ເມື່ອໂຄງການ DX ໄດ້ຮັບການອະນຸມັດງົບປະມານໃນລາວ ແລະ ເຂົ້າສູ່ໄລຍະການດຳເນີນງານແລ້ວ ແຕ່ກັບມາຢຸດສະງັກຢູ່ໜ້າວຽກຕົວຈິງ — ຜູ້ຮັບຜິດຊອບຫຼາຍຄົນກຳລັງປະເຊີນກັບອຸປະສັກນີ້. ເບື້ອງຫຼັງຂອງບັນຫາດັ່ງກ່າວແມ່ນຂໍ້ຈຳກັດທາງໂຄງສ້າງ ເຊັ່ນ: ການຂາດແຄນບຸກຄະລາກອນດ້ານ IT, ເຄື່ອງມືທີ່ຮອງຮັບພາສາລາວມີໜ້ອຍ, ແລະ ສະພາບແວດລ້ອມ ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ທີ່ແຕກຕ່າງກັນຢ່າງສິ້ນເຊີງລະຫວ່າງເຂດຕົວເມືອງ ແລະ ຊົນນະບົດ. ບົດຄວາມນີ້ຈະອະທິບາຍກ່ຽວກັບ 5 ອຸປະສັກ ແລະ ຂັ້ນຕອນການທະລຸຜ່ານບັນຫາເຫຼົ່ານັ້ນ ໂດຍເນັ້ນໃສ່ ຂັ້ນຕອນການປະຕິບັດທີ່ສາມາດເລີ່ມຕົ້ນໄດ້ຕັ້ງແຕ່ອາທິດນີ້. ເນື້ອຫານີ້ແມ່ນສຳລັບຜູ້ຮັບຜິດຊອບທີ່ຕ້ອງການກຳນົດລຳດັບຄວາມສຳຄັນຂອງໜ້າວຽກ ຫຼັງຈາກທີ່ໄດ້ທຳຄວາມເຂົ້າໃຈ ພາບລວມຂອງການນຳໃຊ້ AI ແລ້ວ.

ແຜນວາດ DX ທີ່ຝ່າຍບໍລິຫານວາງໄວ້ມັກຈະອີງໃສ່ກໍລະນີສຶກສາທີ່ປະສົບຄວາມສຳເລັດໃນໄທ ຫຼື ຫວຽດນາມ. ຢ່າງໃດກໍຕາມ, ໃນໜ້າວຽກຕົວຈິງທີ່ລາວ, ຂໍ້ຈຳກັດໃນການປະຕິບັດງານມັກຈະປາກົດໃຫ້ເຫັນຢ່າງຈະແຈ້ງ.

• ບໍ່ມີພະນັກງານ IT ໂດຍສະເພາະ: ບໍ່ແມ່ນເລື່ອງແປກທີ່ຜູ້ບໍລິຫານທີ່ຮັບຜິດຊອບວຽກງານ DX ຕ້ອງຮັບຜິດຊອບທັງການເລືອກເທັກໂນໂລຢີໄປຈົນເຖິງການເຈລະຈາກັບຜູ້ສະໜອງດ້ວຍຕົນເອງ.
• ການໃຊ້ງົບປະມານມີຈຳກັດ: ເຖິງວ່າຈະໄດ້ຮັບການອະນຸມັດຄ່າໃຊ້ຈ່າຍໃນການນຳໃຊ້ເຄື່ອງມື ແຕ່ມັກຈະບໍ່ລວມເຖິງຄ່າໃຊ້ຈ່າຍໃນການສ້າງລະບົບການດຳເນີນງານ ຫຼື ຄ່າຝຶກອົບຮົມ.
• ໄລຍະເວລາຂອງຜົນສຳເລັດສັ້ນເກີນໄປ: ມີການຮຽກຮ້ອງໃຫ້ເຫັນຜົນສຳເລັດພາຍໃນ 6 ເດືອນ ຫາ 1 ປີ ແຕ່ການປັບປຸງ ໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ແລະ ການຍົກລະດັບຄວາມຮູ້ຄວາມສາມາດນັ້ນຕ້ອງໃຊ້ເວລາ.

ນີ້ບໍ່ແມ່ນຍ້ອນຄວາມສາມາດຂອງຜູ້ຮັບຜິດຊອບບໍ່ພຽງພໍ, ແຕ່ເປັນຍ້ອນ ຄວາມບໍ່ສອດຄ່ອງຂອງເງື່ອນໄຂເບື້ອງຕົ້ນ. ຖ້າຂ້າມຂັ້ນຕອນການປະເມີນວ່າ "ໜ້າວຽກຕົວຈິງຍັງຂາດຫຍັງແດ່" ກ່ອນເລີ່ມໂຄງການ ແລະ ບໍ່ໄດ້ນຳສະເໜີຄວາມຈຳເປັນຂອງຊັບພະຍາກອນເພີ່ມເຕີມໃຫ້ຝ່າຍບໍລິຫານຢ່າງເປັນຮູບປະທຳ, ບໍ່ວ່າຈະນຳໃຊ້ເຄື່ອງມືໃດເຂົ້າມາ ກໍຈະບໍ່ສາມາດສ້າງໃຫ້ເກີດຄວາມຍືນຍົງໄດ້.

ຂໍ້ຈຳກັດທາງໂຄງສ້າງທີ່ຂັດຂວາງການຂັບເຄື່ອນ DX ໃນລາວ ສາມາດແບ່ງອອກໄດ້ເປັນ 5 ປະການໃຫຍ່ໆ ດັ່ງນີ້:

ລັດຖະບານລາວມີເປົ້າໝາຍທີ່ຈະເພີ່ມອັດຕາສ່ວນ GDP ຂອງເສດຖະກິດດິຈິຕອນ ໂດຍຜ່ານ "ວິໄສທັດການພັດທະນາເສດຖະກິດດິຈິຕອນແຫ່ງຊາດ", ແຕ່ໃນພາກປະຕິບັດຕົວຈິງຂອງພາກເອກະຊົນ, ອຸປະສັກເຫຼົ່ານີ້ພວມສົ່ງຜົນກະທົບແບບປະສົມປະສານ. ໃນບົດຄວາມນີ້, ພວກເຮົາຈະອະທິບາຍຂັ້ນຕອນຕາມລຳດັບດັ່ງນີ້:

1. ການກວດສອບເງື່ອນໄຂເບື້ອງຕົ້ນ — ການປະເມີນໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ແລະ ຄວາມຮູ້ຄວາມສາມາດ (Literacy)
2. ການຮອງຮັບດ້ານພາສາ — ການຄັດເລືອກເຄື່ອງມືພາສາລາວ ແລະ ການຄົ້ນຫາຄວາມຮູ້ພາຍໃນອົງກອນ
3. ການຂາດແຄນບຸກຄະລາກອນ — ການນຳໃຊ້ເຄື່ອງມື No-code ແລະ ການນຳໃຊ້ຊັບພະຍາກອນຈາກພາຍນອກ
4. ການຈັດຕັ້ງຂໍ້ມູນ — ການເລີ່ມຕົ້ນຂະໜາດນ້ອຍຈາກຂົງເຂດທີ່ມີຄວາມສຳຄັນສູງ
5. ການສ້າງຄວາມໝັ້ນຄົງ ແລະ ກົດລະບຽບ — ການອອກແບບເພື່ອໃຫ້ເກີດຜົນສຳເລັດຢ່າງວ່ອງໄວ (Quick Win) ແລະ ການປະຕິບັດຕາມຂໍ້ກຳນົດ (Compliance)

ກ່ອນທີ່ຈະເຂົ້າສູ່ຂັ້ນຕອນທີ່ເປັນຮູບປະທຳຂອງ DX, ຈຳເປັນຕ້ອງໄດ້ຮັບຮູ້ສະພາບການໃນປັດຈຸບັນຂອງບໍລິສັດຕົນເອງຢ່າງຖືກຕ້ອງ. ໃນປະເທດລາວ, ສະພາບແວດລ້ອມດ້ານໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure ລະຫວ່າງເຂດຕົວເມືອງ ແລະ ເຂດຊົນນະບົດມີຄວາມແຕກຕ່າງກັນຫຼາຍ, ສະນັ້ນ ຈຶ່ງມັກເກີດສະຖານະການທີ່ວ່າ "ໃຊ້ງານໄດ້ໃນນະຄອນຫຼວງວຽງຈັນ ແຕ່ບໍ່ສາມາດໃຊ້ງານໄດ້ໃນສາຂາຕ່າງແຂວງ" ຢູ່ເລື້ອຍໆ.

