MikkiPastel

นั่งอยู่บ้านฟังงาน TUXSA Open house 2025 ได้ความรู้อะไรกลับมาบ้าง

Event Apr 10, 2025

เมื่อวันเสาร์ที่ 8 กุมภาพันธ์ที่ผ่านมา เราได้เข้าร่วมงาน "TUXSA Open house 2025 เปลี่ยนอนาคตสู่ความสำเร็จด้วย TUXSA" มีหลากหลาย session น่าสนใจ

ทั้งหมดมี 9 speaker โดยแบ่งเป็น 1 special session และ 8 session ปกติ ซึ่งแบ่งตามภาควิชาใน TUXSA โดยเราไม่ได้ทำทุก session

สำหรับย้อนหลังเข้ามาดูในนี้ได้เลย ยาว 4 ชั่วโมง 33 นาทีโดยประมาณ

https://www.youtube.com/watch?v=0eTdfpwYDVI&sttick=0

Data x AI ร่วมกันยังไงให้ปัง

คุณวุฒิชัย แก้วล้อมทรัพย์, Data Engineer ธนาคารแห่งประเทศไทย

ช่วงนี้มีข่าว AI อะไรบ้าง มีเรื่องAI deepseek ของจีน ต้นทุนตํ่า ดัง มีคนใช้งานเยอะ แต่มีคนเอ๊ะ ๆ ในความเก่ง เลยมีหลาย ๆ ประเทศสั่งแบน

keyword

  • Data & AI: เกี่ยวข้องกัน
  • APP & User: มีแอพใช้งานผ่านแอพ เกิดเป็น data กลับไปให้ AI
  • Regulation: ควบคุมการใช้งานอย่างจำกัดภายใต้กฏหมาย

องค์ประกอบของ AI

  • Data = เรื่องที่เกิดขึ้นจริง
  • Algorithms: logic ที่ทำให้ AI สามารถเข้าใจ pattern ของ data ได้ → ห้ามยาก เกิดจากการเรียนรู้ฝึกฝน
  • Hardware: ทำให้เกิดขึ้นจริง เอา algorithm มาประมวลผลด้วย hardware → การสกัดกั้นที่ง่ายที่สุด

AI ยิ่งใช้ ยิ่งฉลาด

คนใช้ AI ผ่าน application ซึ่งคนเรียนรู้การใช้ AI ผ่านการ prompting ลองใช้ไปเรื่อย ๆ จับความเข้าใจของ AI

การควบคุมการใช้ AI (Regulation)

data บางอย่างอาจจะเป็นภัยความมั่นคงระหว่างประเทศได้ เช่น แบนแอพออกจาก store อีกทั้งห้ามนำ data ส่วนบุคคลไปเทรน AI อาจจะเป็นภัย หรือรู้จักตัวตนเรามากขึ้น (หรือหลาย ๆ องค์กรห้ามใช้ข้อมูลเกี่ยวกับบริษัทกับ AI โดยตรงด้วย)

ถามบางอย่างแล้ว AI ไม่ตอบในบางเรื่อง เพราะมีเรื่องหลักจริยธรรมอยู่

AI สามารถสร้าง data เองได้

AI สามารถ generate data ด้วยตัวมันเองได้ คุยกันตัวเองได้ จะมี

  • Generative Adversarial Networks (GANs)
  • Large Language Models (LLMs)

วิวัฒนาการการใช้ข้อมูล

ประวัติการใช้ data และ AI

การใช้ข้อมูลในธุรกิจ

  • ยุคดั้งเดิม: ข้อมูลอยู่ในรูปเอกสาร บันทึกลงกระดาษ สมุดใด ๆ
  • ยุคดิจิทัล: มีการใช้ database มี business interlligance (BI) รวมถึง data warehouse ด้วย ตัวอย่าง ERP, CRM, Google Analytics
  • ยุค AI และ Big Data: มีการใช้ machine learning, natural language programming (NLP) และ computer vision รวมถึงมี data lake และ cloud computing รองรับข้อมูลขนาดใหญ่ มีการวิเคราะห์ข้อมูลที่ซับซ้อน เช่น ChaatGPT, Google Cloud Platform, Azure, Amazon Web Service (AWS)

