เมื่อ Operation Team ได้รู้จักกับ Claude: เส้นทางการทำงานด้วย AI ของทีมหนึ่งทีม
จากการอ่านเอกสารฉบับเดียวให้เข้าใจ สู่การเชื่อมต่อคลังความรู้ทั้งหมด ไปจนถึงการเปลี่ยนวิธีประชุมของเรา บทความนี้เล่าถึงการที่ Operation Team นำ Claude เข้ามาใช้ในงานประจำวัน รวมถึงปัญหาจริงที่เราเจอระหว่างทาง
Irene ChaoExecutive Assistant
จาก Google Sheet แผ่นเดียว สู่การเชื่อมต่อคลังความรู้ทั้งหมด: วิวัฒนาการการทำงานด้วย AI ของ Operation Team
สรุปประเด็นสำคัญ
- Operation Team ของ OakMega ใช้ Claude ใน 3 ระดับ: การจัดการเอกสาร → การบูรณาการข้อมูล → การสนับสนุนการตัดสินใจ
- สิ่งที่ได้มากที่สุดไม่ใช่แค่การประหยัดเวลา แต่คือนิสัยการทำงานแบบ "คิดโจทย์ให้ชัดก่อน"
- เป้าหมายถัดไป: เปลี่ยนจากการตอบสนองแบบรอคำสั่ง ไปสู่เอเจนต์อัจฉริยะที่ลงมือทำงานเองเชิงรุก
เมื่อสามปีก่อน OakMega มีพนักงานราว 20 คน ข้อมูลพนักงานทั้งหมดเก็บอยู่ใน Google Sheet แผ่นเดียว อยากรู้อะไรก็ใส่สูตรดึงเอา ถึงจะเหนื่อยแต่ก็พอใช้ได้
ต่อมาทีมเติบโตจนเกือบ 40 คน มีแผนกมากขึ้น การเข้าออกของพนักงานก็มากขึ้น วันหนึ่งเราต้องคำนวณจำนวนพนักงานเฉลี่ยทั้งปี ซึ่งต้องคำนึงถึงวันเริ่มงาน วันลาออก และสถานะการทำงานรายเดือนของแต่ละคน บางคนลาออกแล้วกลับมาทำงานใหม่อีก สูตรนั้นไม่ใช่ว่าเขียนไม่ได้ แต่เขียนเสร็จแล้วก็ยากจะมั่นใจว่าถูกต้อง แก้เงื่อนไขเพียงข้อเดียวก็ต้องตรวจใหม่ตั้งแต่ต้น
ณ ตอนนั้นเราเห็นชัดเลยว่า ขนาดองค์กรของเราไม่ใช่เหมือนเมื่อสามปีก่อนอีกแล้ว แต่วิธีจัดการข้อมูลยังคงย่ำอยู่ที่เดิม
นี่คือจุดเริ่มต้นที่เราตั้งใจนำ Claude เข้ามาอยู่ในกระบวนการทำงานอย่างจริงจัง
มีคำถามหนึ่งที่เราเคยถามหลายคน และคำตอบที่ได้แทบจะเหมือนกันหมด: "เราก็ใช้ ChatGPT อยู่นะ แต่... บอกไม่ถูกว่ามันต่างตรงไหน" เมื่อปีก่อน Operation Team ของ OakMega ก็อยู่ในสภาพแบบนั้นเช่นกัน บทความนี้จะเล่าว่าเราเปลี่ยนจาก "บอกไม่ถูก" มาเป็น "ขาดไม่ได้" ได้อย่างไร
ที่ OakMega เราขายโซลูชันที่ช่วยให้องค์กรใช้ AI ได้อย่างมีประสิทธิภาพ ดังนั้นเวลามีคนถามว่า "แล้วพวกคุณใช้ AI กันเองอย่างไร?" จึงเป็นคำถามที่กดดันพอสมควร เราแบ่งการนำ Claude มาใช้ในงานออกเป็น 3 ระดับ ได้แก่ การจัดการเอกสาร (เอกสารประกวดราคา การวิเคราะห์แบบสอบถาม) การบูรณาการข้อมูล (เชื่อมต่อ Notion + Google Drive เพื่อค้นหาข้อมูลแบบเรียลไทม์) และ การสนับสนุนการตัดสินใจ (รายงานแบบโต้ตอบได้ก่อนการประชุม) ต่อไปนี้คือเรื่องราวว่าทั้ง 3 ระดับนี้ถูกนำมาใช้จริงในงานประจำวันอย่างไร
3 ระดับการใช้ Claude ของเรา
3 ระดับ: เอกสาร → บูรณาการ → ตัดสินใจ ทุกระดับช่วยลดต้นทุนความยุ่งยากในการทำงาน