ອັດຕາການເຂົ້າເຖິງອິນເຕີເນັດຂອງລາວໄດ້ເກີນ 63% ແລ້ວ ແລະ ຂໍ້ມູນທີ່ເປີດຕົວ ຫຼື Launch ໄດ້ລະບຸວ່າຄວາມໄວອິນເຕີເນັດບຣອດແບນແບບມີສາຍໂດຍທົ່ວໄປໄດ້ປັບປຸງຂຶ້ນມາຢູ່ທີ່ລະດັບ 30Mbps. ຢ່າງໃດກໍຕາມ, ຄວາມແຕກຕ່າງຂອງປະສົບການການໃຊ້ງານລະຫວ່າງເຂດຕົວເມືອງ ແລະ ຊົນນະບົດຍັງມີຫຼາຍຢູ່. ນອກຈາກນີ້, 5G ກໍໄດ້ເລີ່ມເປີດຕົວ ຫຼື Launch ໃນນະຄອນຫຼວງວຽງຈັນ ແລະ ບາງແຂວງແລ້ວ. ກ່ອນທີ່ຈະນຳເຄື່ອງມືຕ່າງໆມາໃຊ້, ຄວນກວດສອບຄວາມພ້ອມຂອງແຕ່ລະສາຂາໃຫ້ດີເສຍກ່ອນ.

ລາຍການກວດສອບໂຄງສ້າງພື້ນຖານ ຫຼື Infrastructure

• ໄດ້ວັດແທກຄວາມໄວອິນເຕີເນັດຂອງແຕ່ລະສາຂາແລ້ວຫຼືບໍ່ (ເຊັ່ນ: Speedtest)
• ສາມາດເຂົ້າເຖິງບໍລິການ Cloud ໄດ້ຢ່າງສະຖຽນລະພາບຫຼືບໍ່
• ມີລະບົບໄຟຟ້າສຳຮອງໃນກໍລະນີໄຟຟ້າດັບຫຼືບໍ່
• ສາມາດໃຊ້ເຄືອຂ່າຍມືຖືເປັນລະບົບສຳຮອງໄດ້ຫຼືບໍ່

ມາດຕະຖານການຕັດສິນໃຈໃນການນຳໃຊ້ຕາມຄວາມໄວອິນເຕີເນັດ (ເປັນມາດຕະຖານໃນການປະຕິບັດງານຕົວຈິງ ບໍ່ແມ່ນມາດຕະຖານທາງການ)

ໃນກໍລະນີທີ່ສາຂາໃນຕ່າງແຂວງມີຄວາມໄວອິນເຕີເນັດບໍ່ພຽງພໍ, ຂໍໃຫ້ພິຈາລະນາການນຳໃຊ້ Bangkok Region ໂດຍອ້າງອີງຈາກ ຄູ່ມືການຍ້າຍລະບົບຂຶ້ນ Cloud.

ໃນປະເທດລາວ, ອັດຕາສ່ວນຂອງບຸກຄະລາກອນທີ່ໄດ້ຮັບການສຶກສາດ້ານທັກສະ ICT ຍັງຢູ່ໃນລະດັບຕໍ່າເມື່ອທຽບກັບພາກພື້ນ ASEAN, ສະນັ້ນ ຈຶ່ງຈຳເປັນຕ້ອງວາງແຜນໂດຍອີງໃສ່ພື້ນຖານທີ່ວ່າ ພະນັກງານສ່ວນໃຫຍ່ "ສາມາດໃຊ້ງານ PC ເບື້ອງຕົ້ນໄດ້ ແຕ່ບໍ່ເຄີຍໃຊ້ເຄື່ອງມື Cloud ມາກ່ອນ". ໃຫ້ແບ່ງກຸ່ມພະນັກງານໃນບໍລິສັດອອກເປັນ 3 ລະດັບ ດັ່ງນີ້:

ວິທີການປະເມີນ: ແຈກຢາຍແບບຟອມປະເມີນຕົນເອງ 10 ຂໍ້ທີ່ເປັນພາສາລາວໃຫ້ພະນັກງານທຸກຄົນ, ໂດຍຕັດສິນຈາກການປະຕິບັດງານຕົວຈິງ ເຊັ່ນ: "ສາມາດປ້ອນຂໍ້ມູນໃສ່ Excel ໄດ້ຫຼືບໍ່", "ສາມາດອັບໂຫຼດໄຟລ໌ຂຶ້ນ Google Drive ໄດ້ຫຼືບໍ່". ຈາກນັ້ນ, ໃຫ້ລວມອັດຕາສ່ວນ A/B/C ຂອງແຕ່ລະພະແນກ ເພື່ອໃຊ້ເປັນຂໍ້ມູນໃນການຕັດສິນໃຈເລືອກເຄື່ອງມື.

ການນຳເອົາ Cloud ERP ມາໃຊ້ໃນພະແນກທີ່ພະນັກງານສ່ວນໃຫຍ່ຢູ່ໃນລະດັບ A ມັກຈະເຮັດໃຫ້ອັດຕາການນຳໃຊ້ງານຈິງຫຼຸດລົງຢ່າງຫຼວງຫຼາຍ. ດັ່ງນັ້ນ, ວິທີການທີ່ມີປະສິດທິຜົນຄື ການເລີ່ມຕົ້ນຈາກ ການນຳໃຊ້ AI ດ້ວຍສະມາດໂຟນພຽງເຄື່ອງດຽວ ແລ້ວຈຶ່ງຄ່ອຍໆເພີ່ມຄວາມຊັບຊ້ອນຂອງເຄື່ອງມືຂຶ້ນຕາມລຳດັບ.

ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກຂອງບັນຫານີ້ ບໍ່ໄດ້ຢູ່ທີ່ການຂາດແຄນເຄື່ອງມືເທົ່ານັ້ນ ແຕ່ຢູ່ທີ່ການຮັບປະກັນການອອກແບບພາສາທີ່ໜ້າວຽກສາມາດນຳໃຊ້ໄດ້ຢ່າງຕໍ່ເນື່ອງ. SaaS ລະດັບໂລກສ່ວນຫຼາຍບໍ່ໄດ້ສະໜອງ UI ພາສາລາວ, ຖ້ານຳໃຊ້ໂດຍຍັງຄົງເປັນ UI ພາສາອັງກິດ ຈະເຮັດໃຫ້ໜ້າວຽກຫຼີກລ່ຽງ ແລະ ລະບົບກາຍເປັນພຽງຮູບແບບທີ່ບໍ່ໄດ້ນຳໃຊ້ຈິງ.

ການປະເມີນ 3 ດ້ານ: (1) ການມີ UI ພາສາລາວ ຫຼື ຄວາມສາມາດໃນການປັບແຕ່ງການແປ, (2) ການປ້ອນຂໍ້ມູນ, ການຄົ້ນຫາ ແລະ ການຈັດລຽງຕົວອັກສອນລາວເຮັດວຽກໄດ້ຢ່າງປົກກະຕິ, (3) ລະບົບການສະໜັບສະໜູນເປັນພາສາລາວ ຫຼື ພາສາອັງກິດ.

