ຮຽນຮູ້
ບົດສົນທະນາ ແລະ ເອກະສານກາຍເປັນຄວາມຮູ້ຂອງບໍລິສັດ
ພາຍໃນຂອບເຂດສິດ AI ຮຽນຮູ້ຂັ້ນຕອນ ແລະ ເກນການຕັດສິນຈາກບົດສົນທະນາ ເອກະສານ ແລະ ການຕັດສິນໃຈ ແລ້ວສະສົມເປັນ Skill
ແພລດຟອມພະນັກງານ AI — ໃຫ້ AI ຮຽນຮູ້ບໍລິສັດຂອງທ່ານ
ປັ້ນ “ພະນັກງານ AI”ໃຫ້ຝັງຮາກໃນວຽກປະຈຳວັນ
AI ທີ່ຫຼາຍອົງກອນນຳມາໃຊ້ຍັງບໍ່ສ້າງຜົນລັບແທ້ ສາເຫດບໍ່ແມ່ນປະສິດທິພາບຂອງໂມເດລ ແຕ່ແມ່ນ “ມັນບໍ່ຕັ້ງໝັ້ນກັບວຽກ” AGTO ປັ້ນ AI ທີ່ຮຽນຮູ້ຄວາມຮູ້ຂອງບໍລິສັດໃຫ້ກາຍເປັນ “ພະນັກງານ AI” ແລະ ຝັງລົງໃນວຽກປະຈຳວັນພາຍໃຕ້ການອະນຸມັດຂອງຄົນ
ພາຍໃນຂອບເຂດສິດການເຂົ້າເຖິງ AGTO ຮຽນຮູ້ຈາກເອກະສານ ບົດສົນທະນາ ແລະ ການຕັດສິນໃຈຂອງທ່ານ ຍິ່ງໃຊ້ຍິ່ງສະຫຼາດຂຶ້ນ ແລະ ກົມກຽວເຂົ້າກັບຂັ້ນຕອນວຽກປະຈຳວັນຢ່າງເປັນທຳມະຊາດ
Why AGTO
ເຮັດໃຫ້ AI ມີຄວາມໜ້າເຊື່ອຖື ດ້ວຍ “ຮຽນຮູ້ໄດ້, ເຮັດວຽກໄດ້ ແລະ ເຫັນຜົນຈິງ”
AI ທີ່ຮຽນຮູ້ຄວາມຮູ້ຂອງບໍລິສັດເຮັດວຽກເປັນ “ພະນັກງານ AI” ແລະ ເຫັນຄຳຮ້ອງ ການອະນຸມັດ ຜົນງານ ຕົ້ນທຶນ ເປັນລາຍວຽກ ສະນັ້ນມັນຈຶ່ງຝັງຮາກໃນໜ້າວຽກແທ້
ເຮັດວຽກ
AI ທີ່ຮຽນຮູ້ແລ້ວເຮັດວຽກເປັນ “ພະນັກງານ AI”
ບົນພື້ນຖານ Skill ທີ່ສະສົມໄວ້ ພະນັກງານ AI ທີ່ມີບົດບາດຖືກມອບໝາຍໃຫ້ວຽກ ແລະ ຮັບຜິດຊອບວຽກພາຍໃຕ້ການອະນຸມັດຂອງຄົນ
ເຫັນຜົນໄດ້ຈິງ
ຄຳຮ້ອງ ການອະນຸມັດ ຜົນງານ ຕົ້ນທຶນ ເຫັນເປັນລາຍວຽກ
ສຳລັບແຕ່ລະວຽກ (Objective) “ປຶ້ມບັນຊີວຽກ” ຈະບັນທຶກວ່າໃຜອະນຸມັດ ສົ່ງມອບຫຍັງ ແລະ ໃຊ້ຕົ້ນທຶນເທົ່າໃດ
ຕັ້ງໝັ້ນ
ກົມກຽວເຂົ້າກັບຂັ້ນຕອນວຽກປະຈຳວັນ
ບໍ່ຕ້ອງຮຽນຮູ້ເຄື່ອງມືໃໝ່ ພະນັກງານ AI ຢູ່ໃນວຽກປົກກະຕິຂອງທ່ານ ຍິ່ງໃຊ້ຍິ່ງສະຫຼາດ ແລະ ຝັງຮາກລົງໄປ
Problem
ເປັນຫຍັງ AI ທີ່ນຳມາໃຊ້ຈຶ່ງບໍ່ຖືກໃຊ້ງານ?
