Independent AI Solutions Architect
ออกแบบและพัฒนาเครื่องมือที่ใช้ AI ช่วยงาน ด้วย React, FastAPI และ PostgreSQL ตั้งแต่ทำความเข้าใจโจทย์ วางสิทธิ์เข้าถึงข้อมูล ไปจนถึงการแสดงที่มาของคำตอบและจุดที่ต้องให้คนตรวจทาน
กรุงเทพฯ / ธีรวีร์ รางแรม
ก่อนจะสร้างระบบ
ผมเคยฝันถึงบ้านที่คนจะเข้ามาอยู่
บูม · AI Engineer & AI Solutions Architect
ผมออกแบบและสร้าง AI experiences ให้คนเข้าใจงานที่ซับซ้อนได้ง่ายขึ้น และรู้สึกอยากใช้เครื่องมือนั้นทำงาน
01 / เส้นแรกของความฝัน
ก่อนเส้นทาง AI / วันที่เริ่มอยากออกแบบ
ตอนเด็ก ผมอยากเป็นสถาปนิก อยากออกแบบพื้นที่ที่คนได้เข้าไปใช้ชีวิตอยู่จริง
พอโตขึ้น ผมเลือกเรียนวิศวกรรมซอฟต์แวร์ ความตั้งใจเรื่องการออกแบบยังอยู่เหมือนเดิม เพียงแต่สิ่งที่อยู่ตรงหน้าเปลี่ยนจากกระดาษเขียนแบบมาเป็นหน้าจอ
ผมเจอพื้นที่ของตัวเองในงาน Frontend ตรงที่โค้ดเริ่มมีรูปร่าง และคนใช้งานเริ่มโต้ตอบกับสิ่งที่ผมสร้างได้จริง ผมชอบคิดเผื่อรายละเอียดเล็ก ๆ ตั้งแต่เขาจะมองตรงไหนก่อน กดอะไรต่อ ไปจนถึงความรู้สึกระหว่างใช้งาน
พอสิ่งที่ออกแบบต้องถูกนำไปใช้จริง แค่ดูดีอย่างเดียวไม่พอ แต่ต้องพึ่งพาได้ด้วยถ้ามีคนต้องพึ่งพาสิ่งที่ผมสร้าง งานนั้นต้องไว้ใจได้แค่ไหน?02 / รากฐานของงาน
ก่อนเริ่มพัฒนา AI / พื้นฐาน Frontend
หน้าจอแต่ละส่วนไม่ได้อยู่ลำพัง แต่เป็นชิ้นส่วนหนึ่งของระบบใหญ่ที่คนใช้งานอยู่ทุกวัน
ที่ Allianz Technology ผมได้ทำ Frontend ในระบบองค์กร งานหนึ่งหน้าจอเป็นส่วนหนึ่งของระบบที่ใหญ่กว่าเสมอ สิ่งที่ดูเรียบร้อยบนเครื่องของผม ยังต้องทำงานร่วมกับส่วนอื่นและรองรับการใช้งานจริงได้
การทำงานร่วมกับทีมในมิวนิกและกรุงเทพฯ ทำให้ผมมองงานออกแบบกว้างขึ้น จุดเล็ก ๆ ที่ผู้ใช้อาจไม่ทันสังเกต กลับเป็นสิ่งที่คนทำต้องใส่ใจให้มากพอ
Allianz Technologyพัฒนา Angular และ frontend ของระบบองค์กร พร้อมประสานงานกับผู้เกี่ยวข้องและทีมวิศวกรรมในมิวนิกและกรุงเทพฯ
เมื่อแต่ละชิ้นส่วนเริ่มแข็งแรง โจทย์ถัดไปคือการทำให้ทุกส่วนเชื่อมถึงกันได้แล้วถ้างานของผม ต้องไปต่อกับงานของคนอีกหลายทีมล่ะ?03 / งานที่กว้างกว่าหน้าจอ