ຂັ້ນຕອນການຄັດເລືອກ

1. ການກວດສອບການໃຊ້ງານຈິງຂອງ Global SaaS: ການຮອງຮັບ UI ພາສາລາວຂອງ SaaS ຫຼັກໆນັ້ນມີຄວາມແຕກຕ່າງກັນຫຼາຍໃນແຕ່ລະຜະລິດຕະພັນ ເຊິ່ງຍັງບໍ່ສາມາດເວົ້າໄດ້ວ່າຮອງຮັບຢ່າງຄົບຖ້ວນ. ໂດຍສະເພາະ Microsoft 365 ແລະ Slack ບໍ່ສາມາດຖືເອົາຂໍ້ມູນທາງການມາເປັນຕົວຕັ້ງໃນການຮອງຮັບ UI ພາສາລາວໄດ້, ດັ່ງນັ້ນຕ້ອງທົດສອບການໃຊ້ງານຈິງຜ່ານການທົດລອງໃຊ້ຟຣີ (Free Trial) ສະເໝີ.
2. ການສຳຫຼວດເຄື່ອງມືພາຍໃນປະເທດ: ຊອບແວບັນຊີ ແລະ ການຈັດການສາງຂອງຜູ້ໃຫ້ບໍລິການ IT ພາຍໃນປະເທດລາວມີການຮອງຮັບພາສາລາວແບບ Native. ແນວໃດກໍຕາມ, ເນື່ອງຈາກຟັງຊັນມີຈຳກັດ ຈຶ່ງຄວນຕັ້ງເປົ້າໝາຍໃນການນຳໃຊ້ຮ່ວມກັບ Global SaaS.
3. ການເພີ່ມຊັ້ນການແປພາສາ (Translation Layer): ມີຫຼາຍກໍລະນີທີ່ສາມາດຍົກລະດັບການໃຊ້ງານໃຫ້ຢູ່ໃນລະດັບທີ່ນຳໄປໃຊ້ໄດ້ຈິງ ໂດຍການນຳໃຊ້ເຄື່ອງມືທີ່ມີ UI ເປັນພາສາອັງກິດຄູ່ກັບຄູ່ມືພາຍໃນບໍລິສັດ (ພາສາລາວ).

ເຄື່ອງມືທີ່ມີ UI ເປັນພາສາອັງກິດມັກຈະມີອັດຕາການນຳໃຊ້ທີ່ຫຼຸດລົງຢ່າງຫຼວງຫຼາຍໃນອົງກອນທີ່ມີພະນັກງານສ່ວນໃຫຍ່ຢູ່ໃນລະດັບຄວາມຮູ້ພື້ນຖານ (Literacy Level A). ໃນປະເທດລາວ, ພະນັກງານມັກຈະຮັບຜິດຊອບຫຼາຍໜ້າທີ່ ແລະ ພາລະໃນການຝຶກອົບຮົມເບື້ອງຕົ້ນກໍສູງກວ່າປະເທດອື່ນ, ດັ່ງນັ້ນຄວນໃຫ້ຄວາມສຳຄັນກັບການຮອງຮັບດ້ານພາສາເປັນອັນດັບຕົ້ນໆ.

ວິທີການທີ່ມີປະສິດທິຜົນໃນການທະລຸຂີດຈຳກັດດ້ານພາສາ ຄືການນຳເອົາຄູ່ມືພາຍໃນບໍລິສັດ ແລະ ເອກະສານຂັ້ນຕອນການປະຕິບັດງານມາບັນຈຸເຂົ້າໃນລະບົບໂດຍໃຊ້ພາສາລາວ ເພື່ອໃຫ້ພະນັກງານສາມາດຖາມ-ຕອບເປັນພາສາລາວໄດ້. ໃນວິທີການທີ່ເອີ້ນວ່າ RAG (Retrieval-Augmented Generation) ນີ້, ເອກະສານພາຍໃນທີ່ມີຢູ່ແລ້ວຈະຖືກຈັດຮຽງໃຫ້ຢູ່ໃນຮູບແບບທີ່ສາມາດຄົ້ນຫາໄດ້ ແລະ AI ຈະສ້າງຄຳຕອບໂດຍອີງໃສ່ຂໍ້ມູນທີ່ກ່ຽວຂ້ອງ.

ເຖິງແມ່ນວ່າ LLM ຫຼັກໆຢ່າງ GPT ຫຼື Claude ຈະຮອງຮັບການປະມວນຜົນຫຼາຍພາສາ, ແຕ່ຄຸນນະພາບໃນການສ້າງ ແລະ ເຂົ້າໃຈພາສາລາວນັ້ນມີຄວາມແຕກຕ່າງກັນໄປຕາມຮູບແບບ (Model) ແລະ ຈຸດປະສົງການນຳໃຊ້, ດັ່ງນັ້ນກ່ອນການນຳໃຊ້ຈິງ ຈຶ່ງຈຳເປັນຕ້ອງມີການປະເມີນຄຸນນະພາບຂອງຄຳຕອບໂດຍເຈົ້າຂອງພາສາລາວ. ສຳລັບລາຍລະອຽດກ່ຽວກັບໂຄງສ້າງທາງດ້ານເຕັກນິກ ແລະ ຂັ້ນຕອນການຈັດຕັ້ງປະຕິບັດ, ກະລຸນາເບິ່ງທີ່ ຄູ່ມືການສ້າງ AI Chatbot ພາສາລາວ.

ໃນປະເທດລາວ, ອັດຕາສ່ວນແຮງງານໃນຂະແໜງ ICT ຍັງຖືວ່າຕໍ່າເມື່ອທຽບກັບພາຍໃນພາກພື້ນ ASEAN, ເຮັດໃຫ້ການຈັດຫາບຸກຄະລາກອນທີ່ມີຄວາມສາມາດໃນການອອກແບບ, ສ້າງ ແລະ ດຳເນີນງານລະບົບພາຍໃນບໍລິສັດນັ້ນເປັນເລື່ອງຍາກ. ການພຽງແຕ່ "ຈ້າງບຸກຄະລາກອນດ້ານ IT" ອາດຈະປະສົບກັບຂໍ້ຈຳກັດຂອງຕະຫຼາດແຮງງານ, ດັ່ງນັ້ນ ວິທີການທີ່ເປັນໄປໄດ້ຫຼາຍທີ່ສຸດຄືການປະສົມປະສານລະຫວ່າງ ການຫຼຸດຜ່ອນອຸປະສັກທາງດ້ານເຕັກນິກດ້ວຍເຄື່ອງມື No-code ແລະ ການເສີມຈຸດອ່ອນຂອງການຜະລິດພາຍໃນດ້ວຍຊັບພະຍາກອນພາຍນອກ.

ດ້ວຍເຄື່ອງມືອັດຕະໂນມັດແບບ No-code/Low-code ເຊັ່ນ n8n, ທ່ານສາມາດສ້າງລະບົບອັດຕະໂນມັດໃນການເຮັດວຽກໄດ້ໂດຍບໍ່ຈຳເປັນຕ້ອງມີຄວາມຮູ້ດ້ານການຂຽນໂປຣແກຣມ. ເນື່ອງຈາກເປັນ Open-source ແລະ ສາມາດໂຮສຕິງ (Hosting) ໄວ້ໃນເຊີບເວີຂອງບໍລິສັດເອງໄດ້, ຈຶ່ງສາມາດດຳເນີນງານໄດ້ໂດຍບໍ່ຕ້ອງສົ່ງຂໍ້ມູນອອກໄປພາຍນອກ ເຊິ່ງເປັນຈຸດທີ່ເໝາະສົມສຳລັບບໍລິສັດໃນລາວ.

