ประสบการณ์สร้าง product จาก Zero to One ของ AI Startup สิงคโปร์ กับ ‘Zaifa Thananat’

สวัสดีปีใหม่ 2024 ^^  วันนี้ขอพาทุกคนมารู้จักกับ ‘สายฟ้า – Zaifa Thananat’ Senior Product Manager ที่ Jackett  สตาร์ทอัพด้านการศึกษาสัญชาติสิงคโปร์ AI Product ที่มุ่งมั่นแก้ปัญหาการสร้างข้อสอบของคุณครูในประเทศอินเดียและสหรัฐอเมริกา แม้จะอยู่ในวงการ Product เพียง 3 ปี แต่ประสบการณ์ของสายฟ้าก็น่าสนใจมากๆ ทั้งในแง่ของ Context ที่น่าสนใจอย่างเช่น

• การสร้าง product from 0-1 ในตลาดการศึกษาขนาดใหญ่อย่างประเทศอินเดีย
• Challenge ของ Jackett ในการนำ AI เข้ามาเป็นส่วนหนึ่งของ Product
• ความเข้าใจธุรกิจ, Being Honest, อะไรที่คิดว่าทำให้สายฟ้าได้งานนี้
• คำแนะนำ สำหรับคนที่กำลังเริ่มต้น หรือสนใจงาน Product Manager

ถ้าพร้อมแล้วก็ไปเริ่มกันเลย ⚡️

Chapter 1 : Zero-to-One

ทำความรู้จัก Jackett

Jackett คือ แอปเพื่อช่วยลดภาระการตรวจข้อสอบของครู และสร้าง Personalized Education ด้วย AI สำหรับการเรียนการสอนในกลุ่ม STEM (Science, Technology, Engineering, and Mathematics)

คุณครูสามารถลดงาน ด้วยการใช้ Jackett เพื่อสร้างโจทย์ และส่งโจทย์ให้นักเรียน ทั้งทางออนไลน์และออฟไลน์ ซึ่งแอปจะ Grading, ให้คะแนนคำตอบ และสรุป Insight ให้กับครู

“Vision ของเราคือ Personalised Education ที่ เด็กแต่ละคน ต่อไปก็จะได้กระดาษข้อสอบที่แตกต่างกัน ตาม Learning Zone ของตัวเอง

“นอกจากนี้หลังจากที่นักเรียนส่งกระดาษคำตอบกลับมาแล้วเราก็สามารถแนะนำนักเรียนแต่ละคนได้ว่านักเรียนควรศึกษาเรื่องอะไรต่อ เก่งหรือต้องเรียนรู้เพิ่มเติมในเรื่องอะไร”

“ให้เค้า Learning ได้ดีที่สุดและนั่นคือ Vision ของเรา”

ลูกค้าหลักของ Jackett ปัจจุบันอยู่ในประเทศอินเดีย และกำลังเริ่มขยายตลาดไปที่ US

🌟 **บาง Feature ที่พูดถึงในบทความนี้ จะยังเปิดให้ใช้เฉพาะ Beta User หรือเฉพาะบางพื้นที่ เท่านั้น

Day 1 ที่ Jackett

สายฟ้าได้เข้าไป Join ทีมในช่วง Early มากๆ ของ Jackett ที่ Product ยังเป็น MVP (Minimum Viable Product) และเป็นช่วงที่บริษัทกำลัง Raise Seed Fund พอดี

“ตอนนั้นน่าจะเป็นพนักงานคนที่ 5 เพราะก่อนหน้านั้นก็จะมี CEO CTO ที่เค้า Co-Found กันมา แล้วก็จะมีทีม Dev” 

“อาจจะมีความวุ่นวายนิดนึง ซึ่งเป็นเรื่องปกติ แต่ข้อดีคือ คนไม่ได้เยอะและคนส่วนใหญ่พร้อมที่จะปรับ”

สิ่งนึงที่สายฟ้าเข้าไปช่วยในวันแรกๆ นอกจากในแง่ของ Product คือการเข้าไป คือ Setup ให้การทำงานมีระบบมากขึ้น เช่น

