Checkpoint 1

Checkpoint #1: Foundation & AI Prototype

ช่วงเวลาที่ดำเนินการ

วันที่เริ่มต้น: 12 september 2025 วันที่รายงาน: วันที่ 3 october 2025
ระยะเวลา: 3 สัปดาห์

---

Updated Project Information

Problem Statement

ปัจจุบันรายการ สถานีประชาชน ของ ThaiPBS ได้รับเรื่องร้องเรียนเกี่ยวกับกลโกงจากประชาชนผ่านช่องทาง Line Official Account (Line OA) เป็นจำนวนมาก ซึ่งข้อความที่ส่งเข้ามามีทั้งความยาว เนื้อหา และรายละเอียดที่หลากหลาย ทำให้แอดมินผู้ดูแลต้องรับภาระในการคัดกรองข้อความจำนวนมาก นำมารวมเรียบเรียงเป็นพารากราฟสำหรับจัดเก็บลงฐานข้อมูลและไฟล์ Excel รวมถึงต้องจัดลำดับความสำคัญของเรื่องราวเพื่อส่งต่อให้นักข่าวนำไปสืบค้นและผลิตรายการ

Stakeholders

• ผู้ร้องเรียน: ประชาชนที่ต้องการแจ้งปัญหากลโกง
• แอดมิน Line OA: ผู้รับผิดชอบคัดกรองและประมวลผลข้อความ
• นักข่าว/ทีมรายการ: ผู้ใช้ข้อมูลที่ได้รับการคัดกรองแล้วเพื่อทำข่าว
• องค์กร ThaiPBS: เจ้าของระบบและผู้กำหนดนโยบาย

Objectives

1. ลดเวลาการคัดกรองข้อความร้องเรียนจากแอดมิน
2. เพิ่มความถูกต้องในการจำแนกประเภทเรื่องร้องเรียน
3. สร้างระบบสรุปอัตโนมัติสำหรับนักข่าว
4. รองรับการรับข้อความจำนวนมากได้อย่างมีประสิทธิภาพ

Architecture Diagram

ประชาชน → Line OA → API Gateway → Lambda Functions → AI Processing → Database
                                       ↓
Admin Dashboard ← WebSocket ← Queue Processing ← AI Results

Updated Assumptions & Constraints

Assumptions:

• ผู้ใช้มีการเข้าถึง Line และอินเทอร์เน็ต
• มีงบประมาณ AWS services เพียงพอ
• ข้อมูลสามารถใช้เพื่อการนำเสนอข่าวได้ตาม PDPA
• AI สามารถจำแนกข้อความภาษาไทยได้อย่างมีประสิทธิภาพ

Constraints:

• งบประมาณและทรัพยากรมีจำกัด
• ระยะเวลาพัฒนา 1 เทอม
• รองรับภาษาไทยเป็นหลัก
• ต้องปฏิบัติตาม PDPA

---

ภาพแสดงความคืบหน้าจาก GitHub Project

สรุปสถานะ Tasks

• Total Tasks: 25 tasks
• Done: 8 tasks (32%)
• In Progress (Planning): 3 tasks (12%)
• Planned (Checkpoint #2 / Final): 14 tasks (56%)

การแบ่งงานตาม Role

• Project Manager: 3 tasks (Project Proposal, Planning, Meeting)
• Backend Developer: 9 tasks (Database, API, RBAC, AI integration)
• Frontend Developer: 4 tasks (Dashboard, Login, Main Page, History UI)
• DevOps Engineer: 5 tasks (CI/CD, SQS, RDS, Infrastructure)
• Security Lead: Security Lead: 1 task (Cognito RBAC Integration)

Tasks ที่เสร็จแล้ว (Done)

1. [Task] วิเคราะห์ปัญหาของ Thai PBS - Priority: High
2. [Task] สร้าง Task - Priority: Medium
3. [Task] Project Proposal - Priority: Medium
4. [Task] วางแผนเพื่อหาข้อสรุป Feature - Priority: High
5. [Task] แบ่งหน้าที่ของสมาชิกในทีม - Priority: Medium
6. [Task] Meeting - Priority: Medium
7. [Task] Requirement Gathering & Analysis - Priority: High
8. [Task] ทำ Architecture Diagram - Priority: High

Tasks กำลังดำเนินการ (In Progress – 3 tasks)

• [Task] Mockup Data ประวัติการแชท
• [Task] ออกแบบหมวดหมู่ใน Figma สำหรับ Filter
• [Task] ออกแบบหน้าดูประวัติการแชท

Tasks ที่อยู่ในแผน (Planned – 14 tasks)

• Frontend Development:

• ออกแบบหน้า Login
• ออกแบบหน้า Dashboard
• หน้า Main แสดงสถิติ
• สามารถดูประวัติย้อนหลังได้

• Backend Development & AI:

• ทำ API สำหรับดึงข้อมูลหมวดหมู่
• เก็บข้อมูลจาก Summarize ลง RDS
• เก็บข้อมูลสถิติใน RDS
• AI Summarize ได้แม่นยำ

• Security & Authentication

• เชื่อมต่อ Cognito
• ทำ Cognito กับ RBAC
• ทดสอบการ Login แบบ RBAC

• DevOps / Cloud

• ทำ CI/CD กับ GitHub Action> * ทำ Cognito กับ RBAC
• SQS for LINE Webhook
• เก็บข้อมูล Summarize ลง RDS

---

Progress Report with STAR Method

Situation (สถานการณ์)

จากการศึกษาปัญหาของรายการสถานีประชาชน พบว่าแอดมินต้องคัดกรองข้อความร้องเรียนจำนวนมากด้วยตนเอง ขาดระบบที่ช่วยจำแนกประเภทและสรุปข้อมูลอัตโนมัติ ทำให้การประมวลผลล่าช้าและมีความเสี่ยงในการตกหล่น