ຕົວຢ່າງວຽກທີ່ງ່າຍຕໍ່ການເຮັດອັດຕະໂນມັດ: ການນຳເຂົ້າໄຟລ໌ PDF ໃບແຈ້ງໜີ້ໂດຍອັດຕະໂນມັດ ແລະ ຄັດລອກຂໍ້ມູນລົງໃນສະເປຣດຊີດ (Spreadsheet), ການແຈ້ງເຕືອນຜ່ານແຊັດເມື່ອຈຳນວນສິນຄ້າໃນສະຕັອກຫຼຸດລົງຕໍ່າກວ່າເກນທີ່ກຳນົດ, ການສະຫຼຸບຍອດຂາຍປະຈຳວັນ ແລະ ການສົ່ງລາຍງານໂດຍອັດຕະໂນມັດ, ການຈັດໝວດໝູ່ເນື້ອຫາການສອບຖາມດ້ວຍ AI ແລະ ການສົ່ງຂໍ້ມູນຕໍ່ໃຫ້ພະແນກທີ່ກ່ຽວຂ້ອງໂດຍອັດຕະໂນມັດ.

3 ຂັ້ນຕອນໃນການເລີ່ມຕົ້ນ: (1) ລາຍຊື່ວຽກທີ່ຕ້ອງເຮັດຊ້ຳໆທຸກມື້, ວຽກທີ່ຕ້ອງກັອບປີ້-ວາງ (Copy & Paste) ຫຼາຍ, ຫຼື ວຽກທີ່ຫາກລືມແລ້ວຈະເກີດບັນຫາ, (2) ເລືອກວຽກທີ່ງ່າຍທີ່ສຸດ ແລະ ມີຜົນກະທົບສູງທີ່ສຸດມາເຮັດອັດຕະໂນມັດ, (3) ປ່ຽນເວລາທີ່ຫຼຸດລົງໃຫ້ເປັນຕົວເລກແລ້ວນຳໄປແບ່ງປັນໃຫ້ກັບຝ່າຍບໍລິຫານ ແລະ ພະແນກອື່ນໆ ເພື່ອຂະຫຍາຍຜົນ. ທ່ານສາມາດເບິ່ງ ວິທີການນຳໃຊ້ n8n ຢ່າງລະອຽດ ເພີ່ມເຕີມໄດ້.

ສຳລັບຂົງເຂດທີ່ເຄື່ອງມື No-code ບໍ່ສາມາດຮອງຮັບໄດ້ ເຊັ່ນ: ການສ້າງລະບົບ RAG, ການເຊື່ອມຕໍ່ API ກັບລະບົບທີ່ມີຢູ່ເດີມ, ແລະ ການອອກແບບຄວາມປອດໄພນັ້ນ, ການນຳໃຊ້ຊັບພະຍາກອນພາຍນອກແມ່ນສິ່ງທີ່ຂາດບໍ່ໄດ້. ຢ່າງໃດກໍຕາມ, ຄວນເລືອກ Hybrid BPO ທີ່ປະສານລະຫວ່າງ AI ແລະ ມະນຸດ ແທນທີ່ຈະເປັນ "ການມອບໝາຍວຽກແບບ BPO ດັ້ງເດີມ". ໂດຍການໃຫ້ AI ອັດຕະໂນມັດໃນວຽກງານປະຈຳ ແລະ ໃຫ້ມະນຸດຮັບຜິດຊອບໃນສ່ວນທີ່ຕ້ອງໃຊ້ການຕັດສິນໃຈ, ຈະສາມາດຄວບຄຸມຕົ້ນທຶນພາຍນອກພ້ອມທັງຮັບປະກັນຄຸນນະພາບໄດ້.

ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ໃນການອອກແບບ: ໃນເບື້ອງຕົ້ນໃຫ້ມອບໝາຍວຽກທັງໝົດໃຫ້ພາຍນອກ, ແລະ ເມື່ອມີການສະສົມຄວາມຮູ້ (Know-how) ແລ້ວ ຈຶ່ງຄ່ອຍໆປ່ຽນມາເປັນການດຳເນີນງານພາຍໃນອົງກອນ. ໃນເວລາເຮັດສັນຍາ ຄວນລະບຸໃຫ້ຊັດເຈນກ່ຽວກັບ "ການສ້າງຄູ່ມືການປະຕິບັດງານ" ແລະ "ການແບ່ງປັນຄວາມຮູ້ປະຈຳເດືອນ" ເພື່ອປ້ອງກັນບໍ່ໃຫ້ເກີດບັນຫາ Black box. ຄວນກຳນົດໃຫ້ການສື່ສານ ແລະ ການສ້າງຜົນງານເປັນພາສາລາວໄດ້, ລວມເຖິງການມີປະສົບການໃນການນຳໃຊ້ AI ເປັນມາດຕະຖານໃນການຄັດເລືອກ. ສາມາດເບິ່ງຂັ້ນຕອນການນຳໃຊ້ໄດ້ທີ່ ຄູ່ມືລາຍລະອຽດກ່ຽວກັບ Hybrid BPO.

ການຕັດສິນໃຈທີ່ວ່າ "ບໍ່ສາມາດໃຊ້ AI ໄດ້ ເພາະບໍ່ມີຂໍ້ມູນ" ນັ້ນຖືວ່າໄວເກີນໄປ. ບໍ່ຈຳເປັນຕ້ອງເຮັດໃຫ້ຂໍ້ມູນທັງໝົດກາຍເປັນດິຈິຕອນ, ແຕ່ສາມາດເລີ່ມຕົ້ນແບບຂະໜາດນ້ອຍ (Small start) ດ້ວຍວິທີການ ຈັດກຽມຂໍ້ມູນໂດຍໃຫ້ຄວາມສຳຄັນກັບຂົງເຂດທີ່ມີຜົນກະທົບສູງກ່ອນ.

ການພະຍາຍາມປ່ຽນຂໍ້ມູນທັງໝົດໃຫ້ເປັນດິຈິຕອນໃນຄັ້ງດຽວຈະເຮັດໃຫ້ໃຊ້ແຮງງານມະຫາສານ ແລະ ປະສົບກັບຄວາມລົ້ມເຫຼວ. ໃຫ້ຕັດສິນໃຈລຳດັບການດຳເນີນງານໂດຍໃຊ້ຕາຕະລາງມາຕຣິກ (Matrix) ດັ່ງລຸ່ມນີ້:

ຕົວຢ່າງທີ່ເປັນຮູບປະທຳສຳລັບວຽກທີ່ສຳຄັນທີ່ສຸດ: ການຖ່າຍຮູບໃບແຈ້ງໜີ້ທີ່ເປັນເຈ້ຍດ້ວຍສະມາດໂຟນ ແລ້ວໃຊ້ OCR ເພື່ອໂອນຂໍ້ມູນເຂົ້າສະເປຣດຊີດໂດຍອັດຕະໂນມັດ, ການປ່ຽນຈາກການໃຊ້ບັດລົງເວລາແບບເຈ້ຍມາເປັນການລົງເວລາຜ່ານແອັບພລິເຄຊັນໃນສະມາດໂຟນ, ການປ່ຽນຈາກການນັບສະຕັອກດ້ວຍສາຍຕາມາເປັນການສະແກນບາໂຄດ.

ຂັ້ນຕອນການປະຕິບັດງານ: (1) ສຳຫຼວດວ່າແຕ່ລະພະແນກມີການບັນທຶກຫຍັງ, ຢູ່ໃສ ແລະ ໃນຮູບແບບໃດ, (2) ເຮັດໃຫ້ແມ່ແບບສະເປຣດຊີດ ແລະ ກົດລະບຽບການປ້ອນຂໍ້ມູນເປັນເອກະພາບກັນ, (3) ກຳນົດຜູ້ຮັບຜິດຊອບການປ້ອນຂໍ້ມູນ ແລະ ຄວາມຖີ່ໃນການປ້ອນ ເພື່ອບັນຈຸເຂົ້າໃນວຽກງານປະຈຳວັນ, (4) ກວດສອບຂໍ້ມູນທີ່ຂາດຫາຍ ຫຼື ຄ່າທີ່ຜິດປົກກະຕິເປັນລາຍອາທິດ. ໃນປະເທດລາວ, ຮູບແບບຂອງ Excel ມັກຈະແຕກຕ່າງກັນໄປໃນແຕ່ລະພະແນກ, ສະນັ້ນການເຮັດໃຫ້ເປັນເອກະພາບກັນຈຶ່ງຖືເປັນ ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ບາດກ້າວທຳອິດທີ່ສຳຄັນ.