• ดึงทุกคนจาก Whatsapp กลับมา Slack
• หา Tool ที่ Fit กับทีม ซึ่งจากการทดสอบ และ Explore อยู่ 2-3 สัปดาห์ ก็ย้ายงานส่วน Task & Project Management มาที่ ClickUp
• “ช่วงนั้นก็เป็นช่วงที่สนุกดี มีการ Setup อะไรหลายๆ อย่างตั้งแต่ Email Marketing ยัน Chatbot เป็นช่วงที่ได้ Explore Tool ใหม่ๆ เยอะมากๆ จำได้ว่าเปลี่ยน/เรียนรู้ Tool ใหม่ๆ แบบเข้าไปใช้ ไป Test แบบจริงจัง อาทิตย์ละ 2-3 ตัวเลย”

กว่าจะ Product Market Fit

เมื่อมาถึงส่วนของการสร้าง Product Market Fit เนื่องจากเป็น Solution ที่ค่อนข้างใหม่ ที่ยังไม่มีค่อยมีใครทำ ทั้งยังเป็น Product ที่ค่อนข้างซับซ้อน จึงต้อง Research ค่อนข้างมาก

ความยากของอินเดีย

ที่อินเดียแต่ละหลักสูตรหรือการสอบ จะมีลักษณะโจทย์และวิธีประเมินที่แตกต่างกัน

ซึ่งส่งผลกระทบต่อ Necessary Feature ของแต่ละ Sub-Market
สมมติเราพูดถึงในกรณี Ride Sharing เช่น Grab
Necessary Feature คือ มันต้องเรียกรถได้

สำหรับ Product เกี่ยวกับการสอบอย่าง Jackett ประเภทของคำถามหรือวิธีประเมิน ที่แอปต้องรองรับ ก็จะเป็น Necessary Feature ของแต่ละ Sub-Market สำหรับแอปสร้างข้อสอบอย่าง Jackett

เปรียบเทียบกับไทยที่ส่วนมากจะเป็นข้อสอบ Choice หรือไม่ก็ข้อสอบเขียน (ซึ่งก็มีน้อยมาก)
แต่ในอินเดีย รูปแบบของคำถามหรือที่เรียกว่า Question Type มีเยอะมาก ยกตัวอย่างเช่น Short Answer, Long Answer นอกจากนี้ยังมี ที่เหนือไปอีก เช่น

• Internal Choice (Optional Question) เช่น โจทย์ 1 ข้อ แต่ในนั้นมี 2 คำถาม ให้นักเรียนเลือกตอบ 1 คำถาม
• Section Based Internal Choice เช่น ใน section มี 10 ข้อ แต่ให้เลือกตอบแค่ 8  ข้อ
• Multiple Choice เลือกคำตอบได้หลายอัน
• Numerical Question ให้นักเรียนตอบเป็นตัวเลขทศนิยม โดยที่ต้องกำหนดหน่วย เช่น cm/mm
  และการจะตอบให้ถูก คำตอบต้องอยู่ใน range ที่ครูกำหนดไว้ เช่น คำตอบอยู่ในช่วง 6.5-6.7 ถือว่าถูกต้อง

ในแง่ของการประเมินก็เช่นกัน มีวิธีการให้คะแนนต่างๆ เช่น ตอบผิดติดลบ (Negative Marking) ตอบถูกได้เท่านี้ ไม่ตอบได้เท่านี้

ทำให้เราต้องมาแบ่ง Market อินเดียเป็น Sub-Market ย่อยๆ ขึ้นอยู่กับ Curriculum หรือการสอบแต่ละแบบ แล้วดูว่าอันไหนเป็นอันที่เราสร้างฟีเจอร์ได้ง่ายที่สุด ให้มันเป็น Necessary Feature ที่ง่ายที่สุด แล้วเราก็ค่อยเพิ่ม Sub-Market ไปเรื่อยๆ