สรุปคือขยับ data ไปใน database เอาข้อมูลมา visualize ที่เข้าใจและเห็นภาพมากขึ้น

Types of Data

แบ่งประเภทเป็น data ได้ 3 แบบ

  • การวิเคราะห์ข้อมูล: เป็น structure data อย่างพวก table ไม่ว่าจะเป็น csv, Excel, SQL
  • แอพพลิเคชั่น: เป็น semi-structured data เช่น JSON, XML, YML
  • สื่อของมนุษย์: เป็น unstructured data ไม่มีโครงสร้าง เช่น text, audio, image, video

โดยสาย data มองเป็น structure ใด ๆ อย่าง structured data กับ unstructured dataและการมี AI ช่วยปิด gap unstructured data ได้

มาดูทีละตัวกัน

การวิเคราะห์ข้อมูล

งานหลัก ๆ ของชาว Data Analyst, Data Engineer

สามารถช่วยเขียนโค้ด แก้บัค ตรวจโค้ด รวมถึงช่วยวิเคราะห์ข้อมูลอย่างพวก sentiment ที่สามารถวิเคราะห์ comment ลูกค้าได้ หรือ scoring ข้อสอบไอเอล มีที่ตีคะแนนตรงไปตรงมา และสอบกับผู้สอบ ให้ AI ตีคะแนนได้

และ SQL Agent ที่ตอนนี้หลาย ๆ คนได้ยินคำว่า Agent AI กัน มันคือ Agent AI หลายตัวทำงานร่วมกันในแต่ละ step

แอพพลิเคชั่น

เป็นหน้าที่ของ Software Engineer

AI เก่งในการ extract ข้อมูลตรงนี้ จาก JSON ได้เลย และมีจุดบอดและข้อเสีย ในการคำนวณผิด ซึ่งสามารถแก้ไขโดยใช้โค้ด

สื่อของมนุษย์

ตอนนี้มีพวก Generative AI มาช่วยในการทำสิ่งนี้ออกมา ไม่ว่าจะเป็นแบบ text-to-text, text-to-image, text-to-speech, image-to-text, image-to-video และอื่น ๆ อีก ตัวอย่างการใช้งาน เช่น ช่วยเขียนบทความ เขียนโค้ด แปลภาษา สรุปการประชุม chatbot

เตรียมตัว หรือเอามาใช้ในอนาคตได้อย่างไร?

เราเรียนรู้และนำไปใช้ได้เลย อาจจะไม่คุ้มค่าในระยะสั้น แต่อาจจะคุ้มในระยะยาว และบางอย่างยังให้ข้อมูลผิดอยู่

พื้นฐานที่จำเป็นในการเริ่มต้น Data Science

รศ.ดร.ศราวุธ แรมจันทร์, อาจารย์หลักสูตร Data Science

อันนี้จดคร่าว ๆ ไว้ คือหลักสูตร Data Science มีปรับปรุงหลักสูตรให้ทันสมัยมากขึ้น

ในมุมของ hardware เปลี่ยนใน 6 เดือนแบบไลน์การผลิตหายไปเลย ไม่เหมือนเดิมในทางที่ดีขึ้น คือใช้ง่ายขึ้นเรื่อย ๆ

Data Engineering เหนื่อยใจ เพราะไม่มีสูตรสำเร็จ ว่าเราวิเคราะห์อะไรกันแน่ แต่ตอนนี้ดีขึ้น เลยปรับปรุงหลักสูตรวิทยาศาสตร์ข้อมูลประยุกต์

หลักสูตรนี้เดิมเป็นแผน ข เพื่อ upskill และ reskill มีคนเปลี่ยนสายงานไปสาย data ได้จริง และเพิ่มแผน ก ใช้ต่อปริญญาเอก เน้นทำวิจัยเพื่อต่อยอดไปเรียนในระดับที่สูงขึ้น

อัปเดตเทรนด์แชร์เรื่องราว AI ในแต่ละสายงาน

คุณเพิร์ธ วรธนะ งามตระกูลชล, Data Analytics Engineer at Canva อีกทั้งเป็นเจ้าของเว็บไซต์ Designil.com และเจ้าของเพจ Data TH - Data Science ชิลชิล

หัวข้อใน session นี้

AI & Generative AI คืออะไร?

