ก่อนจะปั้น AI ให้เก่ง ต้องมองปัญหาให้เป็น ถอดวิธีคิด 2 ทีมรางวัลจาก CDG Hackathon 2026 เปลี่ยน AI ให้ตอบโจทย์ชีวิตจริง
แม้เทคโนโลยีจะเปลี่ยนแปลงอย่างรวดเร็ว แต่คนรุ่นใหม่จำนวนมากแสดงให้เห็นว่า การสร้างนวัตกรรมที่ดีไม่ได้เริ่มจากเทคโนโลยีเสมอไป
หนึ่งในโครงการสำคัญที่ขับเคลื่อนคนรุ่นใหม่ CDG Hackathon 2026 เปิดพื้นที่ให้นิสิต นักศึกษาจาก 18 มหาวิทยาลัยทั่วประเทศ มาลองหาคำตอบภายใต้โจทย์ ‘AI for a Better Society Platform’ ครอบคลุมทั้งคุณภาพชีวิต บริการภาครัฐที่โปร่งใสและเข้าถึงได้ และการจัดการทรัพยากรธรรมชาติอย่างยั่งยืน
วันนี้อยากพาทุกคนมาสัมผัสพลังของเด็กรุ่นใหม่ให้เห็นกับเนื้อตาของตัวเอง ถึง 2 ทีม เริ่มจากไฟทางหลวงที่ดับ สู่ Night Watch ของทีม LUMOS จากพระจอมเกล้าลาดกระบัง เจ้าของรางวัลชนะเลิศ ที่ นำ AI มาบูรณาการร่วมกับข้อมูลภาพถ่ายดาวเทียมและเทคโนโลยี GIS (Geographic Information System) หรือระบบสารสนเทศภูมิศาสตร์ ที่ช่วยเชื่อมโยงและวิเคราะห์ข้อมูลตามตำแหน่งบนแผนที่ เพื่อระบุจุดที่มีปัญหาได้อย่างแม่นยำ
ส่วนอีกทีมที่มองเห็นปัญหาภาระงานเอกสาร ทีม ClearBid AI จากทีมนิสิตวิศวฯ จุฬาฯ รองชนะเลิศอันดับ 1 ที่พัฒนาผู้ช่วย AI ผู้ช่วยค้นหา ร่าง และตรวจสอบข้อกำหนดคุณลักษณะโครงการโดยอ้างอิงข้อมูลและระเบียบที่เกี่ยวข้อง เพื่อช่วยลดภาระงานและเพิ่มความแม่นยำ ความโปร่งใสในการจัดทำเอกสารจัดซื้อจัดจ้างของภาครัฐ
เบื้องหลังทั้งสองผลงาน พวกเขามองเห็นอะไรในปัญหาที่เราเจอกันอยู่ทุกวัน และเข้าใจคนใช้จริง รวมถึงเปลี่ยนไอเดียให้เป็นโซลูชันที่มีโอกาสใช้งานจริงได้อย่างไร ?
ชวนถอดวิธีคิดจากทั้งสองทีม ตั้งแต่การเลือกโจทย์ ออกแบบเทคโนโลยี ไปจนถึงบทเรียนระหว่างทาง สำหรับใครที่อยากสร้างนวัตกรรม แต่ยังไม่รู้จะเริ่มตรงไหน เรื่องนี้อาจทำให้คุณมองปัญหาใกล้ตัวเปลี่ยนไป เพราะโอกาสอยู่รอบตัวจริง ๆ ถ้าคุณกล้าเผชิญ และลงมือทำ
“จากไฟถนนที่เคยถูกมองข้าม สู่โอกาสในการสร้างเส้นทางที่ปลอดภัยกว่าเพื่อทุกคน”
จาก Pain Point ด้านความปลอดภัยที่ใกล้ตัวของประชาชนเวลาเราขับรถผ่านถนนมืด ๆ ตอนกลางคืน จึงทำให้น้อง ๆ นักศึกษากลุ่มนี้เกิดไอเดียที่จะสร้างนวัตกรรมที่เรียกว่า ‘Night Watch’ โดยนำ AI ที่บูรณาร่วมกับเทคโนโลยี GIS และข้อมูลรอบด้าน ช่วย จนท. แก้ไขรวดเร็ว ปชช. ปลอดภัย
โปรเจกต์ Night Watch ถูกนำมาเสนอในงาน CDG Hackathon 2026 ภายใต้โจทย์ AI for a Better Society Platform กับทีม LUMOS จากพระจอมเกล้าลาดกระบัง ซึ่งได้คว้ารางวัลชนะเลิศสมฐานะในที่สุด!
