1608 คำ
8 นาที
Project Management 101 EP.12.5 — ก่อนใช้เครื่องมือ: first principles จาก Lean, TOC, Musk
สารบัญ
ปัญหาที่ EP นี้พยายามแก้ Framework 1: Toyota Production System (TPS) — รากของทุกอย่าง Muda — ความสูญเปล่า 7 ชนิด Genchi Genbutsu — “ไปดูที่หน้างานเอง” Kaizen — improvement เล็กๆ ต่อเนื่อง Jidoka — “หยุดเมื่อมีปัญหา” Framework 2: Theory of Constraints — Goldratt 1984 5 Focusing Steps โยงกลับ EP.07 — CCM คือ TOC applied to PM Framework 3: Musk’s 5-Step Algorithm 5 Steps (ตามลำดับเป๊ะ — ห้ามสลับ) Anti-pattern ของบริษัทไทย — สลับลำดับ Framework 4: Lean Startup — Eric Ries 2011 Build → Measure → Learn loop MVP — Minimum Viable Product Pivot vs Persevere Innovation Accounting — Vanity vs Actionable Framework 5: Brooks’s Law + Bezos’s Two-Pizza Team Brooks’s Law — 1975 ทำไม “เพิ่มคน” ไม่ใช่คำตอบ Bezos’s Two-Pizza Team — Amazon 1990s Framework 6: Cynefin — Dave Snowden 1999 4 + 1 Domains ทำไมเรื่องนี้สำคัญสำหรับ PM Framework 7: Pre-mortem — Gary Klein 2007 Concept How to run (1 ชั่วโมง ก่อน kickoff) ทำไม effective รวมทุก Framework เป็น 7 คำถามก่อนเริ่ม project Pattern ของบริษัทที่ทำผิด เครื่องมือ EP 1-12 ยังจำเป็น สรุป EP นี้

📚 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:

ชนิดคืออะไรตัวอย่างในงาน knowledge work
Overproductionผลิตเกินที่ต้องการสร้าง feature ก่อนรู้ว่าลูกค้าต้องการ
Waitingรออะไรซักอย่างงานติด review ค้าง 3 วัน
Transportขนของไปมาเปล่าๆส่งไฟล์ไป-มาระหว่างทีม 5 รอบ
Over-processingทำงานเกินจำเป็นทำ slide 80 หน้า ทั้งที่ 5 หน้าพอ
Inventoryของค้าง stockงานค้าง backlog 200 ticket
Motionคนเดินไปมาหาข้อมูลใน 5 system ก่อนจะตัดสินใจได้
Defectsของเสียbug 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:

  1. Identify: QA คือคอขวด
  2. Exploit: เลิกให้ QA ทำงาน admin, automate test ที่ทำซ้ำ
  3. Subordinate: dev หยุดเขียน feature ใหม่ถ้า backlog QA เกิน 5 ticket แล้วมาช่วย QA แทน
  4. Elevate: จ้าง QA เพิ่ม หรือลงทุน test automation framework
  5. 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 optimizeเฉพาะที่เหลือหลัง 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:

  1. Persevere: สมมติฐาน validate แล้ว ทำต่อ
  2. 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#

Domainลักษณะวิธีจัดการตัวอย่าง
Clear (เคยเรียก Simple/Obvious)Cause-effect ชัด ทุกคนรู้Sense → Categorize → Respond. Best practiceทำตามคู่มือ, fast food chain
ComplicatedCause-effect รู้แต่ยาก ต้องผู้เชี่ยวชาญSense → Analyze → Respond. Good practiceออกแบบสะพาน, ตรวจบัญชี
Complexรู้ pattern หลังจากเกิด ไม่รู้ก่อนProbe → Sense → Respond. Emergent practiceสร้าง product ใหม่, market entry
Chaoticไม่มี pattern ต้อง stabilize ก่อนAct → Sense → Respond. Novel practiceCrisis response, COVID lockdown
Confused (ตรงกลาง)ไม่รู้ว่าอยู่ domain ไหนออกจากตรงนี้ก่อน”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)#

  1. Set the stage: “สมมติว่า 12 เดือนผ่านไป project นี้ล้มอย่างสมบูรณ์ ใช้เงินหมด ไม่ส่งของ”
  2. Silent writing (10 นาที): ทุกคนเขียน reason ที่ project ล้ม ห้ามคุย ห้าม influence กัน
  3. Round-robin (20 นาที): แต่ละคนแชร์ 1 reason ทีละรอบ จนหมด
  4. Cluster + rank (20 นาที): จัดกลุ่ม risk แล้ว ranking ตาม likelihood × impact
  5. 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#

#คำถามFramework ต้นทาง
1งานนี้สร้าง value ให้ลูกค้าจริงไหม หรือเป็น muda?TPS
2requirement นี้มาจากคนคนไหน — ถามเขาตรงๆ ได้ไหม?Musk Step 1
3ลบอะไรได้บ้างก่อน optimize?Musk Step 2 + TPS
4bottleneck ของระบบอยู่ตรงไหน — เราจะ exploit ก่อน elevate ไหม?TOC
5สมมติฐานที่ใหญ่ที่สุดของ project นี้คืออะไร — validate ก่อน build ใหญ่ได้ไหม?Lean Startup
6ปัญหานี้อยู่ Cynefin domain ไหน — methodology ที่เลือกตรงไหม?Cynefin
7สมมติว่า 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:

  1. Philosophy — ควรทำงานนี้ตั้งแต่แรกไหม
  2. Tools — ถ้าควรทำ ใช้เครื่องมือไหน
  3. Execution — process ทำงานเป็นยังไง
  4. Measurement — วัดยังไงว่าได้ผล
  5. 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