บทเรียนจากการสร้างฝ่ายการเงินที่ขับเคลื่อนด้วย AI

ฝ่ายการเงินได้กลายเป็นหน่วยงานที่ทำงานแบบเรียลไทม์ สำหรับฉันแล้ว โอกาสนี้ยิ่งใหญ่กว่าแค่การปิดบัญชีให้เร็วขึ้นหรืออัปเดตประมาณการให้ถี่ขึ้น แต่คือการมองเห็นความเปลี่ยนแปลงของธุรกิจได้ทันท่วงที ช่วยให้ผู้นำลงมือดำเนินการได้เร็วขึ้น และเปิดโอกาสให้ทีมการเงินมีเวลามากขึ้นในการกำหนดทิศทางของสิ่งที่จะเกิดขึ้นต่อไป

เมื่อฉันเข้าร่วม OpenAI เมื่อสองปีก่อน เรามีทีมการเงินขนาดเล็กที่ดูแลบริษัทซึ่งกำลังเติบโตอย่างรวดเร็วเป็นพิเศษ เราต้องสร้างฝ่ายนี้ขึ้นใหม่ทั้งหมด และทำให้ AI เป็นรากฐานของการทำงาน การตัดสินใจ และการสนับสนุนธุรกิจ

ฉันยังเห็นจุดเริ่มต้นที่คุ้นเคย การปิดบัญชีและอัปเดตประมาณการยังคงมีงานที่ต้องทำด้วยตนเองซ้ำๆ ทั้งการค้นหาข้อมูล อธิบายสิ่งที่เปลี่ยนไป และรวบรวมข้อมูลประกอบการตัดสินใจ เรามีเครื่องมือ AI ที่ล้ำหน้าที่สุดในโลก แต่ก็ยังอยู่ระหว่างเรียนรู้ว่าจะออกแบบงานการเงินใหม่โดยมีเครื่องมือเหล่านี้เป็นศูนย์กลางได้อย่างไร

ด้วยเหตุนี้เราจึงกำหนดเป้าหมายใหญ่ 2 ข้อ คือ ปิดบัญชีให้เสร็จได้ทันที และจัดทำประมาณการอัตโนมัติที่อัปเดตอย่างต่อเนื่อง

แนวคิดเบื้องหลังการปิดบัญชีแบบทันที คือการช่วยให้ผู้นำเห็นสถานะทางการเงินของบริษัทแบบเรียลไทม์ โดยตัวเลขผ่านการกระทบยอดและตรวจสอบย้อนกลับได้ ส่วนการจัดทำประมาณการอย่างต่อเนื่องจะต่อยอดจากรากฐานนี้ เพื่อแสดงให้เห็นว่าธุรกิจกำลังเปลี่ยนแปลงไปอย่างไร อะไรอาจเกิดขึ้นต่อไป และการตัดสินใจใดบ้างที่อาจเปลี่ยนผลลัพธ์ได้

เรายังคงเดินหน้าพัฒนาเพื่อทำให้เป้าหมายทั้งสองเป็นจริง และกระบวนการนี้ได้เปลี่ยนแปลงวิธีการทำงานของทีมเราแล้ว จากเดิมที่ต้องพึ่งสเปรดชีตแบบคงที่ ค้นหาเอกสารประกอบด้วยตนเอง และจัดทำงานนำเสนอ เรากำลังเปลี่ยนมาใช้เครื่องมือแบบเรียลไทม์ที่เชื่อมโยงกับบริบทและข้อมูลทั้งหมดของธุรกิจ นอกจากนี้ ยังเปิดโอกาสให้ผู้เชี่ยวชาญด้านการเงินสร้างเครื่องมือที่เหมาะกับงานของตนเองและนำความรู้ความสามารถไปสร้างประโยชน์ได้ไกลกว่าเดิม

สำหรับฉัน นี่คือศักยภาพที่แท้จริงของฝ่ายการเงินที่มี AI เป็นรากฐาน ทีมจะเข้าใจสถานการณ์ขณะที่กำลังเกิดขึ้น ช่วยให้ผู้นำเห็นทางเลือกเบื้องหน้า และให้ธุรกิจมีเวลาลงมือมากขึ้นในขณะที่ผลลัพธ์ยังเปลี่ยนแปลงได้