โดย approach ของ Jackett คือ
“พยายามลิสต์ Sub-Market มาก่อน แล้วดูว่าใน Market นั้นมี Requirement อะไรบ้างที่เราพอจะเข้าใจ แล้วเราค่อยไป Research ที่ Sub-Market นั้นๆ จากนั้นพยายาม Build Feature แล้วพยายามเรียนรู้จากมัน”  

“เพราะฉะนั้นแต่ละ Sub-Market ก็จะใช้เวลาในการ Achieve Product Market Fit ไม่เท่ากัน
แต่ส่วนใหญ่จะใช้ประมาณ 2-3 เดือน ในแง่ของการทำฟีเจอร์นะ แต่ก็ต้อง Iterate อีก เพราะแต่ละ Feature ที่เพิ่มมาก็ต้องไป Update กับฝั่ง Quiz Taking และฝั่ง Analysis อีก” 

Photo by Katja Anokhina on Unsplash

ทำความเข้าใจแต่ละ Sub-Market

“ความโชคดี คือ เรามีทีมที่เป็นคนอินเดีย ที่เราสามารถสอบถามเค้าได้ แต่ทั้งนี้ก็ไม่ใช่ทุกคำถาม เพราะแต่ละคนก็เกิดมาในหลักสูตรที่ไม่เหมือนกัน ผ่านการสอบที่ไม่เหมือนกัน”

“การที่เราจะเข้าใจแต่ละ Market ต้องใช้เวลา แล้วก็ต้องใช้การทำงานในหลายส่วน
ไม่ว่าจะเป็นการ Research
การอ่าน Document
การพูดคุยกับ User หรือกับครูก็เป็นส่วนหนึ่ง”

“อีกหนึ่งความโชคดีคือ User อินเดียค่อนข้างเปิดในการที่เราเข้าไปพูดคุยกับเขามากๆ ไม่ว่าจะเป็นทางโทรศัพท์ หรือการ Walk-in เข้าไปแนะนำตัวและขอสัมภาษณ์”

“ส่วนใหญ่ถ้า User ไม่ได้ติดทำอะไรก็จะให้ความร่วมมือด้วยความยินดี”

Chapter2 : AI Challenge

Jackett ใช้ AI ทำอะไร?

หลักๆ Core AI Product สำคัญของเรามี 2 ตัว

ตัวแรกคือ AI ที่อ่าน content (โจทย์) แล้ว Tag โจทย์นั้นได้เลย ว่า เป็นวิชาอะไร ชั้นปีอะไร Chapter อะไร

“ซึ่งตัวนี้สำคัญมากสำหรับ Personalised Education”

ตัวที่สอง เป็น AI ที่ช่วย Detect คำถามจาก PDF ที่ User ส่งเข้ามาในระบบ

“ถ้า OCR Image to Text ทั่วไปก็จะ Detect ได้แค่ ตรงไหนคือตัวหนังสือ และคือตัวหนังสืออะไร แต่ AI ตัวนี้จะช่วย Detect โจทย์แต่ละข้อในหน้า PDF (และ Detect โจทย์ที่อยู่ข้ามหน้า)”

ซึ่งจุดเริ่มต้นของ AI ตัวนี้ก็เริ่มมาจากเทคโนโลยี อ่าน Text จากรูปที่คุณครูถ่ายเข้ามา แล้วต่อยอดออกมา

“ทำให้ให้คุณครูสามารถอัปโหลด .pdf นึงที่มีโจทย์ 10 ข้อ แล้วให้ระบบ Split โจทย์ แล้วนำไปสร้างคำถาม บน Jackett ได้เลย”

หลายๆ คนอาจเริ่มสงสัยว่า แล้วไม่ใช้ AI ช่วยในการเรียนด้วยหรอ

ล่าสุด “ตอนนี้เราก็กำลังเอา LLM (Large Language Model) มาใช้ช่วย Guide ว่าจะหาความรู้ที่เกี่ยวข้องกับคำถามแต่ละข้อได้ที่ไหน” ด้วยเหมือนกัน

