สารบัญ
📚 EP นี้เป็นตอนที่ 12.5 ของ mini-series Project Management 101 — สารบัญรวม อยู่ที่นี่
EP 1 ถึง 12 เล่าว่า ใช้เครื่องมืออะไรเมื่อไหร่ ครับ — WBS, Gantt, CPM, EVM, Scrum, SAFe, DORA ดีหมด
แต่ EP นี้อยากถามคำถามที่ดักก่อนหน้านั้นอีกชั้น: “ก่อนเปิดเครื่องมือ ลองถามตัวเองก่อนไหมว่างานนี้ควรทำตั้งแต่แรกหรือเปล่า?”
เพราะ pattern ที่เจอบ่อยที่สุดในบริษัทที่โปรเจค fail คือ มี Gantt สวย EVM track ดี ทีม Scrum ดี ส่งงาน on-time on-budget แต่ส่งของที่ไม่ควรสร้างตั้งแต่แรก ลูกค้าไม่ใช้ ผู้บริหารบอก “อ้าว ทำไมไม่ได้ value” คำตอบก็คือ เพราะตัดสินใจ “ทำอะไร” ผิดตั้งแต่วันที่ 1 ไง
EP นี้รวม 7 framework ที่ช่วยถามคำถามให้ถูกก่อนเปิด tool ทุกอันมีอายุ 10-80 ปีกันทั้งนั้น ไม่ใช่ของใหม่ ที่ใหม่คือเอามารวมไว้ที่เดียว 555+
ปัญหาที่ EP นี้พยายามแก้
ลองนึกภาพ scenario ปกติที่เห็นกันในวงการ:
- บริษัทขนาดกลางอยากให้ระบบทำงานเร็วขึ้น เลยซื้อ ERP / RPA / AI tool มา
- ใช้ไป 2 ปี ใช้เงินไป 30M ปรากฏว่าระบบเก่งขึ้นนิดเดียว ค่า license แพงๆ ทีมต้องคอยดูแลตลอด
- ถามว่าเร็วขึ้นไหม ก็เร็วขึ้นบ้าง แต่ process ที่ automate ยังเป็น process เดิมที่ไม่ได้ดีตั้งแต่แรกอยู่ดี
นี่คืออาการของบริษัทที่ กระโดดข้ามไป “Automate” ก่อนถาม “Question / Delete / Simplify” ครับ
หรืออีก scenario นึง:
- ทีม Agile ทำงานเร็ว deploy ทุกวัน DORA metrics เขียวทั้งกระดาน
- 6 เดือนผ่านไป feature ออกมา 50 ตัว แต่ลูกค้าใช้แค่ 5 ตัว อีก 45 ตัวไม่มีใครแตะ
- ถามว่า “ทีมไม่ดีเหรอ” เปล่าเลย ทีมยอดเยี่ยม แค่ทำเรื่องผิด 555+
ทั้ง 2 scenario มี root cause เดียวกัน คือ ใช้เครื่องมือเก่ง แต่ไม่ได้ถามว่าควรใช้ทำอะไร
Framework 1: Toyota Production System (TPS) — รากของทุกอย่าง
Origin: Taiichi Ohno + Eiji Toyoda ที่ Toyota หลังสงครามโลกครั้งที่ 2 (เริ่ม 1948 เป็นทางการช่วง 1970s)
TPS เป็นจุดกำเนิดของ Lean Thinking ทั้งโลกเลยครับ ทั้ง Lean Startup, Lean Software, Lean UX, แม้แต่ Musk 5 steps ทุกตัวมาจากที่นี่หมด
Muda — ความสูญเปล่า 7 ชนิด
Ohno แบ่ง waste ในระบบการผลิตเป็น 7 ชนิด:
| ชนิด | คืออะไร | ตัวอย่างในงาน knowledge work |
|---|---|---|
| Overproduction | ผลิตเกินที่ต้องการ | สร้าง feature ก่อนรู้ว่าลูกค้าต้องการ |
| Waiting | รออะไรซักอย่าง | งานติด review ค้าง 3 วัน |
| Transport | ขนของไปมาเปล่าๆ | ส่งไฟล์ไป-มาระหว่างทีม 5 รอบ |
| Over-processing | ทำงานเกินจำเป็น | ทำ slide 80 หน้า ทั้งที่ 5 หน้าพอ |
| Inventory | ของค้าง stock | งานค้าง backlog 200 ticket |
| Motion | คนเดินไปมา | หาข้อมูลใน 5 system ก่อนจะตัดสินใจได้ |
| Defects | ของเสีย | bug ที่ต้องกลับไปแก้ |
Key insight: waste พวกนี้ไม่สร้าง value ให้ลูกค้าเลย ลบทิ้งได้ ไม่ใช่ไป optimize ซึ่งส่วนใหญ่ที่เจอ บริษัทมักไปจ้างที่ปรึกษามา “speed up” ขั้นตอนที่ตัวมันเองคือ waste อยู่แล้ว อ้าว…
Genchi Genbutsu — “ไปดูที่หน้างานเอง”
現地現物 — Go and see for yourself
ผู้บริหาร Toyota ห้ามตัดสินใจจาก report อย่างเดียว ต้องลงไปดูสายพานเอง
