AI สำหรับทีม HR — Recruit, Onboard, Performance ใช้ AI ตรงไหนได้บ้าง

จากการสำรวจของ Microsoft และ LinkedIn (Work Trend Index 2024) พบว่า 74% ของผู้บริหารไทยระบุว่าจะไม่รับพนักงานที่ไม่มีทักษะ AI — สูงกว่าค่าเฉลี่ยโลกที่ 66% (Kasikorn Research Center via NBT World, 2024) ขณะที่ตลาด AI สำหรับงาน HR ทั่วโลกคาดว่าจะเติบโตจาก 3.25 พันล้านเหรียญสหรัฐฯ ในปี 2023 ไปสู่ 15.24 พันล้านเหรียญฯ ภายในปี 2030 (Grand View Research, 2024) — เป็นสัญญาณว่า AI กำลังเข้ามาเปลี่ยนวิธีที่ HR ทำงานในทุกขั้นตอน ตั้งแต่การสรรหาพนักงานใหม่ ไปจนถึงการประเมินผลงาน

ถ้าคุณเป็น HR Manager, HRBP, หรือผู้บริหารที่กำกับดูแลงาน HR อยู่ บทความนี้จะพาไปดูว่า AI ช่วยได้จริงในงานไหน, ต้องระวังอะไร, และควรเริ่มต้นจากจุดไหนก่อน — แบบที่ทีมงาน HR ทำได้เลยโดยไม่ต้องรอฝ่าย IT

AI ช่วยงาน HR ได้ตรงไหนบ้างตลอด Employee Lifecycle?

ก่อนลงรายละเอียดในแต่ละขั้น มาดูภาพรวมกันก่อนว่า AI ช่วยงาน HR ได้ใน 3 ช่วงหลักของ Employee Lifecycle (วงจรชีวิตพนักงาน) อย่างไร

ช่วงที่ 1 — Recruit (สรรหา): ตั้งแต่เขียน Job Description (JD), คัดกรอง Resume, จัดสัมภาษณ์เบื้องต้น ไปจนถึงประเมินผลการสัมภาษณ์ งานเหล่านี้มักใช้เวลา HR ไปมากโดยเฉพาะในบริษัทที่มีผู้สมัครจำนวนมาก

ช่วงที่ 2 — Onboard (รับพนักงานใหม่): การตอบคำถามพนักงานใหม่ซ้ำๆ เช่น Procedure ต่างๆ, สวัสดิการ, การลงทะเบียนระบบ — งานที่ Chatbot ทำได้ดีกว่ามนุษย์ในแง่ความพร้อม 24/7

ช่วงที่ 3 — Performance (ประเมินผลงาน): การรวบรวม Feedback จากหลายแหล่ง, สรุปรายงานผลงาน, และช่วย Manager เขียน Feedback ที่มีคุณภาพมากขึ้น — งานที่ AI ช่วยลด Subjectivity และประหยัดเวลาได้มาก

ทั้ง 3 ช่วงนี้มีจุดที่ AI ช่วยได้ชัดเจน แต่ก็มีจุดที่ต้องให้ HR มนุษย์ยังคงเป็น “ผู้ตัดสินใจ” อยู่เสมอ โดยเฉพาะในบริบทของกฎหมาย PDPA ที่คุ้มครองข้อมูลส่วนบุคคลของทั้งผู้สมัครและพนักงานในประเทศไทย

AI ช่วยคัดกรอง Resume และเขียน JD ได้อย่างไร?

งาน Resume Screening (คัดกรองใบสมัคร) คืองานที่ AI เข้ามาเปลี่ยนเกมได้เร็วที่สุดในวงการ HR จากข้อมูลของ Gartner คาดว่าภายในปี 2026 องค์กรขนาดใหญ่ถึง 70% จะใช้ AI ในอย่างน้อย 1 ขั้นตอนของกระบวนการสรรหา (MiHCM, 2025) ในขณะที่ผลวิจัยพบว่า HR Recruiter ที่ใช้ AI ช่วยสามารถประมวลผลใบสมัครได้มากขึ้น 60-70% เมื่อเทียบกับการทำเองทั้งหมด

AI ช่วยเขียน JD อย่างไร?

