AI กับสถาปัตยกรรมกระบวนการทางธุรกิจ: แหล่งข้อมูลจริงที่ผ่านการคัดสรร

AI assistant อธิบายกระบวนการตั้งแต่รับคำสั่งซื้อจนถึงรับชำระเงินโดยทั่วไปได้ในไม่กี่วินาที แต่บอกไม่ได้ว่าทำไมทีมการเงินของคุณจึงอนุมัติข้อยกเว้นหนึ่ง แต่ส่งอีกกรณีให้พิจารณาต่อ หรือทำไมคลังสินค้าจึงข้ามกฎสินค้าคงคลังสำรอง ความรู้นี้อยู่ในสถาปัตยกรรมกระบวนการทางธุรกิจของคุณ และจะนำมาใช้ได้ก็ต่อเมื่อมีการบันทึกไว้.

คำถามไม่ใช่ว่า AI จะเปลี่ยนงานด้านสถาปัตยกรรมหรือไม่ เพราะตอนนี้ก็เปลี่ยนไปแล้ว คำถามคืออะไรที่ยังต้องเป็นหน้าที่ของคุณ ทั้งคำจำกัดความ ลำดับความสำคัญ การชั่งน้ำหนักทางเลือก และการอนุมัติ จุดยืนของเราเรียบง่าย เราสนับสนุน AI และให้ความสำคัญกับคนมากกว่า AI ควรช่วยลดงานที่อยู่รอบการใช้ดุลยพินิจ ไม่ใช่เข้ามาแทนที่ดุลยพินิจเอง.

ทำไม AI กับสถาปัตยกรรมกระบวนการทางธุรกิจจึงต้องพึ่งพากัน

หากไม่มี AI งานด้านสถาปัตยกรรมก็ต้องทำด้วยมือ และข้อมูลจะล้าสมัยระหว่างรอบการทบทวน ส่วน AI ที่ไม่มีสถาปัตยกรรมก็เป็นเพียงผู้รู้รอบด้านที่ตอบได้รวดเร็วและมั่นใจ.

การดูแลสถาปัตยกรรมกระบวนการทางธุรกิจให้เป็นปัจจุบันมีต้นทุนสูง หากต้องให้คนรวบรวม วาด อธิบาย และตรวจสอบทุกอย่างด้วยมือ AI ช่วยลดต้นทุนในการจัดทำร่างแรกและการอ่านภาพรวมทั้งหมด ขณะที่ AI assistant มีความสามารถในการให้เหตุผลอยู่แล้ว แต่ยังขาดข้อมูลกระบวนการของคุณ หากป้อนตารางดิบให้ ก็ต้องอนุมานเวิร์กโฟลว์เอง แต่หากให้ดูสถาปัตยกรรมที่จัดระเบียบไว้ ก็จะตอบจากโมเดล เอกสาร บทบาท และข้อมูลการทำงานจริงที่วัดได้.

นี่คือสิ่งที่ทั้งสองฝ่ายเติมเต็มให้กัน ฝ่ายหนึ่งช่วยให้เข้าถึงข้อมูลได้กว้าง อีกฝ่ายให้ข้อมูลที่เชื่อถือได้ ไม่ใช่แค่เอา AI มาต่อกับแผนภาพ แต่เป็นการให้ AI เข้าถึงแหล่งข้อมูลที่องค์กรบันทึกความหมายและสิ่งที่ต้องการไว้.

การเชื่อมต่อ AI assistant กับข้อมูลต่างจากการเชื่อมต่อกับความรู้เกี่ยวกับกระบวนการ บริบทกระบวนการผ่าน MCP อธิบายวิธีเชื่อมต่อ ส่วนคำถามที่ยากกว่าและเป็นประเด็นของหน้านี้คือ เมื่อเชื่อมต่อแล้ว AI assistant จะพบข้อมูลอะไรบ้าง หลักการเดียวกันนี้ใช้กับ digital twin ขององค์กร โมเดลและข้อมูลจะมีประโยชน์ก็ต่อเมื่อเชื่อมโยงกับการวัดผลและการตัดสินใจ.