ระดับที่ 1: การจัดการเอกสาร
นี่คือการใช้งานที่ตรงไปตรงมาที่สุด และเป็นวิธีแรกที่เราเริ่มใช้
เอกสารประกวดราคาของโครงการจัดซื้อจัดจ้างภาครัฐมักยาวและแน่นไปด้วยรายละเอียด ทั้งคุณสมบัติผู้เสนอราคา เกณฑ์การให้คะแนน และกำหนดส่งเอกสาร กระจายอยู่คนละบท พลาดนิดเดียวก็อาจตกหล่นรายละเอียดสำคัญได้ เดิมเราต้องอ่านทีละหน้าด้วยตัวเองแล้วสรุปเป็นเช็กลิสต์เตรียมยื่นประมูล ซึ่งใช้เวลานานและต้องใช้สมาธิสูงมาก ปัจจุบันเราส่งเอกสารให้ Claude จัดหมวดหมู่ออกมาเป็นเกณฑ์คุณสมบัติ เอกสารที่ต้องยื่น และหัวข้อการให้คะแนน จากนั้นเราจึงตรวจสอบทีละข้อ Claude ไม่ได้ตัดสินใจแทนเราว่าควรยื่นประมูลหรือไม่ เพราะนั่นยังเป็นเรื่องที่คนต้องคิดเอง แต่ในขั้นตอน "จัดระเบียบข้อมูลให้ชัดเจน" มันช่วยให้เราประหยัดเวลาได้มากจริงๆ
ตรรกะเดียวกันนี้ยังนำมาใช้กับงานบุคคลด้วย หลังเก็บแบบสอบถามพนักงานรอบครึ่งปีเสร็จ เราจะส่งข้อมูลดิบให้ Claude วิเคราะห์เบื้องต้น ทั้งการกระจายของคะแนน การเปรียบเทียบระหว่างแผนก และการจัดกลุ่มประเด็นจากคำถามปลายเปิด แล้วสรุปเป็นรายงานรูปแบบเดียวกันเก็บไว้ใน Notion เมื่อก่อนขั้นตอนนี้ใช้เวลาครึ่งวัน ตอนนี้เหลือไม่ถึงหนึ่งชั่วโมง
ระดับที่ 2: การบูรณาการข้อมูล
การจัดการเอกสารทีละฉบับยังถือว่าเข้าใจง่าย แต่สิ่งที่ทำให้เรารู้สึกถึงความแตกต่างอย่างแท้จริง คือหลังจากเชื่อม Claude เข้ากับแหล่งข้อมูลของบริษัท
ข้อมูลการดำเนินงานของ OakMega กระจายอยู่ใน Google Drive และ Notion ทั้งข้อมูลพนักงาน บันทึกค่าใช้จ่าย และความคืบหน้าของโปรเจกต์ ต่างก็อยู่คนละที่ เมื่อก่อนจะตอบคำถามสักข้อ ต้องรู้ก่อนว่าข้อมูลอยู่ที่ไหน เปิดไฟล์ให้ถูก หาแท็บให้เจอ แล้วจึงเริ่มจัดระเบียบได้ หลังจากเชื่อมแหล่งข้อมูลเหล่านี้เข้าด้วยกันผ่านคอนเนกเตอร์ของ Claude ความยุ่งยากนี้ก็หายไป
อยากรู้สัดส่วนเพศของทีมในตอนนี้ หรือการกระจายอายุงานของแต่ละแผนก ก็ถามได้ทันทีและได้คำตอบภายในไม่กี่วินาที อยากตรวจสอบความคืบหน้าการใช้งบประมาณเดือนนี้ หรือดูว่ารายการไหนยังมีงบเหลืออยู่ ก็ทำได้เช่นเดียวกัน ข้อมูลมีอยู่แล้วมาตลอด เพียงแต่ที่ผ่านมาต้นทุนในการเข้าถึงสูงเกินไป ตอนนี้ต้นทุนนั้นแทบจะเป็นศูนย์ ผลสำรวจของ McKinsey ระบุว่าพนักงานสายงานความรู้ใช้เวลาทำงานโดยเฉลี่ย 19% ไปกับการค้นหาและรวบรวมข้อมูล ซึ่งหากเป็นงาน Operation เรามองว่าตัวเลขนี้ยังถือว่าต่ำไปด้วยซ้ำ
ระดับที่ 3: การสนับสนุนการตัดสินใจ
เมื่อเข้าถึงข้อมูลได้แบบเรียลไทม์แล้ว เราก็เริ่มคิดถึงคำถามถัดไป: ทำอย่างไรให้ข้อมูลเหล่านี้พร้อมตั้งแต่ก่อนเข้าประชุม แทนที่จะมาเริ่มหาตัวเลขกันบนโต๊ะประชุม?
