ลองนึกภาพเช้าวันจันทร์ในออฟฟิศแบบนี้ดูครับ#

สมมติว่ามีออฟฟิศเล็กๆ แห่งหนึ่ง พนักงานคนหนึ่งเปิดคอมเช้าวันจันทร์ เจองานกองโตเลยครับ ต้องร่างอีเมลตอบลูกค้าห้าราย สรุปประชุมเมื่อศุกร์ที่แล้วที่ยาวเป็นชั่วโมง แล้วก็ทำตารางเปรียบเทียบราคา supplier สามเจ้า

เมื่อสองสามปีก่อน งานกองนี้คือ “เช้าวันจันทร์ที่หายไปทั้งเช้า” ครับ นั่งร่างเอง พิมพ์เอง คิดคำเปิดอีเมลอยู่ครึ่งชั่วโมง

แต่ลองนึกภาพเช้าวันจันทร์เวอร์ชันใหม่ดูครับ พนักงานคนเดิมเปิดเครื่องมือ AI ขึ้นมา พิมพ์ว่า “ช่วยร่างอีเมลตอบลูกค้าที่ขอเลื่อนส่งของ น้ำเสียงสุภาพแต่ไม่ง้อจนเกินไป” สามวินาทีได้ร่างมาแล้ว เขาอ่าน แก้ตรงที่ AI ใส่ข้อมูลวันที่ผิด เปลี่ยนคำลงท้ายให้เป็นสไตล์ร้านตัวเอง แล้วก็กดส่ง

สังเกตอะไรไหมครับ? งานไม่ได้หายไปไหน คนยังเป็นคนตัดสินใจ ยังเป็นคนกดส่ง ยังเป็นคนรับผิดชอบถ้าอีเมลนั้นพลาด แต่ “การลงมือร่างจากศูนย์” ถูกยกให้ AI ทำ คนเลยเปลี่ยนบทบาทจาก “คนพิมพ์” มาเป็น “คนสั่งและคนตรวจ”

แล้วเช้าวันจันทร์เวอร์ชันใหม่นี้ พนักงานคนเดิมก็ทำงานสามกองเสร็จก่อนเที่ยง ทั้งที่เมื่อก่อนแค่อีเมลห้าฉบับก็กินเวลาทั้งเช้าแล้ว เวลาที่เหลือเขาเอาไปทำอะไร? เอาไปคิดเรื่องที่ AI คิดแทนไม่ได้ไงครับ เช่นวางแผนว่าจะดูแลลูกค้ารายใหญ่ที่กำลังจะหลุดมือยังไง หรือคิดโปรโมชั่นเดือนหน้า งานที่ต้องใช้ความเข้าใจคนและความเข้าใจธุรกิจจริงๆ นั่นแหละ

นี่คือภาพที่ผมอยากให้ติดตาก่อนเข้าเนื้อหาครับ AI ไม่ได้มาทำให้คนว่างงาน มันมาคืน “เวลาคิด” ให้คน โดยรับงานจำเจที่กินเวลาไปทำแทน คำถามมันเลยไม่ใช่ “AI จะแย่งงานเราไหม” แต่เป็น “เราจะใช้เวลาที่ได้คืนมาทำอะไรให้มีค่า”

นี่แหละครับคือหัวใจของตอนนี้ทั้งตอน ยุคนี้ AI ส่วนใหญ่ไม่ได้มา “แทน” คน แต่มานั่งข้างๆ เป็น copilot (อ่านว่า โค-ไพ-ลอต แปลว่า “นักบินผู้ช่วย” — คนที่นั่งข้างกัปตันในห้องนักบิน) และคนที่ทำงานเก่งขึ้นในยุคนี้ ไม่ใช่คนที่เก่ง AI ที่สุด แต่เป็นคนที่ ทำงานร่วมกับ AI เป็น ต่างหาก

ผมอยากให้สังเกตคำว่า “ทำงานร่วมกับ AI เป็น” ดีๆ นะครับ เพราะมันคือทักษะคนละอย่างกับ “รู้เรื่อง AI” คุณไม่จำเป็นต้องเข้าใจว่าข้างใน AI มันคำนวณยังไง ไม่ต้องเขียนโปรแกรมเป็น ไม่ต้องรู้ศัพท์เทคนิคยากๆ เลยก็ได้ เหมือนคุณขับรถเป็นโดยไม่ต้องรู้ว่าเครื่องยนต์มันทำงานยังไง สิ่งที่ต้องรู้คือ “ขับให้เป็น” คือรู้ว่าเหยียบคันเร่งตอนไหน เบรกตอนไหน เลี้ยวตรงไหน นั่นคือทักษะที่ตอนนี้ทุกคนเริ่มต้องมี

มันต่างกันยังไง แล้วเราต้องปรับตัวตรงไหนบ้าง? ค่อยๆ ไล่ไปด้วยกันครับ ผมจะพาไล่ตั้งแต่ว่าทำไมต้องมองมันเป็น “ผู้ช่วยขับ” ไม่ใช่ “คนขับแทน” แล้ว workflow การทำงานมันเปลี่ยนไปยังไง ทักษะใหม่ที่ต้องมีคืออะไร ทำไมต้องมีคนคอยคุมเสมอ และสุดท้ายคนยังจำเป็นอยู่ไหมในวันที่เครื่องมือเก่งขนาดนี้

ทำไมต้องเป็น “copilot” ไม่ใช่ “autopilot”#

ก่อนอื่นขออธิบายคำที่ผมจะใช้ทั้งตอนนี้ก่อนครับ ผมชอบอุปมาเรื่องห้องนักบินมาก เพราะมันอธิบายความสัมพันธ์ระหว่างคนกับ AI ยุคนี้ได้ตรงที่สุด

