บทความนี้เก็บเนื้อหาจากต้นทางวันที่ 11 มิถุนายน 2026 คำกล่าวเรื่องความสามารถ รูปแบบไฟล์ และสิทธิ์ Ultra หรือ Workspace เป็นข้อมูลตามคลิป ไม่ใช่การยืนยันสถานะปัจจุบันของทุกบัญชี ภาพแสดงตัวอย่างคำสั่งและความคืบหน้า ไม่ได้พิสูจน์ว่าไฟล์ส่งออกถูกต้องหรือครบทุกชนิด ควรตรวจสิทธิ์การใช้ข้อมูล แหล่งอ้างอิง และผลลัพธ์ด้วยตนเองก่อนใช้งานจริง · วิดีโอต้นทาง
จุดที่น่าสนใจกับ NotebookLM รอบนี้ ไม่ใช่แค่มันตอบคำถามเก่งขึ้น แต่คือ Google กำลังขยับมันจากเครื่องมือสรุปข้อมูล ไปสู่ AI agent ที่เริ่มลงมือทำงานแทนเราได้จริงบางส่วน นี่เป็นประเด็นสำคัญมากสำหรับเจ้าของธุรกิจและคนทำงาน เพราะคอขวดของงานความรู้ไม่ใช่การพิมพ์คำถาม แต่คือการหาแหล่งข้อมูล คัดสิ่งที่เกี่ยวข้อง จัดโครงเรื่อง และแปลงผลลัพธ์ออกมาเป็นไฟล์ที่ใช้งานต่อได้
คลิปจากช่อง Julian Goldie SEO หยิบอัปเดตนี้มาสรุปแบบสั้นมาก แต่สิ่งที่ซ่อนอยู่ข้างในน่าสนใจเกินกว่าจะมองเป็นแค่ฟีเจอร์ใหม่ของ Google เพราะถ้า NotebookLM ทำตามที่ประกาศได้จริง มันอาจกลายเป็นผู้ช่วยรีเสิร์ชที่ช่วยย่นเวลางานเอกสาร งานสรุปข้อมูล และงานทำ presentation ได้พอสมควร
บทความนี้จะค่อยๆ แกะว่า NotebookLM AI Agent ใหม่ทำอะไรได้บ้าง เหมาะกับงานแบบไหน ข้อดีจริงอยู่ตรงไหน และถ้าเอามาใช้กับธุรกิจไทย เราควรเริ่มจาก use case แบบใดก่อนเพื่อไม่ให้ตื่นเต้นเกินเหตุ
สารบัญ
- Step 1: ทำความเข้าใจก่อนว่า NotebookLM เปลี่ยนบทบาทไปแล้ว
- Step 2: มองให้ชัดว่า AI Agent ต่างจาก AI Chatbot ตรงไหน
- Step 3: ใช้ประโยชน์จากความสามารถด้านรีเสิร์ชอัตโนมัติ
- Step 4: เข้าใจว่าระบบ reasoning ที่ดีขึ้นช่วยงานจริงอย่างไร
- Step 5: เปลี่ยนไอเดียสั้นๆ ให้เป็น notebook ที่พร้อมใช้งาน
- Step 6: ใช้การแปลงผลลัพธ์เป็นหลายไฟล์ให้คุ้มที่สุด
- Step 7: ประเมินว่าเหมาะกับใครและเริ่มใช้ตรงไหนก่อน
- Step 8: วางกรอบการใช้กับธุรกิจไทยแบบไม่หลงกระแส
- Actionable Insights
- Troubleshooting
- การต่อยอด
- สรุป Checklist ทั้งหมด
Step 1: ทำความเข้าใจก่อนว่า NotebookLM เปลี่ยนบทบาทไปแล้ว
เดิมที NotebookLM ถูกมองเป็นเครื่องมือถามตอบจากไฟล์ที่เราอัปโหลดเข้าไป เช่น เอกสารประชุม รายงาน หรือโน้ตการวิจัย เราใส่แหล่งข้อมูลเข้าไปก่อน แล้วค่อยถามคำถามจากชุดข้อมูลนั้น ความเก่งของมันอยู่ที่การอ้างอิงข้อมูลจาก source ที่เราให้มา
