การปฏิวัติ Workflow Automation: การวิเคราะห์เชิงเปรียบเทียบระหว่าง Google Opal และแพลตฟอร์มดั้งเดิม
การปฏิวัติ Workflow Automation: การวิเคราะห์เชิงเปรียบเทียบระหว่าง Google Opal และแพลตฟอร์มดั้งเดิม
ดร.อนุศร หงษ์ขุนทด
ศึกษานิเทศก์ วิทยฐานะศึกษานิเทศก์เชี่ยวชาญ สพม.นครราชสีมา
Musicmankob@gmail.com
__________________________________
บทนำ: นิยามใหม่ของระบบอัตโนมัติสำหรับทุกคน
ในภูมิทัศน์ทางธุรกิจยุคดิจิทัลปัจจุบัน ความสามารถในการสร้างระบบอัตโนมัติสำหรับเวิร์กโฟลว์ (Workflow Automation) ได้กลายเป็นปัจจัยเชิงกลยุทธ์ที่สำคัญอย่างยิ่งต่อประสิทธิภาพและการสร้างสรรค์นวัตกรรมขององค์กร เรากำลังเห็นการเปลี่ยนแปลงกระบวนทัศน์ (Paradigm Shift) ครั้งสำคัญ จากแพลตฟอร์มแบบดั้งเดิมที่ซับซ้อนและต้องอาศัยทักษะเฉพาะทาง ไปสู่เครื่องมือยุคใหม่ที่ขับเคลื่อนด้วยปัญญาประดิษฐ์ (AI) ซึ่งถูกออกแบบมาเพื่อทลายกำแพงทางเทคนิคและทำให้ทุกคนสามารถเป็นผู้สร้างสรรค์ได้
บทความนี้จะนำเสนอการวิเคราะห์เชิงเปรียบเทียบอย่างละเอียดระหว่าง Google Opal ซึ่งเป็นแพลตฟอร์มทดลองใหม่ล่าสุดจาก Google Labs กับเครื่องมือ No-code Automation ที่ได้รับการยอมรับอย่างแพร่หลาย เช่น N8N และ Make.com โดยมีวัตถุประสงค์เพื่อประเมินความสามารถ ประสบการณ์ผู้ใช้ และนัยสำคัญเชิงกลยุทธ์ที่เกิดขึ้นจากการมาถึงของ Opal โดยเฉพาะอย่างยิ่งสำหรับผู้ใช้งานที่ไม่มีพื้นฐานด้านเทคนิคหรือการเขียนโปรแกรม
เพื่อสร้างความเข้าใจที่ชัดเจน เราจะเริ่มต้นด้วยการสำรวจภาพรวมของแพลตฟอร์มระบบอัตโนมัติแบบดั้งเดิม เพื่อเป็นมาตรฐานในการเปรียบเทียบ
ภาพรวมของ Workflow Automation แบบดั้งเดิม: พลังและความซับซ้อน
แนวทางดั้งเดิมของ Workflow Automation ได้พิสูจน์แล้วว่าเป็นเครื่องมือที่ทรงพลังสำหรับองค์กร โดยทำหน้าที่เป็นสะพานเชื่อมต่อระบบที่แตกต่างกันและทำให้งานที่ต้องทำซ้ำๆ กลายเป็นระบบอัตโนมัติ ซึ่งช่วยลดข้อผิดพลาดและเพิ่มประสิทธิภาพการทำงานได้อย่างมหาศาล
กระบวนทัศน์หลักของแพลตฟอร์มอย่าง N8N และ Make.com คือระบบที่ใช้บล็อก (Node-based) ซึ่งผู้ใช้จะต้องทำความเข้าใจตรรกะของกระบวนการทำงานและลากบล็อกคำสั่งต่างๆ มาเชื่อมต่อกันด้วยตนเอง เปรียบเสมือนการ “ต่อจิ๊กซอว์” ที่ผู้สร้างต้องรู้ว่าชิ้นส่วนใดควรจะมาก่อนหรือมาหลัง การที่ต้องวางแผนโครงสร้างทั้งหมดล่วงหน้าเช่นนี้ส่งผลกระทบโดยตรงต่อความเร็วของโครงการ (Project Velocity) และต้นทุนรวมในการเป็นเจ้าของ (Total Cost of Ownership) เนื่องจากมักต้องพึ่งพาบุคลากรที่มีทักษะเฉพาะทาง