ก่อนเริ่มพัฒนา AI / งานที่เชื่อมกับทีมอื่น
สิ่งที่ผมทำบนหน้าจอ ต้องไปต่อกับงานของคนอื่นได้
งานระบบธนาคารองค์กรที่ Accenture เริ่มจากการฟังให้เข้าใจว่าผู้เกี่ยวข้องต้องการอะไร แล้วแปลงสิ่งนั้นเป็นงาน Frontend ที่ทีมจะพัฒนาและส่งมอบร่วมกัน
เมื่อวิศวกรทำงานกันคนละสถานที่ การสื่อสารให้เข้าใจตรงกันสำคัญไม่แพ้การเขียนโค้ด ผมได้ฝึกมองภาพรวมให้เห็นว่า ส่วนที่ผมรับผิดชอบจะไปเชื่อมต่อกับงานของคนอื่นอย่างไร
Accentureพัฒนา frontend สำหรับงานธนาคารองค์กร แปลงความต้องการของผู้เกี่ยวข้องและทำงานร่วมกับทีมวิศวกรรมที่อยู่ต่างสถานที่
ต่อมา ในปี 2567 ขณะที่ยังทำงานอยู่ ttb ผมเริ่มพัฒนาความสามารถด้าน AIถ้า AI เข้ามาช่วยในงานที่ผมทำอยู่ทุกวัน จะเกิดอะไรขึ้น?04 / วันที่ความเป็นไปได้เริ่มมีความหมาย
เริ่มพัฒนา AI ขณะยังทำงานอยู่ ttb
ตอนนั้น ผมเริ่มพัฒนาความสามารถด้าน AI ขณะที่ยังทำงานอยู่ ttb ความเชื่อของผมยังต้องพิสูจน์ด้วยงานที่ทำ
คนรอบตัวบางคนยังไม่เชื่อในสิ่งที่ผมเห็น แม้แต่บางคนที่ทำงานสายเดียวกัน ผมรู้ดีว่าลำพังความเชื่อคงพาเรื่องนี้ไปได้ไม่ไกล ผมจึงอยากสร้างบางอย่างที่เขาลองจับต้องและใช้งานได้จริง
ผมเริ่มจากงานตรงหน้า นำ GPT เข้ามาช่วยในขั้นตอนงานที่เกี่ยวกับ Jira, Confluence และ Bitbucket โดยยังให้คนเป็นผู้ตรวจทานก่อนนำผลลัพธ์ไปใช้ ความเป็นไปได้ที่เคยคิดไว้เริ่มกลายเป็นโจทย์จริงให้ลงมือแก้
คำตอบจากโมเดลเป็นเพียงจุดเริ่มต้น ผมยังต้องดูว่าข้อมูลนั้นมาจากไหน ขาดอะไรไป และควรหยุดให้คนตรวจตรงจุดไหน ยิ่งลงมือทำ ผมยิ่งเห็นระยะห่างระหว่างคำตอบที่ได้จาก AI กับเครื่องมือที่คนจะวางใจหยิบมาใช้จริง
ttb sparkงานวิศวกรรมซอฟต์แวร์อาวุโสในธุรกิจธนาคารและ Frontend เริ่มพัฒนาความสามารถด้าน AI ในปี 2567 ขณะยังอยู่ ttb รวมถึงขั้นตอนงานที่ใช้ GPT ช่วยงาน Jira, Confluence และ Bitbucket โดยมีคนตรวจทาน
ผมอยากให้เขาได้ลอง ก่อนจะขอให้เขาเชื่อเบื้องหลังงานที่เริ่มเป็นรูปเป็นร่าง ยังมีทั้งปัญหาและความไม่แน่ใจที่ผมต้องผ่านระหว่างทางตอนที่ยังไม่เห็นทางไปต่อ ผมทำอย่างไร?
