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 ຕັ້ງໝັ້ນດ້ວຍ “ຮຽນຮູ້ ເຮັດວຽກ ເຫັນໄດ້”
AI ທີ່ຮຽນຮູ້ຄວາມຮູ້ຂອງບໍລິສັດເຮັດວຽກເປັນ “ພະນັກງານ AI” ແລະ ເຫັນຄຳຮ້ອງ ການອະນຸມັດ ຜົນງານ ຕົ້ນທຶນ ເປັນລາຍວຽກ ສະນັ້ນມັນຈຶ່ງຝັງຮາກໃນໜ້າວຽກແທ້
ເຮັດວຽກ
AI ທີ່ຮຽນຮູ້ແລ້ວເຮັດວຽກເປັນ “ພະນັກງານ AI”
ບົນພື້ນຖານ Skill ທີ່ສະສົມໄວ້ ພະນັກງານ AI ທີ່ມີບົດບາດຖືກມອບໝາຍໃຫ້ວຽກ ແລະ ຮັບຜິດຊອບວຽກພາຍໃຕ້ການອະນຸມັດຂອງຄົນ
ເຫັນໄດ້
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
1
ຂຶ້ນກັບຜູ້ໃຊ້
ຕ້ອງມີທັກສະ prompt ຈຶ່ງໃຊ້ໄດ້ແຕ່ບາງຄົນ
ຄວາມພະຍາຍາມໃນການໃຊ້ AI ໃຫ້ຄ່ອງຖືກຍູ້ໄປທີ່ບຸກຄົນ ຈຶ່ງບໍ່ກະຈາຍໄປໄກກວ່າພະນັກງານເກັ່ງບໍ່ເທົ່າໃດຄົນ
2
ເບື່ອແລ້ວຢຸດ
ສູງສຸດທັນທີຫຼັງເລີ່ມໃຊ້ ແລ້ວກໍ່ເຊົາໃຊ້
ຕອນທຳອິດກໍ່ລອງ ແຕ່ເມື່ອບໍ່ຖືກຜະນວກເຂົ້າກັບວຽກ ກໍ່ຄ່ອຍໆເຊົາໃຊ້ໄປໂດຍບໍ່ຮູ້ຕົວ
3
ບໍ່ຮູ້ຜົນ
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
Use Cases
ບໍ່ຈົບແຄ່ຄວາມຮູ້ — ເຊື່ອມຕໍ່ໄປເຖິງການກວດ ການແຈ້ງເຕືອນ ແລະ ການລົງມືເຮັດ
ບໍ່ຈົບແຄ່ການຄົ້ນຫາ ແລະ ສະຫຼຸບເທື່ອດຽວ ແຕ່ນຳຄວາມຮູ້ທີ່ເກີດຈາກບົດສົນທະນາປະຈຳວັນສົ່ງກັບສູ່ການຕອບຄຳຖາມ ຈັດການຂໍ້ຄວາມຄ້າງ ການກວດປະຈຳ ການອະນຸມັດ ການແຈ້ງເຕືອນ ແລະ ລາຍງານ
AGTO 01
Q&A
ເຮັດໃຫ້ການຕອບຄຳຖາມເປັນມາດຕະຖານ
ອ້າງອີງບົດສົນທະນາ ເອກະສານ FAQ ແລະ Skill ທີ່ຜ່ານມາ ເພື່ອຕອບຕາມຂັ້ນຕອນ ແລະ ເກນການຕັດສິນຂອງທ່ານ
ຫຼຸດການເພິ່ງພາບຸກຄົນໃນການຕອບ
ຄຳຕອບພ້ອມແຫຼ່ງອ້າງອີງສະເໜີ Skill ທີ່ກ່ຽວຂ້ອງ
AGTO 02
Digest
ຈັດລະບຽບຂໍ້ຄວາມຄ້າງ ແລະ ປະເດັນສຳຄັນ
ບໍ່ແມ່ນແຄ່ສະຫຼຸບຂໍ້ຄວາມຄ້າງ ແຕ່ລວບລວມຂໍ້ສະຫຼຸບ ປະເດັນທີ່ຍັງຄ້າງ ສິ່ງທີ່ຕ້ອງເຮັດຕໍ່ ແລະ Skill ທີ່ກ່ຽວຂ້ອງ
ຫຼຸດເວລາໃນການກວດສອບ
ດຶງຂໍ້ສະຫຼຸບຈັດລຳດັບສິ່ງທີ່ຕ້ອງເຮັດຕໍ່
AGTO 03
Routine
ເດີນການກວດປະຈຳ ແລະ ການອະນຸມັດແບບອັດຕະໂນມັດ
