AIRA-X™ Framework — อ้างอิงสำหรับทีม Sales
ใช้สำหรับ pitch credibility, ดำเนิน workshop, และตอบคำถาม Q&A ในภาษาไทย — Source: AIRAX_Training_Script_V3 (49 slides)
AIRA-X™ Framework Reference
Sales + consultant reference. Use for pitching credibility, running sessions, and answering Thai client Q&A. Source: AIRAX_Training_Script_V3 (49 slides).
ชื่อเต็ม
AIRA-X™ = AI Readiness, Architecture & Execution
AIRA-X ย่อมาจาก AI Readiness, Architecture & Execution — เป็น framework 5 phases ที่ Go Digit พัฒนาจากงานจริง ไม่ใช่ academic theory เชื่อม strategy กับ execution เข้าด้วยกัน และวัดผล business impact ได้จริง
1. มี structure ชัดเจน 5 phases
ไม่ใช่ ad-hoc consulting
2. จากงาน implementation จริง
ไม่ใช่ academic framework
3. เชื่อม Strategy → Execution
วัดผล business impact ได้จริง
FULL NAME
AIRA-X™ = AI Readiness, Architecture & Execution
"Structured, five-phase AI transformation framework — grounded from real implementation, bridging strategy, execution plan, and measurable business impact."
1. Structured, five-phase
ไม่ใช่ ad-hoc consulting
2. Real implementation
ไม่ใช่ academic framework
3. Strategy → Execution bridge
เชื่อม strategy กับ execution
💰 ราคา Products — Quick Reference
| Product | ราคา | ระยะเวลา | เวลาลูกค้า | สิ่งที่ได้รับ |
|---|---|---|---|---|
| AIRA-X Scan | ฟรี | 90 นาที | 90 นาที (1 exec) | Verbal readout + email summary |
| AIRA-X Discover | ฿360,000 | 4 สัปดาห์ | ~30 ชั่วโมง | 7 deliverables · Phase 1–2 |
| AIRA-X Transform | ฿850,000 | 11–20 สัปดาห์ | ~50–70 ชั่วโมง | 14 deliverables · Phase 1–5 |
Discount floors (INTERNAL — ห้ามบอกลูกค้า): Discover ฿300K · Transform ฿700K · Minimum commitment 3 months Lite / 6 months Pro+
💰 Product Pricing Quick Reference
| Product | Price | Duration | Client Time | Deliverables |
|---|---|---|---|---|
| AIRA-X Scan | ฟรี | 90 นาที | 90 min (1 exec) | Verbal readout + email summary |
| AIRA-X Discover | ฿360,000 | 4 สัปดาห์ | ~30 ชั่วโมง | 7 deliverables · Phase 1–2 |
| AIRA-X Transform | ฿850,000 | 11–20 สัปดาห์ | ~50–70 ชั่วโมง | 14 deliverables · Phase 1–5 |
Discount floors (INTERNAL — never reveal to client): Discover ฿300K · Transform ฿700K · Minimum commitment 3 months Lite / 6 months Pro+
🏛️ 12 World-Class Standards Referenced
ใช้ตอน pitch credibility: "Framework เราไม่ได้คิดขึ้นเอง — grounded จาก PMI, AWS, McKinsey, BCG, SAFe — แต่ปรับให้เข้ากับ AI implementation context ในประเทศไทย"
| Standard | ใช้ใน Phase | Purpose |
|---|---|---|
| PMI PMBOK 8th Edition | Phase 5 | Project management methodology |
| AWS Well-Architected Framework | Phase 4 | Architecture review |
| McKinsey Digital Quotient (DQ) | Phase 1 | AI maturity assessment |
| BCG Value-Feasibility Matrix | Phase 3 | Use case prioritization |
| SAFe 6.0 | Phase 4–5 | Wave planning & agile delivery |
| DAMA DMBOK (6 dimensions) | Phase 1 | Data quality assessment |
🏛️ 12 World-Class Standards Referenced
