Make ပြည့်စုံ သင်ခန်းစာ — ပထမ scenario မှ AI ကိုယ်စားလှယ်အထိ၊ ထပ်ခါလုပ်ငန်းကို စက်အား လွှဲအပ်ခြင်း

ည ၁၂ နာရီ၊ တိုင်ချုံရှိ တင်သွင်း အစားအစာ e-commerce ပိုင်ရှင်တစ်ဦးက computer ရှေ့တွင် ထိုင်ကာ ထိုနေ့၏ Shopee order များကို Google Sheet ထဲ တစ်ခုချင်း ကူးထည့်ပြီး Excel ဖွင့်၍ ကုန်ပစ္စည်းလက်ကျန်ကို လက်ဖြင့်တွက်နေဆဲ။ ဤအရာကို နှစ်နှစ်ကြာ လုပ်ခဲ့သည်၊ တစ်နေ့ မိနစ် လေးဆယ်။

ဘာဖြစ်လို့ အလိုအလျောက် မလုပ်တာလဲ ဟုမေးရာ "ပရိုဂရမ်ရေးရမယ်ထင်တယ်" ဟုဆိုသည်။

မလိုပါ။ ဤသည်ပင် Make လုပ်နေသည့်အရာ — "A ဖြစ်ရင် B လုပ်" ဟူသော ယုတ္တိကို မျက်နှာပြင်ပေါ်တွင် ဆွဲယူနိုင်သည့် ပုံတစ်ပုံ ဖြစ်စေခြင်း။

Make က ဘာလဲ

Make (ယခင် Integromat) သည် အမြင်ပုံဖော် အလိုအလျောက်စနစ် ပလက်ဖောင်းဖြစ်သည်။ ဝန်ဆောင်မှုအမျိုးမျိုးကို module အဖြစ် canvas ပေါ်ဆွဲ၍ မျဉ်းဖြင့်ချိတ်ဆက်လျှင် ဒေတာက မျဉ်းအတိုင်း စီးဆင်းမည်။ Zapier နှင့် အကြီးမားဆုံး ကွာခြားချက်က ၎င်းသည် "ပုံ" ဖြစ်ပြီး "စာရင်း" မဟုတ်ခြင်း — ထို့ကြောင့် အခွဲ၊ loop၊ အပြိုင်လုပ်ဆောင်ခြင်း ကဲ့သို့ ယုတ္တိများကို Make တွင် ဆွဲပြနိုင်သည်။

၂၀၂၆ တွင် ၎င်း၌ ဦးစွာ သိသင့်သည့် ပြောင်းလဲမှုနှစ်ခုရှိသည်။ ပထမ ၂၀၂၅ သြဂုတ်လတွင် တွက်ချက်မှုယူနစ်ကို operations မှ credits (point) သို့ ပြောင်းခဲ့ကာ AI ဆိုင်ရာ လုပ်ဆောင်ချက်၏ သုံးစွဲပုံက ပုံမှန် module နှင့်မတူ။ ဒုတိယ ၂၀၂၆ ဖေဖော်ဝါရီတွင် AI Agents public beta ဖွင့်ကာ built-in Maia မှတစ်ဆင့် သဘာဝဘာသာဖြင့် ကိုယ်တိုင်ဆုံးဖြတ်တတ်သည့် အလိုအလျောက်စနစ်ကို တည်ဆောက်နိုင်ပြီး ပုံသေအဆင့်လုပ်ငန်းစဉ်သာ မဟုတ်တော့။

၎င်း ဘာလုပ်နိုင်သလဲ

Make သည် ဝန်ဆောင်မှု ပေါင်းစပ်မှု ၃,၀၀၀ ကျော် ကို ထောက်ပံ့ပြီး Google Workspace၊ Slack၊ Notion၊ Shopify၊ HubSpot ကဲ့သို့ အဓိက tool များ လွှမ်းခြုံကာ မည်သည့် HTTP request ကိုမဆို ထောက်ပံ့သည် — ဆိုလိုသည်မှာ တစ်ဖက်တွင် API ရှိလျှင် စာရင်းထဲမပါသော်လည်း ချိတ်ဆက်နိုင်ခြင်းဖြစ်သည်။