ເດີນການກວດຕອນເຊົ້າ ລາຍງານລາຍອາທິດ ການເຕືອນກຳນົດເວລາ ແລະ ການກວດລາຍການລໍຖ້າອະນຸມັດ ຕາມ Skill
ຫຼຸດການກວດທີ່ຕົກຫຼົ່ນ
ເຕືອນກຳນົດເວລາກວດລາຍການລໍຖ້າອະນຸມັດ
AGTO 04
Proactive AI
ສະເໜີການກວດທີ່ມັກຕົກຫຼົ່ນລ່ວງໜ້າ
ຈາກຄວາມຮູ້ທີ່ສະສົມ ແລະ ຄຳຕິຊົມ ສະເໜີການກວດ ລາຍງານ ແລະ ການດຳເນີນການຕໍ່ໄປທີ່ມັກຕົກຫຼົ່ນ
ຫຼຸດຄວາມຊັກຊ້າໃນການຕອບສະໜອງ
ສະເໜີເຊີງຮຸກນຳຄຳຕິຊົມມາປັບໃຊ້
Why AI Native
ບໍ່ແມ່ນ AI ທີ່ຕິດເສີມເຂົ້າກັບແຊັດ ແຕ່ແມ່ນແພລດຟອມວຽກແບບ AI-native
Slack ແລະ Teams ຖືກສ້າງມາເພື່ອໃຫ້ຄົນລົມກັນ ໂດຍມີ AI ເປັນບອດເສີມພາຍຫຼັງ ສ່ວນ AGTO ອອກແບບມາຕັ້ງແຕ່ຕົ້ນໃຫ້ AI ເຂົ້າຮ່ວມບົດສົນທະນາໃນຖານະສະມາຊິກ ຮຽນຮູ້ຄວາມຮູ້ ແລະ ຂັບເຄື່ອນລະບົບວຽກໄດ້ດ້ວຍ
Multi-LLM
ໃຊ້ AI ຫຼາຍຕົວສະຫຼັບກັນໃນບົດສົນທະນາດຽວ
ແຊັດເດີມ + ບອດ AI
ບອດທີ່ຕິດເສີມຖືກລັອກໄວ້ກັບໂມເດລດຽວ ເລືອກຕາມວຽກບໍ່ໄດ້
AGTO (AI-native)
ເອີ້ນ @Claude @GPT @Gemini @Grok ໄດ້ໂດຍກົງໃນແຊັດ ລະບົບຈະສົ່ງຕໍ່ໄປຫາໂມເດລທີ່ເໝາະກັບຄວາມໜັກຂອງວຽກໂດຍອັດຕະໂນມັດ ບໍ່ຜູກຕິດຜູ້ໃຫ້ບໍລິການລາຍໃດ
Self-improving
ບົດສົນທະນາກາຍເປັນຄວາມຮູ້ໃນຕົວ
ແຊັດເດີມ + ບອດ AI
ບົດສົນທະນາໄຫຼຜ່ານແລ້ວຫາຍໄປ ຄຳຕອບ ແລະ ການຕັດສິນທີ່ດີກໍ່ບໍ່ເຫຼືອຢູ່ກັບອົງກອນ
AGTO (AI-native)
ດຶງ Q&A ຈາກບົດສົນທະນາທີ່ໄດ້ຄະແນນສູງ ແລະ ປັ້ນເປັນ Skill ຫຼັງຄົນອະນຸມັດ ຍິ່ງໃຊ້ ຂັ້ນຕອນມາດຕະຖານຂອງອົງກອນຍິ່ງເພີ່ມ ແລະ AI ຍິ່ງສະຫຼາດ
Tool Use
AI ຂັບເຄື່ອນລະບົບວຽກຂອງທ່ານ
ແຊັດເດີມ + ບອດ AI
AI ແຄ່ “ຕອບ” ສ່ວນການຈັດການ CRM ແລະ ເອກະສານ ຄົນຕ້ອງເຮັດໃນເຄື່ອງມືແຍກຕ່າງຫາກ
AGTO (AI-native)
AI ອັບເດດດີລໃນ HubSpot ແລະ ໃຊ້ງານ Google Workspace ໄດ້ ການຂຽນຂໍ້ມູນຈະຖືກນຳໄປໃຊ້ຢ່າງປອດໄພຜ່ານການອະນຸມັດ (HITL)
Proactive
ຂໍ້ມູນສົ່ງມາເຖິງທ່ານເອງ
ແຊັດເດີມ + ບອດ AI
ແຊັດບອດເຊີງຮັບທີ່ຕອບສະເພາະເມື່ອຖືກຖາມ