แหล่งข้อมูลจริงที่เชื่อมโยงกันเป็นหนึ่งเดียวมีหน้าตาอย่างไร

สถาปัตยกรรมกระบวนการทางธุรกิจคือโครงสร้างที่เชื่อมโยงวิธีทำงานขององค์กรเข้าด้วยกัน ประกอบด้วยสายธารคุณค่า กระบวนการ กระบวนการย่อย และกิจกรรม ผู้รับผิดชอบ ระบบที่ใช้ เอกสารและสิ่งประกอบที่เกี่ยวข้อง รวมถึงสถานะและเวอร์ชันของแต่ละรายการ ทั้งหมดอยู่ในที่เดียว ไม่ใช่แค่ไฟล์เดียว.

ลำดับชั้นช่วยให้คนค้นหาและทำความเข้าใจ ส่วนความเชื่อมโยงช่วยให้ AI assistant ค้นหาข้อมูลได้ โฟลเดอร์แผนภาพอาจบอกได้ว่ากระบวนการอยู่ตรงไหน แต่ตอบไม่ได้ว่า “อะไรต้องอาศัยกระบวนการนี้” “ใครเป็นเจ้าของ” หรือ “เวอร์ชันไหนได้รับอนุมัติแล้ว” คำถามเหล่านี้ต้องใช้โครงสร้างที่เชื่อมโยงกัน ไม่ใช่ตู้เก็บเอกสาร.

บางคนเรียกสิ่งนี้ว่าสถาปัตยกรรม BPM สถาปัตยกรรมกระบวนการระดับองค์กร หรือสถาปัตยกรรมการจัดการกระบวนการทางธุรกิจ แต่ชื่อเรียกสำคัญน้อยกว่าการเชื่อมโยงข้อมูล ทุกข้อเท็จจริงมีแหล่งอ้างอิงเดียว และตอบได้ว่า “เวอร์ชันไหนถูกต้อง”?

กรอบการทำงานอย่าง APQC ช่วยกำหนดคำศัพท์สำหรับลำดับชั้น แต่ไม่ได้ให้กระบวนการ เจ้าของ หรือข้อยกเว้นขององค์กรคุณ สิ่งเหล่านี้เป็นเรื่องที่คุณต้องตัดสินใจและบันทึกไว้.

โมเดลที่ไม่มีการเชื่อมโยงกันยังมีประโยชน์ในการประชุมเชิงปฏิบัติการ แต่โมเดลที่เชื่อมโยงกันช่วยให้คนไล่ดูได้ตั้งแต่สายธารคุณค่าจนถึงกิจกรรม และช่วยให้ AI assistant ตอบคำถามตามเส้นทางเดียวกัน นี่คือเหตุผลที่ควรจัดระเบียบโมเดลไว้.

แค็ตตาล็อกกระบวนการที่จัดเก็บลำดับชั้น กระบวนการ และสถานะไว้ในโครงสร้างเดียวที่เชื่อมโยงกัน

จุดที่ AI ช่วยให้งานสถาปัตยกรรมเร็วขึ้น และจุดที่ไม่ควรให้ AI ตัดสินใจ

AI ทำงานได้ดีเมื่อมีคำตอบที่ตรวจสอบได้ หรือเมื่อต้องจัดทำร่างแรกที่คนสามารถแก้ไขได้ งานด้านสถาปัตยกรรมมีงานทั้งสองแบบอยู่มาก.

เส้นแบ่งระหว่างสองกลุ่มนี้ไม่ได้อยู่ที่ความสามารถ แต่อยู่ที่อำนาจตัดสินใจ AI อาจจัดทำร่างโมเดลได้ดีกว่าคน แต่ก็ไม่มีสิทธิ์ตัดสินใจแทนว่าบริษัทของคุณควรทำงานอย่างไร.

แนวทางที่ใช้ได้จริงคือให้ AI ทำงานที่มีคนตรวจทาน และให้เจ้าของรับผิดชอบการตัดสินใจ งานอย่างการร่างโมเดล สรุปข้อมูล ระบุเอกสารที่ขาด และเสนอแนวทางปรับปรุง ล้วนมีขั้นตอนให้ตรวจทานได้ แต่การเปลี่ยนเกณฑ์อนุมัติ เปลี่ยนเจ้าของ หรือยกเลิกการควบคุม ไม่ใช่งานแบบเดียวกัน เพราะเป็นการเปลี่ยนข้อตกลง และผู้ที่เกี่ยวข้องต้องร่วมตัดสินใจ.