ในเครื่องบินมีอยู่สองคำที่คนชอบสับสนกันครับ

• Autopilot (ออโต้ไพลอต — “ระบบบินอัตโนมัติ”) คือระบบที่บินเองได้ในช่วงเดินทางปกติ ทำหน้าที่ตามที่ตั้งไว้ แต่ไม่มีใครยอมให้มันบินขึ้น-ลงเองทั้งเที่ยวโดยไม่มีคนเฝ้า
• Copilot คือ “คน” อีกคนที่นั่งอยู่ในห้องนักบินด้วยกัน คอยช่วยกัปตัน ช่วยตรวจเช็ก ช่วยแบ่งงาน แต่ กัปตันยังเป็นคนรับผิดชอบสุดท้าย อยู่ดี

ความเข้าใจผิดที่อันตรายที่สุดในยุคนี้คือ การคิดว่า AI เป็น autopilot คือคิดว่า “ตั้งมันไว้แล้วเดินจากไปได้เลย มันจัดการเองหมด” แล้วก็โยนงานสำคัญให้มันทำเดี่ยวๆ โดยไม่มีคนดู

ของจริงในที่ทำงานตอนนี้ AI ที่ใช้กันส่วนใหญ่มันคือ copilot ครับ มันช่วยเราได้เยอะมาก ช่วยร่าง ช่วยคิด ช่วยหาข้อมูล ช่วยทำงานน่าเบื่อแทน แต่มัน ไม่ได้มาแทนกัปตัน กัปตันยังเป็นคุณ คุณยังต้องเป็นคนตัดสินใจ เป็นคนตรวจ เป็นคนรับผิดชอบ

ที่ผมชอบอุปมาห้องนักบินเป็นพิเศษ เพราะมันสะท้อนความจริงอีกอย่างหนึ่งครับ คือ copilot ที่ดีไม่ได้แค่ “ช่วยทำ” แต่ “ช่วยจับผิด” ด้วย ในห้องนักบินจริงๆ การที่มีสองคนนั่งอยู่ก็เพื่อให้คนหนึ่งคอยตรวจสอบอีกคน ถ้ากัปตันเผลอกดผิด copilot จะทักท้วง ทีนี้พอเป็นคนกับ AI มันก็ทำงานสองทางได้เหมือนกัน บางทีเราคิดอะไรไม่รอบด้าน AI ช่วยเตือนมุมที่เราลืม บางทีเราขี้เกียจ AI ช่วยร่างให้เริ่มต้นได้ แต่ในทางกลับกัน AI มันก็พลาดได้ เราก็ต้องเป็นคนจับผิดมันด้วย ต่างคนต่างคอยดูกัน นี่แหละความสัมพันธ์ที่ดีระหว่างคนกับเครื่องมือยุคนี้

ทำไมต้องย้ำเรื่องนี้? เพราะ (อย่างที่ผมเล่าไว้ในตอนก่อนๆ ของซีรีส์นี้) AI มันมีนิสัยเสียอย่างหนึ่งคือ มั่วได้แบบมั่นหน้า ครับ คือมันตอบผิดด้วยน้ำเสียงมั่นใจเป๊ะเหมือนตอบถูก (วงการเรียกอาการนี้ว่า hallucination หรือ “อาการหลอน”) ถ้าเราเผลอเชื่อมันแบบ autopilot ไม่ตรวจเลย วันดีคืนดีมันแต่งตัวเลขขึ้นมาเองในรายงานการเงิน เราก็ส่งให้ลูกค้าไปแล้วโดยไม่รู้ตัว

📚 ใครยังไม่เก็ตว่าทำไม AI ถึง “มั่ว” ได้ทั้งที่ฉลาด ลองย้อนไปอ่านตอนที่ผมเล่าว่าข้างใน AI มันทำงานด้วยการ “เดาว่าอะไรน่าจะใช่” ไม่ใช่ “รู้คำตอบที่ถูก” ในซีรีส์เดียวกันนี้นะครับ — เข้าใจตรงนั้นแล้วจะเข้าใจว่าทำไมต้องมีคนคอยเช็กเสมอ

ที่น่าสนใจคือ คำว่า copilot ไม่ได้เป็นแค่อุปมาที่ผมยกมาเองนะครับ คนทำเครื่องมือ AI หลายเจ้าก็เลือกใช้คำนี้ตั้งเป็นชื่อผลิตภัณฑ์เลย เพราะมันสื่อความสัมพันธ์ที่เขาอยากให้คนเข้าใจ คือ “ผู้ช่วยที่นั่งข้างๆ” ไม่ใช่ “ตัวแทนที่มาทำงานแทนทั้งหมด” ลองสังเกตดูครับ ของพวกนี้เขาจงใจไม่เรียกตัวเองว่า “autopilot ของงานออฟฟิศ” เพราะถ้าเรียกแบบนั้นแล้วมันพลาดขึ้นมา คนใช้จะโทษว่า “ก็มันบอกว่าอัตโนมัติเต็มตัวนี่” การวางตำแหน่งตัวเองเป็น copilot จึงเป็นทั้งเรื่องการตลาดและเรื่องความรับผิดชอบในตัว

แล้วทำไมเราถึงเผลอใช้มันแบบ autopilot กันบ่อย? ผมว่าเป็นเพราะมันเก่งจน “หลอกตา” ครับ ช่วงแรกที่ลองใช้ เราจะตรวจงานมันละเอียดมาก เพราะยังไม่ไว้ใจ พอใช้ไปสักพักเห็นมันถูกบ่อยๆ ความระแวงก็ค่อยๆ ลดลง จนวันหนึ่งเราเริ่ม “อ่านผ่านๆ แล้วกดส่ง” โดยไม่รู้ตัว นี่แหละกับดักที่อันตรายที่สุด เพราะความผิดพลาดของ AI ไม่ได้มาตอนที่เราระวัง มันมาตอนที่เราเลิกระวังพอดี

