สรุปจากคลิป ดูคลิปต้นฉบับ

สร้าง Voice Agent ให้จองคิวลูกค้าได้ง่ายกว่าที่คิด

ประเด็นที่น่าสนใจที่สุดของคลิปนี้ ไม่ใช่แค่การสร้าง AI Voice Agent ได้เร็วขึ้น แต่คือการลด “งานจุกจิกเชิงเทคนิค” ที่เคยทำให้เจ้าของธุรกิจจำนวนมากถอยตั้งแต่ยังไม่เริ่ม ทั้งการตั้งค่า API, การเขียน prompt, การต่อเครื่องมือหลายตัวเข้าด้วยกัน และการดีบักเมื่อระบบทำงานไม่ตรงใจ

คลิปจาก Nate Herk | AI Automation แสดงให้เห็นภาพชัดว่า วันนี้เราสามารถอธิบายโจทย์ธุรกิจด้วยภาษาปกติ แล้วให้ Claude Code ช่วยวางแผน สร้าง และเชื่อม Voice Agent บน ElevenLabs เข้ากับระบบจองคิวอย่าง Cal.com ได้เลย ผลลัพธ์ไม่ใช่เดโมสวยๆ แต่เป็น agent ที่คุยกับลูกค้า เก็บข้อมูล และจอง discovery call ได้จริง

สำหรับธุรกิจไทย นี่มีนัยสำคัญมาก เพราะหลายทีมไม่ได้ติดที่ “ไม่มีไอเดียใช้ AI” แต่ติดที่ “ไม่มีทีมเทคนิคมานั่งประกอบระบบ” ถ้า workflow แบบนี้ทำได้ด้วยการคุยกับ AI ก่อน แล้วค่อยปรับหน้างานทีหลัง โอกาสในการเอา AI ไปใช้จริงก็ใกล้ขึ้นมาก

สารบัญ

• Step 1: เริ่มจากโจทย์ธุรกิจ ไม่ใช่เริ่มจากเครื่องมือ
• Step 2: เข้าใจโครงสร้างของ Voice Agent แบบไม่ต้องเป็น developer
• Step 3: เลือกช่องทางใช้งานให้ตรงกับงานจริง
• Step 4: ให้ Claude Code ช่วยวางแผนทั้งระบบจากภาษาเรา
• Step 5: เชื่อม ElevenLabs กับ Cal.com ให้ agent จองคิวได้จริง
• Step 6: ทดสอบรอบแรก แล้วแก้ทีละปัญหา
• Step 7: ดีบักปัญหาเวลา อีเมล และการถามมากเกินไป
• Step 8: ปรับจนได้ flow ที่ใช้งานได้จริง
• Step 9: อย่ามองข้ามเรื่องต้นทุน ความปลอดภัย และการถูกใช้เกินจำเป็น
• Actionable Insights
• Troubleshooting
• การต่อยอด
• สรุป Checklist ทั้งหมด

Step 1: เริ่มจากโจทย์ธุรกิจ ไม่ใช่เริ่มจากเครื่องมือ

จุดตั้งต้นของคลิปนี้ดีมาก เพราะไม่ได้เริ่มจากคำถามว่า “จะใช้ ElevenLabs ตั้งค่ายังไง” แต่เริ่มจากโจทย์ว่าอยากได้ผู้ช่วยเสียงบนเว็บไซต์ที่ตอบคำถามลูกค้าและพาไปสู่การนัดคุยกับทีมขาย

นี่เป็นวิธีคิดที่ธุรกิจควรหยิบไปใช้ทันที เพราะถ้าเราเริ่มจากเครื่องมือ เรามักจบที่การลองของเล่นใหม่ แต่ถ้าเริ่มจากโจทย์ เราจะเห็นเลยว่า AI ตัวนี้ต้องทำงานแทนใคร และช่วยลดคอขวดตรงไหน

ตัวอย่างโจทย์ที่เหมาะกับ Voice Agent ในธุรกิจไทย

• คลินิกหรือโรงพยาบาล รับคำถามเบื้องต้นและช่วยจองคิว
• บริษัท B2B คัดกรอง lead ก่อนส่งต่อทีมขาย
• ธุรกิจก่อสร้างหรืออสังหา เก็บ requirement คร่าวๆ แล้วนัดที่ปรึกษา
• ธุรกิจบริการ ตอบคำถามซ้ำๆ เรื่องราคา ขั้นตอน ระยะเวลา และช่องทางติดต่อ

