▶SUBTHAIแปลไทย · ซับ · พากย์⚙
บทความแปลภาษาไทย · YouTube

Oracle Fusion AI Studio - The Complete Enterprise Coding Agent Workflow

0:000:00
เล่นเสียงต้นฉบับของวิดีโอ พร้อมแสดงซับไทยซิงก์ตามเวลา
กำลังโหลดวิดีโอ…
01

สรุปย่อ

ประเด็นสำคัญจากวิดีโอ

- **ช่อง:** Leon van Zyl · **ความยาว:** ~22 นาที · **ลิงก์:** https://www.youtube.com/watch?v=nIWGYXEzqJA

# สรุป: Oracle Fusion AI Studio - The Complete Enterprise Coding Agent Workflow
- **ช่อง:** Leon van Zyl · **ความยาว:** ~22 นาที · **ลิงก์:** https://www.youtube.com/watch?v=nIWGYXEzqJA

## ประเด็นหลัก
- Oracle ใช้ coding agents (เอเจนต์ AI ช่วยเขียนโค้ด) สร้างและขยาย Oracle Fusion Applications ซึ่งเป็นระบบหลังบ้านของบริษัทใหญ่กว่า 14,000 แห่งทั่วโลก ครอบคลุม HR, การเงิน, จัดซื้อจัดจ้าง, ซัพพลายเชน, การขาย และการตลาด
- ลูกค้ากว่า 7,000 รายใช้ฟีเจอร์ Fusion AI อยู่แล้ว ซึ่งช่วยให้สร้างส่วนขยาย (extensions) บนแอปพลิเคชันด้วย AI agent ได้ โดยถ่ายทอดความรู้เฉพาะทางลงใน agent skills พร้อมตัวอย่าง prompt ที่ใช้กับ Codex หรือ Claude Code ได้
- ขั้นตอนทั้งหมด: ผู้ใช้แชตกับ coding agent บนเครื่องตัวเอง → agent ใช้ AI Studio skill และ CLI tool เชื่อมต่อไปยัง Fusion Studio บนคลาวด์เพื่อดึง pattern เดิม → สร้างไฟล์ (app file, workflow files) → ส่งไปตรวจสอบที่ Fusion Cloud → ผ่านแล้วจึงสร้างหน้าจอและเผยแพร่ให้ผู้ใช้
- กฎข้อที่ 1: spec ต้องมาก่อน (the spec comes first) — จะไม่สร้างอะไรจนกว่าจะมีแผนและทุกฝ่ายตกลงกัน
- กฎข้อที่ 2: ทุกอย่างเป็น read only ตามค่าเริ่มต้น จนกว่าจะสั่งให้เพิ่มความสามารถในการสร้าง/แก้ไขข้อมูลอย่างชัดเจน
- กฎข้อที่ 3: discover before you build — agent ต้องสำรวจโค้ด/pattern/workflow ที่มีอยู่ก่อนเสมอ ก่อนสร้างของใหม่จากศูนย์
- กฎข้อที่ 4: structure over improvisation — agent ต้องทำตามกฎและ guardrails ที่กำหนดใน skill files ไม่สามารถมั่วหรือทำตามอำเภอใจ
- กฎข้อที่ 5: unvalidated means unfinished — งานจะถือว่าเสร็จก็ต่อเมื่อผ่านการตรวจสอบ (validation) ในระบบแล้วเท่านั้น
- การติดตั้งตั้งค่าง่ายมาก: ดาวน์โหลด agent skills จาก public repo, ติดตั้ง VS Code extension, ตั้งค่า authentication ผ่าน Fusion AI Studio แล้วคัดลอกสกิลลงโฟลเดอร์ .agents/skills ก็ใช้งานได้ โดยไม่จำเป็นต้องเป็นนักพัฒนา
- Demo จริง: สร้างแอป succession planning ผ่าน prompt ภาษาเดียวกับผู้ใช้ทั่วไป → agent ทำ discovery, เสนอ spec/MVP, สร้างแอป 2 ตัวโดยไม่มี error, deploy แบบ draft ไปยัง Fusion Cloud และทำงานกับข้อมูลสดจริง (เช่น ระบุว่า Sophie Bromley มีความเสี่ยงสูงและแนะนำผู้สืบทอดคือ Emily และ Olivia ผ่าน Ask Oracle)
- แพลตฟอร์มแบบนี้เข้าถึงยาก (มักต้องเป็นพาร์ทเนอร์ของ Oracle) วิดีโอจึงมีจุดประสงค์เพื่อการศึกษา และสอนแนวคิดที่นำไปใช้กับแอปของตัวเองหรือทีมพัฒนาขนาดใหญ่ได้

## ความเห็นสรุป
วิดีโอนี้เป็นกรณีศึกษาที่ดีมากสำหรับการออกแบบ coding agent ระดับองค์กร โดยเฉพาะแนวคิด "spec มาก่อน", "สำรวจก่อนสร้าง" และ "ยังไม่ผ่านการตรวจสอบ = ยังไม่เสร็จ" ที่ช่วยลดความเสี่ยงและทำให้ agent ทำงานอยู่ในกรอบที่ควบคุมได้ จุดที่โดดเด่นที่สุดคือการถ่ายทอดความรู้ของผู้เชี่ยวชาญลงใน agent skills ที่ใครก็ใช้ตามได้ ซึ่งเป็นแม่แบบ (blueprint) ที่ทีมพัฒนาองค์กรอื่นนำไปลอกเลียนแบบได้จริง

*สรุปนี้จัดทำขึ้นเพื่อการศึกษา/การใช้งานส่วนตัว อ้างอิงจากวิดีโอต้นฉบับ*
02

คำแปลเต็ม

แปลตามบทสนทนาต้นฉบับ ปรับเป็นภาษาไทยธรรมชาติ

วันนี้เราจะมาดูอะไรที่เจ๋งมาก ๆ กันครับ นั่นคือวิธีที่บริษัทใหญ่ ๆ อย่าง Oracle ใช้ coding agents เพื่อสร้างและขยายแอปพลิเคชันของพวกเขา ไม่ว่าคุณจะเพิ่งเริ่มต้นกับ agentic coding (การเขียนโค้ดแบบใช้ AI agent ช่วย) หรือกำลังพยายามพัฒนาฝีมือให้เก่งขึ้น ก็มีอะไรให้เรียนรู้ได้อีกเยอะ จากการดูว่าบริษัทเหล่านี้จัดการกับ coding agents กันอย่างไร และทั้งหมดก็ลงเอยที่กฎสำคัญ 5 ข้อ ที่คุณนำไปประยุกต์ใช้กับแอปพลิเคชันของคุณได้ เราจะมาดูทีละข้อในวิดีโอนี้ครับ

คุณอาจเคยได้ยินชื่อ Oracle มาก่อน พวกเขารู้จักกันดีในเรื่องฐานข้อมูล แต่พวกเขายังมีสิ่งที่เรียกว่า Oracle Fusion Applications (ชุดแอปพลิเคชัน ERP ระดับองค์กรของ Oracle) ซึ่งเป็นกระดูกสันหลังขององค์กรใหญ่ ๆ จำนวนมาก ครอบคลุมทั้ง HR (ทรัพยากรบุคคล), การเงิน, การจัดซื้อจัดจ้าง (procurement), ซัพพลายเชน (supply chain), การขาย และการตลาด และนี่ไม่ใช่เรื่องเล็ก ๆ เลยนะครับ เพราะมีบริษัทใหญ่กว่า 14,000 แห่งทั่วโลก ที่ใช้ Oracle Fusion Applications ขับเคลื่อนธุรกิจของพวกเขา และถ้าจะพูดเผลอไปก่อนเลย ลูกค้ากว่า 7,000 รายจากทั้งหมดนี้ ใช้ฟีเจอร์ AI ที่ชื่อว่า Fusion AI อยู่แล้ว ซึ่งก็คือสิ่งที่ทำให้คุณสร้างอะไรต่อยอดบนแอปพลิเคชันของพวกเขาได้ โดยใช้ AI agent ของพวกเขานั่นเอง

ทีนี้ มีความท้าทายอยู่ข้อหนึ่งที่หลายองค์กรต้องเจอ ถ้าคุณทำงานในระดับใหญ่ขนาดนั้น และใช้ Oracle Fusion Applications เป็นระบบหลังบ้าน (back office) ก็จะมีข้อมูลดิบ (raw data) จำนวนมากนอนอยู่ในระบบ ซึ่งแทบไม่มีประโยชน์อะไรเลย จนกว่าคุณจะลงมือทำอะไรสักอย่างกับข้อมูลเหล่านั้น

ลองยกตัวอย่างฝ่าย HR หรือ human capital (ทุนมนุษย์) กัน คุณอาจมีคนสำคัญ หรือคนที่อยู่ในตำแหน่งสำคัญขององค์กรอยู่หลายคน แล้วจะเกิดอะไรขึ้น ถ้าพวกเขาตัดสินใจลาออก หรือมีอะไรเกิดขึ้นกับคนคนนั้น? คุณมีแผนจะหาคนมาทดแทนหรือเปล่า? น่าเสียดายที่หลายองค์กรเป็นแบบตั้งรับ (reactive) คือรอจนกว่าอะไรจะเกิดขึ้นก่อน แล้วค่อยจัดการ นั่นคือสถานการณ์แบบที่คุณไม่อยากเจอตัวจริง ๆ เลยครับ แต่คงจะเจ๋งมาก ถ้าคุณสร้าง view (มุมมองข้อมูล) แบบหนึ่งขึ้นมา ที่ช่วยไฮไลต์ความเสี่ยงเหล่านี้ เพื่อให้คุณจัดการกับมันได้ล่วงหน้า (proactively)

และนี่คือความท้าทายที่องค์กรเหล่านี้ดูจะเจออยู่บ่อยครั้ง นั่นคือการเพิ่ม view หรือคอมโพเนนต์พิเศษนี้เข้าไป ไม่ใช่เรื่องง่ายเลย และที่บอกเลยว่า เรื่องนี้ผมมีประสบการณ์ตรงเยอะมาก เพราะผมใช้เวลาส่วนใหญ่ในอาชีพการทำงาน อยู่ในสภาพแวดล้อมที่ใกล้เคียงกับแบบนี้มาก สิ่งที่คุณต้องเข้าใจคือ แพลตฟอร์มอย่าง Oracle Fusion พยายามจะแก้โจทย์ความต้องการที่กว้างมาก ถ้าย้อนกลับไปที่สไลด์นี้เป็นตัวอย่าง ระบบ HR ของพวกเขาจะให้รากฐานที่แข็งแรง ซึ่งใช้ได้กับธุรกิจราว 90% แต่ธุรกิจส่วนใหญ่ก็มักจะมี requirement (ความต้องการเฉพาะ) บางอย่างที่ไม่เหมือนใคร และพวกเขาก็ต้องขยายแอปพลิเคชัน เพื่อตอบโจทย์สิ่งที่ unique กับตัวเอง เช่นที่เพิ่งพูดถึง ระบบ HR ที่เขาให้มาอาจไม่มี succession view (มุมมองการสืบทอดตำแหน่ง) ดังนั้นธุรกิจของคุณอาจมีความต้องการที่จะสร้าง succession management dashboard (แดชบอร์ดบริหารจัดการการสืบทอดตำแหน่ง) ขึ้นบนข้อมูลชุดนี้ และนั่นก็ไม่ใช่เรื่องง่ายเลยจริง ๆ

พูดง่าย ๆ ก็คือ ทีม HR ต้องเขียน requirement หรือ spec (ข้อกำหนด) บางอย่างออกมา จากนั้นก็ส่งต่อให้ทีม IT และมันก็จะไปจบอยู่ที่ backlog (คิวงาน) ของพวกเขา แล้วก็ต้องมีนักพัฒนาที่เชี่ยวชาญเฉพาะทาง และใช่ครับ แพลตฟอร์มพวกนี้มักมี syntax (รูปแบบไวยากรณ์) หรือโครงสร้างไฟล์เฉพาะตัว คุณจึงต้องมีนักพัฒนาเฉพาะทางที่เข้าใจ Oracle Fusion หรือแพลตฟอร์มแนวนี้ เพื่อมาสร้าง extension (ส่วนขยาย) เหล่านี้ให้คุณ นักพัฒนากลุ่มนี้มักหายากและแพงมาก อีกทั้ง requirement ง่าย ๆ แบบนี้ ยังอาจใช้เวลาหลายสัปดาห์ หรือเป็นเดือน กว่าจะ implement (ลงมือทำ) ได้จริง

