ทุกวันนี้ใคร ๆ ก็ใช้ AI แล้วแต่ในการทำงานของคนที่ต้อง manage project หรือบริหารโครงการ (project) เราควรใช้มันในมุมไหนบ้าง?
ไม่ว่าคุณจะเป็น Project Owner, Project Manager, Program Manager, Product Owner หรือแม้แต่ Team Lead ที่ต้องคุมงานหลายฝ่าย เราใช้ AI ช่วยลดงานได้ยังไงบ้าง เพราะคนกลุ่มนี้ ไม่ได้แค่ “ทำงานของตัวเอง” แต่ต้องตัดสินใจ ต้องบริหารความเสี่ยง ต้องบาลานซ์ stakeholder และต้องรับผิดชอบผลลัพธ์ของทั้งโครงการ
แล้ว AI จะเข้ามาช่วยตรงไหน โดยที่ทำให้เรายังดูแลรับผิดชอบโครงการนั้นได้ดี?
เน้นย้ำอีกสักทีต้องไม่ลืมนะคะว่า AI ไม่ได้มาแทน PM แบบ “กดปุ่มแล้วจบ”
แต่อยากให้มองว่า AI คือ “ผู้ช่วย” ที่ทำให้เราทำงานเร็วขึ้น และแม่นยำขึ้น โดยเฉพาะเรื่องการมองความเสี่ยงจากข้อมูล ถ้าอย่างนั้น ลองมาดูกันค่ะว่าในแต่ละ State ของโครงการ AI สามารถเข้าไปช่วยงานของ Project Manager ได้อย่างไรบ้าง
ลองหลับตาวาดภาพตาม สิ่งที่จะเกิดขึ้นในโครงการหนึ่ง
เราจะเจอเรื่องราวแบบนี้ค่ะ Initiation -> Planning -> Execution -> Monitoring ->Closing เอ๊าแล้วมันคืออะไร
เพื่อให้เห็นภาพรวมๆ ถ้าเทียบกับการสร้างบ้าน:
- Initiation = ตัดสินใจว่าจะสร้างทำไม และกรอบคืออะไร
- Planning = วางแผนละเอียดก่อนเริ่ม
- Execution = ลงมือสร้างจริง
- Monitoring = คุมไม่ให้หลุดแผน
- Closing = ส่งมอบและปิดงาน
เป๊ะ ได้บ้าน 1 หลัง ตามแบบที่เราอยากได้เลย ทีนี้กลับมาที่เครื่องมือในแต่ละจุดของโครงการ
Step 1) Initiation คือ การเริ่มต้นของโครงการ ต้องทำอะไรบ้างนะ
สิ่งที่ต้องทำ:
- Project Charter คือ เอกสารอนุมัติโครงการอย่างเป็นทางการ เป็นเหมือนใบแจ้งเกิดของโครงการ
- Problem Statement คือ “การนิยามปัญหาให้ชัด” ถ้าอธิบายง่าย ๆ คือ เราไม่ได้ทำโปรเจกต์เพราะอยากทำแต่ทำเพราะ “มีปัญหา” ที่ต้องแก้
- Success Metrics คือ “ตัวชี้วัดความสำเร็จของโครงการ” เป็นคำตอบของคำถามว่า ถ้าโครงการสำเร็จ เราจะรู้ได้ยังไง เช่น หลังคาเสร็จ หรือได้บ้านมาหนึ่งหลัง
เหมือนใบแจ้งเกิดของโครงการค่ะ มาดูหน้าตาเอกสารกัน
Project Charter
Success Metrics
เอาล่ะลองสรุปอีกทีคือ
| หัวข้อ | คืออะไร | คำถามที่ตอบ |
| Project Charter | เอกสารอนุมัติโครงการ | เราจะทำอะไร |
| Problem Statement | นิยามปัญหา | ทำไปทำไม |
| Success Metrics | ตัวชี้วัดความสำเร็จ | สำเร็จแค่ไหน |
AI ช่วยทำเอกสาร Step 1 ได้มั้ย
AI ช่วย draft ได้ค่ะ แต่จะไม่มีทางได้ 80% ถ้าไม่มี internal information มากพอ
เช่น จะ draft Charter ได้ยังไง ถ้า AI ไม่รู้ organization chart ไม่รู้ governance structure ขององค์กร?
