OpenAI เปิดตัว dots ที่งาน DevDay เมื่อวันที่ 29 กันยายนที่ผ่านมา ซึ่งเป็นเอเจนต์ที่พร้อมทำงานตลอดเวลา (always-on agent) ภายใน ChatGPT ขับเคลื่อนด้วยขุมพลัง GPT-6 Astra โดยแต่ละตัวจะมีทั้งคลาวด์คอมพิวเตอร์และเบราว์เซอร์เป็นของตัวเอง และสามารถเรียกใช้งานได้ผ่าน ChatGPT, Slack รวมถึง Teams ประโยคที่สำคัญที่สุดสำหรับทีมที่มีการใช้งานเอเจนต์เขียนโค้ดอยู่แล้ว ปรากฏอยู่ช่วงต้นของประกาศจาก OpenAI ว่า: “วันนี้ คุณสามารถเริ่มต้นด้วย dot หลักของคุณ ตั้งชื่อ และปรับแต่งให้เป็นสไตล์ของคุณเองได้ และในอนาคต เรามองเห็นภาพที่ทีมของเหล่า dots จะทำงานร่วมกันในนามของคุณ” จุดเริ่มต้นของ dot คือเอเจนต์ส่วนบุคคลสำหรับคนคนเดียว ส่วนการทำงานร่วมกันเป็นทีมของ dots นั้นเป็นทิศทางในอนาคตที่วางไว้ ไม่ใช่ฟีเจอร์ที่มีให้พร้อมใช้ตั้งแต่วันเปิดตัว
ลำดับการพัฒนาแบบนี้ถือว่าสมเหตุสมผล แต่มันก็ทิ้งช่องว่างไว้สำหรับทีมที่ก้าวข้ามการมีเอเจนต์ตัวแรกไปแล้ว ในตัวอย่างสำหรับนักพัฒนาของ OpenAI นั้น dot จะคอยติดตามฟีดแบ็กจากลูกค้า เขียนโค้ดและทดสอบการแก้ไขบั๊กเล็กๆ พร้อมส่ง “PR ที่เสร็จสมบูรณ์มาให้คุณรีวิว” แต่หากทีมเดียวกันนั้นใช้ Claude Code บนเซิร์ฟเวอร์ส่วนกลาง และใช้ Codex บนแล็ปท็อปอีกสองเครื่อง นั่นหมายความว่าจะมีแหล่งที่มาของ Pull Request เพิ่มขึ้นอีกทางที่ส่งมาให้ทีมรีวิวชุดเดิมตรวจ คำถามสำคัญจึงไม่ใช่เรื่องที่ว่าเอเจนต์ตัวไหนฉลาดที่สุดอีกต่อไป แต่กลายเป็นว่าเอเจนต์ตัวไหนกำลังรับผิดชอบงานอะไร งานไหนเสร็จแล้ว และงานไหนกำลังรอคนเข้ามาตรวจสอบ
สรุปประเด็นสำคัญ (TL;DR)
OpenAI dot คือเอเจนต์ส่วนบุคคลที่ทรงพลัง: ทำงานตลอดเวลา มีคลาวด์คอมพิวเตอร์เป็นของตัวเอง เชื่อมต่อกับแอปพลิเคชันกว่า 4,000 รายการผ่านปลั๊กอิน และอยู่ภายใต้การควบคุมของ Custom Rules, Activity View, ระบบตรวจสอบอัตโนมัติ (auto-review) และระบบมอนิเตอร์ที่สามารถสั่งหยุดชั่วคราวหรือยกเลิกการทำงานได้ หากเป็นงานประจำของคนคนเดียวภายในอีโคซิสเต็มของ OpenAI แล้ว dot ถือเป็นโซลูชันที่ง่ายและลงตัวกว่า ทว่าสำหรับทีมที่ต้องบริหารเอเจนต์หลายตัวจากผู้ให้บริการหลากหลายเจ้า คุณยังคงต้องการบอร์ดกลางเพียงแห่งเดียวที่เอเจนต์แต่ละตัวมีฐานะเป็น Assignee บนแต่ละ Task โดยทุกคนสามารถมองเห็นสถานะงานร่วมกัน ผลลัพธ์ถูกส่งกลับมาเพื่อรีวิว และมีมนุษย์เป็นผู้ตรวจรับงาน สิ่งเหล่านี้คือเลเยอร์การทำงานคนละชั้นที่ต้องนำมาผสานร่วมกัน