เบื้องหลังไอเดียนี้ มีเรื่องชวนคิดมากกว่าการนำ AI มาใช้ในจุดที่ปัญหามักถูกมองข้าม
1. ก่อนคิดว่าจะใช้ AI ทำอะไร ต้องรู้ก่อนว่าใครกำลังเดือดร้อน!
จุดเริ่มต้นมาจากประสบการณ์ขับรถขึ้นเขาในจังหวัดอุตรดิตถ์ของ พราวน์ - พศิน หนึ่งในสมาชิกทีม ซึ่งระหว่างการเดินทางสังเกตเห็นว่า ถนนขึ้นลงเขาที่มีไฟส่องสว่างขัดข้องทำให้เขาเห็นปัญหาความปลอดภัยใกล้ตัว และอยากนำความรู้ที่เรียนมาไปช่วยแก้ปัญหานี้
และนั่นจึงเกิดการรวมตัวของทีม LUMOS โดยมีเพื่อนร่วมทีมพัฒนาโปรเจกต์ร่วมกันอย่าง ดวงแก้ว - ปรณัฐพร และเอิน – ทอดาว เพื่อนในหลักสูตรวิศวกรรมอวกาศและภูมิสารสนเทศ พัฒนาแนวคิดนี้ขึ้นมา
น้องทั้ง 3 คนเริ่มต้นจากการลงพื้นที่ไปพูดคุยกับหน่วยงานจริง จนได้พบ Insight สำคัญที่กลายเป็นโจทย์ตั้งต้นของการพัฒนา:
- การแจ้งเตือนส่วนใหญ่ยังเป็นแบบตั้งรับ: ประชาชนมักแจ้งเข้ามาเฉพาะจุดที่ผ่านบ่อย ทำให้ไฟถนนส่วนใหญ่ที่ขัดข้องตกสำรวจ และต้องพึ่งพาการส่งเจ้าหน้าที่ออกตรวจสายทางเอง ซึ่งใช้ทั้งคน เวลา และงบประมาณสูง
- ข้อจำกัดในการตรวจเช็กแบบเดิม: การส่งเจ้าหน้าที่ออกตรวจไม่สามารถทำได้ครอบคลุมทุกเส้นทางในทุกๆ คืน ขณะที่การแก้ปัญหาด้วยวิธีอื่น เช่น การติดตั้งเซนเซอร์ที่เสาไฟทุกต้น มีต้นทุนสูงเกินไป หรือการใช้กล้อง CCTV ก็ไม่ได้ถูกออกแบบมาเพื่อกวาดตรวจแสงไฟตลอดสายทาง
ตามข้อมูลที่ทีมรวบรวมได้มานั้นจึงกลายมาเป็นโจทย์ของทีมที่ชัดขึ้นว่า เราจะช่วยให้เจ้าหน้าที่รู้ได้อย่างไรว่า ควรเริ่มตรวจตรงไหนก่อน เพื่อแก้ไขปัญหาภายในพื้นที่
2. ข้อมูลอยู่บนอวกาศ แต่คุณค่าต้องเกิดกับคนหน้างาน
หลักการเทคโนโลยี และแนวคิดการทำงานของโปรเจกต์ Night Watch (ระบบคัดกรองจุดไฟฟ้าแสงสว่างทางหลวงขัดข้องด้วยภาพถ่ายดาวเทียม) คือ
- ดึงข้อมูลระดับมหภาคมาใช้งาน: เชื่อมโยงข้อมูลแสงสว่างยามค่ำคืนจากภาพถ่ายดาวเทียม ร่วมกับข้อมูลโครงสร้างพื้นฐานทางถนนและเทคโนโลยี GIS เพื่อมองภาพรวมของพื้นที่ได้ครอบคลุม
