Performance Review · Director of woxalabs

01 · บทนำ เกี่ยวกับทีม

woxalabs · ขับเคลื่อนกระบวนการทำงานด้วย AIThe team that drives its entire workflow with AI: development, research, and operations.

ครึ่งปีแรกเป็นการตั้งทีมจากคนที่มีประสบการณ์ไม่มาก แล้ววางกระบวนการทำงานใหม่ที่ให้ AI เป็นกำลังเสริมในทุกขั้นตอน ทั้งการพัฒนา การประสานงาน และการตรวจสอบงาน โดยเน้นให้ทีมใช้ AI ได้อย่างมีประสิทธิภาพ ไม่ใช่แค่มีเครื่องมือ

ผลลัพธ์คือทีมขนาดเล็กที่ส่งมอบระบบระดับ production ที่เปิดใช้งานจริง ซึ่งสะท้อนว่าเมื่อวางกระบวนการให้เหมาะสม ทีมทำงานได้เกินกว่าขนาดและประสบการณ์ของตัวเอง

02 · Flagship Production · Launched

iux24 · ใช้รากฐาน AI เพื่อเป็นแพลตฟอร์มการเงินการลงทุนชั้นนำBuilding on AI foundations to become a leading finance & investment platform.

บทบาทคือคุมการพัฒนาและ R&D ตั้งแต่วันแรก โดยรับ concept ทิศทางแพลตฟอร์มจาก CEO แล้วต่อยอดให้เป็นระบบจริง โดยวาง AI เป็นรากฐานของทั้งแพลตฟอร์ม ตั้งแต่การนำข่าวมาวิเคราะห์ ไปจนถึงข่าว → flash → signal เพื่อเป้าหมายในการเป็นแพลตฟอร์มการเงินการลงทุนชั้นนำ

รากฐาน AI-native→แพลตฟอร์มการเงินการลงทุนชั้นนำ

iux24 feed — **Feed** · ข่าวที่ AI วิเคราะห์ + Market Overview + Ask X24

market thai — **รองรับหลายภาษา** · หน้า Market ฉบับภาษาไทย

asset detail — **Asset detail** · Financial · Options · Dark Pool · Holder

CAPABILITY 01

AI News Engine · จาก raw data สู่ข่าวจริงหลายภาษาFrom raw data to real, multilingual news, with reasoning.

ระบบนำ raw data ของข่าวมาให้ AI วิเคราะห์และเขียนออกมาเป็นข่าวจริงที่รองรับหลายภาษา พร้อมแสดง assets ที่เกี่ยวข้องซึ่งสอดคล้องกับ "เหตุผล" ที่รองรับข่าวนั้น จากนั้นแปลงข่าวเป็น flash → signal โดยศึกษาพฤติกรรมผู้อ่านที่ต้องการความเร็ว ข้อมูลอ้างอิงถูกต้อง หลักคือ iux24 serve ข้อมูลให้ครบ แล้วให้ user ตัดสินใจ

Raw data→AI Analysis + Writing→News→Flash→Signal

MultilingualReason-backed assetsReading-behavior drivenUser decides

news article — **ข่าวจริงที่ AI เขียน** · Related Assets + X24 Perspective ในบทความ

news detail — **เหตุผล + ข้อมูลประกอบ** · กราฟ asset ฝังในบทความ + callout อธิบาย

**Flash** · ข่าวถูกย่อยเป็น flash วางบนกราฟ (bull/bear + ความสำคัญ)

signal — **Signal** · Interesting Zone พร้อม Entry / Take Profit / Stop Loss

CAPABILITY 02

X24 AI · AI chat ที่แข่งด้วย harness ที่ออกแบบเองAI chat that competes on the harness, not just the model.

วางโครงสร้างให้ AI เรียกใช้ tools ใน ecosystem ที่ออกแบบไว้ ทั้งข่าวที่ระบบสร้างเอง และการดึงข้อมูลการเงินมาประกอบการตอบ ตาม best practice ลดการใช้ token ให้ทุก input ไม่เสียเปล่า เพราะการทำ AI chat ให้ดีไม่ใช่แค่เลือก model ฉลาด แต่คือการวาง harness ให้ตรงกับผลลัพธ์ที่ต้องการ

Tool-use ecosystemNews + Financial dataToken-efficientHarness engineering

ask x24 — **Ask X24** · จุดเริ่มบทสนทนา พร้อมโหมด Quant

technical — **Technical + เหตุผล** · ดึงราคา + RSI/MACD สรุปเป็นภาษาคน

bull bear — **วิเคราะห์สองด้าน** · Bullish / Bearish + ข่าวอ้างอิง

trading setup — **Trading Setup ลงมือได้** · Entry / TP / SL + Risk/Reward

CAPABILITY 03

เครื่องมือวิเคราะห์แบบ Interactive ที่ AI สร้างให้AI that doesn't just answer · it builds interactive tools.