หลาย ๆ คนคงจะเคยเห็นภาพ subset มากันบ้างแล้ว โดย AI เป็นทั้งหมด ในนั้นจะมีอันนึง คือ Machine Learning ที่หลาย ๆ คนชอบย่อเป็น ML เนอะ และในนั้นมีเทคนิคนึงที่ดังมาก ๆๆๆๆๆ ก็คือ Generative AI นั่นเอง (ปีที่แล้วคนพูดถึงเยอะมาก เพจเราก็เช่นกัน)

โดย AI (Artificial Intelligence) คือการทำให้คอมพิวเตอร์ฉลาด และทำงานได้เหมือนมนุษย์ นอกจาก Machine Learning ที่เป็นการให้คอมพิวเตอร์เรียนรู้แล้ว ยังมี Natural Language Processing ที่ทำให้คอมพิวเตอร์เข้าใจภาษามนุษย์ และ Computer Vision ที่คอมพิวเตอร์สามารถมองเห็นได้เหมือนมนุษย์อีกด้วย

usecase การนำ AI ไปใช้ เช่น Netfilx เรียนรู้จาก user ว่าดูเรื่องอะไร และเอามาแนะนำเรา

ส่วน Generative AI เป็นการสร้าง หรือ generative จากการเรียนรู้จากเรา ใช้ Machine Learning ในการสร้างสิ่งต่าง ๆ ไม่ว่าจะเป็น text, image, video, sound และอื่น ๆ

tool ต่าง ๆ เราอาจจะคุ้นเคยกับมันมาบ้างแล้ว และบางคนเป็นเพื่อนมันไปแล้ว อย่าง ChatGPT, Gemini, Claude

การใช้ AI ช่วยในชีวิตคนทำงาน

การใช้ AI ช่วยในชีวิตประจำวัน ที่เราเอาไปทำตามได้เลยตอนนี้ ไม่ต้องรอแล้ว (เดี๋ยวไม่ทันเพื่อน)

ใช้เครื่องมือตัวไหนดี?

tool ต่าง ๆ ถูกสร้างโดยบริษัทใหญ่ หรือมีทุนจากบริษัทใหญ่มาสนับสนุน เพราะการสร้างครั้งนึงใช้เงินทุนเยอะมาก ๆ

ซึ่ง Big 4 ของเครื่องมือ AI คือ ChatGPT, Gemini, Claude, Perplexity (เราใช้ทั้ง 4 ตัวนี้เลย เย้เย้ แต่ของดินแดนติ๊กน้ามอย่าง Microsoft หายไปแหะ) ซึ่งเราสามารถใช้ตัวไหนก็ได้เลย เพราะทุกตัวเก่งหมด และพัฒนาตัวเองให้เก่งขึ้นเรื่อย ๆ เนื่องจากมีการแข่งขันจากหลายค่าย ผู้บริโภคได้ประโยชน์ อีกทั้งยังสามารถใช้งานฟรีได้เลยด้วย ถ้าใช้บ่อยอาจจะ subscribe ตัวที่เราชอบได้

ถ้าเลือกไม่ได้ว่าจะใช้อะไรดี มีสิ่งที่เรียกว่า Multi-model platform เป็น tool ที่เรา subscribe ทีเดียว สามารถใช้ model ของ AI หลาย ๆ เจ้าตามชอบเลย ข้อดีเสียเงินทีเดียวประหยัดกว่าเรา subscribe หลายเจ้า

ในที่นี้ demo ตัว GetMerlin.in เราสามารถเลือก model และพิมพ์ถามได้เลย แล้วถ้าเราไม่ถูกใจคำตอบ สามารถเปลี่ยน model และถามใหม่ด้วยคำถามเดิมได้

ใช้ AI ช่วยอะไรดี?

  1. ร่าง email: รู้ว่าพูดอะไร แต่เขียนให้สวยยาก ทำยังไงดี ใช้ Gemini ช่วยได้ และมีเครื่องมือช่วย improve เหมาะกับเขียน draft แรกแล้วแก้มากกว่า สำหรับภาษาไทย
  2. สร้างรูปภาพ: ให้ข้อมูลให้ยิ่งเยอะยิ่งดี ในที่นี้ทำผ่าน ChatGPT ได้เลย (จริง ๆ บางคนอาจจะ MidJourney หรือใด ๆ)
  3. สรุปเอกสาร: สามารถสรุปข้อความใน email (ของเราเห็น gemini บน gmail ขึ้นมาเหมือนกัน) หรือ สิ่งที่ vender ส่งมาที่เราอยากซื้อของ
  4. แพลนการประชุม: คิด agenda การประชุม หรือนำการประชุม แบ่งยังไงดี เป็นร่างที่เราสามารถคิดต่อได้
  5. สรุปโน้ตจากการประชุม: สรุปการประชุม หรือการเรียนได้ จดเป็น bullet point แล้วเอาไปสรุปให้ชัดเจนมากขึ้น พร้อม next step ว่าใครต้องทำอะไรบ้าง