Task (เป้าหมาย)

จัดทำ project foundation ที่ครบถ้วน รวมถึงการวิเคราะห์ requirements, การออกแบบ architecture, และการตั้งค่า development workflow เพื่อเตรียมความพร้อมสำหรับการพัฒนาระบบ AI-powered complaint management

Action (การลงมือทำ)

1. Project Planning & Analysis

• Requirement Gathering & Analysis (#30) - วิเคราะห์ความต้องการของ stakeholders
• Meeting (#29) - ประชุมทีมเพื่อวางแผนการทำงานและกำหนด roles ชัดเจน
• วิเคราะห์ปัญหาของ Thai PBS (#46) - ศึกษา current state และ pain points

2. System Design & Architecture

• Architecture Diagram (#35) - ออกแบบ high-level architecture ด้วย AWS serverless
• ภาพแสดงเนื้อหาร้องเรียน Feature (#33) - กำหนด UI/UX requirements
• Mockup Data preparation (#31) - เตรียมข้อมูลตัวอย่างสำหรับการทดสอบ

3. Technical Foundation Setup

• Database Design (#51, #44) - วางแผนการจัดเก็บข้อมูลใน RDS และ summarization
• API Planning (#50) - ออกแบบ RESTful APIs สำหรับการควบคุมข้อมูล
• Task Management (#32) - ตั้งค่า GitHub Project board และ issue tracking

4. Team Coordination

• แบ่งหน้าที่ตาม expertise: Backend (1 คน), Frontend (1 คน), DevOps (2 คน), Security (1 คน), PM (1 คน)
• กำหนด workflow การทำงานแบบ collaborative
• ตั้งค่า development environment และ standards

Result (ผลลัพธ์)

Project Structure & Planning

• Complete Project Board: 25 tasks ถูกจัดหมวดหมู่เป็น 4 milestones ชัดเจน
• Clear Roadmap: มีแผนการพัอนาที่สอดคล้องกับ Well-Architected Framework
• Team Alignment: ทุกคนเข้าใจบทบาทและความรับผิดชอบของตนเอง

Requirements & Design Clarity

• Stakeholder Analysis: วิเคราะห์ความต้องการของผู้ใช้ 4 กลุ่มอย่างครบถ้วน
• Technical Specification: มี architecture diagram และ technology stack ที่ชัดเจน
• Success Criteria: กำหนดเกณฑ์วัดผลทั้งด้านธุรกิจและเทคนิค

Development Readiness

• Foundation Complete: พร้อมเริ่ม implementation phase
• Risk Mitigation: ระบุและวางแผนจัดการความเสี่ยงที่สำคัญ
• Resource Planning: จัดสรรทรัพยากรและเวลาอย่างเหมาะสม

---

Well-Architected Pillars

Operational Excellence

• Project Management: ใช้ GitHub Projects สำหรับ task tracking และ team collaboration
• Development Workflow: กำหนด branching strategy และ code review process
• Documentation: มี comprehensive project documentation ใน Wiki

Security

• Authentication Planning: วางแผนใช้ Amazon Cognito สำหรับ RBAC
• Data Protection: ออกแบบการเข้ารหัสข้อมูลตาม PDPA requirements
• Access Control: กำหนดสิทธิ์การเข้าถึงแยกตาม user roles

Reliability

• High Availability Design: ใช้ multi-AZ deployment สำหรับ critical components
• Error Handling: วางแผน graceful degradation และ retry mechanisms
• Monitoring Strategy: กำหนดแผน CloudWatch monitoring และ alerting

Performance Efficiency

• Serverless Architecture: เลือกใช้ Lambda และ API Gateway สำหรับ auto-scaling
• Database Optimization: วางแผน indexing strategy สำหรับ fast query performance
• Caching Strategy: ออกแบบ caching layers ด้วย DynamoDB และ ElastiCache

Cost Optimization

• Pay-per-use Model: เลือก serverless services เพื่อลดต้นทุนเมื่อไม่มีการใช้งาน
• Resource Right-sizing: วางแผนการใช้ resources ให้เหมาะสมกับ workload
• Cost Monitoring: ตั้งค่า billing alerts และ cost tracking

---

สิ่งที่ทำเสร็จแล้ว

• Project Proposal และ requirements analysis
• Team formation และ role assignment
• High-level architecture design
• GitHub Project setup และ task planning
• Technology stack selection
• Development workflow establishment

กำลังทำอะไร

• Database schema design และ implementation
• AI model research และ prototyping
• API endpoint development
• Frontend mockup และ component planning
• AWS infrastructure setup
• Authentication system design

ปัญหาที่เจอ

1. AI Model Selection: ต้องประเมินระหว่าง Amazon Comprehend vs Custom Model
2. Data Privacy: ต้องศึกษา PDPA compliance อย่างละเอียด
3. Performance Requirements: ต้องทดสอบ throughput ที่แท้จริงของระบบ

แผนสำหรับ Checkpoint #2

1. Complete AI prototype และ testing
2. Implement authentication system
3. Create functional dashboard
4. Setup CI/CD pipeline
5. Performance optimization และ monitoring setup

---

ความคืบหน้าโดยรวม

Progress: 35% ของ total project scope
การดำเนินงานใน Checkpoint #1 เน้นการวางรากฐานที่แข็งแกร่งสำหรับการพัฒนาระบบ ทีมมีความเข้าใจชัดเจนในเป้าหมาย และพร้อมเริ่ม implementation phase ใน Checkpoint #2