สาระสำคัญคือ Voice Agent ไม่ควรมีหน้าที่ “คุยเก่ง” อย่างเดียว แต่ต้องมีหน้าที่ทางธุรกิจชัดเจน เช่น ตอบคำถาม ลดภาระทีมงาน เก็บข้อมูล หรือปิดการนัดหมายให้ได้

Step 2: เข้าใจโครงสร้างของ Voice Agent แบบไม่ต้องเป็น developer

ในคลิปมีการอธิบายโครงสร้างของ Voice Agent แบบเรียบง่ายมาก และนี่เป็นส่วนที่เจ้าของธุรกิจควรรู้ แม้จะไม่แตะโค้ดเลยก็ตาม

หลักๆ แล้ว agent เสียงทำงานเป็นลูปดังนี้

1. ผู้ใช้พูดเข้ามาทางไมโครโฟนหรือโทรศัพท์
2. ระบบแปลงเสียงเป็นข้อความ
3. LLM อ่านข้อความนั้นและตัดสินใจว่าจะตอบเลย หรือจะเรียกใช้เครื่องมือ
4. ระบบส่งคำตอบกลับมาเป็นเสียง
5. วนซ้ำไปเรื่อยๆ

องค์ประกอบหลักมี 4 ส่วน

• Persona หรือบุคลิกของ agent เช่น สุภาพ เป็นกันเอง หรือขายเก่ง
• Voice คือเสียงที่ใช้พูด จะเป็นเสียงสำเร็จรูปหรือเสียงโคลนก็ได้
• Knowledge คือความรู้ที่ agent ใช้อ้างอิง เช่น ข้อมูลสินค้า FAQ หรือฐานข้อมูล
• Tools คือความสามารถในการลงมือทำ เช่น เช็กคิว จองเวลา หรือเรียก API ภายนอก

ถ้าอธิบายแบบภาษาธุรกิจ Persona คือ “พนักงานคนนี้พูดแบบไหน”, Knowledge คือ “เขารู้เรื่องอะไร”, และ Tools คือ “เขาทำงานอะไรแทนทีมได้บ้าง”

สิ่งที่สำคัญมากคือ หลายองค์กรพลาดตรงที่มีแค่ persona กับเสียง แต่ไม่มี tools จริงจัง สุดท้าย agent ก็ดูฉลาดแต่ทำอะไรไม่ได้ พอเจอคำถามที่ต้องเช็กข้อมูลจริงหรือจองเวลาจริงก็ไปต่อไม่ไหว

Step 3: เลือกช่องทางใช้งานให้ตรงกับงานจริง

คลิปนี้แบ่งรูปแบบการใช้งาน Voice Agent ออกเป็น 3 แบบ ซึ่งช่วยให้เห็นชัดว่าระบบเดียวกันสามารถเปิดใช้ได้หลายช่องทาง

• บน dashboard เอาไว้ทดสอบภายใน
• บนเว็บไซต์ผ่าน widget เหมาะกับ lead generation และ customer support
• ผ่านเบอร์โทรศัพท์ เหมาะกับสายเข้า สายออก หรือ call center

กรณีศึกษาหลักในคลิปคือแบบ widget บนเว็บไซต์ เพราะใช้เป็น “sales agent” ที่รับคำถามจากลูกค้าและช่วยจอง discovery call ได้ทันที

สำหรับธุรกิจไทย การเริ่มจาก widget มักเหมาะที่สุด เพราะต้นทุนต่ำกว่า call flow ผ่านโทรศัพท์ และติดตั้งง่ายกว่า ถ้ามีหน้าเว็บไซต์หรือ landing page อยู่แล้ว ก็สามารถฝัง widget เข้าไปได้ค่อนข้างตรงไปตรงมา

ข้อดีอีกอย่างคือ agent ตัวเดียวกันสามารถต่อยอดไปใช้กับช่องทางโทรศัพท์ภายหลังได้ ถ้า workflow หลังบ้านพร้อมแล้ว เช่น prompt พร้อม, tool พร้อม, การจองคิวพร้อม

