ข้ามไปบทความ

FDE เริ่มจากแผนผังงาน: ลดวงจรแก้ใบเสนอราคาและใบแจ้งหนี้

บทเรียนจากคลิป Greg Isenberg ว่าด้วยการหางานที่วนกลับ เวลารอส่งต่อ และการแบ่งขั้นตอนให้กฎ AI และคนรับผิดชอบ พร้อมอ่านตัวเลขกรณีศึกษาอย่างมีขอบเขต

โดย Insiderly
ภาพปก FDE 101 แสดงการสำรวจงาน หาคอขวด และส่งมอบผลลัพธ์
ภาพจากวิดีโอ Become a $1M/yr FDE (Full Course) ช่อง Greg Isenberg
เผยแพร่:

ใบเสนอราคาที่ส่งกลับมาแก้หลายรอบ หรือใบแจ้งหนี้ที่รอคนส่งต่อ อาจทำให้งานหนึ่งชิ้นค้างนานกว่าที่เห็นในคู่มือ ก่อนเลือกว่าจะใช้ AI ตรงไหน ทีมจึงต้องรู้ว่างานเดินจริงอย่างไร ใครตัดสินใจ และเรื่องแบบใดทำให้งานย้อนกลับไปเริ่มใหม่

วิดีโอ Become a $1M/yr FDE (Full Course) ของ Greg Isenberg อธิบายงานของ Forward Deployed Engineer หรือ FDE ผ่านกรณีฝ่ายขายและฝ่ายการเงิน บทความนี้หยิบวิธีสำรวจกระบวนการและวัดผลมาใช้เป็นประเด็นหลัก สไลด์ระบุว่าตัวอย่างดึงจากงานจริง โดยปรับชื่อและตัวเลขก่อนนำเสนอ และตัวเลขทั้งหมดเป็นสิ่งที่ผู้บรรยายรายงาน

คู่มือที่ดูเรียบง่ายอาจซ่อนงานวนกลับอีกหลายรอบ

ในกรณีบริษัทซอฟต์แวร์ที่ผู้บรรยายนำมาเล่า คู่มือการเสนอราคาดูตรงไปตรงมา: สร้างราคา ส่งให้ตรวจ อนุมัติ ส่งให้ลูกค้า เจรจา แล้วลงนาม แต่เมื่อตรวจประวัติงานใน CRM ร่วมกับสัมภาษณ์พนักงาน ทีมกลับพบกระบวนการ 20 ขั้นตอนและวงจรวนกลับ 7 จุด

เขาระบุว่า 61% ของคำขอวนกลับในช่วงต้น ฝ่ายกฎหมายส่งงานกลับในอีกช่วงหนึ่ง 12% และมีจุดที่ต้องขออนุมัติราคาใหม่ 30% ตัวเลขเหล่านี้อธิบายคนละช่วงของกระบวนการ จึงไม่ควรนำมาบวกเป็นอัตราความผิดพลาดรวม หรือใช้แทนค่ามาตรฐานของบริษัทอื่น

สิ่งที่ทีมได้จากแผนผังจึงรวมถึงเส้นทางเมื่อข้อมูลไม่ครบและเมื่อมีคนไม่อนุมัติ หากมองเฉพาะลำดับงานที่สำเร็จในครั้งแรก จุดที่กินเวลามากที่สุดอาจไม่ปรากฏเลย

สไลด์เปรียบเทียบกระบวนการเสนอราคาและเส้นทางวนกลับ พร้อมตัวเลข 7 และ 20
สไลด์เทียบกระบวนการเสนอราคาที่อธิบายไว้กับเส้นทางทำงานจริงในกรณีศึกษา ภาพจากวิดีโอ Become a $1M/yr FDE (Full Course) ช่อง Greg Isenberg