Generative AI ສ່ວນຫຼາຍຍັງໄປບໍ່ເຖິງຜົນລັບທາງທຸລະກິດ (MIT NANDA ລາຍງານວ່າ 95% ຂອງອົງກອນຍັງບໍ່ເຫັນຜົນຕອບແທນທີ່ຊັດເຈນ) ສາເຫດບໍ່ແມ່ນປະສິດທິພາບ ແຕ່ແມ່ນການບໍ່ຕັ້ງໝັ້ນ ເພາະ AI ບໍ່ໄດ້ຖືກຜະນວກເຂົ້າກັບວຽກໜ້າວຽກ
1ຂຶ້ນກັບຜູ້ໃຊ້
ຕ້ອງມີທັກສະ prompt ຈຶ່ງໃຊ້ໄດ້ແຕ່ບາງຄົນ
ຄວາມພະຍາຍາມໃນການໃຊ້ AI ໃຫ້ຄ່ອງຖືກຍູ້ໄປທີ່ບຸກຄົນ ຈຶ່ງບໍ່ກະຈາຍໄປໄກກວ່າພະນັກງານເກັ່ງບໍ່ເທົ່າໃດຄົນ
2ເບື່ອແລ້ວຢຸດ
ສູງສຸດທັນທີຫຼັງເລີ່ມໃຊ້ ແລ້ວກໍ່ເຊົາໃຊ້
ຕອນທຳອິດກໍ່ລອງ ແຕ່ເມື່ອບໍ່ຖືກຜະນວກເຂົ້າກັບວຽກ ກໍ່ຄ່ອຍໆເຊົາໃຊ້ໄປໂດຍບໍ່ຮູ້ຕົວ
3ບໍ່ຮູ້ຜົນ
ບໍ່ຮູ້ວ່າໄດ້ຜົນບໍ່ ຈຶ່ງຢຸດທີ່ PoC
ເມື່ອຕົ້ນທຶນ ຜົນລັບ ແລະ ຄວາມສ່ຽງເຫັນບໍ່ໄດ້ ກໍ່ຕັດສິນໃຈຂະຫຍາຍສູ່ການໃຊ້ງານແທ້ບໍ່ໄດ້ ແລະ ຢຸດຢູ່ແຄ່ນັ້ນ
How AGTO Works
ວົງຈອນທີ່ປ່ຽນບົດສົນທະນາໃຫ້ເປັນຄວາມຮູ້ຂອງບໍລິສັດ
ພາຍໃນຂອບເຂດສິດ AI ສະເໜີຕົວເລືອກ ແລະ ເກັບສະເພາະສິ່ງທີ່ຄົນກວດສອບແລ້ວເປັນ Skill ເທົ່ານັ້ນ Skill ທີ່ສະສົມຈະຖືກນຳກັບມາໃຊ້ເປັນ Skill ຂອງພະນັກງານ AI ຍິ່ງໃຊ້ຍິ່ງສະຫຼາດຂຶ້ນ
Knowledge Loop
ປັ້ນ Skill ແລ້ວສົ່ງກັບສູ່ວຽກ
Input
ເກັບກ່ຽວຄວາມຮູ້
ດຶງຂັ້ນຕອນ ແລະ ເກນການຕັດສິນຈາກບົດສົນທະນາໜ້າວຽກ ເອກະສານ FAQ ລາຍງານປະຈຳ ຄຳສັ່ງເຖິງ AI ແລະ ຄຳຕິຊົມ
Learn
ປັ້ນໃຫ້ເປັນ Skill
ສິ່ງທີ່ຜູ້ຮັບຜິດຊອບກວດ ແກ້ໄຂ ແລະ ອະນຸມັດ ຈະຖືກຈັດການເປັນໜ່ວຍຄວາມຮູ້ການເຮັດວຽກທີ່ AI ນຳກັບມາໃຊ້ຄືນໄດ້
Reuse
ສົ່ງກັບສູ່ວຽກຕໍ່ໄປ
ປ້ອນກັບເຂົ້າສູ່ການຕອບຄຳຖາມ ຈັດການຂໍ້ຄວາມຄ້າງ ການກວດປະຈຳ ການອະນຸມັດ ການແຈ້ງເຕືອນ ແລະ ລາຍງານ ເປັນວົງຈອນການຮຽນຮູ້ທີ່ບໍ່ຈົບແຄ່ຄຳຕອບ
Capabilities
