ออกแบบ AI Workshop ให้สนุก โดยไม่ทิ้งเรื่องคุณภาพและความปลอดภัย

ให้โจทย์จริง แต่ไม่ใช้ข้อมูลเสี่ยง

โจทย์ควรใกล้งานพอให้ผู้เรียนเห็นคุณค่า และผ่านการทำให้ไม่ระบุตัวตนหรือใช้ข้อมูลสังเคราะห์ก่อนเข้าคลาส

• กำหนดเครื่องมือที่องค์กรอนุญาต
• ทำ data boundary ให้เห็น
• มี fallback หากบัญชีหรือโมเดลขัดข้อง

สอนการตรวจ ไม่ใช่แค่การสั่ง

ผู้เรียนควรตั้ง acceptance criteria และ evaluation set ขนาดเล็กก่อนวน prompt การทำเช่นนี้เปลี่ยน AI จากของเล่นเป็นเครื่องมือที่ตรวจสอบได้

แยก automation จาก authority

ระบบทำงานหลายขั้นได้ ไม่ได้แปลว่าควรมีสิทธิ์ตัดสินใจทุกเรื่อง กำหนด human checkpoint ที่สอดคล้องกับผลกระทบและความย้อนกลับได้