การใช้ AI ในงานของคุณต้องทำอะไรบ้างในทางปฏิบัติ?
สำหรับงานสำนักงานส่วนใหญ่ การใช้ AI ในการทำงานหมายถึงความช่วยเหลือสามแบบ ได้แก่ ร่างงานจากเนื้อหาที่คุณให้ แปลงเนื้อหาจากรูปแบบหนึ่งเป็นอีกรูปแบบหนึ่ง และเป็นคู่คิดที่เสนอทางเลือก คำถาม และจุดที่ยังขาด แทบไม่ได้หมายถึงการปล่อยให้เครื่องมือตัดสินใจหรือผลิตผลงานฉบับสุดท้ายโดยไม่มีคนตรวจทาน
การร่างครอบคลุมอีเมล บทสรุป ประกาศรับสมัครงาน คำอธิบายนโยบาย และรายงานฉบับแรก การแปลงเนื้อหาครอบคลุมการย่อเอกสารยาวให้สั้น เปลี่ยนบันทึกย่อเป็นบันทึกที่มีโครงสร้าง ปรับข้อความเดียวเป็นหลายฉบับสำหรับผู้อ่านต่างกลุ่ม หรือเปลี่ยนตารางเป็นคำอธิบายด้วยภาษาที่เข้าใจง่าย บทบาทเพื่อนช่วยคิดครอบคลุมคำถามอย่าง 'ผู้ซื้อที่ยังไม่ปักใจเชื่อจะถามอะไรเกี่ยวกับเรื่องนี้?' หรือ 'แผนนี้ยังขาดอะไรอยู่?'
ทั้งสามกรณี คุณภาพของผลลัพธ์ขึ้นอยู่กับสิ่งที่คุณป้อนให้เครื่องมือและวิธีตรวจสอบสิ่งที่ได้กลับมา มากกว่าการเลือกใช้เครื่องมือใดมาก นั่นจึงเป็นเหตุผลที่คู่มือสำหรับแต่ละบทบาทด้านล่างกล่าวถึงแนวปฏิบัติแบบเดียวกัน โดยปรับให้เข้ากับงานและความเสี่ยงของแต่ละตำแหน่ง
จะเลือกงานแรกที่จะนำ AI มาใช้ได้อย่างไร?
เลือกงานที่คุณทำบ่อย ทำได้ดีอยู่แล้ว และตรวจสอบได้รวดเร็ว ทักษะที่คุณมีอยู่จะช่วยให้คุณจับข้อผิดพลาดที่ AI ตอบอย่างมั่นใจได้ ดังนั้นงานที่คุณไม่คุ้นเคยจึงไม่เหมาะสำหรับเริ่มต้น เกณฑ์ด้านล่างจะช่วยให้คนส่วนใหญ่จำกัดตัวเลือกเหลือสองหรือสามงาน
เกิดขึ้นซ้ำ
คุณทำงานนี้ทุกสัปดาห์หรือบ่อยกว่านั้น การปรับปรุงใด ๆ จึงให้ผลซ้ำอย่างต่อเนื่อง และคุณได้ฝึกมากพอที่จะประเมินเครื่องมือ
คุณประเมินคุณภาพได้
คุณรู้ว่าผลงานที่ดีควรเป็นอย่างไร โดยไม่ต้องให้คนอื่นบอก
มีแหล่งข้อมูลให้ใช้และสามารถแบ่งปันได้
มีข้อมูลที่จำเป็นต่องานอยู่จริง และนโยบายของบริษัทอนุญาตให้นำไปใช้ในเครื่องมือที่ได้รับอนุมัติ
ข้อผิดพลาดแก้ไขได้
ร่างภายในหรือฉบับแรกสำหรับให้คุณแก้ไขเอง ไม่ใช่ตัวเลขในชุดเอกสารสำหรับคณะกรรมการหรือข้อความถึงหน่วยงานกำกับดูแล
มีจุดสิ้นสุดที่ชัดเจน
คุณบอกได้ว่าผลงานพร้อมใช้เมื่อใด จึงเปรียบเทียบกับการลงมือทำเองได้ง่าย
คำสั่งที่ดีสำหรับใช้ในการทำงานควรมีอะไรบ้าง?
