deep-interview

name	Deep Interview
description	Socratic requirements clarification พร้อม Ambiguity Scoring — ใช้กับ project ใหม่ที่ requirements ยังไม่ชัด หรือเมื่อ MOM/REQ มีจุดคลุมเครือมาก ช่วยให้ PM ถามคำถามที่ถูกต้องก่อนเริ่มสร้าง diagram

PMO Skill: Deep Interview — Requirements Clarification

อ้างอิง OMC (oh-my-claudecode) deep-interview skill — ปรับให้เข้ากับ PMO workflow Related Skills:

• Load pmo-traceability เพื่อ log decisions + activity
• Load pmo-activity-diagram เมื่อ interview เสร็จแล้วจะสร้าง diagram

---

Purpose

Skill นี้ช่วย PM clarify requirements ก่อนเริ่ม Pipeline 8 ขั้นตอน เมื่อ:

• Project ใหม่ที่เพิ่งได้ MOM แรก
• MOM/REQ มีจุดคลุมเครือมาก (> 3 จุดที่ไม่ชัดเจน)
• Stakeholder หลายฝ่ายที่อาจมี requirements ขัดแย้ง
• Domain ที่ AI/PM ไม่คุ้นเคย

ปัญหาที่ skill นี้แก้:

• เริ่มสร้าง diagram ทั้งที่ requirements ยังไม่ชัด → ต้องแก้ซ้ำหลายรอบ
• PM ไม่รู้ว่าต้องถามลูกค้าเรื่องอะไรอีก
• Gold Plating เพราะ AI สมมติ requirement แทนที่จะถาม

---

Ambiguity Scoring System

ก่อนเริ่มสร้าง diagram AI ต้องประเมิน Ambiguity Score ก่อน ถ้า score > 20% → ต้องทำ Deep Interview ก่อน ห้ามเริ่ม diagram

5 Dimensions

Dimension	คำถามที่ใช้วัด	Score Range
Goal Clarity	รู้ไหมว่าระบบนี้แก้ปัญหาอะไร? ใครเป็น primary user?	0-20%
Scope Clarity	รู้ไหมว่า feature ไหนอยู่ใน scope? phase ไหน?	0-20%
Constraint Clarity	รู้ไหมว่ามี budget/timeline/tech constraint อะไร?	0-20%
Success Criteria	รู้ไหมว่า "เสร็จ" แปลว่าอะไร? KPI อะไร?	0-20%
Context Clarity	รู้ไหมว่ามีระบบเดิม (brownfield) หรือทำใหม่ (greenfield)? มี integration อะไร?	0-20%

Scoring

Score	ความหมาย	Action
0-20%	Ambiguity ต่ำ — requirements ชัดเจน	ข้ามไปเริ่ม Pipeline ได้เลย
21-40%	Ambiguity ปานกลาง — มีจุดไม่ชัดบางจุด	ทำ Quick Interview (3-5 คำถาม)
41-60%	Ambiguity สูง — ต้อง clarify หลายจุด	ทำ Full Interview (8-15 คำถาม)
61-100%	Ambiguity สูงมาก — ยังไม่พร้อมสร้าง diagram	ทำ Deep Interview + แนะนำนัดประชุมลูกค้าเพิ่ม

---

Workflow

Step 1: Assess Ambiguity

อ่าน MOM + REQ ทั้งหมดของ project แล้วให้คะแนน:

## Ambiguity Assessment — P{XX}-{CODE}

| Dimension | Score | เหตุผล | คำถามที่ต้องถาม |
|-----------|:---:|---|---|
| Goal Clarity | {X}% | {ทำไมให้คะแนนนี้} | {คำถามที่ช่วย clarify} |
| Scope Clarity | {X}% | ... | ... |
| Constraint Clarity | {X}% | ... | ... |
| Success Criteria | {X}% | ... | ... |
| Context Clarity | {X}% | ... | ... |
| **Total Ambiguity** | **{X}%** | | |

**Recommendation:** {ข้ามได้ / Quick Interview / Full Interview / Deep Interview + นัดประชุม}

Step 2: Generate Questions (ถ้า score > 20%)

จัดคำถามตาม dimension ที่ score สูงสุด (ถามด้าน unclear ก่อน):

กฎการถาม:

1. ถามทีละ 1-2 คำถาม — ห้ามถามรวดเดียว 10 คำถาม
2. ถามแบบ Socratic — ชวนคิด ไม่ใช่ yes/no
3. อ้างอิง source — "จาก MOM#1 ข้อ 1.3 ระบุว่า... แต่ไม่ชัดว่า..."
4. เสนอตัวเลือก — "เป็นแบบ A หรือ B?" ไม่ใช่ "เป็นยังไง?"
5. ถาม follow-up — ถ้าคำตอบนำไปสู่คำถามใหม่

Question Templates by Dimension

Goal Clarity:

• "จาก MOM#X ระบบนี้แก้ปัญหาอะไรเป็นหลัก? {A} หรือ {B}?"
• "Primary user คือใคร? ใช้งานยังไง? (use case หลัก)"
• "ถ้าระบบนี้สำเร็จ ลูกค้าจะวัดผลจากอะไร?"

Scope Clarity:

• "Feature X ที่พูดใน MOM#Y — อยู่ใน Phase 1 ไหม?"
• "มี feature ไหนที่ 'มีก็ดี แต่ไม่ต้องก็ได้' (nice-to-have)?"
• "Platform ไหนบ้างที่ต้องรองรับ? (Web/Mobile/BOF)"

Constraint Clarity:

• "มี deadline เมื่อไหร่? มี hard deadline ไหม?"
• "มี tech stack ที่กำหนดแล้วไหม? หรือเลือกได้?"
• "มี budget constraint สำหรับ infrastructure ไหม?"

Success Criteria:

• "'เสร็จ' แปลว่าอะไร? ลูกค้า accept ตอนไหน?"
• "มี KPI ที่ต้อง track ไหม? (เช่น response time, concurrent users)"
• "UAT criteria คืออะไร?"

Context Clarity:

• "มีระบบเดิมที่ต้อง migrate/integrate ไหม?"
• "มี 3rd party ที่ต้องเชื่อมต่อไหม? (Payment, SMS, etc.)"
• "Data เดิมที่ต้อง import มีไหม?"

Step 3: Log Results

ทุก answer จาก PM/User ต้อง:

1. Log ลง Decision Log (ถ้าเป็น decision)
2. Log ลง Change Log (ถ้าเป็น new info)
3. Update Ambiguity Score
4. ถ้า score < 20% → แจ้ง "พร้อมเริ่ม Pipeline แล้ว"

Step 4: Generate Interview Summary

เมื่อ interview เสร็จ:

## Deep Interview Summary — P{XX}-{CODE}
**วันที่:** YYYY-MM-DD | **Ambiguity: {Before}% → {After}%**

### Key Findings
1. {Finding 1 — จากคำถาม X}
2. {Finding 2 — จากคำถาม X}

### Decisions Made
| # | Topic | Decision | Rationale |
|---|-------|----------|-----------|

### Open Questions (ต้องถามลูกค้าอีก)
| # | คำถาม | ถามใคร | Priority |
|---|-------|--------|:---:|
| 1 | {คำถามที่ PM/AI ตอบไม่ได้} | {ชื่อลูกค้า/stakeholder} | H/M/L |

### Ready to Start
- [ ] Ambiguity Score < 20%
- [ ] Open Questions ที่ priority H ได้คำตอบหมดแล้ว
- [ ] PM confirm ว่า scope ครบ

---

Auto-Trigger

AI ต้องเสนอ Deep Interview อัตโนมัติเมื่อ:

• Project ใหม่ (มีแค่ MOM#1)
• MOM มี "TBD", "ยังไม่แน่ใจ", "ต้อง confirm อีกที" > 3 จุด
• REQ มี column ที่ว่าง > 20%
• PM พูดว่า "ไม่แน่ใจ", "ยังไม่ชัด", "ต้องถามลูกค้า"

---

Do's and Don'ts

Do's

1. ถามทีละ 1-2 คำถาม ไม่ใช่ทีเดียว 10 ข้อ
2. อ้างอิง MOM/REQ เสมอเมื่อถาม
3. เสนอ options ให้เลือก (A/B/C) ไม่ใช่ open-ended
4. Log ทุกคำตอบลง Traceability Matrix ทันที
5. Update Ambiguity Score หลังทุก round ของคำถาม

Don'ts

1. ห้ามเริ่มสร้าง diagram ถ้า Ambiguity > 20%
2. ห้ามถามคำถามที่ MOM/REQ ตอบอยู่แล้ว (อ่านให้ครบก่อน)
3. ห้ามสมมติคำตอบ — ถ้า PM ไม่รู้ ให้ใส่ใน Open Questions
4. ห้ามทำ interview ยาวเกินไป (max 15 คำถามต่อ session)