Step 4: ให้ Claude Code ช่วยวางแผนทั้งระบบจากภาษาเรา

ช่วงที่น่าสนใจที่สุดคือการใช้ Claude Code ในโหมดวางแผน เพื่ออธิบายโจทย์ระดับสูง เช่น

• มีเว็บไซต์ของบริษัทอยู่แล้ว
• ต้องการฝัง Voice Agent ของ ElevenLabs
• อยากให้ตอบคำถามลูกค้าได้
• เป้าหมายสุดท้ายคือพาไปจอง discovery call
• ต้องเชื่อมกับ Cal.com เพื่อดูช่วงเวลาว่างและจองให้ได้

สิ่งที่ Claude Code ทำไม่ใช่แค่ “รับคำสั่ง” แต่จะถามกลับเพื่อเก็บ requirement เพิ่ม เช่น มี agent เดิมอยู่หรือยัง, Cal.com ตั้ง event type ไว้หรือยัง, อยากให้ widget แสดงแบบไหน, โทนเสียงต้องการแบบใด และต้องเก็บข้อมูลอะไรบ้างก่อนจอง

นี่คือจุดที่เรามองว่ามีประโยชน์มากสำหรับคนทำธุรกิจ เพราะหลายครั้งสิ่งที่ยากไม่ใช่การเขียนโค้ด แต่คือการรู้ว่าต้องตัดสินใจอะไรบ้าง AI ที่ช่วยถามกลับอย่างเป็นระบบ จึงทำหน้าที่คล้าย consultant ระดับต้นได้ดีพอสมควร

ข้อมูลที่ agent ถูกตั้งให้เก็บก่อนจอง

• ชื่อ-นามสกุล
• อีเมล
• ชื่อบริษัท
• ปัญหาที่ต้องการแก้
• ขนาดทีม
• บทบาทของผู้ติดต่อ

ถ้าเอามาใช้กับธุรกิจไทย เราควรถามตัวเองเพิ่มอีกนิดว่า “ข้อมูลไหนจำเป็นต่อการขายจริง” ถ้าถามเยอะเกินไป ลูกค้าจะหลุดกลางทาง แต่ถ้าถามน้อยเกินไป ทีมขายก็รับช่วงต่อยาก

Step 5: เชื่อม ElevenLabs กับ Cal.com ให้ agent จองคิวได้จริง

เมื่อแผนชัดแล้ว ขั้นตอนต่อไปคือการเชื่อมระบบ โดยใช้ API key ของ ElevenLabs และ Cal.com ใส่ไว้ในไฟล์แยกเก็บค่า เช่น .env เพื่อให้ Claude Code ใช้ในการตั้งค่า agent และ tool ต่างๆ

ในทางธุรกิจ นี่แปลว่า agent ไม่ได้เป็นแค่กล่องแชตหรือผู้ตอบคำถาม แต่เป็น “พนักงานหน้าเว็บ” ที่ลงมือทำงานแทนคนได้ เช่น เช็กเวลาว่างและสร้างการนัดหมายจริงในปฏิทิน

สถาปัตยกรรมที่ Claude Code วางไว้มี 2 tools หลัก

• เช็กเวลาว่าง
• จองเวลานัด

ตรงนี้เป็นตัวอย่างชัดว่า AI ที่มี tool use ต่างจาก chatbot ทั่วไปอย่างไร เพราะถ้าไม่มี tool มันก็แค่ตอบว่า “กรุณาไปจองผ่านลิงก์นี้” แต่ถ้ามี tool มันจะพาผู้ใช้ไปจนจบงาน

มุมที่ควรคิดเพิ่มคือ ถ้าธุรกิจมี CRM อยู่แล้ว อาจต่อยอดให้ agent เขียน lead ลง CRM ก่อน แล้วค่อยจองนัด หรือถ้ารับลูกค้าหลายประเภท อาจให้ agent ช่วยคัดแยกว่าควรไปลงปฏิทินของทีมไหน

Step 6: ทดสอบรอบแรก แล้วแก้ทีละปัญหา

รอบทดสอบแรก agent ทำงานได้ แต่ยังไม่ดีพอ เช่น เสียงยังไม่เหมาะ, ข้อความแรกไม่เล่นอัตโนมัติ, สไตล์การพูดดูเป็น AI ไปหน่อย