- วิเคราะห์ความผิดปกติอัจฉริยะ: เปรียบเทียบรูปแบบแสงสว่างเชิงพื้นที่กับข้อมูลอ้างอิง เพื่อคัดกรองจุดที่มีความผิดปกติของแสงไฟบนเส้นทางต่างๆ แบบอัตโนมัติ
- คัดกรองปัจจัยรบกวนภายนอก: มีระบบประมวลผลที่ช่วยลดความผิดพลาดจากสภาพอากาศและปัจจัยแวดล้อมทางธรรมชาติ ทำให้การตรวจจับมีความแม่นยำสูง
- แสดงผลเชิงพื้นที่เพื่อการตัดสินใจ: สรุปผลข้อมูลออกมาในรูปแบบ Dashboard และสรุปผลข้อมูลออกมาในรูปแบบ Dashboard และแผนที่ดิจิทัลบนระบบ GIS เพื่อแสดงระดับความเสี่ยงและตำแหน่งที่ต้องเข้าตรวจสอบได้อย่างชัดเจน ช่วยให้หน่วยงานวางแผนส่งทีมช่างเข้าแก้ไขได้ตรงจุดและรวดเร็ว
3. การมีข้อมูลเป็นเพียงจุดเริ่มต้น แต่การสร้างคุณค่าคือหัวใจสำคัญ
น้องทั้ง 3 คนสะท้อนมุมมองว่า การมีข้อมูลเป็นเพียงจุดเริ่มต้น แต่หัวใจสำคัญที่จะทำให้ระบบแม่นยำและน่าเชื่อถือ คือการนำความรู้เฉพาะทางด้านเทคโนโลยีภูมิสารสนเทศและ AI มาประยุกต์ใช้ ทั้งในการคัดกรอง การวิเคราะห์บริบทเชิงพื้นที่ และการตรวจสอบความถูกต้อง เพื่อเปลี่ยนข้อมูลดาวเทียมให้ออกมาเป็นข้อมูลเชิงลึก (Insights) ที่ตอบโจทย์การทำงานของเจ้าหน้าที่หน้างานได้อย่างแท้จริง
อีกหนึ่งหัวใจสำคัญของการพัฒนาเทคโนโลยีคือการเข้าใจปัญหาและบริบทการทำงานของผู้ใช้งานจริง ทีมผู้พัฒนาจึงศึกษาข้อมูลพื้นที่นำร่องร่วมกับเจ้าหน้าที่ เพื่อนำข้อมูลและข้อเท็จจริงจากหน้างานมาประกอบการพัฒนาต้นแบบให้ตอบโจทย์การใช้งานมากที่สุด แม้กระบวนการรวบรวมข้อมูลจะมีความท้าทาย แต่ก็เป็นบทเรียนสำคัญที่ช่วยให้โครงการพัฒนาได้ตรงกับความต้องการจริง
4. ใช้ AI แล้ว ต้องมีคนที่รู้ว่างานผิดตรงไหน
ระหว่างพัฒนา ทีมยังได้บทเรียนจากการใช้ AI ช่วยทำงาน เมื่อผลลัพธ์บางส่วนใช้ไม่ได้ จนต้องกลับมาจัดการข้อมูลใหม่ น้องทั้ง 3 คนเล่าให้ฟังว่า ประสบการณ์นี้ทำให้เห็นความจำเป็นของคนที่มีความรู้เฉพาะทางในการควบคุมและตรวจสอบงาน เพราะยิ่ง AI ช่วยสร้างผลลัพธ์ได้เร็ว เราก็ยิ่งต้องรู้ว่าจะตรวจอะไร “คน” ยังเป็นองค์ประกอบสำคัญต่อการตัดสินใจ
👉 ข้อมูลครบหรือยัง ?
👉 ผลลัพธ์สมเหตุสมผลไหม ?
