เรียนรู้ว่า Product Management เอา AI มาใช้งานยังไง? กับงาน "Unlocking Product Insights"
ถึงเราจะไม่ได้ทำสาย Product Management แต่บอกเลยว่างานนี้มันส์มาก คุ้มที่ตื่นเช้าในวันเสาร์เพื่อมางานนี้เลย ว่าเขาเอา AI ไปทำอะไร แล้วมัน impact กับงานเขายังไง
งาน "Unlocking Product Insights: Integrating AI into Business Strategies in Thailand" จัดโดย True Digital Academy ในวันเสาร์ที่ 7 กันยายน 2567 เวลา 10.00 – 12.30 น. ที่ชั้น 4 True Space Siam Square ซอย 2 ซึ่งเดินทางสะดวกมาก ๆ ลง BTS สยาม เดินมาหน่อยนึงถึงตึกเขา แล้วเดินขึ้นบันไดมา 4 ชั้นเอง 555
มาถึงยื่น QR Code เข้างาน และรับปากกาไปเลย
รายละเอียดของงานแบบคร่าว ๆ จ้า
แล้วในงานมีอะไรบ้าง มาอ่านกันเลยยยย
ด้วยความที่เรามาตรงเวลานิดหน่อย จากนั้น 15 นาทีมี MC มาเปิดงาน ซึ่งงานนี้จัดเป็นครั้งที่ 2 แล้ว จุดประสงค์คือ เน้นสร้างชุมชน แบ่งปันความรู้ และอัพเดตเทรนใหม่
ต่อมาแนะนำ True Digital Academy เกิดขึ้นเพื่อพัฒนา digital skill ให้ก้าวทันเทคโนโลยี มีนักเรียนมาเรียนที่นี่กว่า 40,000 คน และมีคนสอนมากกว่า 120 คน ทั้งหมดมีมากกว่า 70 คอร์สที่เกิดขึ้น โดยครอบคลุมในความรู้ฝั่ง business, data, tech อีกทั้งยังได้เป็น partner กับ General Assembly เพียงหนึ่งเดียวในไทยด้วย
จากนั้นมีกิจกรรม Ice breaking หมุนตัวแล้วคุยกับเพื่อนใหม่ เอ่ออออ555
Keynote: Unlocking Product Insights with Al Integration
โดยคุณแม็กซ์ – ภัคพล ตั้งตงฉิน: Senior Vice President, Strategy & Innovation Central Group | Ex-Amazon
1950 เป็นปีที่กำเนิด AI โดยอลัน ทัวริ่ง เป็นคน test concept Machine Learning
แล้วทำไมถึงมา mass ล่ะ?
- GPU: สมัยก่อนพลังไม่เยอะ และแพงมาก ตอนนี้ powerful มาก ราคาถูกลง จึงทำได้ง่ายขึ้น
- Data: 90% data ของโลกถูก gen ในไม่กี่ปีที่ผ่านมา เกิดจากการอ่าน เรียนรู้จากข้อมูล ทำสิ่งใหม่ ๆ มีประสิทธิภาพมากขึ้น
- Tool: low-code no-code จากที่เขียนโปรแกรมด้วย Python หรือ R มาใช้เครื่องมือ low-code อย่าง ChatGPT, Claude
ในเชิง function พบว่าในส่วนงาน Marketing & Sales ถูก adoption เป็นอันดับหนึ่ง และ Product Management เป็นอันดับที่สอง งานนี้พูดถึงอันนี้ เอา AI product ให้ดีขึ้น ถึงเราไม่ได้ทำสายนี้ก็นำ principal นี้มาใช้กับงานเราได้เช่นกัน
แล้วเราเอา AI มาทำอะไรได้บ้าง?