คำสั่งสำหรับงานที่ดีมีข้อมูลที่เพื่อนร่วมงานใหม่ที่มีความสามารถต้องใช้เพื่อทำงานให้เสร็จโดยไม่ต้องกลับมาถามคุณ ได้แก่ จุดประสงค์ ผู้อ่าน ข้อมูลต้นทาง ข้อจำกัด รูปแบบ และประเด็นที่ต้องแจ้งให้ทราบ ข้อมูลที่ขาดหายเป็นสาเหตุหลักที่ทำให้ผลลัพธ์จาก AI ฟังดูกว้าง ๆ หรือแต่งรายละเอียดขึ้นมา
เปรียบเทียบคำสั่งสองแบบสำหรับงานเดียวกัน แบบที่ยังไม่ดีคือ: 'เขียนข้อความแจ้งความคืบหน้าให้ทีมทราบเรื่องการย้ายสำนักงาน' แบบที่ดีกว่าคือ: 'เขียนข้อความแจ้งความคืบหน้าความยาว 150 คำให้พนักงาน 25 คนของเราทราบเรื่องการย้ายสำนักงาน ใช้เฉพาะข้อเท็จจริงด้านล่าง: ย้ายในวันศุกร์ที่ 14 November ที่อยู่ใหม่อยู่ในบันทึก ต้องเก็บของออกจากโต๊ะให้เรียบร้อยภายใน 4pm วันพฤหัสบดี ฝ่ายไอทีจะย้ายจอภาพและแท่นเชื่อมต่อ ใช้ภาษาที่เรียบง่ายและเป็นมิตร จบด้วยการบอกว่าควรสอบถามใคร อย่าเพิ่มวันที่ กฎ หรือข้อความสร้างความมั่นใจที่ไม่มีในบันทึก ระบุเรื่องที่พนักงานน่าจะถามแต่บันทึกไม่ได้ให้คำตอบ'
คำสั่งข้อสุดท้ายควรนำไปใช้กับทุกงาน การให้เครื่องมือระบุสิ่งที่ตอบไม่ได้จะเปลี่ยนช่องว่างที่เดิมอาจถูกเติมด้วยการคาดเดาให้กลายเป็นคำถามที่คุณหาคำตอบได้ คู่มือการเขียนคำสั่งที่ลิงก์ไว้ท้ายเนื้อหาอธิบายเรื่องโครงสร้างและแม่แบบเพิ่มเติม
ควรตรวจสอบผลลัพธ์จาก AI ก่อนนำไปใช้อย่างไร?
ตรวจสอบผลลัพธ์เทียบกับแหล่งข้อมูล ไม่ใช่ความรู้สึกว่าอ่านแล้วดูถูกต้องหรือไม่ ข้อความที่อ่านลื่นไหลทำให้เชื่อได้ง่าย เอกสารแนวทาง AI เชิงกำเนิดของ NIST อธิบายการแต่งข้อมูลขึ้นเองว่าเป็นการสร้างเนื้อหาที่ระบุอย่างมั่นใจแต่คลาดเคลื่อนหรือเป็นเท็จ และระบุว่าการพึ่งพามากเกินไปและอคติที่เชื่อระบบอัตโนมัติเป็นความเสี่ยงในการทำงานร่วมกันระหว่างคนกับระบบ AI ทั้งสองอย่างเป็นเหตุผลให้ตรวจสอบอย่างตั้งใจ แทนที่จะอาศัยความรู้สึก
ขั้นตอนสั้น ๆ ใช้ได้กับงานส่วนใหญ่ ขั้นแรก ตรวจสอบย้อนกลับทุกข้อความที่เป็นข้อเท็จจริง ชื่อ วันที่ และตัวเลขกับแหล่งข้อมูลที่คุณให้ไว้ แล้วลบหรือยืนยันสิ่งที่ตรวจสอบย้อนกลับไม่ได้ ขั้นที่สอง คำนวณตัวเลขใหม่ด้วยตนเองโดยไม่อาศัยผลเดิม ขั้นที่สาม มองหาสิ่งที่ถูกเติมเข้ามา ทั้งข้อกล่าวอ้าง คำสัญญา สาเหตุ หรือกฎที่ฟังดูเป็นเรื่องปกติสำหรับเอกสารประเภทนี้ แต่ไม่เป็นจริงในกรณีของคุณ ขั้นที่สี่ อ่านจากมุมของผู้อ่านเป้าหมายและปรับน้ำเสียง สุดท้าย กำหนดว่าใครต้องรับผิดชอบฉบับสุดท้าย ซึ่งโดยทั่วไปก็คือคุณ
ความละเอียดในการตรวจควรขึ้นอยู่กับผลกระทบหากเกิดข้อผิดพลาด ร่างบันทึกสำหรับตัวเองต้องตรวจน้อยกว่าข้อความถึงลูกค้า และข้อความถึงลูกค้าก็ต้องตรวจน้อยกว่าตัวเลขที่จะนำไปรายงาน
แต่ละบทบาทควรใช้ AI กับงานแบบใด?