👉 พร้อมให้คนอื่นนำไปใช้ต่อหรือเปล่า ?
การใช้ AI ให้เกิดประโยชน์จึงรวมถึงการรู้ว่า เมื่อไรควรเชื่อ เมื่อไรควรตรวจ และเมื่อไรต้องกลับไปทำใหม่ โดยเพิ่มเติมสำหรับข้อมูลจุดที่ AI เข้ามาช่วยให้การคัดกรองผ่าน 3 หน้าที่สำคัญ
- วิเคราะห์และจดจำรูปแบบแสง (Pattern Recognition): ใช้ AI ช่วยจำแนกคุณลักษณะของแสงสว่างเชิงพื้นที่ เพื่อแยกแยะแสงไฟบนเส้นทางออกจากแสงสว่างประเภทอื่นได้อย่างแม่นยำ
- ประมวลผลสภาพแวดล้อมและคัดกรองความผิดปกติ (Smart Filtering & Anomaly Detection): ช่วยประมวลผลปัจจัยแวดล้อมและสภาพอากาศ เพื่อยืนยันความผิดปกติของแสงสว่างได้อย่างถูกต้อง แม่นยำ และลดการแจ้งเตือนผิดพลาด
- แปลงข้อมูลเชิงเทคนิคสู่พิกัดปฏิบัติงาน (Data-to-Action Translation): แปลงข้อมูลพิกัดเชิงพื้นที่ให้เป็นแผนที่และตำแหน่งที่เข้าใจง่าย ช่วยให้ทีมช่างหน้างานเข้าถึงพื้นที่เป้าหมายได้ทันทีโดยไม่ต้องเสียเวลาตีความข้อมูล
5. ต้นแบบที่น่าติดตาม ต้องเล่าได้ทั้งผลลัพธ์และข้อจำกัด
ด้วยระยะเวลาพัฒนาจากแนวคิดสู่ต้นแบบ (Prototype) ในเวลาเพียงไม่ถึง 1 เดือน ทีม LUMOS ได้นำระบบ Night Watch เข้าสู่กระบวนการทดสอบประสิทธิภาพเชิงพื้นที่ เพื่อพิสูจน์ความเป็นไปได้ในการใช้งานจริง โดยได้ผลลัพธ์ที่น่าประทับใจ
- ระดับความแม่นยำสูง (High Accuracy): ระบบสามารถตรวจจับและจำแนกความแตกต่างระหว่างเส้นทางที่เปิดใช้งานปกติกับจุดที่มีปัญหาไฟขัดข้องได้อย่างแม่นยำ
- ลดอัตราการแจ้งเตือนผิดพลาด (Low False Alarm Rate): ผ่านการทดสอบบนสายทางจริงอย่างต่อเนื่องโดยไม่มีการส่งสัญญาณเตือนผิดพลาด สร้างความมั่นใจให้ทีมช่างหน้างานว่าทุกการออกปฏิบัติการคือจุดที่มีปัญหาเกิดขึ้นจริง
- ยกระดับประสิทธิภาพและลดภาระงาน (Operational Efficiency): ช่วยลดจำนวนรอบและภาระการส่งเจ้าหน้าที่ออกตรวจสายทางแบบสุ่ม ลงได้มากกว่า 10 เท่า เปลี่ยนการทำงานเป็นแบบระบุเป้าหมายล่วงหน้าอย่างทรงพลัง
การเล่าข้อจำกัดเหล่านี้ช่วยให้เห็นชัดว่า ทีมเดินมาถึงไหนแล้ว และขั้นต่อไปต้องพิสูจน์อะไร โดยท้ายที่สุดน้องทั้ง 3 คนสรุปคุณค่าของการได้ลงมือทดลองไว้ว่า
“เวทีนี้ให้เราล้มได้ เราผิดตรงนี้ดีกว่าไปผิดตอนทำงานจริง”
“ทุกวันนี้แน่ใจแล้วหรือยัง ว่ากำลังคิดไม่ออกจะสร้างนวัตกรรมอะไร
หรือจริง ๆ แล้ว เราแค่มองข้ามปัญหาที่คนต้องทนเจออยู่ทุกวัน”
อยากชวนทุกคนลองนึกภาพตามว่า ในหนึ่งวันการทำงานของพวกเรา มีขั้นตอนไหนบ้างที่เราทำซ้ำจนเลิกตั้งคำถามกับมันไปแล้ว ไม่ว่าจะ หาไฟล์เก่า เปิดเอกสารเทียบทีละฉบับ ค้นข้อมูลจากหลายแหล่ง แล้วค่อยเริ่มเขียนงานของตัวเอง ขั้นตอนเหล่านี้กินเวลา แต่พอทำกันมานาน ก็กลายเป็นความเคยชิน ในทางกลับกันแล้วถ้าเราลองสงสัยกับความเคยชินนั้น จะเจอโอกาสสร้างอะไรขึ้นมาบ้าง ?