นี่เป็นช่วงที่สำคัญมาก เพราะหลายองค์กรคาดหวังว่า AI ต้องออกมาดีตั้งแต่ครั้งแรก ซึ่งไม่จริง แก่นของงานแบบนี้คือ “iteration” ไม่ใช่ “ตั้งค่าครั้งเดียวจบ”

วิธีแก้ในคลิปเรียบง่ายมาก คือบอก Claude Code ตรงๆ ว่า

• ชอบอะไร
• ไม่ชอบอะไร
• อาการที่เจอคืออะไร
• อยากให้ปรับไปทางไหน

วิธีนี้มีคุณค่ามากสำหรับคนไม่เขียนโค้ด เพราะแทนที่จะต้องเปิดเอกสาร API เอง เราอธิบาย “ประสบการณ์ที่เกิดขึ้น” ให้ AI ไปสืบต่ออีกที

อย่างไรก็ตาม ต้องพูดตรงๆ ว่าแนวทางนี้ไม่ได้แปลว่าไม่ต้องเข้าใจระบบเลย ถ้าเราอธิบายปัญหาไม่ชัด AI ก็อาจแก้ไม่ตรงจุด ดังนั้นเจ้าของงานควรรู้ระดับหนึ่งว่า error อยู่ที่ขั้นไหน เช่น เป็นปัญหาที่ prompt, ปัญหาที่ widget, หรือปัญหาที่ tool call

Step 7: ดีบักปัญหาเวลา อีเมล และการถามมากเกินไป

หลังจากปรับรอบแรก ยังมีปัญหาหลายอย่างที่สะท้อนโลกจริงของการใช้ AI Agent ได้ดีมาก

• agent อ่านเวลาไม่ตรง time zone
• ยืนยันชื่อและอีเมลไม่แม่น
• ถามเยอะเกินไปจน flow ไม่ลื่น
• availability ที่ดึงมาไม่ตรงกับที่ควรเห็น

สิ่งที่ดีคือ Claude Code ถูกใช้เพื่อช่วยวิเคราะห์สาเหตุ ไม่ใช่แค่สุ่มแก้ prompt ไปเรื่อยๆ เช่น กรณี availability ผิด ระบบแยกความเป็นไปได้ออกเป็น 3 จุด คือ

1. Cal.com ส่งข้อมูลมาไม่ครบ
2. agent เรียก tool ผิด
3. tool ส่งค่ามาถูก แต่ agent อ่านผลลัพธ์ผิด

สุดท้ายพบว่าปัญหาหลักเกิดจากการ query เวลาเป็น UTC แทนที่จะเป็น Central Time ทำให้ช่วงเวลาที่ค้นหาคลาดเคลื่อน

นี่เป็นบทเรียนสำคัญสำหรับธุรกิจไทยมาก เพราะเวลาทำระบบนัดหมาย เรามักมองว่า “ขอแค่เชื่อมปฏิทินได้ก็พอ” แต่รายละเอียดอย่าง time zone, minimum notice, ช่วงเวลาทำการ หรือกฎการจอง ล้วนมีผลต่อประสบการณ์ใช้งานทั้งหมด

อีกจุดที่น่าสนใจคือระบบมีการตั้ง minimum notice ไว้ 2 ชั่วโมง จึงทำให้บางเวลาที่ดูเหมือนว่าง จริงๆ แล้วจองไม่ได้ทันที ตรงนี้สะท้อนว่า AI ไม่ได้อยู่เหนือกฎของระบบเดิม มันเพียงทำงานภายใต้กฎเหล่านั้น ดังนั้นก่อนโทษ AI ควรกลับไปเช็ก business rule ด้วย

Step 8: ปรับจนได้ flow ที่ใช้งานได้จริง

เมื่อแก้ปัญหาเรื่อง time zone และปรับ prompt เพิ่ม agent ก็เริ่มทำงานได้ตรงเป้า คือรับข้อมูล, เช็กคิว, เสนอเวลา และจองนัดสำเร็จ พร้อมส่งอีเมลยืนยัน

ในเชิงธุรกิจ นี่คือจุดที่ควรประเมิน 3 เรื่องพร้อมกัน

• ทำงานได้ไหม เช่น จองได้จริง ส่งอีเมลจริง
• คุยแล้วน่าเชื่อถือไหม เช่น น้ำเสียงไม่แข็ง ไม่ถามซ้ำ
• คุ้มไหม เมื่อเทียบกับค่าใช้งานต่อบทสนทนา