ในบริบท PM ก็เหมือนกัน PM ที่ตัดสินใจจากห้องประชุม + dashboard อย่างเดียวเนี่ย พลาดแน่ ต้องไปดู developer ทำงานจริง ดู user ใช้ระบบจริง ดูลูกค้าใช้ product จริง
Kaizen — improvement เล็กๆ ต่อเนื่อง
ไม่ต้องรอ “transformation ครั้งใหญ่” ครับ ทุกวัน ทุกคนในทีมเสนอ improvement เล็กๆ ได้ 1% ดีขึ้นทุกวัน × 365 วัน = 37x
Counter: บริษัทไทยส่วนมากเลือก big bang ครับ แบบ “เปลี่ยน CRM ใหม่ทั้งหมด” “เปลี่ยน ERP ทั้งบริษัท” ใช้เงินเยอะ ทีม resist (EP.06) success rate ก็ต่ำ Kaizen สลับด้านเลย เริ่มจากปัญหาเล็กๆ ที่ทีมแก้ได้เอง
Jidoka — “หยุดเมื่อมีปัญหา”
Toyota มี Andon cord ทุกสายพาน operator ทุกคนดึงได้ ถ้าเห็นปัญหาปุ๊บ ทั้งสายพานหยุด ทีมรุมแก้
ในบริบท software ก็คือ Stop-the-line principle ถ้า build แตก deploy พัง ทั้งทีมหยุดงานอื่นมาแก้ก่อน ไม่ใช่ปล่อยให้ “เดี๋ยวมีคนทำ”
Framework 2: Theory of Constraints — Goldratt 1984
Origin: Eliyahu Goldratt, The Goal (1984) — นวนิยายธุรกิจที่ดังที่สุดในประวัติศาสตร์
Goldratt บอกว่าทุกระบบมี คอขวด (constraint / bottleneck) เพียง 1 จุด ที่กำหนดความเร็วทั้งระบบ ถ้าไปปรับปรุงตรงที่ไม่ใช่ bottleneck เท่ากับสูญเปล่า
5 Focusing Steps
graph LR A["1. Identify<br/>หา bottleneck"] --> B["2. Exploit<br/>รีด bottleneck สูงสุด"] B --> C["3. Subordinate<br/>ทุกอย่างปรับให้ bottleneck"] C --> D["4. Elevate<br/>ลงทุนขยาย bottleneck"] D --> E["5. Repeat<br/>bottleneck ใหม่จะโผล่"] E --> A style A fill:#fbbf24,color:#000
ตัวอย่าง software team:
- ทีม 10 คน เขียน feature เร็วมาก (10 feature/sprint)
- แต่ QA มีคนเดียว test ได้แค่ 3 feature/sprint
- เห็นมั้ย QA คือ bottleneck
ถ้าใช้ TOC:
- Identify: QA คือคอขวด
- Exploit: เลิกให้ QA ทำงาน admin, automate test ที่ทำซ้ำ
- Subordinate: dev หยุดเขียน feature ใหม่ถ้า backlog QA เกิน 5 ticket แล้วมาช่วย QA แทน
- Elevate: จ้าง QA เพิ่ม หรือลงทุน test automation framework
- Repeat: หา bottleneck ใหม่ (อาจกลายเป็น deployment ก็ได้)
Anti-pattern ที่เจอบ่อย: จ้าง developer เพิ่ม → QA ยังคนเดียว → backlog ยาวขึ้น → ช้ากว่าเดิม นี่คือสิ่งที่ TOC บอกว่าห้ามทำเลยครับ
โยงกลับ EP.07 — CCM คือ TOC applied to PM
Critical Chain Method ที่เพิ่งเรียนใน EP.07 เป็นการเอา TOC มาใช้กับ schedule:
- Bottleneck ของ project = critical chain (resource-constrained path)
- Project Buffer = ป้องกัน bottleneck
- Feeding Buffer = ไม่ให้สาย non-critical กระเด็นไปโดน critical
Framework 3: Musk’s 5-Step Algorithm
Origin: Elon Musk, Starbase tour 2021 (Tim Dodd “Everyday Astronaut” interview)
Musk เป็น modern repackage ของ Lean นะครับ แต่ที่ทำให้ดังคือ “ขั้นตอน + กฎ 10%” ที่จับต้องได้
5 Steps (ตามลำดับเป๊ะ — ห้ามสลับ)
graph LR Q["1. Question<br/>requirement"] --> D["2. Delete<br/>parts/process"] D --> S["3. Simplify<br/>optimize"] S --> A["4. Accelerate<br/>cycle time"] A --> AU["5. Automate"] style Q fill:#fca5a5,color:#000 style D fill:#fca5a5,color:#000 style AU fill:#86efac,color:#000