แม้ว่าโมเดลนี้จะมีประสิทธิภาพ แต่ก็มาพร้อมกับจุดแข็งและความท้าทายที่แตกต่างกันสำหรับผู้ใช้งาน ดังนี้
| จุดแข็ง (Strengths) | ความท้าทาย (Challenges) |
| เป็นแพลตฟอร์มที่มีวุฒิภาวะ (Mature) และเปิดให้บริการมานาน ทำให้มีความเสถียรและน่าเชื่อถือ | โมเดลการเชื่อมต่อบล็อกสร้าง “ภาระทางความคิด” (Cognitive Load) ที่สูง ผู้ใช้ต้องจดจำแผนผังตรรกะทั้งหมดไว้ในใจก่อนที่จะเริ่มลงมือสร้างได้ |
| มีการเชื่อมต่อกับบริการจากภายนอก (3rd-party services) ที่หลากหลายและครอบคลุม ทำให้สามารถสร้างเวิร์กโฟลว์ที่ซับซ้อนระหว่างแอปพลิเคชันต่างๆ ได้อย่างกว้างขวาง | ผู้ใช้ที่ไม่มีทักษะด้านเทคนิคอาจประสบปัญหา เพราะ “ไม่รู้ว่าจะต้องเอาอะไรต่ออะไรหลัง” ซึ่งเป็นอุปสรรคสำคัญในการเริ่มต้นและทำให้ต้องใช้เวลาเรียนรู้สูง |
ความท้าทายเหล่านี้เองที่กลายเป็นจุดกำเนิดของแนวคิดใหม่ ซึ่ง Google Opal ได้เข้ามาตอบโจทย์โดยตรง เพื่อทำให้การสร้างระบบอัตโนมัติเป็นเรื่องที่เข้าถึงได้ง่ายขึ้นสำหรับทุกคน
ทำความรู้จัก Google Opal: กระบวนทัศน์ใหม่ที่ขับเคลื่อนด้วย AI
Google Opal คือเครื่องมือทดลองใหม่ล่าสุดจาก Google Labs ที่มีภารกิจหลักในการปฏิวัติแนวทางการสร้างแอปพลิเคชัน โดยมีเป้าหมายเพื่อ “ให้ทุกคนสามารถสร้างแอปพลิเคชันได้อย่างสร้างสรรค์ ไม่ว่าจะมีทักษะด้านโปรแกรมหรือการเขียนโค้ดระดับไหนก็ตาม” นี่ไม่ใช่แค่การทำให้ง่ายขึ้น แต่เป็นรากฐานของการเปลี่ยนแปลงปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ในการพัฒนาซอฟต์แวร์ ซึ่งเป็นการลดกำแพงในการเข้าถึงนวัตกรรมได้อย่างแท้จริง
Opal นำเสนอวิธีการสร้างเวิร์กโฟลว์ที่แตกต่างกันถึง 2 รูปแบบ ซึ่งเป็นการตัดสินใจเชิงกลยุทธ์ของผลิตภัณฑ์เพื่อตอบสนองผู้ใช้สองกลุ่มหลัก:
1. การสร้าง Workflow ด้วย Prompt: สำหรับ “ผู้ใช้ที่ขับเคลื่อนด้วยเจตนา” (Intent-Driven User)
วิธีการนี้ถือเป็นจุดเปลี่ยนที่สำคัญที่สุดของ Opal โดยผู้ใช้ที่ไม่มีพื้นฐานทางเทคนิคสามารถเปลี่ยนไอเดียให้เป็นแอปพลิเคชันได้ เพียงแค่พิมพ์อธิบายสิ่งที่ต้องการสร้างเป็นภาษาธรรมชาติ (Natural Language) ซึ่งรองรับภาษาไทยได้อย่างสมบูรณ์ AI ของ Opal จะทำหน้าที่แปลเจตนาของผู้ใช้และสร้างเวิร์กโฟลว์ที่เป็นบล็อกขึ้นมาให้โดยอัตโนมัติ เป็นการ “เอาท์ซอร์ส” ภาระทางความคิด (Cognitive Load) ไปให้ AI จัดการทั้งหมด ตัวอย่างเช่น ผู้ใช้สามารถพิมพ์คำสั่งว่า “สร้างโปรแกรมสรุปเนื้อหาจากวิดีโอ YouTube โดยรับ URL จากผู้ใช้ จากนั้นถอดความและสรุปเป็นภาษาไทย” และ Opal จะสร้างแอปพลิเคชันที่ทำงานได้ทันที