และนี่คือวิธีที่ Oracle ใช้ AI agents ปรับปรุงกระบวนการนี้ในตอนนี้ พวกเขานำความสามารถและความรู้เฉพาะทางเหล่านี้ มาสร้างเป็น agent skills (สกิลสำหรับ AI agent) พร้อมตัวอย่าง prompt (คำสั่ง) ที่ใครก็ตามที่มีบัญชี Codex หรือ Claude Code สามารถใช้สร้าง extension เหล่านี้ได้ ดังนั้นภาพรวมของขั้นตอนทั้งหมดก็ประมาณนี้ครับ workspace (พื้นที่ทำงาน) ของคุณ ซึ่งอยู่บนเครื่อง PC ส่วนตัว ประกอบด้วยการแชตกับ agent ของคุณ ซึ่งอาจเป็น Claude Code, Codex ฯลฯ จริง ๆ แล้วเป็น coding agent ตัวไหนก็ได้ จากนั้น agent ตัวนั้นจะใช้ AI Studio skill และ CLI tool (เครื่องมือที่ทำงานผ่าน command line) ของ Oracle ซึ่ง CLI tool นี้จะทำให้ agent เชื่อมต่อไปยัง Fusion Studio ที่รันอยู่บนคลาวด์ เพื่อดึง pattern (รูปแบบโค้ด) ที่มีอยู่เดิมออกมาใช้ เป็นต้น แล้ว agent จะสร้างไฟล์ต่าง ๆ เช่น app file (ไฟล์แอป), workflow files (ไฟล์เวิร์กโฟลว์) ฯลฯ และเมื่อเราทำการเปลี่ยนแปลงเสร็จแล้ว ก็สามารถส่งต่อไปยัง Fusion Cloud ได้ โดย Oracle Agent Studio จะตรวจสอบไฟล์เหล่านี้ ว่า ถูกต้องหรือไม่จริง ถ้ามีปัญหามันก็จะส่งไฟล์กลับมาให้ agent ของเรา และ agent ก็ต้องแก้ไขให้เรียบร้อย แต่ถ้าการตรวจสอบ (validation) ผ่าน Oracle จะสร้างหน้าจอ (screens) ขึ้นโดยใช้ approved blocks (บล็อกที่ผ่านการอนุมัติแล้ว) ที่มีอยู่ และสุดท้ายผู้ใช้ปลายทางก็จะได้เข้าถึง view ใหม่ของคุณ เราจะดู demo แบบสด ๆ ในอีกสักครู่ แต่ผมอยากอธิบายอีกสักหนึ่งหรือสองเรื่องก่อน แล้วค่อยดำดิ่งเข้าสู่กฎ 5 ข้อ ที่คุณควรนำไปใช้ใน workflow ของคุณด้วย

อย่างแรก เราจะใช้ Codex หรือ Claude Code บนเครื่องของเราเอง เพื่อสร้าง extension เหล่านี้ ไฟล์พวกนี้จะอยู่บนเครื่องเรา แต่ข้อมูลจริงที่เราเห็นใน preview (ตัวอย่างแสดงผล) มาจากแพลตฟอร์มคลาวด์ตัวจริง นั่นคือข้อมูลสด (live data) ที่อยู่ใน Fusion platform นั่นเอง ทีนี้ เราจะลงมือทำทั้งหมดนี้ด้วย coding agent ตัวจริงในอีกสักครู่ แต่ตามที่ผมสัญญาไว้ ก็คือมีกฎ 5 ข้อที่พวกเขาใช้ ซึ่งจะมีประโยชน์อย่างมากกับ workflow ของคุณเช่นกัน

กฎข้อแรกคือ spec ต้องมาก่อน (the spec comes first) คือจะไม่มีอะไรถูกสร้างขึ้น จนกว่าจะมีแผน และทุกฝ่ายตกลงกันเรียบร้อย ถ้าคุณเคยทำตาม RAM framework มาก่อน คุณคงคุ้นเคยกับขั้นตอนนี้เป็นอย่างดี นี่คือขั้นตอนที่เราคุยกับ agent เพื่อหาว่าเราอยากสร้างอะไร และสุดท้ายเราก็จะได้ implementation plan (แผนการลงมือทำ) หรือ spec ละเอียดออกมา

กฎข้อที่สอง คือทุกอย่างเป็นแบบอ่านได้อย่างเดียว (read only) จนกว่าคุณจะสั่งเป็นอย่างอื่น กล่าวคือ ตามค่าเริ่มต้น เมื่อคุณเพิ่มฟีเจอร์ใหม่ ทุกอย่างจะเป็น read only โดยดีฟอลต์ ยกเว้นคุณจะให้คำสั่งที่เฉพาะเจาะจงมาก ให้เพิ่มความสามารถในการสร้างหรือแก้ไขข้อมูล ซึ่งสิ่งเหล่านี้ถูกควบคุมผ่านกฎเฉพาะเจาะจง ที่ให้ไว้กับ agent ใน skill files (ไฟล์สกิล)

กฎข้อที่สามคือ discover before you build (สำรวจก่อนสร้าง) ก่อนที่ agent จะสร้างอะไร มันจะทำการสำรวจ (discovery) ในระบบก่อน เพื่อค้นหาโค้ด pattern หรือ workflow ที่มีอยู่แล้ว ที่มันจะใช้ต่อยอดได้ ตัวอย่างเช่น ถ้าคุณขอให้ agent สร้าง view สำหรับบริหารจัดการการสืบทอดตำแหน่ง (succession management view) มันจะดูในระบบก่อนว่า มี workflow หรือ pattern ที่สามารถ reuse (ใช้ซ้ำ) ได้หรือไม่ ก่อนที่จะสร้างของใหม่จากศูนย์

กฎข้อที่สี่คือ structure over improvisation (ทำตามโครงสร้าง ดีกว่าคิดเอาเอง) ภายใน agent skills เหล่านี้ มีกฎเฉพาะเจาะจงที่ agent ต้องปฏิบัติตาม ทุกครั้งที่มันทำงานใดก็ตาม guardrails (กรอบควบคุม) เหล่านี้ จะทำให้ agent ไม่มั่วขึ้นเอง หรือออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจ มันต้องทำงานอยู่ในเลนที่กำหนดไว้

และสุดท้าย กฎที่ผมคิดว่าสำคัญที่สุด คือ unvalidated means unfinished (ยังไม่ผ่านการตรวจสอบ = ยังไม่เสร็จ) แค่เราสร้างไฟล์ขึ้นมาเป็นชุด และทุกอย่างดูเหมือนทำงานได้บนเครื่องท้องถิ่น ก็ไม่ได้หมายความว่างานชิ้นนั้นเสร็จแล้ว ทุกอย่างต้องผ่านการตรวจสอบ (validate) ก่อน จึงจะถือว่าเสร็จสมบูรณ์ในระบบ และพร้อมให้เผยแพร่ (publish)

เพื่อให้ง่ายขึ้น ผมจะให้สไลด์นี้เป็น cheat sheet (เอกสารสรุปฉบับย่อ) ไว้ คุณก็อปปี้หรือแคปหน้าจอเก็บไว้ก็ได้ กฎ 5 ข้อนี้เป็น roadmap (แผนที่นำทาง) ที่สำคัญมาก ถ้าคุณทำงานบนแพลตฟอร์มขนาดใหญ่ ภายในองค์กรใหญ่ ๆ

เราจะมี demo จริง ๆ ในวิดีโอนี้ด้วย แต่ผมขอพูดตรง ๆ และจริงใจกับคุณเลยนะครับ แพลตฟอร์มพวกนี้ปกติแล้ว ไม่ใช่ทุกคนจะเข้าใช้ได้ ถ้าคุณกำลังดูวิดีโอนี้ โอกาสที่คุณจะเข้าถึงแพลตฟอร์มนี้ได้ก็น้อย แต่นั่นก็ไม่ใช่จุดประสงค์ของวิดีโอนี้เหมือนกัน เพราะมันเป็นอะไรที่เฉพาะกลุ่มมาก โดยทั่วไปคุณต้องเป็นพาร์ทเนอร์ของบริษัทเหล่านี้ ถึงจะได้สิทธิ์เข้าถึงระบบเหล่านี้ ดังนั้นวิดีโอนี้จึงเป็นวิดีโอเพื่อการศึกษา และผมพยายามโชว์สิ่งที่ค่อนข้างเฉพาะกลุ่มให้คุณเห็น เพื่อให้คุณได้เรียนรู้จากมัน และเอาไปคิดตอนสร้างแอปพลิเคชันของตัวเอง หรือถ้าคุณทำงานในระดับองค์กร หรือกับทีมพัฒนาขนาดใหญ่ ก็มีบทเรียนอีกมากมายที่นี่ ที่คุณสามารถนำติดตัวไปได้

โอเค พูดกันพอแล้ว มาลองใช้ coding agent สร้างทั้งหมดนี้กันดีกว่า บทเรียนแรกที่ผมได้จากตรงนี้คือ คุณต้องทำให้การติดตั้งตั้งค่า ง่ายที่สุดเท่าที่จะทำได้สำหรับผู้ใช้ ถ้าคุณทำถูกต้อง ผู้คนไม่จำเป็นต้องเป็นนักพัฒนา ก็สามารถขยายแอปพลิเคชันของตัวเองได้ และผมคิดว่า Oracle ทำตรงนี้ได้ดีมาก พวกเขาเปิดเผยทุกอย่างต่อสาธารณะ นี่คือ public repo (ที่เก็บโค้ดสาธารณะ) หลังจากนั้นแหละ และไฟล์ทั้งหมด ไม่ว่าจะเป็น agent skills, CLI tool, VS Code extensions ทุกอย่างอยู่ใน repo ที่เรียบง่ายมากอันนี้

ถ้าเราคลิกเข้าไปในโฟลเดอร์นี้ เราจะเจอ AI Studio อยู่ข้างใน ถ้าเราไปที่ AI Studio เราจะเจอ agent skills ทั้งหมด อยู่ในไฟล์ zip เล็ก ๆ ตรงนี้ ดังนั้นถ้าคุณอยากขยายแอป Oracle Fusion ตัวไหน จริง ๆ แล้วคุณแค่คลิก copy หรือดาวน์โหลดไฟล์ zip ก็ได้ แล้วก็ clone (คัดลอก) มันลงในโฟลเดอร์โปรเจกต์ว่าง ๆ ได้เลย

สิ่งแรกที่เราต้องทำคือ ติดตั้ง VS Code extension ที่จะเชื่อม VS Code หรือ agent ของเรา เข้ากับบัญชี Oracle Fusion ของเรา โดยผมจะเปิดโฟลเดอร์นี้ใน Explorer สักครู่ จากนั้นเข้าไปที่โฟลเดอร์ release ไปที่ AI Studio ไปที่ bin แล้วแตกไฟล์ AI Studio extensions ออกมา จากนั้นกลับมาที่ VS Code ไปที่แท็บ extensions คลิกที่จุดสามจุดตรงนี้ เลือก install from VSIX แล้วกลับเข้าไปที่โฟลเดอร์ AI Studio นั้น ไปที่ bin โฟลเดอร์ extensions แล้วเลือก AI Studio extension เพื่อติดตั้ง จากนั้นคลิกที่ configure authentication และเลือก basic authentication ถ้าคุณไม่เห็นป๊อปอัปนั้น ไม่ต้องกังวลนะครับ สิ่งที่คุณต้องทำคือกด control, shift และ P แล้วค้นหา Fusion AI Studio แล้วคลิก configure authentication จากนั้นคลิก basic authentication

ทีนี้ เราต้องกรอก URL ของ Oracle Fusion app ของเรา ถ้าคุณสมัครใช้ Oracle Fusion คุณก็จะมี URL นี้อยู่แล้ว และถ้าคุณอยากลองทำด้วยตัวเอง ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ (description) ถ้าอยู่ในหน้านี้ คุณก็แค่กดขอ demo หรือติดต่อฝ่ายขายได้เลย เอาล่ะ ผมจะวาง URL ของผม แล้วกด enter จากนั้นเราต้องกรอก username และสุดท้ายก็กรอก password เหมือนกัน ซึ่งขั้นตอนนี้จะสร้างไฟล์ env.properties ขึ้นที่ root (โฟลเดอร์หลัก) ของโปรเจกต์คุณ

พอตั้งค่าการเชื่อมต่อเสร็จแล้ว สิ่งที่เราอยากทำต่อคือ ก็อปปี้ agent skills ทั้งหมด ที่จะสอน agent ของเราว่า จะขยายแอปพลิเคชันเหล่านี้อย่างไร กลับไปที่โฟลเดอร์ bin ผมจะแตกไฟล์ AI Studio skill folder ออกมา แล้วกลับมาที่ root ของโปรเจกต์ ขึ้นอยู่กับว่าใช้ agent ตัวไหน คุณอาจต้องมีโฟลเดอร์ .claude ถ้าคุณใช้โมเดลของ Claude หรือถ้าใช้ตัวอื่นเป็นส่วนใหญ่ สิ่งที่คุณต้องมีจริง ๆ คือโฟลเดอร์ .agents ภายในโฟลเดอร์นี้ ผมจะสร้างโฟลเดอร์ย่อยชื่อ skills จากนั้นกลับไปที่ bin อีกครั้ง แล้วก็อปปี้ AI Studio skill ไปไว้ในโฟลเดอร์ agent skills แบบนี้

จากนั้นเราก็เปิด coding agent ของเรา ไม่ว่าจะเป็น Claude หรือในวิดีโอนี้ผมจะใช้ Codex แล้วพิมพ์คำสั่ง skills, list skills เพื่อถาม agent ว่า มันเข้าถึงสกิลอะไรได้บ้าง เอาล่ะ agent ของเรายืนยันแล้วว่า มันเห็น AI Studio skill ของเราจริง ๆ ผมขอออกจากตรงนี้สักครู่

อันนี้จะดูน่ากลัวมาก แต่ผมจะรันคำสั่งนี้ ซึ่งจะช่วยยืนยันว่า CLI tool ทำงานได้จริง และถ้าคุณเห็นฟังก์ชันและ tools ต่าง ๆ เหล่านี้ นั่นหมายความว่า CLI tool ทำงานแล้ว จากนั้นเราจะติดตั้งสกิลอีกหนึ่งตัว สกิลที่เพิ่งติดตั้งไป จะสอน agent ให้ใช้ CLI เพื่อใช้งาน AI Studio แต่ตอนนี้เรายังอยากติดตั้ง domain-specific skill (สกิลเฉพาะด้าน) เช่น succession management ด้วย ผมจะแตกโฟลเดอร์นี้ แล้วเข้าไปในโฟลเดอร์ AI Studio, AI studio app skills และตอนนี้เราก็เข้าถึง domain skills ได้สองตัว คือ succession management และ warehouse operations shortages ซึ่งเจ๋งมาก ๆ นี่คือวิธีที่พวกเขาถ่ายโอนความรู้ของผู้เชี่ยวชาญ ไปเป็นสกิลที่ agents นำไปใช้ได้ สกิลเหล่านี้ให้กฎที่เฉพาะเจาะจงมาก ในเรื่อง AI Studio handoff (การส่งต่องานให้ AI Studio) พวกเขายังมีกฎเกี่ยวกับ guardrails ต่าง ๆ ด้วย ซึ่งเป็นหนึ่งในกฎที่เราพูดถึงก่อนหน้านี้ มันจะออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจไม่ได้ มันต้องทำตามกฎเฉพาะเหล่านี้ ถ้าต้องการ คุณอ่านไฟล์พวกนี้ได้เลย มันเป็นมาสเตอร์คลาสในการเขียนสกิลแบบนี้จริง ๆ คุณเรียนรู้อะไรได้เยอะจากพวกมัน สิ่งที่ผมจะทำต่อคือ ดึงสกิล แล้วย้ายไปไว้ในโฟลเดอร์ skills แบบนี้ และคุณรู้ไหม? การติดตั้งตั้งค่าทั้งหมดก็แค่นี้เอง