Job Description (JD) ที่ดีเป็นประตูบานแรกของการสรรหา — แต่ HR หลายคนใช้เวลานานในการเขียนแต่ละ JD AI สามารถช่วยได้ดังนี้

• ร่าง JD จาก Template: ระบุตำแหน่ง, ทีม, และ Key Responsibilities หลักๆ ให้ AI ช่วยร่าง Draft แรกได้ภายในไม่กี่นาที
• ตรวจสอบ Biased Language: AI ช่วยระบุคำที่อาจ Bias ทางเพศหรืออายุ เช่น “Rockstar” หรือ “Digital Native” ที่ทำให้ผู้สมัครบางกลุ่มรู้สึกไม่ได้รับการต้อนรับ
• ปรับให้ตรง Market: AI วิเคราะห์ JD ขององค์กรคู่แข่งและแนะนำ Skills ที่ควรเพิ่มหรือปรับเปลี่ยน

เครื่องมือที่ทีม HR ใช้ง่ายที่สุดคือ ChatGPT หรือ Claude โดยตรง ด้วย Prompt ง่ายๆ เช่น “เขียน JD สำหรับตำแหน่ง Marketing Manager ที่ดูแลทีม 3 คน รับผิดชอบงาน Content และ Performance Marketing เน้นทักษะ AI” — ช่วยประหยัดเวลาได้ 2-3 ชั่วโมงต่อตำแหน่ง

AI ช่วยคัดกรอง Resume อย่างไร?

ระบบ AI Resume Screening ทำงานโดยการ Parse ข้อมูลจาก Resume, เปรียบเทียบกับ JD และเกณฑ์ที่ HR กำหนด แล้วจัดอันดับหรือคัดกรองผู้สมัคร บริษัทอย่าง Mastercard ใช้ Platform อย่าง Phenom ในการ Match ผู้สมัครกับตำแหน่งที่เหมาะสมโดยอาศัย AI วิเคราะห์พฤติกรรมบน Career Site (Phenom, 2025) ส่วน Electrolux ใช้ AI ช่วยจัดลำดับ Priority ผู้สมัครที่มี Potential สูงข้ามภูมิภาค ทำให้ลด Time-to-hire ลงได้เกือบครึ่ง

สำหรับบริษัทในไทย เครื่องมืออย่าง WorkVenture AI หรือ Platform สรรหาที่รองรับ AI Matching กำลังเติบโตขึ้นเรื่อยๆ สำหรับทีม HR ที่ยังไม่พร้อมลงทุนกับ Platform เฉพาะ การใช้ ChatGPT หรือ Claude ช่วย Review Resume แบบ Manual ก็เป็นจุดเริ่มต้นที่ดี

สัมภาษณ์งานด้วย AI — ข้อดีและข้อควรระวังเรื่อง Bias มีอะไรบ้าง?

AI Video Interview หรือการสัมภาษณ์ผ่านระบบที่ใช้ AI วิเคราะห์ผู้สมัครกำลังแพร่หลายมากขึ้น — แต่ก็กำลังเป็นประเด็นถกเถียงในวงการ HR ทั่วโลก มาดูทั้งสองด้านกัน

ข้อดีของ AI ในกระบวนการสัมภาษณ์

• ประหยัดเวลา HR: ผู้สมัครทำการสัมภาษณ์เบื้องต้นผ่านวิดีโอโดยไม่ต้องนัดเวลา — HR ดู Recording ทีหลังได้
• เพิ่ม Accessibility: ผู้สมัครจากต่างจังหวัดหรือต่างประเทศเข้าถึงโอกาสได้มากขึ้นโดยไม่ต้องเดินทาง
• ช่วยสร้าง Structured Interview Questions: AI ช่วยออกแบบชุดคำถามที่ครอบคลุมและ Consistent ข้ามผู้สัมภาษณ์หลายคน
• สรุป Notes จากการสัมภาษณ์: เครื่องมืออย่าง Otter.ai หรือ Fireflies.ai บันทึกและสรุปประเด็นสำคัญจาก Interview ให้อัตโนมัติ

