i การทำงานเบื้องหลัง (How it works)
ภาพรวมว่าเดโมนี้ประกอบขึ้นอย่างไร สำหรับผู้ดูแล/ผู้จัดการหลังบ้าน
สภาพแวดล้อม
- Platform: Amazon Quick (workspace
amazonbi) · Quick Sight edition Enterprise · auth ผ่าน IAM Identity Center
- ข้อมูลทั้งหมดเป็น ข้อมูลสมมติ (synthetic) — ไม่มี PHI จริง ปลอดภัยต่อการโชว์สาธารณะ
Data flow ของแต่ละ capability
| Capability | แหล่งข้อมูล (mock) | ไหลอย่างไร |
|---|
| Use case A — Knowledge (RAG) | equipment-knowledge/ + pdf/equipment/ (14 ไฟล์) | อัปโหลด → Quick Index สร้างดัชนี → Space/Agent ตอบพร้อม citation |
| Use case B — Clinical Docs | clinical-documents/ + pdf/clinical/ (10 ไฟล์) | อัปโหลด/ลากไฟล์เข้า Space → Agent สกัด/สรุป/ถามตอบ |
| Quick Sight (BI) | analytics/*.csv (4 dataset, 31 แถวครุภัณฑ์) | Data → dataset → Analyses → Dashboards + NL Q&A |
| Quick Flows | referral-letter PDF | Flow 3 สเต็ป: สกัด → จัดความเร่งด่วน → ร่างอีเมล |
| Quick Automation | pm-schedule-upcoming.csv | Schedule รายสัปดาห์ → กรอง due ≤ 30 วัน → สรุปส่งเมล |
ชุดข้อมูล (mock) ที่โหลดเข้าระบบ
- เครื่องมือแพทย์: 10 คู่มือ (ventilator/pump/monitor/defib/ultrasound/anesthesia/ECG/syringe/dialysis/CT) + SOP + calibration + troubleshooting + training
- คลินิก: 10 ฉบับ (referral x3, lab, discharge, radiology, operative, med-recon, ER triage, progress note)
- Analytics: equipment-inventory (31), maintenance-log (25), monthly-metrics (18), pm-schedule-upcoming (10)
- ชื่อ รพ./คน/แบรนด์ ทั้งหมดสมมติ (Acme/Contoso/Fabrikam/Northwind/Globex · เวชสมบูรณ์นคร/จรัสเวชการ/ศูนย์รัตนเวชวัฒน์)
การจัดการ / แก้ปัญหา
- อัปเดตข้อมูล → แก้ไฟล์ต้นทางแล้ว re-upload dataset/Space ใน Quick
- ถ้าคำตอบไม่ตรง → ปรับ instruction ของ Space ให้ตอบไทย + อ้างอิงเสมอ
- Dashboard ไม่เห็นเครื่องใหม่ → re-upload equipment-inventory.csv (31 แถว)
0 เตรียมก่อนออก booth
สถานะ checklist บันทึกในเบราว์เซอร์อัตโนมัติ
✦ Capability Map — เมนูจริงบน Quick Web
| Capability ในเดโม | เมนูจริง |
|---|
| Use case A/B (RAG ถาม-ตอบเอกสาร) | Spaces / Chat agents + More → Knowledge |
| Quick Sight (BI) | Data → Analyses → Dashboards |
| Quick Flows | Flows |
| Quick Automation | More → Automations |
| Quick Web | หน้าเว็บที่ใช้อยู่ |