မြန်မာတွင် အသုံးအများဆုံး ကျွန်တော်တွေ့ဖူးသည်များက —

• e-commerce order များ spreadsheet နှင့် ကုန်ပစ္စည်းလက်ကျန်စနစ်သို့ အလိုအလျောက် ချိတ်ဆက်
• ဖောင်ဖြည့်ပြီးနောက် Notion စာမျက်နှာ အလိုအလျောက်တည်ဆောက်၊ အတည်ပြုစာပို့၊ Slack သို့ အသိပေး
• နေ့စဉ် အချိန်မှန် ဒေတာဆွဲ၍ နေ့စဉ်အစီရင်ခံစာ ပြုလုပ်ပို့
• social post အချိန်ဇယားနှင့် ပလက်ဖောင်းဖြတ်ကျော် ချိတ်ဆက်
• customer ဒေတာ CRM၊ email စနစ်များအကြား နှစ်လမ်း ချိတ်ဆက်

ဘယ်လိုသုံးမလဲ — သုညမှ ပထမ လည်ပတ်နိုင်သည့် scenario သို့

ပထမအဆင့် — အကောင့်ဖွင့်ခြင်းနှင့် interface ကို သိမြင်ခြင်း

make.com တွင် အကောင့်ဖွင့်ပါ၊ အခမဲ့အစီအစဉ်က လစဉ် point ၁,၀၀၀ နှင့် အသက်ဝင် scenario ၂ ခု ပေးသည်။ ဝင်ပြီးနောက် အရေးကြီးဆုံး နေရာသုံးခုက — Scenarios (သင့်လုပ်ငန်းစဉ်)၊ Connections (ခွင့်ပြုထားသည့် ဝန်ဆောင်မှုအကောင့်) နှင့် ညာဘက်အပေါ်ထောင့်၏ execution history။

အသစ်ဆုံးသူများ execution history ကို လွယ်လွယ်လျစ်လျူရှုတတ်သည်၊ သို့သော် ၎င်းက နောက်ပိုင်း debug လုပ်ရာတွင် တစ်ခုတည်းသော အရိပ်အကြောင်းဖြစ်သည်။

ဒုတိယအဆင့် — ပထမ scenario တည်ဆောက်ခြင်း

Create a new scenario ကို နှိပ်ပါ၊ မျက်နှာပြင်အလယ်တွင် အပေါင်းသင်္ကေတကြီးတစ်ခု ပေါ်လာမည်။ ပထမ module က အမြဲ trigger ဖြစ်ပြီး ဤလုပ်ငန်းစဉ် ဘယ်တော့ စတင်မည်ကို ဆုံးဖြတ်သည်။ trigger နှစ်မျိုးရှိသည် —

• Instant (webhook) — တစ်ဖက်ဝန်ဆောင်မှုက သင့်ကို တက်ကြွစွာ အသိပေး၊ စက္ကန့်အဆင့် တုံ့ပြန်၊ polling point မကုန်
• Scheduled (polling) — Make က အချိန်မှန် "ဒေတာအသစ်ရှိလား" မေး၊ တစ်ကြိမ်မေးတိုင်း execution တစ်ကြိမ်

ဤနေရာက ပထမ ငွေချွေတာနိုင်သည့် သော့ချက်။ webhook သုံးနိုင်လျှင် polling မသုံးပါနှင့်။ ၁၅ မိနစ်တစ်ကြိမ် polling လုပ်သည့် scenario က တစ်လ "မေးရုံ" ဖြင့်ပင် ၂,၈၈၀ ကြိမ် ပြေးသည်၊ webhook ပြောင်းလျှင် တကယ်ဖြစ်မှသာ လှုပ်သည်။

တတိယအဆင့် — နောက်ဆက် module ချိတ်ဆက်ခြင်း

trigger ၏ ညာဘက်အပေါင်းသင်္ကေတကို နှိပ်၍ နောက် module ထည့်ပါ။ ဤအခါ Make ၏ အသုံးအဝင်ဆုံး လုပ်ဆောင်ချက်ကို တွေ့မည် — ဒေတာ mapping။ မည်သည့် field ကိုမဆို နှိပ်လျှင် အပေါ်တွင် ရှေ့ module ပြန်ပေးသည့် ဒေတာအားလုံး ပေါ်လာ၍ တိုက်ရိုက်ရွေးရုံဖြင့် mapping ပြီးပြီ၊ variable name ရိုက်စရာမလို။

