MICE Commercial AI Demo DeckMICE Commercial AI Demo Deck
From AI Assistant
to Commercial WorkflowFrom AI Assistant
to Commercial Workflow
AI จะช่วย MICE Commercial Team เห็น Opportunity และเปลี่ยน Process การทำงานได้อย่างไรHow AI can help MICE commercial teams identify opportunities and transform the way they work
Muze InnovationMuze Innovation
สแกน หรือพิมพ์ลิงก์Scan or type the linkmuze.co.th/miceOpening MindsetOpening Mindset
AI ที่หลายคนใช้อยู่วันนี้How most people use AI today
ส่วนใหญ่เราใช้ AI แบบนี้:Most of us use AI to:
นี่คือ AI AssistantThis is an AI Assistant
เรารู้ก่อนว่าอยากทำอะไร
แล้วให้ AI ช่วยทำสิ่งนั้นให้เร็วขึ้นWe already know what we want to do.
AI helps us do it faster.
ขอบเขตของวันนี้Today’s Scope
AI วันนี้ทำได้มากกว่าที่เราจะโชว์AI today can already do more than we will show
AI Tools ทุกวันนี้ทำงานกับสิ่งเหล่านี้ได้แล้วAI tools today already work across:
Company Data → Better Decision → Action → Workflow ที่ทั้งทีมใช้ได้Company Data → Better Decision → Action → a Workflow the whole team can use
The ShiftThe Shift
จาก “ช่วยทำงาน” ไปสู่ “ช่วยตัดสินใจ”From helping us work to helping us decide
AI AssistantAI Assistant
ช่วยเขียนอีเมล follow-up ลูกค้ารายนี้Write a follow-up email to this customer.
AI Commercial WorkflowAI Commercial Workflow
จากลูกค้าทั้งหมดที่เรามี
วันนี้ทีม Sales ควร follow-up ใครก่อน
เพราะอะไร และควรเสนออะไรAcross all our customers,
who should Sales follow up with first today,
why, and what should we offer?
Help me do the workHelp me do the work→Help me decide what work is worth doingHelp me decide what work is worth doing
Why MICE Commercial?Why MICE Commercial?
MICE เป็นธุรกิจที่มี Data อยู่แล้วจำนวนมากMICE businesses already have a wealth of data
ปัญหาอาจไม่ใช่ “ไม่มี Data”The problem may not be a lack of data.
Data ยังไม่ได้ช่วยบอกว่าวันนี้เราควรทำอะไรต่อThe data still does not tell us
what to do next—today.
Case Study DataCase Study Data
Demo Dataset: Hotel MICE Commercial DataDemo Dataset: Hotel MICE Commercial Data
วันนี้เราจะใช้ mock data ของโรงแรมจำลองWe will use synthetic data from a fictional hotel.
01 / SUMMARY
Customer MasterCustomer Master
- ลูกค้าเป็นใคร
- เคยจัดงานกี่ครั้ง
- งานล่าสุดเมื่อไร
- historical revenue
- event type ที่พบบ่อย
- last contact
- sales note
- open pipeline
- Who the customer is
- Number of past events
- Most recent event
- Historical revenue
- Common event types
- Last contact
- Sales notes
- Open pipeline
02 / EVIDENCE
Event HistoryEvent History
- วันที่จัดงาน
- ประเภทงาน
- pax
- revenue
- F&B / meeting / other revenue
- room nights
- event note
- Event date
- Event type
- Pax
- Revenue
- F&B / meeting / other revenue
- Room nights
- Event notes
This Is Not Hotel-OnlyThis Is Not Hotel-Only
Data ชุดนี้เป็น Hotel Case แต่ Logic ใช้กับ MICE Commercial ได้ทั้งหมดThe dataset is hotel-based. The commercial logic applies across MICE.