05 / อีกด้านของการเริ่มต้น
เบื้องหลังเส้นทาง AI ที่เริ่มขณะอยู่ ttb
ระหว่างที่ผมเริ่มเรียนรู้และพัฒนา AI คนรอบตัวบางคนยังมองไม่เห็นสิ่งเดียวกัน
บางคนทำงานสายเดียวกันกับผมด้วยซ้ำ ผมเข้าใจดีว่าความเชื่อของผมยังเป็นเพียงคำพูด ตราบใดที่ยังไม่มีอะไรให้เขาลองใช้จริง ช่วงแรกผมจึงเริ่มลงมือด้วยตัวเอง ค่อย ๆ สร้างสิ่งที่อยากเห็นขึ้นมาทีละส่วน
พอลงมือจริง ปัญหาก็ทยอยเข้ามาทีละอย่าง บางเรื่องต้องรื้อวิธีคิดใหม่ บางเรื่องต้องกลับไปค้นคว้าเพิ่ม ทุกสกิลและ Workflow ที่ผมสร้างล้วนเกิดจากปัญหาที่ผมเจอมากับตัวและพยายามทำความเข้าใจมัน
ผมกลับมาทำต่อทุกสัปดาห์ ลอง แก้ แล้วทบทวนใหม่ สิ่งที่ค่อย ๆ ก่อตัวขึ้นจากความต่อเนื่องนั้น คือ HolyMind
ผมยังไม่มีทุกคำตอบ แต่ยังอยากกลับไปทำให้มันดีขึ้นอีกปัญหาที่เจอระหว่างทางค่อย ๆ กลายเป็นสิ่งที่ผมเก็บไว้ใช้ในงานครั้งถัดไปจะเก็บบทเรียนที่เจอ ให้กลายเป็นเครื่องมือที่ช่วยงานครั้งต่อไปได้อย่างไร?
06 / บทเรียนที่เริ่มมีตัวตน
บทเรียนระหว่างพัฒนา AI
ผมปล่อยให้สิ่งที่เจอระหว่างพัฒนา AI ตกตะกอนก่อน แล้วค่อยถามว่า อะไรในนั้นควรเก็บไว้
จากนั้นผมมองออกไปนอกกรอบที่ตัวเองคุ้นเคย ค้นคว้าแนวคิด งานวิจัย และเครื่องมือจากคนที่ทำเรื่องนั้นได้ดี คัดเลือกสิ่งที่ดีที่สุดเท่าที่หาได้จากทั่วโลก มาทดลองกับปัญหาที่ผมเคยเจอจริง
ผมคัด ทดลอง และปรับแก้จนแต่ละสกิลเริ่มมีหน้าที่ มีวิธีทำงาน และมีตัวตนของตัวเอง พอนำมาเชื่อมต่อเป็น Workflow บทเรียนจากงานหนึ่งก็ช่วยให้อีกงานตั้งต้นได้ดีขึ้น
สำหรับผม MOAT ของสกิลอยู่ตรงนี้ อยู่ที่การเลือกว่าควรประกอบอะไรเข้าด้วยกัน อะไรควรตัดออก และรายละเอียดที่ขัดเกลาซ้ำมาหลายรอบ ผมอยากให้แต่ละสกิลพิสูจน์คุณค่าด้วยงานที่มันทำได้จริง
ฉากเล่าเรื่องผ่านสัญลักษณ์ ไม่ได้จำลองเหตุการณ์จริง
ดูว่าสกิลเหล่านี้นำไปใช้อย่างไร เมื่อข้างในเริ่มมีรายละเอียดมากขึ้น ผมยิ่งต้องคิดถึงคนที่จะเข้ามาใช้จะพาคนเข้าไปถึงความสามารถทั้งหมดนี้ โดยไม่ทำให้เขารู้สึกหลงทางได้อย่างไร?07 / สิ่งที่ผมอยากให้คนรู้สึก
วันนี้ / ดีไซน์ ซอฟต์แวร์ และ AI มาพบกัน
ผมอยากให้คนรู้สึกว่า “อยากใช้” ตั้งแต่ก่อนจะรู้ว่าข้างหลังมันยากแค่ไหน