วิธีใช้ AI ฟรี แบบไม่ต่อเน็ต ข้อมูลไม่รั่ว 100%

มี 2 ตัว คือ Ollama.com กับ LMStudio.ai ซึ่งทั้งสองใช้ได้ทั้ง Windows / Mac / Linux คุณเพิร์ธแนะนำตัวหลัง เพราะใช้งานได้ง่ายกว่า เหมาะกับเดฟ

ข้อดีของมันคือ download model gen AI แบบ open-source มาใช้ได้ ซึ่งฟรี 100% ทุกอย่างอยู่บนเครื่องของเรา และไม่ต่อ internet ทำให้ข้อมูลไม่รั่ว

การใช้ AI ช่วยในชีวิตสายงาน Web Dev & Data

มีสิ่งที่เรียกว่า Vertical AI คือ AI ที่เก่งในด้านใดด้านนึงเป็นพิเศษ เป็น special list ทำงานเฉพาะทาง

AI ในสายงาน Web Development

เมื่อ 5 - 10 ปีที่แล้ว แปลง design ให้กลายเป็น code เกิดการจ้าง front-end ตัด HTML

ตอนนี้ใช้ AI ช่วยเขียนโค้ด โดยเราโยนรูปไปให้มัน แล้วบอกว่าแปลงภาพนี้เป็น website แบบ responsive ให้หน่อย ตัว AI ก็จะ gen HTML กับ CSS มาให้ พร้อม preview code ให้ดู

AI ในสายงาน Data

data analyst วิเคราะห์ข้อมูล เช่นหัวหน้าถามถึงยอดขาย เขียน sql วิเคราะห์ข้อมูลและ plot graph ออกมา

ตอนนี้สามารถวิเคราะห์ข้อมูลด้วย AI ผ่าน tool ที่มีชื่อว่า Looker Conversational Analytics โดยพิมพ์ถามเพื่อ plot graph ได้ และทำการสรุป insight มาให้ด้วย ส่ง dashboard ให้ผู้บริหารได้ จบปิ้ง

Open-source AI

ทุกอย่างอยู่บนเครื่องเราหมด ใช้ได้ไม่ต้องมี internet และเอาไปพัฒนาหรือใช้งานต่อให้ดีขึ้น

Agentic AI

เป็น AI ที่ทำงานเองได้ คิดเหมือนมนุษย์ เช่น เขียนบทความ ถ้าคุยกับ AI ทั่วไปมันก็เขียนมาให้เราแล้วส่งเลย แต่ถ้าคุยกับ Agentic AI จะมี AI ตัวที่หนึ่งไป research ข้อมูลมาให้ก่อน จากนั้นส่งต่อให้ AI คนที่สอง เอาข้อมูลที่ได้มาเขียนเป็นบทความ และส่งต่อไปยัง AI คนที่สามรีวิวบทความว่าเขียนดีไหม ขาดตกตรงไหน

เอาจริง ๆ ตัวอย่างก็เหมือนการทำ content ปกติ ที่มีการ research แล้วก็เขียนบทความ แล้ว recheck อีกที ปกติเขาทำกันหลายคน แต่เพจเราทำคนเดียว แฮร่

Physical AI

เดิมการใช้ AI เราใช้ผ่าน digital เช่นเปิดเว็บ เปิดแอพ แต่สามารถเอา AI ใช้ในนอกจอ ใช้ในโลกจริงได้ด้วย อย่างในหุ่นยนต์ พวก smart device ต่าง ๆ ไม่ว่าจะเป็นนาฬิกา ตู้เย็น ทีวี ไปจนถึงรถยนต์ไร้คนขับอีกด้วย

Beyond the Classroom เทคนิคการสอน สร้างการเรียนรู้

ครูคะน้า ผ่องพิสุทธิ์ จงอุดมสุข, Content Creator "ฝรั่งอั่งม้อ Farang Angmor"