ข้อควรระวังสำคัญ — เรื่อง Bias

นี่คือจุดที่ต้องระวังมากที่สุด งานวิจัยใน ScienceDirect (2025) พบว่า ระบบ AI ที่ฝึกจากข้อมูลการสรรหาในอดีต มีแนวโน้มสะท้อน Bias เดิมออกมา — เช่น ถ้าบริษัทเคยรับคนกลุ่มหนึ่งเป็นหลัก AI ก็จะเรียนรู้ Pattern นั้น (ScienceDirect, 2025) กรณีที่รู้จักกันดีที่สุดคือ Amazon ที่ต้องยกเลิกระบบ AI สรรหาของตัวเองหลังพบว่ามัน Systematically ให้คะแนนผู้สมัครหญิงต่ำกว่าผู้ชาย เพราะฝึกจาก Resume ที่ส่งมาในช่วง 10 ปีที่ผ่านมาซึ่งส่วนใหญ่เป็นผู้ชาย (ACLU Analysis)

EEOC (Equal Employment Opportunity Commission) ของสหรัฐฯ ยืนยันชัดเจนว่า กฎหมายห้ามเลือกปฏิบัติในการจ้างงานครอบคลุมถึงการใช้ AI ด้วย — องค์กรต้องรับผิดชอบผลลัพธ์ที่เกิดจาก AI แม้จะใช้เครื่องมือของบุคคลที่สาม (EEOC, 2024)

แนวทางปฏิบัติที่แนะนำสำหรับ HR ไทย:

• ใช้ AI เป็นเครื่องมือ “เสริม” ไม่ใช่ “ตัดสิน” ขั้นสุดท้าย — HR มนุษย์ต้องเป็นผู้ Approve ก่อนเชิญสัมภาษณ์เสมอ
• แจ้งผู้สมัครให้รู้ว่ามีการใช้ AI ในกระบวนการ (ข้อกำหนดตาม PDPA)
• ทำ Bias Audit ระบบ AI เป็นประจำ — ตรวจสอบว่าผลลัพธ์ไม่ Disadvantage กลุ่มใดกลุ่มหนึ่งผิดปกติ
• ให้สิทธิ์ผู้สมัครในการขอให้ Human Review แทน AI ได้

Onboarding Chatbot ตอบคำถามพนักงานใหม่ 24/7 ทำงานยังไง?

การ Onboard พนักงานใหม่คือช่วงที่ HR ต้องตอบคำถามซ้ำๆ มากที่สุด — ตั้งแต่ “อีเมลส่วนตัวใช้ระบบ Work ได้ไหม” ไปจนถึง “ลาป่วยต้องแจ้งล่วงหน้าเท่าไหร่” AI Chatbot คือวิธีแก้ปัญหานี้ที่คุ้มค่าที่สุด

Chatbot Onboarding ทำอะไรได้บ้าง?

จากการสำรวจของ PeoplePilot (2024) พบว่า องค์กรที่ใช้ AI Chatbot ในงาน HR สามารถ ลดเวลา Response จาก 48 ชั่วโมง เหลือต่ำกว่า 5 นาที พร้อมกับประหยัดค่าใช้จ่ายในการ Support ลง 40-60% (PeoplePilot, 2024) ในเชิงปฏิบัติ Chatbot สามารถช่วยงาน Onboarding ได้ดังนี้

• ตอบ FAQ อัตโนมัติ: นโยบาย HR, สวัสดิการ, วันหยุด, ขั้นตอนลา — ตอบได้ทันทีตลอด 24/7 ไม่ว่าพนักงานจะเริ่มงานวันแรกตอนกี่โมง
• ส่ง Reminder อัตโนมัติ: แจ้งเตือนพนักงานใหม่ให้ส่งเอกสาร, ทำ Training Module, หรือเข้าร่วม Orientation ตามกำหนดเวลา
• แนะนำ Resource ตามบทบาท: ถ้าพนักงานใหม่เป็น Marketing ก็จะได้รับ Link ไปยัง Brand Guidelines และ Tool Access ที่เกี่ยวข้องกับงาน Marketing โดยเฉพาะ
• รองรับหลายภาษา: สำคัญมากสำหรับองค์กรที่มีพนักงานต่างชาติ — เครื่องมืออย่าง Leena AI รองรับได้มากกว่า 100 ภาษา

ตัวอย่างตัวเลขจากการใช้จริง

MeBeBot: ทำ Intent Recognition ได้แม่นยำ 94% ช่วยลด HR Support Ticket ลง 40% ภายใน 3 เดือน

Leena AI: ประมวลผล Query มากกว่า 100,000 รายการต่อวัน ใน 100+ ภาษา — พร้อมกับ Predict ความเสี่ยงที่พนักงานจะลาออก (Attrition Prediction) ได้แม่นยำ 89%

IBM watsonx Assistant: คืน ROI ได้ภายใน 8 เดือน พร้อมกับ Employee Satisfaction ใน HR Support ที่ดีขึ้น 200%

Chatbot กับ PDPA — ต้องระวังอะไร?