ก่อนอื่นเลย Artificial Intelligence หรือ AI มี subset ต่าง ๆ ให้ทำงานเหมือนคนได้ → Machine Learning ใช้ในการ prediction → Deep Learning → Generative AI
Adoption: สามารถ take role ได้ 3 แบบ
- Maker: สร้าง AI Technology เอง เป็นบริษัท tech company ขนาดใหญ่ มี data scientist ในองค์กร
- Shaper: ไม่ได้สร้าง AI เอง แต่นำเอา solution มา customize ซึ่งไม่ใช่บริษัท tech company
- Taker: เอาของในท้องตลาดมาใช้
Module ที่ใช้สำหรับ product management เอามา applied 3 มุมมองใหญ่ ๆ
- AI for Customer-Facing Products: เอา AI ไปอยู่ใน product เพื่อ interact กับลูกค้า ได้ outcome คือ เพิ่มรายได้ traffic website, conversation เป็นการซื้อ
- AI for Back-End Products: งานหลังบ้าน (ที่ไม่ใช่ back-end dev นะ55555) ควรซื้อของเท่าไหร่ dynamic casting ได้ outcome ในเชิงของการจัดการ cost ลดต้นทุนของบริษัท
- AI for Productivity: เพิ่ม productivity ในการทำงาน ได้ outcome คือ พนักงานทำงานมีประสิทธิภาพดีขึ้น
AI for Customer-Facing Products
พัฒนา experience ของลูกค้า เช่น personalize engine, shopping assistant อย่าง chatbot, image search, semantic search
- Personalize Engine: ปรับ product และ promotion ให้กับลูกค้าได้ตรงมากขึ้น และ conversation ดีขึ้น
- Image search: โยนรูปมา search ทำให้หาของง่ายขึ้น
- Sematic search: ปกติเราถามเป็น keyword แต่ความจริงเดินไปซื้อเองจะมี detail ตาม national language เพราะเราถูกสอนให้ใช้ tool ตอนนี้ทำให้เข้าใจคนมากขึ้น
AI for Back-End Products
เช่น เขียนเกี่ยวกับสินค้า, ทำ creative, เอา AI มาวิเคราะห์ว่าลูกค้าคนไหนเลิกใช้ของเรา หรือพนักงานคนไหนลาออก
- Catalog Enrichment: อันไหนเป็น AI เขียน มาทายกัน
เฉลย
ทั้งหมดเป็น AI
การใช้งานเราเขียนมาให้นิดหน่อย แล้วให้ AI เขียนให้เรา อนาคตอาจจะเขียนจากรูปได้เลย
Central มี product เยอะ มีทีม content ช่วยเขียน ตอนนี้ใช้ AI เขียน แล้วทีม content รีวิวแก้นิดหน่อย ใช้เวลาน้อยลง 2-3 เท่า
- Marketing Content: เจนรูปมาใช้ใน ads มาทำเป็นโทนของแบรนด์ ทำให้ cost ถูกลง และ time to market ออกไปสู่ตลาดได้เร็วขึ้น
AI for Productivity
ทำให้ภายในองค์กรใช้
รูปนี้แสดงเวลาที่คนใช้ในการทำงานชิ้นนั้น ๆ แท่งสีแดง คือ content-heavy task งานที่ต้องเขียนออกมาเยอะๆ research เฉพาะส่วน product manager ทำให้เวลาการทำงานลดลง 40% อีกอันสีเทา content-light task ลด 15% เป็นสิ่งที่ต้องทำ เพื่อให้ productivity ของเราสามารถสู้ได้
Prompt กันตายสำหรับ Product Manager
AI Tool ที่แนะนำ
Key takeaway
Recap: การเอา AI มาใช้ แล้วเอามาใช้ทำอะไรได้บ้าง ใช้ framework นี้
- AI ไม่ใช่ตัวเลือก แต่ต้องใช้
- มีแต่ละเวย์ที่ใช้ AI ไม่ว่าจะเป็น maker, shaper และ taker
- product management ใช้ AI นอกจากเพิ่ม improvement ยัง transform experience อีกด้วย
- อีกทั้ง AI ช่วยให้เราทำงานได้ดีขึ้น เร็วขึ้น
Panel Session: Al-Driven Business & Product Strategies
⭐️ คุณแม็กซ์ – ภัคพล ตั้งตงฉิน: Senior Vice President, Strategy & Innovation Central Group | Ex-Amazon
️⭐️ คุณแก๊ป – ณพวัฒน์ มุกตพันธ์: Chief eXperience officer, Finnomena
⭐️ คุณส้ม – เทียรฉันท์ พราหมณ์เทศ: Senior Unit Manager – Change Management & Design Strategy, Kasikornthai Bank
ปล. บางอันพิมพ์ใส่มือถือไม่ทันน้า
Product Management กับ businees opportunity ในอดีต ปัจจุบันอนาคต มีการวางแผน stategy อย่างไรบ้าง?
