# WorkDNA — คู่มือผู้ใช้ (User Guide)

> **WorkDNA = Real-World Human Intelligence OS** — สร้าง `human_skill.md` ให้กับมนุษย์ (เหมือน `skill.md` ของ AI agent) เพื่อ **"วางคนให้ถูกงาน พัฒนาให้ถูกทาง สร้างทีมที่เหมาะกับภารกิจจริง"**
>
> Production / demo: **https://work.dnafinity.com** · ทุกบัญชี demo รหัสผ่าน `DemoPass123!` · tenant **"WorkDNA Demo Co"**

คู่มือนี้เขียนเป็นภาษาไทยเป็นหลัก โดยคงชื่อฟีเจอร์ / ชื่อหน้า (page) และศัพท์เทคนิคเป็นภาษาอังกฤษไว้ เพื่อให้ตรงกับสิ่งที่เห็นจริงในแอป ทุกฟีเจอร์มีตัวอย่างจาก demo personas จริง

---

## สารบัญ (Table of Contents)

1. [WorkDNA คืออะไร + ปรัชญา](#1-workdna-คืออะไร--ปรัชญา)
   - ★ [ทฤษฎีหัวใจ — การวัดคนแบบใหม่ (Fit–Energy–Growth)](#-ทฤษฎีหัวใจ--การวัดคนแบบใหม่-fitenergygrowth) · **(A) อ่านง่าย** · **(B) ละเอียดยิบ**
2. [เริ่มต้นใช้งาน: login, onboarding, บทบาท, เมนู, สลับภาษา](#2-เริ่มต้นใช้งาน-login-onboarding-บทบาท-เมนู-สลับภาษา)
3. [สำหรับพนักงาน (My WorkDNA)](#3-สำหรับพนักงาน-my-workdna)
   - [3.1 Skill Matrix](#31-skill-matrix--meskills) · [3.2 Passion Zones](#32-passion-zones--mepassion) · [3.3 Human DNA](#33-human-dna--meworkdna) · [3.4 AI DNA](#34-ai-dna--meai-dna) · [3.5 Contextual Fit](#35-contextual-fit--mefit) · [3.6 Growth](#36-growth--megrowth) · [3.7 Coaching](#37-coaching--mecoach) · [3.8 Passport](#38-passport--mepassport) · [3.9 งานประจำวัน](#39-งานประจำวัน--workdaily) · [3.10 แบบประเมิน](#310-แบบประเมิน--assessments)
4. [สำหรับหัวหน้า (Manager)](#4-สำหรับหัวหน้า-manager)
   - [4.1 Team Today](#41-team-today--teamtoday) · [4.2 TeamDNA](#42-teamdna--teamdna) · [4.3 Project DNA + Matching](#43-project-dna--matching--projects) · [4.4 Performance](#44-performance--performance) · [4.5 Team AI DNA](#45-team-ai-dna--teamai-dna)
5. [สำหรับ HR / Admin](#5-สำหรับ-hr--admin)
   - [5.1 Talent Pool](#51-talent-pool--hrtalent) · [5.2 Organization DNA](#52-organization-dna--hrorg-dna) · [5.3 Recruitment](#53-recruitment--recruitment) · [5.4 Assessment Studio](#54-assessment-studio--assessmentsstudio) · [5.5 Admin / Audit / สมาชิก](#55-admin--audit--สมาชิก--บทบาท) · [5.6 AI Readiness + Governance](#56-ai-readiness--governance--hrai-readiness--adminai-dna)
6. [AI Agents](#6-ai-agents--ai)
7. [อภิธานศัพท์ (Glossary)](#7-อภิธานศัพท์-glossary)
8. [ทัวร์ตามบทบาท (Role Tour)](#8-ทัวร์ตามบทบาท-role-tour)
9. [ความเป็นส่วนตัว (Privacy & PDPA)](#9-ความเป็นส่วนตัว-privacy--pdpa)
10. [ตาราง Quick Reference](#10-ตาราง-quick-reference)
11. [ทำความเข้าใจ AI DNA — เรดาร์ 10 มิติ](#11-ทำความเข้าใจ-ai-dna--เรดาร์-10-มิติ)
12. [AI Super Training — ยิมฝึกใช้ AI](#12-ai-super-training--ยิมฝึกใช้-ai)
13. [Resource OS — วางกำลังคนและ AI teammate อย่างซื่อสัตย์](#13-resource-os--วางกำลังคนและ-ai-teammate-อย่างซื่อสัตย์)
14. [Feature Map ปัจจุบัน — เมนูทั้งหมดใช้ทำอะไร](#14-feature-map-ปัจจุบัน--เมนูทั้งหมดใช้ทำอะไร)
15. [Operating Loops สำคัญ — จากตั้งค่าไปถึง feedback](#15-operating-loops-สำคัญ--จากตั้งค่าไปถึง-feedback)
16. [Admin & Governance Playbook](#16-admin--governance-playbook)
17. [Troubleshooting และคำถามที่พบบ่อย](#17-troubleshooting-และคำถามที่พบบ่อย)
18. [Checklist ก่อนเปิดใช้กับองค์กรจริง](#18-checklist-ก่อนเปิดใช้กับองค์กรจริง)
19. [Strategy DNA — จากกลยุทธ์สู่ OKR, งาน, training และ evidence](#19-strategy-dna--จากกลยุทธ์สู่-okr-งาน-training-และ-evidence)
20. [Market Skill — สมรรถนะการตลาดที่ให้เกรดได้ พร้อมหลักฐาน](#20-market-skill--สมรรถนะการตลาดที่ให้เกรดได้-พร้อมหลักฐาน)
21. [Operational Thinking — วิเคราะห์สาเหตุแบบไม่โทษคน + ความชัดของงานจากที่ประชุม](#21-operational-thinking--วิเคราะห์สาเหตุแบบไม่โทษคน--ความชัดของงานจากที่ประชุม)
22. [Critical Thinking — คิดก่อนตัดสินใจ (คอร์ส + Decision Lens ตอนสร้างโครงการ)](#22-critical-thinking--คิดก่อนตัดสินใจ-คอร์ส--decision-lens-ตอนสร้างโครงการ)
23. [Skill Practice — ซ้อมบทสนทนายากกับ AI ก่อนใช้จริง](#23-skill-practice--ซ้อมบทสนทนายากกับ-ai-ก่อนใช้จริง)

---

## 1. WorkDNA คืออะไร + ปรัชญา

### คืออะไร
WorkDNA เป็น **B2B talent-intelligence platform** ที่เปลี่ยน HR จาก "ระบบเก็บข้อมูล" ให้กลายเป็น "ระบบเข้าใจคน" หัวใจของระบบคือการสังเคราะห์ข้อมูลของแต่ละคน — ทักษะ (skills), ผลแบบประเมินจิตวิทยา (psychometric), และสัญญาณจากการทำงานจริง (work signals) — ออกมาเป็นเอกสารที่อ่านได้ทั้งคนและ AI เรียกว่า **`human_skill.md`**

คิดง่าย ๆ ว่า AI agent ทุกตัวมี `skill.md` บอกว่ามันทำอะไรได้ — WorkDNA สร้างสิ่งเดียวกันให้ "มนุษย์" เพื่อให้องค์กรวางคนให้ถูกงาน พัฒนาให้ถูกทาง และประกอบทีมที่เหมาะกับภารกิจจริง

### ปรัชญา 3 ข้อ (สำคัญมาก)

| หลักการ | ความหมาย |
| --- | --- |
| **Anti-ranking** (ไม่มีคะแนนเดียวตัดสินคน) | คนหนึ่งคนไม่เคยถูกลดทอนเหลือ "เลขเดียวถาวร" ระบบวัด **ความเหมาะกับบริบท** (role / track / project ที่ต่างกัน → คะแนนต่างกัน) คนที่ "ไม่เหมาะ" กับงานหนึ่ง อาจ "เหมาะที่สุด" กับอีกงานหนึ่ง |
| **Transparent** (โปร่งใส อธิบายได้) | ทุกคะแนนมี **สูตรที่อธิบายได้** และแยกย่อยให้ดูได้ทุกองค์ประกอบ ไม่มี black box คะแนนคำนวณแบบ deterministic (rule-based) เป็นฐานเสมอ — **ไม่จำเป็นต้องมี API key ของ AI** ก็ใช้งานได้เต็มรูปแบบ |
| **AI ช่วยตัดสินใจ ไม่ตัดสินแทน** | AI ช่วย manager / HR ให้เห็นภาพและคำแนะนำที่อธิบายได้ แต่ "คนเป็นผู้ตัดสินใจสุดท้ายเสมอ" โดยเฉพาะการตัดสินใจที่มีผลกับคน |

> 💡 **ตัวอย่าง:** ในโปรเจกต์ "AI Talent Platform" ของ demo — Ploy ถูกจัดอันดับ **#1** ส่วน Tee อยู่ **ท้ายสุด** แต่นี่ไม่ได้แปลว่า "Tee แย่กว่า Ploy" มันแปลว่า *เฉพาะกับโปรเจกต์นี้* Ploy เหมาะกว่า ในบริบทอื่น (เช่น งานที่ตรงกับ Growth zone ของ Tee) อันดับอาจพลิกได้

---

## ★ ทฤษฎีหัวใจ — การวัดคนแบบใหม่ (Fit–Energy–Growth)

> นี่คือ "ความเชื่อ" ที่อยู่เบื้องหลังทุกฟีเจอร์ของ WorkDNA — ทำไมเราไม่ตัดสินคนด้วยเกรด และวัดอะไรแทน
> มี **2 เวอร์ชัน**: **(A) อ่านง่าย** สำหรับทุกคน · **(B) ละเอียดยิบ** สำหรับคนที่อยากเข้าใจที่มา เหตุผล และหลักฐาน
> ฉบับวิชาการเต็ม (พร้อมงานวิจัยอ้างอิง) อยู่ที่ `docs/WorkDNA_Measurement_Theory_2026.md`
> 🎧 **ฟังเป็นพอดแคสต์ (24 นาที):** เปิดได้ที่หน้า **Landing** และในแอปที่ **`/guide/theory`** (ไฟล์ `frontend/public/brand/workdna-feg-podcast.m4a`)

---

### A. เวอร์ชันอ่านง่าย — "เราเปลี่ยนวิธีมองคุณ"

**คุณไม่ได้แย่ — คุณแค่อาจยังไม่ได้อยู่ในที่ที่ใช่**

มีคำพูดหนึ่งว่า *"ถ้าคุณตัดสินปลาด้วยการปีนต้นไม้ มันจะคิดว่าตัวเองโง่ไปทั้งชีวิต"* โลกการทำงานทุกวันนี้ก็ทำแบบนั้น — เอาทุกคนมาวัดด้วยไม้บรรทัดอันเดียว แล้วแปะเกรด A B C D ว่าใครเก่ง ใครไม่เก่ง

แต่รู้ไหมว่า… **เกรดที่คุณได้ บอกเรื่อง "หัวหน้าที่ให้คะแนน" มากกว่าบอกเรื่องตัวคุณ** (งานวิจัยพบว่าคะแนนประเมินสะท้อนนิสัย/มุมมองของผู้ให้คะแนนถึง ~62% แต่สะท้อนผลงานจริงของคุณแค่ ~21%) เคยรู้สึกไหมว่า "ถูกตัดสินไม่แฟร์"? — คุณไม่ได้คิดไปเอง

**WorkDNA เชื่ออีกแบบ:** ไม่มีใคร "ไม่เก่ง" มีแต่คนที่ "ยังไม่ได้อยู่ในจุดที่ใช่" เราเลยเลิกถามว่า *"คุณได้กี่คะแนน"* แล้วเปลี่ยนมาถามว่า **"งานที่คุณทำ ตรงกับสิ่งที่คุณถนัดและรักแค่ไหน"**

เพราะเมื่อคนได้ทำในสิ่งที่ใช่ — **ความสุขมาก่อน แล้วผลงานตามมาเอง** โดยไม่ต้องมีใครคอยบังคับหรือไล่บี้ องค์กรไม่ต้องเหนื่อยกับการ "จัดการคน" เพราะคนอยู่ถูกที่แล้ว

เราดูคุณจาก 5 มุม แล้วรวมเป็นค่าเดียวชื่อ **"Deployment Fit"** (เราวางคุณถูกที่หรือยัง):

| มุมมอง | คำถามที่เราถาม |
| --- | --- |
| 🎯 **Fit** | งานนี้ตรงกับตัวตน/บทบาทของคุณไหม |
| 💪 **จุดแข็ง** | คุณได้ใช้สิ่งที่คุณเก่งจริง ๆ หรือเปล่า |
| 🔥 **พลังงาน** | งานนี้เติมพลังคุณ หรือดูดพลังจนหมดไฟ |
| 🤝 **ความผูกพัน** | คุณรู้สึกมีส่วนร่วม มีอิสระ ได้รับการสนับสนุนไหม |
| 🌱 **การเติบโต** | คุณกำลังโตขึ้นไปทางที่อยากไปไหม |

และถ้าคุณ **"ติด"** ตรงไหน — ระบบไม่ตำหนิ มัน **แนะนำทางพัฒนา/คอร์ส/ทักษะให้ทันที** เพราะหน้าที่ของเราคือทำให้คุณไปต่อได้ ไม่ใช่ชี้ว่าคุณพลาด

เราระวังเป็นพิเศษเรื่องหนึ่ง: ความ "ทุ่มเท" มี 2 แบบ — แบบ **สุขภาพดี** (รักงานแต่ยังมีชีวิต) กับแบบ **หมกมุ่นจนพังตัวเอง** (หยุดไม่ได้ อารมณ์ขึ้นกับงาน) **เราไม่เคยให้รางวัลกับการทำงานจนหมดไฟ** — เพราะคนเก่งที่ burnout คือความสูญเสียของทุกฝ่าย

> **นี่คือสัญญาของเรา:** องค์กรที่เข้าใจคุณ เลือกใช้คุณ "ถูกที่ ถูกทาง" → คุณจะอยากอยู่กับมันนาน ๆ และเป็นตัวเองในเวอร์ชันที่ดีที่สุด นั่นแหละคือ *"Put the right person in the right job"* ที่เราอยากเปลี่ยนให้เป็นมาตรฐานใหม่ของโลก

---

### B. เวอร์ชันละเอียดยิบ — ที่มา เหตุผล และหลักฐาน

> สรุปแบบซื่อสัตย์: **เราสร้างทฤษฎีการวัดคนแบบใหม่ที่ "ป้องกันตัวได้" จริง** — แต่หลักฐานหนุนมันในฐานะเครื่องวัด *ความ fit / จุดแข็ง / ความผูกพัน / ความสุข* **ไม่ใช่** เครื่องพิสูจน์ว่า "fit แล้วผลงานดีขึ้น" แบบเป็นเหตุเป็นผล เราจึงวาง "ผลงาน" เป็น *ผลพลอยได้ที่ต้องพิสูจน์ตามยาว* ไม่ใช่คำสัญญา — และทำให้ระบบ **ปฏิเสธที่จะมโน** เมื่อข้อมูลยังไม่พอ

#### B.1 ปัญหาของระบบเดิม (ทำไมเกรดถึง "พัง")

- **คะแนนสะท้อนคนให้คะแนน ไม่ใช่คนถูกประเมิน** — งานคลาสสิก Scullen, Mount & Goff (2000) พบว่า *idiosyncratic rater effect* กินความแปรปรวนของคะแนนถึง **62%/53%** ขณะที่ผลงานจริงของพนักงานอธิบายได้แค่ **21%/25%** (Deloitte ทำซ้ำได้ตัวเลข 62% กับผู้จัดการ 4,492 คน) → *"คะแนนบอกเรื่องผู้ประเมินมากกว่าผู้ถูกประเมิน"*
- **ผู้บริหารเองก็รู้ว่ามันไม่เวิร์ก** — 58% บอกว่าระบบประเมินปัจจุบันไม่ได้ช่วยทั้ง engagement และผลงาน (Deloitte/HBR 2015)
- **Forced ranking / โค้งระฆัง** บีบให้ต้องมีคน "แพ้" ทุกปี → ทำลายแรงจูงใจและความร่วมมือ

#### B.2 ทฤษฎีใหม่: Fit–Energy–Growth (FEG)

**หลักการ:** *อย่าตัดสินคน — วัด "ความใช่" ของงานกับคน และเงื่อนไขที่ทำให้งานดี ๆ งอกออกมา* วัด 5 มิติ (แต่ละมิติมีฐานวิทยาศาสตร์):

1. **Fit** (คน↔งาน/บทบาท) — ทฤษฎี Person–Organization fit: ทำนายความพอใจงาน (ρ≈.44), ความผูกพัน (.51), ความตั้งใจอยู่ต่อ (−.35) ได้ดี *(Kristof‑Brown)*
2. **การได้ใช้จุดแข็ง** — ได้ทำในสิ่งที่ถนัด *(หลักฐานสายตรงยังอ่อน — เราจึงพูดอย่างระวัง)*
3. **ความผูกพัน + การสนับสนุน 3 ความต้องการ** (อิสระ/ความสามารถ/ความสัมพันธ์) — Self‑Determination Theory + Work Engagement (ผูกกับความพอใจ .60 และความผูกพัน .63)
4. **พลังงาน vs หมดไฟ + ชนิดของ passion** — Dualistic Model of Passion: harmonious (ดี) vs obsessive (นำสู่ burnout ผ่าน work–life conflict) → **วัดชนิด ไม่ใช่ความเข้ม**
5. **การเติบโต + การมีส่วนสร้าง**

รวมกันเป็น **Deployment Fit Index (DFI)** — ค่า "ความสอดคล้องของการวางคน" (ไม่ใช่เกรด)

#### B.3 ห่วงโซ่เหตุ-ผล (อะไรจริง อะไรยัง — เราพูดตรง)

> ห่วงโซ่ที่หลายคนอยากเชื่อคือ **fit → ความสุข → ผลงาน → ความผูกพัน → อยู่ต่อ** — แต่...

- ✅ **แข็ง:** fit/engagement → *ความรู้สึกและความตั้งใจอยู่ต่อ* (พิสูจน์ได้ดี)
- ⚠️ **อ่อน/ยังพิสูจน์ไม่ได้:** fit/ความสุข → *ผลงาน* — ส่วนใหญ่เป็นแค่สหสัมพันธ์ + อาจกลับทาง (งานทบทวน 30 ชิ้นสรุปว่า "ยังไม่ชัด") งานวิจัยถึงขั้น **ตีตก 3 ข้อ** ที่อ้างกันบ่อยว่า "fit/strengths ทำให้ผลงานดีขึ้น" (รวมสถิติ Gallup "strengths→ลาออกน้อยลง 50%")
- ⚠️ **ด้านมืดของ fit:** ดีต่อ "คน" แต่ดีต่อ "องค์กร" ยังไม่ชัด + เสี่ยงทำองค์กรเป็นพิมพ์เดียวกัน ลดความหลากหลาย
- ⚠️ **บริบทไทย:** ผล fit อ่อนกว่าในตะวันตก → ต้องปรับ norm ให้คนไทย ไม่ยกของฝรั่งมาตรง ๆ

**ผลต่อการออกแบบ:** DFI **ไม่เอา "ผลงาน/เกรด" เข้าสูตร** โดยตั้งใจ และวาง performance เป็นสมมติฐานที่ต้องพิสูจน์ตามยาว

#### B.4 เราวัดมันยังไง (สิ่งที่เราสร้างจริง)

| สิ่งที่สร้าง | ทำอะไร | หน้า/จุด |
| --- | --- | --- |
| **Passion Zones** | จัดทุกทักษะเป็น strength / growth / drain / avoid (ถนัด×ชอบ) | `/me/passion` |
| **Passion Type** | แบบเช็ค 10 ข้อ → harmonious vs obsessive (**กัน burnout**) | `/me/fit-index` |
| **Deployment Fit Index** | รวม 5 มิติ FEG เป็นค่า alignment + คำแนะนำ — มี `confidence` บอกว่าข้อมูลพอแค่ไหน ถ้าน้อย = "ข้อมูลไม่พอ" ไม่ใช่แกล้งให้คะแนน | `/me/fit-index` |
| **Skill‑gap → Resources** | ติดตรงไหน แนะนำคอร์ส/ทักษะให้ทันที | Fit & Strengths lens, `/me/growth` |
| **Validation** | พิสูจน์อย่างซื่อสัตย์ว่า DFI สัมพันธ์กับการอยู่ต่อ/ความสุข/ผลงานจริงไหม (correlational + n + caveat ไม่อ้าง causal) | `/hr/fit-validation` |

#### B.5 จริยธรรม (กฎเหล็ก)

- **fit ใช้เพื่อ "วางคน/พัฒนา" ไม่ใช่ "คัดออก/ตีตรา"** — "fit ต่ำ" ต้องนำไปสู่ *งานที่เหมาะกว่า* หรือ *แผนพัฒนา* ไม่ใช่บัญชีดำ
- **ปกป้องความหลากหลาย** — เฝ้าระวังไม่ให้ "วางคนตาม fit" ทำองค์กรเป็นพิมพ์เดียวกัน
- **ข้อมูลเป็นของพนักงาน + ขอความยินยอม** (สอดคล้อง PDPA) · **เลี่ยงการสอดส่อง/Goodhart** (อย่าเปลี่ยนตัวชี้วัดเป็นเป้าที่ปั่นได้)

#### B.6 ทำไมยังเก็บเกรดเดิม + เราจะพิสูจน์ทฤษฎีนี้ยังไง

- **เก็บเกรด A–D ไว้เป็น "สะพานช่วงเปลี่ยนผ่าน"** เพราะค่านิยมเปลี่ยนต้องใช้เวลา — DFI วางเคียงข้าง ไม่ลบทิ้งทันที
- **แผนพิสูจน์:** เก็บ DFI snapshot ตามเวลา แล้วดูว่า DFI วันนี้ **ทำนาย** การอยู่ต่อจริง/ความสุข/ผลงานในอนาคตได้ไหม (คุม baseline) — คำถามที่ "ทั้งวงการยังตอบไม่ได้" และ **ข้อมูลของ WorkDNA คือเครื่องมือที่ตอบมันได้** ถ้าพิสูจน์ได้ = เปลี่ยนวงการ ถ้าพิสูจน์ได้แค่ "ทำนายความสุข+การอยู่ต่อ" ก็ยังเป็นระบบที่ **ดีกว่าและมีมนุษยธรรมกว่าเกรด** อยู่ดี

---

## 2. เริ่มต้นใช้งาน: login, onboarding, บทบาท, เมนู, สลับภาษา

### 2.1 การ Login
1. เปิด **https://work.dnafinity.com**
2. คลิก **Log in** กรอก email + password
3. ระบบเป็น **multi-tenant** — บัญชีของคุณผูกกับองค์กร (tenant) เดียว เช่น demo ทั้งหมดอยู่ใน tenant **"WorkDNA Demo Co"**

**บัญชี demo สำหรับลองเล่น** (รหัสผ่านทุกบัญชี = `DemoPass123!`):

| บัญชี (email) | ชื่อ | บทบาท | ตำแหน่ง |
| --- | --- | --- | --- |
| `demo.owner@workdna.app` | Aria | **owner** | Founder & CEO |
| `demo.coceo@workdna.app` | Co-CEO | **owner / executive** | Enterprise-level view |
| `demo.hr@workdna.app` | Hana | **hr** | Head of People |
| `demo.manager@workdna.app` | Mann | **manager** (มีลูกทีม 5 คน) | Engineering Manager |
| `demo.ploy@workdna.app` | Ploy | employee | Senior Product Engineer |
| `demo.krit@workdna.app` | Krit | employee | Staff Software Engineer |
| `demo.nina@workdna.app` | Nina | employee | Data Analyst |
| `demo.boss@workdna.app` | Boss | employee | Team Lead (aspiring) |
| `demo.tee@workdna.app` | Tee | employee | Junior Developer |

### 2.1.1 Onboarding — `/onboarding`

**คืออะไร:** หน้าเริ่มต้นใช้งานที่พาคุณไปถึง activation moment แรกของ WorkDNA: เห็น Human DNA ของตัวเอง และถ้าเป็น admin/owner จะเห็นขั้นตอนเพิ่มคนกับเชื่อม Resource OS เพิ่มเติม

**flow แนะนำ:**
1. Login หรือสมัครบัญชีใหม่
2. เปิด `/onboarding`
3. กด generate / view Human DNA ถ้ายังไม่มี profile
4. ถ้าเป็น owner/admin/hr ให้เพิ่มคนด้วย invite/import แล้วเปิด Resource OS insight แรก
5. กดไป `/dashboard` เพื่อเริ่มใช้งานประจำ

**อ่าน progress อย่างไร:** progress ไม่ใช่คะแนนคุณภาพองค์กร แต่เป็นสถานะ setup ว่า profile, members และ resource signal พร้อมแค่ไหน

### 2.2 บทบาท (Roles) — ใครเห็นอะไร
WorkDNA มี 4 บทบาทหลัก สิทธิ์ไล่จากน้อยไปมาก:

| บทบาท | เห็น/ทำอะไรได้ |
| --- | --- |
| **employee** | ข้อมูลของตัวเองทั้งหมด (My WorkDNA), งานประจำวัน, แบบประเมิน |
| **manager** | ทุกอย่างของ employee + ข้อมูล **ลูกทีมตรง** (direct reports), Team Today, TeamDNA, Project Matching, Performance |
| **hr** | ทุกอย่างของ manager + มุมมองทั้งองค์กร: Talent Pool, Organization DNA, Recruitment, Assessment Studio |
| **owner / admin** | ทุกอย่างของ hr + Admin (สมาชิก, บทบาท, เชิญคน), Audit log, Assessment Studio |

> ⚠️ **ระวัง:** การเข้าถึงข้อมูลคนอื่นถูกบังคับด้วยกฎ — คุณดู/วิเคราะห์คนอื่นได้ก็ต่อเมื่อ (1) เป็นตัวคุณเอง, (2) เป็น **หัวหน้าตรง** ของคนนั้น, หรือ (3) มีบทบาทยกระดับ (owner/admin/hr) มิฉะนั้นระบบจะปฏิเสธ

### 2.3 แถบเมนู (Navigation)
หลัง login จะเห็น **sidebar ด้านซ้าย** (ย่อ/ขยายได้) จัดกลุ่มคร่าว ๆ เป็น:
- **Overview:** เริ่มต้นใช้งาน, Dashboard, Guide, AI Agents, Daily Work
- **My WorkDNA:** My WorkDNA, Prompt Master และ tab ย่อยของตัวเอง เช่น Skills, Human DNA, AI DNA, Training, Passport
- **Team:** Team Today, Team DNA, DNA Constellation, Team AI DNA, Team & Roles, Projects, Resource OS
- **Talent & Org:** Team Cockpit, Capacity Heatmap, Talent Pool, Org DNA, AI Readiness, Fit Validation, Pilot Metrics, Recruitment, Performance / OKR, Skills
- **Assessments:** แบบทดสอบและ Assessment Studio
- **Admin:** Admin home, Admin AI DNA, Prompt Studio, SSO/SCIM, Data, Import, Integrations, API Keys, Billing, Audit
- **Account:** Notifications, Settings, Profile
- บนแถบ header มี **breadcrumb**, ปุ่มค้นหา **⌘K** (command palette กระโดดไปหน้าใด ๆ ได้เร็ว), การแจ้งเตือน, สลับธีม, เสียงพื้นหลัง, tenant switcher ในบางบริบท และตัวสลับภาษา

หน้าที่เป็นของ HR/Admin จะถูก **ป้องกันการเข้าถึงในตัวหน้าเอง** — ถ้าบทบาทไม่ถึง จะเข้าไม่ได้แม้กดลิงก์

### 2.4 สลับภาษา EN / TH / ZH
มุมขวาบนมีปุ่มภาษาแสดงรหัสภาษาปัจจุบัน (เช่น `EN` / `TH` / `ZH`) คลิกแล้วเลือกภาษาจากรายการ — รองรับอังกฤษ ไทย และจีน การตั้งค่าจะถูกจำไว้

> 💡 **ตัวอย่าง:** เข้าด้วย `demo.ploy@workdna.app` แล้วกดลูกโลก → เลือก "ไทย" เมนูจะเปลี่ยนเป็น "เมทริกซ์ทักษะ / ความหลงใหล / DNA มนุษย์" ทันที

### 2.5 Dashboard — `/dashboard`

**คืออะไร:** cockpit แรกหลัง login รวมสัญญาณของคนหนึ่งคน: WorkDNA score, today's capacity, execution, DNA coverage, daily plan, DNA radar, task status, passion zones, skill height และ next actions

**ใช้อย่างไร:**
1. ดู **Next action** ก่อน ไม่เริ่มจากตัวเลขลอย ๆ
2. ถ้ามี task/actual work ให้เปิด `/work/daily`
3. ถ้า profile ยังไม่ครบ ให้เปิด `/me/workdna`, `/me/skills`, `/assessments`
4. ถ้าเป็น manager/HR ให้ใช้การ์ด Resource OS, AI Readiness, Recruitment หรือ Integrations เป็นทางลัดไป loop ถัดไป

**หลักการอ่าน:** Dashboard เป็น launchpad ไม่ใช่หน้าตัดสินคน เลขทุกตัวควรพาคุณไปยัง action ที่แก้หรือเติมข้อมูลได้

---

## 3. สำหรับพนักงาน (My WorkDNA)

ส่วนนี้คือ "ตัวตนการทำงาน" ของคุณ ทุกหน้าในกลุ่มนี้พนักงานทุกคนเข้าได้ (ดูของตัวเอง) — เริ่มจากการกรอก/อัปเดตทักษะ แล้วระบบจะต่อยอดเป็น DNA, zones, fit, growth ให้อัตโนมัติ

### 3.1 Skill Matrix — `/me/skills`

**คืออะไร:** ตารางทักษะของคุณ จัดกลุ่มตามหมวด (category) แต่ละทักษะมี **ระดับ (level 0–5)** จากหลายแหล่ง + หลักฐาน (evidence)