ຄວາມເຂົ້າໃຈຜິດທີ່ວ່າ "ຂໍ້ມູນໜ້ອຍເກີນໄປ ຈຶ່ງບໍ່ສາມາດໃຊ້ AI ໄດ້" ນັ້ນຍັງຄົງຝັງຮາກເລິກ, ແຕ່ຄວາມຈິງແລ້ວມີຮູບແບບທີ່ສາມາດນຳໃຊ້ໄດ້ເຖິງແມ່ນວ່າຈະມີຂໍ້ມູນໜ້ອຍ (Small Data) ກໍຕາມ.

ຮູບແບບທີ 1: ການຊ່ວຍເຫຼືອດ້ານການສ້າງເອກະສານ ແລະ ການແປພາສາໂດຍ Generative AI — ບໍ່ຈຳເປັນຕ້ອງມີຂໍ້ມູນສຳລັບການຮຽນຮູ້ (Learning Data). ພຽງແຕ່ສົ່ງບໍລິບົດການເຮັດວຽກພາຍໃນບໍລິສັດຜ່ານ Prompt ກໍສາມາດເພີ່ມປະສິດທິພາບໃນການແປພາສາ ຍີ່ປຸ່ນ ⇔ ລາວ, ການຮ່າງເອກະສານສະເໜີ, ແລະ ການສ້າງຄູ່ມືການເຮັດວຽກພາຍໃນບໍລິສັດສະບັບພາສາລາວໄດ້.

ຮູບແບບທີ 2: ການຈັດໝວດໝູ່ແບບປະສົມປະສານລະຫວ່າງ Rule-based ແລະ ການຕັດສິນໃຈຂອງ AI — ການນຳເອົາກົດເກນຈຳນວນໜ້ອຍມາປະສົມປະສານກັບການຕັດສິນໃຈຂອງ Generative AI, ຈະສາມາດເຮັດໃຫ້ການຈັດລຳດັບຄວາມສຳຄັນຂອງອີເມວສອບຖາມ, ການຈັດແບ່ງບັນຊີໃບແຈ້ງໜີ້ ແລະ ອື່ນໆ ເປັນໄປໂດຍອັດຕະໂນມັດ.

ຮູບແບບທີ 3: ການຄົ້ນຫາຄວາມຮູ້ພາຍໃນບໍລິສັດດ້ວຍ RAG — ພຽງແຕ່ຈັດລະບຽບເອກະສານພາຍໃນທີ່ມີຢູ່ໃຫ້ຢູ່ໃນຮູບແບບທີ່ສາມາດຄົ້ນຫາໄດ້, ກໍສາມາດໄດ້ຮັບຄວາມຖືກຕ້ອງໃນການຄົ້ນຫາທີ່ນຳໄປໃຊ້ງານໄດ້ຈິງ ເຖິງແມ່ນວ່າຈະມີເອກະສານພຽງແຕ່ຫຼັກສິບສະບັບກໍຕາມ.

ທັງໝົດນີ້ ຄວນເລີ່ມຕົ້ນໂດຍການຈຳກັດຂອບເຂດໃຫ້ຢູ່ພຽງ 1 ພະແນກ ຫຼື 1 ວຽກງານ ເພື່ອທົດລອງ ແລະ ກວດສອບປະສິດທິຜົນກ່ອນທີ່ຈະຂະຫຍາຍຂອບເຂດອອກໄປ.

ເຖິງວ່າການນຳເຄື່ອງມືມາໃຊ້ຈະສາມາດເຮັດໄດ້ໃນທາງເຕັກນິກ, ແຕ່ຖ້າຜູ້ໃຊ້ປະຕິເສດ ກໍຈະບໍ່ສາມາດນຳມາໃຊ້ງານໄດ້ຢ່າງຍືນຍົງ. ໃນປະເທດລາວ, ຫຼາຍບໍລິສັດມີປະສົບການທີ່ລະບົບຖືກນຳມາໃຊ້ແບບບັງຄັບຈາກເບື້ອງເທິງ (Top-down) ແລ້ວບໍ່ໄດ້ນຳມາໃຊ້ງານຈິງ, ເຮັດໃຫ້ການຂໍຄວາມຮ່ວມມືຈາກໜ້າວຽກຕົວຈິງອາດມີຄວາມຫຍຸ້ງຍາກຫຼາຍກວ່າປະເທດອື່ນ.

ພະນັກງານໜ້າວຽກມີຄວາມຮູ້ສຶກຕໍ່ຕ້ານເຄື່ອງມືດິຈິຕອນ ເນື່ອງຈາກມີ 3 ປັດໄຈທາງດ້ານຈິດໃຈດັ່ງນີ້:

1. ຄວາມກັງວົນດ້ານການຈ້າງງານ — AI ແລະ ເຄື່ອງມືດິຈິຕອນ ມັກຖືກຮັບຮູ້ວ່າເຊື່ອມໂຍງກັບ "ການຫຼຸດຈຳນວນພະນັກງານ". ໃນລາວ, ພະນັກງານຫຼາຍຄົນຍັງເປັນຜູ້ຫາລາຍໄດ້ຫຼັກເພື່ອລ້ຽງດູຄອບຄົວ. → ຕ້ອງສື່ສານໃຫ້ພະນັກງານເຂົ້າໃຈເຖິງຜົນປະໂຫຍດຂອງ DX ວ່າບໍ່ແມ່ນ "ການມາແທນທີ່ການເຮັດວຽກ" ແຕ່ເປັນ "ການຍົກລະດັບຄຸນນະພາບຂອງວຽກງານ".

2. ຕົ້ນທຶນໃນການຮຽນຮູ້ — ໃນຂະນະທີ່ຕ້ອງແລ່ນນຳວຽກປະຈຳວັນ, ພະນັກງານບໍ່ມີເວລາຫວ່າງພໍທີ່ຈະຮຽນຮູ້ເຄື່ອງມືໃໝ່. → ຄວນຈັດການຝຶກອົບຮົມໄວ້ໃນຊົ່ວໂມງເຮັດວຽກ. ການປ່ອຍໃຫ້ຮຽນຮູ້ດ້ວຍຕົນເອງແມ່ນເຮັດໃຫ້ເກີດຄວາມຊິນເຄີຍໄດ້ຍາກ. ຄວນຈັດການຝຶກອົບຮົມແບບລົງມືປະຕິບັດຈິງ (Hands-on) ຄັ້ງລະ 30 ນາທີ, ອາທິດລະ 2 ຄັ້ງ ໂດຍໃຊ້ຂໍ້ມູນວຽກງານຕົວຈິງໃນການຝຶກຊ້ອມ. ທ່ານສາມາດອ້າງອີງ ການອອກແບບຫຼັກສູດຝຶກອົບຮົມພັດທະນາບຸກຄະລາກອນ AI ຕື່ມໄດ້.

3. ການຂາດຄວາມເຊື່ອໝັ້ນ — ຈາກປະສົບການທີ່ຜ່ານມາທີ່ລະບົບທີ່ນຳມາໃຊ້ບໍ່ໄດ້ຖືກນຳໄປໃຊ້ງານຈິງ ເຮັດໃຫ້ພະນັກງານຮູ້ສຶກເຢັນຊາວ່າ "ຄັ້ງນີ້ກໍຄົງຈະຄືກັນ". → ຫຼັງຈາກຍອມຮັບຄວາມຜິດພາດໃນອະດີດແລ້ວ, ຕ້ອງມີຄວາມຊັດເຈນໃນການ "ເລີ່ມຕົ້ນຈາກຈຸດນ້ອຍໆ" ໂດຍທົດລອງກັບພຽງ 1 ທີມ ແລະ 1 ວຽກງານກ່ອນ ເພື່ອຫຼຸດຜ່ອນຄວາມກົດດັນທາງດ້ານຈິດໃຈ.