เก็บคำว่า copilot ไว้ในหัวนะครับ เดี๋ยวเราจะวนกลับมาที่คำนี้เรื่อยๆ ทั้งตอน

เปรียบเทียบ workflow: เมื่อก่อน vs ยุค AI#

เพื่อให้เห็นภาพชัดว่า “การทำงานเปลี่ยนไปยังไง” ผมขอวางเป็นตารางเทียบให้ดูครับ ยกงานออฟฟิศทั่วๆ ไปที่เจ้าของกิจการกับพนักงานเจอกันทุกวันนี่แหละ (เป็นภาพรวมที่ผมสรุปเอง ไม่ใช่ตัวเลขวัดผลจากที่ไหนนะครับ)

ลองดูคอลัมน์ขวาดีๆ นะครับ จะเห็น pattern ซ้ำๆ อยู่อย่างหนึ่ง คือเกือบทุกงาน AI ทำ “ร่างแรก” หรือ “ตัวตั้งต้น” ส่วนคนทำ “การตรวจ การแก้ การตัดสินใจ และการรับผิดชอบ” ปลายทาง

นี่คือสิ่งที่ผมอยากให้จำติดตัวไปเลยครับ ในยุค AI งานของคนไม่ได้หายไป มันแค่ขยับขึ้น จากการ “ลงมือทำเอง” ไปเป็นการ “กำกับและตัดสินใจ” ซึ่งจริงๆ แล้วเป็นงานที่ใช้สมองมากกว่าเดิมด้วยซ้ำ ไม่ใช่งานสบายลงนะ มันแค่ย้ายที่

ผมอยากให้ลองคิดถึงเรื่องนี้ในแง่ “เวลาที่เคยเสียไปกับอะไร” ครับ เมื่อก่อนเวลาทำงานชิ้นหนึ่ง เวลาส่วนใหญ่ของเราหมดไปกับ “การลงมือทำ” คือนั่งพิมพ์ นั่งร่าง นั่งเรียบเรียง ส่วนเวลาที่ใช้ “คิดและตัดสินใจ” มีน้อยกว่ามาก พอ AI เข้ามารับงานลงมือทำไปเยอะ สัดส่วนเวลามันเลยพลิก ตอนนี้เวลาส่วนใหญ่ของเราควรไปอยู่ที่ “คิดว่าจะเอายังไง” และ “ตรวจว่าถูกไหม” แทน

ถ้ามองแบบนี้จะเห็นว่ามันไม่ใช่เรื่องน่ากลัวเลยครับ มันคือการที่เราได้ “เลื่อนชั้น” จากคนทำมือไปเป็นคนคุมงาน เหมือนช่างฝีมือที่เก่งขึ้นจนได้เป็นหัวหน้าทีม งานลงมือยกให้ลูกทีม (ในที่นี้คือ AI) ส่วนตัวเองไปโฟกัสที่การตัดสินใจและคุณภาพโดยรวม เพียงแต่รอบนี้ “ลูกทีม” ของเราคือเครื่องมือที่ทำงานเร็วมากแต่ก็ต้องคุมหน่อย

มีคำที่อธิบายเรื่องนี้ได้ดีมาก คนในวงการชอบพูดกันว่า AI ไม่ได้มาแทนคน แต่คนที่ใช้ AI เป็น จะมาแทนคนที่ใช้ไม่เป็น ผมว่าประโยคนี้แรงไปนิด แต่แก่นของมันจริงครับ คือคุณค่าของคนทำงานกำลังขยับ จาก “ทำงานได้เร็วแค่ไหน” ไปเป็น “กำกับเครื่องมือให้ได้งานดีแค่ไหน”

ทักษะใหม่ที่กลายเป็นเรื่องรายวัน: การ “สั่งงาน AI” ให้เป็น#

ทีนี้พอบทบาทของคนขยับมาเป็น “คนสั่ง” ทักษะที่สำคัญที่สุดในยุคนี้ก็เลยกลายเป็น การสั่งงาน AI ให้เป็น ครับ ภาษาวงการเรียกว่า prompting (อ่านว่า พรอมพ์-ติ้ง มาจากคำว่า prompt ที่แปลว่า “คำสั่ง/คำชวนให้ทำ” — ก็คือข้อความที่เราพิมพ์สั่ง AI นั่นแหละครับ)

ฟังดูเหมือนศัพท์เทคนิคน่ากลัว แต่จริงๆ มันคือทักษะ “การสื่อสารให้ชัด” ที่เราใช้กับคนอยู่แล้วนั่นเองครับ

ลองนึกภาพแบบนี้ครับ สมมติคุณมีลูกน้องฝึกงานที่หัวไวมาก ขยันมาก ทำงานเร็วมาก แต่เขาเพิ่งเข้ามาวันแรก ไม่รู้จักร้านคุณ ไม่รู้จักลูกค้าคุณ ไม่รู้สไตล์คุณ ทีนี้ลองเทียบสองแบบนี้ดู