คลิปนี้ชี้ให้เห็นตรงๆ ว่าแม้ระบบทำงานแล้ว ก็ยังมีจุดให้ขัดเกลาอีกเยอะ เช่น prompt ยังพูดเยอะไป, หน้าตา widget ยังปรับได้, transcript บนหน้าเว็บอาจไม่จำเป็น หรือเสียงบางแบบยังฟังเป็นหุ่นยนต์เกินไป

มุมมองของเรา คือธุรกิจไม่ควรรอให้ agent “สมบูรณ์แบบ” ก่อนค่อยใช้ แต่ควรปล่อยในกรอบเล็กๆ ก่อน เช่น ให้รับเฉพาะ lead จากหน้า landing page เดียว แล้วเก็บ feedback จริงมาปรับต่อ

Step 9: อย่ามองข้ามเรื่องต้นทุน ความปลอดภัย และการถูกใช้เกินจำเป็น

ช่วงท้ายของคลิปพูดถึงเรื่องที่สำคัญไม่แพ้การสร้าง agent คือ “ใครจ่าย” และ “จะกันการใช้งานเกินจำเป็นยังไง” เพราะเมื่อฝัง widget ลงเว็บไซต์ ทุกครั้งที่มีคนคุย ระบบจะกินเครดิตจากบัญชีเรา

ความเสี่ยงที่ควรคิดไว้ล่วงหน้า ได้แก่

• มีคนเปิดคุยนานผิดปกติเพื่อเผาเครดิต
• มีคนคัดลอก widget ไปใช้บนโดเมนอื่น
• agent ตอบเกินจริงเพราะไม่มี knowledge ที่แน่นพอ
• model แพงเกินไปเมื่อเทียบกับมูลค่าที่ได้จาก 1 lead

แนวทางป้องกันที่ถูกพูดถึง

• ล็อก allowlist ของโดเมน
• ตั้งเพดานความยาวการสนทนา
• ใส่ rate limit
• ใช้ knowledge base ที่อ้างอิงได้จริง
• เลือก model และเสียงให้สมดุลระหว่างคุณภาพกับ latency

นี่คือจุดที่เราเห็นต่างกับความตื่นเต้นเรื่อง “สร้างเร็ว” เล็กน้อย เพราะสำหรับธุรกิจจริง เรื่อง governance สำคัญพอๆ กับการทำเดโมติด ถ้าระบบตอบผิดหรือถูกใช้เกินจำเป็น ต้นทุนที่ตามมาอาจมากกว่าที่คิด

Actionable Insights

• เริ่มจาก 1 งานก่อน เช่น ให้ AI รับคำถามและจองคิว ไม่ต้องพยายามให้ทำทุกอย่างตั้งแต่วันแรก
• ออกแบบข้อมูลที่ต้องเก็บให้พอดี ถามเฉพาะสิ่งที่ทีมขายต้องใช้จริง ไม่เช่นนั้นลูกค้าจะหลุดกลาง flow
• ทดสอบด้วยสถานการณ์จริง เช่น ลูกค้าพูดไม่ชัด ขอเลื่อนเวลา หรือให้ข้อมูลไม่ครบ
• เช็ก business rule หลังบ้าน เช่น time zone, เวลาทำการ, minimum notice ก่อนโทษ AI ว่าตอบผิด
• วาง guardrail เรื่องต้นทุนตั้งแต่ต้น จำกัดโดเมน จำกัดเวลา และติดตามการใช้งานเสมอ

Troubleshooting

ปัญหา: agent ไม่พูดข้อความแรกอัตโนมัติ

สาเหตุ: widget หรือการตั้งค่า first message อาจทำงานไม่ตรงกับที่คาด

วิธีแก้: ทดสอบใน dashboard ก่อน แล้วค่อยเช็ก widget integration จากนั้นให้ AI ช่วยค้นว่าต้องปรับ setting จุดไหน

ปัญหา: agent เสนอเวลานัดไม่ตรงกับที่ควรมี

สาเหตุ: time zone ผิด หรือกฎการจองใน Cal.com เช่น minimum notice บล็อกช่วงเวลาไว้

วิธีแก้: ตรวจ time zone ทุกฝั่ง, เช็ก availability rule, แล้วดูว่า tool query ส่งค่าเวลาแบบไหน

