สรุปสั้นก่อนเริ่ม
คำถามที่เราได้ยินบ่อยที่สุดจากลูกค้าใหม่, candidate ที่สนใจร่วมงาน และพาร์ทเนอร์ที่เพิ่งรู้จักเรา —
"Enersys ทำอะไรกันแน่? แล้วในบริษัทใครทำอะไรบ้าง?"
คำตอบสั้น: เราคือบริษัทไทยที่เริ่มจาก software house ตั้งแต่ปี 2012 และวันนี้กำลังเปลี่ยนผ่านสู่ AI Company — ทำงาน 3 ขา Odoo ERP, AI และ Data Privacy (PDPA) สำหรับองค์กรไทย พร้อมผลิตภัณฑ์ของตัวเองสองตัว Genesis AI Platform (Agentic AI สำหรับองค์กร) และ PrivacyHub (Privacy Governance ครบวงจร)
คำตอบยาว: บทความนี้ — เราจะพาคุณทัวร์ทุกประตู ทุกห้อง ทุก role ในบริษัท บอกว่า ใครทำอะไร, ส่งงานต่อให้ใคร, และ AI ตัวไหนเข้ามาช่วยในแต่ละจุด ของขั้นตอนงาน
ในยุค 2026 ที่ 92% ของ developer ในสหรัฐใช้ AI tool ทุกวัน (GitHub Developer Survey) — แต่ละ role ในบริษัทไม่ใช่แค่ "คน" อีกต่อไป มันคือ คน + AI assistant ที่ทำงานคู่กัน
เปิดประตูแรกกันเลย
ภาพรวม — Enersys คือใคร
ก่อนเข้าห้อง — รู้ภาพรวมก่อน
Enersys ก่อตั้งปี 2012 เริ่มต้นเป็น software house ที่ทำงานให้องค์กรชั้นนำในกลุ่ม พลังงาน, การเงิน, สื่อบันเทิง และภาครัฐ — เช่นระบบรับเรื่องแจ้งเหตุไฟป่า, ระบบ PDPA สำหรับธนาคารใหญ่ 2 แห่ง, การช่วยกระทรวงสาธารณสุขแก้ปัญหา traffic ของระบบ "หมอพร้อม" ในช่วงโควิด
ปี 2025 เราได้รับสถานะ Odoo Silver Partner ยืนยันมาตรฐาน ERP ระดับสากล และนำ Genesis AI Platform ขึ้นทะเบียนบัญชีบริการดิจิทัลของ depa
วันนี้บริษัท focus 3 ขาธุรกิจ:
- Odoo ERP Implementation & Customization — ออกแบบ, ติดตั้ง, customize Odoo ให้องค์กรไทย (ตั้งแต่ SME ถึง enterprise) ในฐานะ Silver Partner ตั้งแต่ accounting, inventory, sales, manufacturing, HR
- Genesis AI Platform + AI Integration — Agentic AI platform ของเราเอง + งาน LLM, automation, RAG เข้ากับ workflow ของลูกค้า
- PrivacyHub + PDPA Compliance — Privacy Governance platform ของเราเอง + งาน consulting / audit / implementation ตั้งแต่ปี 2021
คนในบริษัทแบ่งเป็น 14 ห้อง (เลขมงคล) — แต่ละห้องคุยกันตลอด ไม่ใช่ silo
ทัวร์เริ่มที่ประตูหน้า
ห้องที่ 1 — Front Desk / Sales & Business Development
นี่คือห้องแรกที่ลูกค้าใหม่ทุกรายเจอ
หน้าที่หลัก
- รับฟัง pain point เริ่มต้นของลูกค้า
- คัดกรอง opportunity ที่ตรงกับ capability ของบริษัท
- จัด meeting ระหว่างลูกค้ากับ pre-sales / consultant
- ดูแล pipeline และ relationship ระยะยาว
Job functions ในห้องนี้
- Sales / Business Development Executive — first contact, qualification, follow-up
- Account Manager — ดูแลลูกค้าเดิม upsell, renew, expansion
- Partnership Manager — ดูแล channel partner, technology vendor
AI ที่ใช้
- CRM auto-summary — ทุก meeting ถูก transcribe + สรุปอัตโนมัติเข้า CRM
- Lead scoring AI — model ที่ช่วยคำนวณว่า lead นี้น่าจะ close หรือเปล่า
- Email drafting copilot — ร่างอีเมล follow-up ตาม context การสนทนา
- Meeting prep agent — ดึงข้อมูลบริษัทลูกค้า + ข่าวล่าสุด ให้ก่อน meeting
ผลที่ได้: sales ใช้เวลากับ "คุยลูกค้าจริง" มากขึ้น ใช้เวลากับ admin งานน้อยลง
