาปัตยกรรม AI Workflow แบบแยกชั้น เห็นข้อมูล เห็น action และเห็นจุดควบคุม
โครงสร้างนี้ช่วยให้ผู้บริหาร ทีม IT และผู้ตรวจ governance เห็นว่า request เข้ามาจากช่องทางใด ถูก orchestrate อย่างไร AI อ่านข้อมูลใด เรียก action ใด และต้องผ่าน approval/logging จุดไหนก่อนกระทบระบบจริง
01
Client Channels
Website, form, email, LINE OA, CRM-ready channel และ portal สำหรับรับ request จากผู้ใช้
02
Workflow Orchestration
Workflow runner, queue, API/webhook pattern หรือ automation platform โดยไม่ผูกกับ vendor เดียว
03
AI Agent Core
Instruction, prompt version, retrieval, tool permission, memory rule, confidence และ fallback path
04
Knowledge & Data Layer
Document, FAQ, CRM, database, file, data source register และ data dictionary ที่มี owner/version
05
Action Layer
Draft reply, create task, update sheet/CRM, route ticket, generate report หรือ notify owner ตามสิทธิ์ที่กำหนด
06
Human Approval Layer
Approve ก่อนส่งข้อความภายนอก แก้ข้อมูลสำคัญ เปลี่ยน policy หรือทำ action ที่มีความเสี่ยงสูง
07
Observability Layer
Audit log, trace, KPI dashboard, error queue, incident review และ monthly quality review
Architecture ที่เหมาะสมต้องออกแบบตามระบบจริงของลูกค้า ข้อจำกัดด้านข้อมูล สิทธิ์ผู้ใช้ ระดับความเสี่ยงของ workflow และนโยบาย security/PDPA ขององค์กร
Governance, Security & Risk Control
ออกแบบ governance ตั้งแต่วันแรก ไม่ใช่เพิ่มเข้ามาภายหลัง
ระบบ AI สามารถอ่านข้อมูล สร้างข้อความ และเรียก action กับระบบจริงได้ จึงต้องกำหนด governance ตั้งแต่ data access, tool permission, approval matrix, audit log, incident response และ change control ก่อน production
Human-in-the-loop policy
กำหนด action ที่ AI ทำได้เอง ทำได้แบบ draft และต้องให้คนอนุมัติก่อนเสมอ
Least privilege access
แยกสิทธิ์ read, draft, write และ external action ให้ระบบเข้าถึงเท่าที่ workflow จำเป็น
Audit log and traceability
บันทึก input, output, tool call, error, reviewer action, timestamp และ workflow version
PDPA-aware data handling
ลดข้อมูลส่วนบุคคลที่ไม่จำเป็น แยกประเภทข้อมูล และ redaction/masking เมื่อเหมาะสม
Data source register
ระบุ owner, source priority, effective date, refresh cadence และ approval status ของข้อมูล
Prompt and version control
ควบคุม version ของ prompt, rule, workflow, knowledge base และ tool permission ก่อนเปลี่ยน production
UAT before production
ทดสอบ normal, edge, missing data, sensitive data, fallback และ approval-required action ก่อน go-live
Incident severity and escalation
แยกระดับ incident, owner, escalation path, rollback step และ emergency stop สำหรับ workflow สำคัญ
Monthly quality review
ทบทวน run count, error rate, fallback rate, top defect, expired source และ improvement backlog
Change control
บันทึกการเปลี่ยน prompt, tool, data source, permission หรือ approval rule พร้อมผล regression test
Security Boundary Notes
ขอบเขตที่ควรกำหนดก่อนให้ AI แตะระบบจริง
- AI ไม่ควรถูกอนุญาตให้ลบข้อมูลหรือส่งข้อความภายนอกที่มีความเสี่ยงสูงโดยไม่มี approval