เมื่อมาถึงยุค AI ความชอบในงาน Frontend กับพื้นฐานวิศวกรรมซอฟต์แวร์ของผมทำงานร่วมกันได้เต็มที่ขึ้น ผมออกแบบได้ทั้งกลไกการทำงานข้างหลัง และประสบการณ์ของคนที่เข้ามาใช้งานจริง
ผมอยากให้หน้าจอช่วยให้เขาเริ่มต้นได้ง่าย รู้ว่าตอนนี้ระบบกำลังทำอะไร และเห็นชัดว่าขั้นต่อไปเลือกอะไรได้บ้าง ภาระความซับซ้อนข้างหลังเป็นหน้าที่ที่ผมต้องจัดการให้เรียบร้อย ส่วนเหตุผล ที่มาของข้อมูล และจุดที่ต้องให้คนตรวจทาน ต้องยังเปิดดูได้เสมอเมื่อต้องการ
หน้าตาที่ดีช่วยชวนให้คนอยากเปิดเข้ามา แต่ความใส่ใจในทุกจังหวะการใช้งานต่างหากที่ทำให้เขาอยากหยิบเครื่องมือนั้นกลับมาใช้ทำงานอีก นี่คือความหมายของคำว่า AI experiences สำหรับผม
Independent AI Solutions Architectออกแบบและพัฒนาเครื่องมือที่ใช้ AI ช่วยงาน ด้วย React, FastAPI และ PostgreSQL ตั้งแต่ทำความเข้าใจโจทย์ วางสิทธิ์เข้าถึงข้อมูล ไปจนถึงการแสดงที่มาของคำตอบและจุดที่ต้องให้คนตรวจทาน
มีจุดให้เริ่ม รู้ว่าเกิดอะไรขึ้น และเข้าใจว่าขั้นต่อไปทำอะไรได้
แอปพลิเคชัน โมเดล และเครื่องมือต่าง ๆ เชื่อมกันตามงานที่ต้องทำ
รู้ว่าใครใช้ข้อมูลอะไรได้ เปิดดูที่มาได้ และมีจุดให้คนตรวจทาน
ภาพนี้อธิบายวิธีคิดในการออกแบบ ไม่ใช่แผนผังระบบที่กำลังให้บริการ
08 / ลองเข้ามาดูด้วยตัวเอง
ผลงานที่เปิดให้ลองในปัจจุบัน
HolyMind interactive portfolio
ตามสกิลไปดูในผลงาน
แม้จะเป็นงานที่ทำซ้ำ ก็ยังต้องมีคนรับผิดชอบและรู้ว่าต้องตรวจตรงไหน
วางร่างคำตอบ ข้อมูลที่ยังขาด และเรื่องที่รอการตัดสินใจไว้ให้เห็นด้วยกัน
เลือกตัวอย่างงานซ้ำ ๆ เปิดดูข้อมูลตั้งต้น แล้วอ่านร่างผลลัพธ์ก่อนส่งต่อ
ถ้าไม่เห็นข้อมูลที่รองรับ คนใช้ก็ประเมินคำตอบที่ดูมั่นใจได้ยาก
เชื่อมข้อความกับแหล่งข้อมูลที่อนุญาตให้ใช้ และเว้นส่วนที่ยังไม่มีหลักฐานไว้
เลือกตัวอย่างข้อมูลกระจัดกระจาย แล้วตามข้อความในร่างกลับไปยังแหล่งอ้างอิงสมมติ
พอเจอสกิลที่น่าสนใจ ผู้ชมควรนำสิ่งนั้นไปใช้ตั้งต้นคุยงานต่อได้
เก็บโจทย์และสกิลที่ผู้ชมเลือกไว้ด้วยกัน ระหว่างสำรวจและเตรียมข้อมูลคุยงาน
เลือกสถานการณ์ ลองดูสกิลของ HolyMind แล้วนำสกิลนั้นไปใส่ในแบบสรุปโจทย์
09 / ประสบการณ์การทำงาน