2. การสร้าง Workflow ด้วย Block: สำหรับ “ผู้ใช้ที่ขับเคลื่อนด้วยตรรกะ” (Logic-Driven User)
สำหรับผู้ใช้ที่คุ้นเคยกับตรรกะของเวิร์กโฟลว์และต้องการควบคุมกระบวนการสร้างด้วยตนเอง Opal ยังมีโหมดการทำงานแบบบล็อกที่เรียบง่ายและเป็นระบบกว่า ประกอบด้วยบล็อกหลัก 3 ประเภท ซึ่งสามารถอธิบายเชิงแนวคิดได้ดังนี้:
- Input (ประตูหน้า): ทำหน้าที่เป็น “ประตูหน้า” สำหรับข้อมูล กำหนดว่าแอปพลิเคชันต้องการอะไรจากผู้ใช้หรือระบบอื่น เช่น ข้อความ, รูปภาพ, หรือการอัปโหลดไฟล์
- Generate (ห้องเครื่องยนต์): เปรียบเสมือน “ห้องเครื่องยนต์” ที่ขับเคลื่อนด้วย AI ซึ่งเป็นที่ที่การประมวลผล, การแปลงข้อมูล, หรือการสร้างสรรค์สิ่งใหม่ๆ เกิดขึ้น
- Output (กลไกการส่งมอบ): ทำหน้าที่เป็น “กลไกการส่งมอบ” ที่นำเสนอผลลัพธ์สุดท้ายให้ผู้ใช้เห็น หรือส่งต่อไปยังบริการอื่นในระบบนิเวศของ Google เช่น Google Docs หรือ Google Sheets
จากข้อมูลแหล่งอ้างอิง บล็อก Generate และ Output คือส่วนที่ดึงศักยภาพของโมเดล AI ของ Google (Gemini) มาใช้งานโดยตรง วิธีการนี้จึงเหมาะสำหรับผู้ที่เข้าใจลำดับขั้นตอนการทำงานและต้องการกำหนดตรรกะของแอปพลิเคชันด้วยตนเอง
จากวิธีการสร้างที่หลากหลายนี้ เราจะมาเจาะลึกถึงความสามารถหลักที่ทำให้ Opal โดดเด่นและแตกต่างจากเครื่องมืออื่นๆ ในตลาด
การวิเคราะห์ความสามารถหลักและจุดเด่นของ Google Opal
คุณค่าเชิงกลยุทธ์ของ Google Opal ไม่ได้อยู่ที่ความง่ายในการใช้งานเพียงอย่างเดียว แต่ยังอยู่ที่การบูรณาการอย่างลึกซึ้งกับระบบนิเวศ AI และบริการต่างๆ ของ Google ซึ่งช่วยปลดล็อกความสามารถใหม่ๆ ที่เคยเข้าถึงได้ยากสำหรับผู้ใช้ทั่วไป
ชุดเครื่องมือ Generative AI แบบครบวงจร (Generative AI Suite in a Box)
จุดเด่นที่ทรงพลังที่สุดของ Opal คือการบูรณาการ AI แบบไร้รอยต่อ บล็อก Generate ไม่ได้เป็นเพียงกล่องประมวลผลธรรมดา แต่เป็นประตูที่เปิดตรงสู่คลังโมเดล AI อันทรงพลังของ Google นี่คือข้อได้เปรียบเชิงกลยุทธ์ที่สำคัญ เพราะมันทำหน้าที่เป็น “ชุดเครื่องมือ Generative AI แบบครบวงจร” ที่มาพร้อมใช้งานทันที ช่วยขจัดอุปสรรคสำคัญที่แพลตฟอร์มดั้งเดิมต้องเผชิญ เช่น การจัดการ API Key, การตั้งค่าการยืนยันตัวตน, และการจัดการค่าใช้จ่ายที่แยกจากกัน ผู้ใช้สามารถเรียกใช้โมเดล AI ที่ซับซ้อนได้โดยตรงจากภายในเวิร์กโฟลว์ ซึ่งรวมถึง:
- Gemini 2.5 Flash: สำหรับงานด้านการวิเคราะห์และประมวลผลข้อความ
- Nanobanana 2.5 Flash Image: สำหรับการสร้างและแก้ไขรูปภาพขั้นสูง
- โมเดลสำหรับสร้างเสียงสังเคราะห์ (Audio Generation)