ปัญหา: agent จดอีเมลหรือชื่อผิด

สาเหตุ: prompt ไม่สั่งให้ยืนยันข้อมูลสำคัญก่อนจอง

วิธีแก้: เพิ่มขั้นตอนให้สะกดทวนและยืนยันชื่อกับอีเมลก่อนส่งคำสั่งจอง

ปัญหา: agent ถามเยอะจนลูกค้ารำคาญ

สาเหตุ: prompt เน้นเก็บข้อมูลมากเกินไป หรือ flow ขายยังไม่กระชับ

วิธีแก้: ลดคำถามให้เหลือเฉพาะข้อมูลจำเป็น และสั่งให้ agent พูดสั้น กระชับ และตรงเป้า

ปัญหา: เครดิตหมดเร็วผิดปกติ

สาเหตุ: widget เปิดสาธารณะโดยไม่มีการจำกัดการใช้งาน

วิธีแก้: ล็อกโดเมน, ตั้ง rate limit, จำกัดระยะเวลาการคุย และติดตาม usage สม่ำเสมอ

การต่อยอด

• ต่อเข้ากับ CRM เพื่อให้ทุก lead ที่คุยกับ agent ถูกบันทึกเข้าระบบขายอัตโนมัติ
• แยก flow ตามประเภทลูกค้า เช่น ลูกค้าใหม่, ลูกค้าเก่า, partner หรือผู้สมัครงาน
• ขยายจากเว็บไปสู่เบอร์โทร ใช้ agent ตัวเดียวกันเป็น front desk ทั้งหน้าเว็บไซต์และสายโทรเข้า

สรุป Checklist ทั้งหมด

• ☐ กำหนดโจทย์ธุรกิจของ Voice Agent ให้ชัด
• ☐ ระบุหน้าที่หลักของ agent ว่าจะตอบคำถาม เก็บข้อมูล หรือจองคิว
• ☐ เลือกช่องทางใช้งานก่อน เช่น widget บนเว็บไซต์
• ☐ ตัดสินใจเรื่อง persona, โทนเสียง และข้อมูลความรู้ที่ต้องใช้
• ☐ เตรียมระบบจองคิว เช่น Cal.com และ event type ที่จะใช้
• ☐ ให้ Claude Code ช่วยวางแผนการเชื่อม ElevenLabs กับระบบหลังบ้าน
• ☐ ใส่ API key และค่าตั้งต้นที่จำเป็น
• ☐ ทดสอบการสนทนาจริงบนหน้าเว็บ
• ☐ ปรับเสียง ข้อความเปิด และ flow การถามตอบ
• ☐ ดีบักเรื่อง time zone, availability และความถูกต้องของข้อมูลลูกค้า
• ☐ ยืนยันว่า agent จองคิวและส่งอีเมลได้จริง
• ☐ ตั้ง guardrail เรื่องโดเมน เวลาใช้งาน และต้นทุน
• ☐ ปล่อยใช้งานในวงเล็กก่อน แล้วค่อยปรับจากข้อมูลจริง

สรุปแล้ว คลิปนี้ไม่ได้แค่สอนสร้าง Voice Agent แต่ชี้ให้เห็นว่าการเอา AI ไปใช้จริงในธุรกิจไม่จำเป็นต้องเริ่มจากทีม developer เสมอไป ถ้าเราอธิบายโจทย์เป็น, ทดสอบเป็น, และรู้ว่าต้องจับตาจุดไหน AI ก็ช่วยย่นระยะจากไอเดียไปสู่ระบบใช้งานจริงได้มาก โดยเฉพาะงานอย่างรับ lead, ตอบคำถามลูกค้า และจองคิวอัตโนมัติ

จุดที่ควรจำไว้คือ ความง่ายในการสร้าง ไม่ได้แปลว่าปล่อยใช้ได้ทันที ความต่างระหว่างเดโมที่ดูดี กับระบบที่ใช้ได้จริง อยู่ที่การ iterate, การดีบัก, และการวาง guardrail หลังบ้าน ถ้าเราจัดการสามเรื่องนี้ได้ดี Voice Agent ก็มีโอกาสกลายเป็นพนักงานด่านหน้าที่คุ้มค่ามากตัวหนึ่งของธุรกิจ