AGTO (AI-native)
AI ສະເໜີສະຫຼຸບຂໍ້ຄວາມຄ້າງ ແລະ ການກວດທີ່ມັກຕົກຫຼົ່ນລ່ວງໜ້າ ສົ່ງເປັນໄດເຈສຕອນເຊົ້າໂດຍອັດຕະໂນມັດ
Service comparisonເບິ່ງລາຍລະອຽດ
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
Product Demo
ເຫັນການດຶງ ການອະນຸມັດ ການເຮັດເປັນ Routine ແລະ ການກວດສອບເທິງໜ້າຈໍ
ບໍ່ແມ່ນພາບນາມມະທຳ ແຕ່ເບິ່ງຂັ້ນຕອນທີ່ຄົນກວດເກນການຕັດສິນທີ່ AI ສະເໜີ ນຳກັບໄປໃຊ້ກັບຄຳຖາມ ການກວດ ຫຼື ລາຍງານຕໍ່ໄປ ແລະ ຕິດຕາມໄດ້ວ່າໃຜປ່ຽນຫຍັງ
01ສະເໜີ
AI ສະເໜີເກນການຕັດສິນທີ່ພົບເລື້ອຍ
AI ລວບລວມຂັ້ນຕອນ ເກນການຕັດສິນ ແລະ ກົດການກວດທີ່ຮຽນຮູ້ມາເປັນຕົວເລືອກໃຫ້ຜູ້ຮັບຜິດຊອບຣີວິວ
02ອະນຸມັດ
ນຳສະເພາະສິ່ງທີ່ຄົນກວດແລ້ວເຂົ້າສູ່ວຽກ
ນຳ Skill ທີ່ອະນຸມັດແລ້ວກັບໄປໃຊ້ກັບການຕອບຄຳຖາມ ຈັດການຂໍ້ຄວາມຄ້າງ ວຽກກວດສອບ ແລະ ການເດີນ Routine
03
ນຳກັບໄປໃຊ້ກັບວຽກ
1
ຕອບຄຳຖາມ
ອ້າງອີງ Skill ເພື່ອຕອບໃນບໍລິບົດຂອງທີມ
2
ຈັດການຂໍ້ຄວາມຄ້າງ
ຈັດລະບຽບຂໍ້ສະຫຼຸບ ປະເດັນຄ້າງ ແລະ ສິ່ງທີ່ຕ້ອງເຮັດຕໍ່
3
Routine
ປ່ຽນກຳນົດເວລາ ການອະນຸມັດ ແລະ ລາຍງານລາຍອາທິດໃຫ້ເປັນການກວດປະຈຳ
4
ສະເໜີເຊີງຮຸກ
ສະເໜີການກວດ ແລະ ຂັ້ນຕອນຕໍ່ໄປທີ່ຈຳເປັນລ່ວງໜ້າ
5
ແບ່ງປັນຂັ້ນຕອນມາດຕະຖານ
ແບ່ງປັນ Skill ທີ່ອະນຸມັດແລ້ວຕາມທີມ ຫຼື ສາຂາ
6
Audit log
ຕິດຕາມວ່າໃຜອະນຸມັດ ຫຼື ປ່ຽນຫຍັງ
ບໍ່ຈົບແຄ່ຄຳຕອບ ການຄົ້ນຫາ ຫຼື ການສະຫຼຸບ ແຕ່ຫົວໃຈຂອງ AGTO ແມ່ນການສົ່ງ Skill ກັບສູ່ການກວດ ການແຈ້ງເຕືອນ ລາຍງານ ແລະ ການເດີນ Routine ເທື່ອຕໍ່ໄປ
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
ລະບຸແຫຼ່ງທີ່ມາຊັດເຈນ
ເຮັດໃຫ້ເຫັນບົດສົນທະນາ ເອກະສານ FAQ ແລະ Skill ທີ່ໃຊ້ໃນການຕອບ ແລະ ການສະເໜີ
ຈັດການຂໍ້ມູນອ້າງອີງ
ກວດສອບຫຼັກຖານ
ການອະນຸມັດຂອງຄົນ (HITL)
ການປ່ຽນ Skill ແລະ ການກະທຳທີ່ AI ສະເໜີ ຈະນຳເຂົ້າສູ່ວຽກຫຼັງຄົນກວດ ແລະ ແກ້ໄຂແລ້ວເທົ່ານັ້ນ