ทำไมจึงมอบหมายเรื่องวัฒนธรรมและเป้าหมายให้ AI ตัดสินใจไม่ได้

สถาปัตยกรรมกระบวนการบันทึกทางเลือกเกี่ยวกับวิธีทำงานขององค์กร ซึ่งเกิดจากกลยุทธ์และวัฒนธรรม ไม่ใช่จากข้อมูลเพียงอย่างเดียว.

บริษัทสองแห่งอาจใช้กระบวนการตั้งแต่รับคำสั่งซื้อจนถึงรับชำระเงินแบบเดียวกัน ใช้ ERP เดียวกัน และมีปริมาณงานเท่ากัน แต่ยังต้องมีสถาปัตยกรรมที่ต่างกัน แห่งหนึ่งอาจยอมรับต้นทุนที่สูงขึ้นเพื่อรักษาคำมั่นเรื่องการส่งมอบ ส่วนอีกแห่งให้ความสำคัญกับกำไรและเจรจาเงื่อนไขใหม่ แห่งหนึ่งให้ผู้จัดการในพื้นที่อนุมัติข้อยกเว้นได้ ส่วนอีกแห่งรวมอำนาจไว้ที่ส่วนกลาง โมเดลอาจดูคล้ายกัน แต่การตัดสินใจที่เหมาะสมไม่เหมือนกัน.

เป้าหมายกำหนดว่าคุณจะปรับปรุงเรื่องใด เช่น ความเร็ว ต้นทุน ความยืดหยุ่น การปฏิบัติตามข้อกำหนด หรือภาระของลูกค้า ส่วนวัฒนธรรมกำหนดวิธีตัดสินใจ ใครควรได้รับคำปรึกษา เมื่อใดจึงถือว่าข้อยกเว้นมีเหตุผล และองค์กรจะไม่ยอมทำอะไร ข้อมูลเหล่านี้ไม่มีอยู่ใน event log และหลายครั้งก็ไม่ได้อยู่ในเอกสาร แต่อยู่ในตัวคนที่ดูแลกระบวนการ.

AI assistant เรียนรู้จากข้อความที่คุณเขียนได้ แต่ไม่สามารถรับผิดชอบต่อเหตุผลเบื้องหลังการตัดสินใจนั้นได้ การใช้โมเดลที่ใหญ่ขึ้นก็แก้ข้อจำกัดนี้ไม่ได้ ความรับผิดชอบต้องมีคนที่พร้อมอธิบายเหตุผล.

จะจัดทำเอกสารให้ทั้งคนและ AI ใช้ได้อย่างไร?

เริ่มจากเขียนให้คนอ่านเข้าใจก่อน ความชัดเจนที่เพื่อนร่วมงานต้องการคือสิ่งเดียวกับที่ AI assistant ต้องการ และหากจัดทำเอกสารอีกชุดสำหรับเครื่องโดยเฉพาะ ข้อมูลก็จะค่อยๆ ไม่ตรงกับชุดแรก.

เมื่อเปิดดูกระบวนการ คนอยากรู้ว่ากระบวนการนี้ทำอะไร มีไว้ทำไม ใครเป็นเจ้าของ มีข้อยกเว้นตรงไหน และควรทำอะไรต่อ AI assistant ที่อ่านกระบวนการเดียวกันก็ต้องใช้ข้อมูลชุดเดียวกันในโครงสร้างที่ค้นต่อได้ โมเดลแสดงขั้นตอนและความเชื่อมโยง เอกสารอธิบายความหมาย สิ่งประกอบเป็นหลักฐาน และบทบาทบอกว่าใครมีอำนาจ.

นี่จึงเป็นเหตุผลที่แนวทาง “เขียนให้น้อยลง แต่บอกเหตุผลให้ชัด” ใช้ได้ดีกว่าเทมเพลตที่ยาวกว่า คำอธิบายที่ระบุเหตุผลของการอนุมัติช่วยทั้งเพื่อนร่วมงานใหม่และ AI assistant ที่ต้องตอบว่าควรยกเลิกการอนุมัตินั้นได้หรือไม่ ส่วนคำอธิบายที่แค่ทวนแผนภาพไม่ได้ช่วยใคร.