ตารางด้านล่างเสนองานแรกที่เหมาะกับแต่ละบทบาท จุดตรวจสอบที่สำคัญที่สุด และส่วนของงานที่ควรให้คนเป็นผู้ทำ แต่ละบทบาทมีคู่มือของตัวเองพร้อมตัวอย่างที่แสดงวิธีทำ
| บทบาทงาน | งานที่เหมาะสำหรับเริ่มต้น | การตรวจสอบที่สำคัญที่สุด | ให้คนเป็นผู้รับผิดชอบต่อไป |
|---|---|---|---|
| การตลาด | ปรับเนื้อหาที่อนุมัติแล้วให้เหมาะกับแต่ละช่องทาง | ข้อกล่าวอ้างและตัวเลขทุกรายการตรวจสอบย้อนกลับไปยังข้อมูลโจทย์ได้ | การวางตำแหน่งทางการตลาดและการอนุมัติข้อความกล่าวอ้าง |
| การขาย | อีเมลติดตามผลจากบันทึกการสนทนาทางโทรศัพท์ของคุณ | ไม่แต่งผลลัพธ์หรือกรณีศึกษาขึ้นเอง | ราคา เงื่อนไข และข้อผูกพัน |
| ทรัพยากรบุคคล | สรุปนโยบายที่มีอยู่ด้วยภาษาที่เข้าใจง่าย | สิทธิที่ได้รับตรงตามนโยบายทุกคำ | การตัดสินใจเกี่ยวกับบุคคลแต่ละคน |
| การสรรหาบุคลากร | ประกาศรับสมัครงานจากบันทึกของผู้จัดการที่ต้องการรับคน | ตรงตามข้อกำหนด; ใช้ภาษาที่ไม่กีดกัน | การคัดกรอง การจัดอันดับ และการปฏิเสธ |
| การเงิน | บทวิเคราะห์ผลต่างจากตารางที่ตรวจสอบแล้ว | คำนวณตัวเลขใหม่แล้ว; ไม่ระบุสาเหตุที่ยังไม่ได้ยืนยัน | ตัวเลขและการคาดการณ์ที่รายงาน |
| งานบัญชี | อีเมลถึงลูกค้าเพื่อขอเอกสารที่ยังขาด | ไม่มีการเพิ่มกฎภาษีหรือกำหนดเวลา | จุดยืนด้านเทคนิคและการอนุมัติขั้นสุดท้าย |
| การบริการลูกค้า | ร่างคำตอบจากบทความช่วยเหลือและรายการแจ้งปัญหา | นโยบายและเงื่อนไขการคืนเงินถูกต้อง | ข้อยกเว้นและลูกค้าที่ไม่พอใจ |
| การจัดการโครงการ | อัปเดตสถานะจากบันทึกงาน | วันที่และผู้รับผิดชอบมีอยู่จริง | การปรับแผนและการเลือกสิ่งที่ต้องยอมแลก |
| การจัดการผลิตภัณฑ์ | สรุปประเด็นจากความคิดเห็นของลูกค้า | แต่ละประเด็นตรวจสอบย้อนกลับไปยังความคิดเห็นจริงได้ | การตัดสินใจจัดลำดับความสำคัญ |
| ฝ่ายปฏิบัติการ | เอกสารกระบวนการจากขั้นตอนของคุณ | ขั้นตอนตรงกับวิธีทำงานจริง | ข้อยกเว้นและการอนุมัติ |
| ผู้จัดการที่ดูแลพนักงาน | วาระและบันทึกการประชุมทีม | ไม่มีการระบุผิดว่าใครเป็นผู้พูดหรือผู้ทำ | ข้อเสนอแนะและการตัดสินผลการปฏิบัติงาน |
อะไรที่แตกต่างกันไปตามบทบาทงาน?