ทำความรู้จักกับ OpenAI dots
OpenAI dot คือเอเจนต์ใน ChatGPT ที่พร้อมทำงานตลอดเวลา ขับเคลื่อนด้วย GPT-6 Astra โดยจะปฏิบัติภารกิจเพื่อเป้าหมายของคนคนเดียวบนคลาวด์คอมพิวเตอร์ของตัวมันเอง แม้ในเวลาที่คุณกำลังง่วนอยู่กับงานอื่น คุณสามารถตั้งชื่อ dot เชื่อมต่อกับแอปต่างๆ และพูดคุยกับมันได้ผ่าน ChatGPT ทั้งบนเดสก์ท็อป เว็บ หรือมือถือ รวมถึงใน Slack, Teams หรือผ่านการโทรด้วยเสียง และจะรองรับการส่งข้อความสั้น (texting) ได้เร็วๆ นี้ dot สามารถเรียนรู้ความต้องการของคุณจากฟีดแบ็ก รับโปรเจกต์ใหม่เข้ามาทำในขณะที่กำลังจัดการงานอื่นๆ อีกหลายงานไปพร้อมกันได้ และจะคอยส่งข้อความรายงานความคืบหน้า สอบถามข้อสงสัย หรือขอการตัดสินใจในเรื่องที่จำเป็นต้องให้คุณเป็นคนเคาะ
มีรายละเอียดสำคัญ 2 ประการที่แยก dot ออกจากแชตผู้ช่วยทั่วไป อย่างแรกคือ คอมพิวเตอร์: dot มีเบราว์เซอร์และคลาวด์คอมพิวเตอร์เป็นของตัวเอง ซึ่งคุณสามารถเปิดดูหน้าจอคอมพิวเตอร์นั้นเมื่อใดก็ได้เพื่อตรวจสอบการทำงาน และยังสามารถอนุญาตให้มันเข้าใช้งานแล็ปท็อปของคุณได้ด้วย ส่วนข้อที่สองคือ ความริเริ่มในการทำงาน (initiative): ในช่วงเวลาที่คุณไม่ได้สั่งงาน dot จะทำการ “ค้นคว้าเชิงรุก (proactive research)” ตามที่ OpenAI เรียก โดยใช้แอปที่คุณเชื่อมต่อไว้ผ่านเครื่องมือที่ถูกจำกัดสิทธิ์ให้อ่านข้อมูลได้อย่างเดียว (read-only) ทำให้มันสามารถเปิดดูข้อมูลได้ แต่ไม่สามารถส่งข้อความ แก้ไขเนื้อหาในแอป หรือควบคุมเบราว์เซอร์และคอมพิวเตอร์ของคุณได้
| หัวข้อ | ข้อมูลจาก OpenAI |
|---|---|
| โมเดล | GPT-6 Astra |
| สภาพแวดล้อมการทำงาน | คลาวด์คอมพิวเตอร์และเบราว์เซอร์ของตัวเอง; ใช้งานแล็ปท็อปของคุณได้ก็ต่อเมื่อคุณอนุญาตเท่านั้น |
| แอปพลิเคชัน | มากกว่า 4,000 แอปผ่าน ChatGPT plugins |
| ช่องทางการติดต่อ | ChatGPT (เดสก์ท็อป, เว็บ, มือถือ), Slack, Teams, โทรด้วยเสียง; การส่งข้อความ (texting) จะเปิดให้ใช้งานเร็วๆ นี้ |
| แพ็กเกจที่รองรับ | กำลังทยอยเปิดให้ใช้งานสำหรับ Pro และ Business Premium ในภูมิภาคที่รองรับ; ส่วนแพ็กเกจ Enterprise, Edu และ Healthcare จะเป็นเวอร์ชันเบตาเมื่อผู้ดูแลระบบเปิดใช้งาน (ค่าเริ่มต้นคือปิดไว้) |
| การใช้งาน | รวม dot ตัวแรกไว้ในแพ็กเกจแล้ว; การสนทนากับ dot จะไม่นับรวมในโควตาการใช้งานของ ChatGPT แต่ทาสก์ที่ dot สั่งเริ่มทำงานใน Codex หรือ ChatGPT Work จะถูกนำไปคิดโควตาตามปกติ |