**ทำไมสำคัญ:** ทุกฟีเจอร์ที่ทรงพลังกว่า (Human DNA, Passion Zones, Fit, Matching) ล้วนต่อยอดจากข้อมูลตรงนี้ ทักษะเป็น "วัตถุดิบ" ของ WorkDNA

**ระดับมาจากหลายแหล่ง (multi-source)** ระบบใช้ **effective level** = ระดับที่น่าเชื่อถือที่สุด โดยเอา "ค่าสูงสุด" ของแหล่งที่ระบุชัดเจน:
- `self_level` — คุณประเมินตัวเอง
- `manager_level` — หัวหน้าประเมิน
- `validated_level` — ระดับที่ผ่านการ **validate/ยืนยัน** (น่าเชื่อถือสุด)

ทักษะที่ยังไม่เคยถูกประเมินจะอ่านเป็น **0** (ไม่ใช่ค่ากลางลวง ๆ)

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/me/skills`
2. เพิ่มทักษะ → เลือกหมวด → ใส่ชื่อ
3. ตั้งระดับ `self_level` (0–5) และถ้ามี ให้ใส่ **passion** (ความหลงใหล 0–100) และ **target level** (ระดับที่อยากไปให้ถึง)
4. แนบ **evidence** เพื่อรองรับการ validate ภายหลัง
5. หัวหน้า/ผู้มีสิทธิ์สามารถ **validate** ทักษะของคุณได้ → ระดับ validated จะถูกใช้แทน

> 💡 **ตัวอย่าง demo:** **Krit** (Staff Software Engineer) มีทักษะ technical หลายตัวที่ **manager-validated** แล้ว — ทำให้ effective level ของเขาน่าเชื่อถือสูง และเป็นเหตุผลหนึ่งที่เขาติด high-potential ขององค์กร

**ดูในแอป:** `/me/skills`

![Skill Matrix — ตารางทักษะจัดกลุ่มตามหมวด พร้อมระดับ ความหลงใหล และหลักฐาน (/me/skills)](images/guide/skills.png)

---

### 3.2 Passion Zones — `/me/passion`

**คืออะไร:** การวางทักษะของคุณลงใน **4 ช่อง (quadrant)** โดยพิจารณา 2 แกน: **ทักษะ (skill level)** × **ความหลงใหล (passion 0–100)**

| Zone | เงื่อนไข | ความหมาย |
| --- | --- | --- |
| **Strength** (จุดแข็ง) | skill สูง (≥3) + passion สูง (≥60) | ทำได้ดี + ชอบ → ใช้งานคนนี้ตรงนี้ |
| **Growth** (เติบโต) | skill ต่ำ (<3) + passion สูง (≥60) | ยังไม่เก่งแต่อยากทำ → ลงทุนพัฒนา คุ้ม |
| **Drain** (ทรุดโทรม) | skill สูง (≥3) + passion ต่ำ (<40) | เก่งแต่ไม่ชอบ → **สัญญาณ burnout / retention risk** |
| **Avoid** (หลีกเลี่ยง) | skill ต่ำ (<3) + passion ต่ำ (<40) | ไม่เก่งและไม่ชอบ → อย่ามอบหมายงานนี้ |

(passion อยู่ระหว่าง 40–59 หรือไม่ได้ระบุ = **neutral**)

**ทำไมสำคัญ:** **Drain zone คือหัวใจของการป้องกัน burnout** — คนที่ถูกใช้ทำงานที่ "เก่งแต่เกลียด" นาน ๆ คือคนที่เสี่ยงลาออกที่สุด การเห็น zone ทำให้วางงานได้ฉลาดขึ้น (ผลักงาน drain ออก เติมงาน strength/growth เข้า)

**วิธีใช้ (ขั้นตอน):**
1. ให้แน่ใจว่าทักษะใน `/me/skills` มีค่า **passion** ครบ (ถ้าไม่มี zone จะเป็น neutral)
2. เปิด `/me/passion` ดูทักษะที่ตกในแต่ละช่อง
3. คุยกับหัวหน้าเรื่องการ "ย้ายงาน" จาก drain → strength

> 💡 **ตัวอย่าง demo:** **Nina** (Data Analyst) มีทักษะ Analytical/Data ระดับสูง **แต่ passion ต่ำ** → ทักษะหลักของเธอตกใน **Drain zone** ซึ่งเป็นที่มาว่าทำไมระบบจัดเธอเป็น **retention risk** ตรงข้ามกับ **Boss** ที่ทักษะ Leadership ยัง level ไม่สูงแต่ passion สูง → อยู่ใน **Growth zone** (ควรลงทุนพัฒนา)

**ดูในแอป:** `/me/passion`

![Passion Zones — แผนภาพ 4 ช่อง (strength / growth / drain / avoid) ตามแกนทักษะ × ความหลงใหล (/me/passion)](images/guide/passion.png)

---

### 3.3 Human DNA — `/me/workdna`

**คืออะไร:** การสังเคราะห์ตัวคุณออกมาเป็น **11 archetype มาตรฐานสากล** แต่ละตัวให้คะแนน 0–100 แสดงเป็น **radar chart** + บอก **dominant DNA** (archetype เด่น), best-fit work, และ risk patterns พร้อมปุ่ม **export `human_skill.md`**

11 archetype: **Visionary, Strategist, Builder, Operator, Analyzer, Creator, Connector, Teacher, Challenger, Stabilizer, Finisher** (คำอธิบายแต่ละตัวดูใน [อภิธานศัพท์](#7-อภิธานศัพท์-glossary))

**ทำไมสำคัญ:** นี่คือ "ศูนย์กลาง" ของ WorkDNA — เปลี่ยนข้อมูลกระจัดกระจาย (ทักษะ + แบบประเมิน + งานจริง) ให้เป็นภาษาเดียวที่ทุกฟีเจอร์ใช้ร่วมกัน (TeamDNA, OrgDNA, Matching ล้วนพูดด้วยภาษา 11 archetype นี้) และที่สำคัญ — **ทุกคะแนนคำนวณจากกฎที่อธิบายได้** ไม่ใช่ black box (AI อาจช่วยขัดเกลาคำบรรยายเท่านั้น)

**วิธีใช้ (ขั้นตอน):**
1. กรอกทักษะ + passion ให้ครบ และทำแบบประเมิน (`/assessments`) เพื่อเพิ่มสัญญาณ
2. เปิด `/me/workdna` → ระบบ **synthesize** โปรไฟล์ (ถ้ายังไม่มี จะคำนวณให้)
3. อ่าน radar + dominant DNA + summary
4. กด **export `human_skill.md`** เพื่อได้เอกสารสะอาด ๆ (Identity, Dominant DNA, ตาราง DNA ครบ 11, Skill Matrix, Strength/Growth/Avoid zones, Best-fit work, Risk patterns)

> 💡 **ตัวอย่าง demo:** **Ploy** มี dominant DNA = **Visionary / Strategist / Creator** — สะท้อนคนที่มองภาพอนาคต วางแผนจากความคลุมเครือ และสร้างของใหม่ ทำให้เธอเหมาะกับงานกลยุทธ์ผลิตภัณฑ์มากเป็นพิเศษ

**ดูในแอป:** `/me/workdna`

![Human DNA — radar 11 archetype พร้อม dominant DNA, best-fit work และ risk patterns (/me/workdna)](images/guide/human-dna.png)

---

### 3.4 AI DNA — `/me/ai-dna`

**คืออะไร:** AI DNA คือชั้นใหม่บน Human DNA ที่ช่วยให้คุณเห็นว่า "จะเติบโตอย่างไรในโลกที่ AI เก่งขึ้น" โดยไม่ลดคุณค่าใครให้เหลือคะแนนเสี่ยงถูกแทนที่ ระบบมอง AI เป็นเครื่องมือขยายศักยภาพมนุษย์ และใช้หลัก **human decision-support only**: คนยังเป็นผู้ตัดสินใจสุดท้ายเสมอ

**AI DNA ช่วยคุณ 4 เรื่อง:**

| เรื่อง | ความหมาย |
| --- | --- |
| **เข้าใจ AI (Understand AI)** | รู้ว่า AI ถนัดงานแบบไหน เช่น ร่าง สรุป ค้นหา วิเคราะห์เบื้องต้น หรือสร้างตัวเลือกจำนวนมาก |
| **ปรับตัวกับ AI (Adapt with AI)** | ฝึกใช้ AI อย่างปลอดภัย: ตั้งโจทย์ให้ชัด ตรวจ output เป็น และรู้ว่าเมื่อไรควรหยุดใช้ |
| **ทำงานที่ AI ยังถือครองไม่ได้เต็มที่** | พัฒนา human edge เช่น judgment, trust, context, taste, ethics, accountability และการสื่อสารกับคนจริง |
| **เติบโตอย่างสม่ำเสมอ** | เปลี่ยนความกังวลเป็นแผน 90 วัน: เรียนทีละขั้น เก็บ evidence และไม่เร่งจนหมดไฟ |

**หน้า `/me/ai-dna` จะแสดงอะไร:**
- **Future Readiness Snapshot** — ระดับ AI Amplification แบบไม่ใช่คะแนนตัดสินคน, human edge เด่น 3 ด้าน, growth priorities และ confidence ของข้อมูล
- **My Task Map** — แยกงานเป็น `Automate` (งานซ้ำ/เสี่ยงต่ำที่ AI ช่วยได้), `Augment` (AI ช่วยร่าง/วิเคราะห์ แต่คุณต้องตรวจ), และ `Human-Owned` (งานที่ต้องใช้วิจารณญาณ ความไว้วางใจ จริยธรรม หรือความรับผิดชอบ)
- **Human Edge Radar** — 10 มิติ เช่น Domain Judgment, Problem Framing, Verification Rigor, Human Trust, Contextual Intelligence, Creative Taste, Ethical Accountability, Learning Agility, Workflow Orchestration และ Energy Stewardship พร้อมเหตุผลที่อธิบายได้
- **90-Day Future Growth Path** — แผนพัฒนาทีละเดือน ตั้งแต่ AI literacy + safety, workflow เฉพาะบทบาท, ไปจนถึงงาน/portfolio ที่พิสูจน์ human edge
- **AI Work Style** — วิธีใช้ AI ที่เหมาะกับคุณ พร้อม checklist ตรวจงานก่อนส่งต่อให้คนอื่น

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/me/ai-dna`
2. อ่าน snapshot ก่อน: ถ้า confidence ต่ำ ให้ถือว่าเป็น "ข้อมูลยังไม่พอ" ไม่ใช่คำตัดสิน
3. ดู Task Map แล้วเลือก 1-2 งานที่ควรให้ AI ช่วยลดงานซ้ำหรือช่วยร่าง
4. เลือก growth priority หนึ่งข้อไปคุยกับหัวหน้า/coach และเก็บ evidence จากงานจริง
5. ใช้ verification checklist ทุกครั้งเมื่อใช้ AI กับงานที่มีผลต่อคน ลูกค้า เงิน ข้อมูล หรือชื่อเสียงองค์กร

**หลักความปลอดภัยและความเป็นธรรม:** AI DNA ไม่มี **replacement score**, ไม่ใช้ **black-box AI judge**, ไม่เปิดเผยคำตอบดิบของแบบประเมินจิตวิทยา และไม่ควรถูกใช้เพื่อตีตรา/คัดออกคน คำแนะนำทั้งหมดต้องนำไปสู่การพัฒนา การวางงานที่เหมาะกว่า หรือการออกแบบงานใหม่ที่มนุษย์ยังถือ ownership ชัดเจน

**ส่วนขยาย Phase 2-3 ที่ควรตรวจเมื่อเปิดใช้:** แผน growth ใน AI DNA ควรเชื่อมกับ `/me/growth` โดยอธิบายว่าแต่ละ priority มาจาก skill gap, motivation, org demand, future importance และ human edge อย่างไร ถ้า export ผ่าน Passport หรือ `human_skill.md` ต้องเป็น **opt-in scope** เช่น `ai_dna`, `human_edge`, `task_map` และ revoke ได้เสมอ

> 💡 **ตัวอย่าง:** ถ้า AI DNA ชี้ว่า "Verification Rigor" เป็น growth priority นั่นไม่ได้แปลว่าคุณไม่เก่ง แต่แปลว่าขั้นต่อไปคือฝึกตรวจหลักฐาน edge cases และความเสี่ยงของ output ที่ AI ช่วยสร้าง เพื่อให้ AI ทำให้คุณภาพงานดีขึ้นแทนที่จะเพิ่มความเสี่ยง

**ดูในแอป:** `/me/ai-dna`

---

### 3.5 Contextual Fit — `/me/fit`

**คืออะไร:** คะแนน "ความเหมาะ" ของคุณ **ต่อบริบทหนึ่ง ๆ** — ได้แก่ role, career track, หรือ project โดยให้คะแนน 0–100 พร้อม **แยกย่อยทุก sub-score** นี่คือ **anti-ranking ในรูปธรรม:** บริบทต่างกัน → คะแนนต่างกัน

**sub-scores ที่แยกให้ดู (น้ำหนักรวม = 100, โปร่งใส):**

| Sub-score | น้ำหนัก | วัดอะไร |
| --- | --- | --- |
| `skill_fit` | 30 | ครอบคลุมทักษะที่บริบทต้องการแค่ไหน |
| `dna_fit` | 20 | DNA ตรงกับที่บริบทต้องการแค่ไหน (project เท่านั้น; role/track เป็นกลาง) |
| `interest_fit` | 10 | passion/interest บนทักษะที่ต้องการ |
| `performance_evidence` | 20 | สัญญาณ delivery + ความสม่ำเสมอจากงานจริง |
| `learning_agility` | 10 | สัญญาณการเรียนรู้ + จำนวนทักษะที่กำลังพัฒนา |
| `availability` | 10 | (ยังไม่มีข้อมูลตารางงานจริง → ใช้ค่ากลาง 70 ที่ระบุไว้ชัดเจน) |

นอกจากนี้มี **overall snapshot** — คะแนนภาพรวมที่เก็บไว้เป็น "ภาพถ่าย ณ เวลานั้น" (ไม่ใช่ตราถาวร)

**ทำไมสำคัญ:** ช่วยตอบคำถาม "ฉันเหมาะกับ track/โปรเจกต์ไหน" ด้วยเหตุผลที่กางออกดูได้ ไม่ใช่ความรู้สึก

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/me/fit`
2. เลือกบริบทที่อยากเทียบ (role / track / project)
3. อ่านคะแนนรวม + กางดู sub-score ว่าตัวไหนฉุด ตัวไหนดึง

> 💡 **ตัวอย่าง demo:** **Ploy** เปิด `/me/fit` จะเห็นความเหมาะสูงกับ track สาย AI Product และกับโปรเจกต์ **"AI Talent Platform"** เพราะ `skill_fit` + `dna_fit` + `performance_evidence` ของเธอสูงพร้อมกัน

> ⚠️ **ระวัง:** `availability` เป็นค่ากลางที่ "สมมติ" ไว้ (ยังไม่มีระบบเชื่อมตารางงาน) ระบบจะระบุให้ทราบเสมอ — อย่าตีความว่าวัดเวลาว่างจริง

**ดูในแอป:** `/me/fit`

![Contextual Fit — คะแนนความเหมาะต่อบริบทหนึ่ง ๆ พร้อมกาง sub-score ทั้ง 6 (/me/fit)](images/guide/contextual-fit.png)

### 3.5.1 Deployment Fit Index (DFI) — `/me/fit-index`

**คืออะไร:** DFI คือดัชนี "ความสอดคล้องของการวางคน" ถามคำถามเดียวว่า **ตอนนี้คนคนนี้อยู่ในงานที่ใช้จุดแข็ง มีพลัง มีความผูกพัน และได้เติบโตหรือไม่** ไม่ใช่เกรดผลงาน ไม่ใช่คะแนนคุณค่าของคน และไม่ควรใช้เป็นเหตุผลคัดออก

**DFI ทำเพื่ออะไร:**
- เห็น mismatch เร็ว ก่อนกลายเป็นหมดไฟ งานเงียบ หรือการลาออกที่ป้องกันได้
- ช่วยคุยเรื่องการปรับงานอย่างมีหลักฐาน เช่น งานไหนควรเพิ่ม งานไหนควรลด งานไหนควรให้ support
- ทำให้ "ความสุข/พลังงาน/การเติบโต" ไม่เป็นความรู้สึกลอย ๆ แต่มีมิติที่อ่านร่วมกันได้

**ผลดูอย่างไร:**

| ส่วนที่เห็น | อ่านว่าอะไร |
| --- | --- |
| **DFI band** | ภาพรวม เช่น thriving / aligned / mixed / at risk / insufficient data |
| **5 มิติ** | role fit, strengths in use, energy, engagement, growth — ดูว่ามิติไหนดึงขึ้นหรือฉุดลง |
| **confidence** | ข้อมูลที่ใช้คำนวณพอแค่ไหน ถ้าต่ำควรเก็บ evidence เพิ่มก่อนสรุป |
| **Passion type** | harmonious = ยั่งยืนกว่า, obsessive = มีพลังแต่เสี่ยง burnout ถ้านานเกิน |

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/me/fit-index`
2. อ่าน band คู่กับ confidence ก่อน อย่าอ่านเลขเดี่ยว ๆ
3. ดู 5 มิติว่าอะไรต่ำที่สุด แล้วเลือก action หนึ่งเรื่อง เช่น ลด drain work, เพิ่มงานใช้จุดแข็ง, ขอ mentor หรือปรับเป้าหมาย
4. ถ้า confidence ต่ำ ให้เพิ่มข้อมูลจาก skill matrix, passion check, wellbeing/check-in และงานจริงก่อนตัดสินใจ

> 💡 **ตัวอย่าง:** ถ้า DFI อยู่ระดับ mixed แต่ energy ต่ำและ strengths_use สูง แปลว่าเขาอาจได้ใช้ความเก่งอยู่ แต่จังหวะงาน/โหลด/บริบทกำลังดูดพลัง วิธีแก้ไม่ใช่บอกให้พยายามขึ้น แต่อาจต้องลดงาน drain หรือปรับ cadence

**ดูในแอป:** `/me/fit-index`

---

### 3.6 Growth — `/me/growth`

**คืออะไร:** **เส้นทางพัฒนาที่เรียงลำดับ (sequenced learning path)** จาก "จุดที่คุณอยู่วันนี้" ไปสู่ "career track เป้าหมาย" จัดลำดับความสำคัญและลำดับขั้นแบบ deterministic (อธิบายสูตรได้)

**ทำไมสำคัญ:** เปลี่ยน "อยากเก่งขึ้น" ที่คลุมเครือ ให้เป็นลำดับขั้นที่ทำได้จริง — เริ่มจาก **quick win** (ทักษะที่ gap เล็กและคุณมี passion) ก่อน เพื่อสร้างโมเมนตัม

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/me/growth`
2. เลือก **target track** (career-track เป้าหมาย)
3. ระบบสร้างลำดับขั้น: ทักษะไหนควรพัฒนาก่อน-หลัง พร้อมเหตุผลและผลลัพธ์ที่คาดหวัง

> 💡 **ตัวอย่าง demo:** **Boss** (Team Lead aspiring) ตั้ง target เป็น track สาย Leadership — เพราะทักษะ Leadership ของเขาอยู่ใน **Growth zone** (passion สูง, level ยังไม่สูง) เส้นทางจะแนะนำให้ไล่ปิด gap เหล่านั้นตามลำดับ

**ดูในแอป:** `/me/growth`

![Growth — เส้นทางพัฒนาที่เรียงลำดับสู่ track เป้าหมาย พร้อม priority skills และ gap (/me/growth)](images/guide/growth.png)

---

### 3.7 Coaching — `/me/coach`

**คืออะไร:** **คู่มือการสื่อสารที่สร้างจาก DNA** ของคุณ — บอกว่า "จะสื่อสาร/ทำงานกับคนแบบคุณอย่างไรให้ได้ผล" และมีโหมด **เทียบคู่ (pair guide)** บอกว่าคนสองคนทำงานร่วมกันอย่างไร จุดเสียดสีอยู่ตรงไหน

**ทำไมสำคัญ:** ลดความขัดแย้งจาก "สไตล์ต่างกัน" — หัวหน้าและเพื่อนร่วมงานเข้าใจวิธีเข้าหากันได้เร็วขึ้น

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/me/coach`
2. โหมดเดี่ยว: อ่านคู่มือสื่อสารของตัวคุณเอง
3. โหมดคู่: เลือก "อีกคน" (เช่นหัวหน้าหรือเพื่อนร่วมทีม) เพื่อดู pair guide

> 💡 **ตัวอย่าง demo:** เทียบคู่ **Nina** (Analyzer — ขับเคลื่อนด้วยข้อมูล/หลักฐาน) กับ **Ploy** (Visionary — ขับเคลื่อนด้วยภาพอนาคต) คู่มือจะเตือนว่า Nina อยากเห็นข้อมูลก่อนตัดสินใจ ส่วน Ploy อยากเห็นภาพใหญ่ — สื่อสารให้ตรงจริตจะลื่นขึ้น

**ดูในแอป:** `/me/coach`

![Coaching — คู่มือการสื่อสารที่สร้างจาก DNA: do / don't / motivators (/me/coach)](images/guide/coaching.png)

---

### 3.8 Passport — `/me/passport`

**คืออะไร:** **AI-readable profile export** — โทเค็น (token) ที่ "แชร์โปรไฟล์ที่ผ่านการยืนยันของคุณ" ออกไปให้ระบบภายนอกหรือ AI ตัวใด ๆ อ่านได้ คุณเลือกได้ว่าจะแชร์ **scope** ไหน และจะแนบไฟล์ **`human_skill.md`** ไปด้วยหรือไม่ และ **revoke (ยกเลิก) ได้ทุกเมื่อ**

แนวคิด: แทนที่จะส่ง resume แบบเดิม คุณส่ง "ลิงก์ที่ AI/ATS/ระบบภายในอ่านโปรไฟล์ที่ verified ของคุณได้โดยตรง" ในรูปแบบที่เครื่องเข้าใจ

**scope ที่เลือกแชร์ได้:**

| scope | แชร์อะไร |
| --- | --- |
| `dna` | archetype เด่น + คะแนน DNA ครบ 11 + สรุป |
| `skills` | ทักษะเด่น (top) พร้อมระดับและ zone |
| `zones` | จำนวนทักษะในแต่ละ passion zone |
| `growth` | ช่องว่างทักษะ (gaps) เทียบกับ target |

ค่าเริ่มต้นแชร์ `dna + skills + zones`

**ทำไมสำคัญ:** ให้พนักงาน **เป็นเจ้าของข้อมูลตัวเอง** และพกพา "ตัวตนการทำงานที่ verified" ไปใช้ที่อื่นได้ — โดยควบคุมได้ว่าใครเห็นอะไร และดึงคืนได้

**สำคัญด้านความปลอดภัย:** ตัวอ่านสาธารณะ(public reader) จะเปิดเฉพาะ scope ที่คุณยินยอมเท่านั้น และ **ไม่เคยเปิดเผยคำตอบดิบของแบบประเมินจิตวิทยา** มีการนับจำนวนครั้งที่ถูกอ่าน (access count) และเวลาที่ถูกอ่านล่าสุดให้คุณเห็น

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/me/passport`
2. กดสร้าง passport ใหม่ → ตั้ง **label** (เช่น "สมัครงานบริษัท X")
3. เลือก **scope** ที่จะแชร์ + ติ๊กว่าจะแนบ `human_skill.md` หรือไม่
4. คัดลอก **ลิงก์/token** ไปแชร์
5. เมื่อไม่ต้องการแล้ว กด **revoke** เพื่อปิดทันที

> 💡 **ตัวอย่าง demo:** **Ploy** ออก passport ที่แชร์ `dna + skills` แนบ `human_skill.md` แล้วส่งลิงก์ให้ระบบคัดกรองของบริษัทพันธมิตร — AI ฝั่งนั้นอ่าน dominant DNA (Visionary/Strategist/Creator) และทักษะที่ verified ได้ทันทีโดยไม่ต้องสัมภาษณ์ซ้ำ ภายหลัง Ploy กด revoke เมื่อกระบวนการจบ

> ⚠️ **ระวัง:** passport เป็น **opt-in** — ไม่มีการแชร์ใด ๆ จนกว่าคุณจะสร้างเอง และคุณ revoke ได้เสมอ

**ดูในแอป:** `/me/passport`

![Passport — ออก AI-readable profile เลือก scope ที่จะแชร์ และแนบ human_skill.md (/me/passport)](images/guide/passport.png)

---

### 3.9 งานประจำวัน — `/work/daily`

**คืออะไร:** หน้าวางแผน/บันทึกงานรายวัน (mobile-first) — check-in, เพิ่ม/รับ task, ลิงก์เข้าโปรเจกต์, ติดตามความคืบหน้า, check-out และบันทึก actual hours

**ทำไมสำคัญ:** การบันทึกงานจริงคือ **"work signal"** ที่ป้อนกลับเข้า Human DNA, Resource OS, Performance / OKR และ estimate tracking — ยิ่งใช้สม่ำเสมอ โปรไฟล์ยิ่งสะท้อนความจริง (ความสม่ำเสมอ/การส่งมอบส่งเสริม archetype สาย Operator / Finisher)

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/work/daily`
2. กด check-in / เริ่มงาน เพื่อเปิดวันทำงาน
3. เพิ่ม task ของวันนี้ หรือรับ task ที่ถูกส่งมาจาก Resource OS / Project Estimate / connector
4. อัปเดตสถานะ task ระหว่างวัน เช่น planned, active, blocked, done
5. เมื่อเลิกงาน กด check-out และใส่ actual hours / blocker / note ที่จำเป็น
6. ตรวจว่า actual กลับไปปรากฏใน Resource OS, estimate tracking หรือ OKR evidence ตามงานที่ผูกไว้

> 💡 **ตัวอย่าง demo:** persona ส่วนใหญ่มีกิจกรรมย้อนหลังหลายวัน ในขณะที่ **Nina** มีกิจกรรมเบาบาง (sparse) — สัญญาณนี้เป็นอีกองค์ประกอบที่ดันเธอเข้า retention-risk

**operating loop ที่ถูกต้อง:**

```text
Plan / estimate / assignment
  → ส่ง task มาถึง Daily Work
  → check-in
  → execute task
  → check-out + actual hours + blocker
  → Resource OS / OKR / Performance อัปเดตจาก actual
  → manager เห็น feedback และปรับแผน
```

**ดูในแอป:** `/work/daily`

---

### 3.10 แบบประเมิน — `/assessments`

**คืออะไร:** หน้าทำ **แบบประเมินจิตวิทยา (psychometric assessments)** ที่องค์กรเปิดให้ — มีหลายตระกูล เช่น personality แบบ MBTI-style, Big Five, Enneagram, strengths-style และ psytech (ทั้งหมดเป็นเนื้อหาต้นฉบับ ไม่ละเมิดเครื่องหมายการค้า)

**ทำไมสำคัญ:** ผลแบบประเมินเป็น **สัญญาณสำคัญ** ที่ป้อนเข้า Human DNA — ทำให้ archetype แม่นขึ้น (เช่นสัญญาณ extraversion ดัน Connector, สัญญาณ structure ดัน Operator/Finisher)

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/assessments`
2. เลือกแบบประเมินที่เปิดอยู่ → ทำให้จบ
3. ผลจะถูกนำไปใช้คำนวณ DNA โดยอัตโนมัติ (ดูผลที่ `/me/workdna`)

> 💡 **ตัวอย่าง demo:** ผลแบบประเมินของ **Krit** ที่เอนไปทาง structure/delivery ช่วยดัน archetype ของเขาให้เด่นที่ **Builder / Finisher / Operator**

**ดูในแอป:** `/assessments`

---

## 4. สำหรับหัวหน้า (Manager)

กลุ่มนี้ต้องเป็น **manager** หรือบทบาทยกระดับ (hr/owner) — และ manager เห็นได้เฉพาะ **ลูกทีมตรง** ของตน

### 4.1 Team Today — `/team/today`

**คืออะไร:** ภาพรวม "ทีมวันนี้" — กิจกรรม/สถานะงานของลูกทีมแต่ละคนแบบ real-time

**ทำไมสำคัญ:** ให้หัวหน้าเห็นภาระงานและความเคลื่อนไหวของทีมในจุดเดียว เพื่อช่วยเหลือ/เกลี่ยงานได้ทัน

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/team/today`
2. ดูว่าใครกำลังทำอะไร / ใครเงียบ / ใครงานล้น

> 💡 **ตัวอย่าง demo:** เข้าด้วย **Mann** (Engineering Manager, ลูกทีม 5 คน) จะเห็นความเคลื่อนไหวของ Krit, Boss, Tee และคนอื่น ๆ — สังเกตได้ว่า Nina มีกิจกรรมเบากว่าเพื่อน

**ดูในแอป:** `/team/today`

---

### 4.2 TeamDNA — `/team/dna`

**คืออะไร:** วิเคราะห์ "ทีมของหัวหน้าหนึ่งคน" ออกมาเป็น: **ความสมดุลของ archetype (balance)**, **บทบาทที่ขาด (missing roles)**, **ความเสี่ยงด้านการสื่อสาร (communication risk)**, และ **คำแนะนำ (recommendations)** พร้อม **overall fit** (คะแนนรวมแบบโปร่งใส)

**ทำไมสำคัญ:** ทีมที่เก่งไม่ใช่ทีมที่ทุกคนเหมือนกัน — แต่คือทีมที่ **ครอบคลุม working style ครบ** TeamDNA บอกว่าทีมขาดสไตล์ไหน (เช่นไม่มีใครชอบท้าทาย/ผลักดัน) และสองคนไหนสไตล์ชนกันจนเสี่ยงสื่อสารพัง

**องค์ประกอบของ overall fit (โปร่งใส):** delivery readiness + skill coverage + ความครอบคลุม archetype + ความเสี่ยงสื่อสารต่ำ (ยิ่ง balance ดีและ comm risk ต่ำ คะแนนยิ่งสูง)

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/team/dna` (หัวหน้าเห็นทีมตัวเองอัตโนมัติ; บทบาทยกระดับเลือก manager คนอื่นได้)
2. อ่าน balance ของ 11 archetype, missing roles, comm risk
3. ทำตาม recommendations (เช่น เติมคนสไตล์ที่ขาด หรือจับคู่งานเลี่ยงจุดชน)