Quick Win ແມ່ນວິທີການສ້າງຜົນງານທີ່ເຫັນໄດ້ຊັດເຈນໃນໄລຍະສັ້ນ ເພື່ອສ້າງຄວາມເຊື່ອໝັ້ນໃຫ້ກັບໜ້າວຽກ. ການສາມາດສ້າງປະສົບການຄວາມສຳເລັດນ້ອຍໆໄດ້ພາຍໃນສອງສາມອາທິດທຳອິດເຖິງ 90 ວັນ ຈະສົ່ງຜົນກະທົບຢ່າງໃຫຍ່ຫຼວງຕໍ່ໂອກາດຄວາມສຳເລັດຂອງໂຄງການ DX ທັງໝົດ.

ມາດຕະຖານ ຫຼື Specification ໃນການອອກແບບ: ຕ້ອງເຫັນຜົນພາຍໃນ 2-4 ອາທິດ, ຈຳກັດພຽງ 1 ທີມ ຫຼື 1 ວຽກງານເທົ່ານັ້ນ, ແລະ ສາມາດສະແດງເວລາ ຫຼື ຕົ້ນທຶນທີ່ຫຼຸດລົງມາເປັນຕົວເລກໄດ້.

ຕົວຢ່າງທີ່ມີປະສິດທິຜົນໃນໜ້າວຽກທີ່ລາວ

1. ການເຮັດໃຫ້ລາຍງານປະຈຳວັນເປັນແບບອັດຕະໂນມັດ: ປ່ຽນຈາກການຂຽນລາຍງານດ້ວຍມື ມາເປັນການສົ່ງ Template ເຂົ້າກຸ່ມ LINE. ຫຼຸດເວລາຈາກ 20 ນາທີ ຕໍ່ຄົນ ເຫຼືອພຽງ 3 ນາທີ.
2. ການປະມວນຜົນໃບແຈ້ງໜີ້ດ້ວຍ OCR: ຖ່າຍຮູບດ້ວຍສະມາດໂຟນ ແລ້ວໃຊ້ AI OCR ເພື່ອໂອນຂໍ້ມູນເຂົ້າ Spreadsheet ໂດຍອັດຕະໂນມັດ. ຊ່ວຍຫຼຸດຄວາມຜິດພາດໃນການປ້ອນຂໍ້ມູນດ້ວຍມືໄດ້ຢ່າງຫຼວງຫຼາຍ.
3. ການເຮັດໃຫ້ການຕອບ FAQ ເປັນແບບອັດຕະໂນມັດ: ລົງທະບຽນຄຳຖາມພາຍໃນທີ່ພົບເລື້ອຍໄວ້ໃນ Chatbot ເພື່ອຫຼຸດຜ່ອນຂັ້ນຕອນການເຮັດວຽກຂອງພະແນກບໍລິຫານ.

ຜົນງານຄວນສະແດງໃຫ້ເຫັນດ້ວຍຕົວເລກ Before/After ແລະ ເກັບກຳສຽງຕອບຮັບຈາກພະນັກງານໂດຍກົງ. ເມື່ອ Quick Win ປະສົບຄວາມສຳເລັດ, ຈະມີສຽງຮຽກຮ້ອງທີ່ເກີດຂຶ້ນເອງວ່າ "ຢາກໃຫ້ຊ່ວຍເຮັດໃນພະແນກຂອງພວກເຮົາແດ່". ພະລັງຂອງການດຶງດູດ (Pull) ນີ້ຈະກາຍເປັນເຄື່ອງຈັກທີ່ສຳຄັນທີ່ສຸດໃນການຂັບເຄື່ອນ DX.

ຢູ່ລາວມີການບັງຄັບໃຊ້ກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນເອເລັກໂຕຣນິກ, ເຊິ່ງການນຳໃຊ້ AI ກໍຈຳເປັນຕ້ອງປະຕິບັດຕາມຂໍ້ກຳນົດທາງກົດໝາຍກ່ຽວກັບການຈັດການຂໍ້ມູນ. ຢ່າງໃດກໍຕາມ, ໃນລະດັບການປະຕິບັດງານຕົວຈິງ ມັກຈະມີຫຼາຍກໍລະນີທີ່ບໍ່ມີຄວາມຊັດເຈນວ່າ "ການກະທຳໃດຈະຖືວ່າເປັນການລະເມີດກົດລະບຽບ (Compliance)".

ຈຸດສຳຄັນ ຫຼື ແກນຫຼັກ ຂອງການປົກປ້ອງຂໍ້ມູນເອເລັກໂຕຣນິກໃນລາວແມ່ນ ກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນເອເລັກໂຕຣນິກ (Law on Electronic Data Protection, No. 25/NA). ອົງການກວດກາແມ່ນກະຊວງເຕັກໂນໂລຊີ ແລະ ການສື່ສານ (MTC), ສ່ວນການຮັບມືກັບເຫດການໄພຄຸກຄາມທາງໄຊເບີແມ່ນ LaoCERT ເປັນຜູ້ຮັບຜິດຊອບ.

ຈຸດທີ່ໜ້າວຽກຄວນເອົາໃຈໃສ່

• ການເກັບກຳຂໍ້ມູນ: ຂໍ້ມູນເອເລັກໂຕຣນິກສ່ວນບຸກຄົນຈະບໍ່ສາມາດເກັບກຳ, ນຳໃຊ້ ຫຼື ເຜີຍແຜ່ໄດ້ ຖ້າບໍ່ໄດ້ຮັບອະນຸຍາດຢ່າງຈະແຈ້ງຈາກເຈົ້າຂອງຂໍ້ມູນ. ກ່ອນທີ່ຈະນຳຂໍ້ມູນລູກຄ້າເຂົ້າສູ່ AI ຕ້ອງກວດສອບຂະບວນການຂໍຄວາມຍິນຍອມກ່ອນ.
• ການຈັດປະເພດຂໍ້ມູນ: ໃຫ້ຈັດປະເພດເປັນຂໍ້ມູນທົ່ວໄປ ແລະ ຂໍ້ມູນລັບ, ພ້ອມທັງຄວບຄຸມບໍ່ໃຫ້ຂໍ້ມູນລັບຮົ່ວໄຫຼເຂົ້າໄປໃນເຄື່ອງມື AI.
• ການຈັດເກັບຂໍ້ມູນ: ໃຫ້ກວດສອບສະຖານທີ່ຈັດເກັບຂໍ້ມູນ ແລະ ສິດທິໃນການເຂົ້າເຖິງຂອງບໍລິການ Cloud. ໃນກໍລະນີທີ່ບໍ່ມີສູນຂໍ້ມູນພາຍໃນປະເທດລາວ ໃຫ້ເລືອກພາກພື້ນພາຍໃນກຸ່ມ ASEAN.
• ການຮັບມືເມື່ອມີການລະເມີດ: ກົດໝາຍທົ່ວໄປຍັງບໍ່ໄດ້ກຳນົດພັນທະໃນການແຈ້ງເຕືອນການຮົ່ວໄຫຼຂອງຂໍ້ມູນຢ່າງຄົບຖ້ວນ, ແຕ່ໃນບາງຂະແໜງການ ເຊັ່ນ: ຂະແໜງການເງິນ ອາດຈະມີຄວາມຕ້ອງການໃຫ້ລາຍງານຕໍ່ເຈົ້າໜ້າທີ່ ແລະ ແຈ້ງໃຫ້ລູກຄ້າຊາບ. ຄວນວາງແຜນຂັ້ນຕອນການຮັບມືກັບເຫດການໄວ້ລ່ວງໜ້າ.