เมื่อพนักงานใหม่ Interact กับ Chatbot ข้อมูลส่วนบุคคลก็ถูกเก็บด้วย องค์กรต้องแจ้งในนโยบาย Privacy ว่า “บทสนทนากับ Chatbot HR จะถูกบันทึกและใช้เพื่อ…” และต้องกำหนด Retention Period ของข้อมูล Chatbot Logs ตามหลัก PDPA ข้อมูลที่ไม่จำเป็นอีกต่อไปต้องถูกลบ และ Vendor ที่ให้บริการ Chatbot ต้องทำ Data Processing Agreement (DPA) ที่ชัดเจน

อ่านเพิ่มเติมเรื่องการใช้ AI ช่วยงานทีมได้ใน AI Agent คืออะไร และทำไมมันคือ ‘พนักงานคนต่อไป’ ในธุรกิจคุณ

AI สรุป Performance Feedback ช่วย HR และหัวหน้าทีมยังไง?

Performance Review หรือการประเมินผลงานคือกระบวนการที่ใช้เวลา HR และ Manager มากที่สุดในรอบปี — และก็เป็นกระบวนการที่มักมี Subjectivity (ความลำเอียงส่วนตัว) มากที่สุดด้วย AI เข้ามาช่วยได้ใน 3 มิติหลัก

มิติที่ 1 — รวบรวมและสรุป Feedback จากหลายแหล่ง

แทนที่ Manager จะต้องอ่าน Self-assessment ของพนักงาน, Peer Review จากเพื่อนร่วมทีม, KPI Data จากระบบ และ Client Feedback แยกกัน AI สามารถรวบรวมทุกอย่างและสรุปเป็น “Portrait” ของพนักงานคนนั้นที่อ่านได้ภายใน 5 นาที บริษัทอย่าง IBM ใช้เทคโนโลยี Watson วิเคราะห์ Performance Data จากหลายแหล่ง เพื่อลด Subjectivity และตรวจจับ Pattern ที่อาจมี Bias ในการประเมิน (Deepler, 2024)

มิติที่ 2 — ตรวจจับ Bias ในการเขียน Feedback

งานวิจัยด้าน HR พบว่า Feedback ที่เขียนเกี่ยวกับพนักงานหญิงมักใช้คำอธิบายบุคลิก เช่น “ขยัน” “ร่วมมือ” ในขณะที่ Feedback ของพนักงานชายมักใช้คำเชิงสมรรถนะ เช่น “เก่ง” “Strategic” — ความแตกต่างนี้ส่งผลต่อโอกาสในการเลื่อนตำแหน่ง AI สามารถ Flag ความไม่สม่ำเสมอนี้และแนะนำให้ Manager ปรับเปลี่ยน Feedback ให้เป็น Objective มากขึ้น

มิติที่ 3 — Continuous Feedback แทน Annual Review

Unilever เป็นตัวอย่างของบริษัทที่เลิกทำ Annual Appraisal แบบเดิมและหันมาใช้ระบบ AI-driven Continuous Feedback แทน ทำให้พนักงานได้รับ Feedback ที่ Timely และ Actionable มากขึ้น — แทนที่จะได้รับ Feedback ปีละครั้งซึ่งมักมาสาย Microsoft Viva ก็เป็นอีกตัวอย่างที่ใช้ AI วิเคราะห์ Pattern การทำงาน เช่น Collaboration Overload หรือ Focus Time ที่ไม่เพียงพอ โดยไม่ได้ Monitor พฤติกรรมส่วนตัว

Accenture ยิ่งไปกว่านั้น — ใช้ AI Mapping Skills ของพนักงานหลายแสนคนพร้อมกัน และ Update Profile แบบ Real-time เพื่อให้ Performance Discussion มี Basis ที่แม่นยำกว่าเดิม

สำหรับ HR ที่สนใจ Workflow Automation สำหรับกระบวนการภายในทีม ลองอ่านบทความ System Prompt ที่ดีหน้าตาเป็นยังไง — 7 องค์ประกอบที่มืออาชีพใช้ เพื่อเรียนรู้วิธีเขียน Prompt ที่ทำให้ AI ตอบสนองได้ตรงความต้องการของงาน HR มากขึ้น

HR ต้องรู้อะไรบ้างเรื่อง PDPA เมื่อใช้ AI?