มีสามช่องทาง แต่ใช้แหล่งข้อมูลเดียว Process Portal มีไว้ให้คนที่ต้องทำงานใช้ MCP server ใช้ได้กับ AI assistant ที่รองรับ และ MCP เป็นมาตรฐานเปิด จึงใช้การเชื่อมต่อเดียวกันกับ client ได้หลายราย ส่วน REST API ใช้กับสคริปต์และการเชื่อมต่อระบบที่รับส่งข้อมูลหรือเรียกใช้การจำลอง ไม่มีช่องทางใดเก็บสำเนาสถาปัตยกรรมแยกไว้.

นี่คือโครงสร้างเวิร์กโฟลว์ทั้งหมด แหล่งข้อมูลที่จัดระเบียบไว้หนึ่งชุด ช่องทางอ่านสามแบบ และไม่มีข้อมูลอีกชุดที่ขัดแย้งกัน Process Portal ไม่เผยแพร่ฉบับร่าง และ AI assistant ก็ไม่ควรอ่านฉบับร่างเช่นกัน.

เมื่อข้อมูลขาด AI ก็เริ่มคาดเดา

กฎที่ไม่ได้เขียนไว้ไม่ได้เป็นกลาง แต่เป็นช่องว่างที่โมเดลจะเติมด้วยคำตอบที่ฟังดูสมเหตุสมผล.

เมื่อเกตเวย์ไม่มีป้ายกำกับ ผู้ช่วยจะตั้งชื่อการตัดสินใจให้คุณ บทบาทที่ไม่ได้กำหนดจะกลายเป็น “ทีม” ข้อยกเว้นที่ไม่มีเอกสารประกอบจะถูกมองว่าเป็นเส้นทางปกติ ส่วนกระบวนการที่ไม่มีคำอธิบายก็จะถูกสรุปจากรูปแบบ แทนที่จะบอกจุดประสงค์ ผู้ช่วยแทบไม่พูดว่า “ฉันไม่รู้” แต่จะให้คำตอบที่มีแนวโน้มมากที่สุด ซึ่งมักอิงจากรูปแบบกระบวนการขององค์กรอื่น.

ในทางปฏิบัติ การควบคุมหมายถึงการระบุให้ชัดว่าคุณรู้อะไรบ้าง หากเว้นเรื่องใดไว้ให้คลุมเครือ AI จะตัดสินใจแทนคุณ และจะตอบอย่างมั่นใจ.

คุณภาพโมเดลช่วยให้เห็นจุดที่ข้อมูลยังขาด ป้ายคุณภาพของโมเดลบนพื้นที่ทำงานแสดงคะแนนเป็นเปอร์เซ็นต์และรายการตรวจสอบที่ใช้คำนวณ ได้แก่ องค์ประกอบที่ไม่ได้เชื่อมต่อ ป้ายกำกับที่ขาดหาย เกตเวย์ที่ไม่สมดุล และเอกสารประกอบหรือบทบาทที่ยังไม่มี ผู้ดูแลระบบกำหนดได้ว่าการตรวจสอบใดมีผลในแต่ละระดับสถาปัตยกรรม ดังนั้นคะแนน 100% จึงหมายถึงมีข้อมูลครบตามข้อกำหนดของระดับนั้น.

มองคะแนนเป็นรายการความรู้ที่ต้องเติม ไม่ใช่คะแนนตัดสิน ข้อที่ตรวจไม่ผ่านหมายถึงยังมีเรื่องที่ไม่ได้ตัดสินใจหรือข้อเท็จจริงที่ยังไม่ได้บันทึก ข้อที่มีประโยชน์ที่สุดมักไม่ใช่ข้อผิดพลาดในการวาด แต่เป็นเอกสารและบทบาทที่ขาด เพราะเกี่ยวข้องกับเจตนาและความรับผิดชอบ ซึ่งเป็นเรื่องที่ AI assistant มีหลักฐานน้อยที่สุดและมีโอกาสคาดเดามากที่สุด คุณภาพโมเดล จึงไม่ใช่แค่ผลประเมินผู้สร้างโมเดล แต่ช่วยชี้ให้เห็นว่าองค์กรยังไม่ได้ตัดสินใจเรื่องใดบ้าง.