1. Question every requirement — ทุก requirement ต้องโยงไปถึง “คน” ที่สั่ง ไม่ใช่ “department” เพราะ department ไม่มีปัญหา คนมี ถามคนนั้นว่า “ทำไม”
2. Delete parts/processes — ลบทิ้งเลยครับ กฎทองคือ ถ้าไม่ต้องเอากลับมาซัก 10% = ตัดน้อยไป ถ้าลบแล้วไม่เห็นปัญหาเกิดทันที แสดงว่ามันไม่จำเป็น
3. Simplify and optimize — เฉพาะที่เหลือหลัง delete นะ อันนี้ผิดบ่อย คนชอบไป optimize ของที่ควรลบทิ้งตั้งแต่แรก
4. Accelerate cycle time — เร่งเฉพาะหลัง simplify ถ้ายังไม่ simplify แล้วเร่ง ก็คือผิดเร็วขึ้น 555+
5. Automate last — สุดท้ายเท่านั้น automate process ที่ flawed อยู่ เท่ากับติดคุกกับ flaw นั้นไปอีก 10 ปี + จ่ายค่า license แพงๆ ด้วย
Anti-pattern ของบริษัทไทย — สลับลำดับ
ส่วนใหญ่จะทำ Step 5 ก่อน Step 1 ซะอย่างนั้น:
- ซื้อ ERP มา → automate process เดิมที่ควรลบ
- ซื้อ RPA bot → automate การคีย์ข้อมูลซ้ำซ้อนที่ไม่ควรมีตั้งแต่แรก
- เซ็น contract Salesforce → ใช้ feature แค่ 10% ของที่จ่ายเงิน 100%
ค่าเสียโอกาสคือ ตอนนี้ติด vendor contract 3-5 ปี ทีมต้องคอยดูแล tool แล้ว process ที่ flawed ก็ยังอยู่เหมือนเดิม 555+
Framework 4: Lean Startup — Eric Ries 2011
Origin: Eric Ries, The Lean Startup (2011) — เอา Lean จาก factory floor มาใช้กับ startup
Build → Measure → Learn loop
graph LR I["Idea<br/>(สมมติฐาน)"] --> B["Build<br/>MVP"] B --> M["Measure<br/>data"] M --> L["Learn<br/>validated insight"] L --> I style I fill:#fbbf24,color:#000
หัวใจคือ ทุก feature ที่จะสร้าง = สมมติฐาน ว่าลูกค้าจะใช้ ต้อง validate ก่อน build ใหญ่
MVP — Minimum Viable Product
ไม่ใช่ “version 1.0 ที่ห่วยกว่าปกติ” นะครับ มันคือ experiment ที่ตอบคำถามเชิงสมมติฐาน เล็กที่สุด
ตัวอย่างเช่น:
- Wrong MVP: สร้างแอป e-commerce ครบทุก feature เวอร์ชั่นแรก แต่ “feature น้อยกว่าคู่แข่ง”
- Right MVP: สร้าง landing page + form pre-order ดูก่อนว่ามีคนสมัครไหม ค่อยเขียนโค้ดแอป
Pivot vs Persevere
ทุก iteration ถามตัวเอง 2 คำถาม:
- Persevere: สมมติฐาน validate แล้ว ทำต่อ
- Pivot: สมมติฐานผิด เปลี่ยนทิศเลย (เปลี่ยนลูกค้า เปลี่ยน feature เปลี่ยน business model)
Counter ที่บริษัทใหญ่ชอบบ่น: “เราลงทุนไปแล้ว 100M จะ pivot ได้ไง” อันนี้คือ sunk cost fallacy ครับ ของที่ลงทุนไปแล้วเอาคืนไม่ได้แล้ว ตัดสินใจจาก expected value ข้างหน้าสิ ไม่ใช่จากเงินที่จ่ายไปแล้ว
Innovation Accounting — Vanity vs Actionable
โยงกลับ EP.12 metrics:
- Vanity: Total users, page views ขึ้นเสมอ ไม่บอกว่าทำดีหรือไม่ดี
- Actionable: Cohort retention, conversion rate, MAU/DAU ratio บอก behavior change จริงๆ
Framework 5: Brooks’s Law + Bezos’s Two-Pizza Team
Brooks’s Law — 1975
Origin: Fred Brooks, The Mythical Man-Month (1975) — จากประสบการณ์ทำ IBM System/360
“Adding manpower to a late software project makes it later.”