| Hotel | DMC | EMC / Organizer | Venue |
|---|---|---|---|
| Meeting / F&B / Room | Transport / Tour / Activity | Production / AV / Creative | Space / Date |
| Group booking | Group / Trip booking | Event / Project | Event booking |
| Room nights / Space utilization | Pax / Trip days / Services booked | Crew / Equipment / Production capacity | Space / Date utilization |
| Repeat corporate account | Repeat corporate / agency | Repeat brand / corporate | Repeat organizer / corporate |
| Hotel | DMC | EMC / Organizer | Venue |
|---|---|---|---|
| Meeting / F&B / Room | Transport / Tour / Activity | Production / AV / Creative | Space / Date |
| Group booking | Group / Trip booking | Event / Project | Event booking |
| Room nights / Space utilization | Pax / Trip days / Services booked | Crew / Equipment / Production capacity | Space / Date utilization |
| Repeat corporate account | Repeat corporate / agency | Repeat brand / corporate | Repeat organizer / corporate |
Important: Company Data & AIImportant: Company Data & AI
ก่อนเอาข้อมูลบริษัทเข้า AI ต้องถามก่อนว่า:Before putting company data into AI, ask:
AI environment นี้ได้รับอนุมัติจากองค์กร
ให้ใช้กับข้อมูลประเภทนี้หรือไม่Has the organization approved this AI environment
for this type of data?
ใช้ตาม policy ขององค์กรFollow your organization’s policy.
อย่า upload ข้อมูลจริง ใช้ anonymized หรือ synthetic data แทนDo not upload real data. Use anonymized or synthetic data instead.
Demo FlowDemo Flow
วันนี้เราจะดู AI ผ่าน 5 ระดับToday we will explore AI at five levels
High Season
งานเข้าเยอะ → ควรดูอันไหนก่อน
Low Season
งานน้อย → จะหา opportunity จากข้อมูลเก่าได้ไหม
Commercial Strategy
Objective เปลี่ยน → ranking / strategy เปลี่ยนไหม
Management View
ถ้าเป็น Commercial Director → อะไรใน portfolio ที่น่ากังวล
Scale to the Team
จาก insight → action → spec → internal app → workflow
High Season
Demand is high → what deserves attention first?
Low Season
Demand is low → can old data reveal new opportunity?
Commercial Strategy
When the objective changes, does the ranking change?
Management View
As Commercial Director, what in the portfolio should worry us?
Scale to the Team
Insight → action → spec → internal app → workflow
Prompt 1 · High Season
งานเข้าเยอะ — ดูอันไหนก่อน?Demand is high—what should we look at first?
มี Inquiry หลายงาน แต่ทีม Sales มีเวลาจำกัด
Many inquiries are coming in, but the Sales team has limited time.
MICE_Incoming_Inquiries.csv
MICE_Incoming_Inquiries.csv
เปลี่ยนจาก “ช่วยสรุป Inquiry” เป็น “ช่วยตัดสินใจว่าเวลาของ Sales ควรไปอยู่ตรงไหน”Moves from “summarize the inquiries” to “decide where Sales should spend its time.”
ดูว่า Event ใหญ่ที่สุดจำเป็นต้องเป็น Priority สูงที่สุดหรือไม่Watch whether the largest event is necessarily the highest priority.
วันนี้คือวันที่ 25 สิงหาคม 2026 นี่คือรายการ MICE Inquiry ที่เข้ามาทั้งหมด ถ้าทีม Sales มีเวลาเลือกดูละเอียดได้เพียง 5 Opportunities ก่อน ควรเลือก 5 งานไหน และเพราะอะไร? สำหรับแต่ละงาน ช่วยบอก: - Why now - Potential value - Urgency / risk - Sales ควรทำอะไรต่อ อย่าจัดอันดับจากขนาดของ Event อย่างเดียว
Today is 25 August 2026. Here is the full list of incoming MICE inquiries. If the Sales team has time to review only 5 opportunities in detail first, which 5 should we choose, and why? For each opportunity, please provide: - Why now - Potential value - Urgency / risk - What Sales should do next Do not rank opportunities based on event size alone.
Prompt 2 · High Season
งานนี้น่าสนใจ — แล้วเราควรถามอะไรต่อ?This inquiry looks promising—what should we ask next?