การตรวจสอบคุณภาพโมเดลช่วยแสดงรายการกิจกรรมที่ไม่มีเอกสาร บทบาทที่ขาด และข้อผิดพลาดในการสร้างโมเดลให้เห็นชัดเจน

การจัดการเวอร์ชันช่วยให้คุณควบคุมการเปลี่ยนแปลงได้

สถาปัตยกรรมที่เปลี่ยนไปโดยไม่มีบันทึกไม่ใช่แหล่งข้อมูลที่เชื่อถือได้ แต่เป็นเพียงความเห็น ณ เวลานั้น.

แต่ละกระบวนการมีสถานะ เช่น ฉบับร่าง อยู่ระหว่างทบทวน อนุมัติแล้ว ยกเลิกแล้ว หรือเก็บถาวร เมื่อเผยแพร่ ระบบจะสร้างสแนปชอตของเวอร์ชัน และผู้ใช้ที่มีสิทธิ์ดูจะเห็นเวอร์ชันที่เผยแพร่นี้ใน Process Portal ผู้ทบทวนสามารถอนุมัติพร้อมตั้งชื่อเวอร์ชันและเผยแพร่ได้ในขั้นตอนเดียว แค็ตตาล็อกจะแสดงว่าเวอร์ชันใดเป็นปัจจุบัน รายการใดรอการทบทวน และรายการใดล้าสมัย สิ่งที่ การกำกับดูแลสถาปัตยกรรมองค์กร เรียกว่าการทบทวน สถาปัตยกรรมกระบวนการจะทำทุกครั้งที่มีการเปลี่ยนแปลง หากองค์กรมีคณะกรรมการทบทวนสถาปัตยกรรมอยู่แล้ว ก็ใช้แนวปฏิบัติเดิมได้ แต่รอบการทำงานสั้นลง.

ประวัติเวอร์ชัน ช่วยเพิ่มสิ่งสำคัญเมื่อมี AI เข้ามาเกี่ยวข้อง คุณตั้งชื่อสแนปชอต เปรียบเทียบกับฉบับร่าง ตรวจทานการเปลี่ยนแปลงที่จัดกลุ่มไว้ อนุมัติหรือปฏิเสธแต่ละกลุ่ม ย้อนกลับไปยังสถานะก่อนหน้า และเผยแพร่เวอร์ชันที่ต้องการได้ ระบบจะผูกผลการทบทวนไว้กับสแนปชอตที่ใช้พิจารณา การแก้ไขภายหลังจึงไม่สามารถนำการอนุมัติเก่ามาใช้โดยไม่มีการแจ้งให้ทราบ.

เรายึดหลักเดียวกันนี้กับ AI โดยให้ AI assistant ใช้เวอร์ชันที่อนุมัติหรือเผยแพร่แล้ว ไม่ใช่ฉบับร่างที่ผู้ทบทวนยังไม่เห็น ข้อเสนอจาก AI จะเข้ามาเป็นรายการเปลี่ยนแปลงให้ตรวจทาน ไม่ใช่การแก้ไขที่กลายเป็นข้อเท็จจริงเพียงเพราะสะดวก เวอร์ชันคือข้อตกลงระหว่างคนที่ตัดสินใจกับระบบที่อ่านข้อมูล ส่วนรูปแบบการดำเนินงานที่รองรับหลักการนี้ ทั้งการกำหนดเจ้าของ รอบการทบทวน และการอนุมัติการเปลี่ยนแปลง อธิบายไว้ในหัวข้อ การกำกับดูแลกระบวนการ.

ประวัติการเผยแพร่และการควบคุมสถานะช่วยให้เห็นว่าองค์กรอนุมัติกระบวนการเวอร์ชันใดแล้ว

AI ทำอะไรได้บ้างเมื่อสถาปัตยกรรมได้รับอนุมัติแล้ว

เมื่อมีสถาปัตยกรรมที่จัดระเบียบและอนุมัติแล้ว AI assistant จะไม่ให้แค่คำแนะนำทั่วไป แต่ช่วยทำงานที่คุณตรวจสอบได้.