| Specialist dots | โปรแกรมนำร่องระดับองค์กรเฉพาะทาง: มีอัตลักษณ์และข้อมูลประจำตัว (credentials) ของตนเอง ฮาร์ดแวร์ได้รับการจัดเตรียมโดยฝ่ายไอที พร้อมเชื่อมต่อกับระบบบันทึกข้อมูลหลัก (systems of record) |
| Microsoft | กำลังร่วมมือกันเพื่อผสานรวม specialist dots เข้ากับระบบการกำกับดูแลและความปลอดภัยของ Agent 365 |
Specialist dots คือเวอร์ชันสำหรับระดับองค์กร ซึ่ง OpenAI ได้แบ่งขอบเขตไว้อย่างชัดเจนว่า: “dot ของคุณจะทำงานในนามของคุณ ส่วน specialist dots จะรับหน้าที่ดูแลความรับผิดชอบเฉพาะด้านภายในองค์กรของคุณ” องค์กรจะเป็นผู้กำหนดตัวตน บัญชีผู้ใช้ ตลอดจนสิทธิ์การเข้าถึงระบบต่างๆ ที่จำเป็นให้กับแต่ละตัว โดยวิศวกรของ OpenAI จะร่วมมือกับองค์กรอย่างใกล้ชิดเพื่อกำหนดหน้าที่ เครื่องมือที่ใช้งาน และ “ขั้นตอนที่บุคลากรจะใช้รีวิวและอนุมัติงานของมัน” โปรดจำเงื่อนไขข้อสุดท้ายนี้ไว้ให้ดี
ระบบควบคุมที่ตอบคำถามว่า “dot ของฉันทำอะไรได้บ้าง?”
dots มาพร้อมกับโมเดลการกำหนดสิทธิ์ที่ผ่านการคิดมาอย่างรอบคอบ กฎเกณฑ์ที่ติดตั้งมาในตัวจะคอยตัดสินว่าการกระทำใดที่ dot สามารถตัดสินใจทำเองได้ และการกระทำใดที่ต้องขออนุญาตก่อน ส่วน Custom Rules จะเปิดโอกาสให้คุณกำหนดสิทธิ์ในการดำเนินการเฉพาะเจาะจง กำหนดให้ต้องขออนุมัติ หรือจะสั่งบล็อกไปเลยก็ได้ ด้านระบบ Auto-review จะคอยตรวจสอบการกระทำที่อาจส่งผลกระทบต่อบัญชีของคุณหรือการแชร์ข้อมูล โดยเทียบกับคำสั่งและกฎที่คุณวางไว้ และสำหรับงานที่มีความละเอียดอ่อนสูง เช่น การเปลี่ยนรหัสผ่าน จะกำหนดให้ต้องดำเนินการโดยคุณเองเสมอ นอกจากนี้ยังมี Activity View ที่แสดงความคืบหน้ารวมถึงงานที่ทำอยู่เบื้องหลัง พร้อมให้คุณปรับเปลี่ยนทิศทางการทำงานได้ตลอดเวลา และหากระบบตรวจสอบของ OpenAI ตรวจพบประเด็นด้านความปลอดภัย ก็สามารถสั่งหยุดชั่วคราวหรือยุติการทำงานของ dot ได้ทันที
นี่ถือเป็นชุดควบคุมที่เหมาะสมอย่างยิ่งสำหรับเอเจนต์ส่วนบุคคล ซึ่ง OpenAI สื่อสารโดยใช้สรรพนามบุรุษที่สองอย่างชัดเจน: แอปของคุณ กฎของคุณ การอนุมัติของคุณ และคำแนะนำของ OpenAI เองก็ตอกย้ำเรื่องนี้ว่า: “dots ยังคงมีโอกาสทำงานผิดพลาดได้ ดังนั้นจงตรวจสอบงานที่มีความสำคัญอย่างรอบคอบเสมอ”