ภาษาอังกฤษไม่ใช่วิชา แต่คือ skill

เรื่องของวิธีการเรียนรู้ก็เป็นเรื่องสำคัญนะ

4 อย่างที่สังเกตได้ชัดมาก ๆ ในยุค AI ในเรื่องของการเรียนรู้

One size fits all VS Personalized Learning

model การศึกษาแบบเดิม ที่เป็น one size fits มีข้อจำกัด คือ ทุกคนเรียนเหมือนกันหมด และถูกทดสอบเหมือนกันหมด มี challenge คือคนเราต่างกัน เป้าหมายต่าง สไตล์ต่าง ๆ ความเร็วในการเรียนรู้ต่างกัน

ดังนั้นเทคโนโลยีที่เข้ามา ทำให้สามารถปรับการเรียนรู้ในแต่ละคนได้ ด้วย tool ต่าง ๆ จึงเกิด personalized learning นั่นเอง

Technology as a basic necessity

ทุกคนใช้ technology เป็นอวัยวะที่ 33 เป็น basic necessity ไปแล้ว การที่คนมี digital device ทำให้ไปได้ไกล ถ้าคนไม่ได้ใช้ หรือปรับตัวไม่ทัน เช่น คนสอน หรือคนเข้าไม่ถึง จะมีการแบ่งกลุ่ม และเริ่มมี gap ค่อย ๆ ห่างไปเรื่อย ๆ

แล้ว AI เก่งขึ้นเรื่อย ๆ เราต้องป้องกันการใช้ด้วยหรือไม่

Multichannel approach

การเรียนที่ดีที่สุด ไม่ต้องถกเถียงว่าอะไรดี ดีที่สุดคือหลาย ๆ วิธีมารวมกัน หลายองค์กรเลือกเป็น hybrid learning มีทั้ง online onsite workshop community ใด ๆ การเรียนรู้ที่แตกต่าง เพื่อปิด gap

ref

Building workforce skills at scale to thrive during—and after—the COVID-19 crisis
A new survey shows that skill building is common practice, social and emotional skills are in demand, and there’s a recipe for successful skill transformations.
McKinsey & CompanyFabian Billing
https://www.mckinsey.com/capabilities/people-and-organizational-performance/our-insights/building-workforce-skills-at-scale-to-thrive-during-and-after-the-covid-19-crisis

Contextualized learning

ในกลุ่มคนทำงาน สิ่งที่น่าใจคือ การเรียนรู้ว่าเราเรียนไปทำไม เรียนแล้วใช้เมื่อไหร่ เกี่ยวกับชีวิตยังไง reflex กันมันยังไง (ถ้ากึ่ง ๆ นอกเรื่องหน่อย เช่น เราเรียนกระบี่กระบองตอนมัธยมไปทำไม 🤣)

เอา learning ให้เหมาะกับ context การใช้งานในแต่ละคน และ focus ที่จุดนั้น เรียนรู้จากบริบทในการใช้งานจริง

แล้วคุณคะน้าสอนแบบไหน?

เป็นการสอนที่ช่วยให้คนเรียนมีประสบการณ์การเรียนรู้ที่ดี และมี skill ที่มากขึ้น

English as a Skill vs Subject

เน้นมุมมองว่าภาษาอังกฤษเป็น skill มากกว่าวิชา

ความคล่องในการใช้ภาษา กับ ความถูกต้องในการใช้ภาษา

แบบ traditional ที่เราได้เรียน ๆ กันตั้งแต่เด็กเน้นความถูกต้องในการใช้ภาษา

แล้วทำยังไงให้เรียนภาษาให้มีความคล่องเพื่อสื่อสารได้ในชีวิตจริง ดังนั้นจึง focus พัฒนาการของทักษะนั้น ๆ ไม่ได้เป๊ะแต่สื่อสารได้

How to Learn vs What to Learn

วิธีการเรียนรู้แตกต่างกัน ผลลัพธ์ต่างกันมหาศาล

เช่น ใช้เวลาเรียน 4 ชั่วโมงเหมือนกัน แต่คนที่เรียนรวดเดียว แปปนึงหาย ดังนั้นการแบ่งความถี่มีผลกับ long-term memory ได้มากกว่า

และปรับวิธีการเรียนรู้ให้มีประสิทธิภาพมากขึ้น เช่นทำเป็นคลิปสั้น ๆ

Leveraging AI & Technology

เอา AI หรือเอา tool ดี ๆ มาใช้ ทำให้คนเรียนรู้ได้ดีมากขึ้น เอานำมาใช้ในทุก ๆ โปรแกรมที่สอน

Informal Learning

การเรียนในห้องเรียนไม่ถี่พอให้เกิดทักษะได้จริง สร้างให้คนมี informal learning

การทำอะไรที่สนุก ทำสัก 5 - 10 นาที เข้าไปในชีวิตประจำวันมากขึ้น

Formative VS Summative Assessment

ทำยังไงให้มัน work?