เลือก Inquiry ที่น่าสนใจขึ้นมา 1 งาน แล้วให้ AI ช่วย Sales คิดต่อ
Choose one promising inquiry and let AI help Sales think it through.
จาก Inquiry → Sales BriefTurns an Inquiry into a Sales Brief.
ดูว่า AI ช่วยคิดแบบ Consultative Sales ได้ลึกแค่ไหนWatch how far AI can support consultative selling.
ช่วยวิเคราะห์ Inquiry [ID] นี้ให้ลึกขึ้น ก่อนที่ Sales จะตอบลูกค้า ช่วยบอกว่า: - ตอนนี้เรารู้อะไรแล้วบ้าง? - ยังขาดข้อมูลสำคัญอะไร? - มีอะไรที่เราสามารถเสนอเพิ่มได้อีก? - Sales ควรถามอะไรลูกค้าเพิ่ม? - Next action ควรเป็นอะไร?
Analyze this Inquiry [ID] in greater depth. Before Sales responds to the customer, please tell us: - What do we already know? - What important information is still missing? - What else could we offer? - What additional questions should Sales ask the customer? - What should the Next Action be?
Prompt 3 · Low Season
ก่อนหา Opportunity — Data ชุดนี้บอกอะไรเราได้บ้าง?Before finding opportunity—what can this data tell us?
MICE_Customer_Master.csv
MICE_Event_History.csv
MICE_Customer_Master.csv
MICE_Event_History.csv
ให้ AI ทำความเข้าใจ Data ก่อนตัดสินใจMakes AI understand the data before making a decision.
ให้ AI ระบุทั้งสิ่งที่ตอบได้และข้อจำกัด ก่อนขอ RecommendationAsk AI to state both what it can answer and its limitations before recommending anything.
วันนี้คือวันที่ 25 สิงหาคม 2026 นี่คือ Customer Master และ Event History ของเรา ก่อนที่จะเริ่มแนะนำ Opportunity ช่วยบอกก่อนว่า: 1. Data ที่เรามีประกอบด้วยอะไรบ้าง? 2. Data ชุดนี้สามารถช่วยตอบ Business Question อะไรได้บ้าง? กรุณาแยกคำตอบเป็นข้อ ๆ 3. มีข้อจำกัดสำคัญอะไรที่ผมควรรู้? ตอนนี้ยังไม่ต้องแนะนำ Customer รายใดเป็นพิเศษ
Today is 25 August 2026. Here are our Customer Master and Event History datasets. Before recommending any opportunities, please first explain: 1. What data do we have? 2. What business questions can this data help us answer? Please list each question separately. 3. What important limitations should I be aware of? Do not recommend any specific customer yet.
Prompt 4 · Low Season
งานน้อย — เราควรกลับไปหาใคร?Demand is low—who should we re-engage?
ปลายเดือนสิงหาคม ต้องการสร้าง Pipeline สำหรับ Sep–Nov
It is late August, and we need to build the Sep–Nov pipeline.
จาก Historical Data → Proactive Sales OpportunityTurns Historical Data into Proactive Sales Opportunity.
ดูว่า AI ใช้ Pattern ในอดีตเพื่อแนะนำ Action ปัจจุบันอย่างไรWatch how AI uses past patterns to recommend action now.
วันนี้คือวันที่ 25 สิงหาคม 2026 และเราต้องการสร้าง Pipeline สำหรับช่วง Sep–Nov จาก Customer Master และ Event History ทั้งหมด ถ้าทีม Sales สามารถติดต่อได้เพียง 10 Accounts ในสัปดาห์นี้ เราควร Re-engage ใครก่อน? สำหรับแต่ละ Account ช่วยบอก: - Why now - Evidence จาก Data - Potential opportunity - Recommended action อย่าเลือก Account เพียงเพราะมี Historical Revenue สูง
Today is 25 August 2026, and we need to build the Pipeline for Sep–Nov. Using the full Customer Master and Event History, if the Sales team can contact only 10 Accounts this week, who should we Re-engage first? For each Account, please provide: - Why now - Evidence from the Data - Potential opportunity - Recommended action Do not select an Account simply because it has high Historical Revenue.