การไปถึงจุดนั้นต้องอาศัยมากกว่าแค่การนำเทคโนโลยีใหม่มาใช้ เราต้องออกแบบงานใหม่โดยยึดการตัดสินใจที่สำคัญเป็นหลัก เปิดพื้นที่ให้บุคลากรได้ทดลอง กำหนดความรับผิดชอบให้ชัดเจนในทุกเวิร์กโฟลว์ และวัดผลงานที่ AI ทำได้อย่างน่าเชื่อถือเพื่อให้เห็น ROI ชัดเจน

ต่อไปนี้คือบทเรียนเชิงปฏิบัติห้าข้อจากประสบการณ์ของเรา ซึ่ง CFO ทุกคนนำไปใช้ได้

ขั้นแรกคือเปิดให้ทุกคนเข้าถึง เพราะบุคลากรต้องมีอิสระในการสำรวจว่า AI จะนำมาใช้กับงานของตนได้อย่างไร การเข้าถึงจะสร้างคุณค่าได้สูงสุดเมื่อควบคู่ไปกับการทดลองอย่างเป็นระบบเพื่อแก้ปัญหาที่เกิดขึ้นจริง

เราเชิญวิศวกรฝ่ายขายมาร่วมแฮกกาธอนของฝ่ายการเงิน และขอให้ทีมเลือกงานที่อยากปรับเปลี่ยนรูปแบบมาพัฒนาร่วมกัน หนึ่งในผลงานที่ได้คือ IR-GPT ซึ่งเป็น GPT แบบกำหนดเองที่อ้างอิงข้อมูลจากเอกสารที่ผ่านการอนุมัติ ซึ่งทีมงานนักลงทุนสัมพันธ์ของเราใช้ตอบคำถามในการตรวจสอบข้อมูล นอกจากนี้ เรายังเริ่มสร้าง GPT แบบกำหนดเองสำหรับงานด้านต่าง ๆ รวมถึงการจัดซื้อและภาษี

แฮกกาธอนเปลี่ยน AI จากความสามารถเชิงนามธรรมให้กลายเป็นเครื่องมือที่ใช้งานได้จริง ภายในวันเดียว ทุกคนสามารถระบุงานที่ทำซ้ำ สร้างโซลูชัน ทดลองใช้กับเพื่อนร่วมงาน และปรับปรุงให้ดีขึ้นได้ กรณีใช้งานมาจากผู้ที่ใกล้ชิดกับงานที่สุด ส่วนผู้เชี่ยวชาญด้านเทคนิคช่วยให้พวกเขาพัฒนาได้เร็วขึ้น

สำหรับ CFO บทเรียนนั้นเรียบง่าย นั่นคือ ต้องเปิดโอกาสให้เกิดการทดลองจากระดับปฏิบัติงานควบคู่ไปกับการกำหนดกลยุทธ์จากระดับผู้นำ มอบ AI ที่ปลอดภัยและมีประสิทธิภาพให้บุคลากรได้ใช้งาน แล้วเปิดทางให้ผู้ที่ใกล้ชิดกับงานมากที่สุดค้นหาวิธีทำงานที่ดีกว่า ขณะเดียวกัน ผู้นำก็ควรมุ่งความสนใจและทรัพยากรไปยังการเปลี่ยนแปลงที่ส่งผลต่อธุรกิจมากที่สุด โอกาสที่แท้จริงจะเกิดขึ้นเมื่อทั้งสองส่วนมาบรรจบกัน นั่นคือ การนำแนวคิดที่ใช้ได้จริงจากหน้างานมาประยุกต์ใช้กับเรื่องสำคัญที่สุดขององค์กร

ทีมการเงินทุ่มเทเวลาและแรงงานอย่างมากในการรวบรวมข้อมูลที่จำเป็นต่อการตัดสินใจ การทบทวนประมาณการครั้งหนึ่งอาจต้องค้นหาข้อมูลล่าสุด กระทบยอดตัวเลขในสเปรดชีต อธิบายผลต่าง สร้างแผนภูมิ จัดเตรียมเอกสาร และนำเนื้อหาในเอกสารเหล่านั้นไปจัดทำเป็นสไลด์ แม้ท้ายที่สุดบทวิเคราะห์จะส่งถึงผู้มีอำนาจตัดสินใจ แต่ทีมก็ใช้เวลาส่วนใหญ่ไปกับการรวบรวมและจัดเตรียมข้อมูลแล้ว