ข้อมูลพวกนี้แหละที่เรียกว่า data model ซึ่ง PM ต้องมีพื้นฐานอยู่แล้ว (หรือบางทีไปขอ template จาก PM รุ่นพี่ก็ง่ายกว่า 😄 พวก Project Charter นี่ก็ทำอยู่ค่ะในชีวิต ยิ่งซับซ้อนจะยิ่งลำบากตอน Draft ถ้าเป็น Global งงไปอีกสามตลบ)
Step 2) Planning คือช่วงที่เราวางแผนว่า จะทำให้โครงการสำเร็จได้อย่างไร
- WBS (Work Breakdown Structure) คือการ “แบ่งงานใหญ่ให้เป็นงานย่อย” เราใช้ทำรายงานทุกอย่างที่ต้องทำ
- RACI มีหน้าที่แสดงบทบาทความรับผิดชอบของโครงการตอบปัญหาคลาสสิกในทุกองค์กรว่า “ตกลงใครต้องทำ?” หรือ “ทำไมไม่มีใครทำ?”
- Risk Register การจดบันทึกความเสี่ยงที่เกิดขึ้น ถามว่าทำไมต้องมี เราก็คิดไปค่ะว่า โครงการเราถ้ามีปัญหานี้จะแก้ไง มีอะไรที่เสี่ยงบ้าง กลับไปที่สร้างบ้าน เช่น ปูนร้านนี้หมด ต้องหา vendor เจ้าอื่น
- Communication Plan แผนการสื่อสาร อันนี้เป็นความคลาสสิก คือเราทุกคนมีภาพในหัวที่ไม่มีทางจะเหมือนกัน เพราะงั้นแผนตัวนี้คือ “ใครต้องรู้อะไร เมื่อไหร่ และช่องทางไหน”
กลับมาที่ตัวอย่างของเรา โครงการสร้างบ้าน
Work Breakdown Structure – WBS
WBS = รายการงานทั้งหมดที่ต้องทำ ตัวอย่างงาน งานฐานราก อาจแตกเป็น ขุดดิน เทคอนกรีตฐานราก วางเสาเข็ม
RACI
RACI = ใครรับผิดชอบงานไหน ตัวอย่างงาน: อนุมัติแบบบ้าน
R (Responsible): สถาปนิก (ทำแบบ)
A (Accountable): เจ้าของบ้าน (ตัดสินใจสุดท้าย)
C (Consulted): วิศวกร (ดูโครงสร้าง)
I (Informed): ผู้รับเหมา (รับทราบเพื่อเตรียมงาน)
Risk Register
Risk Register = คิดไว้ก่อนว่าอะไรอาจพัง
| ความเสี่ยง | โอกาสเกิด | ผลกระทบ | วิธีรับมือ |
| ฝนตกหนักช่วงเทฐานราก | สูง | งานล่าช้า | เผื่อ buffer เวลา |
| ราคาวัสดุก่อสร้างขึ้น | กลาง | งบบานปลาย | ล็อกราคาล่วงหน้า |
| ผู้รับเหมาทำงานช้า | กลาง | เสร็จไม่ทัน | ใส่เงื่อนไขในสัญญา |
Communication Plan
Communication Plan = ใครต้องอัปเดตอะไร เมื่อไหร่ มาค่ะ วนมาที่ การสร้างบ้าน:
เจ้าของบ้าน ได้รับการ อัปเดตทุกสัปดาห์
วิศวกร ได้เข้า ตรวจไซต์งานตาม milestone
ธนาคาร (ถ้ากู้เงิน) อัปเดตตรวจความคืบหน้าก่อนเบิกงวด
เครื่องมือ AI สำหรับช่วยงานส่วน Planning
Part นี้ส่วนตัวชอบมาก เพราะ planning คือช่วงที่วุ่นวายที่สุด เครื่องมือที่แนะนำจาก Project Management Institute
ในเอกสาร Suggested GenAI Tools for Project Work v1.2 มีหลายตัวที่น่าสนใจ ตัวอย่างเช่น:
▪ PMI Infinity – Project Manager Co-Pilot
PMI Infinity AI Co-pilot ที่ออกแบบมาเฉพาะสำหรับงานด้าน Project Management
จุดเด่น:
- เชื่อมกับ best practice ล่าสุด
- มี content library 14,000+ ชิ้น
- มี citation ให้ตรวจสอบแหล่งที่มา
- แนะนำ prompt เพิ่มเติมให้คุยต่อได้
เหมาะกับ:
- Initiation
- Planning