PDPA (พระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคล) กำหนดให้องค์กรในฐานะ Data Controller มีหน้าที่คุ้มครองข้อมูลของทั้งพนักงานและผู้สมัครงาน (Securiti Analysis on Thailand PDPA, 2024) เมื่อนำ AI เข้ามาเกี่ยวข้อง ความซับซ้อนด้าน Compliance ก็เพิ่มขึ้นตาม ต่อไปนี้คือสิ่งที่ HR ต้องรู้

ข้อบังคับหลักที่เกี่ยวกับ AI ใน HR

• แจ้งให้รู้ว่าใช้ AI: ต้องแจ้งผู้สมัครและพนักงานว่ามีการใช้ AI ในกระบวนการสรรหาหรือประเมินผล ก่อนหรือพร้อมกับการเก็บข้อมูล
• มีฐานทางกฎหมาย: การประมวลผลข้อมูลต้องมี Legal Basis — โดยทั่วไปใช้ “ความจำเป็นในการปฏิบัติตามสัญญา” หรือ “ประโยชน์โดยชอบด้วยกฎหมาย” สำหรับพนักงานปัจจุบัน แต่ผู้สมัครงานมักต้องการ Consent ที่ชัดเจนกว่า
• ข้อมูลอ่อนไหว: ห้ามนำข้อมูลเชื้อชาติ ศาสนา ความพิการ หรือสุขภาพ เข้าระบบ AI โดยไม่มี Explicit Consent และมีเหตุผลที่จำเป็นจริงๆ
• Data Minimization: เก็บเฉพาะข้อมูลที่จำเป็นสำหรับ AI นั้นๆ — อย่านำข้อมูลเก่าที่ไม่เกี่ยวข้องมาใส่ในระบบ

ร่างแนวปฏิบัติ PDPC ปี 2026 กับ AI ใน HR

สำนักงานคณะกรรมการคุ้มครองข้อมูลส่วนบุคคล (PDPC) ของไทยออกร่างแนวปฏิบัติ AI ในปี 2026 ที่มีผลต่อ HR โดยตรง โดยกำหนดว่าระบบ AI ที่ใช้ในงานสรรหาและประเมินผลงานจัดเป็น “High-risk AI” ที่ต้องทำ DPIA (Data Protection Impact Assessment) ก่อนนำไปใช้ (Tilleke & Gibbins Analysis, 2026) โดยต้องประเมินความเสี่ยงเรื่อง Algorithmic Bias, ความโปร่งใส และต้องมี Human-in-the-loop ในการตัดสินใจสำคัญ

หัวใจของ PDPA ในบริบทนี้คือ พนักงานและผู้สมัครมีสิทธิ์ ขอดูข้อมูลที่ AI ใช้ตัดสินใจเกี่ยวกับตัวเขา, ขอให้ Human Review แทนได้, และขอให้ลบข้อมูลได้ — ระบบ AI ที่องค์กรใช้ต้องรองรับสิทธิ์เหล่านี้ได้ด้วย

ทีม HR ควรเริ่มใช้ AI จากตรงไหนก่อน?

คำถามที่ HR ถามมากที่สุดคือ “เริ่มต้นจากไหน?” คำตอบคือ เริ่มจาก Quick Win ที่เห็นผลเร็ว ไม่ต้องการ Integration ซับซ้อน และมีความเสี่ยงน้อยที่จะพลาด ต่อไปนี้คือแผนเริ่มต้นแบบ Practical

ขั้นที่ 1 — เริ่มจาก Generative AI สำหรับงานเขียน (สัปดาห์ที่ 1-2)

ใช้ ChatGPT หรือ Claude โดยตรงสำหรับงาน “เขียน” ที่ HR ทำเป็นประจำ ได้แก่ ร่าง JD, ร่างอีเมลแจ้งผลสัมภาษณ์ (ทั้งแบบผ่านและไม่ผ่าน), สรุป Meeting Note จาก Performance Review, หรือเขียน Onboarding Checklist ใหม่ ต้นทุนเริ่มต้นเพียง 600-700 บาท/เดือน สำหรับ ChatGPT Plus หรือ Claude Pro