ลองจินตนาการดู ถ้าคุณทำงานในทีมใหญ่ หรือกำลังสร้างซอฟต์แวร์ชิ้นใหญ่ และอยากทำให้ผู้ใช้ขยายซอฟต์แวร์ของคุณได้ง่ายที่สุด นี่คือทั้งหมดที่คุณต้องทำ: สร้าง agent skills ที่ถ่ายโอนความเชี่ยวชาญเฉพาะด้าน (domain expertise) และความรู้ของระบบ ไปให้ agents จากนั้นก็สร้าง CLI tool ที่ agent ใช้โต้ตอบกับแพลตฟอร์มของคุณ ยกตัวอย่างเช่น CLI tool ใช้ค้นหา pattern โค้ด หรือไฟล์ ที่มีอยู่แล้วในโซลูชันคลาวด์

เยี่ยมมาก พอตั้งค่าสภาพแวดล้อมเล็ก ๆ นี้เสร็จแล้ว สิ่งที่เราจะทำต่อคือส่วนที่สนุก ให้เราเปิด coding agent ขึ้นมา ถ้าต้องการ คุณใช้ Claude Code หรือ coding agent ตัวไหนก็ได้ตามสบาย ผมจะใช้ Codex เพราะผมว่ามันคุ้มค่ากว่า Claude Code เยอะ ใช้งานได้คุ้มกว่ามาก จากนั้นผมจะส่ง prompt นี้ให้ agent: ออกแบบและสร้างแอป succession planning (การวางแผนสืบทอดตำแหน่ง) สำหรับ people managers (ผู้จัดการที่ดูแลพนักงาน) ที่รับผิดชอบการวางแผนสืบทอดตำแหน่งให้กับลูกทีมโดยตรง แอปควรทำให้ผู้จัดการสามารถระบุความเสี่ยงด้านการสืบทอดตำแหน่งได้ล่วงหน้า (proactively) ประเมินความพร้อมในการสืบทอดตำแหน่ง (succession readiness) และไฮไลต์พนักงานผลงานดี (key performers) ที่ยังไม่มีผู้สืบทอดตำแหน่งที่ชัดเจน อีกทั้งควรแนะนำขั้นตอนปฏิบัติถัดไป (actionable next steps) เช่น การระบุผู้สืบทอดที่มีศักยภาพ การประเมินระดับความพร้อม และการสร้างหรืออัปเดตแผนการสืบทอดตำแหน่ง เริ่มเลย!

และดูสิครับ agent กำลังบอกว่า มันใช้ AI Studio succession management skill ซึ่งก็คือสกิลที่เราเพิ่งติดตั้งไป เป็น domain blueprint (พิมพ์เขียวเฉพาะด้าน) นั่นคือสิ่งที่เราอยากเห็นพอดี สกิล succession นี้กำหนดให้ต้องมี scope guide (แนวทางขอบเขตงาน) สั้น ๆ ก่อนที่จะมีการสำรวจใน AI Studio หรือสร้างไฟล์ใด ๆ ซึ่งช่วยให้การรีวิวรอบแรกของ bot ยังคงโฟกัสอยู่ และป้องกันไม่ให้มีการดำเนินการที่แก้ไขเรคคอร์ด succession เกิดขึ้น โดยไม่ได้รับการอนุมัติอย่างชัดเจน

ตอนนี้มันให้ business purpose (วัตถุประสงค์ทางธุรกิจ) มา และเจตนาตอนนี้คือ ให้เราทำงานร่วมกับ agent เพื่อหาว่าเราต้องสร้างอะไร ซึ่งจะให้ spec และแผนละเอียดออกมา agent ยังให้คำแนะนำด้วย สำหรับ MVP (minimum viable product) (ผลิตภัณฑ์ต้นแบบที่ใช้งานได้น้อยที่สุด) ที่แนะนำ จุดเริ่มต้นที่ปลอดภัยและมีประโยชน์ที่สุดคือ MVP แบบเน้นรีวิว พร้อมเจาะลึกรายคน (person-level drill-down) และผมจะไม่ไล่ดูทั้งหมด ถ้าต้องการ คุณกด pause วิดีโอได้ตามสบาย เพราะทั้งหมดนี้ขึ้นอยู่กับ requirement ที่คุณให้ agent ไป สิ่งที่เราต้องทำตอนนี้คือ เลือกทางเดิน ทางที่แนะนำคือ เริ่มด้วย MVP พร้อมเจาะลึกรายคน ซึ่งจะให้ manager summary (สรุปสำหรับผู้จัดการ) แผงหลักสามแผง และรายละเอียดพนักงานแบบอ้างอิงหลักฐาน (evidence-based) โดยไม่เปลี่ยนแปลงเรคคอร์ด succession

จำกฎข้อหนึ่งที่เราพูดถึงได้ไหม ผมว่าน่าจะเป็นกฎข้อสอง ทุกอย่างเป็น read only ตามค่าเริ่มต้น เราต้องสั่งให้ agent เพิ่ม action ที่มีผลกระทบ (destructive actions) เช่น การเพิ่มเรคคอร์ด หรือการแก้ไขเรคคอร์ด ผมจะเลือกข้อ 1 ซึ่งเป็นตัวเลือกที่แนะนำ และระหว่างที่ agent ทำงานอยู่ สิ่งที่ผมจะทำด้วยคือ ปรับปรุง repository นี้ไปด้วย นี่คือข้อดีของโซลูชันทั้งหมดนี้ คือเรามี version control (ระบบควบคุมเวอร์ชัน) นี่คือ Git repo ทั่วไป เราสามารถสร้าง commits ซึ่งก็คือ checkpoint (จุดบันทึกสถานะ) ได้ สิ่งหนึ่งที่ผมไม่ต้องการ commit ขึ้น remote repository (ที่เก็บโค้ดระยะไกล) ของผมเด็ดขาด คือไฟล์ env.properties นี้ ดังนั้นผมจะสร้างไฟล์ใหม่ชื่อ .gitignore แล้วเพิ่มไฟล์ env.properties นี้ลงไป

เยี่ยม ไฟล์เล็ก ๆ นี้จะกลายเป็นสีเทา หมายความว่ามันจะไม่ถูกรวมอยู่ใน commits ของเรา จากนั้นผมจะสร้าง commit ชื่อ initial และในตอนนี้ มันก็แค่โครงสร้างพื้นฐานของเรา ที่มี agent skills อยู่ เรายังไม่ได้สร้างอะไรเลย และที่เราพูดถึงในตอนกฎต่าง ๆ ว่า agent จะทำการสำรวจ (discovery) นี่คือสิ่งที่เราเห็นอยู่ตอนนี้ มันกำลังสรุปผลการสำรวจของมัน: พบ workflow ทั้งหมดที่จำเป็นสำหรับ MVP ในเครื่องแล้ว ดังนั้นไม่ต้องค้นหาในระบบคลาวด์ และยังพบ existing succession readiness workspace และ personal succession readiness workspace ในเครื่องด้วย พวกมันจะถูกเก็บไว้เป็น references ที่ได้รับการปกป้อง (protected references) คือมันจะไม่ไปแก้ไข แต่จะใช้เป็น pattern ที่มีอยู่เดิม ดังนั้นผมจะเลือกตัวเลือกที่แนะนำอีกครั้ง คือทำต่อกับ workflow ที่ค้นพบเหล่านี้

และถ้าคุณเคยทำงานในโปรเจกต์ใหญ่ ๆ มาก่อน คุณจะรู้ว่ามันน่าปวดหัวแค่ไหน เวลาที่ agent ตัดสินใจสร้างล้อขึ้นมาใหม่ (reinvent the wheel) ทุกครั้ง อย่างน้อยชุด harness (กลไกควบคุม) กฎ และสกิลเหล่านี้ ก็ให้กรอบ (guardrails) ที่เฉพาะเจาะจงกับ agent ในการดู pattern ที่มีอยู่ก่อนที่จะสร้างอะไรเอง และเยี่ยมมาก ตอนนี้ agent กำลังส่ง proposal (ข้อเสนอ) มาให้เรา ซึ่งก็คือ spec ของเรานั่นเอง มันให้ business outcomes (ผลลัพธ์ทางธุรกิจ) ที่ชัดเจน มีทั้งแหล่งข้อมูล (data sources) ประสบการณ์การโหลดครั้งแรก (first load experience) พฤติกรรมการค้นหา (query behavior) ถ้าต้องการ เราก็อ่านดูแล้วให้ agent แก้ไขอะไรก็ได้ตามที่อยากได้ มันยังให้ success check (เช็คความสำเร็จ) ด้วย สำหรับตัวเลือกที่แนะนำ มันบอกว่า approve และสร้าง MVP apps สองตัว หรือเราจะขอให้มันแก้ไขอะไรก็ได้ ผมจะเลือก option 1

สำหรับใครที่ดูอยู่ และเคยทำงานกับแอปพลิเคชันแนวนี้มาก่อน คุณจะรู้ว่างานนี้หนักแค่ไหน งานแบบนี้กลายเป็นเวิร์กช็อปใหญ่อันหนึ่ง ที่มีผู้มีส่วนได้ส่วนเสีย (stakeholders) เต็มห้อง ทั้งผู้เชี่ยวชาญฐานข้อมูล ฝ่าย auth (การยืนยันตัวตน) นักพัฒนา นักวิเคราะห์ธุรกิจ ที่ปรึกษาฟังก์ชัน (functional consultants) เจ้าของธุรกิจ มันคือทั้งทีมที่ต้องมาประชุมร่วมกัน เพื่อหาว่าต้องเปลี่ยนอะไรบ้าง แต่ตอนนี้ ในฐานะเจ้าของธุรกิจ หรือผู้เชี่ยวชาญเฉพาะด้าน (domain expert) คุณแค่แชตกับ agent ตรงนี้ มันก็จะทำงานพัฒนาทั้งหมดนี้ให้คุณ

เอาล่ะ agent ยังทำงานอยู่ แต่ผมอยากโชว์ความคืบหน้าเล็กน้อยให้ดู ผมจะปิด terminal สักครู่ และในโปรเจกต์ เราเห็นว่าไฟล์ใหม่ถูกเพิ่มเข้ามาแล้ว ถ้าไปที่ source เราจะเห็นแอปสองตัวที่กำลังถูกสร้าง เรามีไฟล์ .app สองไฟล์นี้ ลองคลิกดูสักตัว เริ่มจากตัวแรกก่อน ไฟล์นี้จะให้ preview ว่าแอปจะมีหน้าตาแบบไหน ผมจะซูมออกหน่อย แต่ใช่แล้ว เราจะเห็นตัวแอปจริง ๆ แอปใหม่ทั้งสองตัวถูกสร้างในรูปแบบโครงสร้างโปรเจกต์แบบเดิม (legacy project layout) และส่งตรงไปยังการตรวจสอบของ AI Studio โดยไม่มี error เลย อย่างที่ผมพูดไว้ ผมว่าน่าจะเป็นกฎข้อห้า ไฟล์ทั้งหมดเหล่านี้จะถูกตรวจสอบ ก่อนที่ AI Studio หรือ Fusion จะยอมรับ ตอนนี้ MVP ให้ manager summary พร้อมภาพรวมการสืบทอดตำแหน่ง (succession overview) ความเสี่ยงการสูญเสีย (risk of loss) และผลกระทบหากสูญเสีย (impact of loss) การตรวจสอบโดยตรง (direct validation) ยืนยันว่าโครงสร้างแอปและ references สอดคล้องกัน ส่วนการทดสอบรันไทม์อัตโนมัติ (automated runtime tests) ยังคงถูกเลื่อนออกไปตามที่ได้รับอนุมัติ แล้วเราอยากทำอะไรต่อ? ตัวเลือกที่แนะนำคือ เพิ่ม top performers และ compensation summary (สรุปค่าตอบแทน) ถ้าต้องการ เราก็ไล่เพิ่มฟีเจอร์เข้าไปในแอปได้เรื่อย ๆ ดูสิว่ามันง่ายแค่ไหน?

