ลูกค้าให้ข้อเสนอแนะผ่าน Slack, ทีมขายบันทึกข้อมูลใน Salesforce, ระบบบันทึกเหตุการณ์ใน ServiceNow, ผู้มีส่วนได้ส่วนเสียจัดทำเอกสารความต้องการใน Microsoft SharePoint, วิศวกรติดตามงานใน Jira, และทีมตัดสินใจผ่าน Outlook หรืออีเมล
ใน Phase 2: Decide, Prioritize agent จะให้คะแนนแต่ละกรณีการใช้งานตามเกณฑ์ถ่วงน้ำหนักสองแบบ คือสำหรับ Agentic use cases และสำหรับแอปพลิเคชันแบบดั้งเดิม เมื่อเลือกกรณีใช้งานหลักได้แล้ว Working Backwards agent จะสร้าง PR/FAQ ฉบับเต็มตามวิธีของ Amazon Working Backwards
Phase 4: Prototype จะทำงานโดยอ้างอิงจาก Design Handoff Brief, Persona จาก Discovery, และข้อมูลต่างๆ เพื่อให้ทีมสามารถตรวจสอบแนวคิดกับผู้มีส่วนได้ส่วนเสียก่อนใช้ Figma หรือเครื่องมือออกแบบอื่น
สำหรับ Scenario 2: การเพิ่มฟีเจอร์ในผลิตภัณฑ์เดิม ทีมจะได้รับสัญญาณอย่างต่อเนื่องจากช่องทางสนับสนุน, คำขอจากฝ่ายขาย, ข้อมูลการใช้งาน, หรือลำดับความสำคัญจากผู้บริหาร
ส่วนการทำความสะอาด (Clean up) คือการลบเอเจนต์ที่ไม่ใช้ใน Quick Desktop, ลบ AI-PDLC Artifacts Space และยกเลิกการเข้าถึงของทีมที่เคยให้ไว้
ศัพท์ที่ควรรู้
- AI-driven lifecycle management (AI-PDLC) – การจัดการวงจรผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI ซึ่งช่วยเร่งกระบวนการพัฒนาผลิตภัณฑ์
- AWS Quick – แพลตฟอร์มที่ใช้สร้างและรันเอเจนต์ AI สำหรับการทำงานร่วมกันในกระบวนการพัฒนา
- Prioritize agent – เอเจนต์ที่ให้คะแนนและจัดลำดับความสำคัญของแต่ละกรณีการใช้งานตามเกณฑ์ที่กำหนด
- Working Backwards agent – เอเจนต์ที่สร้างเอกสาร PR/FAQ ฉบับเต็มตามวิธีการของ Amazon Working Backwards
ที่มา: AWS