AGTO ເຮັດຫຍັງໄດ້ແດ່
ພວກເຮົາຈັດວຽກທີ່ມອບໝາຍໃຫ້ພະນັກງານ AI ໄດ້ຕາມໂດເມນ ມີ approval ແລະ audit log ເປັນພື້ນຖານ ເລີ່ມຈາກນ້ອຍແລ້ວເພີ່ມເມື່ອໃຊ້ງານ
1Skills
ຈັດການ Skill ຕາມບົດບາດໃນບ່ອນດຽວ
ສະສົມ Skill ທີ່ອະນຸມັດແລ້ວ ແລະ ໃຊ້ຊໍ້າໃນຫຼາຍວຽກ
2Routine / Digest
ລວມ unread, routine ແລະ approval ທີ່ຄ້າງລາຍວັນ
Smart Digest ຈັດລຳດັບ ແລະ ສະແດງສະເພາະສິ່ງທີ່ຄົນຕ້ອງຕັດສິນ
3Governance
ຄວບຄຸມດ້ວຍ approval, permission ແລະ audit log
ສະຫຼຸບການໃຊ້ LLM ແລະ ຄຳຂໍອະນຸມັດ ເພື່ອການໃຊ້ AI ທີ່ອະທິບາຍໄດ້
4Internal Q&A
AI ຈັດລະບຽບ ແລະ ຕອບຄຳຖາມພາຍໃນ
ຕອບຄັ້ງທຳອິດຈາກ FAQ, ເອກະສານ ແລະ ຄຳຕອບເກົ່າ ແລ້ວເຮັດເປັນ Skill ຫຼັງຄົນອະນຸມັດ
AI Employee
AI ທີ່ຮຽນຮູ້ບໍລິສັດແລ້ວ ຮັບຜິດຊອບວຽກໃນຖານະພະນັກງານ AI
ບົນພື້ນຖານ Skill ທີ່ສະສົມ ວາງ AI persona ທີ່ກຳນົດບົດບາດ ໂທນ ແລະ ຂໍ້ຈຳກັດ ໄວ້ໃນແຊັນແນລ ເຮັດວຽກອັດຕະໂນມັດຕາມ Routine ແລະ ໂພສຜົນລັບ ເຄື່ອງມືທີ່ໃຊ້ໄດ້ຖືກຈຳກັດດ້ວຍ whitelist ແລະ ການກະທຳສ່ຽງສູງຕ້ອງຜ່ານການອະນຸມັດຂອງຄົນ
ບໍ່ແມ່ນແຄ່ “ໃຊ້” AI ແຕ່ “ປັ້ນ” ພະນັກງານ AI
ບໍ່ແມ່ນແຊັດບອດເຊີງຮັບ ແຕ່ແມ່ນ AI ທີ່ຮຽນຮູ້ບໍລິສັດແລ້ວເຮັດວຽກເປັນສະມາຊິກທີ່ມີບົດບາດ ຍິ່ງຮຽນຮູ້ຫຼາຍ ທ່ານຍິ່ງຂະຫຍາຍຂອບເຂດທີ່ມອບໝາຍໄດ້ເທື່ອລະຂັ້ນຜ່ານ Routine ແລະ ປະຕູອະນຸມັດ
ກຳນົດບົດບາດ ໂທນ ແລະ ຂໍ້ຈຳກັດ
ເຄື່ອງມືທີ່ໃຊ້ໄດ້ເປັນ whitelist
ການກະທຳສ່ຽງສູງຕ້ອງອະນຸມັດ (HITL)
ທຸກການກະທຳຖືກບັນທຶກໃນ audit log
01
ພະນັກງານຄົ້ນຄວ້າ
ຮັບຜິດຊອບການລວບລວມຂໍ້ມູນ ແລະ ສະຫຼຸບ ຈັດລະບຽບປະເດັນ ແລະ ແຫຼ່ງອ້າງອີງກ່ອນໂພສ