ในระดับทีมก็มีความต้องการแบบเดียวกันนี้ แต่เป็นเลเยอร์ที่สูงขึ้นไปอีกขั้น คำถามจะไม่ใช่ “dot ของฉันทำอะไรได้บ้าง” อีกต่อไป แต่จะกลายเป็น “เอเจนต์ทุกตัวในโปรเจกต์นี้กำลังทำอะไรอยู่ และใครคือคนอนุมัติงาน” ซึ่ง OpenAI เองก็คาดหมายไว้แล้วว่าคำตอบส่วนหนึ่งจะต้องอยู่นอกตัวเอเจนต์ โดยเป้าหมายที่ระบุไว้สำหรับความร่วมมือกับ Microsoft คือการช่วยให้องค์กรธุรกิจสามารถ “บริหารจัดการ dots ผ่านเครื่องมือของ Microsoft ที่ใช้งานกันอยู่แล้ว” เลเยอร์การบริหารจัดการจึงอยู่เหนือตัวเอเจนต์ขึ้นมา และนั่นคือจุดที่ระบบบอร์ดเข้ามามีบทบาทเช่นกัน
สิ่งที่หัวหน้าทีมยังคงต้องตั้งคำถาม
ลองจินตนาการถึงทีมพัฒนาผลิตภัณฑ์ขนาดเล็กทีมหนึ่ง วิศวกรคนหนึ่งมี dot ใช้งาน มี Claude Code รันอยู่บนเซิร์ฟเวอร์ส่วนกลาง มี Codex ทำงานอยู่บนแล็ปท็อปสองเครื่อง และมี Gemini ช่วยร่างเอกสารประกอบ เอเจนต์แต่ละตัวต่างทำงานได้เป็นอย่างดี ทว่าคำถามที่ผุดขึ้นมาเต็มการประชุมเช้าวันจันทร์ กลับไม่ได้เกี่ยวข้องกับประสิทธิภาพของตัวใดตัวหนึ่งเป็นพิเศษเลย
| คำถามที่หัวหน้าทีมต้องถาม | สิ่งที่ dot ให้คุณได้ | สิ่งที่ระบบบอร์ดเข้ามาเสริม |
|---|---|---|
| ใครกำลังแก้บั๊กเรื่องระบบชำระเงิน (checkout)? | เจ้าของ dot สามารถถามมันได้โดยตรง หรือติดตามดูผ่าน Activity View | ทุก Task จะแสดง Assignee อย่างชัดเจน: ไม่ว่าจะเป็นคน, Agent หรือ Crew ไม่ว่าจะรันผ่าน Runtime ตัวไหนก็ตาม |
| เมื่อคืนนี้มีงานอะไรเสร็จไปบ้าง และงานไหนล้มเหลว? | มีข้อความรายงานความคืบหน้าส่งตรงถึงเจ้าของ พร้อมทั้ง Activity View สำหรับงานเบื้องหลัง | สถานะการทำงานของแต่ละ Task (queued, running, completed, failed, canceled) แสดงอยู่บนบอร์ดที่ทุกคนใน Space สามารถเปิดดูได้ |
| มีงานอะไรที่กำลังรอคนเข้ามาดำเนินการต่อบ้าง? | คำขออนุมัติตาม Custom Rules รวมถึงคำถามและการตัดสินใจต่างๆ จะถูกส่งตรงไปยังเจ้าของ dot | สถานะ Waiting for human reply (รอคนตอบกลับ) และ Waiting for human review (รอคนรีวิว) จะถูกส่งตรงไปยัง Inbox ของผู้รับผิดชอบงานนั้นทันที |
| Claude Code และ Codex สามารถดึงงานจากคิวเดียวกันไปทำได้หรือไม่? | dot ทำงานบน GPT-6 Astra และสามารถสั่งเปิดทาสก์ใน Codex ได้ | รองรับ Runtime ทุกตัวที่เชื่อมต่ออยู่กับ Computer: ไม่ว่าจะเป็น Claude Code, Codex, Gemini, OpenCode และอื่นๆ |
| เอเจนต์ได้รับอนุญาตให้เข้าถึงหรือแตะต้องอะไรได้บ้าง? | Custom Rules, ระบบ auto-review และการค้นคว้าเชิงรุกแบบอ่านได้อย่างเดียว (read-only) | คำสั่งของ Agent, repository ที่ผูกไว้, worktree ที่แยกส่วนการทำงาน, สิทธิ์การมองเห็น Computer และการมอบหมาย Task ใน Backlog จะยังไม่เป็นการสั่งเริ่มรันงาน |