- ข้อมูลอ่อนไหวควรถูกลดปริมาณ ใช้เท่าที่จำเป็น และแยกประเภทก่อนส่งเข้า workflow
- log ควรเก็บเพื่อ trace แต่ไม่ควรเปิดเผยข้อมูลส่วนบุคคลหรือ secret ที่ไม่จำเป็น
- credential, API key และ secret ต้องไม่ถูกเก็บใน frontend code หรือเอกสารทั่วไป
- กรอบนี้เป็นแนวทางออกแบบระบบ ไม่ใช่คำแนะนำทางกฎหมาย และงานที่มีข้อมูลส่วนบุคคลอาจต้องตรวจ PDPA/legal ตามบริบทลูกค้า
เนื้อหาด้าน PDPA, security และ governance บนหน้าเว็บไซต์เป็นกรอบการออกแบบระบบเบื้องต้น ไม่ใช่คำแนะนำทางกฎหมายเฉพาะกรณีหรือการรับรอง compliance
Enterprise Delivery Model
กระบวนการส่งมอบแบบ Stage‑Gate ตั้งแต่ discovery ถึง operations
แต่ละขั้นมี objective, key output และ decision gate เพื่อให้ทีมธุรกิจ ทีม IT และผู้บริหารตัดสินใจจากหลักฐานร่วมกัน
Discover
Objective: เข้าใจเป้าหมายธุรกิจ pain point owner และข้อจำกัดข้อมูล
Key output: workflow map, source list, KPI candidate และ risk note
Decision gate: เลือก workflow แรกพร้อมเหตุผลและขอบเขตที่ไม่ทำ
Architect
Objective: ออกแบบ workflow, data flow, security boundary และ approval point
Key output: architecture view, data source register และ approval matrix
Decision gate: ยืนยัน scope, tool permission, fallback และ UAT criteria
Prototype
Objective: สร้างต้นแบบหนึ่ง workflow และทดสอบกับ scenario ที่ตกลงร่วมกัน
Key output: working prototype, agent card, prompt/tool boundary และ test result
Decision gate: go/no-go สำหรับ implementation พร้อมรายการปรับ scope
Implement
Objective: พัฒนา workflow, integration, role-based access, logging และเอกสารควบคุม
Key output: release candidate, documentation pack, runbook และ regression checklist
Decision gate: พร้อมเข้าสู่ UAT เมื่อ owner, data และ test case ครบ
Validate
Objective: UAT, regression test, security review, approval และ training
Key output: UAT evidence, exception log, training record และ go-live checklist
Decision gate: อนุมัติ go-live หรือกำหนด remediation ก่อน release
Operate
Objective: monitor, incident handling, KPI review, prompt/workflow tuning และ change control
Key output: monthly operations report, issue log และ improvement backlog
Decision gate: อนุมัติ change รอบถัดไปจากหลักฐานและความเสี่ยงที่พบจริง
Enterprise Offer Ladder
เลือก engagement ตามความพร้อมของ workflow, data และ risk control
แพ็กเกจเหล่านี้เป็นกรอบการเริ่มงานและขยายผล ไม่ใช่ราคาหรือผลลัพธ์ที่รับประกันล่วงหน้า เพราะ scope, integration, data access และ risk control ของแต่ละองค์กรต่างกัน
Enterprise AI & Workflow Assessment
ผลส่งมอบ: workflow inventory, pain-point map, data/source readiness, risk note, opportunity matrix และ roadmap
ข้อมูลที่ต้องใช้: workflow ปัจจุบัน ตัวอย่างเอกสาร/ฟอร์ม owner และข้อจำกัดด้านข้อมูล
เกณฑ์จบงาน: เห็น workflow ที่ควรเริ่มก่อน ขอบเขต prototype และ decision gate ชัดเจน
ติดต่อเพื่อประเมิน scopeAI Agent Prototype Sprint
ผลส่งมอบ: agent card, prompt/tool boundary, working demo สำหรับหนึ่ง workflow, UAT scenarios และ go/no-go memo
ข้อมูลที่ต้องใช้: workflow หนึ่งรายการ, sample data ที่อนุญาต, reviewer และ rule approval