โปรเจกต์ ClearBid AI โดยทีม ClearBid AI ผู้ช่วยจัดทำเอกสาร ข้อกำหนดคุณลักษณะโครงการ งานสุดล้ำของของทีมนิสิตวิศวกรรมคอมพิวเตอร์ คณะวิศวกรรมศาสตร์ จุฬาลงกรณ์มหาวิทยาลัย
จากการศึกษา และทำความเข้าใจขั้นตอนการทำงานและระเบียบเอกสาร ทีมมองเห็นโอกาสในการนำ AI เข้ามา ‘ยกระดับความสะดวกและความแม่นยำ’ ให้กับการจัดทำเอกสารในทุกมิติ
นวัตกรรมนี้จึงถูกออกแบบมาเพื่อเป็นผู้ช่วยสนับสนุนการทำงานของเจ้าหน้าที่อย่างครบวงจร ตั้งแต่การเข้าถึงคลังข้อมูลและระเบียบอ้างอิงที่เกี่ยวข้องได้อย่างรวดเร็ว การช่วยเรียบเรียงข้อกำหนดให้เป็นไปตามโครงสร้างมาตรฐาน ตลอดจนการตรวจสอบความถูกต้องพร้อมระบุแหล่งอ้างอิงอย่างชัดเจน เพื่อร่วมสร้างมาตรฐานงานเอกสารที่โปร่งใส ตรวจสอบย้อนกลับได้ และเพิ่มความมั่นใจในการปฏิบัติงานทุกขั้นตอน
ClearBid AI: จุดเริ่มต้นจากความตั้งใจที่จะพัฒนา "งานมาตรฐาน" ให้ทรงพลังและมีประสิทธิภาพยิ่งขึ้นกว่าเดิม
1. ก่อนคิดว่าจะสร้างอะไร ต้องตอบให้ได้ว่าใครจะใช้สิ่งนั้น
ก่อนอื่นมาทำความรู้จักกับทีม ClearBid AI นั้นมีทีมพัฒนาอยู่ 3 ท่านด้วยกัน ธนพล, ธีธัช ธารีเวทย์ และ ชานน เจียง ซึ่งก่อนจะมาเปน ClearBid AI เคยมีไอเดียที่คิดว่าดีมาก ๆ อย่างการพัฒนาแอปแจ้งเตือนอุบัติเหตุ แต่พบโจทย์สำคัญเรื่องพฤติกรรมผู้ใช้ หากไม่มีคนเข้ามาแบ่งปันข้อมูลมากพอ แอปก็อาจไม่มีข้อมูลมากพอให้คนอื่นอยากเปิดใช้ต่อ
แม้จะวางโครงและหาข้อมูลไปแล้ว แต่ถ้าข้อมูลนั้นไม่ได้นำไปใช้จริง มันก็จะไม่เกิดประโยชน์ การตัดสินใจครั้งนั้นจึงนำมาสู่โปรเจกต์ใหม่อย่าง ClearBid AI ยอมทบทวนและเปลี่ยนทิศทางในทันที ซึ่งเรื่องนี้สำคัญมาก ๆ และเป็นอีกข้อคิดสำคัญให้กับคนทำงานได้ด้วยเช่นกัน
👉 ก่อนจะสร้างนวัตกรรม ใครต้องใช้สิ่งนี้ และเจอปัญหาบ่อยแค่ไหน ?