- โมเดลสำหรับสร้างวิดีโอ (Video Generation)
ตัวอย่างที่เห็นได้ชัดจาก Workshop คือการสร้างแอปพลิเคชันแปลงรูปภาพบุคคลให้ดูเป็นมืออาชีพ ผู้ใช้เพียงแค่นำบล็อก Input (สำหรับรับรูปภาพ) มาเชื่อมต่อกับบล็อก Generate ที่เลือกใช้โมเดล Nanobanana พร้อมกับพิมพ์ Prompt สั่งการง่ายๆ เช่น “ให้คนในรูปใส่สูทสีกรมท่า พื้นหลังเป็นสีเทาในสตูดิโอ” Opal ก็จะจัดการส่วนที่เหลือทั้งหมดให้โดยอัตโนมัติ
การเชื่อมต่อกับ Google Workspace
ปัจจุบัน Opal ได้ถูกออกแบบมาให้เชื่อมต่อและส่งผลลัพธ์ไปยังบริการต่างๆ ในระบบนิเวศของ Google ได้อย่างราบรื่น โดยเฉพาะอย่างยิ่ง Google Docs และ Google Sheets ซึ่งถือเป็นข้อได้เปรียบอย่างมากสำหรับผู้ใช้และองค์กรที่ใช้งาน Google Workspace เป็นหลัก ทำให้สามารถสร้างระบบอัตโนมัติที่ทำงานร่วมกับเอกสารและสเปรดชีตที่มีอยู่ได้อย่างง่ายดาย
แผนการขยายในอนาคต
เนื่องจาก Opal ยังอยู่ในช่วงทดลอง Google จึงมีแผนที่จะขยายขีดความสามารถอย่างต่อเนื่องในอนาคต โดยจะมีการเพิ่มการเชื่อมต่อกับบริการอื่นๆ ให้มากขึ้น และที่สำคัญคือการนำความสามารถขั้นสูงของ Gemini 3 ในด้านการให้เหตุผล (Reasoning) และการวางแผน (Planning) เข้ามาบูรณาการ ซึ่งจะทำให้ Opal สามารถสร้างเวิร์กโฟลว์ที่ซับซ้อนและชาญฉลาดได้มากยิ่งขึ้น
ความสามารถเหล่านี้เมื่อนำมาเปรียบเทียบกับแพลตฟอร์มดั้งเดิม จะทำให้เห็นภาพความแตกต่างของกระบวนทัศน์ทั้งสองแบบได้อย่างชัดเจน
ตารางเปรียบเทียบ: Google Opal ปะทะ แพลตฟอร์มดั้งเดิม
เพื่อสรุปความแตกต่างที่สำคัญระหว่างแนวทางของ Google Opal และแพลตฟอร์ม Workflow Automation แบบดั้งเดิม ตารางเปรียบเทียบด้านล่างนี้จะช่วยให้ผู้มีอำนาจตัดสินใจสามารถประเมินได้ว่าแนวทางใดที่เหมาะสมกับความต้องการขององค์กรและผู้ใช้งานของตนมากที่สุด
| คุณสมบัติ (Feature) | Google Opal | แพลตฟอร์มดั้งเดิม (เช่น N8N, Make.com) |
| วิธีการสร้าง (Creation Method) | รองรับ 2 รูปแบบ: 1. พิมพ์คำสั่ง (Prompt) เป็นภาษาธรรมชาติ (รวมถึงภาษาไทย) 2. ลากและวางบล็อก (Input, Generate, Output) | เน้นการลากและวางบล็อก (Node-based) ที่ผู้ใช้ต้องมีความเข้าใจลำดับขั้นตอนในการเชื่อมต่อเอง |
| ความง่ายในการใช้งาน (Ease of Use) | ออกแบบมาเพื่อลดภาระทางความคิด (Cognitive Load) อย่างมาก โดยเฉพาะสำหรับผู้ใช้ที่ไม่ใช่สายเทคนิค สามารถสร้างแอปได้แม้ไม่รู้ว่าจะต้องต่อ workflow อย่างไร | อาจมีความซับซ้อนและต้องใช้เวลาเรียนรู้สำหรับผู้ที่ไม่มีพื้นฐานด้านคอมพิวเตอร์หรือ Logic การเขียนโปรแกรม |