ห้องที่ 2 — Pre-Sales / Solution Consulting
หลังประตูแรก — เข้าห้องที่สอง ที่นี่คือจุดที่ "ขายของ" เปลี่ยนเป็น "ออกแบบ solution"
หน้าที่หลัก
- ฟัง requirement ระดับลึก (technical + business)
- ออกแบบ high-level solution ที่ตอบโจทย์
- เขียน proposal, scope, estimate
- demo prototype ให้ลูกค้าเห็นภาพ
Job functions ในห้องนี้
- Pre-Sales Consultant — interface ระหว่าง business และ technical
- Solution Architect (pre-sales) — ออกแบบ architecture ระดับสูง
- Demo Engineer — สร้าง prototype, screenshot, video สำหรับ pitch
AI ที่ใช้
- Requirement summarization — สรุป requirement จาก transcript การประชุม
- Proposal drafting AI — generate draft proposal จาก template + context ลูกค้า
- Estimation copilot — เปรียบเทียบ scope กับโปรเจกต์ในอดีต suggest effort range
- Prototype generator — สร้าง mockup เร็วๆ ให้ลูกค้าเห็นภาพ (Figma + AI plugin)
ผลที่ได้: ตอบ RFP เร็วขึ้น 2-3 เท่า, demo สวยขึ้น, ลูกค้าเห็นภาพชัดก่อนเซ็นสัญญา
ห้องที่ 3 — Business Analyst & Functional Consultant
ห้องนี้คือ "ห้องแปลภาษา" — แปลภาษาธุรกิจให้กลายเป็น requirement ที่ทีม technical ใช้ได้
หน้าที่หลัก
- workshop กับ stakeholder ของลูกค้า
- เขียน functional specification
- ออกแบบ business process (TO-BE) จาก AS-IS
- ทดสอบ acceptance ก่อน go-live
Job functions ในห้องนี้
- Business Analyst — เน้น business process และ requirement
- Functional Consultant (Odoo) — รู้ Odoo module ลึก, map process เข้า Odoo
- Process Designer — flowchart, BPMN, swim lane
AI ที่ใช้
- Workshop transcription + summary — record meeting → AI สรุปประเด็น + action item
- Process diagramming AI — text → flowchart (Mermaid, draw.io AI)
- Spec validation copilot — check ว่า spec ที่เขียนมี ambiguity / contradiction ตรงไหน
- UAT scenario generation — generate test case จาก functional spec
ผลที่ได้: spec ที่เขียนสมบูรณ์กว่า, ลด rework ใน development phase, UAT ครอบคลุมขึ้น
ห้องที่ 4 — Project Management & Delivery
ทุกโปรเจกต์ต้องผ่านห้องนี้ตลอดเส้นทาง
หน้าที่หลัก
- วาง timeline, milestone, deliverable
- จัด resource ให้ตรงกับ scope
- บริหาร risk และ change request
- communication กับลูกค้าทุกสัปดาห์
- ส่งมอบงานตาม commitment
Job functions ในห้องนี้
- Project Manager — overall accountability ของโปรเจกต์
- Delivery Lead — focus delivery + quality
- Scrum Master — ตาม Scrum framework ของ Schwaber & Sutherland — servant leader ช่วย team ทำงาน
- Product Owner — ในกรณีงานที่ใช้ Agile — priority backlog, ตัดสินใจ scope
AI ที่ใช้
- Standup notes AI — สรุป daily standup อัตโนมัติ
- Status report generator — ดึงข้อมูลจาก project tool → สร้าง weekly status
- Risk detection — AI ดู pattern จากโปรเจกต์ในอดีต flag risk
- Resource allocation AI — suggest ว่าใครว่าง / ใครเหมาะกับงานไหน
ผลที่ได้: PM ใช้เวลากับ "ปัญหาจริง" และ stakeholder มากขึ้น, ใช้เวลาทำ report น้อยลง