| ใครเป็นผู้ตรวจรับผลงาน? | เจ้าของจะเป็นผู้รีวิวผลงานที่มีความสำคัญ | จะมีชื่อของบุคคลถูกระบุคู่ขนานไปกับ Agent ใน Task นั้นๆ และการตรวจรับงานจะเป็นการเปลี่ยนสถานะที่ทุกคนในทีมสามารถมองเห็นร่วมกันได้ |
สิ่งที่คุณเห็นในคอลัมน์ขวามือไม่ใช่เอเจนต์ที่ฉลาดขึ้น หากแต่เป็น “ระบบบันทึกและจัดการการทำงานร่วมกับเอเจนต์” Sharkly ไม่ได้สร้างขึ้นมาเพื่อแทนที่ Claude Code, Codex หรือเครื่องมือปฏิบัติงานอื่นๆ แต่เข้ามาเติมเต็มเลเยอร์ส่วนกลางในด้านทาสก์, Computer, บริบท (context), การควบคุม และการรีวิว ครอบเครื่องมือต่างๆ ที่ทีมของคุณใช้งานอยู่แล้ว โดยแบ่งออกเป็น 4 บทบาทที่ชัดเจน: Agent กำหนดวิธีการจัดการงาน, Computer จัดเตรียมสภาพแวดล้อมโฮสต์, Runtime ทำหน้าที่รันเซสชัน และ Task ทำหน้าที่เป็นบันทึกส่วนกลางร่วมกัน ความคืบหน้า อีเวนต์การติดตาม (trace events) และผลลัพธ์จะถูกส่งกลับมาที่ Task ทำให้คำถามที่ว่า “เมื่อคืนเกิดอะไรขึ้นบ้าง” ได้รับคำตอบจากบนบอร์ดที่เดียว แทนที่จะกระจายอยู่ในแชตส่วนตัว 4 เธรด
ข้อตกลงนี้ยังคงใช้ได้เสมอไม่ว่าจะเป็นเครื่องมือจากค่ายใดก็ตาม เอเจนต์ทำหน้าที่ค้นคว้า ดำเนินการ ทดสอบ และรายงานผล ส่วนมนุษย์ทำหน้าที่กำหนดทิศทาง มอบหมายสิทธิ์ และตรวจรับผลงาน บทความเรื่องการเป็นเจ้าของงานของเอเจนต์โดยมนุษย์ (Human ownership of agent work) ได้อธิบายไว้ว่าเหตุใดหน้าที่ในประโยคที่สองจึงไม่สามารถยกให้เอเจนต์จัดการแทนได้ และบทความเรื่องการทำงานร่วมกันของทีมเอเจนต์ (agentic teams) ก็ได้กล่าวถึงสิ่งที่จะเปลี่ยนไปเมื่อคนหลายคนหันมาใช้งานบอร์ดร่วมกัน
เมื่อไหร่ที่ dot ตอบโจทย์ได้ดีกว่า และเมื่อไหร่ที่ควรใช้ระบบบอร์ด
เลือกใช้ dot เมื่อเป็นงานส่วนบุคคล เป็นงานที่เกิดขึ้นซ้ำๆ และดำเนินอยู่ภายใน ChatGPT, Slack, Teams รวมถึงแอปที่เชื่อมต่อผ่านปลั๊กอิน เช่น แผนการเปิดตัวสินค้าที่ต้องปรับตามขอบเขตงาน, การวิเคราะห์ข้อมูลที่ต้องรันซ้ำเมื่อมีชุดข้อมูลใหม่เข้ามา หรือใบแจ้งหนี้ที่มีคนลืมส่ง หากคุณสมัครแพ็กเกจ Pro หรือ Business Premium อยู่แล้ว และลักษณะงานของเอเจนต์ส่วนใหญ่เป็นงานเดี่ยวของคุณเอง การใช้ dot จะใช้เวลาตั้งค่าน้อยกว่าโซลูชันอื่นๆ ในที่นี้ และคุณอาจไม่จำเป็นต้องพึ่งพาระบบบอร์ดเลยด้วยซ้ำ นอกจากนี้ dot ยังทลายเส้นแบ่งระหว่างผู้ช่วย AI กับเพื่อนร่วมทีม AI เพราะมันสามารถแบกรับงานที่คุณไม่ได้คอยจับตาดูอยู่ได้เหมือนเพื่อนร่วมทีม แต่ยังคงรายงานตรงต่อคุณเพียงคนเดียว