เรียงจากงานล่าสุด หากต้องการ CV หรืออยากคุยรายละเอียดโครงการ ติดต่อผมได้ทาง LinkedIn
HolyMind
34 สกิลที่ค่อย ๆ พัฒนาจากการลงมือทำ
ออกแบบและพัฒนาเครื่องมือที่ใช้ AI ช่วยงาน ด้วย React, FastAPI และ PostgreSQL ตั้งแต่ทำความเข้าใจโจทย์ วางสิทธิ์เข้าถึงข้อมูล ไปจนถึงการแสดงที่มาของคำตอบและจุดที่ต้องให้คนตรวจทาน
งานวิศวกรรมซอฟต์แวร์อาวุโสในธุรกิจธนาคารและ Frontend เริ่มพัฒนาความสามารถด้าน AI ในปี 2567 ขณะยังอยู่ ttb รวมถึงขั้นตอนงานที่ใช้ GPT ช่วยงาน Jira, Confluence และ Bitbucket โดยมีคนตรวจทาน
พัฒนา frontend สำหรับงานธนาคารองค์กร แปลงความต้องการของผู้เกี่ยวข้องและทำงานร่วมกับทีมวิศวกรรมที่อยู่ต่างสถานที่
พัฒนา Angular และ frontend ของระบบองค์กร พร้อมประสานงานกับผู้เกี่ยวข้องและทีมวิศวกรรมในมิวนิกและกรุงเทพฯ
แปลงความต้องการทางธุรกิจเป็นขอบเขตระบบ การเชื่อมต่อ การควบคุมสิทธิ์ และแผนส่งมอบที่ลงมือทำได้
พัฒนาเครื่องมือที่ให้ AI ช่วยงาน เชื่อมกับแอปพลิเคชันเดิม และวางขั้นตอนประเมินผลกับการตรวจทานโดยคน
คุยโจทย์กับลูกค้า ลงมือพัฒนา และประสานงานกับทีมต่างประเทศ ตั้งแต่ทำความเข้าใจปัญหาจนส่งมอบงาน
เลือกกรณีใช้งานแรกที่มีประโยชน์ ออกแบบกระบวนการและการกำกับดูแล พร้อมตกลงว่าจะประเมินผลอย่างไร
รายการนี้เป็นบทบาทที่เหมาะนำมาพูดคุย ไม่ใช่รายชื่อตำแหน่งทั้งหมดที่เคยดำรง ขอบเขตงาน ความพร้อมเริ่มงาน และเงื่อนไขต้องตกลงกันอีกครั้ง
กรุงเทพฯ ประเทศไทย มีประสบการณ์ทำงานร่วมกับทีมองค์กรทั้งในกรุงเทพฯ และมิวนิก
พื้นฐานของผมคือการพัฒนาซอฟต์แวร์องค์กร เริ่มพัฒนาความสามารถด้าน AI ในปี 2567 ขณะยังอยู่ ttb ปัจจุบันนำ GenAI มาใช้กับงานจริง ออกแบบระบบ AI และขั้นตอนทำงานที่ใช้ Agent ประสบการณ์กว่าเก้าปีจึงรวมงานซอฟต์แวร์ก่อนหน้านี้ด้วย
ติดต่อผ่าน LinkedIn พร้อมชื่อตำแหน่ง ทีม สถานที่ทำงาน และโจทย์ที่ต้องการแก้ เพื่อประเมินความเหมาะสมและแลกเปลี่ยนรายละเอียดโครงการที่เปิดเผยได้
10 / เรื่องที่เราจะเขียนต่อ
ผมยังอยากสร้างพื้นที่ให้คนเข้ามาใช้ เพียงแต่วันนี้ ผมสร้างมันด้วยโค้ด
เล่าให้ผมฟังว่าทีมคุณกำลังติดอยู่ตรงไหน เราอาจเริ่มจากปัญหานั้น แล้วค่อย ๆ สร้างเครื่องมือที่คนในทีมอยากหยิบมาใช้
กลับไปที่เส้นแรก