လက်တွေ့ ဥပမာတစ်ခု — "Google Form တွင် အဖြေအသစ်ရှိလျှင် Notion တွင် စာမျက်နှာတစ်ခုဖွင့်ပြီး Slack သို့ အသိပေး" —

1. trigger — Google Forms > Watch Responses
2. module နှစ် — Notion > Create a Database Item၊ ခေါင်းစဉ်ကို ဖောင်၏ အမည် field သို့ mapping
3. module သုံး — Slack > Create a Message၊ message အကြောင်းအရာတွင် "စာရင်းသွင်းအသစ် — {{အမည်}}၊ မှတ်တမ်းတင်ပြီး" ရေး

module သုံးခု၊ တစ်ကြိမ်ပြေး သုံး point။

စတုတ္ထအဆင့် — ဆုံးဖြတ်ချက်နှင့် အခွဲ ထည့်ခြင်း

module နှစ်ခုကြား မျဉ်းပေါ်တွင် တစ်ချက်နှိပ်၍ Filter ထည့်နိုင်သည်။ ဥပမာ ဖောင်ထဲ "ဘတ်ဂျက်" တစ်သောင်းကျော်မှသာ အရောင်းသို့ အသိပေး၊ ကျန်သည်များ တိုက်ရိုက်မှတ်တမ်းတင်။

အခွဲများစွာ လုပ်ရန် Router သုံးပါ — တစ်ခုဝင်၊ များစွာထွက်၊ လမ်းတိုင်း သီးခြားအခြေအနေ သတ်မှတ်။ ၎င်းက Make သည် Zapier ထက်အားသာသည့်နေရာဖြစ်ပြီး ရှုပ်ထွေးသော စီးပွားရေးယုတ္တိကို ပုံတစ်ပုံဖြင့် ပြီးအောင်ပြောနိုင်သည်။

ပဉ္စမအဆင့် — စမ်းသပ်ခြင်းနှင့် တင်ခြင်း

ဘယ်ဘက်အောက်ထောင့် Run once ကို နှိပ်၍ လက်ဖြင့်တစ်ကြိမ်ပြေးပါ၊ module တိုင်းအပေါ် ဤတစ်ကြိမ်စီးဆင်းသည့် ဒေတာကို ပြသည့် ပူဖောင်းတစ်ခု ပေါ်လာမည်။ မှန်ကန်မှု အတည်ပြုပြီးနောက် ဘယ်ဘက်အောက်ထောင့် ခလုတ်ကို ဖွင့်ပြီး အချိန်ဇယား သတ်မှတ်ပါ။

တင်မီ မဖြစ်မနေ လုပ်ရမည့်အရာတစ်ခု — scenario setting တွင် error handler ဖွင့်ပါ။ error handling မထားလျှင် module တစ်ခု ကျရုံဖြင့် လုပ်ငန်းစဉ်တစ်ခုလုံး ရပ်သွားပြီး သင် သုံးရက်အကြာမှ တွေ့နိုင်သည်။ လက်တွေ့နည်းက Slack သို့မဟုတ် Email error အသိပေးလမ်း ထည့်ခြင်းဖြစ်သည်။

အဆင့်မြင့် နည်းလမ်း

Iterator နှင့် Aggregator — array ကိုင်တွယ်

ရှေ့အဆင့်ပြန်ပေးသည်က ဒေတာအစုတစ်ခု (ဥပမာ order ဆယ်ခု) ဖြစ်လျှင် Iterator ဖြင့် ဆယ်ကြိမ် တစ်ခုချင်းခွဲ၍ ကိုင်တွယ်ပြီး ပြီးလျှင် Aggregator ဖြင့် တစ်ထုပ်ပြန်စု။

သို့သော် သတိထားပါ — ဆယ်ကြိမ်ခွဲသည်က module execution ဆယ်ကြိမ်ဖြစ်ပြီး point လည်း ဆယ်ဆ။ ၎င်းက point အလွန်အကျွံ ကုန်ရသည့် အဖြစ်အများဆုံး အကြောင်းရင်း။ ဒေတာဆယ်ခုကို အကျဉ်းချုပ် တစ်ခုသာ ရေးလိုလျှင် Text Aggregator ဖြင့် တစ်ကြိမ်တည်း ကိုင်တွယ်လျှင် အများကြီး ပိုသက်သာသည်။