นิสัยการทำงานเหมือนกันในทุกบทบาท แต่ความเสี่ยงต่างกัน คำถามสามข้ออธิบายความแตกต่างส่วนใหญ่ได้: ใครได้รับผลกระทบหากผลลัพธ์ผิด งานนั้นเกี่ยวข้องกับข้อมูลอะไร และมีกฎกำกับผลลัพธ์นั้นอยู่แล้วหรือไม่
บทบาทที่ตัดสินใจหรือมีอิทธิพลต่อการตัดสินใจเกี่ยวกับบุคคล เช่น ฝ่ายทรัพยากรบุคคล ฝ่ายสรรหา และฝ่ายบริหาร อยู่ภายใต้การตรวจสอบเข้มงวดที่สุด EU AI Act ระบุให้ระบบ AI ที่ใช้ในการสรรหาและคัดเลือก รวมถึงการตัดสินใจเรื่องเลื่อนตำแหน่ง เลิกจ้าง จัดสรรงาน และประเมินผลงาน เป็นการใช้งานที่มีความเสี่ยงสูงตามภาคผนวก III บทบาทที่เผยแพร่ข้อความกล่าวอ้าง เช่น การตลาดและการขาย ต้องปฏิบัติตามกฎด้านการโฆษณาและการตลาดทางตรง ไม่ว่าข้อความนั้นจะสร้างขึ้นด้วยวิธีใด บทบาทที่รายงานตัวเลข เช่น การเงินและบัญชี ต้องรับผิดชอบตามมาตรฐานวิชาชีพและต่อผู้ที่ใช้ตัวเลขเหล่านั้นประกอบการตัดสินใจ
บทบาทที่ติดต่อกับลูกค้า เช่น ฝ่ายสนับสนุนและฝ่ายดูแลลูกค้า มีความเสี่ยงอีกแบบหนึ่ง นั่นคือคำตอบที่ AI ร่างขึ้นโดยระบุนโยบายผิด อาจกลายเป็นคำมั่นที่บริษัทต้องทำตาม คู่มือของแต่ละบทบาทจะอธิบายว่าการตรวจสอบใดสำคัญที่สุดและเพราะเหตุใด
อยากดูว่าสิ่งนี้เชื่อมโยงกับบทบาทงานอย่างไรไหม?
สำรวจการทดลองใช้สำหรับทีมที่อยู่ในแผนพัฒนา ↗งานเดียวกันแตกต่างกันอย่างไรในสามบทบาท?
ลองดูแหล่งข้อมูลสมมติหนึ่งชิ้น: บันทึกการออกรุ่นสำหรับฟีเจอร์ใหม่ของเฟิร์นฮิลล์ ซอฟต์แวร์ บริษัทขนาดเล็กที่ขายซอฟต์แวร์จัดตารางนัดหมายให้คลินิก บันทึกระบุว่าฟีเจอร์นี้ช่วยให้คลินิกส่งข้อความเตือนนัดหมายทางโทรศัพท์มือถือได้โดยอัตโนมัติ รวมอยู่ในแผนระดับมืออาชีพ เปิดตัววันที่ 1 ธันวาคม และยังไม่รองรับภาษาอื่นนอกจากภาษาอังกฤษ
นักการตลาดขอให้ AI เขียนอีเมลเปิดตัวให้ลูกค้าปัจจุบัน ฉบับร่างระบุว่าการแจ้งเตือน 'ลดการไม่มาตามนัดได้อย่างมาก' แต่บันทึกการออกรุ่นไม่มีข้อมูลเรื่องการไม่มาตามนัด นักการตลาดจึงตัดข้อความนั้นออกและอธิบายว่าฟีเจอร์ทำอะไรได้แทน
พนักงานขายขอให้ AI เขียนข้อความติดตามผลถึงคลินิกที่สอบถามเรื่องการแจ้งเตือนระหว่างคุยโทรศัพท์ ร่างข้อความระบุว่าฟีเจอร์นี้ 'มีให้ใช้ในทุกแผน' ซึ่งไม่จริง พนักงานขายจึงแก้เป็นแผนระดับมืออาชีพ และตรวจสอบแผนปัจจุบันของลูกค้าก่อนส่ง
เจ้าหน้าที่สนับสนุนขอให้ AI ร่างคำตอบในศูนย์ช่วยเหลือเกี่ยวกับการแจ้งเตือน ร่างระบุว่าลูกค้าสามารถ 'เลือกภาษาใดก็ได้' แต่บันทึกระบุไว้ตรงกันข้าม เจ้าหน้าที่จึงแก้ไขและเพิ่มว่าควรติดต่อใครเมื่อต้องการขอใช้งานภาษาใดภาษาหนึ่ง
แหล่งข้อมูลเดียวกัน เครื่องมือเดียวกัน แต่มีข้อผิดพลาดต่างกันสามแบบ ซึ่งแต่ละแบบพบได้บ่อยในบทบาทนั้น นี่คือเหตุผลที่การฝึกกับงานในหน้าที่ของตนเองสอนได้มากกว่าตัวอย่างทั่วไป
ข้อมูลใดที่คุณไม่ควรใส่ในเครื่องมือ AI ในที่ทำงาน?