• ถ้าคุณบอกเขาแค่ว่า “ไปเขียนโพสต์ขายของให้หน่อย” เขาก็เขียนได้แหละ แต่จะออกมากลางๆ ไม่ตรงใจ เพราะคุณไม่ได้บอกว่าขายอะไร ขายใคร น้ำเสียงแบบไหน
• แต่ถ้าคุณบอกว่า “เขียนโพสต์ขายกาแฟดริปสำหรับคนทำงานออฟฟิศ น้ำเสียงเป็นกันเองเหมือนเพื่อนแนะนำ ความยาวสามบรรทัด ปิดท้ายด้วยชวนให้ทักแชท” — คราวนี้เขาเขียนได้ตรงเป๊ะ

prompting ก็คือเรื่องเดียวกันเป๊ะครับ มันคือทักษะ บอก AI ให้ชัดว่าเราอยากได้อะไร ยิ่งบอกชัด ยิ่งให้บริบท ยิ่งบอกน้ำเสียง บอกความยาว บอกว่าให้สวมบทเป็นใคร ผลลัพธ์ก็ยิ่งดี

ผมขอสรุปหลักการง่ายๆ ที่ใช้ได้กับงานแทบทุกแบบให้ครับ ไม่ต้องท่องนะ แค่จับหลักว่า “บอกให้ครบเหมือนสั่งงานคน”:

เห็นไหมครับว่ามันไม่ใช่เวทมนตร์อะไรเลย มันคือทักษะการสื่อสารที่ชัดเจน ซึ่งจริงๆ แล้วคนที่สั่งงานลูกน้องเก่งอยู่แล้ว มักจะ prompting เก่งตามไปด้วย เพราะมันคือทักษะเดียวกัน

ขอยกตัวอย่างให้เห็นความต่างชัดๆ ระหว่างคำสั่งห้วนๆ กับคำสั่งที่ดี (เป็นตัวอย่างสมมติเพื่ออธิบายหลักการนะครับ) สมมติเจ้าของร้านขายต้นไม้อยากได้แคปชั่นขายของ:

• คำสั่งห้วน: “เขียนแคปชั่นขายต้นไม้ให้หน่อย” → AI ก็จะได้แคปชั่นกลางๆ ที่ใครเอาไปใช้ก็ได้ ไม่มีกลิ่นร้านเรา
• คำสั่งที่ดี: “เขียนแคปชั่นขายต้นกระบองเพชรสำหรับมือใหม่ที่กลัวเลี้ยงต้นไม้ตาย เน้นว่าเลี้ยงง่ายมาก รดน้ำอาทิตย์ละครั้งก็พอ น้ำเสียงสดใสเป็นกันเอง ความยาวสองบรรทัด ปิดท้ายด้วยชวนทักแชทมาถาม” → คราวนี้ได้แคปชั่นที่ตรงกลุ่มลูกค้าและตรงสไตล์ร้านเป๊ะ

ความต่างของผลลัพธ์สองอันนี้ไม่ได้มาจาก “AI ตัวไหนเก่งกว่า” นะครับ มันคือ AI ตัวเดียวกันเป๊ะ แต่ได้คำสั่งคนละคุณภาพ นี่คือเหตุผลที่ผมบอกว่า prompting เป็นทักษะ คือสองคนใช้เครื่องมือตัวเดียวกัน คนที่สั่งเก่งกว่าจะได้งานดีกว่าชัดเจน

อีกเทคนิคที่ผมว่ามีประโยชน์มากแต่คนมักลืม คือ ถ้าผลแรกยังไม่ถูกใจ ไม่ต้องยอมแพ้ ให้คุยกับมันต่อ เพราะ AI ยุคนี้มันจำบทสนทนาก่อนหน้าได้ คุณบอกต่อได้เลยว่า “อันเมื่อกี้ทางการไป ทำให้สนุกกว่านี้หน่อย” หรือ “เอาแบบเดิมแต่สั้นลงครึ่งหนึ่ง” มันก็จะปรับให้ การทำงานกับ AI จึงไม่ใช่ “สั่งครั้งเดียวจบ” แต่เป็น “คุยกันไปมาจนได้ของที่ใช่” เหมือนเราบรีฟงานกับลูกน้องที่ค่อยๆ ปรับจนเข้าใจตรงกัน

และที่ผมบอกว่ามันกลายเป็น “ทักษะรายวัน” เพราะตอนนี้มันไม่ใช่เรื่องของคนสาย IT อีกต่อไปแล้วครับ คนทำการตลาด คนทำบัญชี คนทำเอกสาร คนคุยลูกค้า ทุกคนเริ่มต้องสั่งงาน AI เป็นส่วนหนึ่งของวันทำงานปกติ เหมือนเมื่อก่อนที่ทุกคนต้องพิมพ์ดีดเป็น ใช้ Excel เป็น มันค่อยๆ กลายเป็นทักษะพื้นฐานที่ไม่ใช่ทางเลือกอีกต่อไป

ผมขอย้ำจุดที่คนมองข้ามบ่อยที่สุดอีกที คือเรื่อง “บริบท” ครับ คนส่วนใหญ่เวลาสั่ง AI มักลืมไปว่ามันไม่รู้จักธุรกิจเรา ไม่รู้ว่าลูกค้าเราเป็นใคร ไม่รู้ว่าเราเคยมีปัญหาอะไรมาก่อน มันรู้แค่สิ่งที่เราพิมพ์บอกในตอนนั้นเท่านั้น เพราะฉะนั้นยิ่งเราป้อนบริบทให้มันเยอะ ทั้งขายอะไร ขายใคร โทนแบรนด์เป็นยังไง เคยเจอปัญหาแบบไหน ผลลัพธ์ก็ยิ่งเหมือนมาจาก “คนในร้าน” ไม่ใช่ “คนนอกที่เดาเอา”