ประกอบภาพจากคน ระบบ และเอกสาร

วิธีที่ผู้บรรยายใช้เริ่มจากการสัมภาษณ์หัวหน้าแผนก แล้วคุยต่อกับคนลงมือทำ เพื่อหากติกาที่ไม่ได้เขียนไว้ เช่น ใครมีอำนาจตัดสินใจ เหตุใดขั้นตอนนี้จึงยังอยู่ และเมื่อเจอกรณียกเว้นต้องขอความช่วยเหลือจากใคร

จากนั้นตรวจประวัติในระบบหลัก เช่น CRM หรือ ERP เพื่อดูว่าข้อมูลเข้ามาอย่างไร ถูกแก้เมื่อใด และส่งต่อไปทางไหน การวิเคราะห์ร่องรอยการทำงานลักษณะนี้เรียกว่า process mining แต่ข้อมูลในระบบยังต้องเทียบกับคำอธิบายของคน เพราะเหตุการณ์หนึ่งอาจเกิดจากข้อจำกัดที่ประวัติการใช้งานไม่ได้บอก

แหล่งที่สามคือเอกสารและการสื่อสารนอกระบบหลัก ตั้งแต่คู่มือ ไฟล์ใน Drive หรือ SharePoint ไปจนถึงแชตและตารางข้อมูล ผู้บรรยายย้ำว่าองค์กรแต่ละแห่งมีหลักฐานไม่เท่ากัน บริษัทที่มีประวัติ CRM หลายปีใช้ข้อมูลนั้นช่วยสำรวจได้มาก ขณะที่กิจการเล็กอาจต้องเริ่มจากความรู้ของพนักงาน

อีกตัวอย่างในคลิปคือสำนักงานบัญชีที่คิดว่างานมี 6 ขั้นตอน แต่เมื่อแจกแจงพบ 14 ขั้นตอน รวมการตามเอกสารและส่งงานกลับไปแก้ ผู้บรรยายระบุชัดว่ากรณีนี้ได้มาจากคนในอุตสาหกรรมที่เขาพูดคุยด้วย ไม่ใช่ลูกค้าของทีมโดยตรง จึงควรอ่านเป็นตัวอย่างประกอบวิธีคิด

แบ่งขั้นตอนให้ชัดก่อนตัดสินใจสร้าง agent

หลังเห็นเส้นทางงาน ผู้บรรยายจัดแต่ละขั้นตอนลงสี่กลุ่ม ซึ่งช่วยให้ทีมอธิบายได้ว่าจะเปลี่ยนอะไรและเพราะเหตุใด

สไลด์จัดขั้นตอนงานเป็นสี่คอลัมน์ ได้แก่ ตัดทิ้ง กฎตายตัว agent และการตัดสินใจของคน
กรอบสี่กลุ่มสำหรับทบทวนว่าแต่ละขั้นตอนควรถูกจัดการอย่างไร ภาพจากวิดีโอ Become a $1M/yr FDE (Full Course) ช่อง Greg Isenberg

ตัวอย่างงานที่ต้องตีความคือการจัดหมวดรายการในใบแจ้งหนี้ ชื่อสินค้าชิ้นเดียวอาจยังไม่พอ ต้องดูผู้ขายหรือข้อยกเว้นของรายการประกอบด้วย ส่วนการอนุมัติจ่ายเงินมีความเสี่ยงอีกระดับหนึ่ง ผู้บรรยายยกกรณีใบแจ้งหนี้หลอกลวงเพื่ออธิบายว่าควรมีคนตรวจและอนุมัติก่อนส่งเงิน

การตัดสินใจใช้ agent จึงควรระบุขอบเขตด้วยว่าจะช่วยอ่าน เสนอหมวด หรือแก้ข้อมูลใดได้บ้าง งานสร้างระบบยังต้องมีการทดสอบ บันทึกการกระทำ และวิธีรับมือเมื่อ agent ทำผิด ประเด็นเหล่านี้อยู่ในทักษะ FDE ที่ผู้บรรยายกล่าวถึงช่วงท้ายคลิป

