อบรม AI · ส่วนที่ 1

พื้นฐานการใช้ AI ในงาน

ทุกคนเรียนทักษะหลักชุดเดียวกัน แล้วนำไปใช้กับงานของตัวเอง

หลักสูตรออกแบบอย่างไร

พื้นฐานเดียวกันสำหรับทุกคน แล้วปรับตามบทบาท

ผู้จัดการการเงิน กระบวนกร และหัวหน้าฝ่ายปฏิบัติการ ไม่จำเป็นต้องเรียน AI คนละหลักสูตร ทุกคนต้องการ พื้นฐานเดียวกัน คือวิธีสั่งงาน วิธีตรวจงาน และวิธีรักษาความปลอดภัยของข้อมูล แล้วจึงเพิ่มงานจริงของตัวเอง เป็นชั้นบาง ๆ ทับลงไป ราวเจ็ดสิบเปอร์เซ็นต์คือแกนกลางร่วมกัน อีกสามสิบเปอร์เซ็นต์คือการนำ AI ไปใช้กับ งานจริงของแต่ละคน

นี่คือสิ่งที่ทำให้การนำ AI มาใช้ทั้งองค์กรเป็นไปในทิศทางเดียวกัน เมื่อพื้นฐานเป็นชุดเดียวกัน คนช่วยกันได้ แบ่งปันสิ่งที่ได้ผลได้ และเติบโตไปตามบันไดเดียวกัน แทนที่จะแยกกันไปมีนิสัยส่วนตัวที่ไม่มีใครมองเห็นหรือ นำมาใช้ซ้ำได้

AI คือเด็กฝึกงานที่เก่ง แต่ทำผิดพลาดได้

มันอ่านเร็ว รอบรู้กว้าง และร่างงานในไม่กี่วินาทีในสิ่งที่เราต้องใช้เวลาทั้งบ่าย แต่มันก็พูดสิ่งที่ผิดออกมา อย่างมั่นใจเต็มที่ได้ ฉะนั้นให้ปฏิบัติกับมันเหมือนพนักงานใหม่ที่เก่ง คือสั่งงานให้ชัด และตรวจงานทุกครั้ง มันช่วยให้งานเร็วขึ้น แต่ไม่ใช่คนตัดสินใจขั้นสุดท้าย

ทำไมมันถึงเดามั่วอย่างมั่นใจ →

กฎ 3 ข้อที่ไม่เปลี่ยน

กฎ 3 ข้อ

ตรวจทุกครั้ง AI เดามั่วได้ อย่าเชื่อ 100% โดยเฉพาะตัวเลข ชื่อ และวันที่ อ่านทุกผลลัพธ์ ก่อนนำไปใช้ และอย่าให้มันเป็นสายตาสุดท้ายในเรื่องที่สำคัญ เราคือคนรับผิดชอบ ไม่ใช่ AI

สั่งให้ชัด สั่งไม่ชัด ผลก็ไม่ชัด ยิ่งบอกบริบท งาน และรูปแบบที่ต้องการมากเท่าไร ผลลัพธ์ ยิ่งดีขึ้น คุณภาพของคำสั่งคือคันโยกที่สำคัญที่สุดที่เราควบคุมได้

รักษาความลับ ข้อมูลบริษัทต้องอยู่ในเครื่องมือ AI ที่บริษัทอนุญาตเท่านั้น ห้ามใส่ในบัญชี ส่วนตัวหรือแอปทั่วไป ข้อมูลอยู่ที่ไหน เป็นตัวกำหนดว่าเครื่องมือไหนที่เราใช้ได้

สูตรการสั่งงาน

บริบท + งาน + รูปแบบ = ผลลัพธ์

คำสั่งที่ดีเกือบทุกอันมีสามส่วน บริบท คือเรื่องนี้คืออะไร สถานการณ์เป็นอย่างไร AI ต้องรู้อะไรบ้าง งาน คือสิ่งเดียวที่อยากให้มันทำ รูปแบบ คือแบบที่อยากได้กลับมา ขาดข้อใดข้อหนึ่งผลลัพธ์ ก็จะเพี้ยน ครบทั้งสามผลลัพธ์ก็จะใกล้เคียงตั้งแต่ครั้งแรก