**อ่านกราฟความสมดุลของ DNA อย่างไร:**
- คะแนนสูง = ทีมมีคน/สัญญาณงานที่ครอบคลุมสไตล์นั้นพอสมควร เช่น Builder สูงแปลว่าทีมทำของจริงขึ้นระบบได้ดี
- คะแนนต่ำ = ช่องว่างของทีม ไม่ใช่คำตัดสินว่าใครไม่เก่ง เช่น Challenger ต่ำแปลว่าทีมอาจขาดคนตั้งคำถามหรือผลักมาตรฐาน
- ทีมที่ดีไม่จำเป็นต้องคะแนนเท่ากันทุกแกน งานแต่ละชนิดต้องการ DNA ไม่เท่ากัน แต่ควรมองให้ออกว่า "งานตรงหน้า" ต้องการไทป์ไหนมากเป็นพิเศษ
- ในแอปสามารถเอาเมาส์ไปวางบนจุดหรือชื่อ archetype ในกราฟ เพื่อดูความหมาย งานที่เหมาะ จุดเด่น และสิ่งที่ควรเสริม

> 💡 **ตัวอย่าง demo:** ทีมของ **Mann** ได้ **overall 93.6** ซึ่งสูงมาก แต่ระบบชี้ว่า **missing role = Challenger** — แปลว่าทีมเก่งด้านสร้าง/ส่งมอบ/ดูแลกันดี แต่ "ขาดคนที่คอยท้าทาย ตั้งคำถามกับสถานะปัจจุบัน ผลักดันให้ไปไกลกว่าเดิม" → เป็น insight ที่ใช้ตัดสินใจจ้าง/หมุนเวียนคนได้

**ดูในแอป:** `/team/dna`

![TeamDNA — สมดุล archetype ของทีม, missing roles, communication risk และ overall fit (/team/dna)](images/guide/team-dna.png)

---

### 4.3 Project DNA + Matching — `/projects`, `/projects/[id]`

**คืออะไร:** จัดการโปรเจกต์ + ให้ AI **ร่าง "Project DNA"** (ทักษะที่ต้องการ + DNA ที่เหมาะ + บทบาทในโปรเจกต์) จากคำอธิบายโปรเจกต์ แล้ว **จับคู่คนทั้งองค์กรกับโปรเจกต์ด้วย 6 ปัจจัย** พร้อมเสนอ **suggested role** ให้แต่ละคน

**6 ปัจจัยและน้ำหนัก (รวม = 100, โปร่งใส):**

| ปัจจัย | น้ำหนัก |
| --- | --- |
| `skill` (ความครอบคลุมทักษะที่ต้องการ) | 30 |
| `dna` (DNA ตรงกับที่โปรเจกต์ต้องการ) | 25 |
| `interest` (passion บนทักษะที่ต้องการ) | 15 |
| `availability` (ค่ากลางที่สมมติไว้ = 70) | 10 |
| `learning_goal` (ทักษะที่ตั้งเป้าเรียนตรงกับงาน) | 10 |
| `performance` (สัญญาณการส่งมอบ) | 10 |

ทุกปัจจัยเป็นคะแนน deterministic 0–100 และ overall เป็นค่าถ่วงน้ำหนัก — AI อาจเพิ่มคำบรรยาย 1 บรรทัด แต่ **ไม่แตะตัวเลข**

> Project DNA ที่ AI ร่างให้ ใช้กฎ deterministic เป็นฐาน (ไม่ต้องมี API key) ถ้ามี LLM ตั้งค่าไว้จึงจะช่วยขัดเกลา — **ให้ทบทวนและปรับก่อนนำไปจับคู่เสมอ**

**ทำไมสำคัญ:** ตอบคำถาม "ใครควรอยู่ในโปรเจกต์นี้ และควรทำบทบาทอะไร" ด้วยเหตุผลที่กางดูได้ทุกปัจจัย — แทนการเลือกตามความคุ้นเคย

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/projects` → สร้างโปรเจกต์ ใส่ชื่อ + คำอธิบาย
2. ให้ AI **ร่าง Project DNA** → เปิด `/projects/[id]` ทบทวน/ปรับทักษะ-DNA-บทบาทที่ต้องการ
3. สั่ง **match** → ระบบจัดอันดับคนทั้งองค์กร best-first พร้อม suggested role และ risk summary
4. กางดู 6 ปัจจัยของแต่ละคนก่อนตัดสินใจ

> 💡 **ตัวอย่าง demo:** โปรเจกต์ **"AI Talent Platform"** (ต้องการ visionary product thinking + hands-on builders) — ผลจับคู่จัด **Ploy #1** (DNA Visionary + skill/performance สูง) ตามด้วย **Krit** ส่วน **Tee** (junior, ทักษะยังน้อย, บางทักษะอยู่ Avoid zone) อยู่ **ท้ายสุด** ย้ำว่านี่คือความเหมาะ *เฉพาะโปรเจกต์นี้* ไม่ใช่การตัดสินคุณค่าของ Tee

**ดูในแอป:** `/projects`, `/projects/[id]`

![Projects + Matching — โปรเจกต์ "AI Talent Platform" จับคู่คนทั้งองค์กร best-first ด้วย 6 ปัจจัย (/projects)](images/guide/projects-match.png)

---

### 4.4 Performance — `/performance`

**คืออะไร:** หน้าจัดการผลการปฏิบัติงานและ OKR — สร้าง objective, key result, task, check-in, review/approve, cascade ระดับองค์กร/ทีม/บุคคล และเชื่อม skill evidence เมื่อ objective จบ

**ทำไมสำคัญ:** เชื่อม "งานจริง" เข้ากับการประเมิน — performance evidence เป็นองค์ประกอบที่ปรากฏซ้ำใน Contextual Fit, Project Matching, Skill Matrix และ Resource OS ด้วย

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/performance`
2. เลือก cycle เช่น H1 / Q3 / Validation cycle
3. สร้าง objective แล้วใส่ category, weight, description และ parent objective ถ้ามี cascade
4. เพิ่ม key results, tasks และ skill ที่ objective นี้จะใช้เป็น evidence
5. กด submit เพื่อส่งขออนุมัติ
6. Manager/owner เปิด Approvals แล้ว approve หรือ request changes
7. ระหว่าง execute ให้ check-in พร้อม progress, confidence และ blocker
8. เมื่อจบ objective ให้ mark complete เพื่อบันทึก evidence กลับไปยัง skill/profile ที่เกี่ยวข้อง
9. ใช้ Reviews tab และ manager workspace เพื่อคุย performance แบบมีหลักฐาน ไม่ใช่ความรู้สึก

**ส่วนหลักที่ควรรู้:**

| ส่วน | ใช้ทำอะไร |
| --- | --- |
| **Overview** | ดู health ของ cycle, next action, rollup และ signal สำคัญ |
| **My OKR** | สร้าง/แก้/submit objective ของตัวเอง |
| **Approvals** | manager/owner approve หรือ request changes |
| **Cascade** | ดู objective parent-child ระหว่าง org/team/person |
| **Check-ins** | บันทึกความคืบหน้าและ confidence |
| **Tasks** | ผูกงานปฏิบัติการกับ objective |
| **Skills** | ผูก skill evidence กับ objective |
| **AI Draft** | ร่าง objective/key result จากบริบท แต่ต้อง review ก่อนใช้ |
| **Reviews** | ใช้สัญญาณ OKR กับ performance discussion |

**ดูในแอป:** `/performance`

---

### 4.5 Team AI DNA — `/team/ai-dna`

**คืออะไร:** มุมมอง AI DNA สำหรับหัวหน้า ใช้ดูความพร้อมของทีมต่อ AI ในระดับ **ทีมและงาน** ไม่ใช่จัดอันดับว่าใครถูกแทนที่ง่ายกว่า เส้นทางนี้เป็นความคาดหวังของ Phase 4 และต้องผ่าน QA/RBAC ก่อนถือว่า ship

**ควรแสดงอะไรเมื่อเปิดใช้:**
- **Team Future Readiness** — distribution ของ AI amplification, human-edge coverage, จุดแข็ง/ช่องว่างของทีม พร้อม confidence
- **Work Redesign Board** — งานที่ AI ช่วย automate, งานที่ควร augment, งานที่ต้อง human-owned และงานฝึกที่ควร preserve learning สำหรับคน junior
- **Development Conversations** — talking points สำหรับ 1:1 ที่โยงกับ evidence, growth priority และ burnout guardrail

**กติกาสำคัญ:** manager เห็นเฉพาะลูกทีมตรงของตน ส่วน HR/admin/owner เห็นตาม tenant scope เดิม คำแนะนำต้องใช้เพื่อ coach, redesign งาน, และวางทีมอย่างรับผิดชอบ ไม่ใช่เพื่อตัดสินคุณค่าคน

**ดูในแอป:** `/team/ai-dna` (เมื่อเปิดใช้)

---

## 5. สำหรับ HR / Admin

กลุ่มนี้ต้องเป็นบทบาทยกระดับ (**hr / owner / admin**) — มองภาพทั้งองค์กร

### 5.1 Talent Pool — `/hr/talent`

**คืออะไร:** คลังคนเก่งทั้งองค์กร — **กรอง (filter)** คนตามเงื่อนไข และดู **skill inventory** (ใครมีทักษะอะไร ระดับไหน)

**ทำไมสำคัญ:** ตอบคำถาม "เรามีคนที่ทำ X ได้ไหม / มีกี่คน / ระดับเท่าไร" ได้ทันที — พื้นฐานของการวางกำลังคนและวางแผนสรรหา

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/hr/talent`
2. ใช้ filter (เช่น ทักษะ/หมวด) ค้นหาคน
3. เจาะดูโปรไฟล์รายคนต่อได้

> 💡 **ตัวอย่าง demo:** **Hana** (Head of People) กรองหาคนที่มีทักษะ technical ระดับสูง → พบ **Krit** (manager-validated) โดดเด่น

**ดูในแอป:** `/hr/talent`

![Talent Pool — กรองคนทั้งองค์กรตามทักษะ/archetype/zone (กรองด้วย "Python") (/hr/talent)](images/guide/talent-pool.png)

---

### 5.2 Organization DNA — `/hr/org-dna`

**คืออะไร:** ภาพรวม DNA ระดับองค์กร ประกอบด้วย: **การกระจายตัวของ archetype (distribution)**, **ช่องว่างทักษะ (skill gaps)** (อุปสงค์จาก career track เทียบอุปทานของพนักงาน), **คนศักยภาพสูง (high-potential)**, และ **retention-risk / burnout radar**

**ทำไมสำคัญ:** เป็นแดชบอร์ดเชิงกลยุทธ์ของ HR/ผู้บริหาร — เห็นว่าทั้งองค์กรเอียงไปทาง archetype ไหน, ขาดทักษะอะไรเทียบกับทิศทางบริษัท, ใครคือดาวรุ่งที่ควรรักษา, และใครเสี่ยงลาออก

**สองตัวชี้วัดสำคัญ (โปร่งใส):**
- **high-potential** = ทักษะแน่น + สัญญาณการเติบโต/ส่งมอบดี + DNA เด่น + ทำงานใน strength zone เป็นหลัก
- **retention-risk ("Passion×Skill Burnout Radar")** = สัดส่วนความสามารถที่ตกใน **drain zone** (เก่งแต่ไม่ชอบ) บวกสัญญาณการเติบโตที่อ่อนลง — มี gate ว่าถ้าไม่มี "จุดแข็งที่กำลังถูกบั่นทอน" เลย ก็ไม่นับเป็น risk

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/hr/org-dna`
2. อ่าน distribution → เห็นว่าองค์กรขาดสไตล์ไหน
3. ดู skill gaps → วางแผนพัฒนา/สรรหา
4. ดู high-potential และ retention-risk → วางแผนรักษาคน

> 💡 **ตัวอย่าง demo:** OrgDNA ของ Demo Co ชี้ **high-potential = Krit และ Ploy** ส่วน **retention-risk = Nina (คะแนน 74)** — สอดคล้องกับที่ทักษะหลักของ Nina ตกใน drain zone และกิจกรรมเบาบาง HR จึงควรเข้าไปคุยเรื่องการปรับงานก่อนสาย

**ดูในแอป:** `/hr/org-dna`

![Organization DNA — distribution ระดับองค์กร, skill gaps, high-potential และ retention-risk (/hr/org-dna)](images/guide/org-dna.png)

### 5.2.1 DFI Validation — `/hr/fit-validation`

**คืออะไร:** หน้าตรวจสอบว่า DFI ที่เราเก็บเป็น snapshot **สัมพันธ์กับผลลัพธ์จริงขององค์กรไหม** เช่น การรักษาพนักงาน สุขภาวะ และความคืบหน้า OKR นี่คือชั้นหลักฐาน ไม่ใช่หน้าขายฝัน

**ทำเพื่ออะไร:** ถ้า WorkDNA บอกว่า "วางคนให้ถูก งานจะดีขึ้น" เราต้องพิสูจน์อย่างซื่อสัตย์ว่าข้อมูลในองค์กรนี้สนับสนุนแค่ไหน และยังอ่อนตรงไหน

**อ่านผลอย่างไร:**

| สิ่งที่เห็น | ความหมาย |
| --- | --- |
| **สรุปหลักฐาน** | ประโยคสรุปสถานะตอนนี้ พร้อมจำนวนพนักงานที่มี snapshot |
| **Pearson r** | ค่า correlation ระหว่าง predictor กับ outcome: บวก = ไปทางเดียวกัน, ลบ = สวนทาง, ใกล้ 0 = แทบไม่สัมพันธ์ |
| **n** | จำนวนข้อมูลใน cell นั้น ถ้าน้อยเกินไปอย่าเพิ่งตีความ |
| **สีเขียว / แดง / เทา** | เขียวสัมพันธ์ทางบวก แดงสัมพันธ์ทางลบ เทาคือข้อมูลยังไม่พอหรือไม่มีนัยสำคัญพอ |
| **Longitudinal validation** | หลักฐานตามเวลา แข็งแรงกว่าตารางตัดขวาง เพราะดูว่า snapshot ก่อนหน้าทำนายผลภายหลังได้ไหม |

**กติกาความซื่อสัตย์:** correlation ไม่ใช่ causal proof ค่า r สูงไม่ได้แปลว่า DFI ทำให้เกิดผลลัพธ์โดยตรง และค่า r ต่ำไม่ได้แปลว่าคอนเซปต์ผิดเสมอไป อาจเป็นเพราะ n น้อย ข้อมูลไม่ครบ หรือ outcome ยังวัดไม่ดีพอ

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/hr/fit-validation`
2. อ่านสรุปหลักฐานก่อน อย่าดูสีในตารางอย่างเดียว
3. เช็ค n ทุก cell ก่อนตีความ
4. ถ้าผลยังอ่อน ให้เก็บ snapshot ต่อเนื่อง ไม่รีบ claim
5. ใช้ผลเพื่อปรับ model/ข้อมูล/การวางงาน ไม่ใช่เพื่อสรุปคุณค่าของพนักงานรายบุคคล

**ดูในแอป:** `/hr/fit-validation`

---

### 5.3 Recruitment — `/recruitment`

**คืออะไร:** **Recruitment OS** คือระบบสรรหาแบบ E2E ที่เริ่มจาก "งานจริงที่องค์กรต้องทำ" ไม่ใช่เริ่มจากประกาศงานลอย ๆ ระบบเชื่อม **Resource gap**, **OKR / project demand**, **Skill Requirement Matrix**, **Candidate Skill Passport**, แบบทดสอบ optional, structured interview, decision room และ onboarding loop เข้าด้วยกัน

**ทำไมสำคัญ:** ATS ทั่วไปมักจบที่ pipeline และ resume keyword แต่ WorkDNA ช่วยตอบคำถามที่ยากกว่า: ทีมต้องการ skill อะไรจริง, ผู้สมัครพิสูจน์ skill นั้นจากหลักฐานไหน, interview panel ให้คะแนนตรง rubric เดียวกันไหม, และถ้าจ้างแล้วคนนี้จะต่อเข้ากับ Passport / Skill Matrix / Resource OS อย่างไร

#### Flow การใช้งานจริง

1. **เริ่มจาก demand:** ใช้สัญญาณจาก Resource OS, OKR, project backlog หรือ unit plan เพื่อระบุว่าทีมขาด capacity/skill ตรงไหน
2. **สร้าง requisition:** ใส่ role, seniority, business reason, target unit, hiring priority และ timeline
3. **กำหนด Skill Requirement Matrix:** แยก must-have, nice-to-have, growth skill, soft skill และ AI skill พร้อมน้ำหนักและหลักฐานที่รับได้
4. **เปิด Candidate Skill Passport:** รวม resume, portfolio, project evidence, assessment result, work sample และ consent scope ของผู้สมัคร
5. **เลือกแบบทดสอบตามตำแหน่ง:** เช่น soft skill, AI skill, technical screen หรือ case exercise เป็น option ไม่ใช่บังคับทุกตำแหน่ง
6. **Pre-interview match:** AI สรุป match/gap ด้วยเหตุผลและ evidence แต่ยังไม่ใช่คำตัดสิน
7. **Structured interview:** คนสัมภาษณ์ให้คะแนนตาม skill เดียวกับที่ตำแหน่งต้องการ พร้อม note หลักฐาน ไม่ใช่ความรู้สึกลอย ๆ
8. **Decision room:** ดู pipeline, panel feedback, risk/guardrail, offer/hold/reject rationale และ next action
9. **หลังตัดสินใจ:** คนที่รับเข้าจะต่อเข้าสู่ onboarding, Skill Matrix, Human DNA, Passport และ Resource OS; คนที่ยังไม่ใช่รอบนี้เก็บเป็น talent pool ได้

#### ดูผลอย่างไร

| สิ่งที่เห็น | วิธีอ่าน |
| --- | --- |
| **Match score** | สัญญาณเบื้องต้นจาก skill/evidence เทียบ requirement ไม่ใช่คะแนนคุณค่าของคน |
| **Skill gap** | ช่องว่างที่ต้องถามเพิ่ม ทดสอบเพิ่ม หรือออกแบบ onboarding ถ้าจ้าง |
| **Assessment option** | เปิดเฉพาะเมื่อช่วยลดความไม่แน่นอน เช่น AI skill สำหรับ role ที่ต้องใช้ AI จริง |
| **Interview scorecard** | คะแนนหลังสัมภาษณ์ที่โยงกลับไปหา Skill Requirement Matrix |
| **Decision rationale** | เหตุผลสุดท้ายต้องอ้าง requirement + evidence + panel feedback ไม่ใช้ AI/DNA/FEG เป็นเหตุผลเดียว |

#### จุดต่างของ WorkDNA

- **Skill เป็น backbone:** requirement, assessment, interview และ onboarding ใช้ skill model เดียวกัน
- **Candidate Skill Passport:** ผู้สมัครมีข้อมูลเชิงหลักฐานก่อนสัมภาษณ์ และต่อยอดเป็น employee passport ได้หลังจ้าง
- **FEG / Archetype / DNA เป็น advisory:** ใช้เพื่อออกแบบงาน ทีม และ growth plan ไม่ใช่เครื่องคัดออกอัตโนมัติ
- **Human-centered decision:** AI ช่วยอ่านหลักฐานและชี้ช่องว่าง แต่คนยังรับผิดชอบคำตัดสินสุดท้าย
- **เชื่อม Resource OS:** ตำแหน่งที่เปิดควรโยงกับ capacity/skill gap จริง และหลังจ้างต้องเห็นผลต่อแผนกำลังคน

> 💡 **ตัวอย่าง demo:** ทีมเปิดตำแหน่งจาก skill gap ของโปรเจกต์ Atlas → ระบบสร้าง requirement matrix สำหรับ Backend + AI workflow → ผู้สมัครทำ technical/AI screen เฉพาะส่วนที่จำเป็น → panel ให้คะแนนด้วย scorecard เดียวกัน → Decision room สรุปว่าเลือก candidate เพราะ evidence ตรง must-have และมี onboarding plan สำหรับ growth skill

**ดูในแอป:** `/recruitment`

**วิดีโออธิบายในแอป:** Landing page และ `/guide` ฝังไฟล์ `frontend/public/brand/workdna-recruitment-os-th.mp4` พร้อม poster `frontend/public/brand/workdna-recruitment-os-poster.png`

**Video brief / script สำหรับผลิตซ้ำ:** `docs/WorkDNA_Recruitment_OS_Video_Brief.md`

---

### 5.4 Assessment Studio — `/assessments/studio`

**คืออะไร:** เครื่องมือ (admin) สำหรับ **จัดการคลังแบบประเมิน** — เลือก/เปิดใช้ชุดแบบประเมินจิตวิทยาให้พนักงานทำ (ตระกูล MBTI-style, Big Five, Enneagram, strengths-style, psytech — เนื้อหาต้นฉบับทั้งหมด)

**ทำไมสำคัญ:** ควบคุมว่าจะใช้แบบประเมินชุดไหนเป็น "สัญญาณ" ป้อนเข้า Human DNA ขององค์กร

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/assessments/studio` (ต้องเป็น admin)
2. เลือก/เปิดใช้ชุดแบบประเมินที่ต้องการ
3. พนักงานจะเห็นและทำได้ที่ `/assessments`

**ดูในแอป:** `/assessments/studio`

---

### 5.5 Admin / Audit / สมาชิก + บทบาท + เชิญ

**คืออะไร:** ส่วนผู้ดูแลระบบ — จัดการ **สมาชิก**, **บทบาท**, **ทีม**, **SSO/SCIM**, **data import/export**, **integrations**, **API keys**, **billing**, และดู **Audit log** (`/audit`) บันทึกกิจกรรมสำคัญในระบบ

**ทำไมสำคัญ:** ควบคุมว่าใครอยู่ในองค์กร ใครมีสิทธิ์ระดับไหน และตรวจสอบย้อนหลังได้ว่าใครทำอะไร (governance + ความรับผิดชอบ)

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/admin` (owner/admin เท่านั้น)
2. เชิญสมาชิกด้วย email → กำหนดบทบาท (employee/manager/hr)
3. ปรับบทบาท/นำสมาชิกออกได้
4. ตั้งค่า SSO/SCIM ที่ `/admin/sso` ถ้าองค์กรใช้ identity provider
5. นำเข้าข้อมูลจาก template/CSV/XLSX ที่ `/admin/import` หรือ import/export ราย dataset ที่ `/admin/data`
6. เชื่อม HCM/LMS/Project tools/webhook/xAPI ที่ `/admin/integrations`
7. สร้าง/revoke API keys ที่ `/admin/api-keys` เฉพาะกรณี integration ที่จำเป็น
8. ดู billing/subscription ที่ `/admin/billing`
9. ตรวจสอบกิจกรรมย้อนหลังที่ `/audit`

**หน้า admin ที่ควรรู้:**

| หน้า | Route | ใช้ทำอะไร | ข้อควรระวัง |
| --- | --- | --- | --- |
| Admin home | `/admin` | ภาพรวม tenant, members, role setup | role สูงควรให้เท่าที่จำเป็น |
| Admin AI DNA | `/admin/ai-dna` | taxonomy, playbook, privacy/governance ของ AI DNA | ห้ามสร้าง replacement score |
| Prompt Studio | `/admin/prompt-studio` | จัดการ prompt templates สำหรับบทบาทต่าง ๆ | template ต้องมี guardrail และ locale ครบ |
| SSO / SCIM | `/admin/sso` | ตั้งค่า OIDC และ SCIM token | copy secret/token ครั้งเดียว เก็บใน vault |
| Data | `/admin/data` | import/export CSV/JSON dataset | ตรวจ tenant scope และข้อมูลส่วนบุคคลก่อน export |
| Import | `/admin/import` | ดาวน์โหลด template และ upload workbook หลาย sheet | อ่าน created/updated/skipped/errors ทุกครั้ง |
| Integrations | `/admin/integrations` | connection, webhook, roster sync, writeback, mappings, xAPI | ทดสอบ sandbox ก่อน production |
| API Keys | `/admin/api-keys` | สร้าง/revoke key สำหรับ automation | ตั้งชื่อ key ให้ระบุ owner/use case และ revoke เมื่อเลิกใช้ |
| Billing | `/admin/billing` | subscription, payment, plan visibility | จำกัดเฉพาะ owner/admin |
| Audit | `/audit` | ตรวจ log กิจกรรมสำคัญ | ใช้ประกอบ incident/review |

> 💡 **ตัวอย่าง demo:** **Aria** (owner) เชิญพนักงานใหม่ กำหนดให้ Mann เป็น **manager** และผูกลูกทีม 5 คนเข้ากับเขา → ทำให้ Mann เห็น Team Today/TeamDNA ของทีมตน

**ดูในแอป:** `/admin`, `/admin/sso`, `/admin/data`, `/admin/import`, `/admin/integrations`, `/admin/api-keys`, `/admin/billing`, `/audit`

---

### 5.6 AI Readiness + Governance — `/hr/ai-readiness`, `/admin/ai-dna`

**สำหรับ HR / L&D (`/hr/ai-readiness`):** ภาพรวมความพร้อมด้าน AI ระดับองค์กร เช่น heatmap ตามทีม/role family, future skill demand, role playbook และ L&D campaign 30/60/90 วัน ใช้เพื่อวางแผน upskill และ mobility โดยต้องมี confidence label และปกป้องกลุ่มคนจำนวนน้อย

**สำหรับ Admin (`/admin/ai-dna`):** ตั้งค่า governance ของ AI DNA เช่น taxonomy ทักษะอนาคต, role AI playbook, passport scope controls, privacy controls และ audit/explainability logs ทุกการเปลี่ยนแปลงต้อง tenant-scoped และบันทึก audit log

**สำหรับ Production Ops:** หลัง deploy หรือ rollback ให้ใช้ runbook `docs/Codex_AI_DNA_Production_Runbook_2026-06-09.md` และ smoke script `scripts/smoke_ai_dna.sh` เพื่อตรวจ health-safe routes, unauthenticated fail-closed API behavior และ log signal ของ AI DNA โดยไม่ใช้ข้อมูลพนักงานจริง

**กติกาสำคัญ:** HR/Admin ไม่ควรใช้ AI DNA เป็นเครื่องมือคัดออกคน คำแนะนำต้องอ้าง source signals แบบรวมกลุ่มหรือจำกัดสิทธิ์ตามบทบาท ไม่เปิด raw psychometric answers และไม่ข้าม tenant

**ดูในแอป:** `/hr/ai-readiness`, `/admin/ai-dna` (เมื่อเปิดใช้)

**operating loop ที่ถูกต้องสำหรับ AI Readiness:**

```text
Role family / org demand
  → readiness heatmap + skill demand
  → review training plan
  → create campaign
  → assign employees
  → employees practice in /me/training
  → N/M practiced <dimension> + belt/evidence update
  → HR adjusts campaign and playbook
```

---

## 6. AI Agents — `/ai`

**คืออะไร:** ศูนย์รวม **AI agents** ของ WorkDNA ไว้หลัง orchestrator เดียว ที่หน้า `/ai` คุณเลือก agent → กรอก input ที่มันต้องการ → กด invoke → อ่านผล agent แต่ละตัวคือ "ประตูทางลัด" ไปยังเครื่องยนต์เบื้องหลังฟีเจอร์ต่าง ๆ (ใช้ engine เดียวกับหน้าฟีเจอร์ ไม่ได้คำนวณซ้ำ)

**ใครเรียกได้ (scope):** ระบบบังคับสิทธิ์ตาม scope ของแต่ละ agent
- **self** — สมาชิกทุกคนเรียกได้ (ดูของตัวเอง; จะดูคนอื่นต้องเป็นหัวหน้าตรงหรือบทบาทยกระดับ)
- **manager** — เป็น manager หรือบทบาทยกระดับ
- **hr** — บทบาทยกระดับ (owner/admin/hr) เท่านั้น

| # | Agent | ทำอะไร | scope | input หลัก |
| --- | --- | --- | --- | --- |
| 1 | **Human DNA** (`human_dna`) | สังเคราะห์/อ่านโปรไฟล์ DNA 11 มิติของพนักงาน | self | employee (เว้นว่าง = ตัวเอง), action: synthesize/get |
| 2 | **Skill Matrix** (`skill_matrix`) | ทักษะของพนักงานจัดกลุ่มตามหมวด + ระดับ + หลักฐาน | self | employee |
| 3 | **Career Fit** (`career_fit`) | จัดอันดับพนักงานกับทุก career track ด้วย % ความเหมาะ | self | employee |
| 4 | **Project Matching** (`project_matching`) | จัดอันดับพนักงานทุกคนกับโปรเจกต์ด้วย 6 ปัจจัย | manager | project (ต้องมี Project DNA) |
| 5 | **Team DNA** (`team_dna`) | วิเคราะห์ทีมของหัวหน้า: balance / coverage / comm risk | manager | manager (เว้นว่าง = ทีมตัวเอง) |
| 6 | **Growth Path** (`growth`) | เส้นทางพัฒนาเรียงลำดับสู่ track เป้าหมาย | self | employee, target track |
| 7 | **Coaching Guide** (`coaching`) | วิธีสื่อสารกับคนหนึ่งคน หรือคู่มือทำงานเป็นคู่ | self | employee, (อีกคน = optional) |
| 8 | **Organization DNA** (`org_dna`) | ภาพรวมทั้ง tenant: distribution, skill gaps, hipo, retention | hr | (ไม่มี) |
| 9 | **Candidate Match** (`candidate_match`) | จัดอันดับผู้สมัครภายนอกกับ requisition ที่เปิดอยู่ | hr | requisition |
| 10 | **AI DNA** (`ai_dna`, Phase 7 expectation) | สังเคราะห์ AI DNA, task map, growth plan และ team readiness แบบ deterministic-first | self/manager/hr ตาม action | action: synthesize/get/task_map/growth_plan/team_readiness |