• วิเคราะห์กระบวนการและเสนอแนวทางปรับปรุงที่ควรนำไปทดสอบ พร้อมแสดงหลักฐานประกอบ
• ร่างเอกสารสำหรับกิจกรรม โดยอ้างอิงจากโมเดล สิ่งประกอบกระบวนการ และกระบวนการที่เกี่ยวข้อง
• เสนอการกำหนด RACIโดยใช้บทบาทที่คุณกำหนดไว้แล้ว ให้คนตรวจแก้ได้
• ตอบคำถามเกี่ยวกับภาพรวมกระบวนการ: กระบวนการใดไม่มีเจ้าของ เอกสารขาดตรงไหน และมีอะไรเปลี่ยนไปจากเวอร์ชันที่อนุมัติครั้งล่าสุด
• สร้างโมเดลฉบับแรก หรือสร้างสถาปัตยกรรมฉบับแรกจากเอกสารของคุณ เพื่อให้ทบทวนทีละกระบวนการ
• กำหนดพารามิเตอร์การจำลองและเปรียบเทียบการเปลี่ยนแปลงที่เสนอเข้ากับกระบวนการปัจจุบัน.

งานเหล่านี้ไม่จำเป็นต้องให้ AI assistant มีอำนาจตัดสินใจ แต่ต้องกำหนดขอบเขตให้ทำงานตามสถาปัตยกรรมและขั้นตอนอนุมัติ.

MCP server ช่วยให้ AI assistant ที่รองรับเข้าถึงข้อมูลเหล่านี้ได้ ในแพ็กเกจ Enterprise API key ที่กำหนดขอบเขตจะเปิดให้เข้าถึงกระบวนการและโมเดล BPMN เอกสาร บทบาทและ RACI ข้อมูลบุคลากรและองค์กร สถิติกระบวนการ รวมถึงเครื่องมือวิเคราะห์ของ ProcessMind เครื่องมือเขียนข้อมูลใช้ได้เมื่อ API key มีสิทธิ์เขียน แต่จะส่งกลับเป็นข้อเสนอและแสดงตัวอย่างการทำงานโดยไม่เปลี่ยนข้อมูลจริงก่อนให้คนยืนยัน ระบบบันทึกการเรียกใช้โดยระบุ API key และแสดงใน audit log การอัปโหลดชุดข้อมูล การจับคู่ข้อมูล และการจำลองยังใช้ REST API เพราะเป็นการปฏิบัติการ ไม่ใช่การตัดสินใจ.

นี่คือจุดที่ AI Assistant เข้ามาช่วย โดยตอบคำถามเกี่ยวกับกระบวนการ อ้างอิงแดชบอร์ดและโมเดลที่ใช้ประกอบคำตอบ และแสดงข้อเสนอการเปลี่ยนแปลงในรูปแบบ diff ให้ตรวจทาน AI assistant มีประโยชน์เพราะทำงานภายใต้ขอบเขตที่กำหนด ไม่ใช่แม้จะมีขอบเขตก็ตาม.

Agent กำลังเข้ามาเป็นส่วนหนึ่งของรูปแบบการดำเนินงานด้วย AI assistant ที่ทำงานกับกระบวนการต้องมีเจ้าของ ขอบเขต และตำแหน่งในสถาปัตยกรรม เช่นเดียวกับระบบหรือบทบาท หาก agent เสนอการเปลี่ยนแปลงได้ สถาปัตยกรรมก็ควรระบุว่าใครรับผิดชอบการอนุมัติ วิธีนี้ช่วยกำกับดูแล AI agent ได้โดยไม่ต้องสร้างกรอบการทำงานชุดใหม่ เพราะ agent เป็นอีกสิ่งหนึ่งที่สถาปัตยกรรมของคุณอธิบายไว้.

จะเริ่มต้นอย่างไรโดยไม่ต้องทำทุกอย่างพร้อมกัน?

คุณไม่จำเป็นต้องใส่ข้อมูลทั้งองค์กรลงในสถาปัตยกรรมก่อน AI จะมีประโยชน์ เริ่มจากส่วนหนึ่งที่เชื่อมโยงกันและรองรับการตัดสินใจจริงก็พอ.