บริบท + งาน + รูปแบบ = ผลลัพธ์

ตัวอย่างจริง: “นี่คืออีเมลจากซัพพลายเออร์ (บริบท) ช่วยสรุปว่าเขาต้องการ อะไร แล้วร่างคำตอบให้ (งาน) เป็นภาษาไทย สั้น ๆ สามข้อ (รูปแบบ)” จากนั้นอ่าน แก้รายละเอียดที่มีแต่เราที่รู้ แล้วส่งเอง

สังเกตขั้นสุดท้าย เรายังต้องอ่านและแก้ก่อนส่งออกไป สูตรนี้ให้ร่างที่แข็งแรง ไม่ใช่การตัดสินใจที่เสร็จสมบูรณ์

ความปลอดภัยของข้อมูล

อะไรใส่ได้ อะไรใส่ไม่ได้

AI ปลอดภัยเท่ากับขอบเขตที่เรากำหนดรอบมัน กฎง่าย ๆ คือ งานทั่วไปในเครื่องมือที่บริษัทอนุญาตใส่ได้ ส่วนสิ่งที่ระบุตัวบุคคลในเชิงการเงินหรือส่วนตัว ไม่ใส่เลย

ใส่ได้ — ในเครื่องมือของบริษัท

  • อีเมลงานและการติดต่อภายใน
  • ร่างเอกสาร บันทึก และโน้ตภายใน
  • เอกสาร รายงาน และงานนำเสนอที่เราเป็นเจ้าของ
  • บันทึกและสรุปการประชุม
  • คำถามทั่วไปและการวิเคราะห์ที่ไม่ใช่ความลับ

ห้ามใส่

  • ข้อมูลเงินเดือนและรายละเอียดค่าตอบแทน
  • ข้อมูลส่วนบุคคล (PII)
  • ข้อมูลการเงินของลูกค้าหรือคู่ค้า
  • เลขบัญชี บัตร หรือข้อมูลธนาคาร
  • อะไรก็ตามที่ไม่กล้าวางในโฟลเดอร์ที่แชร์ในบริษัท

เมื่อไม่แน่ใจ ให้ไม่ใส่ หรือสรุปให้รายละเอียดที่อ่อนไหวไม่ถึงเครื่องมือ และใช้ AI ของบริษัท กับ ข้อมูล ของบริษัท เสมอ ไม่ใช้บัญชีส่วนตัว

วินัยด้านอีเมลและเอกสาร

AI ร่าง เราอ่าน แก้ แล้วส่ง

เวิร์กโฟลว์ที่ปลอดภัยมีสามขั้นเสมอ AI ร่าง เรา อ่านและแก้ แล้ว เราส่ง AI ไม่เคยกดส่งเอง และร่างของมันไม่ใช่คำตอบสุดท้าย นิสัยเดียวนี้ป้องกันความผิดพลาด น่าอายได้เกือบทั้งหมด

อีกสองนิสัยที่ให้ผลเร็ว สรุปก่อนตอบ แทนการส่งต่อ แทนที่จะส่งต่อภาพหน้าจอหรือเธรดยาว ๆ ให้ AI สรุปว่าเขาพูดอะไรและขออะไร เปลี่ยนภาพและความรกให้เป็นข้อความที่พิมพ์ออกมา และ แปลได้ทันที อีเมลภาษาไทยที่ต้องการเป็นอังกฤษ หรือเอกสารอังกฤษที่เพื่อนร่วมงานต้องการ เป็นไทย ตอนนี้ใช้เวลาไม่กี่วินาที ไม่ใช่คอขวดอีกต่อไป

ทำงานจริงกับ AI — เซสชันอบรมเชิงปฏิบัติที่ผู้เข้าร่วมทำงานบนแล็ปท็อป
ในการทำงานจริง