วิธีที่เราลองใช้ คือให้ Claude สร้างรายงานข้อมูลแบบโต้ตอบได้ก่อนการประชุม เพื่อให้ผู้เข้าร่วมได้ดูล่วงหน้า ไฟล์ PDF แบบคงที่ไม่เพียงพอสำหรับงานนี้ เพราะทำได้แค่แสดงผล ไม่สามารถให้ผู้อ่านสลับมุมมองหรือเจาะลึกรายละเอียดตามสิ่งที่ตัวเองสนใจได้ รายงานบนเว็บแบบโต้ตอบได้เท่านั้นที่ทำแบบนี้ได้ แต่ก็มีปัญหาจริงอยู่ข้อหนึ่ง: หากต้องการแชร์ HTML ที่ Claude สร้างขึ้น ก็ต้องเผยแพร่แบบสาธารณะ และการเปิดเป็นสาธารณะก็หมายถึงช่องโหว่ด้านความปลอดภัยของข้อมูล
ทางออกของเราคือนำโค้ดที่ Claude สร้างขึ้นไปวางในหน้าเพจแบบจำกัดสิทธิ์ของ OakMega โดยตรง ผลิตภัณฑ์นี้ช่วยให้เราเผยแพร่รายงานแบบโต้ตอบได้บนฐานข้อมูลของเราเอง เฉพาะคนที่เราให้สิทธิ์เท่านั้นที่เปิดดูได้ และยังติดตามได้ด้วยว่าใครเปิดดูแล้ว ใครยังไม่ได้ดู ความสามารถในการโต้ตอบยังคงอยู่ ขณะที่ปัญหาด้านความปลอดภัยของข้อมูลก็ได้รับการแก้ไขไปพร้อมกัน
สิ่งนี้เปลี่ยนวิธีประชุมของเราอย่างแท้จริง เมื่อผู้เข้าร่วมเดินเข้าห้องประชุม ทุกคนเข้าใจสถานการณ์ปัจจุบันในระดับพื้นฐานแล้ว ไม่ต้องเสียเวลายืนยันตัวเลขกันในที่ประชุม จุดเน้นของการหารือจึงเปลี่ยนจาก "ทำความเข้าใจสถานการณ์" ไปสู่ "การวิเคราะห์และตัดสินใจ" ได้ทันที การประชุมกระชับขึ้น และข้อสรุปก็นำไปปฏิบัติได้ง่ายขึ้น
ใช้อย่างจริงจัง แต่ก็ยอมรับข้อจำกัดของมัน
เราไม่ใช่ผู้ใช้ Claude แบบหนักหน่วง แต่เราเป็นผู้ใช้ที่ตั้งใจใช้อย่างจริงจัง
ระหว่างทางก็มีบางครั้งที่เราใช้ได้ไม่ดีนัก หากให้ข้อมูลบริบทไม่ครบถ้วน ผลลัพธ์ที่ได้ก็จะคลาดเคลื่อน หากยังคิดโจทย์ไม่ชัด ทิศทางของผลลัพธ์ก็จะหลุดออกไป ครั้งหนึ่งฉันให้ Claude สรุปการเปรียบเทียบค่าใช้จ่ายข้ามแผนก แต่ลืมบอกว่าต้องตัดเดือนไหนออก Claude ส่งรายงานที่รูปแบบสมบูรณ์แบบ ตรรกะถูกต้อง แต่ช่วงเวลาผิดทั้งหมดกลับมาให้ ตัวฉันเองก็ไม่ได้สังเกตเห็นทันที จนกระทั่งถูกถามในที่ประชุมจึงรู้ตัว
คุณภาพของผลลัพธ์ขึ้นอยู่กับคุณภาพของข้อมูลที่ป้อนเข้าไป AI จะไม่เตือนคุณ นิสัยนี้ต้องสร้างขึ้นเอง
ประสบการณ์เหล่านี้ทำให้เราตระหนักถึงสิ่งหนึ่ง: คุณภาพผลลัพธ์ของเครื่องมือขึ้นอยู่กับคุณภาพข้อมูลที่ผู้ใช้ป้อนเข้าไปเป็นอย่างมาก หลักการนี้ไม่ได้ใช้กับ Claude เท่านั้น แต่ Claude ทำให้เรารู้สึกถึงเรื่องนี้ได้ชัดเจนเป็นพิเศษ