ภาษาวัดไม่ได้ เพราะเป็นทักษะ formative assessment วัดผลเพื่อต่อยอดในการเรียนรู้ ว่าใช้ได้จริงมากน้อยแค่ไหน

มีการ assign personal project เช่น เรียนแล้วมา present เอาสิ่งที่เรียนมาใช้ ประเมินว่ามัน work ไหม

การศึกษาในยุค AI

ในยุคที่ AI เข้ามามีบทบาทในชีวิตขนาดนี้ ในเมื่อต่อต้านไม่ได้ก็เข้าร่วมซะเลย เพราะ tool พวกนี้เข้ามาเปลี่ยนวงการการศึกษา ทำให้มีการเรียนการสอนที่มีประสิทธิภาพมากขึ้น

ปัญหาของคนเรียน มีมากมาย เช่น สื่อสารไม่คล่อง ติดแปลไทย กลัวผิดไม่มั่นใจ เรียงประโยคไม่ถูก นึกคำไม่ออก ซึ่งปัญหาทั้งหมดเกิดจาก ไม่ได้ฝึกใช้มากพอ เช่นเป็นคู่สนทนาให้คนเรียน แต่ต้องมีครูเยอะมาก ๆ แล้วจำนวนครูก็ไม่พออีกด้วย

ดังนั้นจึงใช้ AI เป็นครูส่วนตัว ในการช่วยเราในหลาย ๆ เรื่อง ไม่ว่าจะเป็นคนปรับแก้, คนตรวจ grammar, coach ในการสื่อสาร, นักแปล และอีกมากมาย

โดยเน้นเข้ามาช่วย 2 เรื่องหลัก ๆ คือ

Skills Development การเรียนรู้และพัฒนาทักษะ

กระตุ้นการสร้าง skill มี practice มากขึ้น ปรับการวางแผนการเรียนในแต่ละบุคคล และมี tool ช่วยลดกำแพง ซึ่งกำแพงที่ว่า คือ เราต้องเก่งตอนนี้เลย ซึ่งเราไม่ต้องรอให้เก่งพออีกต่อไปแล้ว

  • ใช้ AI มา personalize learning path มีแอพมากมายให้เลือก อย่าง Duolingo, ELSA speak, Loora, Lingvist, Cake
  • กระตุ้น practice โดยการฝึกพูดกับ ChatGPT
  • ฝึกฟังผ่าน Otter.ai ลดปัญหาฟังไม่ทัน มันจะฟังเสียง meeting แล้วแสดง subtitle ให้เราอ่าน
  • ฝึกพูดผ่าน Speechify เป็น AI แบบ text-to-speech ทำให้เราเตรียม present ได้ เลือกคนที่เราอยากเรียนรู้และพูดตามได้เลย
  • การอ่านก็มีเช่นกัน เป็น Humata.ai ที่เราสามารถโยน pdf แล้วถามคำถาม ทำให้ใช้ภาษาอังกฤษได้ง่ายมากขึ้น
  • tool แก้ไวยากรณ์ยอดฮิต หนีไม่พ้น Grammarly และอีก tool ที่ช่วยในเรื่องของการเขียนก็คือ paperpal.com

Work Efficiency การเพิ่มประสิทธิภาพในการทำงาน

ในส่วนของการสอน ทำให้เกิด engagement รวมไปถึงความบันเทิง

  • Ice-breaking tool: มี Slido ที่สร้างพวก poll, quiz, word cloud และอื่น ๆ และอีกตัวนึงคือ Mentimeter
  • Quiz / Game tool: มี Quizizz, Kahoot
  • Brainstorming tool: Miro กับ Padlet
  • เพิ่มสีสันด้วย memes และ gifs จากสองเจ้าดังอย่าง Tenor และ Giphy
  • สำหรับคนที่ใช้ Canva เขามี AI tool ชื่อว่า magic media สามารถสร้างรูปและวิดีโอที่เราต้องการ ใส่ slide ได้เลยยยย

Wrap-up

คนเรียน: เรียนในสิ่งที่ไว้ใช้ ใช้ในสิ่งที่เรียน

คนสอน: สร้างพื้นที่ปลอดภัยในการเรียนรู้

ทำไมผู้นำถึงเลือกเรียน M.B.A.