| การบูรณาการ AI (AI Integration) | บูรณาการโดยตรงกับ AI ของ Google (เช่น Gemini, Nanobanana) ในรูปแบบ “ชุดเครื่องมือ” ที่พร้อมใช้งาน ช่วยลดอุปสรรคในการเชื่อมต่อได้อย่างสมบูรณ์ | การเชื่อมต่อกับ AI มักต้องทำผ่านการตั้งค่าที่ซับซ้อนกว่า เช่น การจัดการ API Key และการเชื่อมต่อกับบริการภายนอก |
| การเชื่อมต่อระบบนิเวศ (Ecosystem Connectivity) | ปัจจุบันเน้นการเชื่อมต่อกับระบบนิเวศของ Google (Google Workspace เช่น Docs, Sheets) และมีแผนจะขยายในอนาคต | มีการเชื่อมต่อกับบริการจากภายนอก (3rd-party) ที่หลากหลายและสมบูรณ์กว่า เนื่องจากเปิดให้บริการมานานกว่า |
| ระดับวุฒิภาวะ (Maturity) | ยังอยู่ในช่วงทดลอง (Labs) และเป็นเครื่องมือใหม่มาก | เป็นแพลตฟอร์มที่สมบูรณ์และเปิดให้บริการมานาน มีชุมชนผู้ใช้และกรณีศึกษาที่หลากหลาย |
จากตารางเปรียบเทียบนี้ จะเห็นได้ว่าความแตกต่างไม่ได้อยู่ที่ฟีเจอร์เพียงอย่างเดียว แต่อยู่ที่ปรัชญาการออกแบบซึ่งส่งผลโดยตรงต่อผู้ใช้งานและองค์กร
นัยสำคัญต่อผู้ใช้งานทางธุรกิจและผู้ใช้ที่ไม่ใช่สายเทคนิค
การมาถึงของเครื่องมืออย่าง Google Opal ส่งผลกระทบในวงกว้างมากกว่าแค่การเป็นเครื่องมืออัตโนมัติอีกตัวหนึ่ง มันเป็นการลดกำแพงในการเข้าถึงการสร้างซอฟต์แวร์ และส่งเสริมให้เกิดวัฒนธรรมของ “Citizen Developer” หรือนักพัฒนาภาคประชาชนขึ้นภายในองค์กร
การเสริมศักยภาพให้ผู้ใช้ที่ไม่ใช่สายเทคนิค (Democratizing Development)
หัวใจสำคัญของ Opal คือการมอบอำนาจให้แก่ผู้เชี่ยวชาญเฉพาะด้าน (Domain Experts) ที่อยู่ตามส่วนต่างๆ ขององค์กรสามารถสร้างแอปพลิเคชันที่ออกแบบมาเพื่อแก้ปัญหาเฉพาะหน้าของตนเองได้โดยไม่ต้องเขียนโค้ด สิ่งนี้เป็นการกระจายอำนาจในการสร้างนวัตกรรม ทำให้เกิดระบบอัตโนมัติที่มีความเฉพาะเจาะจงและมีมูลค่าสูง (Hyper-specific, high-value automations) ซึ่งทีมไอทีส่วนกลางอาจไม่มีทรัพยากรเพียงพอที่จะเข้ามาดูแลได้
การสร้างต้นแบบ “Mini-Apps” อย่างรวดเร็ว
ด้วยความง่ายและความเร็วในการสร้าง Opal จึงเป็นเครื่องมือที่ช่วยลดระยะเวลาสู่การสร้างคุณค่า (Time-to-Value) ได้อย่างมาก เหมาะสำหรับการสร้างและทดสอบ “Mini-Apps” ซึ่งเป็นแอปพลิเคชันขนาดเล็กที่มุ่งเน้นการแก้ปัญหาเฉพาะทาง ดังที่แสดงให้เห็นในตัวอย่างจาก Workshop เช่น การดึงข้อมูล (Data Scraping) รางวัลสลากกินแบ่ง ราคาทองคำ และราคาน้ำมัน หรือแม้แต่การสกัดข้อความจากรูปภาพป้ายทะเบียนรถ องค์กรสามารถใช้ Opal เพื่อสร้างต้นแบบและทดลองแนวคิดใหม่ๆ ได้โดยใช้เวลาและทรัพยากรน้อยลงอย่างมาก