ห้องที่ 5 — Architecture / Tech Lead
ห้องที่อยู่ระหว่าง business room กับ engineering floor
หน้าที่หลัก
- ออกแบบ technical architecture ของแต่ละ solution
- ตัดสินใจเรื่อง tech stack, integration, security
- review code ระดับ design
- guide tech direction ของทีม
Job functions ในห้องนี้
- Solution Architect — system-level architecture
- Tech Lead — lead ทีม dev ใน track ใดๆ
- Integration Architect — ออกแบบ data flow ระหว่างระบบ
- Security Architect — security pattern, PDPA / compliance อยู่ในทุก design
AI ที่ใช้
- Architecture review copilot — AI ดู design ที่เขียนใน ADR → ชี้ trade-off ที่อาจมองข้าม
- Pattern lookup — ค้นหา pattern ที่ใช้แล้วใน project อื่นของบริษัท
- Security checklist AI — ดู architecture diagram → checklist สิ่งที่ต้องคิด (PDPA, audit log, encryption)
- Diagram generation — text description → system diagram
ผลที่ได้: architecture decision เร็วขึ้น แต่ความรอบคอบเท่าเดิม / สูงขึ้น
ห้องที่ 6 — Engineering Floor
ชั้นนี้กว้างที่สุดในบริษัท — แบ่งเป็น 5 โซน
โซน A: Odoo Backend Developer (Python)
- พัฒนา / customize Odoo module
- เขียน ORM model, business logic, workflow
- integrate Odoo กับระบบนอก (API, webhook)
- migration ข้อมูล legacy → Odoo
AI ที่ใช้: Claude Code / Cursor สำหรับ pair programming, code review AI, test generation, ตามที่ GitHub research ระบุ — developer ทำงานได้เร็วขึ้นถึง 55% ในงาน specific task
โซน B: Frontend Developer
- พัฒนา UI ของ Odoo (OWL framework), web portal, custom dashboard
- React / Next.js สำหรับ custom web app นอก Odoo
- responsive, accessibility, performance
AI ที่ใช้: component generation, accessibility checker AI, design-to-code (Figma plugin), automated visual regression
โซน C: AI Engineer / Integration
- design + integrate LLM-based feature (chatbot, copilot, RAG)
- prompt engineering, evaluation, fine-tuning ถ้าจำเป็น
- agentic workflow design (MCP, multi-agent)
- model selection + cost optimization
AI ที่ใช้: การทำงานของ role นี้คือ "ใช้ AI สร้าง AI" — eval framework AI, prompt optimization tool, observability platform (Langfuse, Datadog)
โซน D: Mobile / Native Developer
- iOS, Android, Flutter, React Native
- offline-first, sync กับ Odoo / backend
- mobile-specific UX
AI ที่ใช้: code generation, platform-specific helper AI, automated build/deploy
โซน E: DevOps / Platform / Infrastructure
- CI/CD pipeline
- cloud infrastructure (AWS / GCP / Azure / on-premise)
- monitoring, logging, alerting
- security hardening, secret management
AI ที่ใช้: infrastructure-as-code copilot, log analysis AI, incident response assistant, cost optimization AI
ห้องที่ 7 — Design Studio (UX / UI)
ห้องเล็กแต่มี impact สูง — เพราะ user เจอ UI ก่อนเจอ business logic
หน้าที่หลัก
- user research, persona, journey map
- wireframe, mockup, prototype