อุปมาที่ผมชอบคือ การสั่ง AI โดยไม่ให้บริบทเหมือนโทรสั่งงานเพื่อนที่ไม่เคยมาร้านเราเลย แล้วบอกแค่ว่า “ช่วยเขียนอะไรให้หน่อย” เพื่อนก็ทำได้แหละ แต่ทำแบบเดาๆ ส่วนการสั่งพร้อมบริบทครบเหมือนพาเพื่อนมานั่งในร้าน เล่าให้ฟังหมดว่าขายอะไรลูกค้าเป็นใคร แล้วค่อยให้เขาช่วยเขียน งานที่ได้คนละชั้นกันเลยครับ

แต่ถ้าขี้เกียจพิมพ์บริบทยาวๆ ทุกครั้งล่ะ? เคล็ดลับคือเราเขียน “ก้อนบริบทมาตรฐาน” ของร้านเราเก็บไว้ก้อนหนึ่ง ทั้งใครเรา ขายอะไร โทนแบบไหน แล้วก๊อปแปะนำหน้าทุกครั้งที่สั่งงาน ประหยัดเวลาและได้บริบทครบทุกรอบ อันนี้เป็นทริกเล็กๆ ที่ช่วยได้เยอะจริงๆ ครับ

💡 มุมเจ้าของกิจการ: ถ้าจะให้พนักงานเริ่มใช้ AI อย่าเพิ่งไปลงทุนคอร์สแพงๆ ครับ ลองให้เขาฝึกแค่หลักเดียวก่อน — “สั่ง AI ให้ละเอียดเหมือนสั่งลูกน้องที่เพิ่งเข้าวันแรก” คนที่สั่งงานคนเก่งอยู่แล้วจะจับทางได้เร็วมาก ส่วนคนที่ชอบสั่งห้วนๆ ก็จะได้ฝึกการสื่อสารไปในตัวด้วย ได้สองเด้ง

หัวใจที่ห้ามลืม: human-in-the-loop (คนต้องอยู่ในวงจร)#

เอาล่ะ มาถึงส่วนที่ผมว่าสำคัญที่สุดของตอนนี้ครับ และเป็นเรื่องที่ผมอยากให้เจ้าของกิจการทุกคนเข้าใจให้ลึก เพราะมันคือเส้นบางๆ ระหว่าง “ใช้ AI แล้วได้ประโยชน์” กับ “ใช้ AI แล้วซวย”

มีศัพท์วงการคำหนึ่งที่ผมว่าทุกคนควรรู้ คือ human-in-the-loop (อ่านว่า ฮิวแมน-อิน-เดอะ-ลูป แปลตรงตัวว่า “มีคนอยู่ในวงจร”) หลักการมันง่ายมากครับ คือ ในทุกขั้นตอนที่ AI ทำงานสำคัญ ต้องมีคนคอยดู คอยเช็ก คอยอนุมัติ ก่อนที่ผลงานนั้นจะออกไปจริง

ขอวนกลับมาที่อุปมา copilot ของเรานะครับ copilot ช่วยขับได้ แต่ก่อนเครื่องจะลงจอด กัปตันต้องเป็นคนยืนยัน นี่แหละครับ human-in-the-loop เวอร์ชันห้องนักบิน

ทำไมเรื่องนี้ถึงสำคัญขนาดต้องแยกออกมาเป็นหัวข้อ? เพราะมันเป็นจุดที่คนพลาดกันเยอะที่สุดครับ พอ AI มันเก่ง มันเร็ว มันถูกบ่อยๆ เราก็เริ่ม “ไว้ใจมันมากขึ้นเรื่อยๆ” จนวันหนึ่งเผลอเลิกตรวจ แล้ววันที่มันมั่วพอดี (ซึ่งมันจะมั่วแน่ๆ สักวัน) ความผิดพลาดนั้นก็หลุดออกไปถึงลูกค้าเต็มๆ

ผมขอแบ่งให้เห็นชัดๆ ว่างานแบบไหนต้องมีคนเช็กมากน้อยแค่ไหน (อันนี้เป็นหลักการที่ผมจัดกลุ่มเอง ไม่ใช่มาตรฐานทางการของใคร):

หลักง่ายๆ ที่ผมใช้คือ ยิ่งงานพลาดแล้วเจ็บหนัก ยิ่งต้องมีคนเช็กแน่นขึ้น งานเล่นๆ ระดมไอเดีย ปล่อย AI ลุยได้เลย แต่งานที่ผูกกับเงิน กฎหมาย หรือชื่อเสียงร้าน ห้ามปล่อยให้ AI เป็นคนสุดท้ายที่แตะงานนั้นเด็ดขาด ต้องมีคนเป็นด่านสุดท้ายเสมอ

ขอเล่าฉากสมมติให้เห็นภาพอันตรายของการลืมหลักข้อนี้ครับ สมมติว่าร้านหนึ่งให้ AI ตอบแชทลูกค้าเองทั้งหมดเพื่อประหยัดคน วันดีคืนดีลูกค้าถามเงื่อนไขการรับประกันสินค้า AI ดันตอบมั่วๆ ไปว่า “รับประกันสามปีค่ะ” ทั้งที่จริงร้านรับประกันแค่หนึ่งปี ลูกค้าแคปหน้าจอเก็บไว้ พอของเสียในปีที่สองก็เอาแชทนั้นมายืนยันสิทธิ์ คราวนี้ร้านจะปฏิเสธก็ลำบาก เพราะ “ระบบของร้าน” เป็นคนพูดเอง

เห็นไหมครับว่าความเสียหายมันเกิดจากการเอา AI ไปอยู่ “ด่านสุดท้าย” ในงานที่มีคนเช็กไม่ได้ ถ้ามี human-in-the-loop คือให้ AI ช่วยร่างคำตอบ แต่มีคนกดยืนยันก่อนส่งในเรื่องเงื่อนไขสำคัญ เรื่องแบบนี้ก็ไม่เกิด

