“ขั้นตอนการทำงานเดิมๆ ที่คุ้นชินในงาน Product Management ที่เราต้องตั้งคำถามยังจำเป็นไหม?”
AI ทำให้การสร้าง Prototype ง่ายขึ้นมาก แล้วเรายังควรเขียน PRD แบบเดิมอยู่หรือเปล่า? 🤔
เมื่อก่อนเวลาจะพัฒนาซอฟต์แวร์สักตัว เรามักเริ่มจากเก็บ Requirement เขียน BRD, PRD ประชุมกับ Stakeholder หลายรอบ กว่าจะตกลงกันได้ว่าจะสร้างอะไร?
เหตุผลก็เข้าใจได้ครับ เพราะการพัฒนาซอฟต์แวร์มีต้นทุนสูง ทั้งเวลา คน และงบประมาณ เราจึงต้องพยายามคิดและตกลงรายละเอียดให้ชัดก่อนเริ่มลงมือ
แต่วันนี้ AI และ Vibe Coding กำลังเปลี่ยนสมการนี้ไปมาก
Prototype ที่เคยใช้เวลาหลายวันหรือหลายสัปดาห์ บางกรณีสามารถสร้างขึ้นมาให้ทดลองได้ภายในไม่กี่ชั่วโมง 😅
ผมเลยคิดว่า “ถ้าต้นทุนของการทดลองลดลงมาก วิธีทำ Product Development ก็ควรเปลี่ยนตามไปด้วย” 🤔
ไม่ใช่แค่ใช้ AI ช่วยเขียน PRD ให้เร็วขึ้น แต่ต้องกลับมาคิดว่าเราควรเขียน PRD ตอนไหน หรือจะเขียนไปเพื่ออะไรอีก?
“จาก PRD ที่ใช้ขออนุมัติ ไปสู่ PRD ที่บันทึกเหตุผลของการตัดสินใจ?”
แทนที่จะเริ่มจากไอเดียแล้วใช้เวลานานกับการเขียน Requirement เราอาจลองสร้าง Prototype สัก 3–5 แนวทาง แล้วนำไปทดสอบกับผู้ใช้เพื่อเรียนรู้ว่าแบบไหนตอบโจทย์จริง
จากนั้นค่อยนำผลการทดลองมาเขียน PRD สำหรับแนวทางที่เลือกพัฒนาต่อ
แน่นอนว่าไม่ใช่ทุกโครงการจะทำแบบนี้ได้ โดยเฉพาะระบบที่มีความเสี่ยงสูง ข้อกำกับด้านกฎหมาย หรือความปลอดภัย ซึ่งยังต้องวิเคราะห์และออกแบบอย่างรอบคอบตั้งแต่ต้น
แต่สิ่งที่น่าสนใจคือ “เราไม่จำเป็นต้องตัดสินใจเลือก Solution จากการถกเถียงบนเอกสารเพียงอย่างเดียวอีกต่อไป?
เมื่อทดลองได้เร็วขึ้น PRD ก็ควรสะท้อนสิ่งที่ทีมได้เรียนรู้ ไม่ใช่แค่สิ่งที่ทีมคาดว่าจะเกิดขึ้น
แล้ว PRD ในยุค AI ควรมีอะไรบ้าง?
ผมคิดว่ามี 4 เรื่องที่ยังสำคัญครับ
1. เรากำลังแก้ปัญหาอะไร?
ต้องชัดว่าใครคือผู้ใช้ ปัญหาที่แท้จริงคืออะไร และคาดหวัง Outcome แบบไหน พร้อมบันทึกว่า Prototype ที่ทดลองให้หลักฐานอะไรสนับสนุนแนวทางที่เลือก
เพราะถ้าเข้าใจปัญหาผิด ต่อให้ AI ช่วยสร้าง Prototype ได้ 10 แบบ เราก็อาจได้แค่ 10 วิธีในการแก้ปัญหาผิดเรื่องครับ 😅
2. AI ควรทำอะไร และไม่ควรทำอะไร?
สำหรับ AI Product การระบุ Feature อย่างเดียวอาจไม่เพียงพอ เพราะผลลัพธ์ของ AI ไม่ได้ตายตัวเหมือนระบบทั่วไป
จึงควรมีตัวอย่างสถานการณ์และพฤติกรรมที่คาดหวัง ทั้งคำตอบที่ดี ข้อผิดพลาดที่ยอมรับไม่ได้ และกรณีที่ต้องให้มนุษย์เข้ามาตัดสินใจ
3. อะไรคือหลักฐานว่ามันใช้ได้จริง?
Demo ที่ดูดีไม่ได้แปลว่า Product ประสบความสำเร็จ
PRD ควรระบุเกณฑ์วัด Business Outcome, User Adoption และคุณภาพของ AI รวมถึงชุดทดสอบอย่าง Golden Dataset เพื่อประเมินผลก่อนและหลังเปิดใช้งาน
4. จะนำไปใช้จริงอย่างไร?
ต้องระบุว่าจะเปิดให้ใครทดลอง ใช้เกณฑ์อะไรในการขยายผล เมื่อไรต้องหยุดหรือ Rollback และใครรับผิดชอบ?
ผลการใช้งานและเหตุผลที่เปลี่ยนการตัดสินใจควรถูกบันทึกกลับเข้าไปด้วย เพื่อให้ PRD เป็นเอกสารที่พัฒนาไปพร้อมกับ Product
⸻
อีกเรื่องที่ผมคิดว่าสำคัญมากคือ “Prototype ไม่เท่ากับ Production”
AI อาจช่วยสร้าง Prototype ที่ดูเหมือนซอฟต์แวร์พร้อมใช้งานได้เร็วมาก แต่การนำไปใช้จริงในองค์กรยังต้องจัดการเรื่อง Security, Data Privacy, Integration, Reliability, Monitoring และต้นทุนการดูแลระยะยาว
โดยเฉพาะ AI Product ที่ต้องรับมือกับคำตอบที่ผิดพลาดหรือพฤติกรรมที่คาดเดาได้ไม่ทั้งหมด
* Prototype มีไว้พิสูจน์ว่าแนวคิดน่าลงทุนต่อหรือไม่?
* ส่วน Production ต้องพิสูจน์ว่าระบบพร้อมรับผิดชอบการใช้งานจริงได้
นี่จึงเป็นเหตุผลที่ผมคิดว่า PRD ยังจำเป็น โดยเฉพาะในองค์กรที่มีหลายทีมทำงานร่วมกันและต้องดูแลระบบในระยะยาว
แต่บทบาทของมันควรเปลี่ยนจากการพยายามเขียนทุกอย่างให้ครบก่อนเริ่มสร้าง มาเป็นการบันทึกปัญหา หลักฐาน ผลการทดลอง และเหตุผลที่ทีมเลือกเดินไปในทิศทางหนึ่ง
สำหรับผม PRD ที่ดีในยุค AI ไม่ใช่เอกสารที่อธิบายได้ละเอียดที่สุดว่าเราจะสร้างอะไร แต่เป็นเอกสารที่อธิบายได้ชัดที่สุดว่า ทำไมเราจึงควรสร้างสิ่งนั้น?
เพราะ AI อาจช่วยให้เราสร้างซอฟต์แวร์ได้เร็วขึ้นมาก แต่การตัดสินใจว่าจะสร้างอะไรให้ถูกเรื่อง ยังเป็นความรับผิดชอบของคนทำ Product อยู่ดีครับ 🙂
#วันละเรื่องสองเรื่อง
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