Use when pitching credibility: "Framework เราไม่ได้คิดขึ้นเอง — grounded จาก PMI, AWS, McKinsey, BCG, SAFe — แต่ปรับให้เข้ากับ AI implementation context ในประเทศไทย"
| Standard | Used in Phase | Purpose |
|---|---|---|
| PMI PMBOK 8th Edition | Phase 5 | Project management methodology |
| AWS Well-Architected Framework | Phase 4 | Architecture review |
| McKinsey Digital Quotient (DQ) | Phase 1 | AI maturity assessment |
| BCG Value-Feasibility Matrix | Phase 3 | Use case prioritization |
| SAFe 6.0 | Phase 4–5 | Wave planning & agile delivery |
| DAMA DMBOK (6 dimensions) | Phase 1 | Data quality assessment |
🪜 AI Impact Ladder (4 ระดับ)
ใช้ใน Phase 1 Session 1 — ให้ผู้บริหาร self-assess ว่าองค์กรอยู่ Level ไหน และอยากขึ้นไปถึง Level ไหน → Gap นั้นคือ opportunity ของเรา
| Level | AI เป็น | Impact | Scope | Products ที่ขาย |
|---|---|---|---|---|
| 1 — Efficiency | Tool | ลด time & cost | Individual | Quick Win Sprint |
| 2 — Augmentation | Co-pilot | ช่วย human ทำงานดีขึ้น | Function | AIRA-X Discover + Sprint |
| 3 — Process Transformation | System | Redesign workflow | Cross-functional | AIRA-X Transform + Implementation |
| 4 — Business Transformation | Core Driver | สร้าง business model ใหม่ | Enterprise | Transform + Retainer (full engagement) |
Key insight: องค์กรไทยส่วนใหญ่อยู่ที่ Level 1–2 แต่ sustainable competitive advantage สร้างได้จาก Level 3–4 เท่านั้น
คำถาม diagnostic: "ตอนนี้คิดว่าองค์กรอยู่ Level ไหน และอยากไปถึง Level ไหนใน 24 เดือน?"
Gap ระหว่าง current กับ target = ขนาดของ opportunity ที่เราจะช่วยสร้าง
คำถาม diagnostic: "ตอนนี้คิดว่าองค์กรอยู่ Level ไหน และอยากไปถึง Level ไหนใน 24 เดือน?"
Gap ระหว่าง current กับ target = ขนาดของ opportunity ที่เราจะช่วยสร้าง
"ทุกท่านช่วย self-assess ก่อนนะครับว่าตอนนี้องค์กรอยู่ที่ Level ไหน และอยากไปถึง Level ไหนใน 24 เดือน — ถ้า gap ระหว่าง current กับ target ชัดเจน นั่นคือ roadmap ที่เราจะช่วยสร้าง"
🪜 AI Impact Ladder (4 Levels)
ใช้ใน Phase 1 Session 1 — ให้ผู้บริหาร self-assess และ align ambition
| Level | AI เป็น | Impact | Scope | Products We Sell |
|---|---|---|---|---|
| 1 — Efficiency | Tool | ลด time & cost | Individual | Quick Win Sprint |
| 2 — Augmentation | Co-pilot | ช่วย human ทำงานดีขึ้น | Function | AIRA-X Discover + Sprint |
| 3 — Process Transformation | System | Redesign workflow | Cross-functional | AIRA-X Transform + Implementation |
| 4 — Business Transformation | Core Driver | สร้าง business model ใหม่ | Enterprise | Transform + Retainer (full engagement) |
Key insight: Most Thai organizations อยู่ที่ Level 1–2 แต่ sustainable competitive advantage สร้างจาก Level 3–4.
Diagnostic question: "ตอนนี้คิดว่าองค์กรอยู่ Level ไหน และอยากไปถึง Level ไหนใน 24 เดือน?"
Gap between current & target = size of our opportunity.
Diagnostic question: "ตอนนี้คิดว่าองค์กรอยู่ Level ไหน และอยากไปถึง Level ไหนใน 24 เดือน?"
Gap between current & target = size of our opportunity.