- design system, component library
- usability test
Job functions ในห้องนี้
- UX Designer — research + flow design
- UI Designer — visual + interaction
- Design System Owner — รักษา consistency cross-product
AI ที่ใช้
- Figma AI / Magic UI — generate variant ของ component
- Persona generator — สร้าง persona จาก research data
- Copy generator — ร่าง UX copy ที่เหมาะกับ tone of voice
- Accessibility audit AI — check contrast, screen-reader compatibility
ผลที่ได้: design iteration เร็วขึ้น 3-5 เท่า, design system มี governance ที่บังคับใช้ได้จริง
ห้องที่ 8 — Quality Assurance / Test Lab
ห้องที่ "ห้ามผ่าน" ก่อน deploy
หน้าที่หลัก
- เขียน + run test case (functional, regression, integration)
- automate test pipeline
- performance test, load test
- security test (เบื้องต้น — ส่วน deep ส่งให้ห้อง 9)
Job functions ในห้องนี้
- QA Engineer (manual) — exploratory test, UAT support
- Test Automation Engineer — Playwright, Selenium, Robot Framework
- Performance Engineer — load test, profiling
- QA Lead — strategy, coverage decision
AI ที่ใช้
- Test case generation — AI สร้าง test case จาก spec
- Test data generation — สร้าง mock data ที่หลากหลาย
- Visual regression AI — screenshot diff อัจฉริยะ
- Flaky test detector — flag test ที่ pass บ้าง fail บ้าง
ผลที่ได้: coverage สูงขึ้น, false alarm น้อยลง, deploy ปลอดภัยขึ้น
ห้องที่ 9 — Data Privacy / Compliance / Security
ห้องที่เป็น "หัวใจ" ของ Enersys — เพราะหนึ่งใน 3 ขาธุรกิจคือ PDPA
หน้าที่หลัก
- audit ระบบลูกค้าตาม PDPA / GDPR
- design privacy-by-design ในทุก architecture
- DPIA (Data Protection Impact Assessment)
- training พนักงานลูกค้าเรื่อง data privacy
- ตอบ data subject request, breach response
Job functions ในห้องนี้
- Data Privacy Officer / Consultant — ผู้เชี่ยวชาญ PDPA / GDPR
- Security Engineer — pentest, vulnerability assessment
- Compliance Analyst — ดู framework เช่น ISO 27001, SOC 2
- DPO Advisory — ที่ปรึกษาให้ลูกค้าที่ไม่มี DPO ของตัวเอง
AI ที่ใช้
- PII detection AI — สแกน document / database หา personal data
- Policy generation — generate privacy policy / consent form ตาม context
- Audit log analysis — AI หา anomaly ใน access log
- Vulnerability prioritization — model prioritize bug ตาม risk
ผลที่ได้: audit เร็วขึ้น, ลูกค้าผ่าน PDPA ได้มั่นใจขึ้น, ทุก project ใส่ privacy ตั้งแต่ design
ห้องที่ 10 — Customer Success / Support / Training
หลัง go-live โปรเจกต์ไม่ได้จบ — ที่นี่คือห้องที่ดูแลต่อ
หน้าที่หลัก
- onboarding ลูกค้าใหม่
- training user
- ตอบ support ticket
- บริหาร SLA
- ดู usage data → identify upsell / risk
Job functions ในห้องนี้
- Customer Success Manager — strategic relationship
- Support Engineer (L1/L2/L3) — แก้ปัญหา technical
- Trainer — workshop, video, documentation
- Documentation Writer — manual, FAQ, runbook