ที่มา: https://www.jackett.io/

จุดที่ Challenge ที่สุดของ AI Product

“สิ่งที่สำคัญที่สุด ของ AI product คือ คุณเอา Data มาจากไหน”

“ของเราไม่มีที่ไหนเลย ซึ่ง Data ของเราคือโจทย์ที่เรามา Tag ซึ่งเป็นสิ่งที่จะถูกเอามาช่วยในขั้นตอนสุดท้ายที่เราจะเอา Insight ของเด็กมาดูว่าเด็กเรื่องอะไร ไม่เก่งเรื่องอะไร แค่ไหน”

“ซึ่งไม่มีใครทำ Data Set นี้เลย ทำให้เราต้องมา เก็บ Data, เทรน Data, แล้วก็มา Optimize ตัว AI ของเราเอง ให้ Performance มันดีมากขึ้น” 

“ดังนั้น ใครที่อยากเริ่มมาทำ AI Product ต้องดูตรงนี้ให้ดีๆ ว่ามี Data ให้รึป่าว ถ้าไม่มี Operation ในการทำ Data จะเยอะมาก เช่น งาน Label Data“

“สิ่งที่หลายๆคนไม่ค่อย Aware เท่าไหร่เวลาที่เราเก็บ Data เองคือเราต้อง Manage เรื่อง Process การเก็บ Data ด้วย (Data Annotation) เราต้องทำ Internal Tool เพื่อให้คนที่คอยเก็บ Data ให้เรา ทำงานได้เร็วที่สุด ผิดพลาดน้อยที่สุด และที่สนุกกว่านั้นคือเราต้อง Manage งบสำหรับการเก็บ Data ด้วย”

เรียกว่ามีหลายแง่มุมที่ Product Manager ต้อง มองเลย

As a PM ที่ดูแล AI product เรามีวิธีคุยกับ Machine Learning Engineer ยังไง

จากคำตอบของสายฟ้าเราเข้าใจว่าเชิง Technical อาจมี Terminology และ Technical Details ที่แตกต่างกัน แต่โดยพื้นฐานของสิ่งที่ Product Manager ต้องสื่อสารกับ Dev เช่น Goal/Purpose/User Story ไม่ต่างกัน

“จริงๆ คุยกับ Machine Learning Engineer มันก็เหมือนคุยกับ Engineer ปกตินั่นแหละ แต่แค่ว่าต้องมี Mindset ที่เปลี่ยนไปจากเดิมนิดนึง” 

“คืออย่างถ้าเราคุยกับ Engineer เราจะรู้มาตั้งแต่ต้นแล้วนิดนึง ว่าอะไร Possible ใช่ไหม เช่น ทำ Onboarding Flow ใส่ชื่อ ใส่อะไรอย่างนี้ เรารู้อยู่แล้วว่ามันทำได้ เพียงแต่ว่าทำครบ ทำตรงตาม requirement หรือป่าว” 

“แต่ว่าถ้าเราคุยกับ Machine Learning Engineer หรือ Data Scientist เราต้องมี Mindset ในใจ อย่างนึงว่า ต้อง Push ให้มันทำได้” 

“เราไม่รู้ว่ามันทำได้มากน้อยขนาดไหน แต่เราต้อง Push ให้มันทำได้” 

“ทั้งนี้เราเองก็ต้องเป็นคนที่ทำความเข้าใจและคอย Support Engineer ด้วย ซึ่งส่วนตัวก็คิดว่าการจะทำแบบนี้ได้มันต้องอยู่บนฐานของการที่เราดึงดูดคนที่ Passionate และอยากที่จะลุยไปกับทีม” ประกอบกัน 🙂🌟

แล้วรับมือกับความไม่แน่นอนในการพัฒนา AI ยังไง

ในการรับมือกับความไม่แน่นอนในฐานะคนที่ดูแลทีม เช่น Product Manager หรือ CEO
สายฟ้าแบ่งการรับมือออกเป็น 2 ส่วน