"ทุกท่านช่วย self-assess ก่อนนะครับว่าตอนนี้องค์กรอยู่ที่ Level ไหน และอยากไปถึง Level ไหนใน 24 เดือน — ถ้า gap ระหว่าง current กับ target ชัดเจน นั่นคือ roadmap ที่เราจะช่วยสร้าง"
⚙️ 5 AI Strategic Levers
ใช้ตอบคำถาม "ลงทุน AI ไปทางไหนจะได้ impact สูงสุด?" — ให้ผู้บริหารแต่ละคน rank 5 levers ตาม priority แล้ว surface ความขัดแย้ง เช่น CEO เลือก Revenue Growth แต่ CFO เลือก Cost Reduction → align ก่อนเดินหน้า Lever ranking นี้จะ cascade ไปใน Phase 2–3
| Lever | การใช้งาน | ตัวอย่าง |
|---|---|---|
| 1. Revenue Growth | เพิ่ม top-line | AI personalization, sales acceleration, pricing optimization |
| 2. Cost & Productivity | ลดต้นทุน | Automate repetitive tasks, eliminate rework |
| 3. Customer Experience | ยกระดับ CX | Chatbot, hyper-personalization, real-time response |
| 4. Decision Intelligence | ช่วยตัดสินใจ | Demand forecasting, churn prediction |
| 5. Business Model | สร้าง revenue stream ใหม่ | AI-driven platform, monetize data assets |
⚙️ 5 AI Strategic Levers
ใช้ตอบ: "ลงทุน AI ไปทางไหนจะได้ impact สูงสุด?" — ให้ผู้บริหารแต่ละคน rank ตาม priority แล้ว surface ความขัดแย้ง (เช่น CEO เลือก Revenue Growth แต่ CFO เลือก Cost Reduction → align ก่อนเดินหน้า)
| Lever | การใช้งาน | ตัวอย่าง |
|---|---|---|
| 1. Revenue Growth | เพิ่ม top-line | AI personalization, sales acceleration, pricing optimization |
| 2. Cost & Productivity | ลดต้นทุน | Automate repetitive tasks, eliminate rework |
| 3. Customer Experience | ยกระดับ CX | Chatbot, hyper-personalization, real-time response |
| 4. Decision Intelligence | ช่วยตัดสินใจ | Demand forecasting, churn prediction |
| 5. Business Model | สร้าง revenue stream ใหม่ | AI-driven platform, monetize data assets |
🗺️ Customer Journey Framing (Slide 9)
ใช้เปิด pitch — แสดงว่าลูกค้าอยู่ที่จุดไหน และเราจะช่วยพาไปถึงจุดไหน journey นี้ flexible ลูกค้าไม่ต้องเริ่มจาก step 1 เสมอไป
"Customer journey มี 4 ขั้นตอน:
01 Discover — 'คุณรู้ว่า AI สำคัญ แต่ยังไม่รู้จะเริ่มตรงไหน' → AIRA-X Scan (ฟรี)
02 Strategize — 'คุณมี budget และ ambition แต่ยังไม่มี roadmap ที่ board เชื่อมั่นได้' → AIRA-X Discover / Transform
03 Build — 'คุณมีแผนแล้ว แต่ไม่มีใครที่จะ build ได้จริง' → Quick Win Sprint หรือ Enterprise Implementation
04 Evolve — 'ระบบ live แล้ว แต่ใครจะดูแล optimize?' → AI Build & Run Retainer
จุดสำคัญ: journey นี้ flexible — ลูกค้าไม่จำเป็นต้องเริ่มจาก step 1 ถ้ามี use case ชัดเจนแล้ว สามารถเข้าที่ Build ได้เลย"
Journey → Product Map
| 01 Discover | AIRA-X Scan (ฟรี) |
| 02 Strategize | AIRA-X Discover ฿360K ⭐ AIRA-X Transform ฿850K |
| 03 Build | Quick Win Sprint ฿300K–฿1.5M Enterprise Implementation ฿5M/฿10M |
| 04 Evolve | AI Build & Run ฿150K–฿400K/mo ⭐ |
🗺️ Customer Journey Framing (Slide 9)
"Customer journey มี 4 ขั้นตอน:
01 Discover — 'คุณรู้ว่า AI สำคัญ แต่ยังไม่รู้จะเริ่มตรงไหน' → AIRA-X Scan (ฟรี)
02 Strategize — 'คุณมี budget และ ambition แต่ยังไม่มี roadmap ที่ board เชื่อมั่นได้' → AIRA-X Discover / Transform
03 Build — 'คุณมีแผนแล้ว แต่ไม่มีใครที่จะ build ได้จริง' → Quick Win Sprint หรือ Enterprise Implementation
04 Evolve — 'ระบบ live แล้ว แต่ใครจะดูแล optimize?' → AI Build & Run Retainer
จุดสำคัญ: journey นี้ flexible — ถ้ามี use case ชัดเจนแล้ว สามารถเข้าที่ Build ได้เลย"
Journey → Product Map
| 01 Discover | AIRA-X Scan (Free) |
| 02 Strategize | AIRA-X Discover ฿360K ⭐ AIRA-X Transform ฿850K |
| 03 Build | Quick Win Sprint ฿300K–฿1.5M Enterprise Implementation ฿5M/฿10M |
| 04 Evolve | AI Build & Run ฿150K–฿400K/mo ⭐ |
🤝 Three Commitments — Closing Script
อ่านช้าๆ เน้นทุกคำ — ใช้เป็น closing statement ตอน pitch (Slide 17) สามประโยคนี้สร้างความเชื่อมั่นให้ทั้ง CEO และ CFO
Commitment 1
"เราจะไม่แนะนำ AI ในจุดที่ AI ไม่ควรอยู่ Phase ASSESS จะ surface barriers ก่อน investment ถ้าองค์กรยังไม่พร้อม เราจะบอกตรงๆ"
Commitment 2
"ทุก initiative จะมี quantified business case ก่อนที่จะใช้เงินแม้แต่บาทเดียว Phase RATIONALIZE จะ protect capital ทางคณิตศาสตร์ CFO สามารถ verify ได้ด้วยตัวเอง"
Commitment 3
"คุณจะได้รับ steering committee-ready implementation package — ไม่ใช่ PowerPoint Phase EXECUTION PLAN จะ deliver signed Project Charter + Detail Architecture + Cost/Timeline ที่ steering committee approve ได้ทันที"
🤝 Three Commitments — Closing Script
อ่านช้าๆ เน้นทุกคำ — ใช้เป็น closing statement ตอน pitch (Slide 17)
Commitment 1
"เราจะไม่แนะนำ AI ในจุดที่ AI ไม่ควรอยู่ Phase ASSESS จะ surface barriers ก่อน investment ถ้าองค์กรยังไม่พร้อม เราจะบอกตรงๆ"
Commitment 2
"ทุก initiative จะมี quantified business case ก่อนที่จะใช้เงินแม้แต่บาทเดียว Phase RATIONALIZE จะ protect capital ทางคณิตศาสตร์ CFO สามารถ verify ได้ด้วยตัวเอง"
Commitment 3
"คุณจะได้รับ steering committee-ready implementation package — ไม่ใช่ PowerPoint Phase EXECUTION PLAN จะ deliver signed Project Charter + Detail Architecture + Cost/Timeline ที่ steering committee approve ได้ทันที"
📋 Phase 1 Session Breakdown (สำหรับ Consultant)
ใช้เตรียมตัวก่อน engage ลูกค้า — แต่ละ session มีวัตถุประสงค์ต่างกัน ต้องจัดคน (participants) ให้ตรงกับ session ที่ทำ
| Session | รูปแบบ | ระยะเวลา | ผู้เข้าร่วม |
|---|---|---|---|
| S0 Pre-engagement | Async (questionnaire) | — | All stakeholders |
| S1 Exec Alignment Workshop | Half-day | 4 ชั่วโมง | C-suite |
| S2 Workflow Deep Dive | Full-day/dept | 6–8 ชั่วโมง | Process owners |
| S3 Data & Tech Assessment | Half-day | 4 ชั่วโมง | IT/data team |
| S4 People & Culture | Half-day | 4 ชั่วโมง | HR + dept heads |
| S5 Diagnostic Synthesis & Readout | Half-day | 4 ชั่วโมง | Exec + process owners |
S1 Block Structure — Exec Alignment Workshop