ขั้นที่ 2 — ลอง AI Chatbot สำเร็จรูป (เดือนที่ 1-2)

ทดลองใช้ HR Chatbot สำเร็จรูปอย่าง ServiceNow HR Service Delivery, BambooHR (มี AI Feature), หรือ Darwinbox ซึ่งมี AI Assistant ในตัว เริ่มจากการตั้ง FAQ Bank ให้ Chatbot ตอบแทน HR เรื่อง Policy ซ้ำๆ ก่อน แล้วค่อยขยาย Scope ออกตามผลลัพธ์ที่ได้

ขั้นที่ 3 — Integrate กับกระบวนการสรรหา (เดือนที่ 2-4)

เมื่อทีม HR คุ้นชินกับ AI แล้ว ค่อยพิจารณา Platform สรรหาที่มี AI Screening ในตัว และตั้ง Governance Guideline ภายในองค์กรว่า ข้อมูลแบบไหนใส่ AI ได้, ตำแหน่งไหนใช้ AI Screening ได้, และ Human Review ต้องเกิดขึ้นที่ขั้นตอนไหน

สิ่งสำคัญที่ต้องทำก่อนเริ่ม: สร้าง Internal Policy เรื่อง AI Usage สำหรับทีม HR โดยเฉพาะ — ห้ามพนักงาน HR นำข้อมูลส่วนบุคคลของผู้สมัครหรือพนักงาน (เช่น เงินเดือน, ข้อมูลสุขภาพ, ผลประเมิน) ใส่ใน AI สาธารณะอย่าง ChatGPT หรือ Claude โดยไม่ผ่าน Anonymization ก่อน

ถ้าต้องการภาพรวมว่าองค์กรควรวางแผน AI Adoption ระยะยาวอย่างไร ลองอ่าน AI Adoption Roadmap สำหรับธุรกิจ 1-10 คน — เริ่มเดือนไหนทำอะไร ซึ่งครอบคลุมการวางแผน 3 Phase ใน 18 เดือน

สรุป — HR ยุค AI ต้องทำอะไร?

AI ไม่ได้มาแทน HR — AI มาเพิ่มให้ HR มีเวลาทำงานที่ต้องการ Human Touch มากขึ้น เมื่อ AI รับงาน Resume Screening, ตอบ FAQ Onboarding, และสรุป Feedback แล้ว HR ก็มีเวลามากขึ้นสำหรับการ Coaching พนักงาน, สร้างวัฒนธรรมองค์กร, และดูแลความ Well-being ของคน — งานที่ AI ยังทำแทนไม่ได้

ประเด็นสำคัญ 3 ข้อที่ HR ควรจำไว้

• Human-in-the-loop เสมอ: ไม่ว่าจะใช้ AI ในขั้นตอนไหน HR มนุษย์ต้องเป็นผู้ Review และ Approve การตัดสินใจสำคัญ โดยเฉพาะที่กระทบพนักงานโดยตรง
• PDPA ไม่ใช่ทางเลือก: การใช้ AI ใน HR ต้องทำให้ถูกต้องตาม PDPA ตั้งแต่ต้น ทั้งการแจ้ง, การเก็บข้อมูล, และการให้สิทธิ์แก่ผู้สมัครและพนักงาน
• เริ่มเล็กแล้วขยาย: อย่ารีบลงทุนกับระบบ AI HR ราคาแพงก่อนที่ทีมจะพร้อม เริ่มจาก Generative AI Tools ที่ใช้ง่ายแล้วขยายออกตามผลลัพธ์จริง

ถ้าคุณต้องการพัฒนาทักษะ AI เพื่อนำไปใช้ในงาน HR หรืองาน Business ของคุณอย่างจริงจัง SkillPass AI Automation Tech คือ Track ที่รวม Series เกี่ยวกับ AI, Automation, และ Workflow ไว้ในที่เดียว เรียนได้ไม่จำกัดตลอดปี ในราคาที่คุ้มกว่าซื้อแยก — ดูรายละเอียด SkillPass AI Automation Tech