ทำไม “เพิ่มคน” ไม่ใช่คำตอบ
1. Communication overhead = O(n²)
- 5 คน → 10 communication channels
- 10 คน → 45 channels
- 20 คน → 190 channels
- 50 คน → 1,225 channels
graph LR N5["5 คน<br/>10 channels"] --> N10["10 คน<br/>45 channels"] --> N20["20 คน<br/>190 channels"] --> N50["50 คน<br/>1225 channels"] style N50 fill:#fca5a5,color:#000
2. Onboarding cost — คนใหม่ต้องอ่านโค้ด เข้าใจระบบ สร้าง context ขึ้นมาเอง ระหว่างนั้น คนเก่าก็ต้องเสียเวลาสอน ความเร็วทีมเดิมลดอีก
3. Sequential constraint — บางงาน split ไม่ได้ครับ “เลี้ยงเด็ก 9 เดือนใช้แม่ 1 คน จะใช้แม่ 9 คนเลี้ยงใน 1 เดือนไม่ได้” 555+
Bezos’s Two-Pizza Team — Amazon 1990s
Counter-narrative ของ scaled framework (EP.10):
“If a team can’t be fed with two pizzas, it’s too big.”
หลักการ:
- ทีม 6-8 คน
- Own end-to-end (เขียน, deploy, ดูแล, on-call)
- Two-way door decisions ทีมตัดสินเอง — ไม่ต้องขอ approval
- One-way door เท่านั้นที่ต้องขึ้นบน
ทำไม Amazon scale ได้ทั้งที่ทีมเล็ก:
- 100 ทีม × 8 คน = 800 คน ทำงานขนานกันได้หมด
- ไม่ต้องประชุม cross-team บ่อย เพราะ team own everything อยู่แล้ว
- ใช้ API contracts ระหว่างทีมแทน meetings
Brooks + Bezos รวมกัน ก็คือ อย่าเพิ่มคนในทีมเดิม ให้ไปตั้งทีมใหม่เล็กๆ ที่ own piece อื่นแทน
Framework 6: Cynefin — Dave Snowden 1999
Origin: Dave Snowden ที่ IBM, framework สำหรับ decision-making
หลักการสั้นๆ คือ ปัญหาแต่ละประเภทใช้วิธีคิดต่างกัน ใช้วิธีผิดประเภทเมื่อไหร่ก็พังเมื่อนั้น
4 + 1 Domains
| Domain | ลักษณะ | วิธีจัดการ | ตัวอย่าง |
|---|---|---|---|
| Clear (เคยเรียก Simple/Obvious) | Cause-effect ชัด ทุกคนรู้ | Sense → Categorize → Respond. Best practice | ทำตามคู่มือ, fast food chain |
| Complicated | Cause-effect รู้แต่ยาก ต้องผู้เชี่ยวชาญ | Sense → Analyze → Respond. Good practice | ออกแบบสะพาน, ตรวจบัญชี |
| Complex | รู้ pattern หลังจากเกิด ไม่รู้ก่อน | Probe → Sense → Respond. Emergent practice | สร้าง product ใหม่, market entry |
| Chaotic | ไม่มี pattern ต้อง stabilize ก่อน | Act → Sense → Respond. Novel practice | Crisis response, COVID lockdown |
| Confused (ตรงกลาง) | ไม่รู้ว่าอยู่ domain ไหน | ออกจากตรงนี้ก่อน | ”เรารู้สึกว่าเข้าใจแล้ว แต่…” |
quadrantChart title Cynefin Framework x-axis "Cause-effect ไม่ชัด" --> "Cause-effect ชัด" y-axis "Unordered" --> "Ordered" quadrant-1 "Clear (Best practice)" quadrant-2 "Complicated (Good practice)" quadrant-3 "Chaotic (Novel)" quadrant-4 "Complex (Emergent)" "ทำตามคู่มือ": [0.85, 0.85] "ออกแบบสะพาน": [0.7, 0.65] "สร้าง product ใหม่": [0.3, 0.3] "Crisis response": [0.15, 0.15]
