ทุกวันนี้ AI อยู่ในแทบอณูของการใช้ชีวิต เราใช้ AI จัดตารางชีวิต หาคำตอบในการทำงาน ช่วยสรุปประเด็น ช่วยเขียนอีเมล ช่วยแปลภาษา กระทั่ง ‘ดูดวง’ กราฟิกใช้ Midjourney สร้างภาพประกอบ ในขณะเดียวกันมนุษย์ป้า-มนุษย์ลุงก็ใช้ AI แต่งภาพตัวเองให้สวย สร้างกระทั่งฟิกเกอร์ สร้างตุ๊กตา จาก Gemini

ปัญหาสำคัญคือมนุษย์ทุกวันนี้ใช้ AI เป็นสรณะ แต่ยังไม่ชัดเจนเรื่องวิธีคิดแบบ AI ฉะนั้นจะเป็นการดีกว่า หากเข้าใจวิธีคิดแบบ AI ซึ่งจะทำให้คุณใช้งาน AI ได้สนุกยิ่งขึ้น และ Prompt หา AI ได้ถูกต้องและสมบูรณ์มากยิ่งขึ้น

The Momentum รวบรวมวิธีคิดแบบ AI ให้เข้าใจวิธีการ ‘สั่ง’ มากขึ้น เริ่มตั้งแต่การตั้งเป้าหมาย การอ้างข้อมูลประกอบ และสิ่งสำคัญอย่างการรับ ‘ฟีดแบ็ก’ เพื่อเรียนรู้อย่างต่อเนื่อง

  1. คิดให้ชัด แล้วสั่งให้ฉลาด

AI อ่านใจมนุษย์ไม่ได้ AI เข้าใจสิ่งที่มนุษย์พิมพ์ แต่ไม่ได้เข้าใจสิ่งที่มนุษย์คิด วิธี Prompt ให้ฉลาดอาจเริ่มต้นจากการเรียงลำดับความคิด สังเคราะห์ออกมาจนกลายเป็นคำถาม

ฉะนั้น Prompt ที่ดีไม่ได้เริ่มต้นจากคำสั่งยาวๆ แต่เริ่มต้นจากการทำความเข้าใจตัวเองว่าเป้าหมายของการตั้งคำถามนั้นคืออะไร เราอยากได้คำตอบที่ ‘ลึก’ แค่ไหน จะเอารายละเอียดตามลำดับขั้นอย่างไร 

ขณะเดียวกัน วิธีคิดแบบ AI คือการนั่งดู Data-Driven ใช้ข้อมูลเป็นฐาน ดูกระบวนการที่เกิดขึ้นซ้ำๆ และใช้ข้อมูลที่มีก่อนตัดสินใจ หากมีข้อมูลเป็นฐานมากขึ้นก็ทำให้เราตัดสินใจได้แม่นยำมากขึ้น ‘มั่ว’ น้อยลง

นั่นอาจเป็นวิธีคิดแบบ AI ที่มนุษย์เรียนรู้ได้

  1. วิธี Prompt ให้ใช้โครงสร้าง ‘Role + Task + Context + Output’

Prompt ที่ดีควรมี 4 ส่วนนี้ครบ สูตร ‘You are [บทบาท] Your task is to [งาน] Here’s the context: [บริบท] Please output as [รูปแบบ]’

ยกตัวอย่างเช่น “ผมกำลังทำงานให้ The Momentum ผมจะเขียนโครงการจัดงานเสวนาเกี่ยวกับ AI โดยมีกลุ่มเป้าหมายเป็นกลุ่มคนรุ่นใหม่ ช่วยเขียนโครงการเพื่อนำเสนอขอสปอนเซอร์” 

เรื่องนี้คล้ายกับการสั่งงานกับทีม ถ้าไม่สื่อสารกับทีมให้ชัดเจน เปลี่ยนไปเปลี่ยนมา ทีมก็จะไม่รู้ว่าต้องการอะไร ไม่รู้ว่าทำงานอะไร สื่อสารกับใคร มีแต่คำสั่งลอยๆ ไม่ได้สั่งให้เป็นระบบ 