1. เลือกสายธารคุณค่าหนึ่งสายและกระบวนการสักสองสามรายการ

   เริ่มจากงานที่คนถกเถียงกันอยู่แล้ว มีเจ้าของงานและผลลัพธ์ที่วัดได้ แค่ขั้นตอนอนุมัติ การส่งต่องาน หรือวงจรแก้งานเพียงจุดเดียวก็เพียงพอที่จะพิสูจน์แนวทางนี้.

2. ระบุเจ้าของและผู้ทบทวนก่อน

   กำหนดบทบาทและ RACI ก่อนเชิญผู้ช่วยเข้ามาใช้งาน ต้องกำหนดอำนาจหน้าที่ให้ชัดเจนก่อนที่ระบบจะอ่านข้อมูลได้ และผู้ตรวจสอบควรเป็นผู้ที่สถาปัตยกรรมต้องรับผิดชอบต่อ.

3. จัดทำเอกสารให้ละเอียดเท่าที่จำเป็น

   ระบุคำอธิบาย บทบาท และขอบเขตที่ชัดเจนให้แต่ละกิจกรรม ตัดสิ่งที่ไม่มีใครใช้ทิ้ง เพราะสถาปัตยกรรมที่ครบถ้วนแต่ไม่มีคนอ่านก็ไม่ต่างจากโฟลเดอร์ที่เก็บแผนผังไว้.

4. ทำให้โมเดลผ่านเกณฑ์คุณภาพ

   แก้ไของค์ประกอบที่ไม่มีป้ายกำกับ ไม่เชื่อมโยง หรือไม่มีเอกสารประกอบ จากนั้นใช้ข้อบกพร่องที่เหลือเป็นรายการงานที่ต้องทำ แทนที่จะมองว่าเป็นเพียงรายการปัญหา.

5. เผยแพร่เวอร์ชันหนึ่งและเชื่อมต่อ AI assistant หนึ่งตัว

   ถามคำถามที่คุณรู้อยู่แล้วว่าคำตอบคืออะไร แล้วเปรียบเทียบคำตอบกับ workspace หากตอบถูก แสดงว่ามีการดูแลแหล่งข้อมูลอย่างเหมาะสม หากตอบผิด แสดงว่ายังมีข้อมูลที่ขาดหาย.

6. กำหนดรอบการทบทวนให้สม่ำเสมอ

   ตรวจดูคุณภาพโมเดล การเปลี่ยนแปลงตั้งแต่เวอร์ชันก่อน และข้อเสนอปรับปรุงจาก AI จากนั้นอนุมัติ ปฏิเสธ หรือเลื่อนแต่ละข้อ พร้อมบันทึกเหตุผล.

ส่วนแรกช่วยพิสูจน์แนวทาง ส่วนที่สองจะทำได้เร็วขึ้น สถาปัตยกรรมจะเติบโตตามการตัดสินใจของคุณ ไม่ใช่ตามโครงการจัดทำเอกสาร.

สถาปัตยกรรมคือข้อตกลงร่วมกัน

AI ทำให้เอกสารมีคุณค่ามากขึ้น ไม่ใช่น้อยลง โมเดลที่เคยมีประโยชน์แค่ในเวิร์กช็อป ตอนนี้มีผลต่อคำตอบที่ AI assistant ทุกตัวในบริษัทจะให้เกี่ยวกับวิธีทำงาน.

องค์กรที่ใช้ AI ได้ประโยชน์ไม่ใช่องค์กรที่มี agent มากที่สุด แต่เป็นองค์กรที่มีความรู้ชัดเจน มีเจ้าของ เป็นปัจจุบัน และได้รับอนุมัติ พร้อมช่องทางให้คนค้นดูและให้ AI assistant เข้าถึงได้.

นี่คือการแบ่งหน้าที่ที่เราเชื่อมั่น AI อ่าน ร่าง และตรวจสอบ ส่วนคนตัดสินใจว่าอะไรคือข้อเท็จจริง สถาปัตยกรรมคือข้อตกลงระหว่างทั้งสองฝ่าย.