Prompt 5 · Low Season
อย่าเพิ่งเชื่อ AI — Why?Do not trust the AI just yet—ask why.
เปลี่ยนจาก AI Recommendation → Explainable RecommendationTurns an AI Recommendation into an Explainable Recommendation.
ถามเสมอว่า Based on what?Always ask: Based on what?
ช่วย Challenge Top 10 ที่คุณเพิ่งแนะนำมา ทำไมอันดับ #1 ถึงอยู่เหนือ #2? สำหรับ Accounts ที่คุณแนะนำ: - แสดง Evidence ที่แข็งแรงที่สุด - บอกว่าตรงไหนที่คุณกำลังใช้ Assumption - Flag รายที่อาจเป็น False Positive - บอกว่า Sales ควร Verify อะไรก่อนลงมือจริง
Challenge the Top 10 you just recommended. Why is #1 ranked above #2? For the Accounts you recommended: - Show the strongest Evidence - Identify where you are making an Assumption - Flag any potential False Positives - Explain what Sales should Verify before taking action
Prompt 6 · Commercial Strategy
ถ้าเป้าหมายคือ Revenue — Ranking เปลี่ยนไหม?If the objective is Revenue, does the ranking change?
ทำให้เห็นว่า Top Opportunity ไม่มีคำตอบเดียวShows that there is no single answer to “Top Opportunity.”
Objective เปลี่ยน → Decision เปลี่ยนChange the Objective → change the Decision.
ช่วย Re-rank Opportunities ชุดเดิมอีกครั้ง ตอนนี้ Objective ของเราคือ: Maximize Revenue ที่มีโอกาสปิดได้จริงใน 3 เดือนข้างหน้า Sales ควร Prioritize ใครก่อน? และทำไม Ranking ถึงเปลี่ยนจากเดิม?
Re-rank the same Opportunities again. Our Objective is now: Maximize Revenue that has a realistic chance of closing within the next 3 months. Who should Sales Prioritize first? And why has the Ranking changed from before?
Prompt 7 · Commercial Strategy
ถ้าเราอยากได้ลูกค้าที่กลับมาซ้ำล่ะ?What if we want customers who keep coming back?
Data เดิม แต่เปลี่ยนจาก One-off Revenue → Recurring BusinessSame Data, but the focus moves from One-off Revenue to Recurring Business.
ดูว่า Account ที่มี multi-year pattern ขยับขึ้นหรือไม่Watch whether Accounts with multi-year patterns move up.
คราวนี้เปลี่ยน Objective แทนที่จะเน้น Near-term Revenue ให้ Prioritize Accounts ที่มีโอกาสสร้าง Recurring และ Predictable Business ในช่วง 12–24 เดือนข้างหน้า ช่วย Re-rank Opportunities แล้วอธิบายว่าอะไรเปลี่ยนไป
Change the Objective this time. Instead of focusing on Near-term Revenue, Prioritize Accounts with the potential to create Recurring and Predictable Business over the next 12–24 months. Re-rank the Opportunities and explain what changed.
Prompt 8 · Commercial Strategy
ถ้าโจทย์คือเติม Capacity ที่ว่าง?What if the objective is to fill unused capacity?
ให้ AI เชื่อม Commercial Objective + Timing + Customer PatternConnects Commercial Objective + Timing + Customer Pattern.
Capacity constraint เปลี่ยนคำตอบอย่างไรWatch how the capacity constraint changes the answer.
เปลี่ยน Objective อีกครั้ง ตอนนี้เราต้องการเติม Capacity ที่ยังว่างในเดือน September และ October เราควร Prioritize Opportunities ไหนก่อน? อธิบายด้วยว่าทำไมคำตอบจึงต่างจาก Ranking ก่อนหน้านี้
Change the Objective again. We now need to fill unused Capacity in September and October. Which Opportunities should we Prioritize first? Also explain why this answer differs from the previous Ranking.