ในแง่หนึ่ง นี่ก็เป็นผลพลอยได้ที่ไม่คาดคิด เพื่อจะใช้ Claude ให้ดี เราได้สร้างนิสัย "คิดโจทย์ให้ชัดก่อน แล้วค่อยถาม" กระบวนการนี้เองก็คือการปรับวิธีการทำงานอย่างหนึ่ง
ก้าวต่อไปที่เราอยากไปให้ถึง
วิธีที่เราใช้ Claude ในปัจจุบัน โดยพื้นฐานแล้วยังเป็นแบบ "เราถาม มันตอบ" ก้าวต่อไป เราอยากให้มันเปลี่ยนจากการตอบสนองแบบรอคำสั่ง ไปสู่การลงมือทำงานเองเชิงรุก
งาน Operation จำนวนมากเป็นงานที่เกิดขึ้นเป็นรอบ และมีกฎเกณฑ์ชัดเจน เช่น รายงานประจำงวด การตรวจสอบค่าใช้จ่าย จุดสำคัญในกระบวนการงานบุคคล และการติดตามวันหมดอายุของสัญญา งานเหล่านี้ไม่จำเป็นต้องให้คน "คิด" แต่ต้องมั่นใจว่าจะถูกดำเนินการอย่างถูกต้องในเวลาที่เหมาะสม เราหวังว่าการสร้างกระบวนการอัตโนมัติและเอเจนต์อัจฉริยะ จะทำให้งานประจำเหล่านี้ทำงานอยู่เบื้องหลังได้อย่างต่อเนื่อง เพื่อให้เราทุ่มเทพลังทั้งหมดไปกับการจัดการกรณีพิเศษและการตัดสินใจที่ต้องใช้วิจารณญาณ
สภาพที่เป็นอุดมคติคือ งานประจำของ Operation มีระบบอัตโนมัติคอยทำงานเงียบๆ อยู่เบื้องหลัง และเวลาทั้งหมดของเราเหลือไว้สำหรับเรื่องที่ต้องอาศัยการตัดสินใจของคนจริงๆ เป้าหมายนี้ยังไม่สำเร็จเต็มที่ แต่ทิศทางนั้นชัดเจนแล้ว
เครื่องมือพัฒนาไป แต่แก่นแท้ของ Operation ไม่เปลี่ยน
สุดท้ายนี้ มีอีกเรื่องหนึ่งที่อยากพูดถึง
เมื่อเครื่องมือ AI เข้ามา บางคนอาจกังวลว่า "แล้วงานของเราจะเหลืออะไร" แต่ใครที่เคยทำงานในตำแหน่ง Operation จะรู้ดีว่า งานที่มีคุณค่าจริงๆ ไม่เคยเป็นส่วนที่ทำให้เป็นกฎเกณฑ์ได้ หากแต่เป็นการตัดสินใจเมื่อข้อมูลยังไม่ครบ การหาทางออกเมื่อกระบวนการติดขัด และการส่งต่องานที่ถูกต้องให้คนที่ใช่ในเวลาที่เหมาะสม
สิ่งเหล่านี้ Claude ทำแทนไม่ได้
แต่มันช่วยเคลียร์งานจุกจิกออกไปได้บ้าง ทำให้เรามีเวลาและพลังมากขึ้นสำหรับสิ่งเหล่านี้ แค่นั้นก็เพียงพอแล้ว
อยากรู้ไหมว่า OakMega ทำงานกันอย่างไร? เรากำลังมองหาคนที่ตั้งใจทำงานให้ออกมาดีอย่างจริงจังเหมือนกับเรา 👉 ดูตำแหน่งงานที่เปิดรับอยู่ตอนนี้
คำถามที่พบบ่อย
Q: Operation Team ของ OakMega ใช้ Claude อย่างไรบ้าง?