**วิธีใช้ (ขั้นตอน):**
1. เปิด `/ai` → เลือก agent จาก catalog (ระบบจะแสดงเฉพาะตัวที่บทบาทคุณเรียกได้ และบอก `can_invoke`)
2. กรอกฟอร์ม input ที่ agent นั้นต้องการ (เว้น employee ว่างไว้ = ตัวคุณเอง / ใส่ "me")
3. กด invoke → อ่านผลในตัวแสดงผล (เชื่อมโยงลึกไปยังหน้าฟีเจอร์ที่เกี่ยวข้องได้)

> 💡 **ตัวอย่าง demo:**
> - **Mann** เรียก **Team DNA** (เว้น manager ว่าง) → ได้ผลเดียวกับหน้า `/team/dna`: overall 93.6, missing role = Challenger
> - **Hana** เรียก **Organization DNA** → high-potential = Krit/Ploy, retention-risk = Nina (74)
> - **Ploy** เรียก **Human DNA** (action = get) → dominant = Visionary/Strategist/Creator

> ⚠️ **ระวัง:** ถ้าเรียก agent ที่ scope สูงกว่าบทบาท หรือชี้ไปยังพนักงานที่คุณไม่มีสิทธิ์ดู ระบบจะปฏิเสธ (403) — เป็นไปตามกฎความเป็นส่วนตัวเดียวกับทั้งระบบ

> Phase 7 expectation: `ai_dna` agent ต้องใช้ service/RBAC เดียวกับหน้า `/me/ai-dna`, `/team/ai-dna`, `/hr/ai-readiness` และ LLM ใช้ได้เฉพาะเขียนคำอธิบายหรือ coaching เท่านั้น ถ้า LLM ใช้ไม่ได้ ระบบยังควรตอบผล deterministic ที่ผู้ใช้มีสิทธิ์ดูได้

**ดูในแอป:** `/ai`

![AI Agents — คอนโซลรวม 9 agent หลัง orchestrator เดียว เลือก agent แล้วกด invoke (/ai)](images/guide/ai-agents.png)

---

## 7. อภิธานศัพท์ (Glossary)

### 11 DNA Archetypes (มาตรฐานสากล)

ใช้ archetype เป็น "ภาษาในการวางงานและทีม" ไม่ใช่ป้ายตัดสินคน คนหนึ่งคนมีได้หลายไทป์ และไทป์เดียวกันในบริบทต่างกันอาจให้ผลลัพธ์ต่างกัน จุดสำคัญคือดูว่า **งานตรงหน้าต้องการพลังแบบไหน** และทีมมีพลังนั้นพอหรือยัง

```mermaid
flowchart LR
  A["Direction<br/>Visionary + Strategist"] --> B["Build<br/>Builder + Creator"]
  B --> C["Operate<br/>Operator + Finisher"]
  C --> D["Learn<br/>Analyzer + Teacher"]
  D --> E["Connect<br/>Connector + Stabilizer"]
  E --> F["Challenge<br/>Challenger"]
  F --> A
```

| Archetype | เข้าใจง่าย | เหมาะกับงานประเภทไหน | จุดเด่นที่เติมให้ทีม | ควรเสริมหรือจับคู่กับ |
| --- | --- | --- | --- | --- |
| **Visionary** | คนเห็นภาพอนาคตและทิศทาง | direction, product vision, market shift, งานเริ่มต้นจากความไม่ชัด | ทำให้ทีมเห็นว่าเรากำลังไปไหนและทำไมต้องไป | Strategist / Operator เพื่อแปลงภาพใหญ่เป็นลำดับงาน |
| **Strategist** | คนจัดลำดับและเลือก trade-off | roadmap, prioritization, portfolio, operating model | ทำให้การเลือกมีเหตุผล และรู้ว่าอะไรควรทำก่อน/หลัง | Builder / Connector เพื่อให้แผนเกิดจริงและคน buy-in |
| **Builder** | คนทำของจริงขึ้นมาได้ | engineering, prototype, system, tool, launch execution | เปลี่ยนไอเดียเป็นสิ่งที่ใช้ได้และทดสอบได้ | Visionary เพื่อทิศทาง และ Finisher เพื่อปิดคุณภาพ |
| **Operator** | คนเดินระบบให้ราบรื่น | operations, SOP, cadence, handoff, service reliability | ลดความวุ่นวาย ทำให้งานคาดการณ์ได้ | Challenger / Creator เพื่อไม่ให้ระบบนิ่งเกินไป |
| **Analyzer** | คนอ่านข้อมูลและหลักฐาน | analytics, research, diagnostics, QA, forecast | แยก signal จาก noise ทำให้ตัดสินใจแม่นขึ้น | Connector / Teacher เพื่อให้ insight กลายเป็น action |
| **Creator** | คนสร้างไอเดียและประสบการณ์ใหม่ | brand, design, campaign, content, concept | เปิดทางเลือกใหม่เมื่อวิธีเดิมไม่พอ | Strategist / Finisher เพื่อให้ไอเดียมี focus และจบสวย |
| **Connector** | คนเชื่อมคนและบริบท | stakeholder alignment, partnership, sales, cross-team work | ทำให้ข้อมูลไหล ลดการทำงานแบบ silo | Analyzer เพื่อหลักฐาน และ Operator เพื่อ follow-up |
| **Teacher** | คนทำให้คนอื่นเก่งขึ้น | onboarding, enablement, coaching, documentation | เปลี่ยนความรู้ส่วนบุคคลเป็น capability ของทีม | Builder / Operator เพื่อผูกการเรียนรู้กับงานจริง |
| **Challenger** | คนตั้งคำถามและผลักมาตรฐาน | innovation pressure, turnaround, risk review, negotiation | กันไม่ให้ทีมพอใจกับคำตอบที่ยังไม่ดีพอ | Stabilizer / Connector เพื่อให้การท้าทายไม่ทำลาย trust |
| **Stabilizer** | คนประคองความนิ่งและความไว้ใจ | people leadership, incident recovery, quality culture | รักษาความต่อเนื่องและ psychological safety ตอนกดดัน | Challenger / Visionary เพื่อให้ความนิ่งยังพาทีมเดินหน้า |
| **Finisher** | คนปิดงานให้เสร็จจริง | QA closure, launch readiness, compliance, acceptance | ดูแลไมล์สุดท้าย รายละเอียด และนิยามคำว่า done | Creator / Visionary เพื่อไม่ให้ปิดงานเร็วเกิน ambition |

### ศัพท์อื่น ๆ

- **Passion Zones** — 4 ช่องจากแกน skill × passion: **strength** (เก่ง+ชอบ), **growth** (อยากทำแต่ยังไม่เก่ง), **drain** (เก่งแต่ไม่ชอบ → เสี่ยง burnout), **avoid** (ไม่เก่งและไม่ชอบ)
- **Effective level** — ระดับทักษะที่น่าเชื่อถือที่สุด = ค่าสูงสุดของ self/manager/validated (0–5); ไม่เคยถูกประเมิน = 0
- **Contextual / Anti-ranking score** — คะแนน "ความเหมาะกับบริบทหนึ่ง ๆ" (role/track/project) ไม่ใช่คะแนนถาวรเดียว บริบทต่างกัน → คะแนนต่างกัน และกางดู sub-score ได้ทุกตัว
- **Career track** — เส้นทางอาชีพที่มีชุดทักษะ + ระดับเป้าหมายกำกับ ใช้เป็น "บริบท" ของ fit และเป็น "เป้าหมาย" ของ growth path
- **Project DNA** — โปรไฟล์ของโปรเจกต์ (ทักษะที่ต้องการ + DNA ที่เหมาะ + บทบาท) ที่ AI ร่างให้จากคำอธิบาย ใช้เป็นฐานของการจับคู่คน
- **`human_skill.md`** — เอกสาร AI-readable ที่สรุปตัวตนการทำงานของคน (Identity, Dominant DNA, ตาราง DNA 11 มิติ, Skill Matrix, zones, best-fit, risk) — แกนกลางของทั้งระบบ และเป็นสิ่งที่ Passport ใช้แชร์
- **Passport** — โทเค็นที่แชร์ `human_skill.md` / โปรไฟล์ที่ verified ออกไปให้ AI/ระบบภายนอกอ่าน เลือก scope ได้ และ revoke ได้

---

## 8. ทัวร์ตามบทบาท (Role Tour)

เดินทีละ persona ครอบคลุมทุกฟีเจอร์ ด้วยตัวเลข demo จริง

### 👑 Aria — Owner (`demo.owner@workdna.app`)
1. `/admin` — เชิญสมาชิก, กำหนดบทบาท (ตั้ง Mann เป็น manager + ผูกลูกทีม), ดูภาพรวมองค์กร
2. `/audit` — ตรวจสอบกิจกรรมย้อนหลัง
3. `/hr/org-dna` — ดู high-potential (**Krit/Ploy**) และ retention-risk (**Nina 74**) เพื่อวางกลยุทธ์คน
4. เข้าถึงทุกหน้าได้เหมือน HR/manager (สิทธิ์สูงสุด)

### 🧑‍💼 Hana — HR (`demo.hr@workdna.app`)
1. `/hr/talent` — กรองคลังคนเก่ง, ดู skill inventory
2. `/hr/org-dna` — distribution, skill gaps, hipo, burnout radar
3. `/recruitment` — เปิด **"Senior Backend Engineer"** + 4 ผู้สมัคร → **Casey Strong** นำ
4. `/assessments/studio` — จัดการคลังแบบประเมิน
5. `/ai` → **Organization DNA** / **Candidate Match**

### 👨‍💻 Mann — Manager (`demo.manager@workdna.app`, ลูกทีม 5 คน)
1. `/team/today` — ภาพรวมทีมวันนี้ (เห็น Nina เงียบกว่าเพื่อน)
2. `/team/dna` — **overall 93.6**, **missing role = Challenger** → คิดเรื่องเติมคนสไตล์ท้าทาย
3. `/projects` → `/projects/[id]` — ให้ AI ร่าง Project DNA ของ "AI Talent Platform" แล้ว match: **Ploy #1**, Tee ท้ายสุด
4. `/performance` — ทบทวนผลงานทีม
5. `/ai` → **Team DNA** / **Project Matching** / **Coaching** (เทียบคู่ลูกทีม)

### ⭐ Ploy — Employee, Visionary, strength zone, high-potential (`demo.ploy@workdna.app`)
1. `/me/skills` — ทักษะ Product/Strategy ระดับสูง + passion สูง
2. `/me/passion` — ทักษะหลักอยู่ **Strength zone**
3. `/me/workdna` — dominant = **Visionary/Strategist/Creator**, export `human_skill.md`
4. `/me/fit` — fit สูงกับ track AI Product + โปรเจกต์ AI Talent Platform
5. `/me/passport` — ออก passport แชร์ `dna+skills` + แนบ `human_skill.md` → revoke เมื่อจบ

### 🛠️ Krit — Employee, Builder, manager-validated, high-potential (`demo.krit@workdna.app`)
1. `/me/skills` — ทักษะ technical หลายตัว **manager-validated** (น่าเชื่อถือสูง)
2. `/me/workdna` — dominant = **Builder/Finisher/Operator**
3. ปรากฏใน `/hr/org-dna` ในฐานะ **high-potential** เคียงกับ Ploy
4. ติดอันดับสูงในการ match โปรเจกต์ AI Talent Platform (รองจาก Ploy)

### 📊 Nina — Employee, Analyzer, drain zone → retention risk (`demo.nina@workdna.app`)
1. `/me/skills` — Analytical/Data ระดับสูง **แต่ passion ต่ำ**
2. `/me/passion` — ทักษะหลักตกใน **Drain zone** ⚠️
3. `/work/daily` — กิจกรรมเบาบาง (sparse)
4. ผลรวม → `/hr/org-dna` จัดเป็น **retention-risk คะแนน 74** → HR ควรเข้าไปปรับงาน
5. `/me/coach` — เทียบคู่กับ Ploy เพื่อเข้าใจสไตล์ที่ต่างกัน (ข้อมูล vs วิสัยทัศน์)

### 🤝 Boss — Employee, Connector, growth zone (`demo.boss@workdna.app`)
1. `/me/passion` — ทักษะ Leadership อยู่ **Growth zone** (passion สูง, level ยังไม่สูง)
2. `/me/workdna` — dominant = **Connector/Teacher**
3. `/me/growth` — ตั้ง target track สาย Leadership → ได้ลำดับขั้นพัฒนา เริ่มจาก quick win

### 🌱 Tee — Junior, avoid zone + ช่องว่างทักษะใหญ่ (`demo.tee@workdna.app`)
1. `/me/skills` — ทักษะยังน้อย, ระดับต่ำ, มี gap ใหญ่
2. `/me/passion` — บางทักษะตกใน **Avoid zone**
3. `/projects/[id]` (เมื่อ Mann match โปรเจกต์ AI Talent Platform) — Tee อยู่ **ท้ายสุด** *เฉพาะบริบทนี้*
4. `/me/growth` — ใช้วางแผนปิด gap ทีละขั้น (anti-ranking: บริบทที่ใช่ของ Tee คือการเติบโต ไม่ใช่ถูกตัดออก)

---

## 9. ความเป็นส่วนตัว (Privacy & PDPA)

WorkDNA ออกแบบโดยให้ความเป็นส่วนตัวเป็นค่าเริ่มต้น:

- **Multi-tenant + RLS (Row-Level Security):** ข้อมูลทุกแถวถูกผูกกับ tenant และถูกกรองด้วย RLS — องค์กรหนึ่งไม่มีทางเห็นข้อมูลอีกองค์กร ทุก query มี tenant scope กำกับ
- **การเข้าถึงตามบทบาท + หัวหน้าตรง:** คุณดู/วิเคราะห์คนอื่นได้ก็ต่อเมื่อเป็นตัวเอง / เป็นหัวหน้าตรงของเขา / หรือเป็นบทบาทยกระดับ (owner/admin/hr) — บังคับทั้งในหน้าเว็บและใน AI Agents
- **Passport เป็น opt-in + revoke ได้:** ไม่มีการแชร์โปรไฟล์ออกนอกระบบจนกว่าพนักงาน **สร้าง passport เอง** เลือก scope เอง และ **ยกเลิก (revoke) ได้ทุกเมื่อ** ตัวอ่านสาธารณะเปิดเฉพาะ scope ที่ยินยอม และ **ไม่เคยเปิดเผยคำตอบดิบของแบบประเมินจิตวิทยา**
- **AI DNA เป็น decision-support:** ใช้ derived signals เท่านั้น, ไม่มี raw psychometric answers, ไม่มี replacement score, และ HR/Admin views ต้อง aggregate หรือจำกัดสิทธิ์เมื่อกลุ่มเล็กเกินไป
- **โปร่งใส + ตรวจสอบได้:** ทุกคะแนนมีสูตรอธิบายได้ และกิจกรรมสำคัญถูกบันทึกใน **Audit log** (`/audit`)
- **PDPA:** ด้วยหลัก opt-in, สิทธิ์เจ้าของข้อมูล (พนักงานควบคุม passport ของตน), การจำกัดการเข้าถึงตามความจำเป็น และการบันทึกกิจกรรม WorkDNA สอดรับแนวทางคุ้มครองข้อมูลส่วนบุคคล

> ⚠️ **ระวัง:** AI ใน WorkDNA "ช่วยตัดสินใจ ไม่ตัดสินแทน" — การตัดสินใจที่มีผลกับคน (จ้าง/เลื่อน/ย้าย) ควรมีมนุษย์เป็นผู้ตัดสินใจสุดท้ายเสมอ

---

## 10. ตาราง Quick Reference

| ฟีเจอร์ (Feature) | Route | ใครใช้ |
| --- | --- | --- |
| Onboarding | `/onboarding` | ทุกคน; admin เห็น setup เพิ่ม |
| Dashboard | `/dashboard` | ทุกคน |
| User Guide | `/guide/user-guide` | ทุกคน |
| AI Agents | `/ai` | ทุกคน (ตาม scope ของแต่ละ agent) |
| Daily Work (งานประจำวัน) | `/work/daily` | พนักงาน |
| Assessments (แบบประเมิน) | `/assessments` | พนักงาน |
| **Skill Matrix** | `/me/skills` | พนักงาน |
| **Passion Zones** | `/me/passion` | พนักงาน |
| **Human DNA** (+ export `human_skill.md`) | `/me/workdna` | พนักงาน |
| **AI DNA** | `/me/ai-dna` | พนักงาน |
| **Prompt Master** | `/me/prompts` | พนักงาน |
| **AI Super Training** | `/me/training` | พนักงาน |
| **Contextual Fit** | `/me/fit` | พนักงาน |
| **DFI / Fit Index** | `/me/fit-index` | พนักงาน |
| **Growth** | `/me/growth` | พนักงาน |
| **Coaching** | `/me/coach` | พนักงาน |
| **Passport** (AI-readable export) | `/me/passport` | พนักงาน |
| Profile / Settings / Notifications | `/profile`, `/settings`, `/notifications` | ทุกคน |
| Team Today | `/team/today` | manager+ |
| **TeamDNA** | `/team/dna` | manager+ |
| **DNA Constellation** | `/teamdna/graph` | manager+ |
| Team AI DNA | `/team/ai-dna` | manager+ (เมื่อเปิดใช้) |
| Team & Roles | `/team` | manager+/hr/owner ตามสิทธิ์ |
| Team Cockpit | `/team/cockpit`, `/team/cockpit/[id]` | manager+ |
| Capacity Heatmap | `/team/capacity` | manager+ |
| **Resource OS** | `/resources` | manager+/hr/owner |
| Projects + Project DNA / Matching | `/projects`, `/projects/[id]` | manager+ |
| Performance / OKR | `/performance` | manager+ |
| **Strategy Studio** | `/strategy` | manager+/hr/owner |
| **Strategy Alignment Studio** | `/strategy/alignment` | manager+/hr/owner |
| **Talent Pool** | `/hr/talent` | hr/owner |
| **Organization DNA** | `/hr/org-dna` | hr/owner |
| HR AI Readiness | `/hr/ai-readiness` | hr/owner |
| Fit Validation | `/hr/fit-validation` | hr/owner |
| Pilot Metrics | `/pilot/metrics` | hr/owner |
| Organization Skills | `/skills` | manager+/hr/owner |
| Recruitment | `/recruitment` | hr/owner |
| Assessment Studio | `/assessments/studio` | admin |
| Admin (สมาชิก/บทบาท/เชิญ) | `/admin` | owner/admin |
| Admin AI DNA Settings | `/admin/ai-dna` | owner/admin |
| Admin Prompt Studio | `/admin/prompt-studio` | owner/admin |
| SSO / SCIM | `/admin/sso` | owner/admin |
| Data Import/Export | `/admin/data`, `/admin/import` | owner/admin/hr ตาม policy |
| Integrations | `/admin/integrations` | owner/admin/hr ตาม policy |
| API Keys | `/admin/api-keys` | owner/admin/hr ตาม policy |
| Billing | `/admin/billing` | owner/admin |
| Audit log | `/audit` | owner/admin |
| Legal / Privacy / Terms / Security | `/legal/privacy`, `/legal/terms`, `/legal/security`, `/legal/trust` | ทุกคน |

---

## 11. ทำความเข้าใจ AI DNA — เรดาร์ 10 มิติ

> คู่มือแนวคิดนี้เป็นเพื่อนคู่กับการเดินผ่านฟีเจอร์ใน [3.4 AI DNA](#34-ai-dna--meai-dna) — เปิดอ่านควบคู่กับหน้าในแอปได้ที่ `/guide/ai-dna` (แท็บ AI DNA)

**คืออะไร:** AI DNA คือชั้นที่วางอยู่บน Human DNA ของคุณ เพื่อตอบคำถามเดียวว่า "คุณจะเติบโตอย่างไรเมื่อ AI เก่งงานมากขึ้นเรื่อย ๆ" โดยมอง AI เป็นเครื่องมือ **ขยายศักยภาพ (amplify)** มนุษย์ ไม่ใช่คะแนนความเสี่ยงที่จะถูกแทนที่ คำแนะนำทุกข้อเป็นเพียง **ตัวช่วยตัดสินใจ (human decision-support only)** — คุณยังเป็นผู้ตัดสินใจสุดท้ายเสมอ

**สิ่งที่คุณจะได้ 3 อย่าง:**

| ผลลัพธ์ | ความหมาย |
| --- | --- |
| **ใช้ AI ให้เป็น (Use AI well)** | รู้ว่า AI ถนัดอะไรจริง ๆ (ร่าง สรุป ค้นหา สร้างตัวเลือกจำนวนมาก) และมอบหมายงานให้มันอย่างปลอดภัยได้อย่างไร |
| **ระวังให้ถูกจุด (Watch the right things)** | เรียนรู้ว่า output ของ AI ต้องตรวจตรงไหน: หลักฐาน เคสขอบ ความเป็นส่วนตัว และผลกระทบต่อคน |
| **รู้ว่าคุณได้อะไร (Know what you gain)** | เห็นจุดแข็งของมนุษย์ที่ AI แทนไม่ได้ พร้อมแผนพัฒนาที่จับต้องได้ |

**เรดาร์ 10 มิติ (human edge + การทำงานร่วมกับ AI + ความพร้อมต่ออนาคต):** แตะที่จุดใดก็ได้เพื่อดูคะแนนเต็ม 100 และคำอธิบายสั้น ๆ

- **การตั้งโจทย์ (Problem Framing)** — ตั้งคำถาม ข้อจำกัด และเกณฑ์ความสำเร็จให้ถูกก่อนใช้ AI
- **ดุลยพินิจเฉพาะทาง (Domain Judgment)** — ใช้วิจารณญาณเฉพาะสายงาน แทนการรับ output ทั่ว ๆ ไป
- **ความรัดกุมในการตรวจสอบ (Verification Rigor)** — ตรวจหลักฐาน เคสขอบ และจุดที่งานอาจพังในงานที่ AI ช่วยทำ
- **ความเข้าใจบริบท (Contextual Intelligence)** — อ่านวัฒนธรรม จังหวะเวลา ความจริงในพื้นที่ และบริบทผู้เกี่ยวข้อง
- **รสนิยมเชิงสร้างสรรค์ (Creative Taste)** — เลือกสิ่งที่โดน เป็นต้นฉบับ มีประโยชน์ และคู่ควรกับการส่งออกไป
- **การทำงานร่วมกับ AI (AI Collaboration)** — มอบหมายงานให้ AI อย่างปลอดภัย แล้วต่อผลลัพธ์เข้ากับ workflow จริง
- **ความไว้วางใจของมนุษย์ (Human Trust)** — สร้างความไว้วางใจ จูงใจคน แก้ความเข้าใจผิด สื่อสารด้วยความใส่ใจ
- **ความรับผิดชอบเชิงจริยธรรม (Ethical Accountability)** — รับผิดชอบความเป็นส่วนตัว ความเป็นธรรม ความปลอดภัย และผลของการตัดสินใจ
- **ความคล่องตัวในการเรียนรู้ (Learning Agility)** — ปรับทักษะและวิธีทำงานต่อเนื่องตามที่ความสามารถของ AI ขยับ
- **การดูแลพลังงาน (Energy Stewardship)** — ใช้ AI ลดงานที่ดูดพลังและรักษาผลงานของมนุษย์ให้ยั่งยืน

**อ่านค่า AI Amplification + Confidence:**
- **AI Amplification** — ระดับความพร้อม: ก้าวหน้า (Advanced), แข็งแกร่ง (Strong), กำลังสร้าง (Building) หรือ ต้องการข้อมูล (Needs data) สะท้อนความพร้อมในการใช้ AI อย่างปลอดภัยและพัฒนาจุดแข็งต่อไป **ไม่ใช่คำตัดสินคุณค่าของคุณ**
- **Confidence** — จะสูงขึ้นเมื่อ WorkDNA หลักฐานทักษะ งานจริง และสัญญาณ feedback ครบขึ้น ค่าต่ำแปลว่า **"ข้อมูลยังไม่พอ"** ไม่ใช่ "คุณได้คะแนนต่ำ" — ให้ถือคำแนะนำช่วงแรกเป็นจุดตั้งต้น แล้วเก็บหลักฐานเพิ่มก่อนตัดสินใจเรื่องใหญ่

**แผงหลักฐาน "ทำไมเราถึงแนะนำแบบนี้" (Research basis):** คำแนะนำทุกข้อมีฐานจากงานวิจัยที่อ้างอิงได้ ตัวเลขถูกติดป้ายว่า "วัดจริง (measured)" หรือ "ประมาณการ (projection)" และข้อค้นพบเชิงตั้งคำถามถูกเก็บไว้ ไม่ถูกซ่อน แหล่งอ้างอิงจัดกลุ่มเป็น งานวิจัยตลาดแรงงานและ AI / ไทย–เอเชียตะวันออกเฉียงใต้ / การวัดผลและจิตวิทยามิติ และจุดแข็ง human edge แต่ละข้อจะระบุสัญญาณเบื้องหลัง (ทักษะของคุณ Human DNA และความเข้ากันกับ playbook ของบทบาท)

> ⚠️ **จุดยืนที่ซื่อสัตย์:** ระดับงาน เสริมไม่แทน (task-level, augment-not-replace) — **ไม่มีคะแนน "แทนที่คน" ระดับบุคคล** ไม่มี AI judge แบบกล่องดำ growth priority หรือคะแนนต่ำไม่ใช่คำตัดสิน แต่ชี้ไปสู่การพัฒนา งานที่เหมาะกว่า หรือการออกแบบงานใหม่ที่มนุษย์ยังถือ ownership ชัดเจน

**ดูในแอป:** `/me/ai-dna` · **คู่มือ:** `/guide/ai-dna`

---

## 12. AI Super Training — ยิมฝึกใช้ AI

**คืออะไร:** ยิมที่คุณ **ซ้อมงานจริง** กับ AI ที่ **บางครั้งตั้งใจวางกับดักไว้ให้คุณจับ** — เหมือน **เครื่องฝึกบิน (flight simulator)** สำหรับการทำงานกับ AI ความผิดพลาดในยิมปลอดภัยและตั้งใจให้เกิด และเราบอกคุณตรง ๆ ว่า AI ในยิมอาจจงใจทำพลาด ยิ่งซ้อม ยิ่งใช้ AI ได้คมขึ้น **ออกแบบมาเพื่อให้กำลังใจ ไม่ใช่ขู่ให้กลัว**

**ภารกิจ 4 แบบ:**

| ประเภท | ทำอะไร |
| --- | --- |
| **โหมดกับดัก (Trap mode / saboteur)** | AI ซ่อนข้อผิดพลาดไว้ใน output — แตะบรรทัดที่คุณไม่ไว้ใจ |
| **จัดทัพงานให้ AI (Orchestrate)** | จัดแต่ละรายการลงช่องที่ถูก เพื่อสั่งงาน AI ให้ดี |
| **เส้นแบ่งงานคน-AI (Boundary)** | ตัดสินว่าอะไรควรให้มนุษย์ถือ และอะไรที่ AI รับไปได้อย่างปลอดภัย |
| **ด่านบอส (Boss level)** | โจทย์ผสมที่ยากขึ้น ท้าทายหลายทักษะพร้อมกัน |

**หนึ่งรอบซ้อม (rep) ต่อวันทำงานยังไง:**
1. เปิดภารกิจของวันนี้แล้วกด **Start** — หนึ่งรอบใช้เวลาแค่ไม่กี่นาที
2. ภารกิจกับดัก/บอส: **ปักธง** บรรทัดที่ไม่ไว้ใจ · ภารกิจจัดทัพ/เส้นแบ่ง: **เลือกคำตอบ** ให้ครบทุกรายการ
3. กด **Submit** เพื่อรับ feedback รายข้อ: อะไรคือกับดักจริง คุณจับอะไรได้ และเพราะอะไร
4. อ่าน **debrief** 3 ส่วน: AI ให้อะไรคุณ / ต้องระวังอะไร / ครั้งหน้าจะใช้ AI อย่างไร แล้วดูเข็มขัด (belt) ขยับขึ้น

**Trust Calibration — คะแนนที่สำคัญที่สุด:** เราไม่ได้นับแค่จำนวนข้อถูก แต่วัดว่าคุณ **เชื่อ AI ถูกจังหวะ และสงสัยมันถูกจุดหรือเปล่า**
- **คาลิเบรตแม่น (calibrated)** — เชื่อถูกจังหวะ สงสัยถูกจุด
- **สายเชื่อ (over-trust)** — เชื่อ AI เกินไป งานวิจัยพบว่าทำให้แม้แต่มือโปรช้าลง
- **สายระแวง (under-trust)** — สงสัยจุดที่ AI ทำถูก เสียความเร็วที่ควรได้ไป

> ที่นี่ไม่มีหลัก "ระแวงไว้สุดปลอดภัยสุด" — เป้าหมายคือ **วิจารณญาณที่แม่นยำ ไม่ใช่ความกลัว**

**เข็มขัด (Belts), Mirror match และ Open Badges:**
- **เข็มขัด** เลื่อนระดับบน **10 มิติเดียวกับเรดาร์ AI DNA**: รู้ทัน (Aware) → ลงมือเป็น (Practitioner) → คล่องมือ (Fluent) → โค้ช (Coach) — การฝึกกับเรดาร์จึงเติบโตไปด้วยกัน
- **Mirror match** — ราว 3 สัปดาห์หลังทำภารกิจ มันจะกลับมาในระดับความท้าทายเดิม แสดงแบบ **ก่อน → หลัง** ให้เห็นการเติบโตของตัวเอง (เทียบกับตัวเองในอดีต ไม่ใช่จัดอันดับแข่งใคร)
- **Open Badges** — ไปถึงเข็มขัดใหม่จะปลดล็อกเหรียญตราตามมาตรฐาน **Open Badges** ที่พกพาและตรวจสอบได้ ผู้ได้เข็มขัดระดับโค้ชยังปรากฏเป็น **coach** ในองค์กร ให้เพื่อนร่วมงานหาคนจริงไว้เรียนรู้แต่ละมิติ

**ดูในแอป:** `/me/training` · **คู่มือ:** `/guide/ai-dna` (แท็บ AI Super Training)

---

## 13. Resource OS — วางกำลังคนและ AI teammate อย่างซื่อสัตย์

Resource OS คือชั้นวางแผนกำลังคนของ WorkDNA สำหรับ manager/HR/owner ที่ต้องตอบคำถามยาก ๆ ก่อนงานพัง:

- ใครกำลังว่าง ใครกำลังเต็ม ใครเริ่มเสี่ยงหมดพลัง
- โปรเจกต์ไหนกิน capacity มากกว่าที่ทีมรับไหว
- ถ้าเพิ่มคน เพิ่ม AI agent หรือลด scope ผลต่อ deadline จะเป็นอย่างไร
- Hybrid คน + AI ใช้ได้จริงตรงไหน และต้องให้ใครกำกับ
- ตัวเลขที่เห็นมาจากข้อมูลไหน ไม่ใช่คะแนนลอย ๆ

Resource OS ไม่ใช่ timesheet และไม่ใช่เครื่องมือจับผิดคน ระบบใช้ **planning allocations** ที่ manager/ทีมกรอกหรือที่แผน AI สร้างไว้ เช่น “Krit 72% ในโปรเจกต์ Atlas ช่วง 8 สัปดาห์” แล้วแปลงเป็นภาพกำลังคนรายสัปดาห์

### 13.1 หน้าใช้งานหลัก

| พื้นที่ | Path | ใช้ตอบคำถาม |
| --- | --- | --- |
| **Executive Cockpit** | `/resources` | วันนี้ทั้งทีมโหลดเป็นอย่างไร ใครเสี่ยง overload, WIP, drain-risk และควร rebalance ตรงไหน |
| **Project Resource Tab** | `/projects/[id]` → Resources | โปรเจกต์นี้มี allocation อะไร, forecast P50/P80 เท่าไร, lineup A/B/C แบบไหนเหมาะ |
| **AI จัดทีม** | `/projects/[id]` → AI จัดทีม | ให้ AI เสนอทีม 3 แบบ: คนล้วนพร้อมลุย, คนล้วนสมดุล+ปั้นคน, Hybrid คน+AI |
| **Agent Catalog** | `/resources` | ดู agent ที่องค์กรเปิดใช้ เช่น Coder/Data/Research/QA Agent พร้อม speed, review load, risk notes |

### 13.2 Work types คืออะไร และอ่าน capacity mix % อย่างไร

**Work type** คือป้ายบอกว่า capacity ขององค์กรกำลังถูกใช้กับ "งานชนิดไหน" ไม่ใช่แค่ว่าใครยุ่งกี่เปอร์เซ็นต์ เป้าหมายคือให้ผู้บริหารและ manager เห็นว่าเวลาของทีมไหลไปที่งานเชิงกลยุทธ์ งานประจำ งาน interrupt งานเรียนรู้ หรือการกำกับ AI มากน้อยแค่ไหน

WorkDNA ใช้ work type หลักเหล่านี้เป็นค่าเริ่มต้น:

| Work type | ความหมาย | อ่านสัญญาณอย่างไร |
| --- | --- | --- |
| **Strategic Project** | งานที่ผูกกับกลยุทธ์ OKR transformation product growth หรือ moat | ควรมี focus time และ reviewer ที่พอ ไม่ควรถูก interrupt กินจนหมด |
| **BAU Project** | โปรเจกต์ปรับปรุง/บำรุงรักษาที่วางแผนไว้ | ต้องบาลานซ์กับ operation ไม่ให้กิน capacity จนงาน run ธุรกิจสะดุด |
| **Operation** | งานประจำ support monitoring service delivery admin ops | ควรมี capacity reserve ที่มั่นคง และหาโอกาส automate งานซ้ำ |
| **Adhoc / Interrupt** | งานด่วน งานแทรก incident executive ask dependency unblock | ถ้าสัดส่วนสูงคือ interruption tax ต้องมี intake/focus policy |
| **Customer Escalation** | เคสลูกค้า/พาร์ตเนอร์ที่ต้องตอบเร็วและใช้ judgment | ต้องกัน senior coverage reserve ไม่ให้ตารางเต็ม 100% |
| **Learning / Upskill** | เวลาเรียน ฝึก shadow certification ปิด skill gap | เป็นการลงทุน capacity ไม่ใช่เวลาว่าง |
| **Management / Review** | 1:1 planning review approval mentoring governance sync | ถ้าสูงหรืออิ่มตัว จะกลายเป็นคอขวดของทั้งคนและ AI |
| **AI Supervision** | เวลา prompt/review/validate/QA งานที่ AI agent ช่วยทำ | Hybrid ใช้ได้จริงก็ต่อเมื่อมี supervision capacity พอ |
| **Recovery / Leave** | ลา recovery unavailable reduced-load | ต้องหักออกจาก capacity ห้ามวางแผนทับ |

**Capacity mix %** คือสัดส่วนชั่วโมงของ work type หนึ่งเทียบกับชั่วโมงงานรวมในช่วงเวลานั้น:

```text
work_type_mix_pct = work_type_hours / total_work_hours
```

ต้องอ่านแยกเสมอว่าเป็น **planned mix**, **committed mix**, **actual mix** หรือ **forecast mix** เพราะแต่ละตัวตอบคนละคำถาม:

- **Planned mix** — แผนตั้งใจจะใช้ capacity ไปกับอะไร
- **Committed mix** — สิ่งที่ล็อก/ตกลงแล้วจริง ๆ
- **Actual mix** — เวลาที่ถูกใช้จริงหลังงานเดิน
- **Forecast mix** — ถ้าแนวโน้มปัจจุบันไม่เปลี่ยน capacity จะไหลไปทางไหน

ตัวอย่างการอ่าน: ถ้าทีม Product Platform มี Strategic Project 38%, Operation 31%, Adhoc 18%, AI Supervision 6%, Learning 7% แปลว่าทีมยังทำกลยุทธ์อยู่ แต่ adhoc สูงพอที่จะเริ่มกิน focus time ถ้า adhoc actual สูงกว่า planned ต่อเนื่อง คำถามไม่ใช่ "ใครทำงานช้า" แต่คือ "งานแทรกมาจากช่องทางไหน และควรตั้ง intake หรือ support rotation อย่างไร"

### 13.3 Booking plan, fit-weighted capacity และ Type Acceptance Index

**Booking plan** คือแผนกำลังคนล่วงหน้าแบบรายสัปดาห์ เห็นทั้งคน ทีม role หรือ skill cluster ว่า capacity ถูกแบ่งเป็นอะไรบ้าง:

| ส่วนในแผน | ความหมาย | ใช้ตัดสินใจอะไร |
| --- | --- | --- |
| **Committed** | งานที่ตกลงแล้วและควรวางใน Daily Work/connector | ห้ามรับงานใหม่โดยไม่ดูผลกระทบ |
| **Proposed** | งานที่กำลังจำลองหรือรออนุมัติ | ใช้ what-if ก่อน commit |
| **Reserved** | capacity ที่กันไว้ เช่น adhoc, operation, AI supervision, customer escalation | ป้องกันการวางแผนแน่นเกินจริง |
| **Free** | ชั่วโมงว่างหลังหัก leave/recovery และ committed work | เป็นจุดเริ่มต้น แต่ยังไม่พอสำหรับการตัดสินใจ |
| **Recovery / Leave** | เวลาที่ไม่ควรถูกจัดงาน | ต้อง subtract ออกจาก gross capacity |

สูตรพื้นฐาน:

```text
gross_capacity = working_hours - leave_hours - recovery_hours
committed_capacity = committed_work_hours
free_capacity = gross_capacity - committed_capacity
```

แต่ Resource OS ไม่หยุดที่ free capacity เพราะ "ว่าง" ไม่ได้แปลว่า "เหมาะกับงานนี้" จึงมี **fit-weighted capacity** หรือ capacity ว่างที่ถูกปรับด้วยความเหมาะของ skill, DNA, interest, energy และ review capacity:

```text
fit_weighted_capacity =
  free_hours
  * skill_fit
  * dna_fit
  * interest_fit
  * energy_guard
  * review_capacity_guard
```

อ่านง่าย ๆ: ถ้าทีมมี free capacity 80 ชั่วโมง แต่คนที่ว่างไม่มี backend architecture skill, ทีมมี drain risk, และ reviewer อิ่มตัว ระบบอาจบอกว่า fit-weighted capacity สำหรับ Strategic Platform เหลือแค่ 12 ชั่วโมง นี่คือคำเตือนว่า "มีเวลาว่างทั่วไป แต่ยังไม่พร้อมรับงานชนิดนี้"

**Type Acceptance Index** คือคะแนน 0-100 ที่ตอบว่า "ทีมนี้รับงานชนิดนี้เพิ่มได้ไหม" โดยดู free capacity, skill slack, DNA fit, forecast confidence, energy sustainability, supervision capacity และ risk penalty ร่วมกัน

| ช่วงคะแนน | ความหมาย | ควรทำอะไร |
| --- | --- | --- |
| **80-100** | รับได้ตอนนี้ | รับงานได้ แต่ยังต้อง commit allocation ให้ชัด |
| **60-79** | รับได้แบบมีเงื่อนไข | ระบุเงื่อนไข เช่น กัน reviewer 4h/week หรือลด adhoc reserve |
| **40-59** | รับได้เฉพาะถ้ามีตัวช่วย | ต้องใช้ AI, outsource, rebalance, ลด scope หรือเพิ่ม reviewer ก่อน |
| **0-39** | ยังไม่ควรรับ | ต้องเปลี่ยน scope, timeline หรือเพิ่ม capacity/skill ก่อนรับ |

**Action recommendations** คือข้อเสนอถัดไป ไม่ใช่คำสั่งอัตโนมัติ:

| สัญญาณ | คำแนะนำที่มักเหมาะ | เหตุผล |
| --- | --- | --- |
| งานซ้ำ ความเสี่ยงต่ำ ข้อมูลพร้อม | **ใช้ AI** พร้อม human review | ลด effort งานซ้ำโดยไม่ยก accountability ให้ AI |
| Skill fit ภายในต่ำ แต่งานเร่งและแยกเป็น package ได้ | **Outsource** | ซื้อ capacity ระยะสั้นโดยไม่ดึงทีมหลักออกจากงานกลยุทธ์ |
| Gap เป็น capability สำคัญระยะยาว | **Upskill** | สร้างความสามารถในองค์กร แทนแก้เฉพาะหน้า |
| Reviewer/manager อิ่มตัว | **เพิ่ม reviewer, ลด AI, หรือ rebalance review load** | AI เพิ่มงาน review ได้ ถ้าไม่มีคนกำกับจะกลายเป็นคอขวด |
| Adhoc actual สูงกว่าที่กันไว้ | **ลด adhoc intake / ตั้ง support rotation / automate request ซ้ำ** | ลด interruption tax และคืน focus time |
| Strategic work ถูก operation กิน | **กัน strategic reserve หรือ defer BAU ที่ไม่ critical** | ป้องกัน portfolio หลุดจากเป้าหมาย |

หลักสำคัญ: AI เหมาะกับงานที่ automate/augment ได้และมีคนตรวจ, outsource เหมาะกับงานที่แยกขอบเขตและไม่แตะความลับสูง, upskill เหมาะกับ skill gap ที่จะเกิดซ้ำหรือเป็น differentiator ของบริษัท

### 13.4 อ่าน Capacity heatmap ยังไง

Heatmap คือ “คน × สัปดาห์” แต่ละช่องแสดง **utilization %** ในสัปดาห์นั้น

| สี / band | ความหมาย | ควรทำอะไร |
| --- | --- | --- |
| ฟ้า / Available | ต่ำกว่า 70% | มีพื้นที่รับงาน หรือเป็น candidate สำหรับ rebalance |
| เขียว / Healthy | 70–85% | โซนที่ดีสำหรับ delivery เพราะยังเหลือที่ให้ review, context, recovery |
| แดง / Overloaded | มากกว่า 85% | ต้องดู scope, deadline, staffing หรือแบ่งงานออก |
| ม่วง / Drain risk | โหลดสูงและทับกับสัญญาณ drain/obsessive passion | ต้องคุยเรื่องพลังงานและชนิดงาน ไม่ใช่แค่เพิ่มคน |

**ตัวเลขมาจากไหน:** แต่ละช่องรวม allocation ที่ active ในสัปดาห์นั้น เฉพาะ status `proposed` และ `committed`

```text
capacity cell = allocation A % + allocation B % + ...
```

ถ้า allocation ใส่เป็น `percent` ระบบใช้ค่านั้นตรง ๆ เช่น `72% allocation`  
ถ้า allocation ใส่เป็น `hours_per_week` ระบบแปลงจากฐาน 40 ชั่วโมง เช่น `20h / 40h = 50%`

ตอนดูหน้า `/resources` ให้เอาเมาส์ hover ที่ช่องตัวเลข เช่น `57%` หรือ `92%` จะเห็น provenance:

- มาจาก project ไหน
- role slot อะไร
- source เป็น `manual`, `ai_plan`, หรือ `lineup_apply`
- status เป็น `proposed` หรือ `committed`
- สูตรที่ใช้คำนวณ เช่น `35% allocation + 22% allocation = 57%`

ถ้าช่องมีสัญลักษณ์ `Σ2` หรือ `Σ3` แปลว่าตัวเลขนั้นรวมจาก allocation หลายแหล่ง

### 13.5 Warning radar คืออะไร

Warning ไม่ใช่คำตำหนิคน แต่เป็น “สัญญาณวางแผน” เพื่อให้ manager ตัดสินใจก่อนงานเสียหรือคนหมดไฟ

| Warning | เกิดจากอะไร | ควรตอบสนองอย่างไร |
| --- | --- | --- |
| Overload | utilization เกิน 85% | ลด scope, ขยับ timeline, เพิ่มคน, หรือแบ่งงาน |
| Sustained overload | overload ต่อเนื่อง 4 สัปดาห์ขึ้นไป | ถือเป็น critical; ต้องแก้เชิงแผน ไม่ใช่ขอให้คนอดทน |
| WIP guard | คนเดียวอยู่ 3 โปรเจกต์ขึ้นไป | ลด context switching และสร้าง focus block |
| Energy guardrail | โหลดสูงชนกับ AI DNA / Passion drain signal | เปลี่ยนชนิดงานหรือให้ recovery ไม่ใช่เพิ่มงาน |
| Burnout guard | obsessive passion สูงกว่า harmonious และ utilization สูง | ต้องคุยเรื่อง boundary, workload, และความยั่งยืน |

### 13.6 Rebalance copilot ใช้อย่างไร

Rebalance copilot เสนอว่า “ควรย้ายภาระบางส่วนจากใครไปหาใคร” โดยดูจาก:

- คนต้นทางมี peak utilization สูงแค่ไหน
- คนปลายทางมี available capacity เท่าไร
- คนปลายทางมี declared availability หรือไม่
- งานที่จะย้ายควรเป็น bounded slice ไม่ใช่ย้าย accountability ทั้งก้อน

หลักสำคัญ: copilot แนะนำ แต่ manager ตัดสินใจเสมอ และควรคุยกับคนจริงก่อนเปลี่ยนแผน

### 13.7 Project Resources อ่านอะไรบ้าง

ในหน้า `/projects/[id]` → Resources จะเห็น 4 อย่างหลัก:

1. **Forecast** — P50/P80 วันคงเหลือ พร้อม confidence และ reference-class evidence
2. **Allocation timeline** — คนและ agent ที่ commit/propose อยู่ในโปรเจกต์นี้
3. **Lineup A/B/C** — ทางเลือกจัดทีมสำหรับโปรเจกต์
4. **What-if simulation** — ทดลองเพิ่มคน เพิ่ม agent ลด scope แล้วดูผลต่อ P50/P80

Forecast ต้องอ่านเป็น “ช่วงความน่าจะเป็น” ไม่ใช่สัญญาวันเดียว และไม่ได้แปลว่า AI รู้อนาคตแน่นอน ระบบใช้แนวคิด **percentile forecast** จาก reference class หรือโปรเจกต์/งานที่คล้ายกันในอดีต แล้วเผื่อ uplift ตามความเสี่ยงของงานปัจจุบัน

- **P50** = กรณีกลาง หรือ median case: ถ้าเอาเคสคล้ายกัน 100 เคสมาเรียงตามเวลาที่ใช้ ประมาณ 50 เคสจะจบภายในเวลานี้ และอีก 50 เคสอาจใช้เวลานานกว่า
- **P80** = กรณีเผื่อความเสี่ยง: ถ้าเอาเคสคล้ายกัน 100 เคสมาเรียงตามเวลาที่ใช้ ประมาณ 80 เคสควรจบภายในเวลานี้ และอีก 20 เคสอาจยังช้ากว่านี้
- **confidence** = ข้อมูลอ้างอิงพอแค่ไหน
- **reference sample** = ใช้โปรเจกต์ที่จบแล้วกี่ตัวอย่าง

#### ตัวอย่างอ่านจากหน้าจอ

ถ้าหน้าโปรเจกต์แสดง:

- **P50 48d**
- **P80 55d**
- **confidence medium**

ให้อ่านว่า:

> “กรณีกลาง โปรเจกต์นี้น่าจะเหลือประมาณ 48 วัน แต่ถ้าจะวางแผนให้ปลอดภัยขึ้น ควรเผื่อเป็น 55 วัน เพราะยังมีความเสี่ยงและความไม่แน่นอนบางส่วน”

ดังนั้น:

- ใช้ **P50** สำหรับคุยภาพกลาง เช่น “ถ้าทุกอย่างเป็นไปตามแผน เราน่าจะอยู่แถว 48 วัน”
- ใช้ **P80** สำหรับ commit กับผู้บริหาร ลูกค้า หรือ deadline สำคัญ เพราะมี buffer มากกว่า
- ถ้า **P50 กับ P80 ห่างกันมาก** แปลว่าความไม่แน่นอนสูง ควรดู risk, dependency, review load, scope และ allocation เพิ่ม
- ถ้า **confidence ต่ำ/medium** ห้ามพูดเหมือนเป็นคำมั่นสัญญา ควรพูดว่า “ประมาณการจากข้อมูลที่มีตอนนี้”
- ถ้าใช้ Hybrid human + AI แล้ว P80 ลดลง ต้องดูด้วยว่า review load และ supervisor capacity ยังพอ ไม่ใช่ดูแค่ตัวเลขเร็วขึ้น

จำง่าย ๆ: **P50 คือภาพกลางสำหรับวางแผนภายใน, P80 คือภาพเผื่อความเสี่ยงสำหรับการ commit ที่ปลอดภัยกว่า**

### 13.8 AI จัดทีม A/B/C ต่างกันอย่างไร

| ตัวเลือก | เหมาะเมื่อไร | Trade-off |
| --- | --- | --- |
| **A · พร้อมลุย** | Deadline ใกล้ ต้องการคน fit ที่สุดและ delivery risk ต่ำ | อาจใช้คนตัวท็อปมากเกินไป และไม่เปิด growth seat |
| **B · สมดุล + ปั้นคน** | อยากสร้างทีมที่ครอบคลุม skill/style และให้คนโตกับงาน | อาจช้ากว่า A เล็กน้อย แต่ดีต่อทีมระยะยาว |
| **C · Hybrid คน + AI** | มีงานที่ AI ช่วยได้จริง และมีมนุษย์กำกับพอ | เร็วขึ้นเฉพาะ task ที่เหมาะ แต่มี review load และ guardrail |

Hybrid ไม่ได้แปลว่า “AI แทนคน” แต่แปลว่า:

- agent ทำงานระดับ task เช่น draft code, test skeleton, report draft, research triage
- supervisor เป็นเจ้าของ review และ final accountability
- speed gain ถูกหักด้วย review load เสมอ
- ถ้า supervision capacity ไม่พอ หรือ automation signal ต่ำ ระบบต้องเตือนตรง ๆ

### 13.9 ตัวอย่าง Scenario จาก demo

**Scenario 1: Nina 92% สีม่วง**  
Nina เป็น Data Analyst ที่มี allocation สูง และมีสัญญาณ drain zone จาก WorkDNA ระบบจึงไม่มองว่า “ยังไหวเพราะเก่ง” แต่เตือนเรื่องพลังงานและความเสี่ยง retention ให้ manager ปรับชนิดงานหรือแบ่งงานออก

**Scenario 2: Ploy 57% มาจากหลายงาน**  
ถ้า hover แล้วเห็น `Σ2` แปลว่า Ploy อาจไม่ได้หนักจาก project เดียว แต่เกิดจากหลาย allocation รวมกัน เช่น product strategy + policy owner การแก้จึงอาจเป็นการลด context switching ไม่ใช่แค่ลด % รวม

**Scenario 3: Hybrid ใช้ Coder Agent ได้ 11%**  
AI จัดทีมอาจแนะนำ Coder Agent เพราะ Project DNA มี software/API signal แต่ยังบอกว่า agent ช่วยได้เฉพาะ 11% ของงาน และ speed เป็น x1.05 เท่านั้น เพราะต้องคิด review load ของ Ploy/Krit ด้วย นี่คือความซื่อสัตย์ของ Resource OS: ไม่ขายฝันว่าเพิ่ม agent แล้วเร็วขึ้นทันที 2 เท่า

**Scenario 4: Rebalance จากคน overload ไปหา bench capacity**  
ถ้า Krit peak 110% และ Tee มี capacity ว่าง ระบบอาจเสนอให้ย้าย bounded slice 10–25% แต่ manager ต้องดูด้วยว่างานนั้นเป็นงานที่ Tee ทำได้จริงหรือเป็นงานที่ต้องใช้ senior judgment

### 13.10 Workflow แนะนำสำหรับ manager

1. เปิด `/resources` ทุกต้นสัปดาห์
2. ดู heatmap หาแดง/ม่วงก่อน ไม่เริ่มจากว่าใครว่าง
3. hover cell ที่ผิดปกติ เพื่อดูว่า % มาจาก allocation ไหน
4. อ่าน warning radar เพื่อแยก overload, WIP, energy guardrail
5. เปิด project ที่เกี่ยวข้อง → Resources
6. ดู forecast P50/P80 และ Lineup A/B/C
7. ถ้าจะใช้ Hybrid ให้ดู agent, supervisor, automatable %, speed index และ guardrails
8. ใช้ What-if simulation ก่อน commit แผนใหม่
9. คุยกับคนจริง แล้วค่อย commit allocation

### 13.11 กฎจริยธรรมของ Resource OS

- ใช้เพื่อ **วางงานและปกป้องพลังงานคน** ไม่ใช่จับผิด
- ห้ามใช้ heatmap เป็นหลักฐานลงโทษคน
- ห้ามใช้ agent recommendation เป็นเหตุผลลดคุณค่าคน
- คนยังเป็นเจ้าของ accountability เสมอ
- ทุกตัวเลขสำคัญต้อง trace กลับไปหา source ได้
- ถ้าข้อมูลไม่พอ ระบบควรบอกว่าไม่พอ ไม่ควรเดาให้ดูมั่นใจ

**ดูในแอป:** `/resources` · `/projects/[id]` → Resources · `/projects/[id]` → AI จัดทีม

**วิดีโออธิบายในแอป:** Landing page และ `/guide` ฝังไฟล์ `frontend/public/brand/workdna-resource-os-th.mp4` พร้อม poster `frontend/public/brand/workdna-resource-os-poster.png`

**Video brief / script สำหรับผลิตซ้ำ:** `docs/WorkDNA_Resource_OS_Video_Brief.md`

### 13.12 Resource OS E2E quick path

ถ้าต้อง demo ให้เห็นภาพทั้งหมดใน 5 นาที ให้เล่าตามลำดับนี้:

1. เปิด `/resources` แล้วอ่าน heatmap ว่าใครว่าง ใคร healthy ใคร over และใครอยู่ใน drain-risk zone
2. Hover cell ที่มีเปอร์เซ็นต์สูง เพื่อดูว่าเลขมาจาก allocation ไหนและคำนวณอย่างไร
3. ดู Warning radar เพื่อแยก overload, WIP/context switching, energy guardrail และ sustained overload
4. ใช้ Rebalance copilot เพื่อดูข้อเสนอการย้ายภาระบางส่วน พร้อมหลักฐาน ไม่ใช่คำสั่งอัตโนมัติ
5. เปิดโปรเจกต์แล้วดู Forecast P50/P80, method, reference sample และ uplift เพื่ออธิบายว่าเป็น range ไม่ใช่สัญญาวันจบ
6. เปิด AI จัดทีม เปรียบเทียบ human-only, balanced growth และ Hybrid human + AI โดยดู review load และ supervisor capacity
7. ถ้า Hybrid เหมาะ ใช้เฉพาะ task-level capacity พร้อมมนุษย์รับ accountability; ถ้าไม่เหมาะ ระบบต้องบอกตรง ๆ ว่าทำไม
8. ถ้าพบ capacity/skill gap ที่แก้ด้วยการ rebalance ไม่พอ ให้ส่งต่อเป็น hiring demand ใน Recruitment OS

### 13.13 Connector in/out กับเครื่องมือ Project Management

Resource OS ไม่ควรบังคับให้ทุกทีมย้ายงานออกจาก Jira, Asana, monday.com, Linear, Microsoft Planner / Project, Smartsheet หรือ Float เพราะทีมอาจมี workflow เดิมอยู่แล้ว แนวทางของ WorkDNA คือ:

- เครื่องมือเดิมเป็น **system of execution**: ทีมยังสร้าง task, update status, log time, และทำงานประจำวันในเครื่องมือที่ถนัด
- WorkDNA เป็น **system of intelligence**: ดึงข้อมูลมาอ่าน capacity, estimate, risk, skill gap, AI-agent fit และส่งสรุปกลับไปให้ทีมเห็นในที่ทำงานเดิม

Connector จึงมี 2 ขา:

| ขา | ดึง/ส่งอะไร | เอาไปใช้ทำอะไร |
| --- | --- | --- |
| **IN: projects/tasks/status/time** | โครงการ งาน สถานะ blocker worklog logged time remaining effort | ใช้สร้าง estimate, heatmap, forecast, warning, actual vs plan |
| **OUT: resource plan** | แผนคน/agent, allocation, capacity conflict, reviewer load | ให้ทีมเห็นว่าต้องใช้ใคร เท่าไร ช่วงไหน และเสี่ยงตรงไหน |
| **OUT: status summary** | สรุป WorkDNA เช่น P50/P80 เปลี่ยน, blocker, overload, WIP risk | ให้ PM/ทีมเห็น insight โดยไม่ต้องเปิดหลายหน้า |
| **OUT: estimate write-back** | role effort, manday/hour estimate, planning notes หรือ custom field ที่ map | ทำให้ estimate ใน Jira/Asana/etc. ไม่หลุดจากแผน Resource OS |

ตัวอย่าง:

- Jira issue มี estimate 24 ชั่วโมง และมี worklog จริง 10 ชั่วโมง Resource OS จะอ่านเป็น `estimate_hours`, `actual_hours` แล้วเทียบกับ allocation ของคนที่เกี่ยวข้อง
- ถ้า P80 ขยับจาก 55 วันเป็น 63 วันเพราะ review load ของ supervisor ไม่พอ ระบบควรส่ง status summary กลับไปที่ issue/project แทนปล่อยให้ตัวเลขอยู่ใน WorkDNA อย่างเดียว
- ถ้า AI Agent ช่วยได้ 18% ของงาน แต่ต้องใช้ reviewer 6 ชั่วโมง/สัปดาห์ ระบบส่งทั้ง speed gain และ review load ไม่ส่งเฉพาะตัวเลขเร็วขึ้น

กฎสำคัญ:

- ไม่ส่ง raw Human DNA, คำตอบ assessment, หรือ coaching note ออกไปภายนอก
- ส่งเฉพาะสัญญาณรวมที่ใช้วางแผน เช่น verified skill, role fit summary, allocation, capacity risk, forecast และ recommended next action
- ทุก connector ต้องทดสอบกับ sandbox และ map field ให้ชัดก่อน production
- WorkDNA ไม่ใช่ timesheet ใหม่ แต่ใช้ time/status ที่ทีมบันทึกอยู่แล้วเพื่อทำให้ forecast และการจัดคนฉลาดขึ้น

**ตั้งค่าในแอป:** `/admin/integrations` → Add connection → เลือกกลุ่ม **Project / Resource OS**

### 13.14 Estimate + Tracking ใช้งานอย่างไร

ในหน้า `/projects/[id]` → **Resources** จะมีโหมด **Estimate + Tracking** เพื่อปิดช่องว่างที่สำคัญของ Resource OS: ไม่ใช่แค่จัดคนตอนต้นโปรเจกต์ แต่ต้องรู้ด้วยว่าแผนเดินจริงหรือไม่

**ใส่ estimate ตอนไหน:** ใส่ตอนเริ่มวางแผนโปรเจกต์ **ก่อนกด commit คน/agent** และแก้ทุกครั้งที่ scope เปลี่ยน, blocker ทำให้ต้อง re-plan, หรือ actual burn ต่างจาก estimate มาก

**แก้ estimate ตรงไหน:** เข้า `/projects/[id]` → **Resources** → **Estimate + Tracking**

- ใช้ฟอร์ม **ตั้ง estimate ของโปรเจกต์** เพื่อเพิ่มงาน/workstream ใหม่
- กรอกชื่อ task/workstream, role, workstream, owner และ estimated hours
- owner ควรมาจากคนที่ allocate/commit ไว้ในโปรเจกต์ เพื่อให้ระบบรู้ว่างานนี้ควรไปอยู่ใน Daily Work ของใคร
- ถ้ามี estimate item แล้ว แก้ค่า **Est** หรือ owner ในแถว item ได้เลย แล้วระบบ refresh summary
- เปลี่ยน status ได้จากปุ่ม planned / active / blocked / done ในแถวเดียวกัน
- กด **ส่งเข้า Daily Work** เมื่อพร้อม commit งานให้คนทำ ระบบจะสร้างหรืออัปเดต task ของ owner ในหน้า Daily Work โดยอัตโนมัติ
- เมื่อ owner check-in/check-out และใส่ actual/status ใน Daily Work ระบบจะ rollup กลับมาเป็น **Act** และ status ของ estimate item
- ถ้างานมาจาก connector เช่น Jira/Asana/Linear สถานะและ actual อาจ sync กลับเข้ามาแทนการกรอกเอง