Workshop 4 ชั่วโมงที่ C-suite ต้องมา — นี่คือ session ที่สำคัญที่สุดใน Phase 1
| Block | เนื้อหา | ระยะเวลา |
|---|---|---|
| Block 0 | AI Possibility Framing — AI Impact Ladder + Strategic Levers | 30–40 นาที |
| Block 1 | Strategic Vision & AI Ambition | 50 นาที |
| Block 2 | Pain Point & Opportunity Framing | 45 นาที |
| Block 3 | Investment & Decision Framework (budget, risk, kill criteria) | 40 นาที |
| Block 4 | Governance & Success Definition | 25 นาที |
📋 Phase 1 Session Breakdown (Consultant Reference)
| Session | Format | Duration | Participants |
|---|---|---|---|
| S0 Pre-engagement | Async (questionnaire) | — | All stakeholders |
| S1 Exec Alignment Workshop | Half-day | 4 hrs | C-suite |
| S2 Workflow Deep Dive | Full-day/dept | 6–8 hrs | Process owners |
| S3 Data & Tech Assessment | Half-day | 4 hrs | IT/data team |
| S4 People & Culture | Half-day | 4 hrs | HR + dept heads |
| S5 Diagnostic Synthesis & Readout | Half-day | 4 hrs | Exec + process owners |
S1 Block Structure (Exec Alignment Workshop)
| Block | Content | Duration |
|---|---|---|
| Block 0 | AI Possibility Framing — AI Impact Ladder + Strategic Levers | 30–40 min |
| Block 1 | Strategic Vision & AI Ambition | 50 min |
| Block 2 | Pain Point & Opportunity Framing | 45 min |
| Block 3 | Investment & Decision Framework (budget, risk, kill criteria) | 40 min |
| Block 4 | Governance & Success Definition | 25 min |
🗣️ Thai Q&A Scripts (จาก Training Script)
Positioning
| "GoDigit ต่างจาก consulting firm อื่นอย่างไร?" | "GoDigit เป็น AI strategy, build, and run firm — เรา consult และ implement เอง ไม่มี handoff ให้ vendor ภายนอก ทีมที่ทำ diagnostic คือทีมเดียวกันกับที่ build และ run" |
| "AIRA-X ย่อมาจากอะไร?" | "AI Readiness, Architecture & Execution — ครอบคลุมตั้งแต่การประเมินความพร้อม ออกแบบสถาปัตยกรรม ไปจนถึงแผนปฏิบัติ" |
Pricing & Packaging
| "AI Readiness Check ฟรีจริงหรือ?" | "ครับ เป็น 90-minute consultation ฟรี ไม่มีข้อผูกมัด สูงสุด 2 sessions ต่อบริษัท เราจะ assess AI maturity เบื้องต้นและให้ verbal roadmap recommendation" |
| "ทำไมราคา Discover กับ Transform ต่างกันขนาดนี้?" | "Discover ทำ 2 Phases ได้ diagnosis + portfolio · Transform ทำ 5 Phases ได้ถึง steering committee-ready implementation package — รวม ROI justification, roadmap, architecture, project charter ที่ใช้ขอ budget ได้เลย" |
| "ลูกค้าต้องลงแรงเท่าไหร่?" | "Discover: ประมาณ 30 ชั่วโมงตลอด 4 สัปดาห์ · Transform: ประมาณ 50–70 ชั่วโมง · เพราะ Cascade Design — ข้อมูลจาก Phase ก่อน inherit ไปใช้ใน Phase ถัดไป ลด interview time ได้ 30–40%" |
| "ทำ Phase 1–2 ก่อนแล้วค่อยตัดสินใจทำ Phase 3–5 ได้ไหม?" | "ได้ครับ เป็น modular design — ทำ Discover (Phase 1–2) ก่อนก็ได้ แล้ว upgrade ไป Transform ภายหลัง" |