มีอีกมุมหนึ่งของ human-in-the-loop ที่ผมว่าสำคัญไม่แพ้กัน คือเรื่อง “ใครรับผิดชอบ” ครับ ลองคิดดูนะครับ ถ้าวันหนึ่ง AI ที่เราใช้ทำงานพลาดจนลูกค้าเสียหาย แล้วลูกค้าโทรมาต่อว่า เราจะตอบว่า “อ๋อ อันนั้น AI มันทำเองครับ ผมไม่เกี่ยว” ได้ไหม? ไม่ได้แน่นอนครับ เพราะในสายตาลูกค้าและในสายตากฎหมาย เครื่องมือที่เราเลือกใช้ก็คือความรับผิดชอบของเรา AI ไม่ใช่ “คน” ที่จะมายืนรับผิดแทนเราได้

นี่คือเหตุผลลึกๆ ว่าทำไมต้องมีคนอยู่ในวงจรเสมอ ไม่ใช่แค่เพราะ AI อาจมั่ว แต่เพราะ ความรับผิดชอบมันโอนให้เครื่องจักรไม่ได้ เมื่อความรับผิดชอบยังเป็นของคน อำนาจตัดสินใจขั้นสุดท้ายก็ต้องอยู่ที่คนด้วย จะให้รับผิดแต่ไม่ให้ตัดสินใจมันไม่แฟร์กับตัวเราเอง

ผมเลยมองว่า human-in-the-loop ไม่ใช่ “ขั้นตอนที่น่ารำคาญที่ทำให้ช้าลง” อย่างที่หลายคนบ่น แต่มันคือ “เกราะป้องกันตัวเรา” ต่างหากครับ มันคือจุดที่เรายังถือพวงมาลัยไว้ในมือ ในวันที่ทุกอย่างกำลังวิ่งเร็วขึ้นเรื่อยๆ การมีมือคนวางอยู่บนพวงมาลัยตลอดเวลาคือสิ่งที่ทำให้เราไม่หลุดโค้ง

”อย่าเชื่อ AI ร้อยเปอร์เซ็นต์” — แล้วต้องเชื่อแค่ไหน?#

พอพูดเรื่อง human-in-the-loop จบ คำถามต่อมาที่ผมมักโดนถามคือ “เออ เข้าใจแล้วว่าห้ามเชื่อมันร้อยเปอร์เซ็นต์ แต่แล้วจะเชื่อมันแค่ไหนล่ะ ถ้าต้องตรวจทุกอย่างก็ไม่ต่างจากทำเองนี่นา”

คำถามดีมากครับ และคำตอบคือ เราไม่ได้เชื่อหรือไม่เชื่อแบบเหมารวมทั้งก้อน แต่เราปรับ “ระดับความไว้ใจ” ตามประเภทของงาน ผมมีหลักคิดง่ายๆ มาฝากครับ

ให้แยกระหว่างเรื่องที่ “ตรวจง่าย” กับเรื่องที่ “ตรวจยาก”

• เรื่องที่ ตรวจง่าย — เช่นภาษาสวยไหม โครงประโยคโอเคไหม ไอเดียน่าสนใจไหม พวกนี้เราอ่านแล้วรู้เองทันทีว่าดีหรือไม่ดี เพราะฉะนั้นเราไว้ใจ AI มากหน่อยได้ ลองให้มันทำเยอะๆ แล้วเราคัด
• เรื่องที่ ตรวจยาก — เช่นตัวเลข ข้อเท็จจริงเฉพาะทาง วันเวลา ชื่อคน ตัวบทกฎหมาย พวกนี้เป็นจุดที่ AI ชอบมั่วที่สุด และที่แย่คือมันมั่วแบบเนียนมากจนเราไม่ทันสังเกต ตรงนี้ต้อง ไม่ไว้ใจเลย ต้องตามไปเช็กแหล่งจริงทุกครั้ง

ผมมีกฎส่วนตัวข้อหนึ่งที่อยากแบ่งปันครับ คือ “AI พูดอะไรที่เป็นตัวเลขหรือข้อเท็จจริงเฉพาะเจาะจง ให้ถือว่ายังไม่จริงจนกว่าจะเช็กเอง” ไม่ใช่เพราะ AI โกหกนะ แต่เพราะวิธีทำงานของมันคือการ “เดาคำที่น่าจะตามมา” ไม่ใช่การ “เปิดตำราอ่านคำตอบที่ถูก” มันเลยร้อยเรื่องที่ฟังดูสมเหตุสมผลขึ้นมาได้ทั้งที่ไม่จริง

ขอยกตัวอย่างให้เห็นภาพ (เป็นตัวอย่างสมมติเพื่ออธิบายหลักการนะครับ) ถ้าคุณถาม AI ว่า “ร้านกาแฟร้านนี้เปิดกี่โมง” แล้วมันตอบเป๊ะว่า “เปิดเจ็ดโมงเช้าถึงสามทุ่มค่ะ” อย่าเพิ่งเชื่อครับ เพราะถ้ามันไม่ได้เปิดเว็บร้านนั้นดูจริงๆ มันก็แค่ “เดาเวลาที่ร้านกาแฟทั่วไปน่าจะเปิด” แล้วตอบมาด้วยน้ำเสียงมั่นใจเหมือนรู้จริง ตัวเลขที่ฟังดูเป๊ะที่สุดนี่แหละที่อันตรายที่สุด