สิ่งที่ทำให้ X24 AI ต่างออกไปคือ คำตอบไม่ได้จบที่ข้อความ แต่ AI สร้างเครื่องมือ interactive ให้ผู้ใช้ปรับตัวแปรและทดลองเองได้ ทั้ง backtest กลยุทธ์ เครื่องจำลองการออม/เกษียณ และ options simulator

Quant backtestRetirement plannerOptions simulatorGenerative UI

options — **Options simulator** · จำลอง payoff ตาม volatility / วันหมดอายุ

CAPABILITY 04

AI-Native Foundations · วางรากฐานข้อมูลสำหรับยุค AIData foundations built for the AI era.

นอกจาก feature ที่เห็นได้ ยังวางรากฐานเบื้องหลังที่สำคัญกว่า · การเก็บข้อมูลในรูปแบบ vector เพื่อให้ AI ค้นและใช้ได้จริง และการเก็บ พฤติกรรมของ user เพื่อส่งต่อสู่การวิเคราะห์ ทำให้ทุก feature ถัดไปต่อยอดบนรากฐานเดียวกัน

Vector storageBehavioral dataComposableAI-native by design

02 · Platform Reusable core

AI Agent Harness · โครงกลางด้านการเงินการลงทุน ที่ทุกทีมต่อยอดได้Build the finance-AI agent harness once, so every team adapts and no one rebuilds.

หัวใจของการสร้าง AI agent ที่ดีไม่ได้อยู่ที่การเลือก model ที่ฉลาดที่สุด แต่อยู่ที่ “harness” คือวิธีป้อน context, เรียกใช้ tools, คุม cost และวาง guardrail ให้ได้ผลลัพธ์จริง

เราพิสูจน์ harness นี้แล้วกับ X24 AI จากนั้นถอดออกมาเป็น “โครงกลาง” ที่วางไว้ครั้งเดียว ตั้งแต่การเก็บข้อมูลไปจนถึง harness ที่ใช้ซ้ำได้ ทีมอื่นแค่ ปรับให้เข้ากับงานของตัวเอง ก็ได้ agent พร้อมใช้ ลดเวลาพัฒนาลงอย่างมาก

เก็บ + วางชั้นข้อมูล→ Central Agent Harness→ แต่ละทีมปรับใช้

Data foundation ก่อนData first: the shared substrate.

เริ่มจากเก็บข้อมูล: ingest raw → normalize → vector + behavioral เป็นชั้นข้อมูลกลางที่ทุก agent เรียกใช้ร่วมกัน

Central harness (โครงกลาง)One standardized core.

tool-use ecosystem · context assembly · retrieval · guardrails / permission · token & cost tracking เป็นมาตรฐานเดียว ใช้ซ้ำได้

Team adaptation layerPlug & adapt.

แต่ละทีม plug tools / prompts / scope ของตัวเองเข้าไป ไม่ต้องสร้าง plumbing ใหม่ทั้งหมด

OutcomeFaster, standardized, leverageable.

ลด time-to-agent, มาตรฐานเดียวทั้งองค์กร, ต่อยอดและ leverage ได้จริง

Proven in X24 AIData ingestionVector storeReusable harnessGuardrailsCost trackingPlug-and-adapt

03 · Cross-team Working across teams

พาทีมเข้าไปร่วมพัฒนากับทีมอื่นLeading teams into cross-functional builds.

Phase 1 · Dev Lead

alphola

ร่วมนำทีมพัฒนา alphola ใน Phase 1 · คุมทีมวางโครงสร้างการพัฒนา และร่วมแสดงความเห็นเชิงทิศทางของงาน เพื่อให้ทีมมีฐานที่มั่นคงตั้งแต่ต้น

R&D · Team Lead

risk tech · Abuse Trader Detection Model

พาทีมทำงานร่วมกับ risk tech เพื่อสร้าง model หา abuse trader โดยรับข้อมูล transaction พฤติกรรมการเทรดของ user มาวิเคราะห์หาความผิดปกติ

ยังไม่สมบูรณ์ถึงขั้นใช้งาน production ได้ทันที แต่วางรากฐานและมิติของการพัฒนาให้เห็น · เป็นฐานสำหรับต่อยอด solution และนำงานวิจัยของผู้อื่นมาวิเคราะห์เพิ่ม เพื่อให้ detect ได้จริงในอนาคต

04 · Enablement Advisory & Internal R&D

ผลักดันให้องค์กรเริ่มใช้ AI จริงAdvising the org on adopting AI · and building the tools to do it.