- คุณแม็กซ์: ตอนนี้เป็น build to change or adapt เพราะ technology เปลี่ยนเร็วมาก ดังนั้น roadmap เหลือเวลาน้อยลง จาก 5 ปี เป็น และมารีวิวทุกปี เน้นเรื่องความยืดหยุ่นในการใช้ business tool เป็นสิ่งที่สำคัญมากกว่า
- คุณแก๊ป: ด้วยความที่ Finnomena เป็น start-up เน้น lean และ test กับตลาด มอง roadmap เป็นระดับครึ่งปี product อาจจะไม่ได้เป๊ะ แต่ลองกับตลาดว่าลูกค้าชอบไหม
- คุณส้ม: เน้น production และ feature ครบ ทำยังไงให้อยู่รอด และ search customer lead เข้าใจ human มากขึ้น มีความ personalize มากขึ้น เช่นน้องเนย ทำสิ่งไม่มีชีวิตให้มีชีวิตได้ และ product เข้าใจมนุษย์ ต้องมัน seamless ให้เหมือนคนมาก ๆ / digital → automation
เริ่มเอา AI มาใช้ส่วนงานไหนก่อนหลัง?
- คุณแม็กซ์: list usecase ที่มีทั้งหมด ไล่เป็น function เริ่มจาก freamwork เพราะหยิบทุกอันมาทำไม่ได้ เช่น investment แล้วมาทดลองรัว ๆ มี learning ไปต่อได้
- คุณแก๊ป: focus ลูกค้า และ partner ด้วย มีตัวแทนขาย อยากทำให้โตขึ้น มีพนักงานประมาณ 200 และ active อะไรใหม่ ๆ บอกว่าจะเอา AI ไปทำอะไร มีทีม AI lab ว่าอยากเอา AI ไปทำอะไร ช่วยอะไรเขาได้บ้าง ซึ่งมี tool low-cost no-code ลากแปะ เลือก model ได้ และต้องมีความรู้ด้าน tech ประมาณนึง แต่ละทีมมี usecase ต่างกัน แต่สร้างออกมาพร้อมกันได้
- คุณส้ม: เลือกว่าแต่ละสายงานไหนใช้ AI อันไหน ของ Kbank มี culture ทุกคนต้องตั้งใจทำงาน เน้น productivity และ Generative AI เหมาะที่สุด ส่งพนักงานไปเรียน ลองทำ ช่วยอะไรตรงไหน และเอามาช่วยสร้าง insight ยังไง
กระบวนการก่อนจะ productivity อะไรคือ challenge และ challenge มีอะไรบ้าง?