แต่อัปเดตใหม่นี้ทำให้บทบาทเปลี่ยนไปพอสมควร เพราะมันไม่ได้รอแค่ให้เราป้อนไฟล์แล้วค่อยถาม แต่มันเริ่มทำหน้าที่เหมือน agent ด้าน research มากขึ้น นั่นคือรับ “ไอเดียหลวมๆ” จากเรา แล้วช่วยออกไปหาแหล่งข้อมูลที่เกี่ยวข้อง เสนอว่าจะเพิ่ม source อะไรเข้ามา ก่อนจะประกอบเป็น notebook ให้จากศูนย์
มุมนี้สำคัญมากสำหรับคนทำธุรกิจ เพราะ workflow ของงานจริงมักไม่ได้เริ่มจากไฟล์ที่พร้อมแล้ว แต่มักเริ่มจากโจทย์กว้างๆ เช่น
- อยากทำรายงานคู่แข่งในตลาด
- อยากสรุปเทรนด์ลูกค้าในอุตสาหกรรม
- อยากรวบรวมข้อมูลเพื่อทำ proposal
- อยากเปลี่ยนข้อมูลที่กระจัดกระจายให้กลายเป็น deck สำหรับประชุม
ถ้าเครื่องมือช่วยข้ามขั้นตอนตั้งต้นพวกนี้ได้ งานของเราจะเร็วขึ้นแบบจับต้องได้
Step 2: มองให้ชัดว่า AI Agent ต่างจาก AI Chatbot ตรงไหน
หลายคนได้ยินคำว่า AI agent แล้วมักคิดว่าเป็นแค่ chatbot ที่ตอบฉลาดขึ้น แต่จริงๆ ความต่างอยู่ที่ “การลงมือทำหลายขั้นตอนแทนเรา” ไม่ใช่แค่ตอบหนึ่งคำถามต่อหนึ่งคำตอบ
ในอัปเดตนี้ NotebookLM ถูกวางให้ทำงานเป็นลำดับมากขึ้น เช่น รับโจทย์ ค้นหา source ที่เกี่ยวข้อง ขออนุญาตเพิ่ม source เข้ามา จัดโครง notebook และสร้างผลลัพธ์ออกมาเป็นไฟล์หลายรูปแบบ ฟังดูเล็กน้อย แต่เชิง workflow มันต่างจากการถามตอบธรรมดาเยอะ
สำหรับธุรกิจไทย ความหมายคือ เราเริ่มใช้ AI ไม่ใช่เพื่อ “ช่วยคิดประโยค” อย่างเดียว แต่เพื่อ “ช่วยปั้นงานทั้งชิ้น” ตั้งแต่ต้นทางถึงกลางทางได้บ้างแล้ว ซึ่งเหมาะกับงานที่มีรูปแบบชัด แต่กินเวลา เช่น งานรีเสิร์ชเบื้องต้น งานเตรียมประชุม งานสรุปตลาด และงานรวบรวมข้อมูลจากหลายที่
อย่างไรก็ตาม ควรระวังการคาดหวังเกินจริง คำว่า agent ไม่ได้แปลว่าปล่อยทิ้งแล้วจบ งานที่ต้องใช้ judgement สูง เช่น การตัดสินใจเชิงกลยุทธ์ การคัดข้อมูลสำคัญต่อธุรกิจ หรือการตีความข้อมูลเฉพาะตลาดไทย ยังต้องมีคนตรวจเสมอ
Step 3: ใช้ประโยชน์จากความสามารถด้านรีเสิร์ชอัตโนมัติ
ฟีเจอร์ที่น่าสนใจที่สุดคือความสามารถในการเริ่มจากแนวคิดกว้างๆ แล้วระบบช่วยไปหาแหล่งข้อมูลที่เกี่ยวข้องให้ก่อน จากนั้นจึงถามเราว่าจะเพิ่มแหล่งข้อมูลเหล่านั้นเข้า notebook หรือไม่
จุดนี้มีผลมากกับคนที่ทำงานภายใต้เวลาจำกัด เพราะปัญหาของงานรีเสิร์ชไม่ได้อยู่ที่ “ไม่รู้จะถามอะไร” แต่อยู่ที่ “ไม่รู้จะเริ่มเก็บข้อมูลจากไหนก่อน” ถ้าเครื่องมือช่วย shortlist แหล่งข้อมูลได้ เราจะประหยัดเวลาในช่วงที่ปกติมักสูญไปกับการ search และเปิดแท็บจำนวนมาก