นำ AI ไปใช้กับงานจริง และตรวจทุกผลลัพธ์ก่อนใช้งาน

ตัวช่วยที่ใช้ซ้ำได้ คือการตั้งค่า AI ที่บันทึกไว้สำหรับงานที่ทำซ้ำ

Gemini Gems, Claude Projects หรือ GPT ที่ปรับเอง เป็นแนวคิดเดียวกันคนละชื่อ เราบันทึกการตั้งค่าไว้ครั้งเดียว เพื่อไม่ต้องพิมพ์ใหม่ทุกครั้ง ทั้งบทบาทที่กำหนดไว้ บริบทที่มันต้องใช้เสมอ งานที่มันทำประจำ รูปแบบที่อยากได้กลับมา ข้อจำกัดของมัน และกฎให้ตรวจตัวเอง ตัวช่วยที่ดีจะจบด้วยการบอกเสมอว่ามันไม่แน่ใจตรงไหน และเราก็ยังต้องตรวจอยู่ดี มันช่วยให้เราไม่ต้องบรีฟ AI ใหม่ทุกครั้งที่ทำงานเดิม

รายงานประจำสัปดาห์

ทำให้งานของ AI มองเห็นได้

คุณค่าส่วนใหญ่ที่ AI สร้างไม่ถูกบันทึกไว้ ทั้งร่างที่ประหยัดไปหนึ่งชั่วโมง สรุปที่ทำให้ไม่ต้องประชุม คำแปลที่ปลดล็อกการตัดสินใจ ไม่มีอะไรถูกบันทึกไว้ที่ไหนโดยอัตโนมัติ รายงานประจำสัปดาห์คือสิ่งที่บันทึกมัน

มันเริ่มเล็กมาก คือสามคำถาม ตอบสัปดาห์ละครั้ง

1. สัปดาห์นี้ AI ช่วยงานอะไรบ้าง
2. ได้ผลจริงไหม
3. สัปดาห์หน้าจะลองอะไร

ตอนแรกมีแค่นี้ เมื่อผ่านไปหลายสัปดาห์มันจะเติบโตขึ้น ทั้งคำสั่งที่ได้ผล ตัวช่วยที่สร้าง จุดที่ AI ประหยัด เวลาจริง จนกลายเป็นบันทึกที่ผูกกับงานจริงของเรา ไม่ใช่แค่แบบฝึกหัด รายงานประจำสัปดาห์คือแกนของหลักสูตร มันเปลี่ยนการทดลองที่กระจัดกระจายให้เป็นความก้าวหน้าที่มองเห็นได้ ใช้ซ้ำได้ และรายงานได้

ทำให้งานมองเห็นได้ — ไมเคิล อนันทพสิน สอนคลาสพื้นฐาน AI เชิงประยุกต์
รายงานประจำสัปดาห์

บันทึกว่า AI ทำอะไรในแต่ละสัปดาห์ เพื่อให้ความก้าวหน้าเป็นสิ่งที่มองเห็นได้

บันไดพัฒนาการ

แปดขั้น จากไม่เคยใช้ ไปจนถึงวางมาตรฐานให้ทั้งทีม

ความก้าวหน้ากับ AI ไม่ใช่ผ่านหรือตก มันไล่จากไม่เคยใช้เลย ไปจนถึงการสร้างเครื่องมือที่ทั้งทีมนำมาใช้ซ้ำ บันไดนี้แสดงว่าแต่ละคนอยู่ตรงไหนวันนี้ และขั้นถัดไปคืออะไร และทำให้การนำ AI มาใช้ติดตามความก้าวหน้าของ ตัวเองได้