คุณท้อฟฟี่ แบรดชอว์, นักเขียน & Influence

ทำไมถึงเป็นคณะยอดฮิต?

การเป็นผู้บริหาร ในการเรียน MBA มี module อื่น ๆ อย่าง hr, marketing, skill ต่าง ๆ ที่การเป็นผู้นำที่ดี

research ในยุคนี้จำเป็นต้องเรียนไหม? จริง ๆ MBA สำคัญมาก ๆ ผู้นำระดับ senior เขาผ่านการเรียน MBA มาก่อน 9.4% อัตราบวก 25% จากปี 2010 เป็นผู้นำที่พื้นฐานแข็งแรงขึ้น

เรียน MBA ตอนเป็นพนักงาน หรือเป็นผู้บริหาร หรือเจ้าของมาเรียนรวมกัน มีคนรุ่นใหม่ มุมมอง cooperate และผู้ประกอบการ ดังนั้นการเรียน MBA เป็นจุดสำคัญในการที่จะเป็นผู้นำ

เรียนปอโทได้ทักษะผู้นำอะไรบ้าง? research Future of Jobs Report 2025 ทักษะปัจจุบันมีเพียงพอไหม skill gap หรือช่องทางของทักษะเป็นอุปสรรคสำคัญในการ digital transformative หรือ transform ธุรกิจ

ซึ่งพนักงานต้องมีความพร้อม แต่มีปัญหาใหญ่คือ skill gap ไม่พอในการวิ่งไปข้างหน้าในเชิงธุรกิจ และองค์กรให้ความสำคัญในการ up-skill มากขึ้น ให้เพียงพอมากขึ้น การเรียนจึงมีความสำคัญมากขึ้น

ฝั่งซ้าย skill gap ที่เป็นอุปสรรคในการ transform ธุรกิจ และฝั่งขวาบริษัทมีความเห็นในการพัฒนาบุคลากรในเรื่องนี้ และเป็นสิ่งที่พนักงานต้อง up-skill ด้วย

39% ของพนักงานในปัจจุบัน บางทักษะที่เรามีจะถูกเปลี่ยนไปปี 2030 ทำให้สูญเสียโอกาสในการเติบโต

Core skills ในปี 2025

skill ที่ต้องมี มีทั้งหมดมีในการเรียน MBA

  1. Analytical thinking: วิเคราะห์
  2. Resilience, flexibility and agility: ทักษะล้มลุกเรียนรู้ ปรับตัวเร็ว เรียนรู้ไว
  3. Leadership and social influence: การเป็นผู้นำ
  4. Creative thinking: มุมมองในการแก้ปัญหาแบบใหม่ ๆ
  5. Motivation and self-awareness: เรารู้จักตัวเองดีพอหรือเปล่า อันนี้สำคัญมาก ๆ
  6. Technological literacy: การใช้ technology กับงานของเรา และทำให้งานของเรานั้นดีขึ้นไหม
  7. Empathy and active listening: เราไม่ได้ทำงานคนเดียว ทำงานกับคนอื่น ๆ เราจะเข้าใจเข้าได้อย่างไร เพื่อหา solution ได้
  8. Curiosity and lifelong learning: ทักษะการตั้งคำถาม เรียนรู้ตลอดชีวิต ดังนั้นเรา ต้องเรียนด้วย ทำงานด้วย พักผ่อนด้วย
  9. Talent management: คนเป็นผู้นำ รักษาพนักงานและทีมไว้ได้
  10. Service orientation and customer service:

6 Leadership traits MBA graduates share

ลักษณะคนที่เรียนจบ MBA มี skill อะไรงอกเงยมาบ้าง

  • Innovation: มี idea หรือการแก้ปัญหาใหม่
  • Efficiency: ทำงานอย่างมีประสิทธิภาพมากขึ้น ทำน้อยได้มาก ทำอะไรแล้วเกิด impact ได้มาก
  • Collaboration: ร่วมงานกับคนอื่น และเข้าใจ function อื่น ๆ เพราะการทำงานเชื่อมโยงทุกแผนก
  • Communication: ทักษะการสื่อสาร สำคัญ เขาจะ motivate สั่งงาน สร้างวัฒนธรรมองค์กร ร่วมแรงร่วมใจได้อย่างไร
  • Problem Solving: ทักษะการแก้ปัญหา แนวคิด คือ เราถูกจ้างมาให้แก้ปัญหา ปัญหา = โอกาสในการแสดงฝีมือ หรือแก้ช่องโหว่ เพื่อให้ช่องโหว่มันหายไป
  • Strategic Thinking: การคิดอย่างมีระบบ มีการวิเคราะห์ มีที่มาที่ไป มีเหตุมีผล สร้างกลยุทธ์ขึ้นมา ช่วยให้เรามี framework ประกอบ ทำให้ตัดสินใจได้แม่นยำมากขึ้น

Design Thinking หัวใจสำคัญของผู้นำยุคใหม่

ผศ.ดร.นพธนิษฐ์ โชติสาร, อาจารย์หลักสูตร Business Innovation

หลาย ๆ คนรู้จัก หรือเคยได้ยิน Design Thinking กันอยู่ล่ะ แต่ไม่มั่นใจว่ารู้จักดีมากน้อยแค่ไหน และมันใช้อะไรบ้าง ซึ่งมัน change บุคคล และองค์กรได้ เมื่อผู้นำเปลี่ยน mindset เป็น design thinking ได้ยังไงได้บ้าง?

pain point คือ คนติดคำว่า design เพราะเราไม่ใช่ designer จริง ๆ คือเป็นการคิดออกแบบ solution ที่เหมาะสมกับ user ให้มากที่สุด เป็นคิดและแก้ปัญหาอย่างเป็นระบบ มีการ link กับ people และ innovation ทำให้เกิดแนวทางที่สร้างสรรค์และยั่งยืน

Design Thinking เป็นทักษะของผู้นำยุคใหม่ในการขับเคลื่อนนวัตกรรมได้ และมี empathy ทำความเข้าใจคนอื่น ทำตัวของเขาเป็นผู้อื่น ออกแบบด้วยความเข้าใจผู้อื่น อีกทั้งยังเสริมด้าน people-centric leader อีกด้วย

เช่น มาธรรมศาสตร์ท่าพระจันทร์ ลงรถไฟฟ้า MRT สนามไชย แล้วเดินไกล ควรมีรถในการเชื่อมต่อ คุยกับหน่วยงานไหนได้บ้าง และสร้างเป็น prototype ที่ represent ออกมาได้ และทดสอบ และ deliver ใช้จริง

Empathy Map ทำให้เข้าใจปัญหา และเชื่อมโยงสิ่งต่าง ๆ ได้ดีขึ้น

เกิดการเรียนรู้ในการทดลอง ลดความกลัวและความล้มเหลว

ฝึก skill การผู้บริหารจากการเป็นพนักงาน และพัฒนานวัตกรรมได้อย่างมีประสิทธิภาพ

เริ่มจากค้นหาในสิ่งที่ไม่แน่นอน ไม่ชัดเจน unstructure data จัดให้เป็น pattern ให้ได้มากขึ้นจนเห็น insight ของมัน ได้เป็น concept clarify ออกมาเป็น innovation

ผู้นำที่มี เปลี่ยนปัญหาให้เป็นโอกาส

ตัวอย่าง การใช้ร่มกันฝนของ user คนแรก จากประเทศอังกฤษ เดิมใช้ร่มเพื่อกันแดด และเป็นผู้หญิง ดังนั้นการใช้ร่มเพื่อกันฝน ต่อสู่กับสังคมที่มองว่าแปลกประหลาด ปกติต้องขึ้นรถม้า

สุดท้าย Design Thinking อยู่ในทุกศาสตร์

ติดตามข่าวสารตามช่องทางต่าง ๆ และทุกช่องทางโดเนทกันไว้ที่นี่เลย แนะนำให้ใช้ tipme เน้อ ผ่าน promptpay ได้เต็มไม่หักจ้า

ติดตามข่าวสารแบบไว ๆ มาที่ Twitter เลย บางอย่างไม่มีในบล็อก และหน้าเพจนะ

Tags

Minseo Chayabanjonglerd

I am a full-time Android Developer and part-time contributor with developer community and web3 world, who believe people have hard skills and soft skills to up-skill to da moon.

Recommended for you