02
ພະນັກງານ DevOps
ເຝົ້າລະວັງການກວດຈັບເຫດຂັດຂ້ອງ ແລະ ການກວດປະຈຳ ແລ້ວລາຍງານສະຖານະເຂົ້າແຊັນແນລ
03
ພະນັກງານຄອນເທນ
ຮັບຜິດຊອບການຮ່າງ ແລະ ກວດແກ້ ລວບລວມເປັນຊຸດເພື່ອຣີວິວ
04
ພະນັກງານ BizOps
ຈັດທຳຕົວເລກ ແລະ ລາຍງານປະຈຳ ແລ້ວແບ່ງປັນຕາມເວລາທີ່ກຳນົດ
ຄູ່ມື AI Employeeເບິ່ງລາຍລະອຽດ
Governance
ຄົນກຳກັບໄດ້ວ່າຈະມອບໝາຍໃຫ້ AI ແຄ່ໃດ
AGTO ໃຫ້ທ່ານຈັດການຂໍ້ມູນທີ່ AI ອ້າງອີງ Skill ທີ່ໃຊ້ ແລະ ຂອບເຂດທີ່ເຮັດໄດ້ ດ້ວຍການອະນຸມັດຂອງຄົນ ສິດ audit log ແລະ Version / Rollback ທ່ານຂະຫຍາຍຂອບເຂດທີ່ມອບໝາຍໄດ້ເທື່ອລະຂັ້ນໃຫ້ເໝາະກັບວຽກ
ໃຊ້ເປັນແພລດຟອມວຽກທີ່ຄົນກຳກັບໄດ້ ບໍ່ແມ່ນ AI ທີ່ເຮັດເອງຕາມໃຈ
ກຳນົດຂໍ້ມູນເປົ້າໝາຍ ສິດ ຂໍ້ມູນທີ່ຍົກເວັ້ນ ຜູ້ອະນຸມັດ ໄລຍະເວລາເກັບ ແລະ ຂອບເຂດການເດີນ Routine ຕັ້ງແຕ່ຕົ້ນ ແລະ ໃຊ້ງານໃນສະພາບທີ່ເຫັນໄດ້ວ່າ AI ເບິ່ງຫຍັງ ສະເໜີຍ້ອນຫຍັງ ແລະ ເຮັດໄປແຄ່ໃດ
ຄວບຄຸມການອ້າງອີງຕາມສິດ
ຈັດການໄດ້ວ່າ AI ອ້າງອີງຂໍ້ມູນໃດ ແລະ ເຮັດຫຍັງໄດ້ ຕາມຜູ້ໃຊ້ ທີມ ແລະ ບົດບາດ
ການເຂົ້າເຖິງຕາມບົດບາດ
ຕັ້ງຄ່າຂໍ້ມູນທີ່ຍົກເວັ້ນ
ການອະນຸມັດຂອງຄົນ (HITL)
ການປ່ຽນ Skill ແລະ ການກະທຳທີ່ AI ສະເໜີ ຈະນຳເຂົ້າສູ່ວຽກຫຼັງຄົນກວດ ແລະ ແກ້ໄຂແລ້ວເທົ່ານັ້ນ
ຜູ້ຣີວິວ
ບັນທຶກການອະນຸມັດ
ປຶ້ມບັນຊີວຽກ
ບໍ່ແມ່ນແຄ່ປະລິມານການໃຊ້ ແຕ່ບັນທຶກຄຳຮ້ອງ ການອະນຸມັດ ຜົນງານ ຕົ້ນທຶນ ໄປຈົນເຖິງເຫດຜົນທີ່ລົ້ມເຫຼວ ຕໍ່ແຕ່ລະວຽກ (Objective) ເຫັນຜົນເປັນຕົວເລກ ຈຶ່ງເປັນເຫດຜົນຮອງຮັບການຂະຫຍາຍທັງອົງກອນແທນທີ່ຈະຢຸດທີ່ PoC
ຜົນງານ ແລະ ຕົ້ນທຶນ
ການອະນຸມັດ ແລະ ເຫດຜົນທີ່ລົ້ມເຫຼວ
Audit log