ถ้าถามว่าแล้วตรวจยังไงให้ไม่เสียเวลาจนหมดประโยชน์ของการใช้ AI ผมมีหลักง่ายๆ คือ เช็กเฉพาะจุดที่ “ถ้าผิดแล้วเจ็บ” ไม่ต้องเช็กทุกตัวอักษร เวลาอ่านงานที่ AI ร่างมา ให้ตาเราล็อกไปที่ตัวเลข วันเวลา ชื่อเฉพาะ ตัวเลขเงิน เงื่อนไขสัญญา และข้อเท็จจริงเฉพาะทางก่อนเลย พวกนี้คือจุดเสี่ยงที่ต้องตามไปยืนยันกับแหล่งจริง ส่วนเรื่องสำนวนภาษาหรือการจัดเรียงความคิด เราอ่านผ่านแล้วรู้เองอยู่แล้วว่าดีหรือไม่ ไม่ต้องเครียด

วิธีนี้ทำให้การตรวจเร็วขึ้นมากครับ เพราะเราไม่ได้ “ไม่ไว้ใจทุกอย่างเท่ากัน” แต่เรา “ไม่ไว้ใจเฉพาะจุดที่ควรระวัง” ซึ่งจุดพวกนั้นมักเป็นส่วนน้อยของงานทั้งชิ้น สุดท้ายเราก็ยังได้ความเร็วจาก AI อยู่ แค่เสียเวลาเพิ่มนิดหน่อยกับการเช็กจุดเสี่ยง ซึ่งคุ้มกว่าการปล่อยให้ผิดหลุดไปเยอะ

แต่ผมก็ไม่อยากให้กลัวจนไม่กล้าใช้นะครับ ประเด็นไม่ใช่ “อย่าใช้ AI” ประเด็นคือ “ใช้ให้ถูกที่” ใช้มันกับงานที่เราตรวจผลได้ง่าย ใช้มันเป็นตัวเร่งงานร่าง ตัวจุดไอเดีย ตัวช่วยคิด แล้วเก็บ “ความรับผิดชอบขั้นสุดท้าย” ไว้กับตัวเราเองเสมอ เท่านี้ก็ได้ทั้งความเร็วของ AI และความปลอดภัยของการมีคนคุม

💡 มุมเจ้าของกิจการ: ถ้าจะวางกฎใช้ AI ในร้าน ผมแนะนำกฎสั้นๆ แค่ข้อเดียวที่พนักงานจำได้ — “AI ช่วยร่างได้ทุกอย่าง แต่คนต้องเป็นคนกดส่งเสมอ” กฎข้อนี้ง่ายพอที่ทุกคนจำได้ และมันครอบคลุมทั้งเรื่อง human-in-the-loop และเรื่องห้ามเชื่อร้อยเปอร์เซ็นต์ในประโยคเดียว ไม่ต้องมีคู่มือหนาๆ

กับดักที่คนทำงานยุค AI มักพลาด#

ก่อนจะปิดเรื่อง ผมอยากรวบ “กับดัก” ที่ผมเห็นคนพลาดกันบ่อยมาเล่าให้ฟัง เพราะรู้ไว้ก่อนแล้วจะได้ระวัง สี่ข้อนี้เป็นข้อสังเกตที่ผมจัดกลุ่มเองจากที่เห็นคนรอบตัวลองใช้กัน ไม่ใช่งานวิจัยอะไรนะครับ

กับดักที่ 1 — เชื่อไว ยอมง่าย พอ AI ร่างมาสวยๆ เราชอบรีบกดเอาเลยเพราะมันดูดีและประหยัดเวลา แต่ “ดูดี” กับ “ถูกต้อง” เป็นคนละเรื่องครับ โดยเฉพาะกับตัวเลขและข้อเท็จจริง งานที่ AI ร่างสวยที่สุดบางทีก็เป็นงานที่ซ่อนข้อมูลผิดได้แนบเนียนที่สุด

กับดักที่ 2 — สั่งห้วนแล้วบ่นว่า AI โง่ หลายคนพิมพ์สั่งสั้นๆ ห้วนๆ พอได้ผลกลางๆ ก็สรุปว่า “AI มันไม่เก่งหรอก” ทั้งที่จริงปัญหาอยู่ที่คำสั่ง ไม่ใช่ที่เครื่องมือ เหมือนบ่นลูกน้องว่าทำงานไม่ได้เรื่อง ทั้งที่เราบรีฟงานแค่ประโยคเดียว

กับดักที่ 3 — เอาข้อมูลลับใส่มันมั่ว อันนี้สำคัญมากสำหรับเจ้าของกิจการครับ เครื่องมือ AI หลายตัวเป็นบริการของบริษัทอื่น ข้อมูลที่เราพิมพ์เข้าไปอาจไม่ได้อยู่แค่ในเครื่องเรา เพราะฉะนั้นข้อมูลลับของบริษัท ข้อมูลส่วนตัวลูกค้า รหัสผ่าน ตัวเลขการเงินที่ยังไม่เปิดเผย อย่าเพิ่งพิมพ์เข้าไปง่ายๆ จนกว่าจะรู้ชัดว่าเครื่องมือนั้นเก็บข้อมูลยังไง (เรื่องข้อมูลรั่วกับการใช้ AI อย่างรู้ทันนี่เป็นหัวข้อใหญ่ที่ผมตั้งใจเล่าแยกตอนของมันในซีรีส์นี้ครับ)

กับดักที่ 4 — ใช้ AI แทนการคิดของตัวเอง ข้อนี้ละเอียดอ่อนหน่อย คือถ้าเราโยนทุกอย่างให้ AI คิดให้หมด ทั้งร่างทั้งตัดสินใจ นานๆ ไปทักษะการคิดของเราเองจะฝ่อ เหมือนคนที่พึ่ง GPS จนจำทางเองไม่ได้เลย ทางที่ดีคือให้ AI ช่วย “เร่ง” ความคิดเรา ไม่ใช่ “แทน” ความคิดเรา คือยังต้องคิดเอง ตัดสินใจเอง เพียงแต่มีตัวช่วยให้เร็วขึ้น