ข้อควรพิจารณาเชิงกลยุทธ์ในการนำไปใช้
แม้ว่า Opal จะมีศักยภาพสูง แต่เนื่องจากยังเป็นเครื่องมือใหม่ จึงมีข้อควรพิจารณาที่สำคัญก่อนการนำไปใช้งานในวงกว้าง:
- สถานะการทดลอง (Experimental Status): ต้องตระหนักว่าในฐานะผลิตภัณฑ์จาก Google Labs ชุดฟีเจอร์และความเสถียรของ Opal อาจมีการเปลี่ยนแปลงได้ ทำให้ในปัจจุบันเหมาะสมกับการสร้างต้นแบบมากกว่าเวิร์กโฟลว์ระดับปฏิบัติการที่สำคัญต่อภารกิจ (Mission-critical)
- รูปแบบการใช้ทรัพยากร (Resource Consumption Model): ต้องทำความเข้าใจว่าแอปพลิเคชันที่เปิดให้สาธารณะใช้งานจะใช้โควต้า AI และการประมวลผลจากบัญชีของผู้สร้างดั้งเดิม ซึ่งเป็นปัจจัยสำคัญในการกำกับดูแล (Governance) และการวางแผนขยายผล (Scalability) เพื่อจัดการต้นทุนเมื่อมีการนำไปใช้งานนอกเหนือจากการใช้ส่วนบุคคล
ประเด็นเหล่านี้ชี้ให้เห็นว่าแม้ Opal จะทรงพลัง แต่ก็จำเป็นต้องมีการวางแผนและทำความเข้าใจข้อจำกัดก่อนนำไปปรับใช้ในระดับองค์กร
บทสรุป: อนาคตของ Workflow Automation ที่ขับเคลื่อนด้วย AI
จากการวิเคราะห์ทั้งหมด สรุปได้ว่า Google Opal เป็นตัวแทนของวิวัฒนาการครั้งสำคัญในวงการ Workflow Automation โดยเป็นการเปลี่ยนกระบวนทัศน์จากการเชื่อมต่อบล็อกที่ซับซ้อน ไปสู่การโต้ตอบด้วยภาษาธรรมชาติและการบูรณาการ AI อย่างลึกซึ้ง ซึ่งทำให้การสร้างแอปพลิเคชันเป็นเรื่องที่ง่ายและเข้าถึงได้สำหรับทุกคน
คำแนะนำเชิงกลยุทธ์: สำหรับองค์กรที่ใช้ Google Workspace เป็นหลัก Opal ถือเป็นเครื่องมือที่ไม่มีใครเทียบได้สำหรับการสร้างต้นแบบที่ขับเคลื่อนด้วย AI อย่างรวดเร็ว และการเสริมศักยภาพให้แก่ทีมที่ไม่ใช่สายเทคนิค อย่างไรก็ตาม สำหรับงานที่ต้องการการเชื่อมต่อระดับองค์กรที่ซับซ้อนและข้ามหลายแพลตฟอร์ม เครื่องมือที่มีวุฒิภาวะสูงอย่าง N8N ยังคงมีข้อได้เปรียบในด้านความหลากหลายของการเชื่อมต่อและความเสถียรในปัจจุบัน
ท้ายที่สุด หลักการที่ Opal เป็นผู้บุกเบิก ทั้งในด้านความเรียบง่าย, การเข้าถึงได้, และการมี AI เป็นแกนหลัก มีแนวโน้มที่จะกลายเป็นมาตรฐานใหม่และเป็นตัวกำหนดทิศทางอนาคตของระบบอัตโนมัติสำหรับกระบวนการทางธุรกิจต่อไป ซึ่งจะช่วยปลดล็อกศักยภาพในการสร้างสรรค์และแก้ปัญหาให้กับผู้คนจำนวนมหาศาลอย่างที่ไม่เคยมีมาก่อน
ขอบคุณข้อมูลดีๆ จาก ผู้ช่วยศาสตราจารย์ ดร.กิตติพงษ์ สุวรรณราช , Google Certified Trainer and Educator, Thailand , วิทยากรรับเชิญหน่วยงานภาครัฐ และเอกชน อาจารย์พิเศษเกี่ยวกับเทคโนโลยีสารสนเทศ
https://www.youtube.com/watch?v=y3apjYPImjk
Comments
Powered by Facebook Comments