ส่วนแรก “ในเชิง Vision เราต้องกระตุ้นให้คนทำงานสามารถทำให้ได้”

“คือมันมี Gap ที่ใหญ่มากระหว่างคนที่แค่เห็นก็บอกว่าทำไม่ได้ กับคนที่พยายามทำ

ดังนั้นส่วนหนึ่งของหน้าที่ของ Team Lead เช่น Product Manager คือการผลักดันให้คน Active ในการแก้ปัญหา”

มี Quote นึงที่เราชอบมากๆ จากสัมภาษณ์ของคนที่อยู่ใน OpenAI เค้าบอกว่า

“Advancement in society comes from pushing human knowledge”

ที่มา: Bloomberg Originals. Inside OpenAI, the Architect of ChatGPT, featuring Mira Murati | The Circuit with Emily Chang. https://youtu.be/p9Q5a1Vn-Hk?si=8SviDQO8KCQRQhW5

การที่สังคมจะก้าวหน้าไปได้ ก็ด้วยการขยายขอบเขตความรู้ของเราออกไป

ส่วนที่สอง คือ ในเชิง Execution คือ เราจัดการแก้ปัญหานี้ยังไง

Active ในการแก้ปัญหา เช่น ในเชิง Data “เราต้องรู้ว่า Data เอามายังไง Recheck Data ยังไง Operation จะเป็นยังไงบ้าง”

เมื่อพัฒนา Model ออกมา เราก็ต้อง
“รู้วิธีการ Judge Outcome ต่างๆ 
รู้ว่าจะ Feedback Model ยังไง”

ยกตัวอย่างเช่น Uncertainty ในข้อมูลว่าเราจะเก็บ Feedback ยังไงได้บ้าง

เช่น AI Detect Film X-ray ปอดว่าตรงไหนมีภาวะผิดปกติ ก็อาจต้องใช้บุคลากรทางการแพทย์เป็นคน Feedback Model

• อาจจะใช้ AI หลายๆ ตัว แล้วดูว่า อะไรที่มัน Detect ได้ร่วมกัน อะไรที่ชัดว่าทำได้ อะไรที่ไม่ชัด เช่น
• Case ที่มีจุดบนปอด ทุก Model สามารถ Detect ได้
  แต่มีบาง Model ที่สามารถ Spot บางจุดแปลกๆ อันนั้นก็อาจจะให้ Technician มา Verify เพิ่มให้
  ไม่ใช่ว่า Review ทุก Outcome ของ AI ก็อาจจะเป็นวิธีนึงที่เราจะ Manage ได้

ซึ่งสายฟ้าบอกว่า “เป็นพาร์ทที่ค่อนข้างสำคัญ ที่ PM ต้อง Manage เหมือนกัน”

Jackett in 2024

จาก MVP บนเว็บในปลายปี 2021 Jackett ได้เติบโตเป็นแอปบน iOS ที่มีคุณครูเข้ามาใช้งานแล้วถึง 14,000 คน กำลังจะมี Web Based App และกำลังจะขยายไปตลาด US เร็วๆ นี้

Chapter 3: Before the Journey Start

คิดว่าอะไรที่ทำให้ได้เป็น Product Manager ที่นี่ ทั้งที่ไม่ใช่คนอินเดีย

เราสงสัยว่า ทำไมสายฟ้าถึงได้มาเป็น PM คนแรกของ Product ที่จะไปขายอินเดีย ทั้งๆ ที่ก็ไม่ใช่คนอินเดีย สายฟ้าเลยแชร์คำตอบมาได้ว่า

จากคำพูดที่ CEO ที่สัมภาษณ์สายฟ้าเข้ามาเคยพูด มองว่าสรุปได้เป็น 3 ข้อ ที่เราเอามาสรุปได้แบบนี้