ตัวอย่างการใช้กับธุรกิจไทยที่เห็นภาพได้ชัด เช่น
- ธุรกิจ B2B ใช้ตั้งต้นรายงานแนวโน้มอุตสาหกรรม เพื่อเตรียมคุยกับลูกค้าองค์กร
- ทีมการตลาด ใช้รวบรวมข้อมูลแคมเปญ คู่แข่ง และหัวข้อคอนเทนต์
- เจ้าของกิจการ SME ใช้สรุปข้อมูลก่อนตัดสินใจเปิดสินค้าใหม่
- ทีมขาย ใช้รวบรวมข้อมูลลูกค้าเป้าหมายและอุตสาหกรรมก่อนเข้าประชุม
มุมที่เรามองว่าใช้ได้จริงคือการใช้เป็น “ชั้นแรกของการรีเสิร์ช” ไม่ใช่ชั้นสุดท้าย หมายความว่าให้มันช่วยหา ช่วยจัด ช่วยสรุปก่อน แล้วค่อยให้ทีมงานเอาไปตรวจและเติม insight เฉพาะของธุรกิจเข้าไป
ถ้าต้องการอ่านข้อมูลเพิ่มเติมเกี่ยวกับ NotebookLM โดยตรง สามารถดูหน้าผลิตภัณฑ์ของ Google ได้ที่ NotebookLM
Step 4: เข้าใจว่าระบบ reasoning ที่ดีขึ้นช่วยงานจริงอย่างไร
ในคลิปพูดถึงว่าอัปเดตนี้ทำงานบนสมองใหม่ของระบบ และให้เหตุผลได้ลึกขึ้น พร้อมโชว์กระบวนการคิดบางส่วน ประเด็นนี้ไม่ได้มีค่าแค่ด้านเทคนิค แต่มันสำคัญในมุมใช้งานจริงมาก
เวลาที่ AI ช่วยทำรีเสิร์ช ปัญหาที่คนทำงานกังวลมี 3 อย่างหลักๆ คือ
- มันเลือก source จากอะไร
- มันสรุปข้ามขั้นหรือไม่
- มันพลาดตรงไหนแล้วเราจะจับได้อย่างไร
การที่ระบบเผยให้เห็นกระบวนการคิดหรือขั้นตอนที่ใช้ประกอบคำตอบบางส่วน ช่วยให้เราตรวจงานง่ายขึ้น นี่สำคัญกว่าความฉลาดล้วนๆ เพราะสำหรับงานธุรกิจ ความน่าเชื่อถือสำคัญพอๆ กับความเร็ว
ถึงอย่างนั้น เราไม่ควรตีความว่า “เห็นขั้นตอนคิด” เท่ากับ “ถูกต้องแน่นอน” การโชว์เหตุผลเป็นเพียงสัญญาณว่าเครื่องมือมีความโปร่งใสมากขึ้น แต่ไม่ได้แทนการตรวจ source โดยเฉพาะเมื่อต้องใช้ข้อมูลนั้นไปคุยกับลูกค้า ผู้บริหาร หรือพาร์ตเนอร์
Step 5: เปลี่ยนไอเดียสั้นๆ ให้เป็น notebook ที่พร้อมใช้งาน
สิ่งที่น่าตื่นเต้นอีกอย่างคือ เราไม่จำเป็นต้องเริ่มจากโครงที่ชัดมากเสมอไป แค่ใส่ไอเดียตั้งต้น ระบบสามารถช่วยพัฒนาไปสู่ notebook ที่เป็นรูปธรรมมากขึ้นได้
นี่คือสิ่งที่คนทำงานจำนวนมากต้องการ เพราะในชีวิตจริง งานจำนวนมากเริ่มจากประโยคสั้นๆ เช่น
- “ช่วยทำรายงานตลาดร้านกาแฟพรีเมียมในไทย”
- “สรุปโอกาสของธุรกิจคลินิกความงามในหัวเมืองรอง”
- “ช่วยรวบรวมข้อมูลเพื่อทำ deck เสนอแผนคอนเทนต์ครึ่งปีหลัง”
จากนั้นระบบช่วยสร้างโครงงานให้ ซึ่งลดภาระการเริ่มต้นงานได้มาก จุดนี้ฟังดูเล็ก แต่จริงๆ เป็น pain point ใหญ่ของทีมเล็กและเจ้าของธุรกิจ เพราะหลายครั้งงานไม่เดินต่อ ไม่ใช่เพราะทำไม่เป็น แต่เพราะยังไม่มีโครงแรกให้เริ่ม