- คุณแม็กซ์: principal work backward จากลูกค้า ว่าเขาต้องการอะไร มี pain point อะไร สร้าง product ออกมา ก่อนหน้านี้ทำ servey, focus group กัน และลูกค้าบางทีก็ไม่รู้ว่าตัวเองต้องการอะไร เลยไม่ได้พูดออกมาตรง ๆ อาจจะ capture data ของเขา เช่น heapmap ทำให้เราเข้าใจ need ของเขาได้ดีกว่า
- คุณแก๊ป: AI เปลี่ยนเร็วมาก model อัพเดตกันเยอะมากๆ ในมุมผู้ใช้ พอพัฒนาเราจะเจออะไรใหม่ ๆ ตลอดเวลา มี paper ใหม่ออกมา เช่น long context ดีกว่า RAG โมเดลภาษาไทยอัพเดต มีการเปลี่ยนระหว่างทาง อาจจะปล่อยไปก่อน แล้วมาปรับกันทีหลัง / best = driver commercial outcome / textbook ต้องอ่านปี 2025 เลย ของ O’Reilly เพราะของเดิมเก่าเกินไปแล้วสำหรับยุคนี้
- คุณส้ม: ธนาคารสร้าง performance เป็น culture แล้ว AI เอามาช่วยได้ไหม? ทำงานด้วยอะไรแค่ไหน? การเอา AI มา monitor คน ทุกคนมองว่าอาจจะเป็นการละเมิด privacy ของพนักงาน เช่น ดูหน้าจอ embedded จากโปรแกรมต่าง ๆ ก็ต้องมี consent แต่ตอนนี้ยังไม่ implement ถ้างานที่ใช้ความปลอดภัย ใช้ AI มา monitor เป็นสิ่งจำเป็น เช่น ในโรงงาน
At the end of the day ในการพัฒนาองค์กร
- คุณแม็กซ์: conversion, traffic, forecasting ดี, productivity สูงขึ้น
- คุณแก๊ป: AI สรุปข่าวรายวันให้นักลงทุน, chatbot แนะนำการลงทุน มา result 2 หลักการ คือ ทุกคนเข้าถึงความรู้ได้เท่าเทียมกันมากขึ้น ช่วยอธิบายเรื่องยาก ๆ ให้เข้าใจง่ายขึ้น เข้าถึงคนได้กว้างขึ้น ไม่ใช่นักลงทุนที่มีประสบการณ์, user ที่พอมีประสบการณ์การลงทุน ทำให้ level playing field ในการใช้ อีกอัน นอกจากเพิ่ม productivity แล้วทำให้เขาขายเก่งขึ้น ลองขายให้ AI ก่อน เหมือน pilot interview ว่า script ของเราดีไหม คุยแล้วเขาจะตอบประมาณไหน ตัว ChatGPT พอใช้ในการพูดได้อยู่
- คุณส้ม: ธนาคาร ต้อง concern list และ mass adoption ในพนักงาน ได้อย่างไร? management แบ่ง budget ให้ทีมงานใช้ AI ได้เท่าไหร่ เพื่อเพิ่ม productivity จริง ๆ
หลังจากนี้มีการใช้งานต่อไป และขยายการใช้งานเพิ่มขึ้น แล้วคิดยังไงกับการที่มีคนบอกว่า AI แทนคน
- คุณแม็กซ์: คนเข้าถึง AI ได้มากขึ้น และทำให้คนเก่งขึ้น สิ่งสำคัญ ห่วงมากกว่าว่าเราจะใช้ AI ได้ดีกว่าคนอื่นได้ยังไง เช่น prompting best practices มี role, objective, detail, sample, output ถ้าคำตอบได้เหมือนเพื่อน เราจะเสริมอะไรไปได้บ้าง และ thing outside of the bot
- คุณแก๊ป: มีหลาย skill ที่สำคัญที่ตอนนี้หายไป คือ ชวเลข เทคนิคจดเร็วในห้องประชุม พัฒนามาเป็นการพิมพ์ดีด แล้วมาเป็นการอัดเสียง จนมาเป็น AI จดเสียงโดยตรง ซึ่งคนที่มี skill นี้มีช่องทางไปทางอื่น เช่น ไปเป็นเลขา และมี Payman AI เขามี back เป็น Visa, Coinbase ทำเครื่องมือสิ่งที่ AI ทำไม่ได้ มาจ้างเขา เช่น ออกไปหาลูกค้า ไปทำ user interview