ຜູ້ຣີວິວ
ບັນທຶກການອະນຸມັດ
Version / Rollback
ຈັດການປະຫວັດການປ່ຽນ Skill ແລະ ຍ້ອນກັບການອັບເດດທີ່ຜິດ ຫຼື ບໍ່ເຂົ້າກັບການໃຊ້ງານໄດ້ເມື່ອຈຳເປັນ
ປະຫວັດການປ່ຽນ
ຂັ້ນຕອນການກູ້ຄືນ
ປຶ້ມບັນຊີວຽກ (ເຫັນຜົນງານ ແລະ ຕົ້ນທຶນເປັນລາຍວຽກ)
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
ASEAN / Multilingual
ແຕ່ລະຄົນເຫັນຄວາມຮູ້ດຽວກັນໃນພາສາທີ່ຕັ້ງໄວ້
ຮອງຮັບພາສາຍີ່ປຸ່ນ ອັງກິດ ໄທ ແລະ ລາວ ຕາມພາສາທີ່ແຕ່ລະຜູ້ໃຊ້ຕັ້ງ ແລະ ການຕັ້ງຄ່າແປອັດຕະໂນມັດຂອງແຕ່ລະ tenant ໂພສ ແລະ ຂໍ້ມູນແຊັນແນລໃນພາສາອື່ນຈະສະແດງໃນພາສາຂອງແຕ່ລະຄົນ
ຕົວຢ່າງ: ສຳນັກງານໃຫຍ່ທີ່ຍີ່ປຸ່ນປັ້ນຂັ້ນຕອນມາດຕະຖານເປັນ Skill ໃນພາສາຍີ່ປຸ່ນ ແລະ ສະມາຊິກທີ່ສາຂາໄທເບິ່ງໃນພາສາໄທ AGTO ແປໂພສພາສາອື່ນເປັນພາສາທີ່ຕັ້ງໄວ້ ແລະ ນຳຄຳຕິຊົມໃນພື້ນທີ່ກັບໄປປັບປຸງ Skill ເທື່ອຕໍ່ໄປ
01
ສຳນັກງານໃຫຍ່ຍີ່ປຸ່ນ
ຈັດຂັ້ນຕອນມາດຕະຖານ ແລະ ເກນການຕັດສິນເປັນ Skill
02
User language
ຕັ້ງ 日本語 / English / ไทย / ລາວ ຕໍ່ຜູ້ໃຊ້
03
ແປອັດຕະໂນມັດ
ສະແດງໂພສພາສາອື່ນໃນພາສາທີ່ແຕ່ລະຄົນຕັ້ງໄວ້
04
ວົງຈອນປັບປຸງ
ນຳຄຳຕິຊົມໃນພື້ນທີ່ກັບໄປປັບປຸງ Skill ເທື່ອຕໍ່ໄປ
Fit / Data Sources
ຮຽນຮູ້ບໍ່ພຽງຈາກແຊັດ ແຕ່ຈາກເອກະສານ FAQ ລາຍງານປະຈຳ ແລະ ຄຳສັ່ງເຖິງ AI
ໃຊ້ແຊັນແນລທີ່ວຽກປະຈຳວັນມາລວມກັນເປັນທາງເຂົ້າ ພ້ອມປັ້ນຂັ້ນຕອນ ເກນການຕັດສິນ ແລະ ກົດການກວດຂອງແຕ່ລະບໍລິສັດໃຫ້ເປັນ Skill ຕັ້ງແຕ່ Google Workspace, PDF, ລະບົບວຽກ ແລະ ທະບຽນ, FAQ ໄປຈົນເຖິງລາຍງານປະຈຳ
ເໝາະກັບອົງກອນແບບນີ້
ທີມທີ່ການຕັດສິນໜ້າວຽກເພິ່ງບຸກຄົນ ເຊັ່ນ ການຜະລິດ ວຽກສ້ອມບຳລຸງ ການຄວບຄຸມຄຸນນະພາບ
ທີມທີ່ສຳນັກງານໃຫຍ່ ແລະ ສາຂາຕ່າງປະເທດຖາມ ແລະ ກວດຊ້ຳເລື່ອງເດີມ
ຝ່າຍສະໜັບສະໜູນທີ່ອັບເດດ FAQ ແລະ ຄູ່ມືບໍ່ທັນ
ອົງກອນທີ່ຢາກຂະຫຍາຍຄຳຕອບ ແລະ ວຽກອັດຕະໂນມັດຂອງ AI ພ້ອມການອະນຸມັດຂອງຄົນ ແລະ audit log
ຂໍ້ມູນທີ່ກວດກ່ອນ