1 โครงเรื่องการสาธิต (10-12 นาที/รอบ)
เล่าเป็น "หนึ่งวันของโรงพยาบาล" ร้อยทุก capability เข้าด้วยกัน
| # | Capability | ฉากในเรื่อง | เวลา |
|---|
| 1 | Space + Index | วิศวกรถามวิธีแก้ error เครื่องช่วยหายใจ | 2-3 น. |
| 2 | Clinical Doc | หมอสรุปใบส่งตัว/ผลแล็บใน 5 วินาที | 2-3 น. |
| 3 | Quick Sight | ผู้บริหารถามข้อมูลครุภัณฑ์ด้วยภาษาพูด | 2 น. |
| 4 | Quick Flows | สร้าง flow สรุปใบส่งตัว + ร่างอีเมลนัด | 2 น. |
| 5 | Automation | ตั้งเตือน PM ครบกำหนด/สรุปรายสัปดาห์ | 1-2 น. |
| 6 | Quick Web | ย้ำว่าทั้งหมดทำบนเบราว์เซอร์ ไม่ต้องลงแอป | 1 น. |
★ Wow Moments
1. ถามไทย ตอบไทย พร้อม citation กดดูต้นทางได้ — ไม่ใช่มั่ว
2. ลากใบส่งตัว 1 ไฟล์เข้าไป → สรุปผู้ป่วย+ยา+ข้อควรระวัง ใน 5 วินาที (หมออ่านเอง 5 นาที)
3. ผู้บริหารพิมพ์ถามภาษาพูด "รพ.ไหน uptime ต่ำสุด" → ได้กราฟทันที ไม่ต้องรอ IT
4. สร้าง automation ได้เองด้วยภาษาธรรมชาติ ไม่ต้องเขียนโค้ด
5. ข้อมูลอยู่ในบัญชี AWS ขององค์กรเอง — ปลอดภัย ตรวจสอบได้ ตอบโจทย์ PDPA
2 คำถามตัวอย่าง (กดปุ่มเพื่อคัดลอก)
Use case A — Equipment Knowledge Assistant
เครื่อง Acme V-100 ขึ้น error E-305 หมายความว่าอะไร แก้ไขยังไง
ต้องสอบเทียบ flow ของเครื่อง Acme V-100 ที่ค่าเท่าไหร่บ้าง เกณฑ์ผ่านคือ
เครื่องกระตุกหัวใจ Northwind DF-300 ต้องตรวจอะไรบ้างทุกวัน
infusion pump error P-21 กับ P-22 ต่างกันยังไง
เครื่องความเสี่ยงสูงต้องทำ PM บ่อยแค่ไหน และมีเครื่องอะไรบ้าง
Use case B — Clinical Document Intelligence
สรุปใบส่งตัวผู้ป่วยรายนี้ พร้อมเหตุผลการส่งตัวและยาที่ใช้
ผู้ป่วยรายนี้มีค่าแล็บอะไรผิดปกติบ้าง และบอกอะไรทางคลินิก
สรุป discharge summary เป็น bullet: การวินิจฉัย หัตถการ ยากลับบ้าน วันนัด
ผู้ป่วยรายนี้มีข้อควรระวังเรื่องยาอะไรเป็นพิเศษ
คาดหวัง: ห้ามหยุด dual antiplatelet (Aspirin+Clopidogrel) เสี่ยง stent ตัน
Quick Sight — ถามด้วยภาษาพูด
โรงพยาบาลไหนมี uptime เฉลี่ยต่ำที่สุด
เครื่องที่ยัง Under Repair มีกี่เครื่อง อยู่ที่ไหนบ้าง
ค่าอะไหล่ซ่อมสะสมปีนี้ แยกตามโรงพยาบาล
error code ไหนเกิดบ่อยที่สุด
3 Quick Flows & Automation
Flow — "Referral Intake Assistant"
- Input: ไฟล์ใบส่งตัว (PDF)
- Step 1: สกัดข้อมูลผู้ป่วย (ชื่อ, HN, อายุ, เหตุผลส่งตัว, โรคประจำตัว, ยา)
- Step 2: จัดระดับความเร่งด่วน (urgent/non-urgent) จากอาการ
- Step 3: ร่างอีเมลตอบรับ + นัดหมายแผนกปลายทาง