- คุณส้ม: มองเป็น pilot and co-pilot บางอย่าง replace ไม่ได้ แต่ช่วยทำอะไรบางอย่างให้เราได้ อยู่ที่การตัดสินใจของเราว่าจะใช้ หรือไม่ใช่อะไร ในการตัดสินใจในข้อมูล มี analytic thinking ที่ดี และ monitor ได้ อะไรที่คนทำและหนัก ให้มันทำ
Change management ในการจัดการที่เกิดขึ้นในเวลานี้ ในยุค AI
โดยคุณส้ม
ทุกคนมองภาพเหมือนกัน คือมองจาก customer
มีแอพ K people touch เป็นระบบจัดการพนักงาน เช่น ส่งใบลา ต้องใช้งานง่าย จึงต้องมี UX ที่ดี
ทำ survey เพื่อดู feedback ได้ 4.16/5 ซึ่งคะแนนนี้สูงมาก ทุกคนดู happy ปรับ rating scale แต่เราไม่ได้ user insight
พอมาดู long text พบว่าคนเกินครึ่งด่า ไม่ relate กับ number ที่ได้ เริ่มเห็นอะไรบางอย่าง ว่าเราต้องทำอะไรต่อ
long text ที่ได้อ่านหมดไม่ไหว จึงใช้ Generative AI ช่วยดู centiment ออกมาเป็น 5 ข้อนี้
การใช้ Genrative AI ทำให้ productivity สูงขึ้นกว่าเดิมถึง 40% ด้วยกัน
การใช้งาน tool ใด ๆ ของฝั่งธนาคาร ระวังเรื่อง privacy เป็นพิเศษ ซึ่งตัว Copilot จะปกป้อง data commercial ไม่เอาไปใช้ต่อ
การนำไปใช้ในที่นี่ คือ เอา feedback ที่ได้เข้า word แล้วใส่ prompt สอน AI ให้เข้าใจ keyword ซึ่งภาพนี้เป็นตัวอย่างเพื่อให้เราเห็นภาพตรงกันเนอะ พอได้ insight มาบอกให้เขา improve อะไรต่อ
Usecase ที่ใช้ในที่นี้ เราสามารถนำไปปรับใช้ให้เหมาะกับเราได้
Q & A
- เปิดเวทีให้พนักงานขึ้นมา pitch ว่าเอา AI มาทำอะไร นำเสนอเหมือน pitching start-up และ key driver ต้องเห็นความสำคัญ เราต้องทำให้เห็นว่ามันเห็นผลจริง ๆ
- แล้วทำยังไงให้ CEO เห็นความสำคัญ หรือ buy in? ใช้ storytelling ให้เขาเข้าใจเรื่องราว มีอาจารย์มาสอนว่ามันสร้าง impact ยังไง มอง AI เป็น tool แล้วเราเล่าเรื่องยังไงให้เขาเห็นความสำคัญ แล้วทุกฝ่ายได้ benefit ยังไง แค่นี้คนซื้อแล้ว เช่น เปรียบเทียบ cost คนออก และคนมาใหม่ ทำให้เขาทำ trade-off ได้ดีขึ้น
- มีการ deploy internal ก่อนใช้จริง ก็ยังมีเคสหลุดอยู่ดี ก่อนปล่อยให้ใช้จริง จึงมีการกันผลลัพธ์ที่ไม่ถูก โดยการสร้าง AI อีกตัว จับว่า prompt ว่าถูกไหม เช่น บอก ChatGPT ว่าวาด Mickey Mouse ให้หน่อย มันจะไม่ทำ เพราะติดลิขสิทธิ์ และ output จับว่าผิด guidelines ไหม train guardrail ให้ครอบคลุมที่สุด ต้องซีเรียส กันไว้ค่อนข้างหนา ถ้า model เปลี่ยนต้อง freeze model เลือกชัดเจนว่ามันต้องไม่เปลี่ยนไปตามเวลา ระบุว่าเอาอันนี้ มันจะไม่เปลี่ยนแบบ auto update ให้
Data Showcase แชร์ประสบการณ์ของทีม Data กับการใช้ Al สร้าง impact ให้ธุรกิจ!
⭐️ คุณดิ๊บ ทะนุพงศ์: Senior Consultant in Intelligence & Data, Deloitte
⭐️ คุณสมาย กริชกันต์: Senior Data Scientist, Egg Digital
⭐️ คุณต้นไทร วรินทร: Data Scientist, Egg Digital
ในเนื้องานของแต่ละคน ทำอะไรบ้าง?