Prompt 9 · Commercial Strategy
ไม่ใช่แค่ “ขายให้ใคร” — แต่ “ขายอะไรเพิ่ม?”Not just who to sell to—but what else to sell.
เปลี่ยนจาก Who to Sell → What to SellMoves from Who to Sell to What to Sell.
แยก Whitespace จริงออกจากสิ่งที่ลูกค้าไม่น่าต้องการSeparate genuine whitespace from services the customer is unlikely to need.
ช่วยมอง Customer และ Event History ทั้งหมด คุณเห็น Cross-sell หรือ Share-of-Wallet Opportunity ที่น่าสนใจที่สุดตรงไหน? ช่วยบอก: - Customer รายไหน - ปัจจุบันเขาซื้ออะไรจากเรา - เราน่าจะเสนออะไรเพิ่มได้อย่างสมเหตุสมผล - ทำไมคุณถึงคิดว่า Opportunity นี้มีอยู่จริง
Review the complete Customer and Event History. Where do you see the most promising Cross-sell or Share-of-Wallet Opportunity? Please explain: - Which Customer - What they currently buy from us - What else we could reasonably offer - Why you believe this Opportunity genuinely exists
Prompt 10 · Management View
ถ้าผมไม่รู้ด้วยซ้ำว่าควรถามอะไร?What if I do not even know what to ask?
จาก Portfolio นี้ มีอะไรที่ทำให้คุณกังวล?Assume you are the Commercial Director.
Looking at this Portfolio, what concerns you?
บางครั้งเราไม่จำเป็นต้องรู้คำถามทั้งหมดก่อน · ให้ AI ช่วยมอง Portfolio แล้วบอกเราว่าอะไรควรได้รับความสนใจSometimes we do not need to know every question in advance. · Let AI review the Portfolio and identify what deserves our attention.
Prompt 11 · Management View
เจอปัญหาแล้ว — ขอดูหลักฐานWe found a concern—now show the evidence.
จาก Concern → Evidence → Management ActionMoves from Concern to Evidence to Management Action.
ถ้ากังวลเรื่อง Pipeline Gap ให้เอาตัวเลข Account และ Pattern มา SupportIf the concern is a pipeline gap, support it with numbers, Accounts, and patterns.
เอาประเด็นที่คุณกังวลเป็นอันดับ #1 มาขยายต่อ ช่วยแสดง: - Evidence จาก Data - ทำไมเรื่องนี้ถึงสำคัญในเชิง Commercial - มี Accounts ไหนได้รับผลกระทบ - เรื่องนี้ Urgent แค่ไหน จากนั้นบอกผมว่า ถ้าคุณเป็น Commercial Director คุณจะทำอะไรต่อ
Take the #1 issue you are concerned about and expand on it. Please show: - Evidence from the Data - Why this matters commercially - Which Accounts are affected - How Urgent the issue is Then tell me what you would do next if you were the Commercial Director.
Prompt 12 · Management View
ถ้าเรื่องนี้สำคัญที่สุด — ทำจริงอย่างไร?If this is the top priority, how do we act on it?
จาก Management Insight → Operating ProcessTurns Management Insight into an Operating Process.
Insight ต้องกลายเป็น Process ที่ทีม Execute ได้จริงThe insight must become a process the team can actually execute.
เปลี่ยนประเด็นนี้ให้เป็น Sales Action Plan ระยะ 2 สัปดาห์ที่ทำได้จริง ช่วยบอก: - Sales ควรติดต่อใคร? - ต้องทำอะไรกับแต่ละ Account? - ใครเป็น Owner ของแต่ละ Action? - ควร Track Status อะไรบ้าง? - Manager ควร Review อะไรทุกสัปดาห์? - เราจะรู้ได้อย่างไรว่า Plan นี้กำลัง Work?
Turn this issue into a practical 2-week Sales Action Plan. Please specify: - Who should Sales contact? - What should be done with each Account? - Who is the Owner of each Action? - Which Status fields should be Tracked? - What should the Manager Review every week? - How will we know whether the Plan is Working?