AI ที่ใช้
- Ticket triage AI — จัด priority + assign อัตโนมัติ
- Knowledge base RAG — chatbot ที่ตอบจาก documentation จริง
- Training video summarizer — auto-generate subtitle, chapter
- Sentiment analysis — ดู mood ลูกค้าจาก ticket / email
ผลที่ได้: response time ลดลง, ลูกค้าได้คำตอบเร็ว, support team focus ปัญหายากๆ ได้มากขึ้น
ห้องที่ 11 — Marketing / Content / SEO
ห้องที่ทำให้คนรู้จัก Enersys และเชื่อใจก่อนติดต่อ
หน้าที่หลัก
- content marketing (บทความ, video, webinar)
- SEO / AEO / GEO — visibility ทั้ง Google, AI assistant, generative engine
- social media + community
- event และ partnership
Job functions ในห้องนี้
- Content Strategist — วาง content roadmap
- SEO Specialist — keyword, on-page, technical SEO
- Content Writer — บทความ insights (เหมือนบทความนี้)
- Designer (marketing) — visual asset, social card, SVG art
AI ที่ใช้
- Content research AI — รวบรวม source + verify เพื่อทำบทความ
- SEO copilot — keyword research, content gap analysis
- AEO optimizer — ตรวจว่าบทความถูก surface ใน LLM search หรือไม่
- SVG / image generation — สำหรับ illustration ของบทความ
ผลที่ได้: content ออกสม่ำเสมอ, ranking ดีขึ้นใน Google และ AI search, brand awareness โต
ห้องที่ 12 — People / HR / Talent
ห้องที่ดูแลคน — ซึ่งเป็น asset ที่สำคัญที่สุดของ software house
หน้าที่หลัก
- recruit talent (engineer, consultant, designer)
- onboarding + culture
- performance review + career path
- learning & development
- compensation + retention
Job functions ในห้องนี้
- HR Business Partner — strategic HR
- Recruiter — sourcing, interview
- People Ops — admin, payroll, benefit
- L&D Manager — training, upskilling
AI ที่ใช้
- Resume screening AI — first-pass filter + bias check
- Interview transcription + analysis — บันทึก + วิเคราะห์ interview
- Skill gap analyzer — ดู skill ของทีมเทียบกับ project needs
- Internal mobility AI — match พนักงานกับ opportunity ภายใน
ผลที่ได้: hire เร็วขึ้น, bias น้อยลง, retention ดีขึ้น
ห้องที่ 13 — Finance / Operations
ห้องด้านหลังที่ทำให้บริษัทเดินได้
หน้าที่หลัก
- accounting, invoicing, billing
- budget + forecast
- procurement, vendor management
- IT admin, office, asset
Job functions ในห้องนี้
- Finance Manager — accounting + reporting
- Operations Lead — process, vendor, facility
- Billing Specialist — invoice, payment tracking
- IT Admin — internal IT, asset, license
AI ที่ใช้
- Invoice OCR + classification — invoice เข้ามา → AI อ่าน, จัดหมวด, ใส่ระบบ
- Cash flow forecasting — model พยากรณ์ cash flow
- Vendor anomaly detection — flag invoice ที่ผิดปกติ
- Internal helpdesk bot — ตอบคำถาม IT พื้นฐานของพนักงาน
ผลที่ได้: closing เร็วขึ้น, ลด manual entry, finance team ทำ analysis ได้มากขึ้น
ห้องที่ 14 — Executive Office / CEO Suite