ຕິດຕາມວ່າໃຜອະນຸມັດ ຫຼື ປ່ຽນ Skill ໃດ ແລະ ຖືກໃຊ້ໃນວຽກກວດ ຫຼື Routine ໃດ
Audit log
ປະຫວັດການເຮັດວຽກ
AI Governanceເບິ່ງລາຍລະອຽດ
Pilot
ເລີ່ມຈາກປ່ຽນຄວາມຮູ້ຂອງທີມດຽວໃຫ້ເປັນ Skill ແລ້ວທົດສອບ
ຫຼັງຢືນຢັນຂອບເຂດຂໍ້ມູນ ແລະ ສິດ ທົດສອບໃນຂອບເຂດນ້ອຍກັບ Q&A ທີ່ສະເໜີ Skill ທີ່ສະເໜີ Digest Routine ຂັ້ນຕອນການອະນຸມັດ ແລະ audit log
ຖ້າມີ FAQ ຢູ່ແລ້ວ ສາມາດທົດສອບຄຸນນະພາບຄຳຕອບຈາກ FAQ ເດີມໄດ້ ຖ້າບໍ່ມີ ເລີ່ມຈາກບັນທຶກກອງປະຊຸມ ເອກະສານວຽກ ບົດສົນທະນາໜ້າວຽກ ແລະ ລາຍງານປະຈຳທົດລອງໃນຂອບເຂດນ້ອຍ
1
ມື້ທີ 1-2
ເລືອກທີມ ວຽກ ແລະ ຂອບເຂດຂໍ້ມູນທີ່ໃຊ້
ຂໍ້ມູນເປົ້າໝາຍ ສິດ ກົດການຍົກເວັ້ນ
2
ມື້ທີ 3-5
ເຊື່ອມຕໍ່ ແລະ ປ້ອນບົດສົນທະນາ FAQ ບັນທຶກກອງປະຊຸມ ເອກະສານ ແລະ ລາຍງານປະຈຳ
ຊຸດຂໍ້ມູນເລີ່ມຕົ້ນ
3
ອາທິດທີ 1
ປ່ຽນຄຳຖາມທີ່ຊ້ຳ ຂັ້ນຕອນ ແລະ ເກນການຕັດສິນໃຫ້ເປັນ Skill ທີ່ສະເໜີ
Q&A ທີ່ສະເໜີ ຮ່າງ Skill
4
ອາທິດທີ 2
ທົດສອບ Digest Routine ຂັ້ນຕອນການອະນຸມັດ ແລະ ຮ່າງລາຍງານ
ຄຸນນະພາບການສະຫຼຸບ ຮ່າງກົດການກວດ
5
ມື້ສຸດທ້າຍ
ທົບທວນຜົນ ແລະ ຂັ້ນຕອນຕໍ່ໄປ
ການຕັດສິນຂະຫຍາຍຜົນ ຂໍ້ສະເໜີປັບປຸງ ການອອກແບບການໃຊ້ງານ
ຕົວຊີ້ວັດທີ່ທົດສອບໄດ້
ກ່ອນຂະຫຍາຍສູ່ວຽກແທ້ ໃຊ້ຕົວຊີ້ວັດເຫຼົ່ານີ້ກວດຜົນລັບ ພາລະການໃຊ້ງານ ແລະ ຂອບເຂດທີ່ມອບໝາຍໄດ້
ຄຳຖາມຊ້ຳທີ່ຫຼຸດລົງເວລາຕາມວຽກໃຫ້ທັນຈຳນວນ Skill ທີ່ອະນຸມັດວຽກກວດທີ່ເຮັດເປັນ Routine ໄດ້
FAQ
ຄຳຖາມທີ່ພົບເລື້ອຍກ່ອນນຳໄປໃຊ້
ເຂົ້າໃຈຂໍ້ມູນເປົ້າໝາຍ ຂອບເຂດທີ່ມອບໝາຍໃຫ້ AI ຄວາມປອດໄພ ວິທີທົດສອບ ແລະ ແນວຄິດເລື່ອງລາຄາ ກ່ອນປຶກສາເທື່ອທຳອິດ
ເລີ່ມຈາກເອກະສານ ແລະ FAQ ບໍ່ແມ່ນແຄ່ແຊັດໄດ້ບໍ?