เอาล่ะ ถึงช่วงเวลาพิสูจน์ของจริง มาทดสอบแอปนี้กัน เราจะดึงแอปนี้ไป deploy (นำขึ้นใช้งาน) ยัง Fusion Cloud เพื่อทำงานกับข้อมูลสดจริง ๆ สิ่งที่ต้องทำคือคลิกปุ่ม play เล็ก ๆ ตรงนี้ ขอบอกให้ชัดก่อนว่า นี่ไม่ใช่การ publish การเปลี่ยนแปลง แต่เป็นการ deploy ไปยัง Fusion Cloud ในสถานะร่าง (draft state) และจริง ๆ แล้ว agent ไม่สามารถ publish ได้ด้วยซ้ำ ซึ่งเป็นไปตามการออกแบบ นี่คือด่านตรวจสอบสุดท้าย (final review gate) ที่เราไม่สามารถทำผ่าน agent ได้

และดูนี่สิครับ ตอนนี้เรากำลังทำงานกับข้อมูลสด เราจะเห็นชื่อต่าง ๆ กลับมา นี่คือข้อมูลที่มีประโยชน์มาก นี่คือความเสี่ยงการสูญเสีย (risk of loss) โดยเฉพาะ Sophie Bromley เราเห็นได้ว่ามีความเสี่ยงสูง ทางด้านขวามือ เราจะเห็น priority actions (รายการปฏิบัติที่ควรทำก่อน) และเราต้องหาผู้สืบทอดตำแหน่งให้ Sophie Bromley ย้ำอีกครั้ง นี่รันอยู่บนโครงสร้างพื้นฐาน Fusion Cloud จริง ๆ กับข้อมูลสด ดูว่ามันมีประโยชน์แค่ไหน?

ลองอันนี้ดู ไปที่ Ask Oracle แล้วพิมพ์ว่า please recommend a successor to Sophie ส่งคำสั่งนี้ไป แล้ว agent ก็ให้คำแนะนำกลับมา: คำแนะนำผู้สืบทอดตำแหน่งสำหรับ Sophie นี่คือรายการคำแนะนำผู้สืบทอดตำแหน่งของ Sophie คือ Emily และ Olivia เจ๋งแค่ไหนกัน? ย้ำอีกครั้ง ผมจะแชร์กฎ 5 ข้อนี้ให้คุณ และหวังว่าคุณจะได้เห็นมันทำงานจริงในวิดีโอนี้ด้วย

ผมขอขอบคุณ Oracle ที่ sponsor วิดีโอนี้ และให้โอกาส รวมถึงมุมมองเชิงลึก ว่าพวกเขาทำงานกับ AI agents กันอย่างไร และอีกครั้ง ถ้าอยากเรียนรู้เพิ่มเติมเกี่ยวกับ Oracle Fusion ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ หวังว่าคุณจะสนุกกับวิดีโอนี้ ถ้าชอบก็กดปุ่ม like ด้วยนะครับ และ subscribe ช่องของผม เพื่อรับบทช่วยสอน agentic coding เพิ่มเติม แล้วเจอกันในวิดีโอหน้า บายบายครับ

03

หมายเหตุการแปล

ความโปร่งใสเกี่ยวกับความไม่แน่นอนในต้นฉบับ

  • ## ส่วนที่ฟังไม่ชัด [ฟังไม่ชัด]
  • ไม่มี — ไม่มีจุดใดในบทที่ถือว่าฟังไม่ชัดจนต้องใช้ [ฟังไม่ชัด]
04

อภิธานศัพท์เทคนิค

คำศัพท์และชื่อผลิตภัณฑ์ที่คงรูปภาษาอังกฤษ

ศัพท์คำแปล / คำอธิบาย
Oracleบริษัทซอฟต์แวร์ฐานข้อมูลและคลาวด์รายใหญ่ (คงชื่อเดิม)
Oracle Fusion Applicationsชุดแอปพลิเคชัน ERP ระดับองค์กรของ Oracle ครอบคลุม HR, การเงิน, จัดซื้อจัดจ้าง, ซัพพลายเชน, การขาย, การตลาด
Fusion AIฟีเจอร์ AI ของ Oracle ที่ใช้สร้างส่วนขยายบนแอปพลิเคชันด้วย AI agent
Fusion AI Studio / AI Studioแพลตฟอร์ม AI ของ Oracle สำหรับสร้าง coding agent ในองค์กร
Fusion Studioตัวบริการบนคลาวด์ที่ CLI tool ใช้เชื่อมต่อเพื่อดึง pattern/ข้อมูลจากระบบ Fusion
Oracle Fusion Cloudแพลตฟอร์มคลาวด์ที่ใช้ deploy และรันแอปของ Fusion พร้อมข้อมูลสด
Oracle Agent Studioระบบที่ตรวจสอบ (validate) ไฟล์ที่ agent ส่งขึ้นมาก่อนนำไปสร้างหน้าจอ
coding agentเอเจนต์ AI ที่ช่วยเขียนโค้ด (ตัวช่วยเขียนโค้ดด้วย AI)
agentic codingการเขียนโค้ดแบบใช้ AI agent ช่วยขับเคลื่อน
agent skillsสกิล/ชุดกฎที่ถ่ายทอดความรู้เฉพาะด้านให้ AI agent ใช้ทำงาน
domain-specific skillสกิลเฉพาะด้าน เช่น succession management, warehouse operations shortages
domain blueprintพิมพ์เขียวเฉพาะด้านที่ agent ใช้เป็นกรอบในการทำงาน
domain expertiseความเชี่ยวชาญเฉพาะด้าน
promptคำสั่ง/ข้อความที่ส่งให้ AI agent
CLI toolเครื่องมือที่ทำงานผ่าน command line ใช้เชื่อม agent กับแพลตฟอร์ม
MCP(ไม่ปรากฏในวิดีโอ)
API(ไม่ปรากฏในวิดีโอ)
VS Codeโปรแกรมแก้ไขโค้ดของ Microsoft (คงชื่อเดิม)
VS Code extension / VSIXส่วนขยายของ VS Code ที่ติดตั้งจากไฟล์ .vsix
configure authentication / basic authenticationตั้งค่าการยืนยันตัวตน / การยืนยันตัวตนแบบพื้นฐาน
env.propertiesไฟล์เก็บค่าการเชื่อมต่อ (URL, username, password) ที่สร้างที่ root ของโปรเจกต์
.gitignoreไฟล์กำหนดรายการที่ Git จะไม่รวมใน commit
Git repo / repositoryที่เก็บโค้ดที่ควบคุมเวอร์ชันด้วย Git
commit / checkpointจุดบันทึกสถานะของโค้ดในระบบควบคุมเวอร์ชัน
remote repositoryที่เก็บโค้ดระยะไกล
version controlระบบควบคุมเวอร์ชัน
cloneการคัดลอก repo/โปรเจกต์มาไว้เครื่องตัวเอง
specข้อกำหนด/แผนรายละเอียดของสิ่งที่ต้องการสร้าง
requirementความต้องการเฉพาะของธุรกิจ
backlogคิวงานรอดำเนินการของทีม IT
implementation planแผนการลงมือทำ
MVP (minimum viable product)ผลิตภัณฑ์ต้นแบบที่ใช้งานได้น้อยที่สุด
read onlyโหมดอ่านได้อย่างเดียว (แก้ไขไม่ได้)
destructive actionsการดำเนินการที่กระทบข้อมูล เช่น เพิ่ม/แก้ไขเรคคอร์ด
discoveryการสำรวจระบบเพื่อหาโค้ด/pattern/workflow ที่มีอยู่ก่อน
guardrailsกรอบควบคุม/ราวกั้นที่บังคับให้ agent ทำตามกฎ
validationการตรวจสอบความถูกต้องของไฟล์/แอป
publishการเผยแพร่การเปลี่ยนแปลงสู่ผู้ใช้
deployการนำแอปขึ้นไปใช้งานบนเซิร์ฟเวอร์/คลาวด์
draft stateสถานะร่าง (ยังไม่เผยแพร่)
final review gateด่านตรวจสอบขั้นสุดท้ายที่ต้องทำโดยมนุษย์ ไม่ใช่ agent
live dataข้อมูลสดจากระบบจริง
previewตัวอย่างแสดงผลล่วงหน้า
viewมุมมองข้อมูลในแอป
patternรูปแบบโค้ด/โครงสร้างเดิมที่ reuse ได้
workflow filesไฟล์ที่กำหนดขั้นตอนการทำงานของแอป
app fileไฟล์นิยามแอปพลิเคชัน (นามสกุล .app)
workspaceพื้นที่ทำงาน/โฟลเดอร์โปรเจกต์
raw dataข้อมูลดิบที่ยังไม่ได้ประมวลผล
back officeระบบหลังบ้านขององค์กร
HR / human capitalฝ่ายทรัพยากรบุคคล / ทุนมนุษย์
succession planningการวางแผนสืบทอดตำแหน่ง
succession management dashboardแดชบอร์ดบริหารจัดการการสืบทอดตำแหน่ง
succession viewมุมมองการสืบทอดตำแหน่ง
succession readinessความพร้อมในการสืบทอดตำแหน่ง
succession overviewภาพรวมการสืบทอดตำแหน่ง
risk of loss / impact of lossความเสี่ยงการสูญเสียบุคลากร / ผลกระทบหากสูญเสีย
key performersพนักงานผลงานดี/คนเก่ง
people managersผู้จัดการที่ดูแลพนักงานโดยตรง
manager summaryสรุปสำหรับผู้จัดการ
person-level drill-downการเจาะลึกรายละเอียดรายบุคคล
evidence-based employee detailsรายละเอียดพนักงานที่อ้างอิงจากข้อมูล/หลักฐาน
priority actionsรายการปฏิบัติที่ควรทำก่อน
top performersพนักงานผลงานดีที่สุด
compensation summaryสรุปค่าตอบแทน
business purpose / business outcomesวัตถุประสงค์ทางธุรกิจ / ผลลัพธ์ทางธุรกิจ
data sourcesแหล่งข้อมูล
first load experienceประสบการณ์การโหลดข้อมูลครั้งแรก
query behaviorพฤติกรรมการค้นหาข้อมูล
success checkการตรวจสอบเงื่อนไขความสำเร็จ
scope guideแนวทางกำหนดขอบเขตงาน
protected referencesการอ้างอิงที่ได้รับการปกป้อง (ใช้ได้แต่ห้ามแก้ไข)
legacy project layoutโครงสร้างโปรเจกต์แบบเดิม
automated runtime testsการทดสอบอัตโนมัติระหว่างรัน
interactive / reactive (ตั้งรับ)แนวทางเชิงรุก / การรอให้เกิดก่อนแล้วค่อยจัดการ
stakeholdersผู้มีส่วนได้ส่วนเสีย
functional consultantsที่ปรึกษาฟังก์ชัน (ผู้เชี่ยวชาญด้านการใช้งานระบบ)
business analystsนักวิเคราะห์ธุรกิจ
authการยืนยันตัวตน (authentication)
Codexโมเดล/เครื่องมือ coding agent ของ OpenAI (คงชื่อเดิม)
Claude Codeเครื่องมือ coding agent ของ Anthropic (คงชื่อเดิม)
Claudeโมเดล AI ของ Anthropic (คงชื่อเดิม)
Ask Oracleฟีเจอร์ถาม-ตอบด้วย AI ภายในแอป Fusion (คงชื่อเดิม)
sponsorผู้สนับสนุนวิดีโอ
descriptionคำอธิบายใต้วิดีโอ (มีลิงก์เอกสาร/หน้าขอ demo ของ Oracle)
cheat sheetเอกสารสรุปฉบับย่อ
roadmapแผนที่นำทาง/แนวทางสำคัญ
public repoที่เก็บโค้ดสาธารณะที่ดาวน์โหลดได้
harnessกลไก/โครงสร้างที่คุมพฤติกรรม agent
reinvent the wheelการสร้างล้อขึ้นมาใหม่ (ทำงานซ้ำซ้อนกับของที่มีอยู่)
Explorerตัวจัดการไฟล์ของ Windows
terminalหน้าต่างคำสั่ง
control + shift + Pแป้นลัดเปิด command palette ใน VS Code
05

ซับไตเติ้ลภาษาไทย

ดาวน์โหลดหรือดูซับทั้งหมด

1
00:00:00,000 --> 00:00:04,421
วันนี้เราจะมาดูอะไรที่เจ๋งมาก ๆ กันครับ นั่นคือวิธีที่บริษัทใหญ่

2
00:00:04,421 --> 00:00:09,257
ๆ อย่าง Oracle ใช้ coding agents เพื่อสร้างและขยายแอปพลิเคชันของพวกเขา

3
00:00:09,257 --> 00:00:13,540
ไม่ว่าคุณจะเพิ่งเริ่มต้นกับ agentic coding (การเขียนโค้ดแบบใช้

4
00:00:13,540 --> 00:00:17,063
AI agent ช่วย) หรือกำลังพยายามพัฒนาฝีมือให้เก่งขึ้น
thai-subtitles.srt
SubRip — ใช้กับเครื่องเล่นวิดีโอส่วนใหญ่
↓ ดาวน์โหลด
thai-subtitles.vtt
WebVTT — ใช้กับเว็บ / YouTube
↓ ดาวน์โหลด
เปิดดูซับไตเติ้ลทั้งหมด (336 segments)
1
00:00:00,000 --> 00:00:04,421
วันนี้เราจะมาดูอะไรที่เจ๋งมาก ๆ กันครับ นั่นคือวิธีที่บริษัทใหญ่

2
00:00:04,421 --> 00:00:09,257
ๆ อย่าง Oracle ใช้ coding agents เพื่อสร้างและขยายแอปพลิเคชันของพวกเขา

3
00:00:09,257 --> 00:00:13,540
ไม่ว่าคุณจะเพิ่งเริ่มต้นกับ agentic coding (การเขียนโค้ดแบบใช้

4
00:00:13,540 --> 00:00:17,063
AI agent ช่วย) หรือกำลังพยายามพัฒนาฝีมือให้เก่งขึ้น

5
00:00:17,063 --> 00:00:21,484
ก็มีอะไรให้เรียนรู้ได้อีกเยอะ จากการดูว่าบริษัทเหล่านี้จัดการกับ

6
00:00:21,484 --> 00:00:25,077
coding agents กันอย่างไร และทั้งหมดก็ลงเอยที่กฎสำคัญ