เป็นที่ปรึกษาและทดลองทำ project AI ที่ใช้ได้จริงภายในองค์กร โดยเริ่มขับเคลื่อนจากทีม labs เล็ก ๆ ให้เห็น usage ที่ตอบโจทย์ผู้ใช้งานจริง

Claude Co-worker (Claude Code)Introducing Claude Code as a day-to-day co-worker.

นำ Claude Code มาใช้เป็นเพื่อนร่วมงาน วางการใช้งานเบื้องต้น และนำเสนอ usage ที่ตอบโจทย์ผู้ใช้จริง เพื่อให้คนในองค์กรเห็นภาพว่า AI ช่วยงานประจำวันได้อย่างไร

Hermes · เลขาส่วนตัวของทีมAn AI secretary that coordinates, researches, and routes work.

วางระบบ Hermes ให้ทีมนำร่องใช้ AI เป็นผู้ช่วยหลายด้าน

ประสานงานResearchDevelopHandoffSummarizeIssue intakeMonitoring → routing

03 · FEATURED

Claude LabsOne Claude Code agent on a server, behind a co-work-style UI for the whole team.

นำ concept ของ Claude Code เพียง 1 account ไปวางไว้บน server แล้วสร้างหน้า UI ที่อิง UX แบบ co-work ราว 80% · มีทั้ง Projects, Schedules, Connectors, Plugins, Templates และ Agents & skills พร้อมโหมด permission (plan / acceptEdits / approve) และติดตาม session cost/context ได้จริง โดยใช้ R2 ในการรับ-ส่งและเก็บไฟล์อย่างปลอดภัย

Claude Code on serverCo-work UX ~80%Human-in-the-loopR2 file storageSession cost tracking

labs home — **หน้าใช้งาน** · sidebar ครบ (Projects / Skills 38 / Templates) + permission mode

labs run — **รันจริง** · reasoning + tool use + session cost/context ($0.68 · 9 turns · 313k ctx)

04 · FEATURED

AI Voice ChatTalk to the AI · and let it operate the web for you, by voice.

พัฒนาต่อยอดจาก model ของ provider ให้โต้ตอบด้วยเสียงแทนการพิมพ์ ไม่ใช่แค่คุย · AI ยัง สั่งงานหน้าเว็บได้ด้วยเสียง (คลิก / พิมพ์ / เลื่อน) พร้อม side panel บอร์ดงานและปฏิทิน เป็นการวางรากฐานการมีปฏิสัมพันธ์กับ AI ที่เป็นธรรมชาติและเร็วขึ้น

Voice interactionVoice-driven web controlTask boardCalendar

ai voice — **Voice agent** · สั่งเสียงให้คลิก/พิมพ์/เลื่อนบนเว็บ iux24 · call controls · บอร์ดงาน + ปฏิทิน

06 · The Foundation Why this phase mattered

รากฐานที่ส่งต่อได้ สำคัญกว่า feature ที่ส่งมอบA foundation others can build on, worth more than any single feature.

ครึ่งปีที่ผ่านมาคือ phase ของการวางรากฐาน · ทั้งรากฐานของ "ทีมที่ทำงานร่วมกับ AI" และรากฐานของ "เครื่องมือ" ที่พร้อมส่งต่อและต่อยอดให้กับองค์กร ให้ทั้งองค์กรใช้ AI แบบ native ตั้งแต่กระบวนการทำงานไปจนถึงการส่งต่องานได้อย่างลื่นไหล

เป้าหมายปลายทางคือ ทีมที่เข้ามาต่อยอดอย่างน้อยต้องเข้าใจวิธีการทำงานนี้ แล้ว adapt เพื่อขยายผลได้กว้างขึ้นแบบ leverage โดยทั้งหมดเริ่มขับเคลื่อนจากทีม labs เล็ก ๆ

รากฐานทีม (People)

ทีมประสบการณ์น้อย → ทำงานระดับ production ได้ ด้วย process ที่มี AI เป็นแกน

รากฐานเครื่องมือ (Tools)

Claude Labs, Hermes, Voice · พร้อมส่งต่อให้ทีมอื่นหยิบไปใช้ทันที

รากฐานข้อมูล (Data)

Vector + behavioral data ที่ทำให้ feature ถัดไปต่อยอดได้บนฐานเดียวกัน

รากฐานวัฒนธรรม (Workflow)

การส่งต่องานแบบ AI-native ที่ทีมอื่น adapt แล้ว leverage ต่อได้

ผลงานของ
Chingchana Polcha