มุมวิเคราะห์ที่ควรจำคือ AI แบบนี้เหมาะมากกับงานที่ “โครงสร้างชนะความลึก” หมายถึงงานที่ต้องการเฟรมก่อน เช่น รายงานสรุป deck ประชุม เอกสารประกอบการขาย หรือชุดข้อมูลเบื้องต้น แต่ถ้าเป็นงานที่ต้องใช้ประสบการณ์เฉพาะทางสูงมาก เช่น การประเมินการลงทุนหรือข้อกฎหมายเฉพาะทาง ยังต้องระวังมากเป็นพิเศษ
Step 6: ใช้การแปลงผลลัพธ์เป็นหลายไฟล์ให้คุ้มที่สุด
ฟีเจอร์ที่น่าจะโดนใจคนทำธุรกิจที่สุดคือการที่ NotebookLM ไม่ได้จบแค่สรุปข้อความ แต่สามารถแปลงงานออกมาเป็นไฟล์ที่นำไปใช้ต่อได้ เช่น ชาร์ต PDF เอกสาร Word ตาราง Excel และแม้แต่ชุดสไลด์ PowerPoint
นี่คือจุดที่ทำให้เครื่องมือเริ่มเข้าใกล้งานจริงมากขึ้น เพราะทีมงานส่วนใหญ่ไม่ได้ต้องการแค่คำตอบ แต่ต้องการ output ที่ส่งต่อใน workflow ได้ เช่น
- สรุปรายงานเป็น PDF ส่งหัวหน้า
- เอาข้อมูลลง Excel เพื่อวิเคราะห์ต่อ
- ทำ deck สำหรับประชุมลูกค้า
- สร้างภาพประกอบบางส่วนสำหรับสื่อสารไอเดีย
ถ้า Google ทำส่วนนี้ได้ดี ผลกระทบจะมากกว่าการมี AI เขียนข้อความ เพราะมันแตะขั้นตอนส่งมอบงานโดยตรง
แต่ต้องพูดตรงๆ ว่า output format ที่เยอะขึ้น ไม่ได้แปลว่าคุณภาพของทุก format จะดีพอใช้งานทันทีเสมอไป โดยเฉพาะ PowerPoint และ Excel ซึ่งในงานจริง คนมักต้องการรูปแบบที่สอดคล้องกับ brand, template, logic ของตัวเลข และลำดับการเล่าเรื่องเฉพาะบริษัท
ดังนั้นวิธีใช้ที่ฉลาดกว่าคือให้มันทำ draft แรก แล้วให้ทีมปรับ polish ต่อ ไม่ใช่คาดหวังว่าจะกดครั้งเดียวแล้วส่งลูกค้าได้เลย
หากต้องการแนวทางจัดทำสไลด์ธุรกิจให้น่าอ่าน อาจอ้างอิงหลักการพื้นฐานจาก Presentation Zen เพื่อใช้ตรวจ deck ที่ AI สร้างมา
Step 7: ประเมินว่าเหมาะกับใครและเริ่มใช้ตรงไหนก่อน
จากสิ่งที่มีในคลิป เครื่องมือนี้น่าจะเหมาะกับคน 4 กลุ่มมากที่สุด
- เจ้าของธุรกิจที่ต้องตัดสินใจจากข้อมูลหลายแหล่ง
- ทีมการตลาดและคอนเทนต์ ที่ต้องรีเสิร์ชและสรุปเรื่องจำนวนมาก
- ทีมขายและที่ปรึกษา ที่ต้องเตรียมข้อมูลก่อนเข้าประชุม
- ฝ่ายปฏิบัติการ ที่ต้องแปลงข้อมูลเป็นเอกสารส่งต่อบ่อยๆ
ส่วนคนที่อาจยังไม่ได้ประโยชน์สูงสุด คือคนที่งานไม่ได้มีฐานอยู่บนเอกสาร ข้อมูล หรือการสรุป เช่น งานที่เน้นลงภาคสนาม หรือใช้การตัดสินใจจากปัจจัยที่ AI เข้าถึงไม่ได้