7
00:00:25,077 --> 00:00:28,531
5 ข้อ ที่คุณนำไปประยุกต์ใช้กับแอปพลิเคชันของคุณได้

8
00:00:28,531 --> 00:00:32,054
เราจะมาดูทีละข้อในวิดีโอนี้ครับ คุณอาจเคยได้ยินชื่อ

9
00:00:32,054 --> 00:00:35,370
Oracle มาก่อน พวกเขารู้จักกันดีในเรื่องฐานข้อมูล

10
00:00:35,370 --> 00:00:39,238
แต่พวกเขายังมีสิ่งที่เรียกว่า Oracle Fusion Applications

11
00:00:39,238 --> 00:00:44,558
(ชุดแอปพลิเคชัน ERP ระดับองค์กรของ Oracle) ซึ่งเป็นกระดูกสันหลังขององค์กรใหญ่

12
00:00:44,558 --> 00:00:48,150
ๆ จำนวนมาก ครอบคลุมทั้ง HR (ทรัพยากรบุคคล), การเงิน,

13
00:00:48,150 --> 00:00:51,673
การจัดซื้อจัดจ้าง (procurement), ซัพพลายเชน (supply

14
00:00:51,673 --> 00:00:54,989
chain), การขาย และการตลาด และนี่ไม่ใช่เรื่องเล็ก

15
00:00:54,989 --> 00:00:58,581
ๆ เลยนะครับ เพราะมีบริษัทใหญ่กว่า 14,000 แห่งทั่วโลก

16
00:00:58,581 --> 00:01:02,657
ที่ใช้ Oracle Fusion Applications ขับเคลื่อนธุรกิจของพวกเขา

17
00:01:02,657 --> 00:01:06,664
และถ้าจะพูดเผลอไปก่อนเลย ลูกค้ากว่า 7,000 รายจากทั้งหมดนี้

18
00:01:06,664 --> 00:01:14,124
ใช้ฟีเจอร์ AI ที่ชื่อว่า Fusion AI อยู่แล้ว ซึ่งก็คือสิ่งที่ทำให้คุณสร้างอะไรต่อยอดบนแอปพลิเคชันของพวกเขาได้

19
00:01:14,124 --> 00:01:19,858
โดยใช้ AI agent ของพวกเขานั่นเอง ทีนี้ มีความท้าทายอยู่ข้อหนึ่งที่หลายองค์กรต้องเจอ

20
00:01:19,858 --> 00:01:23,381
ถ้าคุณทำงานในระดับใหญ่ขนาดนั้น และใช้ Oracle Fusion

21
00:01:23,381 --> 00:01:27,457
Applications เป็นระบบหลังบ้าน (back office) ก็จะมีข้อมูลดิบ

22
00:01:27,457 --> 00:01:31,602
(raw data) จำนวนมากนอนอยู่ในระบบ ซึ่งแทบไม่มีประโยชน์อะไรเลย

23
00:01:31,602 --> 00:01:34,918
จนกว่าคุณจะลงมือทำอะไรสักอย่างกับข้อมูลเหล่านั้น

24
00:01:34,918 --> 00:01:38,441
ลองยกตัวอย่างฝ่าย HR หรือ human capital (ทุนมนุษย์)

25
00:01:38,441 --> 00:01:43,001
กัน คุณอาจมีคนสำคัญ หรือคนที่อยู่ในตำแหน่งสำคัญขององค์กรอยู่หลายคน

26
00:01:43,001 --> 00:01:47,974
แล้วจะเกิดอะไรขึ้น ถ้าพวกเขาตัดสินใจลาออก หรือมีอะไรเกิดขึ้นกับคนคนนั้น?

27
00:01:47,974 --> 00:01:52,741
คุณมีแผนจะหาคนมาทดแทนหรือเปล่า? น่าเสียดายที่หลายองค์กรเป็นแบบตั้งรับ

28
00:01:52,741 --> 00:01:56,541
(reactive) คือรอจนกว่าอะไรจะเกิดขึ้นก่อน แล้วค่อยจัดการ

29
00:01:56,541 --> 00:02:00,133
นั่นคือสถานการณ์แบบที่คุณไม่อยากเจอตัวจริง ๆ เลยครับ

30
00:02:00,133 --> 00:02:04,347
แต่คงจะเจ๋งมาก ถ้าคุณสร้าง view (มุมมองข้อมูล) แบบหนึ่งขึ้นมา

31
00:02:04,347 --> 00:02:08,906
ที่ช่วยไฮไลต์ความเสี่ยงเหล่านี้ เพื่อให้คุณจัดการกับมันได้ล่วงหน้า

32
00:02:08,906 --> 00:02:13,742
(proactively) และนี่คือความท้าทายที่องค์กรเหล่านี้ดูจะเจออยู่บ่อยครั้ง

33
00:02:13,742 --> 00:02:17,127
นั่นคือการเพิ่ม view หรือคอมโพเนนต์พิเศษนี้เข้าไป

34
00:02:17,127 --> 00:02:21,893
ไม่ใช่เรื่องง่ายเลย และที่บอกเลยว่า เรื่องนี้ผมมีประสบการณ์ตรงเยอะมาก

35
00:02:21,893 --> 00:02:27,351
เพราะผมใช้เวลาส่วนใหญ่ในอาชีพการทำงาน อยู่ในสภาพแวดล้อมที่ใกล้เคียงกับแบบนี้มาก

36
00:02:27,351 --> 00:02:30,943
สิ่งที่คุณต้องเข้าใจคือ แพลตฟอร์มอย่าง Oracle Fusion

37
00:02:30,943 --> 00:02:36,124
พยายามจะแก้โจทย์ความต้องการที่กว้างมาก ถ้าย้อนกลับไปที่สไลด์นี้เป็นตัวอย่าง

38
00:02:36,124 --> 00:02:40,338
ระบบ HR ของพวกเขาจะให้รากฐานที่แข็งแรง ซึ่งใช้ได้กับธุรกิจราว

39
00:02:40,338 --> 00:02:44,552
90% แต่ธุรกิจส่วนใหญ่ก็มักจะมี requirement (ความต้องการเฉพาะ)

40
00:02:44,552 --> 00:02:48,283
บางอย่างที่ไม่เหมือนใคร และพวกเขาก็ต้องขยายแอปพลิเคชัน

41
00:02:48,283 --> 00:02:52,151
เพื่อตอบโจทย์สิ่งที่ unique กับตัวเอง เช่นที่เพิ่งพูดถึง

42
00:02:52,151 --> 00:02:56,849
ระบบ HR ที่เขาให้มาอาจไม่มี succession view (มุมมองการสืบทอดตำแหน่ง)

43
00:02:56,849 --> 00:03:00,717
ดังนั้นธุรกิจของคุณอาจมีความต้องการที่จะสร้าง succession

44
00:03:00,717 --> 00:03:04,793
management dashboard (แดชบอร์ดบริหารจัดการการสืบทอดตำแหน่ง)

45
00:03:04,793 --> 00:03:08,316
ขึ้นบนข้อมูลชุดนี้ และนั่นก็ไม่ใช่เรื่องง่ายเลยจริง

46
00:03:08,316 --> 00:03:11,839
ๆ พูดง่าย ๆ ก็คือ ทีม HR ต้องเขียน requirement หรือ

47
00:03:11,839 --> 00:03:15,363
spec (ข้อกำหนด) บางอย่างออกมา จากนั้นก็ส่งต่อให้ทีม

48
00:03:15,363 --> 00:03:18,886
IT และมันก็จะไปจบอยู่ที่ backlog (คิวงาน) ของพวกเขา

49
00:03:18,886 --> 00:03:22,409
แล้วก็ต้องมีนักพัฒนาที่เชี่ยวชาญเฉพาะทาง และใช่ครับ

50
00:03:22,409 --> 00:03:27,245
แพลตฟอร์มพวกนี้มักมี syntax (รูปแบบไวยากรณ์) หรือโครงสร้างไฟล์เฉพาะตัว

51
00:03:27,245 --> 00:03:30,768
คุณจึงต้องมีนักพัฒนาเฉพาะทางที่เข้าใจ Oracle Fusion

52
00:03:30,768 --> 00:03:34,429
หรือแพลตฟอร์มแนวนี้ เพื่อมาสร้าง extension (ส่วนขยาย)

53
00:03:34,429 --> 00:03:37,745
เหล่านี้ให้คุณ นักพัฒนากลุ่มนี้มักหายากและแพงมาก

54
00:03:37,745 --> 00:03:41,752
อีกทั้ง requirement ง่าย ๆ แบบนี้ ยังอาจใช้เวลาหลายสัปดาห์

55
00:03:41,752 --> 00:03:45,068
หรือเป็นเดือน กว่าจะ implement (ลงมือทำ) ได้จริง

56
00:03:45,068 --> 00:03:49,627
และนี่คือวิธีที่ Oracle ใช้ AI agents ปรับปรุงกระบวนการนี้ในตอนนี้

57
00:03:49,627 --> 00:03:53,496
พวกเขานำความสามารถและความรู้เฉพาะทางเหล่านี้ มาสร้างเป็น

58
00:03:53,496 --> 00:03:56,811
agent skills (สกิลสำหรับ AI agent) พร้อมตัวอย่าง

59
00:03:56,811 --> 00:04:00,127
prompt (คำสั่ง) ที่ใครก็ตามที่มีบัญชี Codex หรือ

60
00:04:00,127 --> 00:04:03,443
Claude Code สามารถใช้สร้าง extension เหล่านี้ได้

61
00:04:03,443 --> 00:04:07,243
ดังนั้นภาพรวมของขั้นตอนทั้งหมดก็ประมาณนี้ครับ workspace

62
00:04:07,243 --> 00:04:10,697
(พื้นที่ทำงาน) ของคุณ ซึ่งอยู่บนเครื่อง PC ส่วนตัว

63
00:04:10,697 --> 00:04:14,220
ประกอบด้วยการแชตกับ agent ของคุณ ซึ่งอาจเป็น Claude

64
00:04:14,220 --> 00:04:18,089
Code, Codex ฯลฯ จริง ๆ แล้วเป็น coding agent ตัวไหนก็ได้

65
00:04:18,089 --> 00:04:21,543
จากนั้น agent ตัวนั้นจะใช้ AI Studio skill และ CLI

66
00:04:21,543 --> 00:04:25,204
tool (เครื่องมือที่ทำงานผ่าน command line) ของ Oracle

67
00:04:25,204 --> 00:04:28,796
ซึ่ง CLI tool นี้จะทำให้ agent เชื่อมต่อไปยัง Fusion

68
00:04:28,796 --> 00:04:32,596
Studio ที่รันอยู่บนคลาวด์ เพื่อดึง pattern (รูปแบบโค้ด)

69
00:04:32,596 --> 00:04:36,464
ที่มีอยู่เดิมออกมาใช้ เป็นต้น แล้ว agent จะสร้างไฟล์ต่าง

70
00:04:36,464 --> 00:04:40,540
ๆ เช่น app file (ไฟล์แอป), workflow files (ไฟล์เวิร์กโฟลว์)

71
00:04:40,540 --> 00:04:44,685
ฯลฯ และเมื่อเราทำการเปลี่ยนแปลงเสร็จแล้ว ก็สามารถส่งต่อไปยัง

72
00:04:44,685 --> 00:04:48,968
Fusion Cloud ได้ โดย Oracle Agent Studio จะตรวจสอบไฟล์เหล่านี้

73
00:04:48,968 --> 00:04:52,837
ว่า ถูกต้องหรือไม่จริง ถ้ามีปัญหามันก็จะส่งไฟล์กลับมาให้

74
00:04:52,837 --> 00:04:57,189
agent ของเรา และ agent ก็ต้องแก้ไขให้เรียบร้อย แต่ถ้าการตรวจสอบ

75
00:04:57,189 --> 00:05:00,505
(validation) ผ่าน Oracle จะสร้างหน้าจอ (screens)

76
00:05:00,505 --> 00:05:04,304
ขึ้นโดยใช้ approved blocks (บล็อกที่ผ่านการอนุมัติแล้ว)

77
00:05:04,304 --> 00:05:07,551
ที่มีอยู่ และสุดท้ายผู้ใช้ปลายทางก็จะได้เข้าถึง

78
00:05:07,551 --> 00:05:10,936
view ใหม่ของคุณ เราจะดู demo แบบสด ๆ ในอีกสักครู่

79
00:05:10,936 --> 00:05:15,564
แต่ผมอยากอธิบายอีกสักหนึ่งหรือสองเรื่องก่อน แล้วค่อยดำดิ่งเข้าสู่กฎ

80
00:05:15,564 --> 00:05:19,226
5 ข้อ ที่คุณควรนำไปใช้ใน workflow ของคุณด้วย อย่างแรก

81
00:05:19,226 --> 00:05:22,680
เราจะใช้ Codex หรือ Claude Code บนเครื่องของเราเอง

82
00:05:22,680 --> 00:05:26,687
เพื่อสร้าง extension เหล่านี้ ไฟล์พวกนี้จะอยู่บนเครื่องเรา

83
00:05:26,687 --> 00:05:30,141
แต่ข้อมูลจริงที่เราเห็นใน preview (ตัวอย่างแสดงผล)

84
00:05:30,141 --> 00:05:33,526
มาจากแพลตฟอร์มคลาวด์ตัวจริง นั่นคือข้อมูลสด (live

85
00:05:33,526 --> 00:05:38,499
data) ที่อยู่ใน Fusion platform นั่นเอง ทีนี้ เราจะลงมือทำทั้งหมดนี้ด้วย

86
00:05:38,499 --> 00:05:42,092
coding agent ตัวจริงในอีกสักครู่ แต่ตามที่ผมสัญญาไว้