HTTP module ဖြင့် စာရင်းထဲမပါသည့် ဝန်ဆောင်မှု ချိတ်

စာရင်းထဲ မတွေ့သည့် ဝန်ဆောင်မှုကို HTTP > Make a request ဖြင့် ကိုယ်တိုင်ချိတ်ပါ။ မြန်မာ ဒေသတွင်း ဝန်ဆောင်မှုများ (payment gateway၊ e-invoice API) အများစုက ဤသို့ ချိတ်သည်။ ပြင်ဆင်ရမည်မှာ တစ်ဖက်၏ API စာရွက်စာတမ်း၊ endpoint လိပ်စာနှင့် authentication နည်းလမ်း။

Data Store — execution ဖြတ်ကျော် အရာမှတ်

Make ၏ scenario က execution တိုင်း သီးခြားဖြစ်၍ "အရင်ကြိမ် ဘယ်အထိလုပ်ခဲ့" ကို မှတ်ရန် Data Store သုံးရသည်။ အသုံးအများဆုံးက ထပ်နေမှုဖယ်ရှားခြင်း — ဤ order နံပါတ် ကိုင်တွယ်ဖူးမဖူး ဦးစွာစစ်၊ မဖူးမှ ဆက်လုပ်။

AI Agents နှင့် Maia

၂၀၂၆ ၏ အသစ်။ ရိုးရိုး scenario က အဆင့်တိုင်း ကြိုဆွဲထားခြင်းဖြစ်ပြီး AI Agent က သင် ၎င်းအား ပန်းတိုင်နှင့် သုံးနိုင်သည့် tool ပေး၍ အစီအစဉ်ကို ကိုယ်တိုင်ဆုံးဖြတ်စေခြင်း။ Maia က built-in AI တည်ဆောက်ရေးအကူဖြစ်ပြီး သဘာဝဘာသာဖြင့် ဖော်ပြလျှင် scenario အရိုးစုကို စုပေးသည်။

လက်တွေ့သုံးမိသည့် အတွေ့အကြုံ — Maia ထုတ်ပေးသည်က မူကြမ်းအဖြစ် အသုံးဝင်ပြီး module ရှာ၊ field mapping အချိန်ချွေတာ၊ သို့သော် အားလုံးနီးပါး လက်ဖြင့် ပြင်ရသည်။ AI Agent က "အခြေအနေတိုင်း ကွဲ" သည့်လုပ်ငန်း (ဥပမာ customer စာ အမျိုးအစားခွဲ ပြန်ကြား) အတွက် သင့်တော်၊ ပုံသေလုပ်ငန်းစဉ်က scenario ကို ရိုးရိုးသားသား ဆွဲသည်က ကြိုတင်ခန့်မှန်းနိုင်မှု ပိုမြင့်။

AI Agents သုံးရန် အခြေအနေနှစ်ခုရှိသည် — ငွေပေးအစီအစဉ် (အနိမ့်ဆုံး Core လစဉ် ၉ ဒေါ်လာ) နှင့် ကိုယ်ပိုင် LLM ၏ API key — ထို model စရိတ်က သီးခြားတွက်ပြီး Make ၏ point ထဲ မပါ။

သတိထားရမည့်အချက် — သင့်ငွေတောင်းခံလွှာ ပေါက်ကွဲစေမည့်နေရာများ

အစီအစဉ် ဘယ်လိုရွေးမလဲ။ ၂၀၂၆ ၏ အစီအစဉ် ငါးခုက Free (point ၁,၀၀၀)၊ Core (၉ ဒေါ်လာ / point ၁၀,၀၀၀)၊ Pro (၁၆ ဒေါ်လာ)၊ Teams (၂၉ ဒေါ်လာ)၊ Enterprise (တိုင်ပင်)။ တစ်ဦးချင်းနှင့် အဖွဲ့ငယ်အများစု Core သို့မဟုတ် Pro ဖြင့် လုံလောက်သည်။ အခမဲ့အစီအစဉ်၏ ရည်ရွယ်ချက်က "လုပ်ငန်းစဉ် အလုပ်ဖြစ်မဖြစ် အတည်ပြု" ဖြစ်သင့်ပြီး လုပ်ငန်းလည်ပတ်ရန် မဟုတ်။

point က execution အရေအတွက်နှင့် မတူ။ module execution တစ်ကြိမ်က point တစ်ခုဖြစ်၍ module ငါးခုလုပ်ငန်းစဉ် တစ်ကြိမ်ပြေးက ငါး point။ Iterator ခွဲခြင်း ပေါင်းလျှင် ဂဏန်း အလွန်မြန်မြန်တက်။ တင်မီ လက်ဖြင့် တစ်ခေါက်တွက် — module အရေအတွက် × တစ်နေ့ execution အရေအတွက် × ၃၀။