👉 ก่อนจะสร้างนวัตกรรม ปัจจุบันคนที่ใช้งานจริงจัดการปัญหานี้อย่างไร ?
👉 ก่อนจะสร้างนวัตกรรม อะไรจะทำให้เขายอมเปลี่ยนมาใช้สิ่งที่เราสร้าง ?
ความรู้สึกว่าเราเองยังไม่อยากใช้ อาจยังพิสูจน์ไม่ได้ว่าไม่มีตลาด แต่เป็นสัญญาณให้กลับไปหาคำตอบจากผู้ใช้ ก่อนลงทุนลงแรงเพิ่ม ส่วนสิ่งที่ช่วยให้ทีมเดินหน้ากับโจทย์ใหม่ได้ คือประสบการณ์ที่สะสมมา
ธีธัชเล่าว่า เขาลงแข่ง Hackathon และการแข่งขันกรณีศึกษาตั้งแต่ปี 1 จึงได้เรียนรู้ทั้งการนำเสนอ การเตรียมข้อมูล และการจัดทีม ครั้งนี้สมาชิกทั้ง 3 คนยังช่วยกันศึกษาตั้งแต่ระบบ, ลูกค้า ไปจนถึงการเงิน ทำให้เข้าใจภาพรวมและช่วยกันตอบคำถามได้ ดังนั้นการเปลี่ยนไอเดียจึงยังมีต้นทุนความรู้ติดตัวไปด้วย งานเดิมอาจไม่ได้ไปต่อ แต่สิ่งที่เรียนรู้ยังใช้กับโจทย์ใหม่ได้เสมอ
2. มองปัญหาให้ลึกถึงขั้นตอน แล้วจะเห็นว่าควรสร้างอะไร
ทีมเริ่มจากทำความเข้าใจบริบทของผู้จัดการแข่งขัน และเห็นโอกาสพัฒนาเครื่องมือสำหรับหน่วยงานภาครัฐ อย่างการจัดทำ และตรวจสอบข้อกำหนดคุณลักษณะโครงการ คือเอกสารกำหนดขอบเขตงาน ระบุว่าต้องการงานอะไร พร้อมรายละเอียดและเงื่อนไขที่เกี่ยวข้อง เมื่อมองลงไปในรายละเอียดของขั้นตอนการทำงาน ทีมได้พบ ‘โอกาสสำคัญในการนำเทคโนโลยีเข้ามาเสริมประสิทธิภาพ’ ให้กับกระบวนการจัดทำเอกสารในทุกมิติ
👉 ยกระดับการจัดการคลังข้อมูล และข้อกำหนดคุณลักษณะโครงการให้เข้าถึงง่ายและเป็นหมวดหมู่
👉 ช่วยคัดกรองเนื้อหาและข้อกำหนดอ้างอิงให้ตรงกับบริบทของโครงการ ลดโอกาสความคลาดเคลื่อนในการจัดทำเอกสาร
👉 ช่วยเพิ่มความเร็วในกระบวนการร่างและตรวจทานเอกสาร เพิ่มความคล่องตัวในการทำงานของเจ้าหน้าที่
อีกส่วนที่สำคัญมากๆ คือคำว่า ‘ระบบช่วยจัดทำเอกสารข้อกำหนดโครงการ อาจฟังไกลตัวสำหรับคนที่ไม่เคยทำงานด้านนี้ ทีมจึงใช้เรื่องของ ‘ป้ากุ้ง’ เจ้าหน้าที่พัสดุที่ได้ไปสัมภาษณ์มา เป็นจุดตั้งต้นในการเล่า โดยพาคนฟังเห็นว่า เมื่อได้รับความต้องการจากหน่วยงาน เจ้าหน้าที่ต้องค้นเอกสารมาเทียบ รวบรวมรายละเอียด และจัดทำร่างให้พร้อมส่งต่ออย่างไร
เมื่อเห็นงานที่คนหนึ่งต้องทำ คนฟังก็เชื่อมโยงได้ง่ายขึ้นว่า ฟีเจอร์แต่ละอย่างจะเข้าไปช่วยตรงไหน ทีมจึงวางจังหวะการนำเสนอไว้เป็นลำดับ