เลือกใช้ระบบบอร์ดเมื่องานนั้นเป็นงานที่ต้องทำร่วมกัน เช่น มีหลายคนคอยมอบหมายงานให้เอเจนต์หลายตัว มีการใช้งาน Runtime จากผู้ให้บริการมากกว่าหนึ่งเจ้า มีผู้รีวิวผลงานที่ไม่ใช่คนเดียวกับคนเขียนคำสั่ง และประวัติการทำงานของแต่ละ Task ต้องถูกเก็บบันทึกไว้แม้บทสนทนาจะจบลงไปแล้วก็ตาม สิ่งนี้มีความสำคัญที่สุดเมื่อคุณต้องการให้เวิร์กโฟลว์ยังคงดำเนินต่อไปได้โดยไม่ต้องเปลี่ยนระบบใหม่ทุกครั้งที่มีเอเจนต์ตัวเก่งตัวใหม่เปิดตัว วันนี้เอเจนต์ที่ดีที่สุดอาจเป็น Astra ใน dot, Claude Code บนเซิร์ฟเวอร์ และ Codex บนแล็ปท็อป แต่ไตรมาสหน้าอันดับเหล่านี้อาจเปลี่ยนไป และบอร์ดของทีมก็ไม่ควรจะต้องถูกรื้อสร้างใหม่ทุกครั้ง
ทั้งสองระบบสามารถทำงานผสานกันได้อย่างลงตัว หาก Pull Request ของ dot ถูกส่งเข้ามายัง GitHub repository ที่เชื่อมต่อกับ Sharkly อยู่ และมีการระบุ Task ID ไว้ในชื่อ PR, รายละเอียด หรือชื่อ branch ระบบเชื่อมต่อ GitHub ของ Sharkly จะพยายามลิงก์ PR นั้นเข้ากับ Task ดังกล่าวโดยอัตโนมัติ หรือ dot ที่คุณแชตคุยด้วยใน Slack ก็สามารถทำงานเคียงข้างไปกับ Sharkly Agent ที่มี Slack bot เป็นของตัวเองได้โดยไม่มีตัวไหนเข้ามาแทนที่กัน และหากคุณต้องการนำ GPT-6 Astra มาไว้บนบอร์ด มันก็สามารถนำเข้ามาได้เหมือนกับโมเดลอื่นๆ ทั่วไปผ่านทาง Runtime บน Computer เนื่องจากตัว Agent จะอิงตามโมเดลเริ่มต้นของ Runtime นั้นๆ ดูขั้นตอนการตั้งค่าได้ในบทความการรันเอเจนต์ GPT-6 Astra ใน Sharkly
dots ไม่ใช่ไฮไลต์เดียวในงาน DevDay ที่เกี่ยวกับเอเจนต์ที่ลงมือทำงานได้โดยไม่ต้องรอคำสั่ง ทั้ง MCP Events และ team tasks ที่ระบุไว้ในบทสรุปงาน DevDay ต่างก็นำแนวคิดเดียวกันนี้มาปรับใช้กับการทำงานแบบขับเคลื่อนด้วยอีเวนต์ (event-driven) ซึ่งบทความคู่ขนานของเราเรื่องการให้ ChatGPT ช่วยจับตาดูโปรเจกต์บอร์ดของคุณ ได้ตั้งคำถามไว้อย่างน่าสนใจว่า ทันทีที่อีเวนต์เกิดขึ้นแล้ว มันควรจะสร้างผลลัพธ์อะไรตามมา
บริษัท AI ทุกแห่งต่างต้องการให้คุณเข้าไปบริหารจัดการเอเจนต์ในระบบของพวกเขา แต่ Sharkly ให้คุณเป็นผู้บริหารจัดการเอเจนต์ของคุณเองอย่างอิสระ หากคุณต้องการใช้งานเอเจนต์สำหรับเขียนโค้ดร่วมกันจากหลากหลายค่าย แทนที่จะผูกขาดอยู่กับระบบนิเวศของค่ายใดค่ายหนึ่งเพียงเจ้าเดียว นั่นคือโจทย์หลักที่ Sharkly ได้รับการออกแบบมาเพื่อแก้ไขโดยเฉพาะ