အချိန်ဇယား သိပ်မကျပ်ပါနှင့်။ "တစ်မိနစ်တစ်ကြိမ်စစ်" က အလွန်အချိန်မှန်ပုံရသော်လည်း လက်တွေ့တွင် အခြေအနေအများစု ၁၅ မိနစ် သို့မဟုတ် တစ်နာရီတစ်ကြိမ်ဖြင့် လုံလောက်။ တကယ်အချိန်မှန်လိုလျှင် webhook ပြောင်းပါ။

ဒေတာ ပြင်ပ တတိယမှ ဖြတ်သွား။ Make ၏ server က ဥရောပနှင့် အမေရိကတွင်ဖြစ်၍ သင့် customer ဒေတာက ထိုနေရာ ဖြတ်သွားမည်။ ကိုယ်ရေးအချက်အလက်ပါသည့် လုပ်ငန်းစဉ်က ကုမ္ပဏီမူဝါဒနှင့် ကိုယ်ရေးအချက်အလက်ဥပဒေ၏ ပြင်ပလုပ်ငန်း ကိုင်တွယ်စည်းမျဉ်းနှင့် ကိုက်ညီမှု အတည်ပြုရမည်၊ အထိအခိုက်များသည့် field ကို Make မဝင်မီ ဖုံးကွယ်ရန် အကြံပြုသည်။

Make Grid ဖြင့် ခြုံငုံကြည့်။ scenario များလာသောအခါ Make Grid က scenario၊ app၊ data store အားလုံးအကြား ဆက်စပ်မှုကို အမြင်ပုံဖော်ပေးပြီး ဘယ်သူ point စား၊ ဘယ်လုပ်ငန်းစဉ်တွေ အပြန်အလှန်မှီခိုသည်ကို ရှာဖွေပေးသည်။ အဖွဲ့ဖြင့်သုံးသောအခါ ဤလုပ်ဆောင်ချက်က အလွန်သော့ချက်ဖြစ်သည်။

Make သုံးသင့်လား၊ တခြားဟာလား?

သင့်လုပ်ငန်းစဉ် အလွန်ရိုးရှင်း၊ ချိတ်ရမည့် ဝန်ဆောင်မှုက အလွန်ရှား၍ Zapier ၏ ပေါင်းစပ်မှုအရေအတွက်နှင့် စတင်လွယ်ကူမှုက အားသာဆဲ။ သင့်တွင် အင်ဂျင်နီယာစွမ်းရည်ရှိ၍ လုံးဝထိန်းချုပ်လိုကာ လစဉ်ကြေး မပေးလိုလျှင် n8n ကို ကိုယ်ပိုင်တင်နိုင်ပြီး ကာလရှည်စရိတ် အနိမ့်ဆုံးဖြစ်သော်လည်း ကိုယ်တိုင် ထိန်းသိမ်းရသည်။ ပုံသေလုပ်ငန်းစဉ်မဟုတ်ဘဲ ကိုယ်တိုင်ဆုံးဖြတ်တတ်သည့် ကိုယ်စားလှယ်လိုလျှင် Skydive ကဲ့သို့ မျိုးဆက်သစ် cloud ကိုယ်စားလှယ် ပလက်ဖောင်းကို ကြည့်နိုင်သည်။

Make ၏ ချိုမြိန်အမှတ်က — လုပ်ငန်းစဉ်တွင် ရှုပ်ထွေးမှု အတိုင်းအတာတစ်ခုရှိ၊ ပမာဏ အလယ်အလတ်၊ အဖွဲ့ထဲ အင်ဂျင်နီယာမရှိသော်လည်း လက်တွေ့လုပ်လိုသူ ရှိခြင်း။ ၎င်းက မြန်မာ အသေးစားလုပ်ငန်းများတွင် အလွန်တွေ့ရများသည်။