A: แบ่งเป็น 3 ระดับ ได้แก่ การจัดการเอกสาร (วิเคราะห์เอกสารประกวดราคา สรุปแบบสอบถามพนักงาน) การบูรณาการข้อมูล (เชื่อมต่อ Google Drive และ Notion เพื่อค้นหาข้อมูลแบบเรียลไทม์) และการสนับสนุนการตัดสินใจ (สร้างรายงานข้อมูลแบบโต้ตอบได้ก่อนการประชุม)
Q: ก้าวแรกของการนำ AI เข้ามาในกระบวนการทำงานขององค์กรคืออะไร?
A: เริ่มจากปัญหาที่เจ็บปวดจริง ไม่ใช่การไล่ตามตัวเครื่องมือ จุดเริ่มต้นของ OakMega คือ "การคำนวณจำนวนพนักงานเฉลี่ยด้วยมือซับซ้อนเกินไปและผิดพลาดง่ายเกินไป" เมื่อพบปัญหาที่เป็นรูปธรรมแล้ว จึงค่อยย้อนกลับไปดูว่าเครื่องมือใดช่วยแก้ปัญหานั้นได้
Q: รายงานที่ Claude สร้างขึ้นจะรักษาทั้งความสามารถในการโต้ตอบและความปลอดภัยของข้อมูลได้อย่างไร?
A: นำโค้ดที่ Claude สร้างขึ้นไปติดตั้งบนหน้าเพจแบบจำกัดสิทธิ์ของตัวเอง แทนการเผยแพร่แบบสาธารณะ เฉพาะผู้ใช้ที่ได้รับสิทธิ์เท่านั้นที่เปิดดูได้ โดยยังคงความสามารถในการโต้ตอบและการติดตามการเข้าถึงไว้ได้
Q: ปัญหาที่พบบ่อยที่สุดเมื่อใช้ Claude ทำงานคืออะไร?
A: คุณภาพของข้อมูลที่ป้อนเข้าไปเป็นตัวกำหนดคุณภาพของผลลัพธ์ หากข้อมูลบริบทไม่ครบถ้วน หรือยังคิดโจทย์ไม่ชัด ผลลัพธ์ที่ได้ก็จะคลาดเคลื่อน นิสัยนี้ต้องสร้างขึ้นเองอย่างตั้งใจ เพราะตัวเครื่องมือจะไม่เตือนคุณ
Q: Claude จะมาแทนที่งานของคนในทีม Operation หรือไม่?
A: ไม่ อย่างน้อยก็ไม่ใช่ในส่วนที่เป็นแก่นของงาน การตัดสินใจเมื่อข้อมูลไม่ครบ การหาทางออกเมื่อกระบวนการติดขัด และการมอบหมายงานให้คนที่ใช่ในเวลาที่เหมาะสม เป็นสิ่งที่ AI ทำแทนไม่ได้ บทบาทของ Claude คือการเคลียร์งานจุกจิก เพื่อให้คนมีพลังมากขึ้นสำหรับเรื่องที่ต้องใช้การตัดสินใจจริงๆ