- คุณต้นไทร: ใช้ AI ในการหา pattern ว่าสิ่งที่เราทำมัน work ไหม
- คุณสมาย: ตีโจทย์ฝั่ง business ว่า model คุ้มในการทำ implement หรือใช้อะไรในการตอบโจทย์ user และทำ output จาก model หลาย ๆ ตัว หา insight จาก business
- คุณดิ๊บ: ออกไปหาลูกค้า find out ว่าเขามีปัญหาอะไรบ้าง ตอนนี้ใช้ AI ในการทำงานมากขึ้น ตอบโจทย์เรื่อง productivity มากขึ้นไหน อย่างไร ขึ้นอยู่กับแต่ละเคส
คนที่ไม่ได้อยู่สาย data เขาเข้าใจผิดอะไรในเรื่อง data กับ AI
- คุณดิ๊บ: คนที่คิดว่า AI ทำได้ทุกอย่าง ความจริงต้อง custom เข้ากับ business case บางครั้ง data เก่า ๆ อาจจะยังไม่พร้อมใช้งาน อาจจะศึกษาและปรับปรุงเพิ่ม
- คุณสมาย: Risk alignment ของ AI ควร expect ว่าทำได้ไม่เหมือนกัน เกิด conflict ในการทำงาน expend data ได้เยอะกว่าเราเรียนในชีวิต แต่เรื่องง่าย ๆ มันก็ตอบผิดเหมือนกัน เรา expect 100% ไม่ได้ ดูว่าตอบถูกหรือไม่ ทำแล้วต้องตอบโจทย์ และคอยจูนกัน ให้เข้าใจตรงกัน
- คุณต้นไทร: ทุก tool มีข้อจำกัดเสมอ มีจุดที่ใช้ได้ กับไม่ได้ ประเมินความเสี่ยงผลลัพธ์ put effort ไปตรงนี้ เพื่อนำไปใช้งานได้ดีขึ้น
จุดร่วมในการทำงานร่วมกัน ให้การพัฒนา product smooth มากขึ้น
- คุณต้นไทร: align benefit ร่วมกัน ว่าเขาต้องการอะไร เราต้องการอะไร ออกมาเป็น action plan
- คุณสมาย: เรา communicate กันยังไง data scientist อยู่กับตัวเลข ต้องสื่อสารให้คนนอกทีม data เข้าใจมากขึ้น ฝั่ง business พยายามพูดคุย และเข้าใจว่า data scientist ทำอะไร และต้องเคลียร์ว่าเราต้องทำอะไร
- คุณดิ๊บ: เช่น marketing เดินมาบอกว่าทำ model นี้ให้หน่อย แล้วปัญหามันคืออะไร? และจำเป็นต้อง solve ด้วย AI ไหม? ดู insight จากข้อมูล อาจจะรู้เองจากข่าวก็ได้ เช่น สไปร์ทวันนั้นขายดี เพราะมีมวย เราอาจจะดูข้อมูลตรงนี้ว่าถ้าวันที่มีมวยเราจะ stock สไปร์ทเพิ่มนะ อาจจะไม่ต้องไปทำ AI แค่ดูข่าวก็ได้แล้ว จึงต้องดูว่า root cause คืออะไรก่อน
Data expect ในการระบุปัญหาทางธุรกิจยังไง ให้ทำงานต่อได้
- คุณดิ๊บ: ขึ้นกับบริษัทด้วย ของบางอย่าง stock แล้วไม่เสีย เอาคนมาช่วยตัดสินใจได้ align objective กับ data ด้วยกัน
- คุณสมาย: direction ไม่เคลียร์ value ไม่เคลียร์ ทำให้ business ไม่เคลียร์ด้วย ทุกอย่างในโลกถูก represent ได้ด้วย model สำคัญที่ set ailgnment ให้ตรงกัน
- คุณต้นไทร: spilt เป็น phase ย่อย ๆ ว่าไปต่อหรือไม่ไปต่อ ดูว่าคุ้มค่าไหม ไม่ work ก็ไป process อื่น