ໄດ້ ທ່ານສາມາດຈຳກັດຂອບເຂດ ແລະ ເຮັດເປັນ Skill ຈາກບົດສົນທະນາໃນແຊັນແນລ Google Workspace, PDF ແລະ ຄູ່ມືເດີມ, ລະບົບວຽກ ແລະ ທະບຽນ, FAQ, ລາຍງານປະຈຳ ແລະ ອື່ນໆ
AI ຈະເຮັດວຽກເອງຕາມໃຈບໍ?
AGTO ເຮັດວຽກບົນພື້ນຖານການອະນຸມັດຂອງຄົນ ສິດ ແລະ ຂອບເຂດການເຮັດວຽກ ທ່ານຈັດການໄດ້ວ່າຈະມອບໝາຍການເຮັດ Skill ແລະ ການເດີນ Routine ແຄ່ໃດ ເທື່ອລະຂັ້ນ
ຂໍ້ມູນລັບຂອງອົງກອນຈັດການແນວໃດ?
ກຳນົດຂໍ້ມູນເປົ້າໝາຍ ຂໍ້ມູນທີ່ຍົກເວັ້ນ ສິດການອ້າງອີງ ກົດການເກັບ/ລຶບ ແລະ ບັນທຶກການອະນຸມັດ ໄວ້ລ່ວງໜ້າ
ໃຊ້ໄດ້ບໍຖ້າຍັງບໍ່ມີ FAQ?
ໃຊ້ໄດ້ ທ່ານເລີ່ມຈາກການດຶງ Skill ທີ່ສະເໜີ ຈາກບັນທຶກກອງປະຊຸມ ເອກະສານວຽກ ບົດສົນທະນາໜ້າວຽກ ແລະ ປະຫວັດຄຳສັ່ງເຖິງ AI ໄດ້
ຖ້າທົດສອບໃນຂອບເຂດນ້ອຍ ຈະກວດຫຍັງໄດ້?
ຄຸນນະພາບຂອງ Q&A ທີ່ສະເໜີ Skill ທີ່ສະເໜີ Digest Routine ຂັ້ນຕອນການອະນຸມັດ ແລະ audit log ລວມເຖິງປະເດັນການໃຊ້ງານທີ່ເກີດຂຶ້ນຕອນຂະຫຍາຍຜົນ
ລາຄາຄິດແນວໃດ?
ອອກແບບເປັນລາຍກໍລະນີຕາມຈຳນວນຜູ້ໃຊ້ ຂອບເຂດຂໍ້ມູນທີ່ເຊື່ອມຕໍ່ ປະລິມານການໃຊ້ AI ແລະ ຂອບເຂດການສະໜັບສະໜູນການນຳໄປໃຊ້
Service Deck
ສິ່ງທີ່ເອກະສານບໍລິການຄອບຄຸມ
ກົນໄກ ວິທີໃຊ້ Skill ແລະ Routine ການແບ່ງປັນຂັ້ນຕອນມາດຕະຖານ ການເຫັນຄຸນນະພາບ/ຕົ້ນທຶນ/ການເຮັດວຽກ ຂໍ້ມູນທີ່ຮອງຮັບ ການອອກແບບການກຳກັບດູແລ ຂອບເຂດການທົດສອບ ແລະ ແນວຄິດເລື່ອງລາຄາ ລວມໄວ້ໃນບ່ອນດຽວ
Next Step
ເຮັດໃຫ້ AI ຕັ້ງໝັ້ນກັບບໍລິສັດ ເລີ່ມຈາກວຽກດຽວ
ເມື່ອຮູ້ວຽກເປົ້າໝາຍ (ແນະນຳວຽກສອບຖາມ ຫຼື Q&A ພາຍໃນ) ວ່າມີ FAQ ແລະ ເອກະສານ ຫຼື ບໍ່ ແລະ ວຽກທີ່ຢາກມອບໃຫ້ພະນັກງານ AI ພວກເຮົາຈະອອກແບບຂອບເຂດເລີ່ມຕົ້ນນ້ອຍໆໄດ້