ทำไมเรื่องนี้สำคัญสำหรับ PM
Mismatch ที่เจอบ่อย:
- บริษัทใช้ Waterfall (เหมาะ Clear/Complicated) กับ product development (จริงๆ Complex) → กำหนด spec ครบ → 12 เดือนต่อมา feature ออกมาไม่มีใครใช้
- บริษัทใช้ Agile (เหมาะ Complex) กับ compliance project (จริงๆ Complicated) → ไม่มี spec ชัด → audit fail
กฎทอง: ก่อนเลือก methodology ให้ identify domain ก่อนครับ ถ้าโปรเจคอยู่ใน Complex domain Waterfall ผิด ไม่ใช่เพราะ Waterfall ห่วย แต่เพราะใช้ผิดประเภทปัญหาต่างหาก
Framework 7: Pre-mortem — Gary Klein 2007
Origin: Gary Klein, Harvard Business Review article (2007)
“การตัดสินใจที่ดีที่สุดเทคนิคเดียวที่ผมเรียนใน 30 ปี” — Daniel Kahneman
Concept
- Post-mortem: project ล้มแล้ว ค่อยมาถามว่าทำไมล้ม
- Pre-mortem: project ยังไม่เริ่มเลย แต่ imagine ว่ามันล้มไปแล้ว แล้วถามว่าทำไมล้ม
How to run (1 ชั่วโมง ก่อน kickoff)
- Set the stage: “สมมติว่า 12 เดือนผ่านไป project นี้ล้มอย่างสมบูรณ์ ใช้เงินหมด ไม่ส่งของ”
- Silent writing (10 นาที): ทุกคนเขียน reason ที่ project ล้ม ห้ามคุย ห้าม influence กัน
- Round-robin (20 นาที): แต่ละคนแชร์ 1 reason ทีละรอบ จนหมด
- Cluster + rank (20 นาที): จัดกลุ่ม risk แล้ว ranking ตาม likelihood × impact
- Mitigation plan (10 นาที): top 5 risk ใครรับผิดชอบ วิธีลดยังไง
ทำไม effective
Optimism bias — ทุกคนตอน kickoff อยากให้ project สำเร็จ เลยมองไม่เห็น risk ที่ชัดเจน
Prospective hindsight (Mitchell, Russo, Pennington 1989) — พอ assume ว่า “ล้มไปแล้ว” + ต้อง imagine สาเหตุ ความสามารถระบุ risk จะเพิ่มขึ้น 30%
ปลดล็อก dissent — ที่ kickoff คนที่เห็น risk ไม่กล้าพูด เพราะดูเหมือน negative ใช่มั้ยครับ Pre-mortem ทำให้การพูด risk = norm ของวง
รวมทุก Framework เป็น 7 คำถามก่อนเริ่ม project
| # | คำถาม | Framework ต้นทาง |
|---|---|---|
| 1 | งานนี้สร้าง value ให้ลูกค้าจริงไหม หรือเป็น muda? | TPS |
| 2 | requirement นี้มาจากคนคนไหน — ถามเขาตรงๆ ได้ไหม? | Musk Step 1 |
| 3 | ลบอะไรได้บ้างก่อน optimize? | Musk Step 2 + TPS |
| 4 | bottleneck ของระบบอยู่ตรงไหน — เราจะ exploit ก่อน elevate ไหม? | TOC |
| 5 | สมมติฐานที่ใหญ่ที่สุดของ project นี้คืออะไร — validate ก่อน build ใหญ่ได้ไหม? | Lean Startup |
| 6 | ปัญหานี้อยู่ Cynefin domain ไหน — methodology ที่เลือกตรงไหม? | Cynefin |
| 7 | สมมติว่า project ล้ม 12 เดือนหน้า — เพราะอะไร 5 ข้อแรก? | Pre-mortem |
ใช้เป็น checklist ก่อน kickoff ครับ ใช้เวลาแค่ ~2 ชั่วโมง แต่ป้องกัน failure ที่อาจจะใช้เงินเป็น 10-100 เท่า
Pattern ของบริษัทที่ทำผิด