ขึ้นบันไดสุดท้าย — ห้องที่อยู่ "บนสุด" ของอาคาร แต่ประตูเปิดทั้งวัน
นี่ไม่ใช่ห้องที่มี "บอส" นั่งสั่งงาน — มันคือ "command bridge" ที่มองเห็นทั้งบริษัท และทำให้ 13 ห้องด้านล่างเดินไปทางเดียวกัน
หน้าที่หลัก
- กำหนด vision และ direction ของบริษัทระยะ 3-5 ปี
- ตัดสินใจ strategic ใหญ่ — partnership, expansion, การลงทุน
- รักษา relationship ระดับ C-level กับลูกค้าเชิงยุทธศาสตร์
- เลือก hire คน senior + ส่งเสริม culture ทั่วบริษัท
- รับผิดชอบ P&L และ wellbeing ของทุกคน
- เป็น "ผู้รับผิดชอบสุดท้าย" เมื่อมี crisis
Job functions ในห้องนี้
- CEO / Managing Director — vision, P&L, customer ระดับยุทธศาสตร์
- COO — operational excellence ทั่วทุกห้อง
- CFO — financial strategy + capital allocation
- Business Unit Director — head ของแต่ละขา (Odoo / AI / PDPA)
- Executive Assistant — เป็นเส้นเลือดของห้องนี้ ทำให้ผู้บริหารใช้เวลากับสิ่งที่สำคัญ
AI ที่ใช้
- Strategic dashboard — real-time P&L, project health, customer NPS — ดูได้ตลอด
- Market intelligence agent — auto-digest ข่าว, ความเคลื่อนไหวคู่แข่ง, trend ที่กระทบ
- Board prep AI — สรุปข้อมูล + draft deck ก่อนประชุมบอร์ด
- Decision support / scenario AI — model "ถ้าทำ X จะเกิดอะไร" บน finance + ops data
- Executive inbox triage — กรอง email ให้เหลือแต่สิ่งที่ต้องการ attention จริง
- Briefing agent — สรุป context ก่อน meeting ใหญ่ทุกครั้ง
ผลที่ได้: ผู้บริหารใช้เวลากับ คน และ decision สำคัญ มากกว่ากับ report — บริษัทเดินเร็วขึ้น เพราะ context พร้อมก่อนคำถามถูกถาม
หลักของ Enersys: ผู้บริหารไม่ใช่ "คนนั่งโต๊ะใหญ่" — เป็นคนที่ เข้าทุกห้องได้ทุกเวลา และห้องนี้คือจุดที่ทุก thread ของบริษัทมาบรรจบ
เชื่อมต่อ — ห้องไม่ใช่ silo
หัวใจของบริษัทคือ "ห้องคุยกันได้"
Flow ของโปรเจกต์ทั่วไป
- Sales (ห้อง 1) เจอลูกค้า → ส่งต่อ Pre-Sales (ห้อง 2)
- Pre-Sales ออกแบบ solution ระดับสูง → workshop กับ BA (ห้อง 3)
- BA เขียน spec + scope → PM (ห้อง 4) วาง plan
- Architecture (ห้อง 5) ตัดสินใจ technical → guide Engineering (ห้อง 6)
- Engineering พัฒนา + Design (ห้อง 7) UX + QA (ห้อง 8) ทดสอบ
- Data Privacy (ห้อง 9) review ทุก milestone
- Go-live → Customer Success (ห้อง 10) ดูแลต่อ
- Marketing (ห้อง 11) เก็บ case study → ขยายผล
- HR (ห้อง 12) + Finance (ห้อง 13) support ทุกห้องตลอด
- Executive Office (ห้อง 14) มองภาพรวม — ดู signal จากทุกห้อง, ปรับ direction, ตัดสินใจ strategic เมื่อต้อง
ห้อง 12, 13, 14 ไม่อยู่ใน project flow โดยตรง แต่ ขาดไม่ได้ — เพราะคน, กระแสเงินสด, และ direction คือเส้นเลือดและสมองของบริษัท
AI Augmentation — สรุปทุกห้องในมุมเดียว
ในยุค 2026 ทุก role ในบริษัทมี AI helper อย่างน้อย 1-2 ตัว ใช้ทุกวัน
หลักการที่เรายึด:
- AI ช่วยลด toil ไม่แทนการตัดสินใจ — งานซ้ำ ๆ ที่ใช้สมองน้อยให้ AI ทำ คนเอาเวลาไปทำงานที่ต้องคิด
- Human-in-the-loop เสมอ — AI suggest, human decide โดยเฉพาะตอนงานที่กระทบลูกค้า / ข้อมูลส่วนตัว / สัญญา
- Audit trail ของ AI — รู้ว่า AI ตัดสินใจอะไร เมื่อไหร่ ทำไม