AI เปลี่ยนขอบเขตของงานไป ผู้นำฝ่ายการเงินจึงสามารถออกแบบกระบวนการทั้งหมดขึ้นใหม่ได้ ตั้งแต่ข้อมูลต้นทางไปจนถึงการตัดสินใจ

ลองนึกถึงการปิดบัญชีในแต่ละเดือน CFO ทุกคนรู้ดีว่ากระบวนการนี้เป็นอย่างไร ตัวเลขจริงอยู่ในระบบหนึ่ง ใบสั่งซื้ออยู่อีกระบบหนึ่ง รายการค้างรับค้างจ่ายอยู่ในสเปรดชีต ส่วนคำอธิบายผลต่างกลับซ่อนอยู่ในเธรดข้อความ

เรากำลังมุ่งสู่รูปแบบการดำเนินงานที่ต่างออกไป เป้าหมายของการปิดบัญชีแบบทันทีคือการเชื่อมโยงแผนการใช้จ่ายที่ผ่านการอนุมัติ ตัวเลขผลการดำเนินงานจริงจากบัญชีแยกประเภททั่วไป ใบสั่งซื้อ รายการค้างรับค้างจ่าย และรายละเอียดธุรกรรมไว้ในมุมมองเดียวที่มีการกระทบยอดอย่างต่อเนื่อง โดยสามารถตรวจสอบย้อนกลับได้ว่าผลต่างแต่ละรายการเกิดจากกิจกรรมใด AI จะจัดทำคำอธิบายเบื้องต้นและแจ้งเตือนรายการผิดปกติที่ต้องตรวจสอบ จากนั้นฝ่ายการเงินจะยืนยันความถูกต้องของตัวเลข ใช้วิจารณญาณ และรับผิดชอบการอนุมัติขั้นสุดท้าย

การปิดบัญชีไม่ได้หายไป แต่สิ่งที่เริ่มหมดไปคือความวุ่นวายในการปะติดปะต่อภาพรวมของธุรกิจขึ้นมาใหม่หลังสิ้นงวด

รากฐานข้อมูลที่ผ่านการกระทบยอดนี้ช่วยให้สามารถจัดทำประมาณการที่อัปเดตได้อย่างต่อเนื่อง ทีมของเรากำลังสร้างเวิร์กโฟลว์ที่ผสานแบบจำลองทางสถิติ ข้อมูลเชิงลึกจากการสนทนากับฝ่ายขาย หลักฐานระดับบัญชี ข้อมูลการดำเนินงาน และดุลยพินิจของฝ่ายการเงินไว้ด้วยกัน

เรากำลังก้าวข้ามข้อจำกัดของสเปรดชีตไปสู่เครื่องมือที่โต้ตอบได้มากขึ้น ซึ่งรวบรวมการคาดการณ์ทางสถิติ หลักฐานสนับสนุน และสถานการณ์จำลองไว้ในมุมมองเดียวที่อัปเดตอยู่เสมอ ผู้บริหารจึงเห็นได้ว่าเกิดการเปลี่ยนแปลงอะไรขึ้น เพราะเหตุใด และการตัดสินใจใดบ้างที่จะช่วยเปลี่ยนผลลัพธ์ หากประมาณการตั้งต้นยังไม่ได้รวมยอดที่ลูกค้ารายใหม่ยืนยันไว้ ระบบจะแสดงหลักฐานที่เกี่ยวข้อง พร้อมให้เห็นว่าการปรับประมาณการจะส่งผลต่อไตรมาสหรือทั้งปีอย่างไร จากนั้นฝ่ายการเงินสามารถตรวจสอบสมมติฐาน เปรียบเทียบสถานการณ์ และพิจารณาว่าควรปรับประมาณการที่อนุมัติไว้หรือไม่

มุมมองเดียวกันนี้ยังช่วยให้ผู้นำตัดสินใจจัดสรรเงินทุนได้ดีขึ้น ทีมการเงินมองเห็นได้ว่างบการตลาดส่วนใดสร้างผลตอบแทน จุดใดที่ผลลัพธ์เริ่มชะลอลง และการจัดสรรเงินก้อนถัดไปใหม่อาจให้ผลอย่างไร

