ทำอย่างไรให้ได้ผลลัพธ์ที่ดี
Why this matters
คนสองคนใช้ AI ตัวเดียวกัน คนหนึ่งได้ผลลัพธ์ที่ใช้งานได้จริง อีกคนได้ขยะ — ความต่างเกือบทั้งหมดอยู่ที่ วิธีให้ข้อมูลและวิธีถาม บทนี้เป็นหลักคิดพื้นฐาน (Stage 3 จะสอนวิธีเขียน prompt แบบเต็มรูปแบบอีกที)
หลัก 5 ข้อ
- คุณภาพของ input สำคัญที่สุด — AI ทำงานจากสิ่งที่เราให้ ถ้าให้ complaint ฉบับตัดตอน ข้อมูลไม่ครบ หรือบริบทผิด ผลลัพธ์ก็จะผิดตาม หลักเดียวกับข้อมูลการผลิต: garbage in, garbage out
- ถามให้ชัด ทีละเรื่อง — คำขอที่กว้าง (“ช่วยดู complaint นี้หน่อย”) ได้คำตอบกว้าง แยกเป็นงานย่อยชัด ๆ เช่น “สรุปเป็น 5 ประเด็น” หรือ “ดึงรายการข้อมูลที่ยังขาด” จะได้ผลดีกว่ามาก
- ให้ตัวอย่าง — ถ้าอยากได้ output หน้าตาแบบไหน แปะตัวอย่างให้ดู 1 ชิ้น ดีกว่าอธิบายยาว ๆ
- ขอให้แยกข้อเท็จจริงออกจากข้อสันนิษฐาน — บังคับให้ AI ระบุว่าส่วนไหนมาจากข้อมูลที่ให้ ส่วนไหนเป็นการคาดเดา จะลดโอกาสที่เราเผลอเชื่อการเดาของมัน
- ตรวจผลลัพธ์เสมอ — โดยเฉพาะตัวเลข ชื่อเอกสาร ค่ามาตรฐาน และข้อสรุป ให้ถือว่า output ของ AI คือ ฉบับร่างที่ยังไม่ผ่าน QC จนกว่าจะตรวจแล้ว
ตัวอย่างสั้น ๆ
แทนที่จะถามว่า “complaint นี้เป็นยังไงบ้าง” ลองให้แบบนี้:
นี่คือข้อความ complaint จากลูกค้า (แนบเต็มด้านล่าง)
ช่วยทำ 2 อย่าง:
1) สรุปสิ่งที่ลูกค้ารายงาน ไม่เกิน 5 ข้อ
2) แยกให้ชัดว่าอะไรคือข้อเท็จจริงจากข้อความ
และอะไรเป็นเพียงข้อสันนิษฐาน
ถ้าข้อมูลไม่พอ ให้ระบุว่าขาดอะไร ห้ามเดา
Common Mistakes
- ยัดคำถามหลายเรื่องในครั้งเดียวแล้วได้คำตอบครึ่ง ๆ กลาง ๆ ทุกเรื่อง
- ไม่ให้บริบทของงาน (อุตสาหกรรม, ชนิดชิ้นงาน, ผู้รับปลายทาง) แล้วหวังให้ AI เดาเอง
- เชื่อผลลัพธ์เพราะ “อ่านแล้วลื่น” — ความลื่นของภาษาไม่ใช่หลักฐานความถูกต้อง