วางงานใหม่ไว้ในระบบที่ทีมใช้อยู่

ผู้บรรยายแนะนำให้ agent อ่านข้อมูลและทำงานในระบบหลักของลูกค้า เช่น Salesforce หรือ NetSuite แล้วส่งเรื่องที่ต้องให้คนพิจารณาไปยังช่องทางเดิมของทีม ตัวอย่างในคลิปใช้ Slack สำหรับการแจ้งให้คนเข้ามาร่วมตัดสินใจ

เหตุผลของเขาคือองค์กรลงทุนกับระบบเดิมและวิธีทำงานไปแล้ว การบังคับย้าย CRM พร้อมกับเปลี่ยนกระบวนการอาจเพิ่มภาระมากจนโครงการเริ่มยาก ขณะเดียวกันเขาก็เปิดข้อยกเว้นไว้สำหรับกิจการที่ยังไม่มี CRM ซึ่งอาจต้องจัดระบบข้อมูลก่อน

เมื่อขยายไปหลายบริษัทหรือหลายหน่วยงาน การจัดกลุ่มตามระบบที่ใช้อยู่ช่วยให้เห็นส่วนที่นำกลับมาใช้ซ้ำได้ แต่ผู้บรรยายยกตัวอย่างบริษัทที่ใช้ NetSuite เหมือนกันและยังมีจำนวนขั้นตอนต่างกัน พร้อมเตือนว่าภาพทุกบริษัทเหลือกระบวนการเหมือนกันหมดเป็นการทำให้เรื่องดูง่ายขึ้น กติกาเฉพาะของแต่ละทีมยังต้องสำรวจใหม่

อ่านผลก่อนและหลังให้รู้ว่ากำลังวัดอะไร

กรณีเจ้าหนี้การค้าที่เล่าในคลิปแสดงตัวเลขก่อนและหลังดังนี้

สไลด์กระบวนการเจ้าหนี้การค้าก่อนและหลัง พร้อมตารางตัวชี้วัดด้านล่าง
ตัวเลขประกอบกรณีเจ้าหนี้การค้าที่ผู้บรรยายนำเสนอในคลิป ภาพจากวิดีโอ Become a $1M/yr FDE (Full Course) ช่อง Greg Isenberg

ผู้บรรยายอธิบายว่าการเพิ่มสัดส่วนใบแจ้งหนี้ที่ผ่านได้ตรงเกิดจากการออกแบบกระบวนการใหม่ร่วมด้วย ตัวเลขชุดนี้จึงใช้แยกผลของ model ออกจากผลของการเปลี่ยนวิธีทำงานไม่ได้ และคลิปไม่ได้ให้ข้อมูลดิบหรือนิยามต้นทุนละเอียดพอจะนำไปประมาณผลตอบแทนของอีกบริษัทหนึ่ง

สิ่งที่นำไปใช้ต่อได้คือวิธีเก็บค่าตั้งต้น แล้วติดตามผลด้วยตัวชี้วัดเดิม ทีมควรดูทั้งเวลารวม งานที่ต้องแก้ซ้ำ และต้นทุนต่อรายการ โดยแยกเวลาลงมือทำออกจากเวลารอส่งต่อให้ชัด ประเด็นเวลารอเป็นสิ่งที่ผู้บรรยายกลับมาย้ำในตัวอย่างสำนักงานบัญชี: การเร่งแต่ละขั้นตอนอาจช่วยได้จำกัด หากงานยังรออยู่ระหว่างคนสองคน

เริ่มจากการตามงานหนึ่งชิ้นให้จบ

สำหรับทีมที่อยากนำแนวคิดนี้ไปลอง ข้อเสนอของ Insiderly คือเลือกงานหนึ่งประเภทที่มีผู้รับผิดชอบชัด แล้วขอให้คนทำงานพาดูรายการจริงตั้งแต่รับเรื่องจนส่งมอบ จดทั้งเส้นทางปกติและจุดที่เคยส่งกลับ ก่อนคุยกันว่าจะเปลี่ยนขั้นตอนไหน