อีกข้อที่ต้องรู้คือการเปิดใช้งานยังทยอยปล่อยให้ Google AI Ultra และ Workspace ก่อน แปลว่าไม่ใช่ทุกคนจะใช้ได้ทันที เรื่องนี้มีผลกับการวางแผนในองค์กรพอสมควร โดยเฉพาะถ้าจะเอาไปใช้เป็น workflow กลางของทีม
Step 8: วางกรอบการใช้กับธุรกิจไทยแบบไม่หลงกระแส
จุดที่เราคิดว่าสำคัญที่สุด ไม่ใช่ถามว่า NotebookLM เจ๋งไหม แต่ถามว่า “จะเอาไปแทนขั้นตอนไหนของงาน” ถ้าตอบคำถามนี้ไม่ได้ มักจบที่ลองเล่นแล้วไม่เกิดผล
กรอบง่ายๆ สำหรับธุรกิจไทยคือให้เริ่มจากงานที่มี 3 เงื่อนไข
- เป็นงานซ้ำๆ
- ต้องใช้ข้อมูลจากหลายแหล่ง
- มี output ชัดเจนว่าอยากได้เป็นเอกสารหรือ deck แบบไหน
เช่น การทำ weekly market update, competitor brief, pre-sales research, สรุป insight จากบทความหลายชิ้น หรือสรุปข้อมูลเพื่อเตรียมแผนประชุมผู้บริหาร
ส่วนงานที่ควรหลีกเลี่ยงในช่วงแรก คือการใช้มันสรุปเรื่องที่มีความเสี่ยงสูงโดยไม่มีคนตรวจ เช่น ข้อมูลการเงินที่ใช้ตัดสินใจลงทุน ข้อกฎหมาย หรือรายงานที่ต้องอ้างอิงตัวเลขแบบเป๊ะทุกจุด
Actionable Insights
- เริ่มจาก use case เดียวก่อน เช่น ให้ NotebookLM ช่วยทำรายงานคู่แข่งรายสัปดาห์ อย่าเริ่มจากหวังให้มันจัดการทุกงาน
- ใช้ AI ทำ draft แรก แล้วให้ทีมตรวจ source แก้โครง และเติม insight เฉพาะธุรกิจไทยเข้าไป
- ออกแบบ prompt เป็นโจทย์งาน ไม่ใช่คำสั่งสั้นๆ เช่น ระบุว่าต้องการรายงานสำหรับประชุมผู้บริหาร ความยาวเท่าไร และอยากได้ output แบบไหน
- กำหนดขั้นตรวจทานก่อนส่งงานเสมอ โดยเฉพาะไฟล์ PDF, Excel และ PowerPoint ที่จะใช้กับลูกค้าหรือผู้บริหาร
- วัดผลด้วยเวลาที่ประหยัดได้ เช่น จากเดิมรีเสิร์ช 3 ชั่วโมงเหลือ 45 นาที แบบนี้คุ้มกว่าดูแค่ว่าคำตอบดูฉลาดหรือไม่
Troubleshooting
ปัญหา: ได้ผลลัพธ์กว้างเกินไป ใช้ต่อยาก
สาเหตุ: โจทย์ตั้งต้นหลวมเกิน และไม่ได้ระบุเป้าหมายของเอกสาร
วิธีแก้: ระบุอุตสาหกรรม กลุ่มเป้าหมาย ช่วงเวลา และรูปแบบ output ให้ชัด เช่น ขอรายงานคู่แข่ง 5 ราย พร้อมสรุปจุดต่างและโอกาสทางการตลาด
ปัญหา: source ที่ได้ไม่น่าเชื่อถือพอ
สาเหตุ: ปล่อยให้ระบบเลือกแหล่งข้อมูลโดยไม่คัดกรอง
วิธีแก้: ตรวจรายชื่อ source ก่อนเพิ่มเข้า notebook และตัดแหล่งที่ไม่น่าไว้ใจออก จากนั้นค่อยให้ระบบสรุปต่อ
ปัญหา: ไฟล์ที่ export ออกมายังใช้ส่งงานไม่ได้
สาเหตุ: AI ทำได้แค่ draft แต่ยังไม่รู้ template และมาตรฐานขององค์กร