အလိုအလျောက်စနစ် scenario အိုင်ဒီယာ ပိုမိုရှာလျှင် AI အလိုအလျောက်စနစ် ပြည့်စုံလမ်းညွှန် ကို ကြည့်နိုင်ပြီး သို့မဟုတ် လုပ်ငန်းစာမျက်နှာ တွင် သင်လုပ်လိုသည့်အရာ ဘယ် tool နှင့်ကိုက်သည် ရှာနိုင်သည်။

TheAI Academy သုံးသပ်ချက်

ကျွန်တော် ကိုယ်တိုင် Make ကို သုံးနှစ်ခန့်သုံးဖူး၍ အကြီးမားဆုံး အတွေ့အကြုံက — အလိုအလျောက်စနစ်၏ တကယ့်ကုန်ကျစရိတ်က လစဉ်ကြေးမဟုတ်ဘဲ သင် ရှင်းရှင်းလင်းလင်း မစဉ်းစားခဲ့သည့် လုပ်ငန်းစဉ် ဒီဇိုင်း။ ထို တိုင်ချုံ e-commerce ပိုင်ရှင်က နောက်ပိုင်း order လုပ်ငန်းစဉ် ချိတ်ဆက်ခဲ့ကာ တစ်နေ့ မိနစ် လေးဆယ်ချွေတာ၊ တစ်လ ၉ ဒေါ်လာပေး။ သို့သော် သူ၏ ပထမ version က အချိန်ဇယား ၅ မိနစ်တစ်ကြိမ်သတ်မှတ်၍ ပထမလတွင် point ကုန်သွား — ပြဿနာက tool မဟုတ်ဘဲ polling က ကြေးတွက်မည်ကို ပြောပြသူမရှိခြင်း။

ထို့ကြောင့် ကျွန်တော့်အကြံက — အခမဲ့အစီအစဉ်ဖြင့် လုပ်ငန်းစဉ်ကို ဦးစွာ အလုပ်ဖြစ်အောင်ပြေးစေ၊ point ကို တစ်ခေါက်လက်ဖြင့်တွက်၊ ပြီးမှ ဘယ်အစီအစဉ်ဝယ်မလဲ ဆုံးဖြတ်ပါ။ ပြောင်းပြန်မလုပ်ပါနှင့်။

သုံးသပ်ချက် — Make က မြန်မာ အသေးစားလုပ်ငန်း အလွယ်ကူဆုံး အလိုအလျောက်စနစ် tool ဖြစ်သည်၊ သို့သော် တင်မီ point ကို လက်ဖြင့် တစ်ခေါက်တွက်ပါ — ဤအဆင့်က နောက်ပိုင်း သင့်စိတ်ရှုပ်မှု ၈၀% ချွေတာပေးမည်။

မြန်မာစာဖတ်သူများအတွက် တိကျသောအကြံ — ပထမအပတ် "ဖောင်ဝင်လျှင် အလိုအလျောက် မှတ်တမ်းတင်ပြီး အသိပေး" ဟူသည့် ရိုးရှင်းလုပ်ငန်းစဉ်တစ်ခု လုပ်ပြီး တစ်ပတ်ပြေးကြည့်၍ point သုံးစွဲမှုကြည့်ပါ။ ယုတ္တိ အတည်ပြုပြီးမှ e-commerce order၊ customer ဒေတာ ကဲ့သို့ တန်ဖိုးမြင့်လုပ်ငန်းစဉ်များ ချဲ့ပါ။ အစကတည်းက ကုမ္ပဏီ၏ အရေးကြီးဆုံးလုပ်ငန်းစဉ်ကို လုံးဝ မတင်ပါနှင့်။

ရင်းမြစ်

• Make တရားဝင်ဝဘ်ဆိုက်နှင့် အစီအစဉ် ရှင်းလင်းချက်
• Zapier — Make.com pricing ခွဲခြမ်းစိတ်ဖြာ (2026)

အများသုံးအချက်အလက်အရ စုစည်းထားပြီး အစီအစဉ်အကြောင်းအရာနှင့် တွက်ချက်နည်းကို တရားဝင်ကြေညာချက်အရ ထားရှိသည်။