ปฏิบัติตามนโยบาย AI ของบริษัทก่อน หากไม่มีนโยบาย ให้สอบถามก่อนวางข้อมูลใด ๆ ที่ยังไม่เป็นสาธารณะ โดยทั่วไป ควรระมัดระวังเป็นพิเศษกับข้อมูลส่วนบุคคลของลูกค้า ผู้สมัครงาน หรือเพื่อนร่วมงาน เอกสารลับของลูกค้า ข้อมูลทางการเงินที่ยังไม่เผยแพร่ และข้อมูลใด ๆ ที่อยู่ภายใต้สัญญาหรือข้อตกลงไม่เปิดเผยข้อมูล
คำตอบยังขึ้นอยู่กับเครื่องมือและแพ็กเกจด้วย บัญชีส่วนตัว พื้นที่ทำงานของบริษัท และฟีเจอร์ AI ภายในแอปพลิเคชันอื่น อาจมีเงื่อนไขต่างกันเรื่องการจัดเก็บ การเข้าถึง และการนำเนื้อหาไปใช้ปรับปรุงโมเดล การลบชื่อเพียงอย่างเดียวไม่ได้ทำให้เอกสารไม่สามารถระบุตัวบุคคลได้ โดยเฉพาะในองค์กรขนาดเล็ก คู่มือนโยบาย AI อธิบายวิธีกำหนดขอบเขตเหล่านี้สำหรับทีม
จะรู้ได้อย่างไรว่าคุณใช้ AI ในการทำงานได้ดีขึ้น?
ดูสิ่งที่คุณแก้ไข ไม่ใช่ปริมาณผลลัพธ์ คนที่เริ่มใช้ AI ในงานได้คล่องมักเขียนแก้แต่ละร่างน้อยลงเพราะสั่งงานได้ดีขึ้น จับรายละเอียดที่แต่งขึ้นได้เร็วขึ้น และอธิบายได้ว่าทำไมจึงแก้สิ่งนั้น นอกจากนี้ยังตัดสินใจได้เร็วขึ้นว่าเมื่อใดไม่ควรใช้ AI เลย
วิธีง่าย ๆ ในการติดตามเรื่องนี้คือจดบันทึกสั้น ๆ เป็นเวลาสองหรือสามสัปดาห์ โดยระบุงาน พรอมป์ต์ สิ่งที่คุณแก้ไข และเหตุผล คุณจะเห็นรูปแบบได้อย่างรวดเร็ว เช่น เครื่องมือที่เติมคำรับรองซึ่งคุณต้องลบออกเสมอ หรืองานประเภทที่ร่างแรกนำไปใช้ได้อย่างสม่ำเสมอ รูปแบบเหล่านี้มีประโยชน์กว่าคำกล่าวอ้างทั่วไปเรื่องการประหยัดเวลา เพราะมาจากงานของคุณเอง
ทีมควรเรียนรู้การใช้ AI ในงานของตนร่วมกันอย่างไร?
ให้งานที่สมจริงชิ้นเดียวกันแก่ทีม ให้ทุกคนลองทำด้วย AI แล้วเปรียบเทียบสิ่งที่แต่ละคนแก้ไขแทนการเปรียบเทียบร่าง การเปรียบเทียบสิ่งที่แก้ไขช่วยให้เห็นว่าใครตรวจสอบแหล่งข้อมูล ใครจับคำกล่าวอ้างที่แต่งขึ้นได้ และใครรักษาน้ำเสียงไว้ได้ ทั้งยังช่วยให้ทีมซึมซับนิสัยเหล่านี้ได้เร็วกว่าการดูชุดสไลด์
ฝึกด้วยข้อมูลสมมติหรือข้อมูลความเสี่ยงต่ำที่ได้รับอนุมัติ ตกลงให้ชัดว่าเครื่องมือใดใช้ได้ และทำให้การรายงานข้อผิดพลาดเป็นเรื่องที่ทำได้อย่างปลอดภัย สำหรับองค์กรที่อยู่ในขอบเขตของ EU AI Act มาตรา 4 กำหนดให้ผู้ให้บริการและผู้ใช้งานระบบ AI ดำเนินมาตรการสนับสนุนความรู้ความเข้าใจด้าน AI ของพนักงาน โดยคำนึงถึงความรู้ที่มีและบริบทการใช้งาน นี่เป็นข้อมูลทั่วไป ไม่ใช่คำแนะนำทางกฎหมาย คู่มือฝึกอบรมพนักงานและแผนเริ่มใช้งาน 30 วันที่ลิงก์ไว้ด้านล่างอธิบายแผนงานที่ครบถ้วนยิ่งขึ้น
เมื่อใดที่ AI ไม่ใช่เครื่องมือที่เหมาะกับงาน?