Prompt 13 · Scale to the Team
Process นี้ดี — ทำให้ทั้งทีมใช้ได้อย่างไร?The process works—how can the whole team use it?
จาก Action Plan → App SpecificationTurns an Action Plan into an App Specification.
Focused MVP ไม่ใช่ CRM ใหม่A Focused MVP—not a new CRM.
เปลี่ยน Sales Action Plan ระยะ 2 สัปดาห์นี้ ให้เป็น Specification สำหรับ Internal App ของทีม App นี้ควรช่วยให้ทีม: - เห็นว่า Account ไหนต้อง Action - รู้ว่าทำไม Account นี้ถึงสำคัญ - Assign Owner - Track Status และ Next Action - กำหนด Due Date - ให้ Manager เห็น Progress และ Accounts ที่ติดอยู่ เพิ่ม AI Assistant ไว้ใน App ด้วย เพื่อให้ทีม: - ถามเป็นภาษาคนได้ว่าวันนี้ควรโฟกัส Account ไหนก่อน - ขอเหตุผลประกอบว่าทำไมถึงแนะนำแบบนั้น - ให้ช่วยร่างข้อความติดต่อลูกค้าจากบริบทของ Account นั้น ทำเป็น Focused MVP เท่านั้น ไม่ต้องออกแบบเป็น CRM เต็มรูปแบบ เขียน Spec ให้ชัดพอที่จะนำไปสร้างเป็น Web App ได้ทันที
Turn this 2-week Sales Action Plan into a Specification for an Internal App for the team. The App should help the team: - See which Accounts require Action - Understand why each Account matters - Assign an Owner - Track Status and Next Action - Set a Due Date - Give Managers visibility into Progress and blocked Accounts Include an AI Assistant inside the App so the team can: - Ask in plain language which Accounts to focus on today - Ask why the assistant recommends what it recommends - Draft outreach messages from that Account's context Make it a Focused MVP only. Do not design a full CRM. Write the Spec clearly enough to build it as a Web App directly.
What AEGIS IsWhat AEGIS Is
AI Enablement & Governance Infrastructure SystemAI Enablement & Governance Infrastructure System
ถ้า AI insight ใช้ได้จริง องค์กรต้องตอบคำถามต่อไปนี้:If an AI insight is genuinely useful, the organization must answer:
ใครเข้าถึง data อะไรได้
logic ไหนถูกใช้
ใคร approve
app ไหน deploy ได้
output อยู่ที่ไหน
process ถูกใช้เหมือนกันทั้งทีมหรือไม่
Who can access which data?
Which logic is being used?
Who approves it?
Which apps can be deployed?
Where does the output live?
Is the process consistent across the team?
AEGIS Demo RevealAEGIS Demo Reveal
From Spec to Internal AppFrom Spec to Internal App
Q4 Pipeline Sprint AppQ4 Pipeline Sprint App
นี่ไม่ใช่ CRM ใหม่ แต่คือ workflow เล็ก ๆ ที่เกิดจาก insight เฉพาะเรื่องThis is not a new CRM. It is a focused workflow created around one specific insight.
Message ใหญ่ที่สุดของ Demo นี้The central message of this demo
We started with one questionWe started with one question
The Full ProgressionThe Full Progression
วันนี้เราเห็น AI 5 ระดับToday we saw AI at five levels
Inquiry Intelligence
งานเข้าเยอะ → ดูอันไหนก่อน
Opportunity Mining
งานน้อย → หา opportunity จากข้อมูลเก่า
Commercial Strategy
objective เปลี่ยน → decision เปลี่ยน
Management View
ไม่รู้ว่าควรถามอะไร → ให้ AI ช่วยบอกว่าอะไรน่ากังวล
Workflow Creation
insight → action → spec → app → workflow
Inquiry Intelligence
High demand → what should we review first?