ບົດສົນທະນາໜ້າວຽກ
ແຊັດໃນແຊັນແນລ ຄອມເມັນ ປະຫວັດການສອບຖາມ ຄຳສັ່ງເຖິງ AI ຄຳສັ່ງແກ້ໄຂ
Google Workspace ແລະ ເອກະສານ
Google Workspace, PDF, ຄູ່ມືເດີມ, ເອກະສານພາຍໃນ
ລະບົບວຽກ ແລະ ທະບຽນ
ຂໍ້ມູນດີລ ຂໍ້ມູນລູກຄ້າ ປະຫວັດການເຮັດວຽກ ການສອບຖາມ ບັນທຶກການກວດ ທະບຽນ
FAQ ແລະ ລາຍງານປະຈຳ
FAQ ເດີມ ຄຳຕອບການສອບຖາມ ລາຍງານລາຍວັນ/ອາທິດ/ເດືອນ ການແບ່ງປັນຄວາມຄືບໜ້າ
Routine ວຽກ
ລາຍການກວດ ການແຈ້ງເຕືອນ ການລໍຖ້າອະນຸມັດ ການຈັດການກຳນົດສົ່ງ ການຈັດທຳລາຍງານ
Difference
ຈາກ AI ທີ່ຕ້ອງຮຽນຮູ້ວິທີໃຊ້ສູ່ AI ທີ່ຝັງຮາກໃນວຽກຂອງທ່ານ
ການຄົ້ນຫາພາຍໃນ ແລະ ແຊັດ AI ເກັ່ງເລື່ອງເຂົ້າເຖິງຂໍ້ມູນທີ່ຕ້ອງການຢ່າງວ່ອງໄວ ສ່ວນ AGTO ບໍ່ຈົບແຄ່ຄຳຕອບສະເພາະໜ້າ ແຕ່ AI ທີ່ຮຽນຮູ້ຄວາມຮູ້ຂອງທ່ານເຮັດວຽກເປັນ “ພະນັກງານ AI” ແລະ ບັນທຶກຄຳຮ້ອງ ການອະນຸມັດ ຜົນງານ ຕົ້ນທຶນ ເປັນລາຍວຽກ ຈຶ່ງບໍ່ແມ່ນແຄ່ຄົນເກັ່ງບໍ່ເທົ່າໃດຄົນ ແຕ່ທັງທີມສ້າງຜົນລັບໄດ້
ທຽບກັບເຮັດຫຍັງໄດ້AGTO ຕ່າງແນວໃດ
ແຊັດ AI ທົ່ວໄປຕອບຄຳຖາມ ຮ່າງຂໍ້ຄວາມເກັບຄຳຕອບ ແລະ ການແກ້ໄຂເປັນ Skill ໃຊ້ເປັນຂັ້ນຕອນຂອງທີມໃນເທື່ອຕໍ່ໄປ
ຄົ້ນຫາພາຍໃນ / RAGຫາຄຳຕອບຈາກເອກະສານ ແລະ ຄວາມຮູ້ພາຍໃນປ່ຽນສິ່ງທີ່ຫາເຫັນໃຫ້ເປັນຄວາມຮູ້ທີ່ໃຊ້ໄດ້ໃນ Q&A ຈັດການຂໍ້ຄວາມຄ້າງ ແລະ ການກວດປະຈຳ
ເຄື່ອງມືຈັດການ FAQລົງທະບຽນ ແລະ ແບ່ງປັນຄຳຖາມທີ່ພົບເລື້ອຍເກັບ FAQ ທີ່ເປັນໄປໄດ້ຈາກບົດສົນທະນາໜ້າວຽກ ແລະ ເຮັດເປັນຂັ້ນຕອນມາດຕະຖານທີ່ອະນຸມັດແລ້ວ
ລະບົບວຽກອັດຕະໂນມັດເດີນຂັ້ນຕອນທີ່ກຳນົດໄວ້ໂດຍອັດຕະໂນມັດເກັບມຸມການກວດ ແລະ ເຫດຜົນໃນກໍລະນີຍົກເວັ້ນໄວ້ດ້ວຍ ພ້ອມອັບເດດໄປເລື້ອຍໆ
Slack / Teams AIຊ່ວຍສະຫຼຸບ ຄົ້ນຫາ ແລະ ຕາມວຽກບົດສົນທະນາໃຫ້ທັນນຳເອກະສານ FAQ ແລະ Routine ນອກເໜືອບົດສົນທະນາກັບມາໃຊ້ກັບການກວດ ແລະ ການແຈ້ງເຕືອນ
Service comparisonເບິ່ງລາຍລະອຽດ
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