0
ยังไม่มีร่องรอย

ยังไม่ได้ใช้ AI ในทางที่มองเห็นได้

1
รับรู้

เข้าใจว่า AI คืออะไร และสำคัญกับงานอย่างไร

2
ใช้ AI กับงานจริง

นำไปใช้กับงานจริง ไม่ใช่แค่การสาธิต

3
แสดงคำสั่ง + ผลลัพธ์ และรู้ว่าต้องตรวจ

บอกได้ว่าสั่งอะไรและได้อะไรกลับมา และมองว่าเป็นร่าง

4
ผลลัพธ์ที่คนแก้ไขจนสมบูรณ์

อ่าน แก้ และรับผิดชอบผลลัพธ์ก่อนส่งออกไป

5
สร้างตัวช่วยหรือเทมเพลตที่ใช้ซ้ำได้

บันทึกการตั้งค่าให้งานที่ทำซ้ำเป็นแบบเดียวกันทุกครั้ง

6
ทำรายงานสะสมประจำสัปดาห์

เก็บบันทึกต่อเนื่องว่า AI กำลังทำอะไรกับงานจริง

7
มีส่วนร่วมในความรู้/SOP ของทีม

เปลี่ยนวิธีทำส่วนตัวให้เป็นสิ่งที่ทั้งทีมนำมาใช้ซ้ำได้

เส้นทาง 12 ขั้น

หลักสูตรไล่จากคำสั่งแรก ไปจนถึงรายงานที่ผูกกับงานของคุณ

พื้นฐานถูกสอนเป็นลำดับ แต่ละขั้นเล็กพอที่จะทำได้ภายในสัปดาห์นี้ และแต่ละขั้นต่อยอดจากขั้นก่อนหน้า จบด้วยการที่ AI ทำงานจริงกับงานของคุณ พร้อมบันทึกเป็นลายลักษณ์อักษร

01
ปฐมนิเทศ ความปลอดภัย และงานจริงชิ้นแรก AI คืออะไร กฎ 3 ข้อ และงานจริงหนึ่งชิ้นที่ทำวันนี้
02
วินัยด้านอีเมลและเอกสาร ร่าง → อ่าน → แก้ → ส่ง สรุปแทนการส่งต่อ แปลได้ทันที
03
สร้างตัวช่วยที่ใช้ซ้ำได้ชิ้นแรก เปลี่ยนงานที่ทำซ้ำเป็นตัวช่วยที่บันทึกไว้ พร้อมบทบาท บริบท งาน และรูปแบบ
04
ปรับตัวช่วย + รายการตรวจสอบ ทำให้แม่นขึ้น เพิ่มข้อจำกัด และตั้งวิธีตรวจผลลัพธ์ของตัวเอง
05
เริ่มรายงานส่วนตัวประจำสัปดาห์ สามคำถาม ตอบเป็นครั้งแรก
06
คุณภาพคำสั่ง + จับการเดามั่ว คำสั่งที่คมขึ้น และนิสัยจับคำตอบที่มั่นใจแต่ผิด
07
เวิร์กช็อปกับงานจริง คำสั่ง ผลลัพธ์ คนสรุปขั้นสุดท้าย บนงานจริงของคุณ
08
สรุปจากเอกสารต้นทาง สรุปและตอบจากเอกสารจริง ไม่ใช่จากความจำของโมเดล
09
รายงานประจำสัปดาห์ของทีม บันทึกของแต่ละคนเริ่มรวมเป็นภาพร่วมกัน
10
สกัด SOP และองค์ความรู้ เปลี่ยนสิ่งที่ได้ผลเป็นขั้นตอนที่ทั้งทีมใช้ซ้ำได้
11
จังหวะแดชบอร์ด จังหวะสม่ำเสมอที่งานและความก้าวหน้ามองเห็นได้ในพริบตา
12
รายงานสะสมสุดท้าย ผูกกับงาน บันทึกต่อเนื่องที่ AI แบกงานจริงได้อย่างวัดผลได้

ต้องใช้กับงานจริงเสมอ

สิ่งเดียวที่ต่อรองไม่ได้ในทุกขั้นคือ มันต้องแตะงานจริงของคุณ เป้าหมายไม่ใช่สรุปสวย ๆ เกี่ยวกับ AI แต่คือร่างที่คุณส่งจริง ตัวช่วยที่คุณใช้ซ้ำ และรายงานที่ผูกกับงานที่คุณรับผิดชอบ งานที่ไม่เคยแตะงานจริง ไม่นับ

ต่อไปในหลักสูตร

เมื่อวางพื้นฐานแล้ว แนวคิดตัวช่วยที่ใช้ซ้ำได้จะกลายเป็นเพื่อนร่วมงานที่ทำงานได้จริง อ่านต่อที่ Claude ในฐานะเพื่อนร่วมงาน หรือกลับไปที่ หน้ารวมหลักสูตร

นำ AI เข้าสู่งานจริงของทีมคุณ

พื้นฐานร่วมกันหนึ่งชุดสำหรับทั้งทีม แล้วนำไปใช้กับแต่ละบทบาท

ขอรับคำปรึกษา