การพยากรณ์อัตโนมัติคือเป้าหมายปลายทาง ส่วนมุมมองที่อัปเดตอย่างต่อเนื่อง การวิเคราะห์สถานการณ์ที่รวดเร็วขึ้น และการกำหนดให้ฝ่ายการเงินเป็นผู้รับผิดชอบอย่างชัดเจน คือสิ่งที่จะพาเราไปถึงเป้าหมายนั้น

บทเรียนในภาพรวมคือ ให้เริ่มจากการตัดสินใจที่ส่งผลสำคัญแล้วจึงไล่ย้อนกลับมาว่าต้องใช้ข้อมูล เครื่องมือ การอนุมัติ และการส่งต่องานใดบ้างเพื่อสนับสนุนการตัดสินใจนั้น จากนั้นจึงพิจารณาว่าส่วนใดที่ AI สามารถวิเคราะห์ ประสานงาน หรือดำเนินการให้เสร็จสมบูรณ์ได้ แนวทางนี้ช่วยเพิ่มทั้งความรวดเร็วและคุณภาพของวงจรการตัดสินใจทั้งหมด

การเปลี่ยนแปลงที่ยิ่งใหญ่กว่าคือ ตอนนี้ผู้เชี่ยวชาญด้านการเงินสามารถสร้างเครื่องมือที่จำเป็นต่องานของตนเองได้แล้ว

งานวิจัยของ OpenAI ล่าสุดพบว่า 40% ของการใช้ AI เฉพาะทางโดยผู้เชี่ยวชาญด้านการเงินเกี่ยวข้องกับงานนอกขอบเขตการเงินแบบเดิม และ 22% เกี่ยวข้องกับงานด้านวิศวกรรม

ทุกคนในทีมของฉันกำลังใช้ ChatGPT Work และ Codex สร้างแดชบอร์ดและเครื่องมือ AI ที่ออกแบบขึ้นเอง รูปแบบการทำงานกำลังเปลี่ยนจากโมเดล Excel และชุดสไลด์ PowerPoint แบบคงที่ ไปสู่แดชบอร์ดแบบเรียลไทม์ที่เชื่อมโยงกับบริบทและข้อมูลทั้งหมดของธุรกิจ เครื่องมือเหล่านี้สามารถวิเคราะห์งานต่อเนื่อง ตอบคำถามเพิ่มเติม และอัปเดตตามการเปลี่ยนแปลงของข้อมูลต้นทางได้

เพื่อนร่วมทีมคนหนึ่งซึ่งดูแลธุรกิจโฆษณาของเราไม่เคยเขียนโค้ดมาก่อน เขาใช้ Codex สร้างเครื่องมือที่แปลงประมาณการโฆษณารายเดือนของเราเป็นแผนรายสัปดาห์และรายวัน เครื่องมือนี้คำนึงถึงวันทำงานและวันหยุด เปรียบเทียบประมาณการ และเชื่อมโยงตัวเลขทุกตัวกับโมเดลที่อนุมัติแล้ว ผู้นำฝ่ายการตลาดมองเห็นได้อย่างรวดเร็วว่าอะไรเปลี่ยนไป ควรลงทุนที่ใด และการใช้จ่ายเพิ่มเติมอาจให้ผลตอบแทนเท่าใด

ตอนนี้ผู้ที่เข้าใจปัญหาอย่างแท้จริงสามารถมีส่วนกำหนดแนวทางแก้ไขได้แล้ว การสร้างเครื่องมือเหล่านี้ยังกระตุ้นให้พวกเขาทบทวนวิธีการทำงานแบบเดิมๆ อีกด้วย ผู้เชี่ยวชาญด้านการเงินสามารถสร้างโครงสร้างพื้นฐานที่ธุรกิจต้องใช้ในการตัดสินใจ นำไปทดสอบกับเพื่อนร่วมงาน และปรับปรุงอย่างต่อเนื่องตามลักษณะงานที่เปลี่ยนแปลงไป

ทีมการเงินไม่ได้สูญเสียความเชี่ยวชาญเฉพาะด้าน แต่กำลังเพิ่มขีดความสามารถในการนำความเชี่ยวชาญไปสร้างประโยชน์ได้มากกว่าเดิม