| "ถ้ามีหลาย department ทำได้ไหม?" | "ได้ครับ pricing ข้างต้นคือต่อ 1 department — scope เพิ่มขึ้น cost จะปรับตาม" |
Objection Handling
| "ถ้า assess แล้วพบว่าองค์กรไม่พร้อม จะเกิดอะไรขึ้น?" | "เราจะบอกตรงๆ พร้อม recommendation ว่าควรแก้อะไรก่อน เช่น data quality, infrastructure — อาจหมายความว่าต้อง invest ใน foundation ก่อน 6–12 เดือน — เรื่องนี้เราจะไม่ขาย service ที่ลูกค้ายังไม่พร้อม" |
| "70% ของ AI initiatives ล้มเหลว — มาจากไหน?" | "จาก McKinsey Global AI Survey ซึ่งทำทุกปี ตัวเลขนี้ consistent มาหลายปี Gartner ก็ให้ตัวเลขใกล้เคียงกัน" |
| "Framework มาตรฐานสากลอะไรบ้างที่ใช้?" | "หลักๆ คือ PMI PMBOK 8th, AWS Well-Architected, McKinsey DQ, BCG Value-Feasibility Matrix, SAFe 6.0, DAMA DMBOK — รวม 12 frameworks ที่ integrate เข้าด้วยกัน" |
| "Impact วัดได้จริงไหม?" | "ได้ครับ Phase 3 จะ calculate ROI เป็นตัวเลข ลูกค้าสามารถ compare ก่อน-หลังได้เลย — ไม่ใช่ aspirational estimate แต่ build จาก data จริงขององค์กร" |
| "ทำไม client time ถึงน้อยแค่ 50–70 ชั่วโมง?" | "เพราะ Cascade Design — ข้อมูลจาก Phase ก่อน inherit ไปใช้ใน Phase ถัดไป ไม่ต้องถามซ้ำ ลด interview time ได้ 30–40%" |
🗣️ Thai Q&A Scripts (From Training Script)
Positioning
| "GoDigit ต่างจาก consulting firm อื่นอย่างไร?" | "GoDigit เป็น AI strategy, build, and run firm — เรา consult และ implement เอง ไม่มี handoff ให้ vendor ภายนอก ทีมที่ทำ diagnostic คือทีมเดียวกันกับที่ build และ run" |
| "AIRA-X ย่อมาจากอะไร?" | "AI Readiness, Architecture & Execution — ครอบคลุมตั้งแต่การประเมินความพร้อม ออกแบบสถาปัตยกรรม ไปจนถึงแผนปฏิบัติ" |
Pricing & Packaging
| "AI Readiness Check ฟรีจริงหรือ?" | "ครับ เป็น 90-minute consultation ฟรี ไม่มีข้อผูกมัด สูงสุด 2 sessions ต่อบริษัท เราจะ assess AI maturity เบื้องต้นและให้ verbal roadmap recommendation" |
| "ทำไมราคา Discover กับ Transform ต่างกันขนาดนี้?" | "Discover ทำ 2 Phases ได้ diagnosis + portfolio · Transform ทำ 5 Phases ได้ถึง steering committee-ready implementation package — รวม ROI justification, roadmap, architecture, project charter ที่ใช้ขอ budget ได้เลย" |
| "ลูกค้าต้องลงแรงเท่าไหร่?" | "Discover: ประมาณ 30 ชั่วโมงตลอด 4 สัปดาห์ · Transform: ประมาณ 50–70 ชั่วโมง · เพราะ Cascade Design — ข้อมูลจาก Phase ก่อน inherit ไปใช้ใน Phase ถัดไป ลด interview time ได้ 30–40%" |
| "ทำ Phase 1–2 ก่อนแล้วค่อยตัดสินใจทำ Phase 3–5 ได้ไหม?" | "ได้ครับ เป็น modular design — ทำ Discover (Phase 1–2) ก่อนก็ได้ แล้ว upgrade ไป Transform ภายหลัง" |
| "ถ้ามีหลาย department ทำได้ไหม?" | "ได้ครับ pricing ข้างต้นคือต่อ 1 department — scope เพิ่มขึ้น cost จะปรับตาม" |
Objection Handling
| "ถ้า assess แล้วพบว่าองค์กรไม่พร้อม จะเกิดอะไรขึ้น?" | "เราจะบอกตรงๆ พร้อม recommendation ว่าควรแก้อะไรก่อน เช่น data quality, infrastructure — อาจหมายความว่าต้อง invest ใน foundation ก่อน 6–12 เดือน — เรื่องนี้เราจะไม่ขาย service ที่ลูกค้ายังไม่พร้อม" |