หลักการคือ WorkDNA ไม่สร้าง task board ใหม่ แต่ใช้สัญญาณงานจาก 2 แหล่ง:

- **Project Estimate Items** — แผน estimate ที่ PM/manager กรอกใน Resource OS ก่อนจัดคน
- **WorkTask / Daily Work** — งานที่คนเห็นและปิดจริงใน WorkDNA พร้อม `estimated_hours`, `actual_hours`, `status`; ถ้าสร้างจาก Resource OS จะมี link กลับไปหา estimate item
- **Connector in/out** — งาน สถานะ และ time log จาก Jira, Asana, Linear, monday, Smartsheet, Float หรือเครื่องมืออื่นที่ map เข้ามา

#### Operating loop ของ Estimate + Tracking

```text
Estimate item
  → เลือก owner จาก resource allocation
  → ส่งเข้า Daily Work
  → คน check-in รับงานเข้าวันทำงาน
  → คน check-out ใส่ actual/status/blocker
  → Resource OS rollup actual/status กลับมาที่ estimate
  → Forecast, capacity coverage, P50/P80 และ warning อัปเดต
```

ถ้าไม่กด **ส่งเข้า Daily Work** estimate จะยังเป็นแผนบน Resource OS เท่านั้น เหมาะสำหรับ draft/re-plan แต่ยังไม่ถือว่าเป็นงานที่ส่งไปถึงคนทำจริง

#### สิ่งที่เห็นใน Estimate + Tracking

| ส่วน | อ่านอย่างไร | ใช้ตัดสินใจอะไร |
| --- | --- | --- |
| **Estimate** | ชั่วโมงรวมและ mandays รวมของงานที่ผูกกับโปรเจกต์ | scope ใหญ่แค่ไหน และตัวเลข mandays มาจากไหน |
| **Actual** | ชั่วโมง/mandays ที่ใช้จริง และอัตรา actual เทียบ estimate | งานกำลัง burn เร็วกว่าที่คาดหรือไม่ |
| **Remaining** | งานที่เหลือหลังหัก actual ของ task ที่ยังไม่เสร็จ | capacity ที่วางไว้พอหรือไม่ |
| **Status mix** | planned / active / blocked / done | flow ของงานเดินจริงหรือมีคอขวด |
| **Role effort breakdown** | estimate/actual/remaining แยกตาม role หรือ workstream | ต้องเพิ่ม role ไหน ลด scope ไหน หรือย้าย capacity ไปตรงไหน |
| **Task evidence** | ตัวอย่าง task ที่ใช้เป็นหลักฐาน | อธิบาย forecast ให้ทีมเชื่อได้ ไม่ใช่เลขลอย ๆ |

#### Mandays คำนวณจากอะไร

Resource OS ใช้ฐาน **1 manday = 8 ชั่วโมง** สำหรับการอ่าน planning:

```text
estimated mandays = sum(estimate_item.estimated_hours) / 8
actual mandays    = sum(actual_hours จาก WorkTask ที่ link กับ estimate item) / 8
remaining mandays = sum(max(estimated_hours - actual_hours, 0) ของ item ที่ยังไม่ done) / 8
```

ถ้า estimate item ถูกส่งเข้า Daily Work แล้ว ระบบจะให้ actual/status จาก WorkTask เป็นหลัก เพราะเป็นข้อมูลที่คนทำงานปิดจริงตอน check-out ถ้าโปรเจกต์ยังไม่มี Project Estimate Items ระบบจะ fallback ไปอ่าน `WorkTask.estimated_hours` / `actual_hours` ที่ผูกกับโปรเจกต์ เพื่อให้ยังเห็นสัญญาณจาก daily work ได้ แต่ flow ที่แนะนำคือกรอก estimate item ตั้งแต่ก่อนจัด resource

Capacity coverage ใช้ allocation ของ Resource OS มาเทียบกับงานที่เหลือ:

```text
planned capacity hours =
  sum(allocation_percent / 100 × 40 ชั่วโมงต่อสัปดาห์ × จำนวนสัปดาห์ที่ allocation active)

capacity coverage ratio =
  planned capacity hours / remaining estimated hours
```

ถ้า coverage ต่ำ เช่นต่ำกว่า `0.85x` แปลว่าแผนกำลังคนอาจไม่พอกับงานที่เหลือ ต้องเพิ่ม capacity ลด scope หรือขยับ timeline

#### สัญญาณเตือนที่ควรดู

- **No task breakdown** — ยังไม่มีงานแตกย่อย Forecast จะพึ่ง date และ reference class มากไป
- **Unestimated tasks** — มีงานที่ยังไม่ใส่ estimate ห้าม commit P80 แบบมั่นใจเกินไป
- **Blocked tasks** — มี blocker ต้องแก้ก่อนดูว่า forecast ดีขึ้นจริง
- **Estimate overrun** — actual ใช้ไปเกิน estimate มาก แต่โปรเจกต์ยังไม่จบ ต้อง re-estimate
- **Capacity gap** — งานที่เหลือมากกว่า capacity ที่วางไว้
- **Stale status** — งานไม่ขยับเกิน 7 วัน ต้อง follow-up

#### วิธีใช้ใน operation จริง

1. เริ่มจาก Project DNA และ Lineup เพื่อรู้ว่าโปรเจกต์ต้องใช้ skill/role ไหน
2. แตกงานเป็น task หรือดึง task จาก connector เข้ามา
3. ใส่ estimate ชั่วโมงตาม role/workstream และเลือก owner
4. Commit allocation คน/agent ใน Resource OS
5. กด **ส่งเข้า Daily Work** เพื่อให้ task เข้าแผนงานของ owner
6. คนทำงาน check-in/check-out ตามปกติ actual/status จะไหลกลับ Resource OS
7. ทุกสัปดาห์ดู Estimate + Tracking:
   - actual burn สูงกว่า estimate ไหม
   - blocked/stale task มากไหม
   - remaining mandays ยังอยู่ใน capacity coverage ที่ปลอดภัยไหม
   - P50/P80 ขยับเพราะ scope, actual, blocker หรือ review load
8. ถ้ามี connector ให้ write-back summary กลับไปที่ Jira/Asana/Linear/etc. เพื่อให้ทีมไม่ต้องเปิดหลายระบบ

ประโยคสำคัญเวลาอธิบายทีม:

> “Resource OS ไม่ได้ถามว่าใครทำงานกี่นาที แต่ถามว่า งานที่เหลือใช้ effort เท่าไร แผนกำลังคนพอไหม และอะไรทำให้ forecast เปลี่ยน”

---

## 14. Feature Map ปัจจุบัน — เมนูทั้งหมดใช้ทำอะไร

ส่วนนี้คือแผนที่ฉบับเร็วสำหรับผู้ใช้ที่เปิดแอปครั้งแรกแล้วอยากรู้ว่า "ควรกดหน้าไหนเพื่อทำงานอะไร" โดยเรียงตาม sidebar ปัจจุบัน

### 14.1 Overview

| เมนู | Route | งานที่ทำ |
| --- | --- | --- |
| **Get started** | `/onboarding` | ตั้งต้น profile, สร้าง Human DNA, เพิ่มคน และดู Resource OS signal แรก |
| **Dashboard** | `/dashboard` | ดู next action, WorkDNA score, capacity วันนี้, daily plan, DNA/skill/passion summary |
| **Guide** | `/guide`, `/guide/user-guide`, `/guide/ai-dna`, `/guide/theory`, `/guide/assessments` | อ่านคู่มือ product, AI DNA, theory และแบบประเมิน |
| **AI Agents** | `/ai` | เรียก agent เช่น Human DNA, Skill Matrix, Project Matching, Org DNA, Candidate Match |
| **Daily Work** | `/work/daily` | check-in, รับ/เพิ่ม task, check-out, บันทึก actual hours |

### 14.2 My WorkDNA

| เมนู | Route | งานที่ทำ |
| --- | --- | --- |
| **My WorkDNA** | `/employee/me` หรือ `/me/workdna` | ดูโปรไฟล์ตัวเองและสัญญาณ Human DNA |
| **Skills** | `/me/skills` | ดู/จัดการ skill matrix, level, evidence, passion, target |
| **Prompt Master** | `/me/prompts` | เรียน prompt writing, ค้น template ตาม role family, copy prompt ไปใช้ |
| **AI DNA** | `/me/ai-dna` | ดู human edge, task map, growth priority ในโลก AI |
| **AI Super Training** | `/me/training` | ฝึก trap/orchestrate/boundary/boss mission, เก็บ belt และ evidence |
| **Fit / DFI** | `/me/fit`, `/me/fit-index` | ดู contextual fit และ deployment fit ต่อบทบาท/track/งานปัจจุบัน |
| **Growth / Coach / Passport** | `/me/growth`, `/me/coach`, `/me/passport` | วาง growth path, ดู communication guide, ออก AI-readable passport |

### 14.3 Team

| เมนู | Route | งานที่ทำ |
| --- | --- | --- |
| **Team Today** | `/team/today` | ดูสถานะงานรายวันของทีม |
| **Team DNA** | `/team/dna` | วิเคราะห์ balance, missing role, comm risk ของทีม |
| **DNA Constellation** | `/teamdna/graph` | ดู network/constellation ของ DNA ในทีม/องค์กร |
| **Team AI DNA** | `/team/ai-dna` | ดู AI readiness และ work redesign ในระดับทีม |
| **Team & Roles** | `/team` | ดูทีม สมาชิก บทบาท และ relationship ของ manager/direct reports |
| **Projects** | `/projects`, `/projects/[id]` | สร้าง project, Project DNA, matching, estimate, resources, AI lineup |
| **Resources** | `/resources` | Resource OS executive cockpit, capacity, warnings, rebalance, agent catalog |
| **Strategy Studio** | `/strategy` | เลือก business challenge, ดู theory lens, capability/AI workforce/portfolio และเริ่ม strategy loop |
| **Strategy Alignment** | `/strategy/alignment` | ตรวจว่า strategy เดินได้จริงไหมจาก evidence, สร้าง action draft, preview/commit OKR และ side effects |

### 14.4 Talent & Org

| เมนู | Route | งานที่ทำ |
| --- | --- | --- |
| **Team Cockpit** | `/team/cockpit`, `/team/cockpit/[id]` | ดู cockpit รายทีม/รายคน เช่น capacity, risk, profile signal |
| **Capacity Heatmap** | `/team/capacity` | ดู weekly capacity heatmap ของคนในทีม |
| **Talent Pool** | `/hr/talent` | ค้นคนตาม skill/archetype/zone และดู inventory ทั้งองค์กร |
| **Org DNA** | `/hr/org-dna` | ดู distribution, skill gap, high potential, retention risk |
| **AI Readiness** | `/hr/ai-readiness` | ดู AI readiness heatmap, demand, playbook, campaign |
| **DFI Validation** | `/hr/fit-validation` | ตรวจความสัมพันธ์ของ DFI กับ outcome จริง |
| **Pilot Metrics** | `/pilot/metrics` | ดูตัวชี้วัด pilot/adoption/measurement สำหรับ rollout |
| **Recruitment** | `/recruitment` | จัดการ requisition, candidate passport, interview, decision room |
| **Performance / OKR** | `/performance` | OKR cycle, objective, approval, check-in, review, skill evidence |
| **Skills** | `/skills` | มุมมอง skill ระดับองค์กร |

### 14.5 Assessments, Admin, Account

| กลุ่ม | Route | งานที่ทำ |
| --- | --- | --- |
| **Assessments** | `/assessments` | ทำแบบประเมินที่เปิดอยู่ |
| **Assessment Studio** | `/assessments/studio` | admin เปิด/จัดการ assessment catalog |
| **Admin** | `/admin` | ตั้งค่า tenant, members, roles |
| **Admin AI DNA** | `/admin/ai-dna` | taxonomy, playbook, privacy/governance ของ AI DNA |
| **Prompt Studio** | `/admin/prompt-studio` | จัดการ prompt template library |
| **SSO / SCIM** | `/admin/sso` | ตั้ง OIDC SSO และ SCIM token |
| **Data / Import** | `/admin/data`, `/admin/import` | import/export dataset, workbook template, CSV/JSON |
| **Integrations** | `/admin/integrations` | HCM/LMS/project connections, webhooks, xAPI, roster/writeback, mappings |
| **API Keys** | `/admin/api-keys` | สร้าง/revoke API key สำหรับ automation |
| **Billing** | `/admin/billing` | ดู plan/subscription/payment state |
| **Audit** | `/audit` | ตรวจ log สำคัญ |
| **Account** | `/notifications`, `/settings`, `/profile` | การแจ้งเตือน, preference, profile |

---

## 15. Operating Loops สำคัญ — จากตั้งค่าไปถึง feedback

WorkDNA จะถือว่าฟีเจอร์ "ใช้ได้จริง" ก็ต่อเมื่อครบ loop: **ตั้งค่า → ลงข้อมูล → commit → execute → feedback/recovery** ตารางนี้คือวิธีเดินงานที่แนะนำ

### 15.1 New tenant / new organization

```text
Owner login
  → /onboarding
  → add members หรือ /admin/import
  → assign roles / manager relationships
  → ask employees to complete Skills + Assessments
  → synthesize Human DNA
  → open Dashboard / Org DNA / Resource OS
  → review gaps and next actions
```

**ต้องเช็ค:** สมาชิกครบ, manager/direct reports ถูก, ภาษา/tenant ถูก, profile คนแรกเห็น Human DNA, admin เห็น Resource OS signal อย่างน้อยหนึ่งอย่าง

### 15.2 Employee daily loop

```text
Dashboard next action
  → Daily Work check-in
  → execute task
  → check-out + actual hours
  → Skill / OKR / Resource OS evidence updates
  → Dashboard and manager views reflect reality
```

**ต้องเช็ค:** ปุ่มหลักต้องมี loading/success/error, actual hours ต้องไม่หาย, blocked task ต้องกลับไปให้ manager เห็น

### 15.3 Project / Resource OS loop

```text
Create project
  → define Project DNA
  → estimate work items
  → choose lineup / allocations
  → send work to Daily Work or connector
  → collect actuals
  → update P50/P80, warnings, capacity coverage
  → rebalance / reduce scope / add help
```

**ต้องเช็ค:** estimate มี owner, allocation มีช่วงเวลา, hybrid agent มี supervisor, connector write-back ไม่ส่ง raw Human DNA ออกนอกระบบ

### 15.4 OKR / Performance loop

```text
Create cycle
  → draft objective
  → add KR / task / skill evidence
  → submit
  → approve
  → check-in during execution
  → mark complete
  → skill evidence + review signal update
```

**ต้องเช็ค:** state เปลี่ยนทันทีหลัง action, objective ที่ approved ต้องมีทาง complete, skill evidence ต้อง trace กลับไปหา OKR ได้

### 15.5 AI Readiness / Training loop

```text
HR reads AI readiness heatmap
  → review role playbook / training plan
  → create campaign
  → assign employees
  → employees practice in AI Super Training
  → belts / practiced count / evidence update
  → HR adjusts campaign or playbook
```

**ต้องเช็ค:** campaign ที่ create แล้วต้องเห็นใน active campaign, assign ต้องมี employee list, progress ต้องบอก `N/M practiced <dimension>`

### 15.6 Recruitment loop

```text
Resource / OKR / skill gap creates demand
  → requisition
  → skill requirement matrix
  → candidate passport + assessment option
  → structured interview
  → decision room
  → offer/onboard or talent pool
  → hired person flows into Skills / Human DNA / Resource OS
```

**ต้องเช็ค:** `Advance` ต้องขยับ stage จริง, schedule/coming soon ต้องบอกชัดถ้ายังไม่เปิด, decision rationale ต้องอ้าง evidence ไม่ใช่ AI/DNA อย่างเดียว

### 15.7 Admin integration loop

```text
Choose provider
  → add connection / webhook
  → map fields
  → test connection
  → sync sandbox
  → review created/updated/skipped/errors
  → enable production sync
  → monitor events / deliveries / audit
  → recovery or delete with impact confirmation
```

**ต้องเช็ค:** delete connection/webhook ต้องแสดงผลกระทบและให้พิมพ์ชื่อยืนยัน, token/key ต้อง copy-once, event log ต้องช่วย recovery ได้

### 15.8 Strategy DNA / 7S Alignment loop

```text
Executive opens Strategy Studio
  → choose business challenge
  → review AI-recommended theory lenses
  → let WorkDNA prefill from people / skills / work / Resource OS / AI signals
  → answer only missing inputs
  → create strategy alignment session
  → assemble evidence
  → diagnose gaps
  → draft actions
  → preview OKR + execution package
  → commit
  → OKR / tasks / resource plan / training / AI workflow / feedback checkpoint are linked
  → next review reads evidence graph and actual signals
  → recover / edit / rerun if evidence is weak or conditions change
```

**ต้องเช็ค:** ระบบต้องไม่บังคับให้เริ่มจาก blank page, side effects ก่อน commit ต้องแสดงให้เห็นก่อน, evidence graph ต้องบอกว่าอะไรเป็นข้อมูลจริงและอะไรยัง missing, และ AI ต้องเป็นตัวช่วยร่าง/แนะนำเท่านั้น ไม่ใช่ auto-commit strategy แทนผู้บริหาร

---

## 16. Admin & Governance Playbook

### 16.1 Role และสิทธิ์

| Role | ควรให้ใคร | สิทธิ์หลัก |
| --- | --- | --- |
| `employee` | พนักงานทั่วไป | ดู/จัดการข้อมูลตัวเอง, Daily Work, assessments, training |
| `manager` | หัวหน้าที่มี direct reports | employee scope + team/project/performance ของลูกทีม |
| `hr` | People/HR/L&D | org-level talent, recruitment, readiness, validation |
| `admin` | system admin | tenant setup, integrations, data, SSO, audit |
| `owner` | founder/executive owner | ทุกสิทธิ์ รวม billing/governance |

**กฎ:** ให้สิทธิ์สูงเท่าที่จำเป็นเท่านั้น และตรวจ `/audit` หลังเปลี่ยน role, import, integration, API key หรือ billing

### 16.2 Data import/export

ใช้ `/admin/import` เมื่ออยากนำข้อมูลหลาย sheet ตาม template เข้าระบบ และใช้ `/admin/data` เมื่ออยาก import/export dataset รายชุด

**ขั้นตอนปลอดภัย:**
1. ดาวน์โหลด template ล่าสุด
2. เติมข้อมูลใน sandbox ก่อนถ้ามีข้อมูลจริงจำนวนมาก
3. Upload แล้วอ่าน created / updated / skipped / errors
4. แก้ row ที่ error แล้ว upload ซ้ำเฉพาะข้อมูลที่ต้องการ
5. หลัง import ให้สุ่มเปิด profile, team, skills, resources เพื่อตรวจว่าข้อมูลไปถูกหน้า

### 16.3 SSO, SCIM, API keys

- OIDC/SSO ใช้ให้พนักงาน login ผ่าน identity provider ขององค์กร
- SCIM ใช้ provision/deprovision user จาก IdP
- API key ใช้กับ automation หรือ integration เฉพาะ use case

**ข้อควรระวัง:** secret/token/key ควร copy ครั้งเดียวแล้วเก็บใน vault ห้ามส่งผ่าน chat ทั่วไป ตั้งชื่อ key ให้มี owner และ revoke เมื่อเลิกใช้

### 16.4 Integrations

WorkDNA รองรับแนวคิด connector หลายกลุ่ม: HCM/roster, LMS/xAPI, project/resource tools, webhooks และ writeback

**ข้อมูลที่ส่งออกได้ควรเป็น:** allocation, capacity risk, forecast summary, status summary, skill summary ที่จำเป็น และ next action

**ข้อมูลที่ไม่ควรส่งออก:** raw psychometric answers, raw coaching notes, raw Human DNA ที่ไม่ได้ consent, passport scope ที่ไม่ได้เลือก, secret/token

### 16.5 Billing และ rollout

ก่อนเปิดใช้กับลูกค้าจริง ให้ owner/admin เช็ค:

- plan/subscription ถูก tenant
- billing contact ถูก
- SSO/SCIM ready ถ้าเป็น enterprise
- data import ผ่าน validation
- privacy/legal pages โหลดได้
- admin/integration recovery path ใช้ได้

---

## 17. Troubleshooting และคำถามที่พบบ่อย

### Login แล้วไม่เห็นเมนู HR/Admin

ตรวจ role ใน `/admin` หรือถาม owner/admin ให้เช็ค tenant role ของคุณ เมนู admin-only จะไม่แสดงถ้ายังโหลด role ไม่เสร็จหรือ role ไม่ถึง

### Dashboard ไม่มีตัวเลขบางส่วน

ส่วนใหญ่แปลว่ายังไม่มี source signal เช่น skills, assessments, Daily Work, allocation หรือ OKR ให้เปิด `/onboarding`, `/me/skills`, `/assessments`, `/work/daily` หรือ `/resources` ตาม next action

### Human DNA หรือ AI DNA confidence ต่ำ

confidence ต่ำแปลว่า "ข้อมูลยังไม่พอ" ไม่ใช่คนคนนั้นแย่ ให้เติม skill evidence, assessments, work signal, feedback และ actual task ก่อนใช้ตัดสินใจเรื่องใหญ่

### Daily Work ไม่มี task

เพิ่ม task เองได้ หรือให้ manager/PM ส่ง task จาก Project Estimate / Resource OS / connector เข้ามา ถ้างานมีอยู่ใน project แต่ไม่มา Daily Work ให้เช็คว่า estimate item ถูกกดส่งเข้า Daily Work แล้วหรือยัง

### Resource OS ไม่มี allocation หรือ actual dot

ตรวจว่ามี project/resource allocation, estimate item, Daily Work actual หรือ connector worklog แล้วหรือยัง ถ้ามีแค่ project แต่ยังไม่ commit allocation/actual ระบบควรแสดงเป็น planning data ไม่ใช่ actual

### OKR action แล้ว state ไม่เปลี่ยน

ควร refresh data หลัง create/submit/approve/complete ถ้า UI ไม่เปลี่ยนทันที ให้ reload เพื่อตรวจ persistence แล้วแจ้งทีม dev เพราะ primary action ทุกตัวควรมี pending/success/error และ refresh state

### Recruitment stage ไม่ขยับ

`Advance` ต้องเปลี่ยน stage และแสดง toast ถ้าไม่เปลี่ยน ให้บันทึก candidate, stage ก่อน/หลัง, language, device และ console error เพื่อส่ง bug report

### Integrations sync แล้ว error

เปิด recovery accordion / events / deliveries ดูว่าเป็น auth, mapping, timeout หรือ unknown error แล้วแก้ตามลำดับ: credential → mapping → retry/schedule → provider status

### ภาษา ZH/TH/EN มีคำอังกฤษปน

บางคำเป็น product term ตั้งใจคงอังกฤษ เช่น WorkDNA, Passport, OKR, AI DNA แต่ status/token อย่าง `applied` หรือ `work_sample` ควรถูกจัดใน glossary ว่าจะแปลหรือคงไว้

### มือถือแล้วตารางล้น

ตารางใหญ่ควรเลื่อนใน container ไม่ควรทำให้ทั้งหน้าเกิด horizontal scroll ถ้าเจอ ให้รายงาน route, viewport width, ภาษา และ screenshot

---

## 18. Checklist ก่อนเปิดใช้กับองค์กรจริง

### 18.1 Product readiness

- [ ] Login / signup / onboarding ไปถึง dashboard ได้
- [ ] Dashboard next action เป็น CTA จริง ไม่ใช่ตัวเลขลอย
- [ ] Daily Work check-in → task → check-out → actual hours ทำงานครบ
- [ ] Human DNA, Skills, AI DNA, Training, Passport โหลดได้ตามสิทธิ์
- [ ] Project → Resource OS → Daily Work → actual → Forecast loop ใช้ได้
- [ ] OKR create → submit → approve → check-in → complete → skill evidence ใช้ได้
- [ ] Recruitment stage advance, schedule state, decision room และ candidate evidence ใช้ได้
- [ ] HR AI Readiness campaign → assign → practiced count ใช้ได้

### 18.2 Admin readiness

- [ ] Roles และ manager relationships ถูกต้อง
- [ ] Data import template ผ่าน validation ไม่มี critical error
- [ ] SSO/SCIM ตั้งค่าและ revoke token ได้
- [ ] Integrations test/sync/events/recovery/delete confirmation ใช้ได้
- [ ] API keys copy-once/revoke ได้
- [ ] Billing plan/contact ถูก tenant
- [ ] Audit log มี event สำคัญ

### 18.3 Trust, privacy, localization

- [ ] TH/EN/ZH ไม่มี raw key หรือคำหลุดที่ไม่ตั้งใจ
- [ ] Privacy, Terms, Security, Trust pages โหลดได้
- [ ] Passport เป็น opt-in และ revoke ได้
- [ ] ไม่เปิด raw psychometric answers ใน admin/connector/export
- [ ] AI DNA ไม่มี replacement score หรือ black-box people judgment
- [ ] Mobile 390px ไม่มี page-level horizontal overflow ยกเว้น scroll container ที่ตั้งใจ

### 18.4 Reporting bug ให้ทีมแก้

ต่อหนึ่งปัญหา ให้บันทึก:

```text
หน้า/URL:
บทบาท/บัญชี:
ภาษา:
อุปกรณ์/viewport:
ขั้นตอน:
คาดว่า:
เกิดจริง:
ข้อมูลที่ถูกสร้าง/แก้:
console error:
screenshot/video:
```

---

## 19. Strategy DNA — จากกลยุทธ์สู่ OKR, งาน, training และ evidence

> 📖 **มีคู่มือแบบมีภาพประกอบแล้ว** — เปิด `/guide/strategy` เพื่อดูทีละขั้นพร้อม screenshot จริง
> ของแต่ละหน้าจอ (เลือกโจทย์ → ระบบหาหลักฐาน → เห็นก่อนว่าอะไรจะเปลี่ยน → กลับมาดูว่าขยับจริงไหม)
> อ่านง่ายกว่าหัวข้อนี้ เหมาะสำหรับผู้บริหารที่เพิ่งเริ่มใช้

**คืออะไร:** Strategy DNA คือเครื่องมือสำหรับผู้บริหาร, HR, owner และ manager ที่ต้องการแปลง "โจทย์กลยุทธ์" ให้เดินเป็นงานจริงใน WorkDNA ไม่ใช่แค่ให้ AI ช่วยเขียนแผนสวย ๆ ระบบจะเริ่มจาก business challenge, แนะนำ theory lens, prefill จาก WorkDNA engine, ถามเฉพาะข้อมูลที่ยังขาด แล้วค่อยให้คนตัดสินใจก่อน commit

**หน้าใช้งานหลัก**

| หน้า | Route | ใช้ทำอะไร |
| --- | --- | --- |
| **Strategy Studio** | `/strategy` | เลือกโจทย์ธุรกิจ, ดู challenge cards, theory lens, capability/VRIN inventory, AI workforce map, portfolio board |
| **Strategy Alignment Studio** | `/strategy/alignment` | สร้าง session, assemble evidence, diagnose, draft actions, preview/commit OKR, เปิด evidence graph |
| **Performance / OKR** | `/performance` | ดู objective, key results และ execution tasks ที่ถูก commit จาก strategy |
| **Resource OS** | `/resources` | ดู capacity/resource implication ของ strategy |
| **AI Readiness / Training** | `/hr/ai-readiness`, `/me/training` | ตรวจ campaign/training ที่เกิดจาก capability gap |

### 19.1 เริ่มจาก business challenge ไม่ใช่ blank page

1. เปิด `/strategy`
2. เลือก challenge card เช่น AI transformation, growth execution, capability moat, cost/capacity หรือ innovation portfolio
3. ดูว่า WorkDNA แนะนำ theory lens อะไร เช่น 7S, VRIN, Blue Ocean, Cynefin, Explore/Exploit
4. กดเริ่มจาก challenge เพื่อไป `/strategy/alignment?challenge=...`

สิ่งที่ควรเห็น:
- ชื่อ strategy และ narrative ถูก prefill จาก challenge
- มี recommended lenses ให้เห็นชัด
- มี evidence gaps / missing inputs แยกจากข้อมูลที่ระบบรู้แล้ว

### 19.2 เติมเฉพาะข้อมูลที่จำเป็น

ใน `/strategy/alignment` ระบบจะพยายามเติมข้อมูลจาก WorkDNA engine ก่อน เช่น:

- จำนวนคนและ skill signals
- OKR/objective เดิม
- actual hours จาก Daily Work
- allocation/capacity จาก Resource OS
- active AI agents และ AI workflow signals
- training/skill gaps ที่เกี่ยวกับ strategy

ผู้ใช้ควรกรอกเฉพาะช่องที่ยังขาด เช่น owner, cadence, horizon, capacity guardrail, success metric หรือ priority trade-off ไม่ควรต้องนั่งเขียน strategy ทั้งหมดจากศูนย์

### 19.3 สร้าง session แล้วเดิน evidence loop

ลำดับปุ่มที่ใช้:

1. **Create session** — บันทึกโจทย์ strategy เป็น session
2. **Assemble** — ดึง evidence จาก WorkDNA domains
3. **Diagnose** — วิเคราะห์ gap/misalignment
4. **Draft actions** — สร้าง action draft แบบ human-review only
5. **Preview OKR draft** — ดู objective, KRs, tasks, skill needs และ execution package ก่อน commit
6. **Commit OKR draft** — เมื่อผู้บริหารยืนยันแล้วเท่านั้น
7. **Evidence graph** — ดู trace ว่า strategy เชื่อมกับ evidence/OKR/tasks/training/signals อย่างไร

### 19.4 Commit แล้วเกิดอะไรขึ้น

เมื่อกด commit ระบบจะสร้าง/เชื่อม side effects หลัก:

| Side effect | ความหมาย | ไปดูต่อที่ |
| --- | --- | --- |
| OKR objective | objective ที่เป็น commitment จริง | `/performance` |
| Key results | ตัวชี้วัดของ strategy | `/performance` |
| Execution tasks | งานที่ต้องทำเพื่อให้ strategy เดิน | `/performance`, `/work/daily` เมื่อส่งต่อเข้า daily execution |
| Resource plan | capacity/resource implication | `/resources` |
| Training plan/campaign | capability gap ที่ต้องฝึก | `/hr/ai-readiness`, `/me/training` |
| AI workflow | งานที่อาจใช้ AI teammate/agent ช่วยภายใต้ human supervision | `/ai`, `/admin/ai-dna` |
| Feedback checkpoint | จุดกลับมาตรวจ evidence รอบถัดไป | `/strategy/alignment` |