87
00:05:42,092 --> 00:05:45,891
ก็คือมีกฎ 5 ข้อที่พวกเขาใช้ ซึ่งจะมีประโยชน์อย่างมากกับ

88
00:05:45,891 --> 00:05:49,345
workflow ของคุณเช่นกัน กฎข้อแรกคือ spec ต้องมาก่อน

89
00:05:49,345 --> 00:05:52,730
(the spec comes first) คือจะไม่มีอะไรถูกสร้างขึ้น

90
00:05:52,730 --> 00:05:56,530
จนกว่าจะมีแผน และทุกฝ่ายตกลงกันเรียบร้อย ถ้าคุณเคยทำตาม

91
00:05:56,530 --> 00:06:00,467
RAM framework มาก่อน คุณคงคุ้นเคยกับขั้นตอนนี้เป็นอย่างดี

92
00:06:00,467 --> 00:06:04,474
นี่คือขั้นตอนที่เราคุยกับ agent เพื่อหาว่าเราอยากสร้างอะไร

93
00:06:04,474 --> 00:06:08,343
และสุดท้ายเราก็จะได้ implementation plan (แผนการลงมือทำ)

94
00:06:08,343 --> 00:06:13,178
หรือ spec ละเอียดออกมา กฎข้อที่สอง คือทุกอย่างเป็นแบบอ่านได้อย่างเดียว

95
00:06:13,178 --> 00:06:16,563
(read only) จนกว่าคุณจะสั่งเป็นอย่างอื่น กล่าวคือ

96
00:06:16,563 --> 00:06:20,294
ตามค่าเริ่มต้น เมื่อคุณเพิ่มฟีเจอร์ใหม่ ทุกอย่างจะเป็น

97
00:06:20,294 --> 00:06:24,301
read only โดยดีฟอลต์ ยกเว้นคุณจะให้คำสั่งที่เฉพาะเจาะจงมาก

98
00:06:24,301 --> 00:06:30,242
ให้เพิ่มความสามารถในการสร้างหรือแก้ไขข้อมูล ซึ่งสิ่งเหล่านี้ถูกควบคุมผ่านกฎเฉพาะเจาะจง

99
00:06:30,242 --> 00:06:34,317
ที่ให้ไว้กับ agent ใน skill files (ไฟล์สกิล) กฎข้อที่สามคือ

100
00:06:34,317 --> 00:06:37,771
discover before you build (สำรวจก่อนสร้าง) ก่อนที่

101
00:06:37,771 --> 00:06:41,640
agent จะสร้างอะไร มันจะทำการสำรวจ (discovery) ในระบบก่อน

102
00:06:41,640 --> 00:06:45,094
เพื่อค้นหาโค้ด pattern หรือ workflow ที่มีอยู่แล้ว

103
00:06:45,094 --> 00:06:48,617
ที่มันจะใช้ต่อยอดได้ ตัวอย่างเช่น ถ้าคุณขอให้ agent

104
00:06:48,617 --> 00:06:52,555
สร้าง view สำหรับบริหารจัดการการสืบทอดตำแหน่ง (succession

105
00:06:52,555 --> 00:06:55,940
management view) มันจะดูในระบบก่อนว่า มี workflow

106
00:06:55,940 --> 00:06:59,256
หรือ pattern ที่สามารถ reuse (ใช้ซ้ำ) ได้หรือไม่

107
00:06:59,256 --> 00:07:02,986
ก่อนที่จะสร้างของใหม่จากศูนย์ กฎข้อที่สี่คือ structure

108
00:07:02,986 --> 00:07:06,509
over improvisation (ทำตามโครงสร้าง ดีกว่าคิดเอาเอง)

109
00:07:06,509 --> 00:07:10,102
ภายใน agent skills เหล่านี้ มีกฎเฉพาะเจาะจงที่ agent

110
00:07:10,102 --> 00:07:13,694
ต้องปฏิบัติตาม ทุกครั้งที่มันทำงานใดก็ตาม guardrails

111
00:07:13,694 --> 00:07:17,148
(กรอบควบคุม) เหล่านี้ จะทำให้ agent ไม่มั่วขึ้นเอง

112
00:07:17,148 --> 00:07:21,984
หรือออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจ มันต้องทำงานอยู่ในเลนที่กำหนดไว้

113
00:07:21,984 --> 00:07:25,507
และสุดท้าย กฎที่ผมคิดว่าสำคัญที่สุด คือ unvalidated

114
00:07:25,507 --> 00:07:29,168
means unfinished (ยังไม่ผ่านการตรวจสอบ = ยังไม่เสร็จ)

115
00:07:29,168 --> 00:07:34,211
แค่เราสร้างไฟล์ขึ้นมาเป็นชุด และทุกอย่างดูเหมือนทำงานได้บนเครื่องท้องถิ่น

116
00:07:34,211 --> 00:07:38,770
ก็ไม่ได้หมายความว่างานชิ้นนั้นเสร็จแล้ว ทุกอย่างต้องผ่านการตรวจสอบ

117
00:07:38,770 --> 00:07:43,192
(validate) ก่อน จึงจะถือว่าเสร็จสมบูรณ์ในระบบ และพร้อมให้เผยแพร่

118
00:07:43,192 --> 00:07:46,784
(publish) เพื่อให้ง่ายขึ้น ผมจะให้สไลด์นี้เป็น cheat

119
00:07:46,784 --> 00:07:51,274
sheet (เอกสารสรุปฉบับย่อ) ไว้ คุณก็อปปี้หรือแคปหน้าจอเก็บไว้ก็ได้

120
00:07:51,274 --> 00:07:54,659
กฎ 5 ข้อนี้เป็น roadmap (แผนที่นำทาง) ที่สำคัญมาก

121
00:07:54,659 --> 00:07:57,975
ถ้าคุณทำงานบนแพลตฟอร์มขนาดใหญ่ ภายในองค์กรใหญ่ ๆ

122
00:07:57,975 --> 00:08:01,360
เราจะมี demo จริง ๆ ในวิดีโอนี้ด้วย แต่ผมขอพูดตรง

123
00:08:01,360 --> 00:08:04,814
ๆ และจริงใจกับคุณเลยนะครับ แพลตฟอร์มพวกนี้ปกติแล้ว

124
00:08:04,814 --> 00:08:10,893
ไม่ใช่ทุกคนจะเข้าใช้ได้ ถ้าคุณกำลังดูวิดีโอนี้ โอกาสที่คุณจะเข้าถึงแพลตฟอร์มนี้ได้ก็น้อย

125
00:08:10,893 --> 00:08:16,351
แต่นั่นก็ไม่ใช่จุดประสงค์ของวิดีโอนี้เหมือนกัน เพราะมันเป็นอะไรที่เฉพาะกลุ่มมาก

126
00:08:16,351 --> 00:08:19,598
โดยทั่วไปคุณต้องเป็นพาร์ทเนอร์ของบริษัทเหล่านี้

127
00:08:19,598 --> 00:08:24,848
ถึงจะได้สิทธิ์เข้าถึงระบบเหล่านี้ ดังนั้นวิดีโอนี้จึงเป็นวิดีโอเพื่อการศึกษา

128
00:08:24,848 --> 00:08:28,302
และผมพยายามโชว์สิ่งที่ค่อนข้างเฉพาะกลุ่มให้คุณเห็น

129
00:08:28,302 --> 00:08:32,999
เพื่อให้คุณได้เรียนรู้จากมัน และเอาไปคิดตอนสร้างแอปพลิเคชันของตัวเอง

130
00:08:32,999 --> 00:08:36,592
หรือถ้าคุณทำงานในระดับองค์กร หรือกับทีมพัฒนาขนาดใหญ่

131
00:08:36,592 --> 00:08:40,184
ก็มีบทเรียนอีกมากมายที่นี่ ที่คุณสามารถนำติดตัวไปได้

132
00:08:40,184 --> 00:08:44,605
โอเค พูดกันพอแล้ว มาลองใช้ coding agent สร้างทั้งหมดนี้กันดีกว่า

133
00:08:44,605 --> 00:08:48,750
บทเรียนแรกที่ผมได้จากตรงนี้คือ คุณต้องทำให้การติดตั้งตั้งค่า

134
00:08:48,750 --> 00:08:52,342
ง่ายที่สุดเท่าที่จะทำได้สำหรับผู้ใช้ ถ้าคุณทำถูกต้อง

135
00:08:52,342 --> 00:08:56,902
ผู้คนไม่จำเป็นต้องเป็นนักพัฒนา ก็สามารถขยายแอปพลิเคชันของตัวเองได้

136
00:08:56,902 --> 00:09:01,530
และผมคิดว่า Oracle ทำตรงนี้ได้ดีมาก พวกเขาเปิดเผยทุกอย่างต่อสาธารณะ

137
00:09:01,530 --> 00:09:05,330
นี่คือ public repo (ที่เก็บโค้ดสาธารณะ) หลังจากนั้นแหละ

138
00:09:05,330 --> 00:09:08,853
และไฟล์ทั้งหมด ไม่ว่าจะเป็น agent skills, CLI tool,

139
00:09:08,853 --> 00:09:12,998
VS Code extensions ทุกอย่างอยู่ใน repo ที่เรียบง่ายมากอันนี้

140
00:09:12,998 --> 00:09:16,314
ถ้าเราคลิกเข้าไปในโฟลเดอร์นี้ เราจะเจอ AI Studio

141
00:09:16,314 --> 00:09:19,560
อยู่ข้างใน ถ้าเราไปที่ AI Studio เราจะเจอ agent

142
00:09:19,560 --> 00:09:24,258
skills ทั้งหมด อยู่ในไฟล์ zip เล็ก ๆ ตรงนี้ ดังนั้นถ้าคุณอยากขยายแอป

143
00:09:24,258 --> 00:09:27,505
Oracle Fusion ตัวไหน จริง ๆ แล้วคุณแค่คลิก copy

144
00:09:27,505 --> 00:09:30,890
หรือดาวน์โหลดไฟล์ zip ก็ได้ แล้วก็ clone (คัดลอก)

145
00:09:30,890 --> 00:09:34,966
มันลงในโฟลเดอร์โปรเจกต์ว่าง ๆ ได้เลย สิ่งแรกที่เราต้องทำคือ

146
00:09:34,966 --> 00:09:38,420
ติดตั้ง VS Code extension ที่จะเชื่อม VS Code หรือ

147
00:09:38,420 --> 00:09:43,324
agent ของเรา เข้ากับบัญชี Oracle Fusion ของเรา โดยผมจะเปิดโฟลเดอร์นี้ใน

148
00:09:43,324 --> 00:09:46,709
Explorer สักครู่ จากนั้นเข้าไปที่โฟลเดอร์ release

149
00:09:46,709 --> 00:09:49,956
ไปที่ AI Studio ไปที่ bin แล้วแตกไฟล์ AI Studio

150
00:09:49,956 --> 00:09:53,479
extensions ออกมา จากนั้นกลับมาที่ VS Code ไปที่แท็บ

151
00:09:53,479 --> 00:09:56,726
extensions คลิกที่จุดสามจุดตรงนี้ เลือก install

152
00:09:56,726 --> 00:10:00,180
from VSIX แล้วกลับเข้าไปที่โฟลเดอร์ AI Studio นั้น

153
00:10:00,180 --> 00:10:03,565
ไปที่ bin โฟลเดอร์ extensions แล้วเลือก AI Studio

154
00:10:03,565 --> 00:10:06,812
extension เพื่อติดตั้ง จากนั้นคลิกที่ configure

155
00:10:06,812 --> 00:10:11,579
authentication และเลือก basic authentication ถ้าคุณไม่เห็นป๊อปอัปนั้น

156
00:10:11,579 --> 00:10:14,964
ไม่ต้องกังวลนะครับ สิ่งที่คุณต้องทำคือกด control,

157
00:10:14,964 --> 00:10:18,211
shift และ P แล้วค้นหา Fusion AI Studio แล้วคลิก

158
00:10:18,211 --> 00:10:22,148
configure authentication จากนั้นคลิก basic authentication

159
00:10:22,148 --> 00:10:25,602
ทีนี้ เราต้องกรอก URL ของ Oracle Fusion app ของเรา

160
00:10:25,602 --> 00:10:29,333
ถ้าคุณสมัครใช้ Oracle Fusion คุณก็จะมี URL นี้อยู่แล้ว

161
00:10:29,333 --> 00:10:34,168
และถ้าคุณอยากลองทำด้วยตัวเอง ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ

162
00:10:34,168 --> 00:10:37,484
(description) ถ้าอยู่ในหน้านี้ คุณก็แค่กดขอ demo

163
00:10:37,484 --> 00:10:40,800
หรือติดต่อฝ่ายขายได้เลย เอาล่ะ ผมจะวาง URL ของผม

164
00:10:40,800 --> 00:10:44,738
แล้วกด enter จากนั้นเราต้องกรอก username และสุดท้ายก็กรอก

165
00:10:44,738 --> 00:10:48,814
password เหมือนกัน ซึ่งขั้นตอนนี้จะสร้างไฟล์ env.properties

166
00:10:48,814 --> 00:10:53,857
ขึ้นที่ root (โฟลเดอร์หลัก) ของโปรเจกต์คุณ พอตั้งค่าการเชื่อมต่อเสร็จแล้ว

167
00:10:53,857 --> 00:10:57,380
สิ่งที่เราอยากทำต่อคือ ก็อปปี้ agent skills ทั้งหมด

168
00:10:57,380 --> 00:11:01,317
ที่จะสอน agent ของเราว่า จะขยายแอปพลิเคชันเหล่านี้อย่างไร

169
00:11:01,317 --> 00:11:04,702
กลับไปที่โฟลเดอร์ bin ผมจะแตกไฟล์ AI Studio skill