เกณฑ์จบงาน: ทดสอบ scenario หลักและ edge case แล้วรู้ว่าควร build ต่อ ปรับ scope หรือหยุด
ติดต่อเพื่อประเมิน scopeEnterprise Implementation Program
ผลส่งมอบ: production workflow, integration, role-based UI, logging, UAT evidence, training และ runbook
ข้อมูลที่ต้องใช้: system access ผ่าน owner ที่อนุมัติ, field definition, security policy และ UAT team
เกณฑ์จบงาน: ผ่าน UAT มี rollback/change log, owner รับมอบ และ operation checklist พร้อม
ติดต่อเพื่อประเมิน scopeManaged AI Ops & Improvement Retainer
ผลส่งมอบ: monitoring checklist, incident/change log, monthly KPI report และ improvement backlog
ข้อมูลที่ต้องใช้: workflow log, issue report, source update และ change request
เกณฑ์จบงาน: ทบทวนคุณภาพเป็นรอบ มีรายการปรับปรุงและการอนุมัติ change ก่อน release
ติดต่อเพื่อประเมิน scopeDocumentation & Governance Pack
ผลส่งมอบ: agent card, data source register, data dictionary, prompt spec, permission matrix และ SOP/runbook
ข้อมูลที่ต้องใช้: ระบบ/ข้อมูลที่ใช้งานจริง, owner, field meaning, version และ effective date
เกณฑ์จบงาน: เอกสารใช้ handover, audit review, onboarding และ change control ได้
ติดต่อเพื่อประเมิน scope
Enterprise Documentation Standard
เอกสารคือ control layer ของระบบ ไม่ใช่งานเสริมหลังส่งมอบ
เอกสารไม่ใช่ส่วนเสริมหลังจบงาน แต่เป็น control layer ที่ทำให้ระบบดูแลต่อได้ ตรวจสอบย้อนหลังได้ ฝึกอบรมทีมได้ และขยายผลไปยัง workflow ใหม่ได้อย่างมั่นใจ
Agent Card
ระบุ workflow owner, allowed action, fallback, KPI และขอบเขตที่ AI ทำได้หรือทำไม่ได้
Data Source Register
บันทึกแหล่งข้อมูล owner, priority, effective date, refresh cadence และ approval status
Data Dictionary
นิยาม field, business meaning, source mapping, validation rule และข้อจำกัดการใช้งาน
Prompt & Tool Spec
ควบคุม instruction version, tool boundary, expected output, confidence และ fallback path
Permission Matrix
แยกสิทธิ์ read, draft, write และ external action ตาม role, workflow และ risk level
UAT Scenario Pack
ครอบคลุม normal, edge, missing data, sensitive data และ approval-required scenarios
Runbook / SOP
กำหนดวิธี monitor, incident handling, rollback, escalation และการส่งมอบให้ทีมดูแลต่อ
Change Log & Monthly Review
บันทึก change, regression result, KPI review, issue trend และ improvement backlog
Enterprise Assessment
01
ส่งบริบทงาน
02
ประเมิน scope เบื้องต้น
03
นัด discovery
เริ่มต้นด้วยการประเมิน workflow, data source และ risk control ที่เหมาะกับองค์กรของคุณ
กรอกข้อมูลเบื้องต้นเพื่อให้ IAT เตรียมแนวทาง discovery, architecture และ prototype scope ได้ตรงกับบริบทธุรกิจของคุณ
- เหมาะสำหรับ CIO, COO, Digital Transformation Lead, Operations Manager และ Business Owner
- เน้น use case ที่เชื่อมข้อมูลจริง มีมนุษย์อนุมัติ และตรวจสอบย้อนหลังได้
- ยังไม่มีการบันทึกข้อมูลลงฐานข้อมูลของเว็บไซต์
ระบุ workflow, เครื่องมือที่ใช้อยู่ และกรอบเวลาที่ต้องการ
IAT ใช้ข้อมูลเพื่อจัดกลุ่ม assessment, prototype, implementation หรือ managed ops
ยืนยัน owner, data readiness, risk control และขั้นตอนถัดไป