นี่คือจุดต่างสำคัญ: WorkDNA ไม่หยุดที่ "แผนกลยุทธ์" แต่เชื่อม strategy เข้ากับ OKR, task, resource, training, AI workflow และ feedback loop

### 19.5 อ่าน Evidence Graph อย่างไร

Evidence Graph แสดงความเชื่อมโยงที่บันทึกจริง เช่น:

- strategy session → evidence
- evidence → finding
- finding → action draft
- action draft → committed OKR
- OKR → key result / task / skill need
- OKR → resource plan / training plan / AI workflow / feedback checkpoint
- OKR → actual work signal / progress signal / task completion signal / training practice signal

ถ้า signal ยังไม่มี ระบบควรแสดงเป็น missing หรือ low-confidence ไม่ควรแต่งข้อมูลขึ้นมา จุดนี้สำคัญมาก เพราะเป้าหมายคือ proof-based strategy ไม่ใช่ dashboard ที่ดูดีแต่ไม่มีหลักฐาน

### 19.6 Recovery และข้อควรระวัง

ใช้ **Recover** หรือแก้ session ใหม่เมื่อ:

- strategy narrative ผิดหรือ owner/cadence ไม่ชัด
- evidence coverage ต่ำ
- diagnosis ชี้ว่าข้อมูลยังไม่พอ
- capacity หรือ skill gap ใหญ่เกินกว่าจะ commit แบบมั่นใจ
- business challenge เปลี่ยน

ข้อควรจำ:
- AI ช่วยร่างและแนะนำ แต่ผู้บริหาร/manager ต้องเป็นคน commit
- Strategy score หรือ diagnosis ไม่ใช่คำทำนายว่า strategy จะสำเร็จแน่นอน
- Evidence Graph แสดง "สิ่งที่บันทึกจริงใน WorkDNA" และสิ่งที่ยัง missing
- การตัดสินใจที่กระทบคน เช่น restructure, hiring, role move ต้องใช้ human review และ governance เสมอ

### 19.7 Demo flow แนะนำ

ใช้บัญชี `demo.owner@workdna.app` หรือ `demo.coceo@workdna.app`:

1. เปิด `/strategy`
2. เลือก challenge ที่เกี่ยวกับ AI transformation หรือ growth execution
3. เข้า `/strategy/alignment`
4. เติม missing inputs สั้น ๆ ถ้ามี
5. กด Create session → Assemble → Diagnose → Draft actions
6. กด Preview OKR draft แล้วดู execution package
7. ถ้าต้องการทดสอบ commit ให้สร้าง/เลือก OKR cycle แล้วกด Commit OKR draft
8. เปิด Evidence graph แล้วตรวจว่ามี resource plan, training plan, AI workflow, feedback checkpoint และ next-loop signals

ประโยคสั้นสำหรับอธิบายลูกค้า:

> “WorkDNA ไม่ได้แค่ช่วยเขียน strategy แต่ช่วยดูว่า strategy นี้เดินผ่านคน งาน skill capacity AI readiness และ evidence จริงได้ไหม แล้วแปลงเป็น OKR/task/training/feedback loop ให้ตามต่อได้”

---

## 20. Market Skill — สมรรถนะการตลาดที่ให้เกรดได้ พร้อมหลักฐาน

> 📖 **มีคู่มือฉบับอ่านง่ายแล้ว** — เปิด `/guide/market-skill` (ไทย / อังกฤษ / จีน) เขียนสำหรับหัวหน้าหรือเจ้าของธุรกิจ
> ที่ไม่ได้อยู่สาย HR-tech อ่านจบใน 5 นาที หัวข้อนี้เป็นฉบับลงรายละเอียดว่าอะไรอยู่ตรงไหนในระบบ

**คืออะไร:** Market Skill ตอบคำถามเดียวว่า *“คนนี้ทำงานการตลาดได้ดีจริงไหม และเราชี้หลักฐานได้ไหมว่าทำไมถึงคิดแบบนั้น”* เดิมทีการตลาดทั้งศาสตร์เป็นสกิลบรรทัดเดียวในคลัง (`domain.sales_marketing`) ปนอยู่กับงานขาย ซึ่งพอใช้ทำรายงานจำนวนคน แต่ตอบคำถามข้างบนไม่ได้เลย Market Skill แตกมันเป็นสมรรถนะที่ให้ระดับ 0–5 บนสเกลเดียวกับสกิลอื่นทุกตัวใน WorkDNA มีภารกิจฝึกให้ซ้อม มีงานประเมินจริงเป็นหลักฐาน และมีกติกาใบรับรองที่ต้องมีทั้งสองอย่างถึงจะผ่าน

**หน้าใช้งานหลัก**

| หน้า | Route | ใช้ทำอะไร |
| --- | --- | --- |
| **Skill Matrix** | `/me/skills` | หมวด **Marketing** 6 สกิล ระดับ 0–5 — บ้านของระดับสมรรถนะ |
| **AI Super Training** | `/me/training` | ภารกิจฝึก 8 ใบ โผล่ในคิวของคนสาย `design_creative_marketing` |
| **Contextual Fit / Growth** | `/me/fit`, `/me/growth` | ค่าความเข้ากันกับ career track **Marketing Specialist** |
| **Work-sample Studio** | `/work-samples/studio` | template งานประเมิน 3 ชิ้น + rubric (เฉพาะ HR/admin/owner) |
| **Prompt Studio** | `/admin/prompt-studio`, `/me/prompts` | ชิป slot แยกฝั่ง *ช่องมีเจ้าของ / ช่องตัดสินใจ* |
| **Feature flags** | `/flags` หรือแท็บ Feature flags ใน `/admin` | เปิด-ปิด `market_skill_enabled` (ค่าเริ่มต้น = ปิด) |

### 20.1 ห้าสมรรถนะที่ให้เกรด

| สมรรถนะ | ความหมายแบบสั้นที่สุด | skill code ที่ให้เกรด | เครื่องมือประเมิน |
| --- | --- | --- | --- |
| **รู้จังหวะงาน** | เห็นสถานการณ์แล้วเลือก *ชนิดของงาน* ให้ถูกก่อนลงมือ รวมถึงตอบว่า “ยังไม่พอจะเริ่ม” | `mkt.campaign_planning` | ภารกิจ duel แบบจับคู่สถานการณ์ + rubric `trigger_fit` |
| **หาเจ้าของค่าจริง** (ตัวชูโรง) | รู้ว่าค่าไหนองค์กรถืออยู่แล้ว แล้วไปเอาเลขจริงมา แทนการพิมพ์เดา | ตัดขวางทุก `mkt.*` ผ่านเกณฑ์ rubric | work-sample + ภารกิจ duel |
| **ประกอบบรีฟให้ครบ** | บทบาท · บริบท · เป้าหมาย · ข้อจำกัด · รูปแบบผลลัพธ์ที่ตรวจรับได้ | `mkt.brief_construction` | Prompt duel + work-sample |
| **รู้กติกาการตลาดไทย** | ชี้ได้ว่าชิ้นไหนมีพันธะที่ต้องจัดการ *ก่อน* เผยแพร่ | `mkt.compliance_th` | ภารกิจ saboteur + work-sample |
| **วัดผลอย่างซื่อสัตย์** | รู้ว่าที่ปริมาณเท่านี้ อะไรอ่านได้และอะไรอ่านไม่ได้ | `ana.experimentation`, `ana.statistics` (ของเดิม) | ภารกิจ boss/boundary + work-sample |

สกิลในหมวด Marketing มี 6 ตัว: `mkt.brief_construction` · `mkt.campaign_planning` · `mkt.brand_messaging` · `mkt.content_creative` · `mkt.channel_audience` · `mkt.compliance_th`

**ตั้งใจไม่มี `mkt.measurement`** — วิจารณญาณการวัดผลให้เกรดผ่านสกิลสายวิเคราะห์ที่มีอยู่แล้ว เพื่อไม่ให้สมรรถนะเดียวกันถูกวัดซ้ำสองที่ในสองชื่อ

### 20.2 “ช่องมีเจ้าของ” กับ “ช่องตัดสินใจ” — สิ่งที่แยก junior ออกจาก senior

ให้สองคนทำบรีฟเดียวกันที่มีช่องว่างเจ็ดช่อง คนที่ยังไม่ผ่านงานเติมครบเจ็ดช่องจากความจำ คนที่ผ่านงานมาเห็นว่าห้าช่องมีเจ้าของอยู่แล้ว (segment ใน analytics, คู่มือแบรนด์, media plan, คนอนุมัติงบ) แล้วเดินไปเอาค่าจริงมา เหลือสองช่องที่ตัดสินใจเอง

ใน Prompt Studio ทุกช่องที่ template ต้องใช้จะขึ้นเป็นชิปแยกสองฝั่ง:

| ฝั่ง | หน้าตา | ความหมาย | กติกาที่ระบบบังคับ |
| --- | --- | --- | --- |
| **ช่องมีเจ้าของ** (resolvable) | ชิปน้ำเงิน ขอบทึบ ไอคอนฐานข้อมูล | ค่าจริงมีอยู่ในองค์กรแล้ว ให้ไปเอามา | **ต้องระบุเจ้าของ** ไม่ระบุ = บันทึก template ไม่ผ่าน |
| **ช่องตัดสินใจ** (intent) | ชิปม่วง ขอบประ ไอคอนหลอดไฟ | ไม่มีใครในองค์กรถือค่านี้ คุณตัดสินใจเอง | **ห้ามระบุเจ้าของ** การอ้างว่ามีคือการแต่งข้อมูล |

**ระบบไม่ดึงค่าให้** ชิปทำหน้าที่อธิบายให้มนุษย์อ่าน ไม่ได้ทำหน้าที่ค้นหา — WorkDNA ไม่เอื้อมเข้าไปในระบบธุรกิจของคุณเพื่อเติมช่องว่าง เพราะ “การไปเอาเลขจริงมา” คือทักษะที่กำลังฝึกอยู่

### 20.3 ภารกิจฝึก 8 ใบในยิม

ทุกใบให้คะแนนด้วยเฉลยที่กำหนดไว้ล่วงหน้า (ไม่มี AI ตัดสินว่าคุณตอบถูกไหม) และจบด้วย debrief สามช่องเสมอ — AI ให้อะไรมา / ต้องระวังอะไร / ประเด็นทักษะคืออะไร แบรนด์ทุกชื่อในโจทย์แต่งขึ้นทั้งหมด

| key | ประเภท | โจทย์ย่อ |
| --- | --- | --- |
| `mkt_sab_01` | saboteur | โพสต์เปิดตัวกลิ่นใหม่ที่ AI ร่างทั้งชุดกำลังรอขึ้นคิวหกโมงเย็น |
| `mkt_sab_02` | saboteur | ชุดก๊อปปี้เปิดตัวอาหารเสริมที่ AI เขียนมาในรอบเดียว |
| `mkt_duel_01` | duel | หกสถานการณ์ในสัปดาห์เดียว — แต่ละอันคืองานชนิดไหน |
| `mkt_duel_02` | duel | “ข้อมูลเท่านี้พอจะเริ่มหรือยัง” — บางข้อคำตอบถูกคือยังไม่พอ |
| `mkt_duel_03` | duel | หกบรรทัดในพรอมป์ตเดียว — บรรทัดไหนมีแหล่งที่มา |
| `mkt_duel_04` | duel | ผ่าบรีฟ: ส่วนไหนไปช่องไหน และช่องไหนที่ควรปล่อยว่าง |
| `mkt_boss_01` | boss | สไลด์สรุปผลทดสอบครีเอทีฟที่หัวหน้ารออยู่ |
| `mkt_bnd_01` | boundary | ผู้ช่วย AI ขอข้อมูลลูกค้าเพิ่ม “เพื่อให้ข้อความเป็นส่วนตัวขึ้น” |

### 20.4 งานประเมินจริง 3 ชิ้น — ตัวหลักฐาน

| template | สมรรถนะหลัก | โจทย์ | เกณฑ์ rubric |
| --- | --- | --- | --- |
| `ws_mkt_brief_v1` | หาเจ้าของค่าจริง + ประกอบบรีฟ | เขียนบรีฟจากชุดข้อมูลสังเคราะห์ที่ขัดกันเองเงียบ ๆ (รายงานยอดขายกับคู่มือแบรนด์บอกราคาไม่ตรงกัน และคู่มือแบรนด์เก่ากว่าสิบเดือน) | `slot_sides` · `source_citation` · `open_questions` · `anatomy_complete` · `staleness_flag` |
| `ws_mkt_compliance_v1` | รู้กติกาการตลาดไทย | ตรวจงานโฆษณา 6 ชิ้นที่รอขึ้นคิวพรุ่งนี้ ตอบทีละชิ้นว่ามีพันธะไหม หมวดไหน และต้องเกิดอะไรก่อนเผยแพร่ | `obligation_spotting` · `category_id_correct` · `next_step_correct` · `no_overclaim` |
| `ws_mkt_channel_v1` | รู้จังหวะงาน + วัดผลอย่างซื่อสัตย์ | อ่านผลทดลองยิงงบ 4 ช่องทาง เสนอว่างบก้อนหน้าลงตรงไหน และ **ประกาศให้ครบว่าข้อสรุปไหนอ่านไม่ได้** ที่จำนวนออเดอร์เท่านี้ | `trigger_fit` · `evidence_use` · `no_read_declared` · `recommendation_clarity` |

กติกาของงานประเมิน:
- คนเป็นผู้ให้คะแนนตาม rubric — ทั้งสาม template ประกาศไว้ว่า **ตรวจแบบไม่เห็นตัวตนผู้ทำได้** และ **ให้คะแนนเฉพาะสมรรถนะ** ไม่มีเกณฑ์ใดแตะคุณลักษณะส่วนบุคคล
- template ที่ publish แล้วถูกล็อก การแก้คือออก **เวอร์ชันใหม่** ไม่ใช่ไปแก้หลักฐานที่มีคนถูกให้คะแนนไปแล้ว
- ชิ้นที่ 3 บอกไว้ตรง ๆ ว่า **ข้อเสนอที่ไม่มีรายการ “ข้อสรุปที่อ่านไม่ได้” ถือว่าทำงานไม่ครบ** ไม่ว่าข้อเสนอจะดูดีแค่ไหน

### 20.5 กติกาใบรับรอง และสี่สถานะที่เป็นไปได้

สมรรถนะจะได้ใบรับรองเมื่อ **สองอย่างจริงพร้อมกัน**:

1. ระดับสกิลที่ประเมินได้ **≥ 4** (บนสเกล 0–5)
2. มี work-sample run ที่ **ถูกให้คะแนนแล้วอย่างน้อย 1 ชิ้น** บน template ที่ publish แล้วและประกาศสมรรถนะนั้นไว้

ระดับที่ไม่มีชิ้นงานหนุน = การประเมินตัวเอง · ชิ้นงานที่ไม่มีระดับ = ไฟล์ที่ยังไม่มีใครสรุป — แยกกันแล้วรับรองอะไรไม่ได้

| สถานะ | หมายความว่า |
| --- | --- |
| `not_assessed` | **ยังไม่มีใครประเมิน** — ไม่มีแถวใน employee_skills ระบบไม่ขึ้นเลข 0 ให้ และนี่ไม่ใช่ความอ่อน |
| `below_threshold` | ประเมินแล้วแต่ยังไม่ครบเกณฑ์ — ระบบบอกด้วยว่าขาดข้อไหน (ระดับต่ำไป หรือยังไม่มีชิ้นงานที่ให้คะแนนแล้ว) |
| `eligible` | ครบเกณฑ์แล้ว แต่ยังไม่ได้ออกป้าย |
| `certified` | ครบเกณฑ์และออกป้ายแล้ว (ออกซ้ำไม่สร้างป้ายใหม่) |

**API:** `GET /api/v1/market-skill/certification/{employee_id}` (ดูของตัวเองได้ทุกคน · ดูของคนอื่นต้องเป็นหัวหน้า/HR/admin) และ `POST /api/v1/market-skill/certification/{employee_id}/issue` (ออกป้าย — เฉพาะ HR/admin/owner)

**ป้ายบอกอะไร:** ประเมินอะไร เมื่อไร ด้วยหลักฐานไหน — เท่านั้น **ไม่บอกอะไร:** ผลลัพธ์ธุรกิจทุกชนิด และมันไม่ใช่คะแนนบุคลิก ไม่ใช่การจัดอันดับคน ไม่ได้ถูกสร้างมาให้อยู่เบื้องหลังการตัดสินใจจ้างหรือให้ออก

### 20.6 ใบรับรองยัง “ปิด” อยู่ — และอะไรที่ไม่ได้ถูกกั้น

- หน้าใบรับรองอยู่หลัง feature flag ชื่อ **`market_skill_enabled`** และส่งมาในสถานะ **ปิด** (ไม่มีแถว flag = ปิด)
- จนกว่า owner หรือ admin จะเปิดที่ `/flags` หรือแท็บ Feature flags ใน `/admin` API จะตอบ **404 เสมือนฟีเจอร์นี้ไม่มีอยู่** — เป็นการ fail closed ที่ตั้งใจ ไม่ใช่บั๊ก ถ้าหาปุ่มไม่เจอให้ไปดูที่ flag ก่อน
- **สิ่งที่ไม่ได้ถูกกั้นเลย:** สกิลหมวด Marketing ทั้ง 6 ตัว · career track `marketing_specialist` · ภารกิจ 8 ใบ · template งานประเมิน 3 ชิ้น — ทั้งหมดเป็นข้อมูลคลัง มีให้ทุก tenant อยู่แล้วไม่ว่า flag จะเปิดหรือปิด (template จะถูก seed ให้ tenant ตอนเปิดหน้า template library ครั้งแรก)

### 20.7 Compliance: สอนว่ามีพันธะ ไม่สอนให้ท่องถ้อยคำ

เนื้อหาสาย compliance จงใจให้เกรดแคบ ๆ แค่สามเรื่อง: **รู้ว่ามีพันธะ · รู้ว่าพันธะเกาะกับงานชิ้นไหน · รู้ว่าอะไรต้องเกิดก่อนเผยแพร่**

- งานที่ร่างหรือสร้างด้วย AI มีพันธะเรื่องการเปิดเผยที่มา
- สินค้าหมวดที่มีการกำกับเฉพาะ (อาหาร · ผลิตภัณฑ์เสริมอาหาร · เครื่องสำอาง · เครื่องมือแพทย์) ต้องขออนุญาตก่อนเผยแพร่ และมีคำ claim ที่ใช้ไม่ได้
- ข้อมูลลูกค้าที่ใช้ทำการตลาดมีขอบเขตของความยินยอมกำกับอยู่

**สิ่งที่จงใจไม่ให้เกรดคือถ้อยคำที่ต้องใช้เป๊ะ ๆ** เพราะกฎขยับได้ และข้อสอบที่วัดการท่องข้อความซึ่งยังไม่ได้ตรวจกับแหล่งทางการ คือการสอนสิ่งที่อาจผิดไปแล้ว เนื้อหาจึงสอน *นิสัย* แทน — ทุกภารกิจสายนี้แนบลิงก์หน่วยงานทางการไว้ใน `sources` และงานประเมินเขียนไว้ตรง ๆ ว่าให้ตอบว่า “ตรวจถ้อยคำปัจจุบันจากแหล่งทางการก่อน” พร้อมระบุว่าเป็นหน่วยงานด้านใด แค่นั้นถือว่าตอบถูก

**WorkDNA สอนและสอบเรื่องนี้ — ไม่ได้เข้าไปตรวจก๊อปปี้จริงของใครก่อนขึ้นโพสต์** ไม่ใช่ด่านกั้นงานจริง และไม่ใช่ความเห็นทางกฎหมาย

### 20.8 ข้อจำกัดที่ต้องรู้ก่อนใช้

- **สกิลในหมวด Marketing มี 6 ตัว แต่วันนี้มีเครื่องมือประเมินรองรับ 4 ตัว** (`mkt.brief_construction`, `mkt.campaign_planning`, `mkt.channel_audience`, `mkt.compliance_th`) ส่วน `mkt.brand_messaging` และ `mkt.content_creative` **ยังประเมินไม่ได้** จนกว่าจะมีเครื่องมือของตัวเอง — คงสถานะนี้ไว้อย่างซื่อสัตย์ ดีกว่าเอาเครื่องมือที่ไม่ได้สร้างมาเพื่อมันไปให้เกรด
- **“ยังไม่ได้ประเมิน” จะเจอบ่อยมาก โดยเฉพาะช่วงแรก** — อ่านมันเป็นงานที่หัวหน้ายังไม่ได้ทำ ไม่ใช่คำตัดสินคน การไม่มีหลักฐานไม่เท่ากับความอ่อน
- **ยังไม่มีหลักฐานว่าสิ่งนี้ทำให้งานการตลาดของใครดีขึ้น** WorkDNA ยังไม่มีผู้ใช้ภายนอกเลยสักราย ข้อสรุปแบบนั้นต้องมีผู้ใช้จริงกินเวลาหลายเดือน สิ่งที่มีวันนี้คือ **เนื้อหาและเครื่องมือประเมินที่พร้อมใช้** เท่านั้น
- **เกณฑ์ตัวเลข (ระดับ ≥ 4 และ ≥ 1 ชิ้นงาน) ยังไม่เคยถูกคาลิเบรตกับงานจริง** มันคือจุดเริ่มต้นที่ตั้งใจให้เถียงได้ ไม่ใช่คำตอบสำเร็จรูป
- ทุกแบรนด์ ตัวเลข และเอกสารในภารกิจกับงานประเมินเป็นของแต่งขึ้นทั้งหมด — เป็นวัสดุสำหรับการประเมิน ไม่ใช่ case study

ประโยคสั้นสำหรับอธิบายลูกค้า:

> “Market Skill ไม่ได้บอกว่าใครเก่งการตลาด แต่บอกว่าเราประเมินอะไรไปแล้วบ้าง ด้วยหลักฐานชิ้นไหน และอะไรที่ยังไม่ได้ประเมิน — และมันพูดคำว่า ‘ยังไม่ได้ประเมิน’ ออกมาตรง ๆ แทนที่จะเดาให้เต็ม”


---

## 21. Operational Thinking — วิเคราะห์สาเหตุแบบไม่โทษคน + ความชัดของงานจากที่ประชุม

> มาจากชุด "6 เครื่องมือบริหาร" (PDCA, SWOT, SMART, 5W2H, ก้างปลา, 5M1E) ที่ถูกวิจัยเชิงลึกแล้วแปลงเป็นฟีเจอร์
> **ทฤษฎีของทั้ง 6 ตัว** — [อ่านฉบับเต็มได้ที่นี่](/docs/WorkDNA_Management_Tools_Theory_TH_2026-08-13.md) · หน้านี้โฟกัสว่า*ใช้ในระบบยังไง*
> ตอนนี้**ครบทั้ง 6 เครื่องมือแล้ว**: ก้างปลา + 5M1E = Cause Analysis (Journey 1) และวงปิด "ได้ผลจริงไหม" (Journey 6) ·
> 5W2H = Clarity ใน Meetings (Journey 2) · SMART = Goal shape check + guardrail (Journey 3, 5) ·
> PDCA ระดับคน = Kata check-in + calibration (Journey 4) · SWOT/TOWS ระดับทีม (Journey 7) ·
> 5M1E ระดับองค์กร = Cause Patterns (Journey 8) — ปิดท้ายด้วยหมวด Problem Solving ใน Passport และยิมฝึก 5 ชุด
> **อยากเรียนทฤษฎีแบบมีแบบทดสอบ:** เปิด [แบบเรียน 6 บท + แบบทดสอบ](/learn/operational-thinking) — บทละ 4 นาที เฉลยพร้อมเหตุผลทุกข้อ

### เปิดใช้ (ปิดมาจากโรงงาน)

Cause Analysis ปิดเป็นค่าเริ่มต้นทุก tenant — เปิดที่ `/flags`: ต้องเปิด **ทั้ง** `cause_analysis_enabled` (master)
และ `cause_analysis_enabled:<tenant_id>` ของ tenant นั้น · เปิดตัวเดียวยังไม่เกิดอะไรขึ้น (ตั้งใจ fail-closed)
ตอนปิด ทุกหน้า `/cause` ตอบ 404 และปุ่มทางเข้าทั้งหมด*หายไปเลย* ไม่ใช่ปุ่มกดไม่ได้

Flag นี้คุมเฉพาะฝั่ง cause: หน้า `/cause` ทั้งหมด, `/cause/patterns` และส่วน "งานแก้ปัญหา" ใน Passport ·
ส่วนที่มากับ OKR (สองโหมดตั้งเป้า, Goal shape check, Kata check-in + ความมั่นใจ, guardrail, calibration)
ติดมากับ `/performance` เลยไม่ต้องเปิดอะไรเพิ่ม · TOWS มากับ `/strategy/alignment` · ยิมฝึกมากับ `/training`

### Journey 1 — จาก "OKR พลาด" ถึง "งานแก้จริงบน Daily Work" (ครบวง ~10 นาที)

**ตัวอย่าง:** ทีม Finance ปิดงบเดือนธันวาช้า 4 วัน · ผู้จัดการอยากรู้ว่าทำไม — โดยไม่จบที่ "ใครพลาด"

1. **ทางเข้า** — ไม่ต้องหาเมนู (จงใจไม่มีในแถบซ้าย): ปุ่ม **"วิเคราะห์สาเหตุ"** โผล่บนของที่กำลังมีปัญหาเอง —
   meeting item ประเภท **risk** ในหน้ารีวิวการประชุม หรือ **KR ที่ off-track** ใน /performance ·
   กดแล้วมาถึง `/cause` พร้อม subject ผูกให้แล้ว
2. **ตั้งคำถามให้วัดได้** — ระบบบังคับปัญหาแบบวัดได้ ("ปิดงบช้ากว่ากำหนด 4 วัน") ไม่รับ "คุณภาพแย่ลง" ·
   **เลือก subject เป็นได้แค่ process / system / outcome** — เลือก "บุคคล" ไม่ได้ ระบบปฏิเสธที่ฐานข้อมูล:
   *"การวิเคราะห์สาเหตุไม่ใช่เรื่องของตัวบุคคล ให้เลือกกระบวนการ ระบบ หรือผลลัพธ์แทน"*
3. **แตกสมมติฐานตามหมวด 5M1E** (People & roles · Tools & AI · Inputs · Method · **Measurement** · Environment) —
   ทุก node เกิดมาพร้อมป้าย **"Not checked"** เด่น ๆ: *"This is a hypothesis, not a finding, until evidence says otherwise"*

   ![Cause Analysis — ก้างปลาที่มี 3 สถานะหลักฐาน](images/guide/ot/cause-tree-light.png)

4. **กำแพงกันโทษคน ทำงานตรงนี้** — พิมพ์ node "ผู้รีวิวเซ็นผ่านโดยไม่อ่าน variance report" ระบบจะ**บังคับ**
   กรอกช่อง *"What made this possible?"* ก่อนบันทึก — คำตอบเช่น "หน้าจอโชว์ปุ่ม sign-off ก่อนรายงานโหลดเสร็จ"
   ทำให้การวิเคราะห์เดินต่อ*ผ่าน*ตัวคน ไปหาเงื่อนไขที่แก้ได้จริง
5. **ติดหลักฐานทีละก้าน** — ไปตรวจของจริงแล้วกลับมาเปลี่ยนป้าย: **Confirmed** (เขียว — "เช็ค template ใน
   Confluence แล้ว: ไม่มีคอลัมน์ owner จริง") / **Refuted** (แดง — ตัดทิ้ง) / เหลือ **Not checked** ไว้ตามจริง
6. **ออกมาตรการ + ระดับความแรง** — ทุกมาตรการเลือก **Strong / Intermediate / Weak** ·
   "จัดอบรม/แจ้งเตือนในที่ประชุม" = Weak และ**ปิดการวิเคราะห์ไม่ได้** — gate บังคับว่าทุกสาเหตุที่ยืนยันแล้ว
   ต้องมีมาตรการระดับแข็ง/กลางอย่างน้อยหนึ่งข้อ (เปลี่ยนระบบ ไม่ใช่เตือนความจำคน)

   ![Finalize ถูก block พร้อมเหตุผลเป็นรหัสอ่านได้](images/guide/ot/cause-gate-blocked-light.png)

7. **Finalize = เกิดงานจริง** — มาตรการแข็ง/กลางที่มี**ผู้รับผิดชอบ**ระบุชื่อ จะกลายเป็น **WorkTask
   บน Daily Work ของคนนั้นอัตโนมัติ** (มาตรการที่ไม่มีเจ้าของ/เป็น Weak จะขึ้นข้อความตรง ๆ ว่า
   "ยังไม่มีงานถูกสร้าง...") · กด finalize ซ้ำไม่สร้างงานซ้ำ
8. **Feedback วนกลับเอง** — สถานะงาน (Planned → In progress → Completed) โชว์สดบนหน้าวิเคราะห์
   ไม่ต้อง sync ไม่ต้องกรอกซ้ำ

   ![มาตรการที่กลายเป็นงานจริง พร้อมสถานะสด](images/guide/ot/cause-task-chip-light.png)

**สิ่งที่ระบบ*ไม่*ทำให้ (ตั้งใจ):** ไม่เสนอสาเหตุให้เลือก ไม่มี "AI คิดว่าสาเหตุคือ..." — กล่อง
**"Questions worth asking"** ทำได้แค่ชี้โครงสร้าง ("มีเส้นทางสาเหตุเดียว", "ก้านนี้ยังไม่มีหลักฐาน",
"มาตรการทั้งหมดเป็นระดับอ่อน") และเขียนไว้ตรง ๆ ว่า *"The system never proposes a cause."*