| "70% ของ AI initiatives ล้มเหลว — มาจากไหน?" | "จาก McKinsey Global AI Survey ซึ่งทำทุกปี ตัวเลขนี้ consistent มาหลายปี Gartner ก็ให้ตัวเลขใกล้เคียงกัน" |
| "Framework มาตรฐานสากลอะไรบ้างที่ใช้?" | "หลักๆ คือ PMI PMBOK 8th, AWS Well-Architected, McKinsey DQ, BCG Value-Feasibility Matrix, SAFe 6.0, DAMA DMBOK — รวม 12 frameworks ที่ integrate เข้าด้วยกัน" |
| "Impact วัดได้จริงไหม?" | "ได้ครับ Phase 3 จะ calculate ROI เป็นตัวเลข ลูกค้าสามารถ compare ก่อน-หลังได้เลย — ไม่ใช่ aspirational estimate แต่ build จาก data จริงขององค์กร" |
| "ทำไม client time ถึงน้อยแค่ 50–70 ชั่วโมง?" | "เพราะ Cascade Design — ข้อมูลจาก Phase ก่อน inherit ไปใช้ใน Phase ถัดไป ไม่ต้องถามซ้ำ ลด interview time ได้ 30–40%" |
🔒 Structural Advantages — INTERNAL ONLY
⛔ ส่วนนี้ INTERNAL เท่านั้น — ห้ามพูดถึงกับลูกค้าหรือ partner ใดๆ เด็ดขาด
ใช้ภายในเท่านั้น เพื่อเข้าใจว่าทำไม Go Digit ถึง deliver ได้เร็วกว่าและมีคุณภาพสูงกว่าคู่แข่ง ห้ามเปิดเผยข้อมูลส่วนนี้กับลูกค้าหรือ partner ภายนอกโดยเด็ดขาด
8-Moat Stack (คู่แข่งในไทยไม่มีครบทั้ง 8)
- $200K USD AWS Bedrock Partner Credit/year (ห้ามพูดถึงต่อสาธารณะ)
- AWS Advanced Tier Services Partner (PUBLIC)
- Cloudflare Partner (PUBLIC)
- n8n Authorized Reseller — Thailand only (PUBLIC)
- Humming Bird Consulting partnership (PUBLIC)
- Nomura Consulting (INTERNAL จนถึง Q3 2026)
- Proprietary AIRA-X framework (PUBLIC methodology)
- Proprietary NextBrain Router + ChatX Platform (PUBLIC products)
$200K Credit หมายความว่าอะไรในทางปฏิบัติ
| Metric | คู่แข่ง | Go Digit |
|---|---|---|
| Run Claude Opus prototype 1 วัน | ~฿15–30K | ฿0 |
| R&D experiments/สัปดาห์ | จำกัดด้วย cash | แทบไม่จำกัด |
| POC model quality | Low-end models | Opus-tier |
| Prompt iterations/สัปดาห์ | 10–20 | 200–500 |
พูดกับลูกค้าว่า: "We build with premium Claude models by default — because we've optimized our stack for it." ห้ามพูดถึง credit, AWS subsidy, หรือ token amount
❌ NEVER mention $200K AWS credit publicly
❌ NEVER mention Nomura Consulting until Q3 2026
❌ NEVER say "AWS Strategic Partner"
❌ ห้ามพูด: "$200K of free AWS credits" · "AWS pays for our development" · "We get free Claude tokens from AWS"
✅ พูดแทนว่า: "We build with premium Claude models by default" · "Our development velocity is higher because we use best-in-class models"
❌ NEVER mention Nomura Consulting until Q3 2026
❌ NEVER say "AWS Strategic Partner"
❌ ห้ามพูด: "$200K of free AWS credits" · "AWS pays for our development" · "We get free Claude tokens from AWS"
✅ พูดแทนว่า: "We build with premium Claude models by default" · "Our development velocity is higher because we use best-in-class models"
🔒 Structural Advantages — INTERNAL ONLY
Never expose these externally. Use internally to understand WHY we can deliver faster and at higher quality than competitors.