IR-GPT ทำให้เราได้เรียนรู้บทเรียนสำคัญเกี่ยวกับการกำกับดูแล การตอบคำถามของนักลงทุนในกระบวนการตรวจสอบสถานะอาจทำให้นักวิเคราะห์ต้องค้นหาข้อมูลจากเอกสารเดิมหลายชุด ร่างคำตอบ ตรวจสอบความสอดคล้อง และประสานงานเพื่อให้ผู้เกี่ยวข้องตรวจทาน แต่เมื่อใช้ GPT ที่สร้างขึ้นโดยเฉพาะและอ้างอิงเฉพาะแหล่งข้อมูลที่ได้รับอนุมัติ งานซึ่งเดิมใช้เวลาหลายชั่วโมงและบางครั้งต้องทำต่อเนื่องข้ามคืน ก็สามารถสร้างร่างแรกที่มีคุณภาพได้ภายในไม่กี่วินาที

บทบาทของมนุษย์ยังคงเป็นหัวใจสำคัญ ทีมงานนักลงทุนสัมพันธ์ของเราจะตรวจทานร่าง เพิ่มมุมมองและบริบทที่จำเป็น รวมถึงตรวจสอบว่าคำตอบของเราสอดคล้องกันสำหรับนักลงทุนทุกราย AI ช่วยให้งานรวดเร็วขึ้น ส่วนบุคลากรเป็นผู้รับผิดชอบต่อผลลัพธ์

นี่คือรูปแบบที่เหมาะสมสำหรับฝ่ายการเงิน CFO ควรร่วมมือกับทีมไอทีและทีมกำกับดูแลเพื่อกำหนดว่าระบบ AI เข้าถึงข้อมูลใดได้ ดำเนินการใดได้ เมื่อใดต้องขออนุมัติ และเมื่อใดควรส่งต่อปัญหาให้ผู้มีอำนาจพิจารณา ผลลัพธ์ทุกชิ้นควรเชื่อมโยงกับแหล่งข้อมูลที่เชื่อถือได้ ประมาณการทุกชุดควรมีคำอธิบายที่ชัดเจน การเปลี่ยนแปลงข้อมูลฐานที่อนุมัติแล้วทุกครั้งควรต้องได้รับอนุมัติจากฝ่ายการเงิน

กระแสฮิต “ใช้โทเค็นแบบไม่ยั้ง” ได้ผ่านพ้นไปแล้ว ปัจจุบันองค์กรสามารถกำหนดลิมิตการใช้งาน ควบคุมงบประมาณ จัดสรรสิทธิ์ตามบทบาท วางกฎการเลือกโมเดล และกำหนดเกณฑ์การอนุมัติได้อย่างง่ายดาย CFO จึงบริหารการใช้ AI ได้อย่างเป็นระบบเช่นเดียวกับค่าใช้จ่ายผันแปรประเภทอื่น พร้อมเปิดโอกาสให้ทีมต่างๆ สร้างสรรค์และทดลองสิ่งใหม่ได้อย่างเต็มที่

ความรับผิดชอบที่กำหนดไว้อย่างชัดเจนช่วยสร้างความมั่นใจที่จำเป็นต่อการทำงานให้รวดเร็วยิ่งขึ้น เมื่อการสังเคราะห์ข้อมูล การกระทบยอด และการเตรียมงานใช้เวลาน้อยลง ผู้เชี่ยวชาญด้านการเงินก็มีเวลามากขึ้นในการตั้งคำถามกับสมมติฐาน ให้คำแนะนำแก่ธุรกิจ และใช้วิจารณญาณในการตัดสินใจ

CFO ต้องมีเกณฑ์วัดผล AI ที่อิงกับผลการดำเนินงานจริง การซื้อสิทธิ์ใช้งานเพิ่มหรือใช้โทเค็นมากขึ้นไม่ได้บ่งบอกอะไรมากนัก สิ่งสำคัญคือ งานสำเร็จลุล่วงอย่างมีคุณภาพหรือไม่ และมีต้นทุนที่แท้จริงเท่าไร

ในแต่ละเวิร์กโฟลว์ ให้พิจารณาคำถาม 4 ข้อต่อไปนี้:

• AI ทำงานสำคัญได้สำเร็จหรือไม่
• ค่าใช้จ่ายอยู่ที่เท่าไร เมื่อนับรวมเวลาของพนักงาน การตรวจทาน และการแก้งาน
• ผลลัพธ์ดีพอที่จะนำไปใช้หรือไม่
• ช่วยให้เราทำงานเร็วขึ้นหรือตัดสินใจได้ดีขึ้นหรือไม่