  1. ระบุระบบและเอกสารที่เกี่ยวข้อง รวมถึงแหล่งข้อมูลที่ใช้ตัดสินเมื่อข้อมูลขัดกัน
  2. บันทึกผู้รับผิดชอบ จุดส่งต่อ เวลารอ และสาเหตุที่ต้องแก้งาน
  3. ให้เจ้าของงานตรวจแผนผัง แล้วจัดแต่ละขั้นตอนลงสี่กลุ่ม
  4. เลือกจุดทดลองที่มีข้อมูลให้ตรวจผล และกำหนดเรื่องที่ต้องให้คนอนุมัติไว้ก่อน
  5. เก็บค่าตั้งต้นและติดตามผลหลังเปลี่ยนกระบวนการ ก่อนขยายไปงานอื่น

นี่เป็นแนวทางเริ่มสำรวจงาน ไม่ใช่กำหนดเวลารับรองว่าจะสร้างระบบเสร็จในไม่กี่วัน ผลงานชิ้นแรกที่มีประโยชน์อาจเป็นแผนผังที่ทั้งทีมยืนยันว่าตรงกับความจริง เพราะแผนผังนั้นทำให้เห็นว่าควรตัดงาน ลดการรอ หรือให้ AI ช่วยตีความตรงไหน

ที่มา: Become a $1M/yr FDE (Full Course) ช่อง Greg Isenberg ช่วงสำรวจกระบวนการ 09:55–19:01 การทำงานในระบบเดิม 19:04–23:36 กรณีเจ้าหนี้การค้า 27:10–31:19 และการวัดผลต่อเนื่อง 50:24–51:54 ข้อเสนอในส่วนสุดท้ายเป็นการประยุกต์ของ Insiderly ตัวเลขกรณีศึกษาไม่ได้ผ่านการตรวจสอบอิสระในบทความนี้

Insiderly

บทความจากกองบรรณาธิการ Insiderly

อ่านบทความทั้งหมด

More in ธุรกิจและการแข่งขัน

See all
ภาพปกวิดีโอต้นทางของ Nate Herk เรื่อง Karpathy และ Anthropic

Karpathy ร่วม Anthropic: ข่าวที่ยืนยันแล้วและคำคาดการณ์เรื่อง context

โดย Insiderly
/
Developer workspace window showing project list, changelog and code area

Rakuten แก้ปัญหาได้เร็วขึ้นสองเท่าด้วย Codex

โดย Insiderly
/
video thumbnail for 'NEW NVIDIA + Adobe AI Update is INSANE! 🔥'

NEW NVIDIA + Adobe AI Update: ระบบเอเจนต์ที่อาจ “แทนทั้งทีมการตลาด” ได้ในไม่กี่ปี

โดย Insiderly
/
ภาพคณะผู้ร่วมอภิปรายในสตูดิโอพูดคุยเรื่อง superintelligence

Sam Altman on Building the Future of AI: ทำไม “ซูเปอร์อินเทลลิเจนซ์” ถึงต้องเริ่มคุยตั้งแต่วันนี้ พร้อมกรอบคิดเรื่องความปลอดภัย ความยืดหยุ่น และการแบ่งปันผลประโยชน์

โดย Insiderly
/

บทความอื่นจาก Insiderly

See all
ภาพปกบทสัมภาษณ์ Will Koh จาก Ramp เรื่อง GPT-5.5

GPT-5.5 กับงานจริง: บทเรียนจาก Will Koh และ Ramp

โดย Insiderly
/
ภาพปกคลิป ChatGPT Images 2.0 พร้อมตัวอย่างภาพจรวด

ChatGPT Images 2.0: ย้อนดูแนวคิดภาพสำหรับงานธุรกิจ

โดย Insiderly
/
ภาพปก The End of Apps ของ Kitze บนเวที AI Engineer Europe

AI Agents กับจุดจบของแอป: บทเรียนจาก Kitze

โดย Insiderly
/
ภาพปกการสนทนา Human Judgment in Agentic Engineering จาก AI Engineer Europe

AI เร่งงานได้ แต่แรงเสียดทานช่วยให้เราตัดสินใจดีขึ้น

โดย Insiderly
/