170
00:11:04,702 --> 00:11:08,916
folder ออกมา แล้วกลับมาที่ root ของโปรเจกต์ ขึ้นอยู่กับว่าใช้

171
00:11:08,916 --> 00:11:12,992
agent ตัวไหน คุณอาจต้องมีโฟลเดอร์ .claude ถ้าคุณใช้โมเดลของ

172
00:11:12,992 --> 00:11:16,930
Claude หรือถ้าใช้ตัวอื่นเป็นส่วนใหญ่ สิ่งที่คุณต้องมีจริง

173
00:11:16,930 --> 00:11:21,351
ๆ คือโฟลเดอร์ .agents ภายในโฟลเดอร์นี้ ผมจะสร้างโฟลเดอร์ย่อยชื่อ

174
00:11:21,351 --> 00:11:24,667
skills จากนั้นกลับไปที่ bin อีกครั้ง แล้วก็อปปี้

175
00:11:24,667 --> 00:11:28,190
AI Studio skill ไปไว้ในโฟลเดอร์ agent skills แบบนี้

176
00:11:28,190 --> 00:11:31,575
จากนั้นเราก็เปิด coding agent ของเรา ไม่ว่าจะเป็น

177
00:11:31,575 --> 00:11:35,098
Claude หรือในวิดีโอนี้ผมจะใช้ Codex แล้วพิมพ์คำสั่ง

178
00:11:35,098 --> 00:11:39,520
skills, list skills เพื่อถาม agent ว่า มันเข้าถึงสกิลอะไรได้บ้าง

179
00:11:39,520 --> 00:11:42,974
เอาล่ะ agent ของเรายืนยันแล้วว่า มันเห็น AI Studio

180
00:11:42,974 --> 00:11:47,326
skill ของเราจริง ๆ ผมขอออกจากตรงนี้สักครู่ อันนี้จะดูน่ากลัวมาก

181
00:11:47,326 --> 00:11:50,642
แต่ผมจะรันคำสั่งนี้ ซึ่งจะช่วยยืนยันว่า CLI tool

182
00:11:50,642 --> 00:11:53,958
ทำงานได้จริง และถ้าคุณเห็นฟังก์ชันและ tools ต่าง

183
00:11:53,958 --> 00:11:59,484
ๆ เหล่านี้ นั่นหมายความว่า CLI tool ทำงานแล้ว จากนั้นเราจะติดตั้งสกิลอีกหนึ่งตัว

184
00:11:59,484 --> 00:12:03,353
สกิลที่เพิ่งติดตั้งไป จะสอน agent ให้ใช้ CLI เพื่อใช้งาน

185
00:12:03,353 --> 00:12:06,945
AI Studio แต่ตอนนี้เรายังอยากติดตั้ง domain-specific

186
00:12:06,945 --> 00:12:10,261
skill (สกิลเฉพาะด้าน) เช่น succession management

187
00:12:10,261 --> 00:12:13,508
ด้วย ผมจะแตกโฟลเดอร์นี้ แล้วเข้าไปในโฟลเดอร์ AI

188
00:12:13,508 --> 00:12:16,962
Studio, AI studio app skills และตอนนี้เราก็เข้าถึง

189
00:12:16,962 --> 00:12:20,347
domain skills ได้สองตัว คือ succession management

190
00:12:20,347 --> 00:12:23,663
และ warehouse operations shortages ซึ่งเจ๋งมาก ๆ

191
00:12:23,663 --> 00:12:26,979
นี่คือวิธีที่พวกเขาถ่ายโอนความรู้ของผู้เชี่ยวชาญ

192
00:12:26,979 --> 00:12:31,538
ไปเป็นสกิลที่ agents นำไปใช้ได้ สกิลเหล่านี้ให้กฎที่เฉพาะเจาะจงมาก

193
00:12:31,538 --> 00:12:35,268
ในเรื่อง AI Studio handoff (การส่งต่องานให้ AI Studio)

194
00:12:35,268 --> 00:12:41,209
พวกเขายังมีกฎเกี่ยวกับ guardrails ต่าง ๆ ด้วย ซึ่งเป็นหนึ่งในกฎที่เราพูดถึงก่อนหน้านี้

195
00:12:41,209 --> 00:12:46,183
มันจะออกนอกลู่นอกทางไปทำอะไรตามอำเภอใจไม่ได้ มันต้องทำตามกฎเฉพาะเหล่านี้

196
00:12:46,183 --> 00:12:51,572
ถ้าต้องการ คุณอ่านไฟล์พวกนี้ได้เลย มันเป็นมาสเตอร์คลาสในการเขียนสกิลแบบนี้จริง

197
00:12:51,572 --> 00:12:55,233
ๆ คุณเรียนรู้อะไรได้เยอะจากพวกมัน สิ่งที่ผมจะทำต่อคือ

198
00:12:55,233 --> 00:12:59,309
ดึงสกิล แล้วย้ายไปไว้ในโฟลเดอร์ skills แบบนี้ และคุณรู้ไหม?

199
00:12:59,309 --> 00:13:02,763
การติดตั้งตั้งค่าทั้งหมดก็แค่นี้เอง ลองจินตนาการดู

200
00:13:02,763 --> 00:13:06,355
ถ้าคุณทำงานในทีมใหญ่ หรือกำลังสร้างซอฟต์แวร์ชิ้นใหญ่

201
00:13:06,355 --> 00:13:09,809
และอยากทำให้ผู้ใช้ขยายซอฟต์แวร์ของคุณได้ง่ายที่สุด

202
00:13:09,809 --> 00:13:15,197
นี่คือทั้งหมดที่คุณต้องทำ: สร้าง agent skills ที่ถ่ายโอนความเชี่ยวชาญเฉพาะด้าน

203
00:13:15,197 --> 00:13:18,582
(domain expertise) และความรู้ของระบบ ไปให้ agents

204
00:13:18,582 --> 00:13:22,796
จากนั้นก็สร้าง CLI tool ที่ agent ใช้โต้ตอบกับแพลตฟอร์มของคุณ

205
00:13:22,796 --> 00:13:26,527
ยกตัวอย่างเช่น CLI tool ใช้ค้นหา pattern โค้ด หรือไฟล์

206
00:13:26,527 --> 00:13:30,879
ที่มีอยู่แล้วในโซลูชันคลาวด์ เยี่ยมมาก พอตั้งค่าสภาพแวดล้อมเล็ก

207
00:13:30,879 --> 00:13:34,817
ๆ นี้เสร็จแล้ว สิ่งที่เราจะทำต่อคือส่วนที่สนุก ให้เราเปิด

208
00:13:34,817 --> 00:13:38,202
coding agent ขึ้นมา ถ้าต้องการ คุณใช้ Claude Code

209
00:13:38,202 --> 00:13:41,656
หรือ coding agent ตัวไหนก็ได้ตามสบาย ผมจะใช้ Codex

210
00:13:41,656 --> 00:13:45,939
เพราะผมว่ามันคุ้มค่ากว่า Claude Code เยอะ ใช้งานได้คุ้มกว่ามาก

211
00:13:45,939 --> 00:13:49,600
จากนั้นผมจะส่ง prompt นี้ให้ agent: ออกแบบและสร้างแอป

212
00:13:49,600 --> 00:13:53,123
succession planning (การวางแผนสืบทอดตำแหน่ง) สำหรับ

213
00:13:53,123 --> 00:13:59,617
people managers (ผู้จัดการที่ดูแลพนักงาน) ที่รับผิดชอบการวางแผนสืบทอดตำแหน่งให้กับลูกทีมโดยตรง

214
00:13:59,617 --> 00:14:04,522
แอปควรทำให้ผู้จัดการสามารถระบุความเสี่ยงด้านการสืบทอดตำแหน่งได้ล่วงหน้า

215
00:14:04,522 --> 00:14:07,838
(proactively) ประเมินความพร้อมในการสืบทอดตำแหน่ง

216
00:14:07,838 --> 00:14:11,361
(succession readiness) และไฮไลต์พนักงานผลงานดี (key

217
00:14:11,361 --> 00:14:14,677
performers) ที่ยังไม่มีผู้สืบทอดตำแหน่งที่ชัดเจน

218
00:14:14,677 --> 00:14:18,200
อีกทั้งควรแนะนำขั้นตอนปฏิบัติถัดไป (actionable next

219
00:14:18,200 --> 00:14:22,690
steps) เช่น การระบุผู้สืบทอดที่มีศักยภาพ การประเมินระดับความพร้อม

220
00:14:22,690 --> 00:14:26,144
และการสร้างหรืออัปเดตแผนการสืบทอดตำแหน่ง เริ่มเลย!

221
00:14:26,144 --> 00:14:30,082
และดูสิครับ agent กำลังบอกว่า มันใช้ AI Studio succession

222
00:14:30,082 --> 00:14:33,536
management skill ซึ่งก็คือสกิลที่เราเพิ่งติดตั้งไป

223
00:14:33,536 --> 00:14:38,579
เป็น domain blueprint (พิมพ์เขียวเฉพาะด้าน) นั่นคือสิ่งที่เราอยากเห็นพอดี

224
00:14:38,579 --> 00:14:42,931
สกิล succession นี้กำหนดให้ต้องมี scope guide (แนวทางขอบเขตงาน)

225
00:14:42,931 --> 00:14:46,661
สั้น ๆ ก่อนที่จะมีการสำรวจใน AI Studio หรือสร้างไฟล์ใด

226
00:14:46,661 --> 00:14:50,046
ๆ ซึ่งช่วยให้การรีวิวรอบแรกของ bot ยังคงโฟกัสอยู่

227
00:14:50,046 --> 00:14:53,984
และป้องกันไม่ให้มีการดำเนินการที่แก้ไขเรคคอร์ด succession

228
00:14:53,984 --> 00:14:57,784
เกิดขึ้น โดยไม่ได้รับการอนุมัติอย่างชัดเจน ตอนนี้มันให้

229
00:14:57,784 --> 00:15:01,998
business purpose (วัตถุประสงค์ทางธุรกิจ) มา และเจตนาตอนนี้คือ

230
00:15:01,998 --> 00:15:05,521
ให้เราทำงานร่วมกับ agent เพื่อหาว่าเราต้องสร้างอะไร

231
00:15:05,521 --> 00:15:09,458
ซึ่งจะให้ spec และแผนละเอียดออกมา agent ยังให้คำแนะนำด้วย

232
00:15:09,458 --> 00:15:14,639
สำหรับ MVP (minimum viable product) (ผลิตภัณฑ์ต้นแบบที่ใช้งานได้น้อยที่สุด)

233
00:15:14,639 --> 00:15:18,232
ที่แนะนำ จุดเริ่มต้นที่ปลอดภัยและมีประโยชน์ที่สุดคือ

234
00:15:18,232 --> 00:15:21,548
MVP แบบเน้นรีวิว พร้อมเจาะลึกรายคน (person-level

235
00:15:21,548 --> 00:15:25,071
drill-down) และผมจะไม่ไล่ดูทั้งหมด ถ้าต้องการ คุณกด

236
00:15:25,071 --> 00:15:28,456
pause วิดีโอได้ตามสบาย เพราะทั้งหมดนี้ขึ้นอยู่กับ

237
00:15:28,456 --> 00:15:32,324
requirement ที่คุณให้ agent ไป สิ่งที่เราต้องทำตอนนี้คือ

238
00:15:32,324 --> 00:15:36,400
เลือกทางเดิน ทางที่แนะนำคือ เริ่มด้วย MVP พร้อมเจาะลึกรายคน

239
00:15:36,400 --> 00:15:39,647
ซึ่งจะให้ manager summary (สรุปสำหรับผู้จัดการ)

240
00:15:39,647 --> 00:15:43,170
แผงหลักสามแผง และรายละเอียดพนักงานแบบอ้างอิงหลักฐาน

241
00:15:43,170 --> 00:15:46,831
(evidence-based) โดยไม่เปลี่ยนแปลงเรคคอร์ด succession

242
00:15:46,831 --> 00:15:50,493
จำกฎข้อหนึ่งที่เราพูดถึงได้ไหม ผมว่าน่าจะเป็นกฎข้อสอง

243
00:15:50,493 --> 00:15:54,085
ทุกอย่างเป็น read only ตามค่าเริ่มต้น เราต้องสั่งให้

244
00:15:54,085 --> 00:15:57,746
agent เพิ่ม action ที่มีผลกระทบ (destructive actions)

245
00:15:57,746 --> 00:16:01,546
เช่น การเพิ่มเรคคอร์ด หรือการแก้ไขเรคคอร์ด ผมจะเลือกข้อ

246
00:16:01,546 --> 00:16:05,414
1 ซึ่งเป็นตัวเลือกที่แนะนำ และระหว่างที่ agent ทำงานอยู่

247
00:16:05,414 --> 00:16:08,868
สิ่งที่ผมจะทำด้วยคือ ปรับปรุง repository นี้ไปด้วย

248
00:16:08,868 --> 00:16:12,184
นี่คือข้อดีของโซลูชันทั้งหมดนี้ คือเรามี version

249
00:16:12,184 --> 00:16:15,708
control (ระบบควบคุมเวอร์ชัน) นี่คือ Git repo ทั่วไป

250
00:16:15,708 --> 00:16:19,852
เราสามารถสร้าง commits ซึ่งก็คือ checkpoint (จุดบันทึกสถานะ)

251
00:16:19,852 --> 00:16:23,099
ได้ สิ่งหนึ่งที่ผมไม่ต้องการ commit ขึ้น remote

252
00:16:23,099 --> 00:16:26,692
repository (ที่เก็บโค้ดระยะไกล) ของผมเด็ดขาด คือไฟล์

253
00:16:26,692 --> 00:16:29,938
env.properties นี้ ดังนั้นผมจะสร้างไฟล์ใหม่ชื่อ