Scenario ที่เห็นได้ทั่วไปในวงการ:
1. “Solution looking for a problem”
- ทีม IT อยากลอง AI/ML → หา use case ในบริษัท → ทำ POC → ขายเข้า exec
- ข้าม TPS (สร้าง value จริงไหม) + Lean Startup (สมมติฐานอะไร)
2. “Build it and they will come”
- สร้าง product ครบ feature → launch → ลูกค้าไม่มา
- ข้าม Lean Startup MVP
3. “Automate the mess”
- Process มี 12 ขั้น → ซื้อ RPA → automate ทั้ง 12 ขั้นเลย 555+
- ข้าม Musk Step 1-3 (Question / Delete / Simplify)
4. “Throw bodies at it”
- โปรเจคช้า → จ้างคนเพิ่ม → ช้ากว่าเดิม
- ข้าม Brooks’s Law
5. “Big bang transformation”
- เปลี่ยน ERP ทั้งบริษัทใน 18 เดือน → ทีม resist + กระทบ operations
- ข้าม Kaizen (incremental)
6. “Waterfall a moving target”
- Spec product ใหม่ที่ไม่เคยมี (Complex domain) แบบ Waterfall → spec ผิด → rebuild
- ข้าม Cynefin
7. “Optimism kickoff”
- Kickoff ที่ทุกคน +1 ไม่มีใครยก risk → 6 เดือนหลังเจอ risk ที่ทุกคน “รู้อยู่แล้ว” อ้าว
- ข้าม Pre-mortem
เครื่องมือ EP 1-12 ยังจำเป็น
EP นี้ไม่ได้บอกว่า WBS / Gantt / EVM / DORA / SAFe ไม่ดีนะครับ บอกแค่ว่า ใช้ตอนผ่าน 7 คำถามนี้แล้วเท่านั้น
graph LR P["Philosophy<br/>(EP.12.5)"] --> T["Tools<br/>(EP.07, 10, 12)"] T --> EX["Execution<br/>(EP.05, 11)"] EX --> M["Measurement<br/>(EP.12)"] M --> P style P fill:#fbbf24,color:#000
ลำดับการคิด:
- Philosophy — ควรทำงานนี้ตั้งแต่แรกไหม
- Tools — ถ้าควรทำ ใช้เครื่องมือไหน
- Execution — process ทำงานเป็นยังไง
- Measurement — วัดยังไงว่าได้ผล
- Loop กลับ Philosophy — review ทุก quarter ว่ายังควรทำต่อไหม
สรุป EP นี้
- TPS (1948) — 7 wastes, Genchi Genbutsu (ไปดูเอง), Kaizen (incremental), Jidoka (หยุดเมื่อมีปัญหา)
- Theory of Constraints (1984) — 5 focusing steps, bottleneck คือสิ่งกำหนดความเร็วทั้งระบบ
- Musk’s 5 Steps (2021) — Question → Delete → Simplify → Accelerate → Automate. กฎ 10% must-add-back
- Lean Startup (2011) — MVP validate ก่อน build ใหญ่, Pivot vs Persevere, Vanity vs Actionable metric
- Brooks’s Law (1975) — เพิ่มคนในทีมที่ช้าแล้ว = ช้ากว่าเดิม. Communication overhead O(n²)
- Two-Pizza Team — ทีม 6-8 คน, own end-to-end, scale by adding teams ไม่ใช่ adding people
- Cynefin (1999) — Clear / Complicated / Complex / Chaotic. ใช้ methodology ผิด domain = พัง
- Pre-mortem (2007) — imagine ความล้มก่อน kickoff. ลด optimism bias, ระบุ risk ได้ +30%
7 คำถามก่อน kickoff = checklist ป้องกัน fail ที่อาจใช้เงินเป็น 10-100x
EP ต่อไปจะเล่าเคสล้มจริงๆ (Denver, NHS, Boeing, Healthcare.gov) ทุกเคสล้มเพราะข้าม framework พวกนี้กันทั้งนั้นแหละครับ