ຂໍ້ຄວນລະວັງກ່ຽວກັບ Generative AI: ເຖິງແມ່ນວ່າໃນລາວຈະມີພັນທະການປົກປ້ອງຂໍ້ມູນທົ່ວໄປຕາມກົດໝາຍວ່າດ້ວຍການປົກປ້ອງຂໍ້ມູນເອເລັກໂຕຣນິກ, ແຕ່ແນວທາງປະຕິບັດທີ່ລະບຸລະອຽດໂດຍກົງກ່ຽວກັບການນຳໃຊ້ Generative AI ຂອງບໍລິສັດຕ່າງໆນັ້ນຍັງມີຈຳກັດໃນການເປີດເຜີຍຂໍ້ມູນສາທາລະນະ, ເຮັດໃຫ້ແຕ່ລະບໍລິສັດຈຳເປັນຕ້ອງມີກົດລະບຽບພາຍໃນມາເສີມ. ສາມາດກວດສອບແຕ່ລະຫົວຂໍ້ໄດ້ທີ່ ລາຍການກວດສອບການປະຕິບັດຕາມກົດໝາຍດິຈິຕອນ.

ມາດຕະການຮັກສາຄວາມປອດໄພຄວນຖືກນຳມາລວມເຂົ້າຕັ້ງແຕ່ໄລຍະເລີ່ມຕົ້ນຂອງໂຄງການ DX ໂດຍໃຊ້ຄວາມພະຍາຍາມໜ້ອຍທີ່ສຸດ.

ຂັ້ນຕອນທີ 1: ການສ້າງແຜນວາດການໄຫຼຂອງຂໍ້ມູນ (2-3 ຊົ່ວໂມງ) — ເຮັດໃຫ້ເຫັນພາບໄດ້ຊັດເຈນວ່າຂໍ້ມູນລັບຈະອອກສູ່ພາຍນອກໃນຂັ້ນຕອນໃດ ໂດຍຜ່ານຂະບວນການຈາກ ເຈ້ຍ → ສະເປຣດຊີດ → ຄລາວ SaaS → Generative AI.

ຂັ້ນຕອນທີ 2: ການຄວບຄຸມການເຂົ້າເຖິງ 3 ລະດັບ (ເຄິ່ງມື້) — ແບ່ງການຄວບຄຸມອອກເປັນ: ຂໍ້ມູນສາທາລະນະ (ພະນັກງານທຸກຄົນ), ຂໍ້ມູນພາຍໃນບໍລິສັດ (ແບ່ງຕາມພະແນກ), ແລະ ຂໍ້ມູນລັບ (ສະເພາະຜູ້ບໍລິຫານເທົ່ານັ້ນ).

ຂັ້ນຕອນທີ 3: ການກຳນົດແນວທາງການນຳໃຊ້ AI (1 ມື້) — ກຳນົດຂອບເຂດຂອງຂໍ້ມູນທີ່ສາມາດປ້ອນເຂົ້າໃນ Generative AI ໄດ້, ບັງຄັບໃຫ້ມີການກວດສອບຜົນລັດໂດຍມະນຸດ, ແລະ ລະບຸລາຍການບໍລິການ AI ທີ່ໄດ້ຮັບການອະນຸມັດຢ່າງຊັດເຈນ.

ຂັ້ນຕອນທີ 4: ການທົບທວນທຸກໆໄຕມາດ — ເນື່ອງຈາກສະພາບແວດລ້ອມດ້ານກົດລະບຽບມີການປ່ຽນແປງ, ຈຶ່ງຕ້ອງອັບເດດແນວທາງປະຕິບັດຢ່າງສະໝໍ່າສະເໝີ. ຂໍໃຫ້ກວດສອບສະຖານະການດຳເນີນງານໂດຍອີງໃສ່ AI Security Checklist.

ພວກເຮົາໄດ້ອະທິບາຍກ່ຽວກັບ 5 ອຸປະສັກ ແລະ ຂັ້ນຕອນໃນການຜ່ານຜ່າໄປແລ້ວ, ແຕ່ໃນໂຄງການຕົວຈິງນັ້ນ ຍັງມີກໍລະນີທີ່ປະສົບກັບຄວາມລົ້ມເຫຼວເຖິງແມ່ນວ່າຈະປະຕິບັດຕາມຂັ້ນຕອນເຫຼົ່ານັ້ນຢ່າງຖືກຕ້ອງກໍຕາມ. ໃນທີ່ນີ້, ພວກເຮົາຈະແນະນຳ 2 ຮູບແບບຄວາມລົ້ມເຫຼວທີ່ພົບເຫັນເລື້ອຍໆໃນໂຄງການ DX ຂອງລາວ ພ້ອມທັງວິທີການຫຼີກລ່ຽງ.

ຄວາມຜິດພາດທີ່ພົບເຫັນຫຼາຍທີ່ສຸດຄື ການທີ່ການນຳເອົາເຄື່ອງມືມາໃຊ້ກາຍເປັນເປົ້າໝາຍຫຼັກໃນຕົວມັນເອງ ຈົນເຮັດໃຫ້ຂະບວນການເຮັດວຽກບໍ່ມີການປ່ຽນແປງ. ເຖິງແມ່ນວ່າຈະມີການນຳໃຊ້ເຄື່ອງມືບໍລິຫານຈັດການໂຄງການ (Project Management Tool) ທົ່ວທັງອົງກອນ, ແຕ່ພາຍໃນ 1 ເດືອນ ກໍກັບໄປໃຊ້ Excel, ອີເມວ ແລະ ການສື່ສານດ້ວຍປາກເປົ່າຄືເກົ່າ. ໃນປະເທດລາວ, ພະນັກງານສ່ວນຫຼາຍມັກຮັບຜິດຊອບຫຼາຍໜ້າທີ່ພ້ອມກັນ ເຮັດໃຫ້ການອອກແບບການດຳເນີນງານຫຼັງຈາກການນຳໃຊ້ເຄື່ອງມືບໍ່ຄ່ອຍຮັດກຸມ, ຈຶ່ງເຮັດໃຫ້ຕົກຢູ່ໃນກັບດັກນີ້ໄດ້ງ່າຍ.

ວິທີຫຼີກລ່ຽງ: ໃຫ້ຄິດໂດຍເລີ່ມຈາກວຽກງານເປັນຫຼັກ ບໍ່ແມ່ນເລີ່ມຈາກເຄື່ອງມື. ຕ້ອງອອກແບບຂະບວນການເຮັດວຽກໃໝ່ກ່ອນ ແລ້ວຈຶ່ງວາງເຄື່ອງມືໃຫ້ສອດຄ່ອງກັບຂະບວນການນັ້ນ. ຄວນກຳນົດ "ວັນທີຍົກເລີກ" ຂະບວນການເກົ່າ ແລະ ໃຊ້ຂໍ້ມູນໃນເຄື່ອງມືເປັນຂໍ້ມູນທາງການພຽງແຫຼ່ງດຽວ ເພື່ອລຶບລ້າງການຈັດການຂໍ້ມູນຊ້ຳຊ້ອນ. ທ່ານສາມາດສຶກສາກອບການຈັດລະບຽບວຽກງານໄດ້ທີ່ 5 ການກຽມພ້ອມທີ່ຄວນເຮັດກ່ອນນຳໃຊ້ AI.

ຫຼາຍກໍລະນີທີ່ການເຮັດ DX ຖືກມອບໝາຍໃຫ້ຜູ້ໃຫ້ບໍລິການພາຍນອກ (Vendor) ເປັນຜູ້ຮັບຜິດຊອບທັງໝົດ, ເຮັດໃຫ້ຫຼັງຈາກສິ້ນສຸດສັນຍາແລ້ວບໍ່ມີຄວາມຮູ້ (Know-how) ຕົກຄ້າງຢູ່ໃນບໍລິສັດ. ໃນລາວ, ແຫຼ່ງຊັບພະຍາກອນບຸກຄະລາກອນດ້ານ IT ມີຈຳກັດ ຈຶ່ງງ່າຍທີ່ຈະຕົກຢູ່ໃນສະຖານະການທີ່ວ່າ "ຖ້າພະນັກງານຂອງ Vendor ລາອອກ ກໍຈະບໍ່ມີໃຜຮູ້ເລື່ອງນີ້ອີກຕໍ່ໄປ".