- ฉายภาพบริบทการทำงานจริง
- เจาะลึกจุดที่ต้องการการสนับสนุน
- นำเสนอโซลูชันที่เข้ามาเติมเต็ม
เรื่องของป้ากุ้งยังทำให้เห็นความหมายของงานนี้ชัดขึ้น โดยเฉพาะช่วงปิดงบที่เจ้าหน้าที่มีภาระงานมาก ทีมหวังว่าการแบ่งเบางานเอกสารจะช่วยให้เธอมีเวลาให้ชีวิตส่วนอื่นมากขึ้น
3. ออกแบบให้ AI ช่วยทำงาน พร้อมเปิดทางให้มนุษย์เป็นผู้ตรวจงาน
ClearBid AI วางแนวทางการทำงานไว้ 3 ส่วน คือ Collect, Draft และ Guard ซึ่งทีมตั้งให้ย่อเป็น C-D-G เพื่อช่วยให้จดจำได้ง่าย
.
👉 Collect: ช่วยสืบค้นและรวบรวมคลังข้อมูลอ้างอิง พร้อมระเบียบที่เกี่ยวข้องไว้ในที่เดียว พร้อมช่วยคัดกรองข้อมูลที่ตรงโจทย์โครงการ เพื่อให้อ้างอิงได้ถูกต้องและรวดเร็ว
👉 Draft ช่วยเรียบเรียง และตรวจสอบข้อกำหนดคุณลักษณะโครงการ ตามโจทย์ความต้องการ พร้อมเชื่อมโยงแหล่งอ้างอิงกำกับในทุกข้อกำหนดอย่างชัดเจน
👉 Guard (Validation & Compliance Check) ช่วยตรวจทานความครบถ้วน และตรวจสอบความถูกต้องตามเกณฑ์มาตรฐาน ก่อนส่งต่อให้เจ้าหน้าที่พิจารณาใช้งานในขั้นตอนต่อไป
ต่อมาจุดที่ AI เข้ามาช่วย เริ่มจาก
- Smart Retrieval & RAG System ใช้ค้นหาเอกสาร ราคากลาง และเกณฑ์มาตรฐาน เพื่อเสนอให้เจ้าหน้าที่พิจารณาอนุมัติในขั้นตอนสุดท้าย เพื่อดึงบริบทข้อกำหนดได้แม่นยำตรงตามความต้องการ
- Document Processing Engine: แปลงข้อมูลเอกสารโครงการให้อยู่ในรูปแบบดิจิทัลมาตรฐานเดียวกัน ช่วยให้สืบค้น เปรียบเทียบ และวิเคราะห์รายละเอียดข้อกำหนดได้อย่างรวดเร็วและแม่นยำยิ่งขึ้น
- Structured Context & LLM Drafting: สรุปความต้องการและรวบรวมข้อมูลสำคัญเพื่อจัดทำร่างเอกสารข้อกำหนด พร้อมระบุแหล่งอ้างอิงในทุกหัวข้ออย่างเป็นระบบ
ผลการทดสอบเชิงประสิทธิภาพ
- ย่นเวลาการทำงาน: ลดขั้นตอนจัดทำเอกสาร ให้เจ้าหน้าที่ทำงานได้เร็วขึ้น
- ยกระดับความแม่นยำ: ลดข้อผิดพลาดในการอ้างอิงข้อมูลและราคามาตรฐาน
- ส่งเสริมการแข่งขันที่เป็นธรรม: เพิ่มความสมบูรณ์ของข้อกำหนด ให้กระบวนการชัดเจนและเป็นกลาง
- ตรงตามหลักธรรมาภิบาล: เอกสารโปร่งใส และสามารถตรวจสอบย้อนกลับ (Traceability) ได้ทุกหัวข้อ
4. นวัตกรรมจะไปต่อได้ ต้องอธิบายความคุ้มค่าให้เป็น