- AI literacy ทั่วบริษัท — ทุกคนได้เทรน พื้นฐานการใช้ AI ให้ปลอดภัย
- ห้ามเอา data ลูกค้าเข้า public LLM — ใช้ private endpoint, on-premise model, หรือ enterprise contract เท่านั้น
ผลรวมเชิงตัวเลขที่เราเห็นในทีม (สอดคล้องกับ GitHub research ที่บอก 55% faster ในงาน developer task):
- Sales response time — ลด 40-60%
- Proposal turnaround — ลด 50%
- Development velocity — เพิ่ม 30-50% ใน routine task (ไม่ใช่ 10x ตามที่ hype)
- QA coverage — เพิ่ม 25%
- Support response — ลด 50% ใน first response time
- Content output — เพิ่ม 3-5 เท่า (บทความ insights ออกได้สม่ำเสมอ)
ที่ไม่เปลี่ยน — Core Values 6 ข้อ
ห้องไหนก็เปลี่ยน technology, AI ก็เปลี่ยน — แต่ Core Values 6 ข้อ ของบริษัทเป็นมาตรฐานเดียวที่ทุกห้องยึดมาตั้งแต่ปี 2012
1. Innovation
ไม่กลัวลอง ไม่กลัวผิด — ถ้าเทคโนโลยีใหม่แก้ปัญหาได้จริง เราเอา ตั้งแต่ Odoo, Cloud, LLM จนถึง Agentic AI
2. Technical Excellence
งานที่ส่งมอบต้องได้มาตรฐาน ไม่ว่าจะเป็น โค้ด สถาปัตยกรรม หรือ DevOps — review, test, documentation, security ทุกข้อทำตลอด ไม่ skip เพราะเร่ง
3. Customer Focus
ถ้าลูกค้าไม่ได้ประโยชน์จริง เราไม่ทำ — ไม่ขายสิ่งที่ลูกค้าไม่ต้องการ ไม่เผื่อ scope เพื่อรีดเงิน เป้าหมายคือ business outcome ของลูกค้า ไม่ใช่ billable hours ของเรา
4. Agility
โจทย์เปลี่ยน เราเปลี่ยนตาม ไม่ยึดติดแผนเดิมถ้ามันไม่เวิร์ค — นี่คือเหตุผลที่บริษัทเปลี่ยนผ่านจาก software house สู่ AI Company ได้
5. Collaboration
ลูกค้าและพาร์ทเนอร์ไม่ใช่ "คนนอก" — เป็นทีมเดียวกัน เรา kickoff ด้วย workshop, ทำงานร่วมตลอด project, และยังคงคุยกันหลัง go-live
6. Continuous Improvement
เมื่อวานดีแล้ว แต่วันนี้ต้องดีกว่า — retrospective, learning session, post-mortem หลังทุก milestone ไม่ใช่แค่ตอนมีปัญหา
นี่คือเหตุผลที่ลูกค้าหลายรายต่อสัญญากับเราเกิน 5 ปี — ไม่ใช่เพราะเราเขียน code เก่งที่สุด แต่เพราะเรา ส่งงานที่ใช้ได้จริง อยู่กับลูกค้าหลัง go-live และพัฒนาตัวเองตลอด
สรุป — ทัวร์จบที่ประตูหน้า
ทัวร์ครบ 14 ห้อง — ตั้งแต่ Sales จนถึง Executive Office (เลขมงคล ไม่ได้บังเอิญ)
สิ่งที่เราอยากให้คุณเก็บกลับบ้าน:
- Enersys = บริษัทไทยตั้งแต่ปี 2012 — จาก software house สู่ AI Company ครบ stack Odoo / AI / PDPA พร้อมผลิตภัณฑ์ของตัวเอง (Genesis AI, PrivacyHub)
- Odoo Silver Partner + Genesis AI ขึ้นทะเบียน depa
- แต่ละ role มี คน + AI assistant ทำงานคู่กัน
- 14 ห้องคุยกันได้ ไม่ใช่ silo — รวม Executive Office ที่มองภาพรวม
- AI ช่วย "ลด toil" ไม่ใช่ "แทนคน"
- ยึด Core Values 6 ข้อ — Innovation, Technical Excellence, Customer Focus, Agility, Collaboration, Continuous Improvement
ถ้าคุณเป็น:
- ลูกค้า — รู้แล้วว่าเราทำอะไร, ใครรับงาน, ส่งต่อใคร — สบายใจขึ้นเวลา kickoff
- candidate — รู้ว่ามีห้องไหนเปิดอยู่ และเรา expect คนแบบไหน
- partner — รู้จุดที่เราเชื่อมงานกันได้
ถ้าอยากคุยต่อ — สนใจให้เราช่วยอะไร, อยากร่วมงาน, หรือมาเป็น partner — เปิดประตูห้องที่ 1 ได้เลย
แหล่งข้อมูล