1. Honest

“เค้าพูดว่า เรา Honest กับทุกอย่าง ตั้งแต่ตอนสัมภาษณ์ คือเราเคยทำสตาร์ทอัพมาก่อนตอนโควิดด้วยแล้วมันไม่เวิร์ค เราก็เล่าให้เค้าฟังว่ามันพลาดตรงไหน เพราะอะไรบ้าง และถ้าเรามองย้อนกลับไปเราอยากจะแก้เรื่องอะไรบ้าง”

2. Proactive + Knowledge

“ในช่วง Interview Process เราเข้าไปรีวิว product เค้าจริงๆ 

แล้วก็ Recommend เค้าว่า Product เค้าสามารถพัฒนาตรงจุดไหนได้บ้าง เท่าที่ทำได้”

ข้อนี้ทำให้เรานึกอีกหนึ่งคุณสมบัติของ Product Manager ที่พี่ธาม-Finnomena มองหา คือ Opinionated (กล้าแสดงความคิดเห็น) ซึ่งการที่คนคนหนึ่งจะมีความมั่นใจในการแสดงความคิดเห็นได้ ก็ต้องมาจากความรู้เยอะๆ ซึ่งพี่ธามได้แนะนำวิธีการสร้าง Product sense ไว้แล้วใน PM Story Episode 1 — อ่านต่อ

3. Business Acumen

ในช่วงสัมภาษณ์งานของสายฟ้ากับ Jackett เป็นช่วงปลายโควิด

“ตอนสัมภาษณ์เขาถามเหมือนกันว่าเรามองว่ามี Risk อะไรใหญ่ๆบ้าง เราก็บอกเขาไปว่ามันมี Risk อยู่อันนึง คือ
หากการเรียนไม่ได้ถูก Transform เป็น Online โดยสมบูรณ์
เมื่อโควิดจบ การเรียนการสอบ อาจกลับมาเป็น Offline ได้“

“ทำให้บาง Value ที่เรา Provide เช่น
การ Share ข้อสอบออนไลน์
อาจจะไม่เวิคในอนาคต“

“ต่อไปเราก็ต้องมา Approach ฝั่ง Offline ด้วย ซึ่งอันนี้ก็เป็นพาร์ทที่เกิดขึ้นจริง”

Value บางอย่าง ก็อาจสูญหายไปตามเวลาได้เหมือนกัน

“อีกพาร์ทนึงคือ เราช่วยครู Convert ข้อสอบบนกระดาษเป็นออนไลน์ ในช่วงโควิด ด้วย OCR Tool ของเรา”

ซึ่งตรงนี้เป็น Strategy ที่ทำให้เรา Acquire User เข้ามาใช้ได้ง่าย

แต่อาจไม่ใช่ Unque Value Position ในอนาคต

— เพราะสมมติว่า User คุ้นชินกับ Product เราแล้ว (เข้าดึงโจทย์จาก Pool ข้อสอบของ Jackett แทน) ต่อไปเค้าก็จะไม่ได้ใช้เราแล้ว

เราก็บอกเขาไปตรงๆ

ซึ่งภายหลังก็เป็นสิ่งที่ค่อยๆ เกิดขึ้นจริงตามที่เราประเมินไว้ตั้งแต่ตอนสัมภาษณ์

อย่างไรก็ตาม เหตุผลทั้ง 3 ข้อนี้จะไม่ Success เลยถ้าไม่ได้ผ่านความกระตือรือร้นในการเรียนรู้ศาสตร์ต่างๆ ที่เกี่ยวข้อง ทั้ง UX, Business, Product นำไปสู่คำแนะนำของสายฟ้าในข้อถัดไป

Chapter 4: Make a Wish 🌟

มีอะไรที่อยากฝากถึงคนที่อยากเป็น Product Manager หรือกำลังเริ่มต้นเรียนรู้งานในสายนี้

ดูเหมือนเรื่องทั้งหมดที่สายฟ้าอยากฝากจะเป็นเรื่องของการเรียนรู้ สรุปได้เป็นเคล็ดลับ 2 ข้อ

1. Manage Energy & Time

“พยายาม Manage เวลา Manage Energy พยายามหาความรู้”