พูดขาย: "จากเอกสาร 1 หน้า ได้งาน 3 อย่างในคลิกเดียว — reuse กับทุกใบส่งตัว"
Automation — "PM Due Alert"
- ทุกเช้าจันทร์ ดึงเครื่องที่ next_pm_due ภายใน 30 วัน → สรุปส่งหัวหน้าฝ่าย
- ทางเลือก: เครื่องความเสี่ยงสูงเปลี่ยนเป็น Under Repair → แจ้งเตือนทันที
พูดขาย: "ไม่ต้องมีคนนั่งทำรายงาน — Quick ทำเอง สม่ำเสมอ ตรวจสอบได้"
4 Talking Points แยกกลุ่มผู้ชม
ผู้บริหาร (Executive)
- ลดเวลาค้นข้อมูลจากนาทีเหลือวินาที ลด downtime
- ถามข้อมูลเองด้วยภาษาพูด ไม่ต้องรอ IT ทำรายงาน
- ข้อมูลอยู่ในบัญชี AWS องค์กร มี governance/audit → PDPA
- จ่ายตามใช้จริง คุมต้นทุนได้
อาจารย์แพทย์ / แพทย์
- สรุปเอกสารคลินิกยาว ๆ ในไม่กี่วินาที + flag ค่าผิดปกติ
- ถามเจาะจงได้ เช่น ข้อควรระวังยา เทียบผู้ป่วย
- ตอบพร้อมอ้างอิงต้นทาง ลด hallucination
- ย้ำ: เป็น decision support มีแพทย์ทบทวนเสมอ
IT โรงพยาบาล
- เชื่อม data source ภายใน ไม่ต้องย้ายข้อมูลออก
- Enterprise SSO (OIDC + IAM Identity Center)
- สิทธิ์ระดับ user/space, audit ผ่าน CloudTrail
- Deploy บน AWS account องค์กร คุม network/security เอง
5 จุดขายเหนือคู่แข่ง (July 2026)
เมื่อถูกถามว่าต่างจาก Copilot / Gemini / ChatGPT Enterprise ยังไง
- รวม BI + เอกสาร + automation + web ในที่เดียว — ไม่ต้องต่อหลายเครื่องมือ
- ผูกกับ data ในบัญชี AWS ขององค์กรโดยตรง — governance/audit ระดับ AWS
- Agentic ทำงานหลายสเต็ปแทนคนได้จริง ไม่ใช่แค่ chat
- ถามตัวเลขเป็นภาษาพูดแล้วได้กราฟ (Quick Sight NL) — ฝั่ง BI แข็งกว่า
- จ่ายตามใช้ + รันในบัญชีลูกค้า เหมาะกับ regulated industry อย่าง healthcare
เทคนิค: อย่าโจมตีคู่แข่งตรง ๆ — เน้น "รวมทุกอย่างในที่เดียว + ข้อมูลอยู่ในมือองค์กร + ทำงานแทนได้จริง"
6 เคล็ดลับหน้า booth + ประโยคเปิด-ปิด
- เริ่มด้วยคำถามที่รู้ว่าผลออกสวย (ซ้อมมาแล้ว) อย่า improvise ตอนคนดูเยอะ
- ให้ผู้ชมลองพิมพ์ถามเอง 1 คำถาม (engagement สูง)
- เน็ตช้า/ตอบช้า: เล่าบริบทระหว่างรอ ("ระบบกำลังค้นจากคู่มือ 8 ฉบับ...")
- มี fallback screenshot เผื่อเน็ตล่ม
เปิด: "ลองนึกภาพว่าวิศวกร หมอ และผู้บริหารในโรงพยาบาลเดียวกัน ใช้ผู้ช่วย AI ตัวเดียวกัน ที่รู้จักคู่มือเครื่องมือ อ่านเอกสารคนไข้ และดูข้อมูลภาพรวมได้ — นั่นคือ Amazon Quick"
ปิด: "ข้อมูลทั้งหมดนี้เป็นข้อมูลจำลอง แต่พรุ่งนี้เราต่อกับข้อมูลจริงของท่านได้เลย บนบัญชี AWS ของท่านเอง ปลอดภัยและตรวจสอบได้"