254
00:16:29,938 --> 00:16:33,185
.gitignore แล้วเพิ่มไฟล์ env.properties นี้ลงไป

255
00:16:33,185 --> 00:16:37,883
เยี่ยม ไฟล์เล็ก ๆ นี้จะกลายเป็นสีเทา หมายความว่ามันจะไม่ถูกรวมอยู่ใน

256
00:16:37,883 --> 00:16:41,406
commits ของเรา จากนั้นผมจะสร้าง commit ชื่อ initial

257
00:16:41,406 --> 00:16:44,722
และในตอนนี้ มันก็แค่โครงสร้างพื้นฐานของเรา ที่มี

258
00:16:44,722 --> 00:16:49,488
agent skills อยู่ เรายังไม่ได้สร้างอะไรเลย และที่เราพูดถึงในตอนกฎต่าง

259
00:16:49,488 --> 00:16:54,117
ๆ ว่า agent จะทำการสำรวจ (discovery) นี่คือสิ่งที่เราเห็นอยู่ตอนนี้

260
00:16:54,117 --> 00:16:58,538
มันกำลังสรุปผลการสำรวจของมัน: พบ workflow ทั้งหมดที่จำเป็นสำหรับ

261
00:16:58,538 --> 00:17:01,923
MVP ในเครื่องแล้ว ดังนั้นไม่ต้องค้นหาในระบบคลาวด์

262
00:17:01,923 --> 00:17:05,239
และยังพบ existing succession readiness workspace

263
00:17:05,239 --> 00:17:09,177
และ personal succession readiness workspace ในเครื่องด้วย

264
00:17:09,177 --> 00:17:12,769
พวกมันจะถูกเก็บไว้เป็น references ที่ได้รับการปกป้อง

265
00:17:12,769 --> 00:17:16,499
(protected references) คือมันจะไม่ไปแก้ไข แต่จะใช้เป็น

266
00:17:16,499 --> 00:17:20,782
pattern ที่มีอยู่เดิม ดังนั้นผมจะเลือกตัวเลือกที่แนะนำอีกครั้ง

267
00:17:20,782 --> 00:17:25,549
คือทำต่อกับ workflow ที่ค้นพบเหล่านี้ และถ้าคุณเคยทำงานในโปรเจกต์ใหญ่

268
00:17:25,549 --> 00:17:29,141
ๆ มาก่อน คุณจะรู้ว่ามันน่าปวดหัวแค่ไหน เวลาที่ agent

269
00:17:29,141 --> 00:17:32,388
ตัดสินใจสร้างล้อขึ้นมาใหม่ (reinvent the wheel)

270
00:17:32,388 --> 00:17:36,602
ทุกครั้ง อย่างน้อยชุด harness (กลไกควบคุม) กฎ และสกิลเหล่านี้

271
00:17:36,602 --> 00:17:40,332
ก็ให้กรอบ (guardrails) ที่เฉพาะเจาะจงกับ agent ในการดู

272
00:17:40,332 --> 00:17:43,856
pattern ที่มีอยู่ก่อนที่จะสร้างอะไรเอง และเยี่ยมมาก

273
00:17:43,856 --> 00:17:47,241
ตอนนี้ agent กำลังส่ง proposal (ข้อเสนอ) มาให้เรา

274
00:17:47,241 --> 00:17:50,902
ซึ่งก็คือ spec ของเรานั่นเอง มันให้ business outcomes

275
00:17:50,902 --> 00:17:54,494
(ผลลัพธ์ทางธุรกิจ) ที่ชัดเจน มีทั้งแหล่งข้อมูล (data

276
00:17:54,494 --> 00:17:58,501
sources) ประสบการณ์การโหลดครั้งแรก (first load experience)

277
00:17:58,501 --> 00:18:02,853
พฤติกรรมการค้นหา (query behavior) ถ้าต้องการ เราก็อ่านดูแล้วให้

278
00:18:02,853 --> 00:18:06,376
agent แก้ไขอะไรก็ได้ตามที่อยากได้ มันยังให้ success

279
00:18:06,376 --> 00:18:09,830
check (เช็คความสำเร็จ) ด้วย สำหรับตัวเลือกที่แนะนำ

280
00:18:09,830 --> 00:18:14,942
มันบอกว่า approve และสร้าง MVP apps สองตัว หรือเราจะขอให้มันแก้ไขอะไรก็ได้

281
00:18:14,942 --> 00:18:20,123
ผมจะเลือก option 1 สำหรับใครที่ดูอยู่ และเคยทำงานกับแอปพลิเคชันแนวนี้มาก่อน

282
00:18:20,123 --> 00:18:24,752
คุณจะรู้ว่างานนี้หนักแค่ไหน งานแบบนี้กลายเป็นเวิร์กช็อปใหญ่อันหนึ่ง

283
00:18:24,752 --> 00:18:28,137
ที่มีผู้มีส่วนได้ส่วนเสีย (stakeholders) เต็มห้อง

284
00:18:28,137 --> 00:18:31,729
ทั้งผู้เชี่ยวชาญฐานข้อมูล ฝ่าย auth (การยืนยันตัวตน)

285
00:18:31,729 --> 00:18:35,667
นักพัฒนา นักวิเคราะห์ธุรกิจ ที่ปรึกษาฟังก์ชัน (functional

286
00:18:35,667 --> 00:18:39,950
consultants) เจ้าของธุรกิจ มันคือทั้งทีมที่ต้องมาประชุมร่วมกัน

287
00:18:39,950 --> 00:18:44,026
เพื่อหาว่าต้องเปลี่ยนอะไรบ้าง แต่ตอนนี้ ในฐานะเจ้าของธุรกิจ

288
00:18:44,026 --> 00:18:47,756
หรือผู้เชี่ยวชาญเฉพาะด้าน (domain expert) คุณแค่แชตกับ

289
00:18:47,756 --> 00:18:51,417
agent ตรงนี้ มันก็จะทำงานพัฒนาทั้งหมดนี้ให้คุณ เอาล่ะ

290
00:18:51,417 --> 00:18:55,286
agent ยังทำงานอยู่ แต่ผมอยากโชว์ความคืบหน้าเล็กน้อยให้ดู

291
00:18:55,286 --> 00:19:00,467
ผมจะปิด terminal สักครู่ และในโปรเจกต์ เราเห็นว่าไฟล์ใหม่ถูกเพิ่มเข้ามาแล้ว

292
00:19:00,467 --> 00:19:03,921
ถ้าไปที่ source เราจะเห็นแอปสองตัวที่กำลังถูกสร้าง

293
00:19:03,921 --> 00:19:08,066
เรามีไฟล์ .app สองไฟล์นี้ ลองคลิกดูสักตัว เริ่มจากตัวแรกก่อน

294
00:19:08,066 --> 00:19:12,142
ไฟล์นี้จะให้ preview ว่าแอปจะมีหน้าตาแบบไหน ผมจะซูมออกหน่อย

295
00:19:12,142 --> 00:19:18,359
แต่ใช่แล้ว เราจะเห็นตัวแอปจริง ๆ แอปใหม่ทั้งสองตัวถูกสร้างในรูปแบบโครงสร้างโปรเจกต์แบบเดิม

296
00:19:18,359 --> 00:19:21,882
(legacy project layout) และส่งตรงไปยังการตรวจสอบของ

297
00:19:21,882 --> 00:19:26,580
AI Studio โดยไม่มี error เลย อย่างที่ผมพูดไว้ ผมว่าน่าจะเป็นกฎข้อห้า

298
00:19:26,580 --> 00:19:29,965
ไฟล์ทั้งหมดเหล่านี้จะถูกตรวจสอบ ก่อนที่ AI Studio

299
00:19:29,965 --> 00:19:33,488
หรือ Fusion จะยอมรับ ตอนนี้ MVP ให้ manager summary

300
00:19:33,488 --> 00:19:36,873
พร้อมภาพรวมการสืบทอดตำแหน่ง (succession overview)

301
00:19:36,873 --> 00:19:40,742
ความเสี่ยงการสูญเสีย (risk of loss) และผลกระทบหากสูญเสีย

302
00:19:40,742 --> 00:19:44,403
(impact of loss) การตรวจสอบโดยตรง (direct validation)

303
00:19:44,403 --> 00:19:47,650
ยืนยันว่าโครงสร้างแอปและ references สอดคล้องกัน

304
00:19:47,650 --> 00:19:50,897
ส่วนการทดสอบรันไทม์อัตโนมัติ (automated runtime

305
00:19:50,897 --> 00:19:55,525
tests) ยังคงถูกเลื่อนออกไปตามที่ได้รับอนุมัติ แล้วเราอยากทำอะไรต่อ?

306
00:19:55,525 --> 00:19:59,463
ตัวเลือกที่แนะนำคือ เพิ่ม top performers และ compensation

307
00:19:59,463 --> 00:20:04,644
summary (สรุปค่าตอบแทน) ถ้าต้องการ เราก็ไล่เพิ่มฟีเจอร์เข้าไปในแอปได้เรื่อย

308
00:20:04,644 --> 00:20:08,512
ๆ ดูสิว่ามันง่ายแค่ไหน? เอาล่ะ ถึงช่วงเวลาพิสูจน์ของจริง

309
00:20:08,512 --> 00:20:12,312
มาทดสอบแอปนี้กัน เราจะดึงแอปนี้ไป deploy (นำขึ้นใช้งาน)

310
00:20:12,312 --> 00:20:17,078
ยัง Fusion Cloud เพื่อทำงานกับข้อมูลสดจริง ๆ สิ่งที่ต้องทำคือคลิกปุ่ม

311
00:20:17,078 --> 00:20:20,532
play เล็ก ๆ ตรงนี้ ขอบอกให้ชัดก่อนว่า นี่ไม่ใช่การ

312
00:20:20,532 --> 00:20:24,194
publish การเปลี่ยนแปลง แต่เป็นการ deploy ไปยัง Fusion

313
00:20:24,194 --> 00:20:27,786
Cloud ในสถานะร่าง (draft state) และจริง ๆ แล้ว agent

314
00:20:27,786 --> 00:20:31,309
ไม่สามารถ publish ได้ด้วยซ้ำ ซึ่งเป็นไปตามการออกแบบ

315
00:20:31,309 --> 00:20:35,869
นี่คือด่านตรวจสอบสุดท้าย (final review gate) ที่เราไม่สามารถทำผ่าน

316
00:20:35,869 --> 00:20:39,668
agent ได้ และดูนี่สิครับ ตอนนี้เรากำลังทำงานกับข้อมูลสด

317
00:20:39,668 --> 00:20:43,468
เราจะเห็นชื่อต่าง ๆ กลับมา นี่คือข้อมูลที่มีประโยชน์มาก

318
00:20:43,468 --> 00:20:46,922
นี่คือความเสี่ยงการสูญเสีย (risk of loss) โดยเฉพาะ

319
00:20:46,922 --> 00:20:50,859
Sophie Bromley เราเห็นได้ว่ามีความเสี่ยงสูง ทางด้านขวามือ

320
00:20:50,859 --> 00:20:54,590
เราจะเห็น priority actions (รายการปฏิบัติที่ควรทำก่อน)

321
00:20:54,590 --> 00:20:58,596
และเราต้องหาผู้สืบทอดตำแหน่งให้ Sophie Bromley ย้ำอีกครั้ง

322
00:20:58,596 --> 00:21:01,912
นี่รันอยู่บนโครงสร้างพื้นฐาน Fusion Cloud จริง ๆ

323
00:21:01,912 --> 00:21:05,297
กับข้อมูลสด ดูว่ามันมีประโยชน์แค่ไหน? ลองอันนี้ดู

324
00:21:05,297 --> 00:21:08,613
ไปที่ Ask Oracle แล้วพิมพ์ว่า please recommend a

325
00:21:08,613 --> 00:21:13,104
successor to Sophie ส่งคำสั่งนี้ไป แล้ว agent ก็ให้คำแนะนำกลับมา:

326
00:21:13,104 --> 00:21:18,285
คำแนะนำผู้สืบทอดตำแหน่งสำหรับ Sophie นี่คือรายการคำแนะนำผู้สืบทอดตำแหน่งของ

327
00:21:18,285 --> 00:21:22,015
Sophie คือ Emily และ Olivia เจ๋งแค่ไหนกัน? ย้ำอีกครั้ง

328
00:21:22,015 --> 00:21:27,196
ผมจะแชร์กฎ 5 ข้อนี้ให้คุณ และหวังว่าคุณจะได้เห็นมันทำงานจริงในวิดีโอนี้ด้วย

329
00:21:27,196 --> 00:21:30,719
ผมขอขอบคุณ Oracle ที่ sponsor วิดีโอนี้ และให้โอกาส

330
00:21:30,719 --> 00:21:33,966
รวมถึงมุมมองเชิงลึก ว่าพวกเขาทำงานกับ AI agents

331
00:21:33,966 --> 00:21:37,835
กันอย่างไร และอีกครั้ง ถ้าอยากเรียนรู้เพิ่มเติมเกี่ยวกับ

332
00:21:37,835 --> 00:21:41,634
Oracle Fusion ผมจะแปะลิงก์หน้านี้ไว้ในคำอธิบายใต้วิดีโอ

333
00:21:41,634 --> 00:21:44,950
หวังว่าคุณจะสนุกกับวิดีโอนี้ ถ้าชอบก็กดปุ่ม like

334
00:21:44,950 --> 00:21:48,542
ด้วยนะครับ และ subscribe ช่องของผม เพื่อรับบทช่วยสอน

335
00:21:48,542 --> 00:21:51,789
agentic coding เพิ่มเติม แล้วเจอกันในวิดีโอหน้า

336
00:21:51,789 --> 00:21:52,480
บายบายครับ