AI ไม่ใช่เครื่องมือที่เหมาะเมื่อคุณตรวจสอบผลลัพธ์ไม่ได้ เมื่อการตัดสินใจส่งผลต่องาน ค่าจ้าง หรือสถานะผู้สมัครของบุคคล เมื่อผลลัพธ์เป็นตัวเลขสุดท้ายที่จะใช้รายงาน และเมื่อบทสนทนานั้นต้องการคนที่รับผิดชอบต่อสิ่งที่พูด นอกจากนี้ยังไม่เหมาะเมื่องานนั้นทำเองได้เร็วกว่า เช่น การตอบกลับสองบรรทัดที่คุณรู้อยู่แล้วว่าจะเขียนอย่างไร.
ควรระวังเช่นกันเมื่อไม่มีแหล่งข้อมูล การถามผู้ช่วยทั่วไปว่านโยบายบริษัท สัญญาของลูกค้า หรือกฎภาษีปัจจุบันระบุไว้อย่างไร จะได้คำตอบที่ฟังดูน่าเชื่อถือ ไม่ใช่ตัวเอกสาร ในกรณีเหล่านี้ ให้หาแหล่งข้อมูลก่อน และหากจะใช้ AI ก็ให้ใช้เพื่อช่วยอ่านเอกสารนั้น
Tosheo.ai เหมาะกับงานส่วนไหน และไม่เหมาะกับส่วนไหน?
Tosheo.ai กำลังได้รับการพัฒนาให้เป็นการฝึกทักษะ AI แบบสมัครและใช้งานได้ด้วยตนเองสำหรับทีมขนาดประมาณ 5 ถึง 200 คน ผู้จัดการเลือกบทบาทและเครื่องมือ AI ที่ทีมใช้ ผู้เรียนแต่ละคนทำแบบประเมินระดับสั้น ๆ แล้วเรียนตามเส้นทางเฉพาะบทบาทด้วยบทเรียนยาว 10 ถึง 15 นาที แต่ละบทจบด้วยงานฝึกปฏิบัติผ่านเครื่องมือ AI จริง โดยให้คะแนนตามเกณฑ์การประเมินที่ผู้เรียนเห็นได้ มีแผนให้ผู้จัดการเห็นความก้าวหน้าด้านทักษะและสถานะการเรียนจบ ไม่ใช่บันทึกการสนทนาฉบับเต็ม ผลิตภัณฑ์ยังอยู่ในขั้นก่อนเริ่มสร้าง ทั้งหมดนี้จึงเป็นขอบเขตที่วางแผนไว้
ไม่ใช่ตัวเลือกที่เหมาะกับผู้ซื้อทุกราย ไม่ได้ออกแบบมาสำหรับองค์กรขนาดใหญ่ที่กำหนดให้ต้องมีการลงชื่อเข้าใช้ครั้งเดียว การเชื่อมต่อระบบจัดการการเรียนรู้ หรือสัญญาระดับองค์กรก่อนจัดซื้อ ซึ่งทั้งหมดนี้ไม่มีให้ในช่วงเปิดตัว นี่ไม่ใช่การฝึกวิศวกรรมแบบลงมือปฏิบัติ และมีแผนให้บทเรียนเป็นภาษาอังกฤษเท่านั้น หากคุณเป็นบุคคลที่เรียนด้วยตัวเอง หลักสูตรทั่วไปหรือคู่มือฟรีบนเว็บไซต์นี้อาจเหมาะกว่า ดูราคาสำหรับทีมที่วางแผนไว้ได้ที่หน้าราคา.