ฝากมุมมองทีม data skill ที่ต้องมีในการทำงานกับ AI
- คุณต้นไทร: เข้าใจสิ่งที่เราใช้ได้มากที่สุด สกิลในการประเมิน worth case ความเสี่ยง ทำให้เอาไปใช้ได้ถูกสถานการณ์ได้มากขึ้น
- คุณสมาย: ต้องไม่หยุดเรียน เพราะโลกเปลี่ยนเร็วมาก ต้องหาอะไรใหม่ ๆ ทำ mindset พยายามคิดว่า AI เข้าถึงคนได้มากขึ้น cost น้อยลง กล้าลอง กล้าตัดสินใจ ไม่ work ก็เปลี่ยน
- คุณดิ๊บ: Technical term ของ data และ AI เหมือนหรือต่างกันยังไง
สุดท้ายมีคอร์สจากทาง True Digital Academy มาแนะนำ
และกิจกรรม Kahoot เล่นเกมส์ตอบคำถามจากที่ฟังไป 5 ข้อ ซึ่งทางเราอยู่ top podium ตลอดจนมาเป็นที่หนึ่งตอนท้าย555555
ของรางวัลจ้า
จบงานโดยการรับ snack box กลับบ้าน
คลิปบรรยากาศงานทั้งหมดจ้า
@mikkipastel เมื่อวานไปงาน “Unlocking Product Insight: Integrating AI into Business Strategies in Thailand” ของทาง True Digital Academy มา บอกเลยว่าสนุกมาก มันส์มาก กับการที่เหล่า speaker แชร์ usecase การนำไปใช้จริง . คลิปนี้เล่าบรรยากาศในงานคร่าว ๆ เพราะรายละเอียดอยู่ในบล็อกน้า #CapCut #tiktokuni #truespace #truedigitalacademy ♬ original sound - มินซอ อินฟูที่เดฟได้นิดหน่อย
จากนั้นเราก็หาข้าวกิน ข้าวหน้าหมูย่างเตาถ่านโอฮาชิอร่อยมาก เดินเล่น หาขนม จบที่หอศิลป์ ซึ่งมีงานนิทรรศการที่มีภาพจาก Generative AI มาจัดแสดงด้วย แล้วบางภาพคือแยกไม่ออก เหมือนจริงมาก อ่านตามทวิตนี้ได้เลย ซึ่งจะไปก็ไม่ทันล่ะ ไปวันท้าย ๆ พอดี
เพิ่งเห็นว่างานจัดวันนี้วันสุดท้าย เลยเอามาเล่าหน่อย เผื่อสนใจแล้วจะพุ่งตัวไปทัน 🤣
— Minseo ⚡ (@mikkipastel) September 8, 2024
.
ที่หอศิลป์มีนิทรรศการ "Photography Never Lies – ภาพถ่ายไม่โกหก" ที่ชั้น 7 ซึ่งแรก ๆ ไม่ได้เอ๊ะอะไร จนเห็นรูปนึงแล้วสงสัย เข้าไปอ่านรายละเอียดเท่านั้นแหละ กำหมัดนิดหน่อย pic.twitter.com/Ca9Puyt0aa
เนื้อหาอื่น ๆ เกี่ยวกับ Generative AI
Minseo Chayabanjonglerd
Minseo Chayabanjonglerd
รอบหน้าเราจะเล่าเรื่องเกี่ยวกับอะไร อย่าลืมติดตามกันที่ช่องทางด้านล่างได้เลย 👇
ติดตามข่าวสารตามช่องทางต่าง ๆ และทุกช่องทางโดเนทกันไว้ที่นี่เลย แนะนำให้ใช้ tipme เน้อ ผ่าน promptpay ได้เต็มไม่หักจ้า
ติดตามข่าวสารแบบไว ๆ มาที่ Twitter เลย บางอย่างไม่มีในบล็อก และหน้าเพจนะ
สวัสดีจ้า ฝากเนื้อฝากตัวกับชาวทวิตเตอร์ด้วยน้าา
— Minseo | Stocker DAO (@mikkipastel) August 24, 2020
