AI Employee
AI Employee คืออะไร AI ที่เรียนรู้ความรู้บริษัทและทำงานร่วมกับคน
AI Employee ใน AGTO ไม่ใช่ chatbot ธรรมดา แต่เรียนรู้ขั้นตอน เกณฑ์การตรวจ และกฎอนุมัติ เพื่อช่วย Q&A, digest, notification และ report ภายใต้การควบคุมของคน
สรุป — แนวคิดหลัก
AI Employee
พัฒนา AI ให้เป็นผู้ดูแลงานประจำวัน
จัดการบทบาท Skill Routine และ audit log แยกกัน เพื่อพัฒนา AI ให้เป็นผู้ดูแลงานประจำวัน
AI Employee ต้องมีบทบาทชัดเจน
กำหนดความรับผิดชอบแรก เช่น internal Q&A, unread digest หรือ routine check เพื่อให้ข้อมูลและเกณฑ์ review ชัดขึ้น
Skill คือความรู้ที่อนุมัติแล้ว
AGTO เก็บคำตอบและขั้นตอนที่คนตรวจแล้วเป็น Skill ที่ใช้ซ้ำใน Q&A, Routine และ report ได้
Work ledger ช่วยให้ AI ติดอยู่ในงานจริง
คำขอ การอนุมัติ ผลลัพธ์ ต้นทุน และการปรับปรุงมองเห็นเป็นรายงาน ทำให้ทีมเชื่อถือและพัฒนา AI ได้
AI Employee
AI Employee หนึ่งตัวมีสกิลตามบทบาทและดูแลงานหลายอย่าง
รายละเอียดการออกแบบ
ตัวอย่างบทบาทของ AI Employee
AI Employee ไม่ใช่ AI สารพัดประโยชน์ แต่เป็นผู้ดูแลที่มีขอบเขตความรับผิดชอบ การแยกบทบาทช่วยจัดข้อมูลฝึก ผู้อนุมัติ ตัวชี้วัด และความเสี่ยง
| บทบาท | งาน | ข้อมูลฝึกแรก | วิธีอ่านผล |
|---|---|---|---|
| Q&A ภายใน | ตอบครั้งแรก คัด FAQ ที่ต้องอัปเดต | FAQ นโยบาย คำตอบเก่า | คำถามซ้ำ เวลาตอบ Skill ที่อนุมัติ |
| unread digest | ดึงข้อความสำคัญ จัดงานที่ตกหล่น | ประวัติ chat กฎผู้รับผิดชอบ กำหนดส่ง | งานตกหล่น ความล่าช้า ความแม่นยำการแจ้งเตือน |
| routine check | weekly report, approval ที่ค้าง, checklist | template รายงาน เกณฑ์ กฎอนุมัติ | เวลาทำรายงาน การจับข้อยกเว้น approval ค้าง |
| sales support | เตรียมข้อเสนอ ความรู้รายลูกค้า | บันทึกการประชุม เอกสารข้อเสนอ ฟิลด์ CRM | เวลาเตรียม การใช้ซ้ำเอกสาร เหตุผลตีกลับ |
รายละเอียดการออกแบบ
การเปลี่ยนสถานะระหว่าง AI Employee เติบโต
AI Employee ไม่ได้อัตโนมัติเต็มที่ตั้งแต่วันแรก การแยกสถานะ candidate, review, approved, reuse และ improvement ช่วยตัดสินว่ามอบหมายได้แค่ไหน
| สถานะ | สิ่งที่ AI ทำ | สิ่งที่คนตรวจ |
|---|---|---|
| candidate | คัดคำถาม ขั้นตอน เกณฑ์ที่เป็นไปได้ | เกี่ยวกับงานเป้าหมายไหม |
| กำลัง review | เสนอร่างคำตอบหรือขั้นตอน | หลักฐาน ข้อยกเว้น ถ้อยคำ สิทธิ์ |
| approved | บันทึกเป็น Skill และใช้ซ้ำ | ขอบเขตการเผยแพร่ ผู้รับผิดชอบอัปเดต |
| Routine | ใช้กับการตรวจซ้ำและการแจ้งเตือน | เงื่อนไขแจ้งเตือน ความจำเป็นอนุมัติ จุดถอยเมื่อล้มเหลว |
| improving | อัปเดต candidate จากความล้มเหลวและการตีกลับ | การเปลี่ยนกฎ การอัปเดตเอกสาร การฝึกเพิ่ม |
ตัวชี้วัด
ตัวชี้วัดการนำ AI Employee ไปใช้
AI Employee วัดด้วยจำนวนการใช้อย่างเดียวไม่ได้ ดูว่า Skill ที่อนุมัติเพิ่มขึ้นไหม ถูกใช้ซ้ำกับงานเดิมไหม และข้อยกเว้นที่คนต้องตรวจลดลงไหม
Skill ที่อนุมัติ
Skill ที่มอบหมายได้สะสมขึ้นไหม
อัตราใช้ซ้ำ Skill
Skill เดียวถูกใช้หลายงานไหม
review ค้าง
approval ค้างสะสมไหม
จำนวน Routine
ติดในงานที่ทำซ้ำกี่รายการ
ข้อยกเว้น / ตีกลับ
ข้อยกเว้นที่คนต้องตรวจลดลงไหม
ขั้นตอน
วิธีสร้าง AI Employee
Role
เลือกงานแรก
เลือกบทบาทเดียวให้ AI Employee ตัวแรก
Skill
สร้าง Skill ที่อนุมัติแล้ว
ตรวจ FAQ ขั้นตอน และตัวอย่างคำตอบก่อนใช้ซ้ำ
Loop
ปรับปรุงจากการใช้งาน
ตรวจคำถามที่ตอบไม่ได้และ exception แล้วปรับ Skill
FAQ
FAQ เกี่ยวกับ AI Employee
ต่างจาก chatbot อย่างไร?
Chatbot เน้นตอบคำถาม แต่ AI Employee ใช้ Skill ที่อนุมัติแล้วกับ Q&A, digest, check, notification และ report
AI ตัดสินใจเองไหม?
งานสำคัญสามารถให้คนอนุมัติก่อนได้ AGTO ออกแบบโดยมี review และ audit log
ควรเริ่มจากงานใด?
งานซ้ำที่มีเกณฑ์ชัด เช่น Q&A, unread digest และ routine check เหมาะที่สุด
แยก AI Employee ตามแผนกไหม?
เริ่มแบบแยกเป็นเรื่องที่เป็นจริงได้ บทบาทเช่น admin AI, HR AI หรือ IT AI ทำให้ข้อมูลอ้างอิง ผู้อนุมัติ และตัวชี้วัดชัดเจน
ใครจัดการ Skill ของ AI Employee?
เจ้าของงานเป้าหมายหรือ channel admin เป็นผู้ตรวจ และ admin ปรับสิทธิ์หรือขอบเขตการเผยแพร่ตามจำเป็น การเก็บประวัติอนุมัติและการเปลี่ยนแปลงสำคัญ
ขยายไปหลายงานตั้งแต่แรกได้ไหม?
แนะนำให้เริ่มจากบทบาทเดียว ขยายไปงานที่เกี่ยวข้องเมื่อ Skill candidate ภาระการตรวจ และวิธีอ่าน usage log ลงตัวแล้ว
ขั้นตอนถัดไป
ออกแบบ AI Employee ตัวแรกของบริษัท
เราช่วยกำหนดบทบาท ขอบเขตข้อมูล และ review flow สำหรับ pilot ขนาดเล็ก