  1. เรียนรู้จากฟีดแบ็ก

อย่าลืมว่าทุกครั้งที่ป้อนฟีดแบ็ก AI กำลังเรียนรู้ มนุษย์คือสิ่งที่ทำให้ระบบปัญญาประดิษฐ์ฉลาดมากขึ้น แหลมคมมากขึ้น หากจำกันได้เมื่อไม่กี่เดือนที่แล้ว พวกเราเพิ่งจะดูแคลน AI ว่า ให้ข้อมูลหยาบ มั่ว และตลกขบขัน แต่ในปีนี้ข้อมูลจาก AI กลับแม่นยำมากขึ้นอย่างน่าทึ่ง ซึ่งส่วนสำคัญล้วนมาจากฟีดแบ็กที่ผู้ใช้คอยสอน คอยป้อน ผิด-เรียนรู้ใหม่ ผิด-ขอคำตอบใหม่ ผิด-แล้วบอกว่าไม่ใช่

และใน Machine Learning ทุกความล้มเหลวคือการฝึกได้เพิ่มอีก 1 รอบ ฉะนั้นการคิดแบบ AI จึงเป็นการคิดแบบ Feedback Loop หากพลาดก็กลับมาทดลองใหม่พร้อมข้อมูลที่มากขึ้น ปรับปรุงข้อมูล เก็บเล็กผสมน้อย ต่อเนื่องโดยไม่ย่อท้อ 

ฉะนั้น หาก AI พลาด อย่าหัวเราะเยาะ เช่นเดียวกัน หากมนุษย์พลาดก็อย่าลืมว่านั่นคือโอกาสในการปรับตัวให้ดีขึ้นในครั้งหน้า 

  1. มนุษย์คือคนที่ ‘ตั้งโจทย์ได้’

สุดท้าย AI จะฉลาดเท่ากับ ‘โจทย์ที่ได้รับ’ เท่านั้น และนั่นคือสิ่งที่คนทำงานยุคใหม่ต้องยึดไว้ ไม่ต้องแข่งกับ AI ว่าใครรู้มากกว่า แต่ต้องเก่งกว่าในการตั้งคำถามและการตีโจทย์ให้ถูก เพราะ AI ตอบคำถามที่มนุษย์ป้อนให้เท่านั้น แต่มนุษย์สามารถคิดได้ไกลกว่า สามารถเชื่อมโยง ลากเส้นต่อจุดได้มากกว่า

ขณะเดียวกันสิ่งที่ AI ไปไม่ถึง ก็คือ Circle ข้างนอก คือข้อมูล คือบรรยากาศ คือบทสนทนา และคือความรู้สึกนึกคิดในพื้นที่จริง ในสนามจริง  

และในความเป็นจริง หากต้องคิดแบบซับซ้อน หากต้องวิเคราะห์พื้นหลัง ‘ประสบการณ์’ และการทำงานอย่างหนักของมนุษย์ ในการเชื่อมโยงสิ่งต่างๆ เข้าด้วยกัน มนุษย์ย่อมทำได้ดีกว่า AI 

โดยสรุป วิธีคิดแบบ AI ไม่ได้สอนให้เราทำงานเหมือนเครื่องจักร แต่สอนให้เราทำงานอย่าง มีเหตุผล มีข้อมูล และไม่กลัวจะเริ่มใหม่

เราอาจไม่มีหน่วยประมวลผลเร็วเท่ากับ AI แต่เรามีสิ่งที่ AI ไม่มี ไม่ว่าจะ ความรู้สึก การตีความ และสัญชาตญาณ
และนั่นคือเหตุผลที่ ‘มนุษย์ที่คิดแบบ AI’ จะกลายเป็นคนทำงานที่ทรงพลังที่สุดในยุคนี้ 

หากสนใจวิธีการใช้เครื่องมือ AI สามารถเจอกันได้ที่งาน ‘AI : Ultimate Opportunity or Opponent’ ในโอกาสครบรอบ 9 ปี The Momentum ที่โรงแรม Hilton Bangkok Grande Asoke ในวันที่ 20 ตุลาคม 2568 โดยในงานครั้งนี้มี เรซา ซาดรี (Reza Sadri) อาจารย์จาก California Institute of Technology (Caltech) มาช่วยสังเคราะห์ AI

และอีกงานวันที่ 23 ตุลาคม 2568 ในเวทีเสวนาพิเศษ ‘THE (AI)DGE OF TOMORROW : Navigating the New Era of Thai Talent’ งานที่จะพาคุณมองข้ามขอบปัจจุบัน สู่พื้นที่ที่ AI และมนุษย์จะเติบโตไปด้วยกัน เวลา 13.00-15.00 น. ที่ SCBX Next Tech ชั้น 4 ศูนย์การค้าสยามพารากอน 

Tags: , , , , ,