Opportunity Mining
Low demand → find opportunity in historical data
Commercial Strategy
Change the objective → change the decision
Management View
Unsure what to ask → let AI surface the concern
Workflow Creation
Insight → action → spec → app → workflow
Key TakeawayKey Takeaway
AI ไม่ได้มี Value แค่ทำงานเดิมให้เร็วขึ้นAI creates value beyond doing the same work faster
เห็น opportunity ที่เดิมอาจมองไม่เห็น
จัด priority ได้ดีขึ้น
เปลี่ยน insight เป็น action
มอง portfolio แบบ management
สร้าง workflow ที่ทั้งทีมใช้ได้
Surface opportunities we might otherwise miss
Prioritize more effectively
Turn insight into action
Review the portfolio from a management perspective
Create workflows the whole team can use
แต่เมื่อ AI แตะ Company Data + Business DecisionBut when AI touches Company Data + Business Decisions, we need:
Data + Context + Governance + WorkflowData + Context + Governance + Workflow
How to Take This BackHow to Take This Back
กลับไปเริ่มจาก 3 คำถามStart with three questions
What data do we already have?
Customer, event, inquiry, proposal, sales note, pipeline
What decision do we want to improve?
Who to contact, which inquiry to prioritize, what to offer, where portfolio risk is
What action should follow?
Call, proposal, follow-up, sprint, manager review, internal workflow
What data do we already have?
Customer, event, inquiry, proposal, sales note, pipeline
What decision do we want to improve?
Who to contact, which inquiry to prioritize, what to offer, where portfolio risk is
What action should follow?
Call, proposal, follow-up, sprint, manager review, internal workflow
Data → Context → Decision → Action → WorkflowData → Context → Decision → Action → Workflow
ClosingClosing
From AI Assistant to AI-enabled OrganizationFrom AI Assistant to AI-enabled Organization
Thank youThank you
Prompt 0
Safe Take-Home Data GateSafe Take-Home Data Gate
Use this before processing any real company data
Use this before processing any real company data.
Company Data → Approval Gate → Safe AlternativeCompany Data → Approval Gate → Safe Alternative
Take-home prompt — ใช้ก่อน Prompt อื่นTake-home prompt—use it before any other data prompt.
ก่อนเริ่ม Process Data ใด ๆ ให้ถามผมก่อนว่า AI Environment ที่กำลังใช้อยู่นี้ ได้รับอนุมัติจากองค์กรให้ใช้กับ Company Data ประเภทนี้หรือไม่ ถ้าผมตอบ YES: ให้ดำเนินการวิเคราะห์ต่อได้ แต่เตือนผมว่าไม่ควรใส่ Personal Data หรือ Confidential Information ที่ไม่จำเป็น ถ้าผมตอบ NO หรือ NOT SURE: อย่าขอให้ผม Upload หรือ Paste Company Data จริง ให้ช่วยผมทำอย่างใดอย่างหนึ่งแทน: 1. สร้างโครงสร้าง Dataset แบบ Anonymized 2. บอกว่าควรเตรียม Fields อะไรบ้าง 3. สร้าง Synthetic Sample Data 4. อธิบายวิธีวิเคราะห์โดยไม่ใช้ Data จริง 5. สร้าง Template ที่ผมนำไปคุยกับทีม IT / Data Governance ได้ ห้ามเสนอทางเลือกแบบ “Proceed anyway” สำหรับ Company Data จริง
Before processing any Data, first ask me whether the AI Environment currently in use has been approved by the organization for this type of Company Data. If I answer YES: Proceed with the analysis, but remind me not to include any Personal Data or unnecessary Confidential Information. If I answer NO or NOT SURE: Do not ask me to Upload or Paste real Company Data. Instead, help me do one of the following: 1. Create an Anonymized Dataset structure 2. Explain which Fields should be prepared 3. Create Synthetic Sample Data 4. Explain how to conduct the analysis without real Data 5. Create a Template I can use to discuss this with the IT / Data Governance team Do not offer a “Proceed anyway” option for real Company Data.
ขอบคุณครับThank You
Q&A
มีคำถามตรงไหน ถามได้เลยครับHappy to take any questions.
แจก LINEAdd on LINEB & Muze Team@muze