วิธีแก้: ใช้ไฟล์ที่ได้เป็นฐาน ตั้ง checklist การปรับ เช่น โลโก้ รูปแบบสไลด์ โทนภาษา และตัวเลขสำคัญก่อนส่งจริง
ปัญหา: รายงานดูดีแต่ขาด insight เชิงธุรกิจ
สาเหตุ: AI รวบรวมข้อมูลได้ แต่ยังไม่เข้าใจ reality ของตลาดไทยทั้งหมด
วิธีแก้: ให้ทีมเติมมุมมองจากยอดขายจริง เสียงลูกค้า และข้อมูลภายในบริษัทลงไปทุกครั้ง
ปัญหา: ทีมลองใช้แล้วรู้สึกไม่ต่างจาก chatbot เดิม
สาเหตุ: ยังใช้แบบถามตอบสั้นๆ ไม่ได้ใช้ความสามารถด้าน workflow และการสร้างไฟล์
วิธีแก้: เปลี่ยนจากการถามเป็นงาน เช่น ให้ช่วยสร้าง notebook จากหัวข้อ ทำรีเสิร์ช และส่งออกเป็นไฟล์พร้อมใช้งาน
การต่อยอด
- ทำ knowledge hub ของบริษัท โดยรวมเอกสารขาย รายงานตลาด และโน้ตประชุมไว้ใน notebook แยกตามหัวข้อ เพื่อให้ทีมใหม่หยิบใช้ได้เร็วขึ้น
- สร้าง workflow รายสัปดาห์ เช่น ทุกวันจันทร์ให้ระบบช่วยอัปเดตข่าวอุตสาหกรรมและสรุปเป็น deck สั้นสำหรับประชุมทีม
- เชื่อมกับงานคอนเทนต์ ใช้รีเสิร์ชหัวข้อก่อน แล้วค่อยให้ทีมการตลาดนำ insight ไปแตกเป็นบทความ โพสต์ หรือสคริปต์ขาย
สรุป Checklist ทั้งหมด
- □ เข้าใจก่อนว่า NotebookLM ใหม่ขยับจากเครื่องมือถามตอบ ไปสู่ AI agent สำหรับงานรีเสิร์ช
- □ แยกให้ออกว่า agent ช่วยทำหลายขั้นตอน ไม่ใช่แค่ตอบคำถาม
- □ เริ่มใช้กับงานรีเสิร์ชเบื้องต้นที่มี source หลายแหล่ง
- □ ป้อนโจทย์เป็นงานจริง ไม่ใช่ prompt สั้นๆ คลุมเครือ
- □ ตรวจ source ทุกครั้งก่อนให้ระบบสรุปต่อ
- □ ใช้ความสามารถในการสร้าง notebook จากไอเดียตั้งต้นให้คุ้ม
- □ ส่งออกเป็นไฟล์ที่ตรงกับ workflow ของทีม เช่น PDF, Word, Excel หรือ PowerPoint
- □ มอง output เป็น draft แรก แล้วให้คนปรับต่อ
- □ อย่าใช้กับงานความเสี่ยงสูงโดยไม่มีการตรวจทาน
- □ วัดผลจากเวลาที่ลดลงและคุณภาพงานที่ส่งต่อได้จริง
สรุปแล้ว NotebookLM AI Agent ใหม่ของ Google น่าสนใจเพราะมันแตะปัญหาจริงของคนทำงาน คือการเปลี่ยนไอเดียกระจัดกระจายให้กลายเป็นงานที่ส่งต่อได้ ไม่ว่าจะเป็นรายงาน เอกสาร หรือสไลด์ จุดแข็งไม่ได้อยู่ที่ตอบเก่งขึ้นอย่างเดียว แต่อยู่ที่เริ่มทำ workflow บางส่วนแทนเราได้
แต่ถ้าจะใช้ให้คุ้ม เราต้องมองมันเป็นผู้ช่วยรีเสิร์ชและผู้ช่วยร่างงาน ไม่ใช่ผู้ตัดสินใจแทนทั้งหมด สำหรับเจ้าของธุรกิจและคนทำงานในไทย นี่อาจเป็นหนึ่งในเครื่องมือ AI ที่น่าลองมาก ถ้าเริ่มจากงานที่ถูกประเภท ตรวจ source เป็น และรู้ว่าตรงไหนยังต้องใช้คนอยู่