### Journey 2 — 5W2H Clarity: จับงานคลุมเครือจากที่ประชุมก่อนมันหลุด (~1 นาที/รายการ)

หลัง AI สกัด action item จากการประชุม หน้า review จะติด **chip ความชัด 3 ตัว: what / who / when** ต่อรายการ:

![Clarity chips บนหน้ารีวิวการประชุม](images/guide/ot/clarity-light.png)

- **เขียว (ok)** — ชัดพอทำงานได้: มีเนื้องาน, resolve เจ้าของเป็น*คน*ได้, มีวันที่จริง
- **เหลือง (vague)** — *มีคำตอบแต่ใช้ไม่ได้*: เจ้าของคือ "ทีม" (ทีมไม่ใช่คน — งานของทุกคนคืองานของไม่มีใคร),
  ชื่อที่ระบบจับคู่กับพนักงานไม่ได้, กำหนดส่ง "เร็ว ๆ นี้"
- **เทา (unspecified)** — *ยังไม่มีคำตอบเลย* — ไปถามเจ้าของประชุม

หัวใจที่ทำให้ต่างจากเช็คลิสต์ทั่วไป: ระบบ**แยก "คลุมเครือ" ออกจาก "ว่าง"** — ช่องว่างคือยังไม่ได้คุย
แต่ช่องคลุมเครือคือ*คุยแล้วแต่ไม่มีใครถือของ* ซึ่งอันตรายกว่าเพราะดูเหมือนเสร็จแล้ว · แก้ได้ทันทีด้วยการ
**Edit** รายการนั้นให้ระบุคน/วันที่จริงก่อนกด Accept — และรายการประเภท risk มีปุ่ม "วิเคราะห์สาเหตุ" ต่อเข้า Journey 1 ได้เลย

### Journey 3 — ตั้ง OKR แบบเลือกวิธีเองได้ + เช็ครูปทรงเป้าแบบไม่โกหก (SMART)

กด **New objective** ใน `/performance` แล้วเจอตัวเลือกวิธีก่อนเจอฟอร์ม — สามโหมด แต่ละโหมดเขียน
ข้อแลกเปลี่ยนของตัวเองตรง ๆ บนการ์ด ไม่มีโหมดไหนถูกขายว่าดีที่สุดฟรี ๆ:

![สองโหมดตั้งเป้า พร้อมข้อแลกเปลี่ยนบนการ์ด](images/guide/ot/okr-authoring-modes-light.png)

- **ถามทีละมิติ (แนะนำ)** — ระบบพาไล่ทีละคำถาม (จะวัดอะไร เท่าไหร่ เมื่อไหร่ ใครถือ) คุณเป็นคนตอบเอง
  ช้ากว่าแต่เป้าเป็นของคุณจริง
- **ให้ AI ร่างให้ครบ** — เร็วที่สุด แต่การ์ดบอกตรง ๆ ว่าเป้าที่ถูกร่างให้มีแนวโน้มถูกรับไปทั้งก้อนโดยไม่ถูกคิดต่อ
- **เขียนเองทั้งหมด** — ฟอร์มเปล่า สำหรับคนที่รู้อยู่แล้วว่าจะเขียนอะไร

ทุกเป้าจดที่มาไว้ในตัว (`authoring_mode`) — องค์กรย้อนดูได้ว่าเป้าชุดไหนคนคิดเอง ชุดไหน AI ร่าง

ตั้งเสร็จ กดดู **Goal shape check** ได้ทุกเมื่อ — หัวการ์ดเขียนว่า *"Six observations, not a score"*:
สี่มิติ (ชัดไหม วัดได้ไหม มีเส้นตายไหม มีข้อมูลไหลเข้าไหม) ตอบจากข้อมูลจริงของเป้านั้น
ส่วน **relevant / attainable ระบบตอบว่า "เครื่องประเมินให้ไม่ได้"** — สองข้อนี้เป็นเรื่องของ
บริบทธุรกิจที่มนุษย์ต้องคุยกัน ระบบไม่แกล้งตอบ และทั้งการ์ด**ไม่มีคะแนนรวม**ให้เอาไปไล่บี้กัน

![Goal shape check — หกข้อสังเกต ไม่ใช่คะแนน](images/guide/ot/okr-smart-panel-light.png)

### Journey 4 — Kata check-in: ทำนายก่อน แล้วค่อยรู้ผล (PDCA ระดับคน)

หัวใจของ PDCA ไม่ใช่ฟอร์ม 4 ช่อง แต่คือ**การถูกความจริงสอน** — ระบบเลยบังคับลำดับ: ทำนายก่อน เจอผลทีหลัง

1. Check-in แต่ละรอบ (dialog **"Reflect, then report"**) ถามว่า *รอบหน้าคุณคาดว่าจะเกิดอะไร* —
   พิมพ์คำทำนายแล้วระบบ**ล็อกทันทีฝั่ง server** พร้อมเวลา: 🔒 *"Locked — cannot be edited after
   the fact"* แก้ย้อนหลังได้คำตอบเดียวคือ 409 ต่อให้ยิง API ตรงก็เหมือนกัน
2. **(ใหม่ P2)** ข้างคำทำนายมีช่อง **มั่นใจกี่ %** (0–100) — เปิดเฉพาะเมื่อมีคำทำนาย เพราะความมั่นใจ
   ที่ไม่ผูกกับคำทำนายไหนไม่มีความหมาย

   ![ช่องความมั่นใจ เปิดคู่กับคำทำนายที่กำลังจะถูกล็อก](images/guide/ot/okr-checkin-confidence-light.png)

3. รอบถัดไประบบเอาคำทำนายที่ล็อกไว้มาวางตรงหน้า แล้วถามว่าเกิดจริงไหม — **ตรง / บางส่วน / ไม่ตรง**
   ป้าย integrity ของเป้ามี 3 ค่าและ**ไม่มีทางเขียวโดยไม่มีการเทียบจริงเกิดขึ้น** (derive จากข้อมูล ไม่ใช่ติ๊กเอง)

   ![Kata check-in — คำทำนายถูกล็อกพร้อมเวลา](images/guide/ot/okr-kata-checkin-light.png)

4. พอสะสมผลตัดสินครบ 3 รอบขึ้นไป การ์ด **Prediction calibration** (ใน Passport หมวด Problem Solving)
   เริ่มรายงาน **Brier score** — ช่องว่างระหว่าง "มั่นใจแค่ไหน" กับ "เกิดจริงไหม" ยิ่งต่ำยิ่งแม่น ·
   รอบที่ตอบ "บางส่วน" ถูก**นับแยกไว้เฉย ๆ ไม่ถูกยัดเป็นครึ่งคะแนน** (การ์ดโชว์จำนวนที่ถูกตัดออกตรง ๆ)
   และการ์ดเขียนกำกับไว้เองว่า *ตัวเลขนี้วัด calibration ได้ แต่ไม่ได้อ้างว่าฝึกให้แม่นขึ้น*

   ![การ์ด calibration — Brier จริง พร้อมจำนวนที่ถูกตัดออก](images/guide/ot/okr-calibration-light.png)

**เห็นเฉพาะตัวเอง**: เส้นทาง API ของ calibration ไม่มีช่องให้กรอก id คนอื่นเลยแม้แต่ช่องเดียว —
หัวหน้าเรียกดู calibration ลูกทีมรายคนไม่ได้ ไม่ใช่เพราะถูกห้าม แต่เพราะ*ไม่มีที่ให้ถาม*

### Journey 5 — Guardrail บน KR: ประโยค "ห้ามแย่ลง" กันเป้าถูกไล่จนพัง (กัน Goodhart)

KR ทุกตัวเพิ่มประโยค guardrail ได้หนึ่งประโยค — *อะไรที่ห้ามแย่ลงระหว่างไล่เป้านี้* เช่น KR
"ปิด ticket ให้เร็วขึ้น 30%" คู่กับ guardrail "คะแนนความพึงพอใจต้องไม่ต่ำกว่า 4.5":

![Guardrail แสดงคู่ KR ในแผงแก้ไข](images/guide/ot/okr-guardrail-light.png)

- แสดง**คู่กับ KR ทุกที่ที่ KR โผล่** — คนอัปเดต progress เห็นสิ่งที่ห้ามพังตลอดเวลา
- **ไม่ block อะไรเลย** — guardrail เป็นคำเตือนเชิงวัฒนธรรม ไม่ใช่ validation: ระบบไม่รู้ค่าจริงของ
  สิ่งที่คุณสัญญาว่าจะไม่ทำพัง จึงไม่แกล้งบังคับ
- **AI เห็นด้วย** — agent ที่อ่านบริบท OKR ได้รับ guardrail ไปพร้อมกับเป้าเสมอ จะได้ไม่เชียร์ทางลัดที่พังของที่ห้ามพัง

### Journey 6 — "ทำเสร็จ" ≠ "ได้ผล": วงปิดของมาตรการจาก Journey 1 (Check ที่หายไปของ PDCA)

มาตรการจากการวิเคราะห์สาเหตุส่วนใหญ่ตายตรงนี้: งานถูกทำจนเสร็จ แล้วทุกคนก็ลืมถามว่า*ปัญหาหายจริงไหม*
ระบบเลยแยกสองคำถามนี้ออกจากกันถาวร:

1. **ประกาศวิธีวัดล่วงหน้า** — ตอนออกมาตรการ (ก่อนปิดการวิเคราะห์) เลือกประกาศได้ว่า *"จะพิสูจน์ด้วยอะไร
   ว่าได้ผล"* + *ตรวจวันไหน* — ประกาศก่อนรู้ผล จะได้ไม่เลือกตัววัดที่เข้าข้างตัวเองทีหลัง
2. **งานเสร็จแล้วก็ยังไม่จบ** — บนหน้าวิเคราะห์ สถานะงาน (In progress → Completed) กับสถานะผล
   (**ยังไม่รู้ว่าได้ผล**) วาดอยู่*บรรทัดเดียวกัน* — งานปิดไปแล้วแต่ป้าย "ยังไม่รู้ว่าได้ผล" ยังค้างอยู่
   จนกว่าจะมีคนกลับมาตอบ:

   ![งานเสร็จแล้ว แต่ effectiveness ยังรอคำตอบ](images/guide/ot/cause-effectiveness-light.png)

3. **ตอบด้วยหลักฐาน** — ครบกำหนดกลับมากดตอบ **ได้ผล / ไม่ได้ผล** — ระบบบังคับแนบบันทึกว่า
   ตัววัดบอกอะไร (คำตัดสินเปล่า ๆ ไม่มีบันทึก = 422 ทั้ง API และกำแพงฐานข้อมูล) · "ไม่ได้ผล"
   เป็นคำตอบที่มีเกียรติเท่า "ได้ผล" — มันแปลว่าสาเหตุที่แท้อยู่ก้านอื่น กลับไป Journey 1 ได้ถูกจุด
4. **เงียบ = ระบบทวงเอง** — เลยกำหนดโดยไม่มีใครตอบ ระบบเปลี่ยนสถานะเป็น **เลยกำหนดตรวจ** (สีเหลือง)
   แล้วแจ้งเตือนทั้ง*เจ้าของมาตรการ*และ*ผู้เขียนการวิเคราะห์* — คนละหนึ่งครั้ง ไม่สแปมซ้ำ · สถานะนี้คือ
   "คำถามที่ยังไม่ถูกตอบ" ไม่ใช่คำตัดสิน — ปุ่มตอบยังอยู่:

   ![เลยกำหนดตรวจ — ระบบทวงแล้ว และยังตอบได้](images/guide/ot/cause-effectiveness-expired-light.png)

### Journey 7 — SWOT → TOWS ระดับทีม: จาก 4 ช่องเฉย ๆ เป็นร่างกลยุทธ์ที่อ้างที่มาได้

ใน `/strategy/alignment` มีตาราง **SWOT / TOWS** สำหรับ*ทีมหรือโจทย์งาน* (หัวข้อเป็นบุคคลไม่ได้ —
ฟอร์มไม่มีช่องให้ทำแบบนั้น):

1. ลิสต์ **จุดแข็ง / จุดอ่อน / โอกาส / อุปสรรค** — แต่ละลิสต์**เพดาน 8 ข้อ** (เต็มแล้วระบบบอกให้
   เฉือนของไม่สำคัญออก ไม่ใช่เพิ่มต่อ) ทุกข้อได้รหัสอัตโนมัติ S1, W2, O1, ...
2. **จับคู่จึงจะเกิดกลยุทธ์** — เลือกปัจจัยภายใน (S หรือ W) หนึ่งฝั่ง + ภายนอก (O หรือ T) หนึ่งฝั่ง
   ระบบถึงจะเปิดช่องให้เขียนร่าง: SO ใช้แรงคว้าโอกาส · ST ใช้แรงรับอุปสรรค · WO ใช้โอกาสปิดจุดอ่อน ·
   WT ลดจุดอ่อนเลี่ยงอุปสรรค — **ไม่เลือกคู่ = ปุ่มสร้างร่างไม่ติด** ร่างลอย ๆ ที่อ้างอิงอะไรไม่ได้จึงไม่มีทางเกิด
3. ทุกร่าง**พกป้ายที่มา** เช่น `(S1×O2)` — อ่านทีหลังรู้ทันทีว่ากลยุทธ์นี้เกิดจากการจับคู่ข้อไหนกับข้อไหน
4. ตารางนี้**อยู่แค่ในหน้านี้ ไม่บันทึกอัตโนมัติ** — เสร็จแล้วกด **Export ร่าง** เพื่อส่งเข้ากระบวนการ
   กลยุทธ์ (ออกจากหน้าโดยไม่ export = หายตามตั้งใจ เพราะ SWOT ที่ค้างเกินหนึ่ง workshop คือ SWOT เน่า)

### Journey 8 — Cause Patterns: เห็นสาเหตุที่กลับมาซ้ำทั้งองค์กร (5M1E ระดับบน)

สำหรับ owner / admin / HR: หน้า `/cause/patterns` รวบทุกการวิเคราะห์ที่*เสร็จแล้ว*ทั้ง tenant แล้วนับว่า
**หมวดสาเหตุไหน (5M1E) ถูกยืนยันซ้ำ** — "Method ถูกยืนยันใน 7 การวิเคราะห์" พร้อมช่วงเวลาและลิงก์
กลับไปอ่านต้นเรื่องทีละอัน:

![Cause Patterns — การซ้ำพร้อมลิงก์ต้นเรื่อง และประโยคที่ระบบสัญญา](images/guide/ot/cause-patterns-light.png)

กติกาที่ทำให้เชื่อถือได้: นับเฉพาะก้านที่**ยืนยันด้วยหลักฐานแล้ว**ในการวิเคราะห์ที่**ปิดแล้ว** (สมมติฐานลอย ๆ
ไม่ถูกนับ) · โผล่เมื่อซ้ำอย่างน้อย 2 ครั้ง · และประโยคที่พิมพ์ไว้บนหน้าเลย: **"ระบบนับการซ้ำเท่านั้น —
การตัดสินใจว่าจะทำอะไรยังเป็นของมนุษย์"** ไม่มีข้อเสนอมาตรการอัตโนมัติ ไม่มี AI สรุปแทน (มีเทสต์กันไว้
ว่าห้ามมี field แบบนั้นใน API ตลอดไป) · พนักงานทั่วไปเปิดหน้านี้ได้ 403 · tenant ที่ยังไม่เปิด Cause
Analysis ได้ 404 — ไม่รู้ด้วยซ้ำว่ามีหน้านี้อยู่

### Passport หมวด "การแก้ปัญหา" + ยิมฝึก 5 ชุด

`/me/passport` เพิ่มหมวด **Problem Solving** — โชว์เฉพาะของที่มีหลักฐานจริง: belt จากยิมฝึก,
จำนวนการวิเคราะห์สาเหตุที่คุณเขียน (และกี่อันปิดจบ), และการ์ด calibration จาก Journey 4 —
**เห็นเฉพาะตัวเอง** และไม่มีของชิ้นไหนโชว์เพราะ "ระบบคิดว่าคุณน่าจะเก่ง" — ทุกชิ้นชี้กลับไปหาสิ่งที่ทำจริงได้:

![Passport — หมวดการแก้ปัญหา อิงหลักฐานล้วน](images/guide/ot/passport-problem-solving-light.png)

อยากได้ belt ไปที่ `/training` — ยิม Operational Thinking มี **5 ชุด × 4 ภารกิจ** ฝึกกล้ามเนื้อเดียวกับ
ที่ Journey ทั้งหมดใช้จริง: ไล่ *why* ให้ถึงราก (ใบแจ้งหนี้ส่งช้า) · จัดเกรดมาตรการ แข็ง/กลาง/อ่อน ·
แยก action item ชัด/คลุมเครือ/ยังไม่ระบุ · จับคำทำนายจริง-ปลอมจาก log · จับเป้ากลวงที่ดูครบ SMART —
ภารกิจให้ XP เข้า belt และผลฝึกโผล่ใน Passport หมวดเดียวกัน

### ขอบเขตความเป็นส่วนตัว (สรุปจากสถาปัตยกรรม ไม่ใช่คำสัญญา)

- การวิเคราะห์สาเหตุ**อ้างถึงบุคคลเป็นปลายทางไม่ได้** — ปฏิเสธที่ระดับฐานข้อมูล ต่อให้เขียนสคริปต์ยิงตรงก็ไม่ผ่าน
- ข้อมูล wellbeing / อารมณ์ / ความเครียด **เข้าการวิเคราะห์ไม่ได้ในทุกรูปแบบ** — ตาราง cause ทั้งหมด
  ไม่มีคอลัมน์ตัวเลขให้ฝากค่าแบบนั้นเลยแม้แต่ช่องเดียว (คอลัมน์ตัวเลขมีแค่ความลึกกับลำดับการแสดงผล —
  กติกานี้คงเดิมแม้เพิ่มวงปิด effectiveness แล้ว: วันตรวจเก็บเป็น*วันที่* ไม่ใช่ตัวเลข) และมีเทสต์กันการ import ข้ามไปถึง
- ผล RCA **ไม่ไหลเข้า** การประเมินผลงาน/เลื่อนขั้น/ค่าตอบแทน
- **Calibration และ Passport หมวดการแก้ปัญหา เห็นเฉพาะเจ้าตัว** — ฝั่ง calibration บังคับที่รูปทรงของ API เอง
  (ไม่มีพารามิเตอร์รับ id คนอื่นให้เรียก) ไม่ใช่แค่เช็คสิทธิ์
- คำทำนายที่ล็อกแล้ว**แก้ย้อนหลังไม่ได้** (409 จาก server) — และผลตัดสิน "บางส่วน" ไม่ถูกแปลงเป็นตัวเลขครึ่ง ๆ
  เพื่อปั้นคะแนน
- Cause Patterns **โชว์การซ้ำอย่างเดียว ไม่สรุปมาตรการแทนมนุษย์** — และเปิดให้เฉพาะ role ระดับบริหาร
  ใน tenant ที่เปิดฟีเจอร์แล้วเท่านั้น

---

## 22. Critical Thinking — คิดก่อนตัดสินใจ (คอร์ส + Decision Lens ตอนสร้างโครงการ)

> ต่อจาก Operational Thinking (§21) ที่ครอบ*ระหว่างและหลัง*ทำงาน — ชุดนี้ครอบหัวลูป: จังหวะ**ก่อนผูกมัด**
> ตอนกำลังจะเปิดโครงการ ด้วยคำถามแบบ "แผนนี้ยืนอยู่บนอะไร · มีทางอื่นไหม · งานแบบนี้จริง ๆ ใช้เท่าไหร่ · ถ้าพังจะพังยังไง"

### คอร์ส "Critical Thinking — คิดก่อนตัดสินใจ" — `/learn/critical-thinking`

- 6 บท บทละ ~4 นาที บทละหนึ่งความเข้าใจผิด: ครึ่งหนึ่งของ "ข้อมูล" คือข้อสรุป · สมมติฐานรับน้ำหนัก vs ประดับ ·
  มุมมองจากข้างนอก (ฐานอ้างอิงจากงานที่ปิดแล้ว) · ทางเลือกจริง vs กรอบรับ-ไม่รับ · premortem vs ลิสต์ความเสี่ยง ·
  การเอาจริงกับฝั่งตรงข้าม (steelman)
- แบบทดสอบ 18 ข้อ เฉลยพร้อมเหตุผลทุกข้อ — กติกาเดียวกับคอร์สอื่นในห้องเรียน: ความคืบหน้าเป็นของผู้เรียนคนเดียว
  ไม่มีคะแนนรวม ไม่มีการจัดอันดับ
- ทางเข้า: การ์ดใน [/learn](/learn) (โผล่อัตโนมัติ) หรือปุ่ม "เข้าห้องเรียน" บนการ์ดแถวบนของหน้า `/guide` —
  คอร์สเปิดให้ทุกคนทันที ไม่ต้องเปิด flag ใด ๆ

### Decision Lens — การ์ด "ชวนคิดก่อนตัดสินใจ" บนหน้าโครงการ

**คืออะไร:** การ์ด 4 คำถามบน `/projects/[id]` — สมมติฐาน (ข้อไหนรับน้ำหนัก + วิธีเช็คที่หักล้างได้) · ทางเลือกอื่น ·
มุมมองจากข้างนอก (ตัวเลขจริงจากงานเก่า ลิงก์โครงการเก่าได้) · premortem (เล่าเป็นอดีตว่าพังเพราะอะไร) ·
สร้างโครงการเสร็จระบบพาไปหน้า detail ของโครงการทันที การ์ดอยู่บนสุดตราบใดที่ status ยังเป็น draft — พอ active
แล้วย้ายลงเป็น section ปกติ ไม่หายไปไหน (คิดเพิ่มระหว่างทางได้เสมอ)

**แนะนำ ไม่ใช่บังคับ (โดยโครงสร้าง ไม่ใช่แค่คำพูด):** ไม่มีอะไรบล็อกการสร้าง/แก้/เปิดใช้โครงการ ไม่มี modal ไม่มีการทวงถาม ·
ข้ามได้ทีละข้อ ("เลือกข้าม" ถูกบันทึกเป็นจุดยืน ไม่ใช่ความผิด) · คนที่ไม่สนใจเลยเห็นแค่การ์ดที่บอกตามจริงว่า
"ยังไม่ได้ชวนคิด" สีกลาง ไม่แดงไม่เขียว · ไม่มีเลขรวม ไม่มีเปอร์เซ็นต์ ไม่มีเกรด และไม่มีรายงานถึงใครทั้งนั้น

**Challenge เชิงโครงสร้าง (ไม่มี AI):** ระบบตั้งคำถามต่อจาก*รูปทรง*ของสิ่งที่เขียน เช่น ยังไม่มีสมมติฐานข้อไหนถูกชี้ว่ารับน้ำหนัก /
ฐานอ้างอิงยังไม่มีตัวเลข / เรื่อง premortem ยังแทงกั๊ก — ทุกตัวเป็น*คำถาม* ไม่ใช่ error ไม่ใช่คะแนน
และโดยสัญญาของระบบ challenge ไม่มีช่องจะเสนอคำตอบแทนคนได้

**เปิดใช้ (ปิดมาจากโรงงาน):** เปิดที่ `/flags` ทั้ง `decision_lens_enabled` (master) และ `decision_lens_enabled:<tenant_id>`
ของ tenant นั้น — เปิดตัวเดียวยังไม่เกิดอะไรขึ้น (fail-closed เหมือน Cause Analysis) · ตอนปิด การ์ดไม่ render และ API ตอบ 404

**ขอบเขต (สรุปจากสถาปัตยกรรม ไม่ใช่คำสัญญา):** แผ่นคำตอบเป็น*เอกสารของโครงการ* — คนที่เห็นโครงการอ่านได้
คนที่แก้โครงการได้เป็นคนตอบ/ข้าม · ไม่มีการอ่านข้ามโครงการหรืออ่านตามบุคคล ไม่มีคอลัมน์คะแนนในตาราง
ไม่ไหลเข้า Human DNA / การประเมินผลงาน / การจ้างงาน · ทุกคำถามมีลิงก์ "ทำไมถึงถามข้อนี้" ไปบทเรียน 4 นาทีของคอร์สข้างบน

---

## 23. Skill Practice — ซ้อมบทสนทนายากกับ AI ก่อนใช้จริง

### คืออะไร — `/me/practice`

Skill Practice เป็น classroom ส่วนตัวสำหรับ **Learn → Rehearse → Debrief → Retry** เริ่มได้ทันทีโดยไม่ต้องมี
ประชุม ผู้จัดการ เอกสารนำเข้า หรือประวัติการเรียน AI ทำหน้าที่เป็นคู่สนทนาสมมติ ส่วนโค้ช AI จะแสดงแยกต่างหาก
เมื่อคุณขอตัวช่วยเท่านั้น

มีสถานการณ์เริ่มต้น 3 แบบในภาษาไทย อังกฤษ และจีน:

1. ให้ feedback โดยไม่ทำให้เป็นเรื่องส่วนตัว
2. ฟังก่อนรีบแก้ปัญหา
3. เจรจาลำดับความสำคัญเมื่อรับงานเพิ่มไม่ได้

### เริ่มและจบบทซ้อมอย่างไร

1. เปิด [/me/practice](/me/practice) แล้วเลือกสถานการณ์จาก **บทซ้อมวันนี้** หรือคลังสถานการณ์
2. อ่านเหตุการณ์ บทบาท เป้าหมายที่สังเกตได้ และตัวอย่างที่เหมาะ/พลาด เลือกระดับความยากได้
3. อ่านประกาศความเป็นส่วนตัวและยอมรับก่อนเริ่ม ข้อความจะถูกส่งไปยังผู้ให้บริการ AI ที่ workspace ตั้งค่าไว้
   จึงควรหลีกเลี่ยงชื่อจริง ความลับ ข้อมูลลูกค้า และข้อมูลส่วนบุคคลที่ไม่จำเป็น
4. พิมพ์ตอบคู่สนทนา AI หลายรอบ ขอ hint จากโค้ชได้ แล้วกรอก structured task check จากข้อเท็จจริงในโจทย์
5. กด **จบบทซ้อมและดูคำแนะนำ** จะเห็นผลตรวจงานก่อน ตามด้วยคำแนะนำจาก AI ที่อ้างได้เฉพาะถ้อยคำของคุณจริง
6. เขียน reflection หนึ่งข้อ แล้วกด **ลองใหม่โดยใช้ตัวช่วยน้อยลง** attempt ใหม่จะเชื่อมกับของเดิมโดยไม่เขียนทับ

กด **บันทึกแล้วออก** เพื่อกลับมาซ้อมต่อได้ ประวัติส่วนตัวเปิดทบทวนหรือลบถาวรได้ทุก session หาก AI ถูกปิด
ยังไม่ได้ตั้งค่า หรือ provider ไม่ตอบ ระบบจะแจ้งตามจริง ไม่สร้างคำตอบสำเร็จรูปปลอม และเก็บข้อความร่างไว้ให้ลองใหม่

### ผลตรวจงานกับคำแนะนำ AI ต่างกันอย่างไร

| ส่วน | ใช้อะไรตรวจ | ความหมาย |
| --- | --- | --- |
| **Task checks** | ตัวเลือกแบบมีโครงสร้างเทียบกับข้อเท็จจริงที่ผู้เขียนสถานการณ์กำหนด | `ครบ` / `ควรแก้` / `ไม่ได้ตรวจ` พร้อมหลักฐานว่าตรวจช่องใด |
| **คำแนะนำจาก AI** | บทสนทนาของคุณ และ quote ที่ต้องตรงกับ learner turn จริง | ข้อสังเกตและสิ่งที่น่าลองครั้งหน้า ไม่ใช่คะแนนหรือการตัดสินบุคลิก |

การจบบทซ้อมไม่เขียน SkillEvidence, Training level, Human-DNA, performance หรือข้อมูลให้หัวหน้า และไม่สร้าง task,
meeting หรือ notification อัตโนมัติ

### ความเป็นส่วนตัวและการลบ

setup, transcript, submission, debrief และ reflection ถูกเข้ารหัสในฐานข้อมูล และถูกจำกัดด้วย tenant RLS พร้อม
user isolation แบบ restrictive เฉพาะเจ้าของ session เท่านั้น Manager, HR, owner และ API ฝั่ง admin ไม่มี reader
สำหรับเนื้อหานี้ คำว่า “เป็นข้อมูลส่วนตัวของคุณใน WorkDNA” หมายถึงการมองเห็นในผลิตภัณฑ์ ไม่ได้หมายความว่า
ผู้ให้บริการโครงสร้างพื้นฐานหรือ AI ไม่มีส่วนประมวลผลเลย

คุณลบ session ได้จากประวัติ และคำขอ Privacy → Forget จะลบ session และเนื้อหาที่ derived จาก session ด้วย

### Optional Work Transfer — ประชุมจริง

หลัง debrief เปิดหัวข้อ **ลองใช้กับงานจริง** เพื่อไปวางแผนหรือทบทวนประชุมได้ ระบบ meeting witness เดิมสำหรับ
“ปิดประชุมให้ชัด — ใคร · เมื่อไหร่” ยังทำงานเหมือนเดิม แต่เป็นทางเลือก ไม่ใช่ hero, prerequisite หรือเงื่อนไขจบบทซ้อม

### เปิดใช้ (ปิดมาจากโรงงาน)

เปิดที่ `/flags` ทั้ง `skill_practice_enabled` (master) และ `skill_practice_enabled:<tenant_id>` ของ tenant นั้น —
เปิดตัวเดียวยังไม่เกิดอะไรขึ้น (fail-closed เหมือน Cause Analysis) · ตอนปิด ทุก API ตอบ 404 การ์ดทางเข้าไม่ render
และหน้า `/me/practice` จะบอกว่า **"ยังไม่เปิดใช้ในพื้นที่นี้"** ไม่ใช่หน้า error · และตอนปิดอยู่ ระบบ**ไม่บันทึกอะไรเลย** —
ไม่มีการเฝ้าดูเงียบ ๆ ก่อนเปิดใช้

---

*WorkDNA — Real-World Human Intelligence OS · วางคนให้ถูกงาน พัฒนาให้ถูกทาง สร้างทีมที่เหมาะกับภารกิจจริง*