สำหรับฝ่ายการเงิน งานที่มีคุณค่าอาจเป็นการอัปเดตประมาณการให้เป็นปัจจุบัน การชี้แจงสาเหตุของผลต่าง การตอบคำขอด้านการตรวจสอบบัญชีให้ครบถ้วน หรือการตอบข้อสงสัยของคณะกรรมการบริษัท ในส่วนของการปิดบัญชี เกณฑ์วัดผลอาจประกอบด้วยเวลาที่ใช้จนเสร็จสิ้น สัดส่วนธุรกรรมที่ระบบกระทบยอดให้โดยอัตโนมัติ จำนวนรายการผิดปกติที่ต้องตรวจสอบ และเวลาที่ใช้ชี้แจงผลต่าง ส่วนการจัดทำประมาณการ อาจวัดจากความแม่นยำ ความถี่ในการอัปเดตข้อมูล เวลาที่ใช้ในการสร้างสถานการณ์จำลองใหม่ และคุณภาพของการตัดสินใจที่ใช้ประมาณการนั้นเป็นข้อมูลประกอบ

โมเดลที่ราคาถูกที่สุดไม่ได้คุ้มค่าที่สุดเสมอไป หากโมเดลที่ดีกว่าให้คำตอบที่เชื่อถือได้ด้วยจำนวนครั้งที่ลองและการตรวจสอบที่น้อยกว่า ต้นทุนรวมก็อาจต่ำกว่า

ฝ่ายการเงินเป็นศูนย์กลางของกลยุทธ์ เงินทุน ข้อมูล ความเสี่ยง และผลการดำเนินงาน ทำให้ CFO มองเห็นภาพรวมการดำเนินงานของบริษัทได้อย่างรอบด้าน และมีบทบาทสำคัญในการขับเคลื่อนการเปลี่ยนผ่านสู่ AI

ฝ่ายการเงินที่มี AI เป็นหัวใจสำคัญจะทำงานได้รวดเร็วขึ้น มีระบบควบคุมที่เข้มแข็งขึ้น ตัดสินใจได้ดีขึ้น และเปิดโอกาสให้บุคลากรใช้เวลากับงานที่ต้องอาศัยวิจารณญาณมากขึ้น เส้นทางนี้เริ่มจากเวิร์กโฟลว์ที่สร้างคุณค่า แล้วค่อยขยายผลโดยอาศัยหลักฐานที่ชัดเจน ทั้งการมอบเครื่องมือให้บุคลากร ช่วยให้พวกเขาออกแบบวิธีทำงานใหม่ กำหนดความรับผิดชอบให้ชัดเจน และวัดผลลัพธ์ที่เกิดขึ้น

การปิดบัญชีให้เสร็จได้ทันทีและการปรับประมาณการอย่างต่อเนื่องล้วนสะท้อนเป้าหมายสำคัญ นั่นคือการพัฒนาทีมการเงินที่เข้าใจความเคลื่อนไหวในทันที ช่วยให้ผู้นำมองเห็นสิ่งที่อาจเกิดขึ้นต่อไป และช่วยให้บริษัทตัดสินใจได้ดีขึ้นและรวดเร็วยิ่งขึ้น

ผลลัพธ์ที่ได้คือทีมการเงินมีศักยภาพรองรับงานได้มากขึ้น และ CFO มองเห็นภาพธุรกิจได้ชัดเจนยิ่งขึ้น นอกจากนี้ ยังเป็นต้นแบบให้องค์กรทั้งองค์กรนำความสามารถของ AI มาสร้างคุณค่าที่ยั่งยืนได้อีกด้วย ดังที่ฉันพูดอยู่เสมอว่า หากเรายังมองไม่เห็นภาพ เราก็ไม่อาจก้าวไปสู่จุดนั้นได้ หากเราอยากให้ทีมการเงินเห็นและเปิดรับศักยภาพของ AI เราต้องแสดงให้พวกเขาเห็นภาพ และในฐานะ CFO เราต้องเริ่มจากตัวเอง

ทีมการเงินของฉันได้แสดงให้เห็นว่าแนวทางนี้เกิดขึ้นจริงได้อย่างไร โดยคุณสามารถรับชมบันทึกวิดีโอได้ที่นี่⁠(เปิดในหน้าต่างใหม่)