- คนที่ต้องอ้างอิง framework มาตรฐาน
- คนเตรียมสอบ PMP / ต้องการ DPU
▪ Planning / Diagram Generation (ส่วนตัวชอบมาก)
การทำ diagram ถ้าไม่มี tools คือเหนื่อยมาก โดยเฉพาะ Gantt, Network diagram, dependency มารู้จักกันว่ามันคืออะไรบ้าง
Gantt chart
หน้าตา: เป็นแท่งยาว ๆ เรียงตาม timeline แกนนอน = เวลา แกนตั้ง = รายการงาน
ไว้ทำอะไร? ดูว่าแต่ละงานเริ่ม–จบเมื่อไหร่ , ดูงานไหนทำพร้อมกันได้
เอาไว้เช็คภาพรวมว่าโครงการจะเสร็จเมื่อไหร่ เหมาะกับการคุมเวลา (Schedule Control)
Network diagram
หน้าตา: เป็นกล่อง/วงกลม เชื่อมด้วยลูกศร
ไว้ทำอะไร? ดูลำดับก่อน–หลังของงาน , หาว่า “งานไหนต้องทำก่อน” , วิเคราะห์ Critical Path (งานที่ห้ามเลทเด็ดขาด)
เหมาะกับการวิเคราะห์ dependency (อะไรที่ต้องเสร็จก่อน หรือ เสร็จที่หลัง)
Timeline visualization
หน้าตาเป็นยังไง? เป็นเส้นเวลาแนวนอน , มีจุด milestone (จุด checkpoint งานย่อย ๆ) สำคัญเรียงตามลำดับ ไม่ลงรายละเอียด task ย่อยเยอะ ๆ
ไว้ทำอะไร? สื่อสารภาพรวมโครงการให้ผู้บริหาร แสดง milestone สำคัญ เช่น Go-Live, UAT, Launch
เหมาะกับการ ทำ roadmap แผนทิศทาง ให้เห็นทิศทางทั้งปี หรือทั้งโครงการ
Dependency Mapping
หน้าตาเป็นยังไง? คล้ายใยแมงมุม เชื่อมงานหลายจุดเข้าด้วยกัน
ไว้ทำอะไร? ดูว่างานไหนกระทบงานอื่น , วิเคราะห์ bottleneck( จุดที่ทำให้งานติดขัด) และ เห็นผลกระทบการทำงานเป็นลูกโซ่ (domino effect)
เหมาะมากใน project ที่มีหลายทีม
สรุปให้อีกครั้งนะคะว่า ใช้ทำอะไรได้บ้าง:
- Gantt → ดูเวลา
- Network Diagram → ดูลำดับงาน + critical path
- Timeline → ดู milestone แบบภาพรวม
- Dependency Map → ดูความเชื่อมโยงระหว่างงาน
วิธีใช้จริง:
เอา WBS ที่วางไว้ หยอดเข้าไป ให้ AI generate timeline คร่าว ๆ
ตัวอย่างการใช้ AI ในโปรเจค
เช่น WBS หน้าตาประมาณนี้ (โครงการทำเว็บไซต์)
- เก็บ Requirement
- ออกแบบ (Design)
- พัฒนา (Development)
- ทดสอบ (Testing)
- Go-live
WBS ก็คือ “รายการงานทั้งหมดที่ต้องทำ”
เอา WBS ไปให้ AI Prompt ลงไปว่า:
จาก WBS นี้ ช่วยจัดทำ timeline โครงการ 4 เดือนแบบคร่าว ๆ
AI จะจัดเรียงเป็นช่วงเวลาให้ทันที เช่น:
- Month 1: Requirement + Design
- Month 2–3: Development
- Month 3–4: Testing
- End Month 4: Go-live
ปิ๊งงงง ออกมาแล้วว อันนี้เราใช้ chatgpt
สิ่งที่ AI ช่วยได้ & ช่วยไม่ได้
บาง tool จะ generate ออกมาเป็น Gantt chart ให้เลย
แล้วเราไปตรวจสอบ ใส่รายละเอียดต่อ ลดเวลา generate วาดกล่องใน sheet ไปได้เยอะมากจริง ๆ
แต่ต้องจำไว้ว่า AI ไม่รู้ capacity ทีม ก็คือ ไม่รู้ว่าใครลาพักร้อน ไม่รู้เงื่อนไขใด ๆ ภายในองค์กร เช่น ไม่รู้ว่าต้อง approve 3 ระดับถ้ายอดเงินโครงการเกินล้านบาท สุดท้าย PM ต้องตรวจสอบทั้งหมดอยู่ดี
