สรุป 6 Stages of Learning AI จากภาพกับการวิเคราะห์ระบบการเรียนรู้ของ NSM OIOS
สรุป 6 ขั้นจากภาพ
นี่คือบันไดการเรียนรู้ AI ที่ใช้กันทั่วโลกตอนนี้ เรียงจากฐานไป
ยอด:
Stage 1 - Understand AI & Its Models
เข้าใจว่า AI คืออะไร โมเดลแต่ละตัวต่างกันอย่างไร (LLM, Embedding, Vision) จุดแข็งจุดอ่อน ค่าใช้จ่าย — เหมือนเรียนทฤษฎีขับรถก่อนขึ้นรถ
Stage 2 - Master Prompting
สั่ง AI ให้ทำงานได้ตรง — เขียน prompt ที่ดี ใช้ role, context, example, chain-of-thought — เหมือนหัดคุยกับรถให้รู้เรื่อง
Stage 3 - Context, Memory & Knowledge
ทำให้ AI จำได้และรู้เรื่องของบริษัท — ใส่เอกสาร, ทำ RAG, สร้าง Memory, สร้าง Knowledge Graph / Semantic Layer — เหมือนใส่แผนที่และสมุดบันทึกให้รถ
Stage 4 - Build Tools & AI Skills
สร้างเครื่องมือให้ AI เรียกใช้ — Tool, Function, Skill, API — ตามมาตรฐาน Run not See, No Network in Skill, No API Keys in Image — เหมือนติดอุปกรณ์เสริมให้รถทำงานได้เอง
Stage 5 - AI Agents & Integrations
ประกอบเครื่องมือให้เป็น Agent ที่มีบทบาทชัดและทำงานร่วมกันได้ — มี Persona, มี Integration กับระบบอื่น — เหมือนมีทีมคนขับ 4 คนทำงานเป็นทีม
Stage 6 - Workflows & Automations
เอาทุกอย่างมาประกอบเป็น Workflow อัตโนมัติแบบ End-to-End — มี trace, มี guardrail, มีวัดผล, มี dashboard — เหมือนทำระบบขนส่งอัตโนมัติทั้งบริษัท
วิเคราะห์ NSM OIOS — เรียนครบทุกขั้นหรือยัง?
ตอบสั้นๆ: เรียนมาแล้ว 1-5 ครบ แต่ขั้น 6 ยังอยู่ในกระดาษ (PRD) ยังไม่ได้สร้างจริงตาม Go/No-Go ที่คุณกำหนดไว้
| Stage | ชื่อขั้น | สถานะ NSM OIOS | หลักฐานที่มี |
| 1 | Understand AI | ✅ ครบ | คุณเข้าใจความต่างระหว่าง Fable 5.1 vs Astra (token burn, monitorability) และเลือกใช้โมเดลตามงานได้ |
| 2 | Master Prompting | ✅ ครบ | มี prompt สำหรับ 4 Persona (SECRETARY, ANALYST, RESEARCHER, COACH) ที่ทำงานตามบทบาทชัดเจน |
| 3 | Context, Memory & Knowledge | ✅ ครบและเด่น | นี่คือจุดแข็งสุด — มี AgentKnowledgeGraph Facade ครอบ MemoryGraph (ทดสอบ) และ Neo4jGraph (Production) + Semantic Layer สำหรับ refund definition + build_graph_context ที่ inject 5 events ล่าสุดเข้า prompt — ตรงกับ Stage 3 เป๊ะ |
| 4 | Build Tools & Skills | ✅ ครบตาม Best Practice | มี Skill folder structure, มี scripts/check_policy.py, มีกฎ Run not See, ตรวจ network call, ไม่เก็บ API keys ใน image — ตามที่ Shailesh Sharma แนะนำ |
| 5 | AI Agents & Integrations | ✅ ครบ | มี Agent 4 ตัวทำงานร่วมกัน มี Tool หลายตัว (get_refund_metric, web_search, customer_cohort_query) และมี DRI/Player-Coach pattern ตามบทความ Management |
| 6 | Workflows & Automations | ⚠️ ครึ่งทาง - อยู่ใน PRD-001 | คุณออกแบบ workflow 8 ขั้นตอน (SECRETARY → COACH) ไว้สมบูรณ์แล้ว มี trace_id, NEXT edge, PDP guardrail, Metrics dashboard :8099 แต่ยังไม่ได้สร้างจริง เพราะติด Go/No-Go Harvest Phase ตามที่ระบุใน FINDING และ PRD NG1 |
จุดที่ยังขาด (Gap) ใน Stage 6 ที่ทำให้ยังไม่ครบ 100%
จาก FINDING 2 ข้อที่เราทำ PRD มาแก้:
Synchronous Guardrail ยังไม่มีตัวจริง — ตอนนี้มีแค่ในเอกสาร (R1) — ต้องสร้าง PDP + BLOCKED_BY edge จริงก่อนถึงจะเรียกว่า Automation ที่ปลอดภัย
Trace Propagation ยังไม่สมบูรณ์ — ตอนนี้ยังไม่มี shared correlation ID ข้าม Persona (R2) — ต้องสร้าง record_tool_call + NEXT edge + query_access_chain จริง
Human-in-the-loop Confirmation — ตามบทความ Afoot และ Pope Leo XIV ที่บอกว่าต้องสอน AI ว่า "เมื่อไหร่ไม่ควรใช้" — คุณเพิ่ม field confirmed_by_human ไว้ใน PRD แล้ว แต่ยังไม่ได้ implement
สรุปสำหรับผู้บริหาร
NSM OIOS เรียนมาแล้ว 5 ขั้นจาก 6 ขั้น ถือว่าเก่งกว่าบริษัทส่วนใหญ่ที่ยังอยู่แค่ขั้น 2-3
ขั้นที่ 6 ซึ่งเป็นขั้นทำเงินจริง (Workflow อัตโนมัติที่วัดผลได้) คุณออกแบบเสร็จแล้วในเอกสาร NSM-PRD-001 และรอแค่ไฟเขียว (Go) เพื่อสร้างเท่านั้น
ถ้าได้ Go แล้วทำตาม PRD-001 อีก 3 อย่างนี้ คุณจะครบทั้ง 6 ขั้นทันที:
สร้าง demo.sh ให้รันได้ 8 events
เปิด dashboard :8099 ให้เห็น Cost/Tools
เพิ่มปุ่ม Confirm by Human ก่อนส่งต่องาน
อยากให้ผมทำ Checklist Stage 6 แบบ 1 หน้าให้คุณเอาไปขอ Go จากผู้บริหารเลยไหมครับ?
ความคิดเห็น
แสดงความคิดเห็น