ວິທີແກ້ໄຂ: ຄວນເລືອກ Vendor ທີ່ເຮັດວຽກແບບຄຽງຄູ່ກັນໄປ (伴走型) ໂດຍ "ສອນໄປພ້ອມກັບການສ້າງ" ແທນທີ່ຈະເປັນການ "ສ້າງແລ້ວສົ່ງມອບ". ໃຫ້ແຕ່ງຕັ້ງ "DX Ambassador" 1 ຄົນຈາກແຕ່ລະພະແນກ ເພື່ອເປັນຜູ້ຮັບຄວາມຮູ້. ຄວນບັນຈຸການສ້າງຄູ່ມື ແລະ ການຝຶກອົບຮົມແບບ Hands-on ປະຈຳເດືອນໄວ້ໃນສັນຍາ, ພ້ອມທັງກຳນົດເປົ້າໝາຍ (Milestone) ຄື: ປີທີ 1 Vendor ເປັນຜູ້ນຳພາ → ປີທີ 2 ດຳເນີນງານຮ່ວມກັນ → ປີທີ 3 ບໍລິສັດດຳເນີນການເອງ. ໃນຂັ້ນຕອນການຄັດເລືອກ, ໃຫ້ຮ້ອງຂໍວ່າ "ກະລຸນາສະເໜີແຜນການທີ່ສາມາດດຳເນີນງານພາຍໃນບໍລິສັດເອງໄດ້ຫຼັງຈາກຈົບໂຄງການ" ແລະ ຄວນຫຼີກເວັ້ນ Vendor ທີ່ບໍ່ສາມາດຕອບຄຳຖາມນີ້ໄດ້ຢ່າງຊັດເຈນ.

5 ອຸປະສັກທີ່ພົບໃນການຂັບເຄື່ອນ DX ຂອງລາວ ບໍ່ວ່າຈະເປັນ ກຳແພງດ້ານພາສາ, ການຂາດແຄນບຸກຄະລາກອນ IT, ຂໍ້ມູນທີ່ຍັງບໍ່ທັນໄດ້ຮັບການຈັດສັນ, ການຕໍ່ຕ້ານພາຍໃນອົງກອນ ແລະ ການປະຕິບັດຕາມກົດລະບຽບ ລ້ວນແລ້ວແຕ່ເປັນບັນຫາທາງໂຄງສ້າງ. ຢ່າງໃດກໍຕາມ, ບໍ່ຈຳເປັນຕ້ອງລໍຖ້າການປ່ຽນແປງຂະໜາດໃຫຍ່ໃນລະດັບອົງກອນ. ເລີ່ມຕົ້ນຈາກຈຸດນ້ອຍໆ, ສະແດງໃຫ້ເຫັນຜົນງານ, ແລະ ສ້າງຄວາມເຊື່ອໝັ້ນ. ໄຊຊະນະອັນວ່ອງໄວ (Quick Win) ທີ່ເລີ່ມຕົ້ນຈາກໜຶ່ງວຽກງານໃນໜຶ່ງທີມ ຈະນຳໄປສູ່ DX ຂອງທັງອົງກອນໃນທີ່ສຸດ.

ສະພາບແວດລ້ອມດ້ານການສື່ສານຂອງລາວກຳລັງປັບຕົວດີຂຶ້ນຢ່າງຕໍ່ເນື່ອງ, ອັດຕາການເຂົ້າເຖິງອິນເຕີເນັດເກີນ 63% ແລະ 5G ກໍກຳລັງຂະຫຍາຍຕົວ. ວິໄສທັດການພັດທະນາເສດຖະກິດດິຈິຕອນຂອງລັດຖະບານກໍເປັນປັດໄຈໜູນຊ່ວຍທີ່ສຳຄັນ. ເວລານີ້ແມ່ນໂອກາດອັນເໝາະສົມທີ່ການບຸກທະລຸຈາກຈຸດນ້ອຍໆໃນພາກປະຕິບັດຕົວຈິງ ຈະໄດ້ມາຮ່ວມກັບກະແສການປ່ຽນແປງອັນໃຫຍ່ຫຼວງນີ້.

ການກະທຳທີ 1: ການກວດສອບສະພາບແວດລ້ອມພາຍໃນບໍລິສັດ (ເຄິ່ງມື້) — ວັດແທກຄວາມໄວອິນເຕີເນັດຂອງແຕ່ລະສາຂາ ແລະ ແບ່ງລະດັບຄວາມຮູ້ດ້ານດິຈິຕອນຂອງພະນັກງານອອກເປັນ A/B/C ເຊິ່ງຈະກາຍເປັນຂໍ້ມູນພື້ນຖານສຳລັບການຕັດສິນໃຈທັງໝົດໃນຕໍ່ໜ້າ.

ການກະທຳທີ 2: ການຄັດເລືອກລາຍການ Quick Win (2 ຊົ່ວໂມງ) — ລາຍຊື່ວຽກງານທີ່ຕ້ອງເຮັດຊ້ຳໆທຸກມື້, ວຽກທີ່ຕ້ອງໃຊ້ແຮງງານຄົນຫຼາຍ ແລະ ວຽກທີ່ເກີດຂໍ້ຜິດພາດໄດ້ງ່າຍມາ 3 ຢ່າງ, ຈາກນັ້ນເລືອກວຽກທີ່ສາມາດເຮັດອັດຕະໂນມັດໄດ້ງ່າຍທີ່ສຸດມາ 1 ຢ່າງ.

ການກະທຳທີ 3: ການລາຍງານສະຖານະການໃຫ້ຝ່າຍບໍລິຫານ (1 ຊົ່ວໂມງ) — ສະຫຼຸບຜົນການກວດສອບ ແລະ ລາຍການ Quick Win ທີ່ເລືອກໄວ້ລົງໃນສະໄລ້ດຽວ ເພື່ອຂໍອະນຸມັດວິທີການ "ເລີ່ມຕົ້ນຈາກຈຸດນ້ອຍໆເພື່ອໃຫ້ເຫັນຜົນງານ".

ດັ່ງທີ່ໄດ້ກ່າວມາຂ້າງຕົ້ນ, ການເຮັດ DX ໃນລາວຈະປະສົບຜົນສຳເລັດຫຼືບໍ່ນັ້ນ ຂຶ້ນຢູ່ກັບ "ການອອກແບບທີ່ສາມາດນຳໃຊ້ໄດ້ຈິງໃນໜ້າວຽກ" ຫຼາຍກວ່າ "ການນຳໃຊ້ລະບົບຂະໜາດໃຫຍ່". ໃນກໍລະນີທີ່ບໍ່ສາມາດອອກແບບໄດ້ດ້ວຍຕົນເອງ, ການດຶງເອົາຄູ່ຮ່ວມງານພາຍນອກເຂົ້າມາມີສ່ວນຮ່ວມແຕ່ຫົວທີ ຈະຊ່ວຍຫຼຸດຜ່ອນຕົ້ນທຶນຈາກຄວາມຜິດພາດໄດ້ດີກວ່າ. ບໍລິສັດຂອງພວກເຮົາໃຫ້ບໍລິການ ສະໜັບສະໜູນແບບຄົບວົງຈອນຕັ້ງແຕ່ການນຳໃຊ້ AI ຈົນເຖິງການເຮັດວຽກແບບອັດຕະໂນມັດ ສຳລັບວິສາຫະກິດໃນລາວ. ໃນຖານະຄູ່ຮ່ວມງານທີ່ຈະຮ່ວມກັນກ້າວຂ້າມອຸປະສັກໃນໜ້າວຽກ, ທ່ານສາມາດປຶກສາຫາລືກັບພວກເຮົາໄດ້ທຸກເມື່ອ.