นอกจากตัวระบบแล้ว อีกหนึ่งบทเรียนสำคัญของการพัฒนาโซลูชัน คือการมองให้ออกว่า “คุณค่าที่แท้จริงของผู้ใช้คืออะไร”
โจทย์ของคนพัฒนานวัตกรรมจึงไม่ได้หยุดอยู่แค่การประหยัดเวลา แต่คือการพิสูจน์ให้เห็นว่า เวลาที่ลดลงไปนั้นช่วยให้ชีวิตและการทำงานของผู้ใช้งานดีขึ้นอย่างไร เช่น มีเวลาตรวจสอบความถูกต้องอย่างละเอียดมากขึ้น จัดการงานส่วนอื่นได้คล่องตัวขึ้น หรือช่วยลดความเครียดสะสมในการทำงานเอกสาร ซึ่งการอธิบายคุณค่าเหล่านี้ให้ชัดเจน จะเป็นกุญแจสำคัญที่ทำให้โซลูชันถูกนำไปใช้งานจริงได้อย่างยั่งยืน
ไม่ว่าจะน้องจากโปรเจกต์ Night Watch และน้องจากทีม ClearBid AI สิ่งที่น่าทึ่งของเด็กรุ่นใหม่ไม่ใช่เพียงแค่ความสามารถในการพัฒนานวัตกรรม แต่มันคือการตอกย้ำว่า ในวันที่ทุกคนเอาแต่บ่นกับปัญหา แต่น้อง ๆ กลุ่มนี้กลับเจอมุมมองใหม่ เลือกที่จะเป็นผู้สร้าง และลงมือแก้ไขปัญหาเหล่านั้นด้วยตัวเอง
“จากไฟทางหลวงที่ดับ สู่ Night Watch ของทีม LUMOS จากงานเอกสารที่กินเวลาเจ้าหน้าที่ สู่ ClearBid AI ทั้งสองผลงานชวนให้เห็นว่า โจทย์นวัตกรรมอยู่ใกล้ตัวกว่าที่คิด โดยเริ่มจากการสงสัยว่า ทำไมเรื่องเหล่านี้ยังดีขึ้นกว่านี้ไม่ได้!!”
CDG Hackathon 2026 คือพื้นที่ให้คนรุ่นใหม่พาความสงสัยนั้นมาลองทำจริง ได้ฟังคนใช้ รับคำแนะนำจากผู้เชี่ยวชาญ และกลับไปปรับไอเดียกับทีม ทุกครั้งที่ต้องแก้ ทุกคำถามที่ยังตอบไม่ได้ ล้วนเป็นส่วนหนึ่งของการเติบโต
สำหรับใครที่อยากลองแข่ง แต่ยังคิดว่า ‘เราเก่งพอหรือยัง หรือ ยังขาดความมั่นใจ’ อยากให้ลองคิดใหม่ น้อง ๆ ทั้ง 2 ทีมเอง ก็ยังบอกเลยว่า พวกเขาก็เริ่มจากความประหม่า แต่การไม่เริ่มทำ ไม่เริ่มทดลอง แล้วไปเจ็บตัวจริงมันอาจจะทำให้เราขาดโอกาสในการพัฒนา อย่างน้อย ๆ เวทีแห่งนี้คือพื้นที่ทดลอง เรามีสิทธิ์ที่จะล้มได้ แถมการล้มในแต่ละครั้ง เรายังได้คำแนะนำจากผู้เชี่ยวชาญ ได้คำแนะนำจากเมนเทอร์เก่ง ๆ อีกด้วย
หวังว่าในปีต่อ ๆ ไป เวทีแห่งนี้จะเป็นพื้นที่ได้พิสูจน์ผลงานของน้อง ๆ รุ่นใหม่ ไม่แน่ว่าเรื่องที่ถูกเล่าบนเวทีในครั้งหน้า อาจเป็นนวัตกรรมจากทีมของน้อง ๆ ที่กำลังอ่านบทความนี้อยู่ก็ได้นะ!
- 1
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