“เราเป็นคนที่ชอบเปลี่ยน context บ่อยๆ อาจจะเหมาะกับการเป็น Product Manager
เราทำงาน Design เสร็จก็ Switch ไปคุยกับ Dev พอมันได้สลับก็ได้ Energy กลับมา เสาร์อาทิตย์ก็ใช้ Context Switching กับการเรียนรู้เหมือนกัน”

“ซึ่งคิดว่าทุกคนต้องจับจุดการ Generate Energy ของตัวเอง ว่าทำแบบไหนแล้วมีแรงในการเรียนรู้หรือสร้างความ Productive บางคนอาจจะออกไปนอกบ้านไปเที่ยวแล้วมีแรง ส่วนนี่ก็จะหลับ 55555”

2. Proactively Learn

“ทำให้ตัวเองรู้สึกว่าอยากเรียนรู้อะไรอยู่ตลอดมองหา Opportunity ในการเรียนรู้สิ่งต่างๆ
เช่น Product ของคนรู้จัก คิดว่าถ้าเป็นเราเราจะทำยังไง”

“ลิสต์ว่ามีอะไรที่เราต้องเรียนรู้เพิ่ม
Term ที่ยังไม่รู้จัก
หรือ Resource ดีๆ ที่ได้มาก็จะเอามาดูเสาร์อาทิตย์ ไม่ได้รอให้เจอปัญหาแล้วค่อยเรียน”

คิดว่า Skill ที่สำคัญที่สุดในการเป็น Product Manager คืออะไร

1. Business
2. Data
   • เพื่อทำความเข้าใจ User แล้วก็หา Insight ใหม่ๆที่เราสามารถนำมาแก้ไขปรับเปลี่ยน หรือ ใช้เป็น Opportunity ใหม่ๆ ได้
3. Design
4. Tech
   • แต่ถ้าเราทำ Product สาย Platform ก็จะให้ Tech สำคัญกว่า Design มากๆๆ นะ
5. Soft skill ก็หลายๆ อย่าง : Communication, Problem Solving, Design Thinking, Creative เพื่อหา Solution ที่ Creative 

Recommended Resources

Online

• growth.design: UX Psychology
  • ถ้าใครทำ Product ที่เป็น Consumer Facing ตัวนี้จะมีประโยชน์มากๆ
• The Agile Coach: Atlassian’s Guide to Agile
  • เป็นจุดเริ่มต้นที่ดีสำหรับการทำความเข้าใจ Agile

Books

• Escaping the Build Trap by Melissa Perri
• Inspired, Empowered by Marty Cagan

หนังสือที่อยากแนะนำแต่คนส่วนใหญ่ไม่ค่อยอ่าน

• Crossing the Chasm by Geoffrey Moore
  • สำหรับคนที่อยากเข้าใจเกี่ยวกับ Nature ของ Product Adoption มากขึ้น
• The Innovator’s Dilemma by Clayton Christensen
  • ทำให้เห็นภาพกว้างของ Product Life Cycle และ Market มากขึ้น

Other Resources

• ติดตามความรู้ใหม่ๆ เกี่ยวกับ Product จากเพจของสายฟ้า ที่ FB: Product Square
• แนะนำคอร์สปูพื้นฐานฝั่ง Dev: CS50: https://pll.harvard.edu/course/cs50-introduction-computer-science
• รีวิวคอร์ส CS50 โดยพี่ Kuppy: https://www.facebook.com/570050957/posts/pfbid0361TBLL5gBKRmuoHEoRMZEnypvBMKzMTvrYVFQpgaWMUuDZ6k9b5PfJD5SMtyyn9rl/?app=fbl

---

Writer: Onaraya Voravarachai

Interviewed on 17 Sep 2023

---

ตอนหน้า:

หากคุณชอบคอนเทนท์นี้ และอยากฟังเรื่องราวของ Product Manager คนอื่นๆ เพิ่มอีก สามารถร่วมเสนอชื่อมาได้ทาง Inbox ของ Facebook Page: PM Corner Thailand ได้เลยนะคะ 😀