8-Moat Stack (No Thai Competitor Has All 8)
- $200K USD AWS Bedrock Partner Credit/year (NEVER mention publicly)
- AWS Advanced Tier Services Partner (PUBLIC)
- Cloudflare Partner (PUBLIC)
- n8n Authorized Reseller — Thailand only (PUBLIC)
- Humming Bird Consulting partnership (PUBLIC)
- Nomura Consulting (INTERNAL until Q3 2026)
- Proprietary AIRA-X framework (PUBLIC methodology)
- Proprietary NextBrain Router + ChatX Platform (PUBLIC products)
What $200K Credit Means Operationally
| Metric | Competitors | Go Digit |
|---|---|---|
| Run Claude Opus prototype 1 day | ~฿15–30K | ฿0 |
| R&D experiments/week | Limited by cash | Effectively unlimited |
| POC model quality | Low-end models | Opus-tier |
| Prompt iterations/week | 10–20 | 200–500 |
External framing: "We build with premium Claude models by default — because we've optimized our stack for it." Never mention credits, AWS subsidies, or token amounts.
❌ NEVER mention $200K AWS credit publicly
❌ NEVER mention Nomura Consulting until Q3 2026
❌ NEVER say "AWS Strategic Partner"
❌ Never say: "$200K of free AWS credits" · "AWS pays for our development" · "We get free Claude tokens from AWS"
✅ Say instead: "We build with premium Claude models by default" · "Our development velocity is higher because we use best-in-class models"
❌ NEVER mention Nomura Consulting until Q3 2026
❌ NEVER say "AWS Strategic Partner"
❌ Never say: "$200K of free AWS credits" · "AWS pays for our development" · "We get free Claude tokens from AWS"
✅ Say instead: "We build with premium Claude models by default" · "Our development velocity is higher because we use best-in-class models"
🎯 GoDigit vs. คู่แข่ง — Quick Answers
| คำถาม | คำตอบ |
|---|---|
| "ต่างจาก McKinsey ยังไง?" | McKinsey defines the problem. We build the solution. AIRA-X สร้าง roadmap + เราเป็น team ที่ implement เอง — no handoff. |
| "ต่างจาก G-Able/MFEC ยังไง?" | G-Able เป็น delivery partner ของเราเมื่อ scale ใหญ่ แต่ AI-specific architecture + framework + platform คือเรา. ทีม Diagnostic = ทีม Build = ทีม Run |
| "ต่างจาก LiteLLM/Portkey ยังไง?" | LiteLLM เป็น open-source routing tool. NextBrain Router เป็น enterprise governance platform — audit trail, RBAC, cost attribution, compliance reporting — not just routing. |
| "ทำไมไม่ใช้ in-house team?" | In-house senior AI engineer ฿350K/mo × 12 = ฿4.2M + benefit + hiring 3 เดือน. Retainer Pro Max ฿400K × 12 = ฿4.8M = 2 engineers + platform + POCs + training + cost optimization. |
🎯 GoDigit vs. Competitors — Quick Answers
| Question | Answer |
|---|---|
| "ต่างจาก McKinsey ยังไง?" | McKinsey defines the problem. We build the solution. AIRA-X สร้าง roadmap + เราเป็น team ที่ implement เอง — no handoff. |
| "ต่างจาก G-Able/MFEC ยังไง?" | G-Able เป็น delivery partner ของเราเมื่อ scale ใหญ่ แต่ AI-specific architecture + framework + platform คือเรา. ทีม Diagnostic = ทีม Build = ทีม Run |
| "ต่างจาก LiteLLM/Portkey ยังไง?" | LiteLLM เป็น open-source routing tool. NextBrain Router เป็น enterprise governance platform — audit trail, RBAC, cost attribution, compliance reporting — not just routing. |
| "ทำไมไม่ใช้ in-house team?" | In-house senior AI engineer ฿350K/mo × 12 = ฿4.2M + benefit + hiring 3 เดือน. Retainer Pro Max ฿400K × 12 = ฿4.8M = 2 engineers + platform + POCs + training + cost optimization. |
Source: truth-root/13_aira_x_framework_ref.md · truth-root/11_internal_competitive_edge.md · Updated 2026-05-25