เพราะถ้าเราเอา timeline ที่ AI generate มาใช้ทันที โดยไม่ปรับตามความจริง อาจเกิดปัญหาแบบนี้ได้:
- 👥 ทีมมี 2 คน แต่ AI วางแผนเหมือนมี 5 คน → งานแน่นเกิน capacity → ทีม burnout
- 🌴 เดือนหน้า Developer หลักลายาว 2 สัปดาห์ → แต่ timeline ไม่ได้เผื่อไว้ → งานเลท
- 🏢 ต้องรอ approval จากผู้บริหาร 3 ชั้น → แต่ AI คิดว่าอนุมัติได้ทันที → แผนพังตั้งแต่ต้น
- 💰 งบประมาณจำกัด → แต่ AI ไม่รู้ constraint ทางการเงิน → วางแผนแบบ ideal world
ตัวอย่างง่าย ๆ AI อาจจัดให้ Development ใช้เวลา 4 สัปดาห์ แต่ในความเป็นจริง ทีมคุณทำงานโปรเจกต์อื่นควบคู่กัน 50% เท่ากับเวลาที่ใช้จริงอาจกลายเป็น 8 สัปดาห์
ถ้าไม่ปรับ Gantt Chart โครงการจะ “เลทตั้งแต่วันแรก” โดยที่ยังไม่ทันเริ่มนั่นเอง…
เอาจริงน้องก็ช่วยได้เยอะ แต่เราก็ต้องปรับตามสถานการณ์การทำงานนะคะ
มาถึงตรงนี้หลายคนใช้ AI ได้อย่างมีประสิทธิภาพที่สุด ส่วนตัวใช้ chatgpt , Canva, Gemini etc.. อยากบอกว่า
“ทุกสิ่งมีราคา(แพง) ใช้ให้คุ้มค่า และใช้แบบมีสติ”
สุดท้าย สิ่งที่อยากเน้นมาก ๆ สำหรับ Project Manager ที่ใช้ AI
AI จะเก่งได้ ต้องมี internal information มากพอ ก็คือ AI ถ้าไม่มี data ก็เป็นแค่เครื่องมือเขียนเก่ง ๆ ตัวหนึ่ง แต่ถ้าองค์กรมี historical data ดี มี template มี structure จะทำให้ AI จะช่วยงาน PM ได้จริง
ส่วนตัวชอบประโยคนี้มาก:
‘Don’t focus on what AI can do, but be accountable for what AI should do.’
‘อย่ามัวสนใจว่า AI ทำอะไรได้บ้าง แต่ให้รับผิดชอบว่า AI ควรทำอะไร’
เพราะสุดท้าย AI อาจช่วยเราเขียนช่วยเราวิเคราะห์ แต่คนที่รับผิดชอบผลลัพธ์ของโครงการยังคงเป็น PM ก็คือเรา ๆ เจ้าของโครงการอยู่ดี
ขอบคุณทุกท่านที่อ่านมาถึงตรงนี้ ก่อนจะจบขอ Recap key point Part Initate , Planning ก่อนนะคะ
- AI เป็น ผู้ช่วย (Assistant) ไม่ใช่ผู้ตัดสินใจแทน PM
- AI ช่วย draft เอกสาร วางโครงสร้าง และวิเคราะห์ข้อมูล ได้เร็วขึ้น
- แต่ AI ไม่รู้ context ขององค์กร capacity ทีม และ constraint จริงของโครงการ
- ดังนั้น PM ต้อง validate และปรับแผนให้ตรงกับโลกความจริง
ถ้าสนใจ ช่วยกันแชร์บทความนี้ได้ ไม่ว่าจะเป็นใน Facebook หรือ X เดี๋ยวมาเล่าต่อในส่วนที่เหลือว่า AI เข้าไปช่วยลึกได้แค่ไหน ✨ รวมไปถึงแจก prompt ด้วยในบทถัด ๆ ไปนะคะ
อีกช่องทางสามารถติดตามได้ที่ Data TH รวมถึงถ้าอยากติดตามบทความดี ๆ ด้าน Data กัน สามารถติดตาม DataTH ได้บนช่องทางต่าง ๆ ทั้ง Website, Facebook, และ Youtube
Disclaimer. เนื้อหาบางส่วนมาจากคอร์สของ PMI ผู้อ่านที่สนใจสามารถ สมัครสมาชิก แล้วลงเรียนได้เลยนะคะ https://www.pmi.org/learning/ai-in-project-management และ tools ที่พูดถึงในบทความนี้ ได้รับคำแนะนำมาจาก class: GenAI Tools for Project Work v1.2