ถ้าหลบสี่กับดักนี้ได้ ผมว่าคุณก็ใช้ AI ได้อย่างมืออาชีพแล้วครับ ไม่ต้องรู้ลึกเรื่องเทคนิคเบื้องหลังเลยก็ได้

แล้วถ้าทำแบบนี้ คนยังจำเป็นอยู่ไหม?#

มาถึงคำถามที่ผมรู้ว่าหลายคนแอบกังวลในใจ “ถ้า AI ทำได้ขนาดนี้ สุดท้ายมันก็จะไม่ต้องใช้คนอยู่ดีไหม?”

ผมตอบตรงๆ จากที่ผมเข้าใจนะครับ ในมุมของ “งานทำมือซ้ำๆ” ที่ไม่ต้องคิดมาก ใช่ครับ ความต้องการคนในงานแบบนั้นมีแนวโน้มลดลง นี่เป็นเรื่องจริงที่ปฏิเสธไม่ได้ และผมไม่อยากปลอบใจแบบหลอกๆ

แต่ในมุมของ “งานที่ต้องตัดสินใจ ต้องรับผิดชอบ ต้องเข้าใจบริบทธุรกิจจริง ต้องดูแลความสัมพันธ์กับคน” งานพวกนี้ไม่ได้หายไป มันกลับ สำคัญขึ้น ด้วยซ้ำ เพราะยิ่ง AI ผลิตงานร่างได้เร็วและเยอะเท่าไหร่ คนที่ “ตัดสินใจเก่ง” และ “เช็กเป็น” ก็ยิ่งมีค่า

ลองคิดตามนะครับ ถ้าทุกคนในตลาดมี AI ช่วยร่างอีเมลเหมือนกันหมด สิ่งที่ทำให้อีเมลของร้านคุณต่างจากร้านอื่น ก็ไม่ใช่ “ความเร็วในการร่าง” อีกต่อไป (เพราะใครๆ ก็เร็วเท่ากัน) แต่คือ วิจารณญาณของคนที่แก้และตัดสินใจ ว่าจะส่งอะไรออกไป นั่นคือจุดที่คนยังชนะเครื่อง

มีอีกเรื่องที่ผมว่าน่าคิด คือพอ AI ทำให้ “การลงมือทำ” ง่ายและถูกลงมาก สิ่งที่กลายเป็นของหายากขึ้นกลับเป็น “การรู้ว่าควรทำอะไร” ครับ ลองนึกภาพว่าตอนนี้ใครๆ ก็ผลิตคอนเทนต์ ผลิตงานเขียน ผลิตไอเดียได้เร็วและเยอะมาก ทะเลของงานมันเลยเต็มไปหมด คนที่โดดเด่นในทะเลนั้นไม่ใช่คนที่ผลิตได้เยอะที่สุด แต่เป็นคนที่ “เลือกเป็น” ว่าอะไรควรปล่อยออกไป อะไรควรทิ้ง อะไรตรงกับลูกค้าจริงๆ ทักษะการเลือกและการตัดสินใจเลยมีค่าขึ้นสวนทางกับงานทำมือที่ราคาตกลง

แล้วคนทำงานที่ดูเหมือน “ทำงานทำมือ” ล่ะ จะอยู่ยังไง? ผมว่าทางออกไม่ใช่การกลัวหรือปฏิเสธ แต่คือการ ขยับตัวเองขึ้นไปอยู่ในส่วนที่ AI ทำแทนไม่ได้ ฝึกเป็นคนที่ตั้งโจทย์เก่ง ตัดสินใจเก่ง ตรวจงานเก่ง เข้าใจลูกค้าและบริบทธุรกิจลึก คนแบบนี้ไม่ได้แข่งกับ AI แต่ “ขี่” AI ให้ทำงานให้ ซึ่งจะมีค่ามากขึ้นเรื่อยๆ ในตลาดงาน

เพราะฉะนั้นคำแนะนำของผมสำหรับคนทำงานยุคนี้คือ อย่าไปแข่งกับ AI ในเรื่องที่มันเก่งกว่าเรา (ความเร็ว ความไม่เหนื่อย การผลิตจำนวนมาก) แต่ให้ลับคมตัวเองในเรื่องที่ AI ทำไม่ได้ ทั้งการตัดสินใจในสถานการณ์คลุมเครือ การเข้าใจคน การรับผิดชอบผลที่ตามมา และการรู้ว่า “เมื่อไหร่ควรเชื่อ AI เมื่อไหร่ไม่ควร” ซึ่งข้อสุดท้ายนี้แหละจะกลายเป็นทักษะที่มีค่ามากในอีกไม่กี่ปีข้างหน้า

มีคนถามผมว่า “แล้วต้องไปเรียนคอร์สแพงๆ ไหมถึงจะทันยุค” ผมว่าไม่จำเป็นขนาดนั้นครับ สิ่งที่สำคัญกว่าการเรียนเครื่องมือเป็นตัวๆ คือการปรับ มุมมอง ก่อน คือเลิกมอง AI เป็นภัยคุกคาม แล้วเริ่มมองมันเป็นเครื่องมือที่เราต้องเรียนรู้ที่จะใช้ เหมือนรุ่นพ่อแม่เราที่ค่อยๆ เรียนใช้คอมพิวเตอร์ ใช้สมาร์ตโฟน จนวันนี้ใช้กันคล่อง ไม่มีใครเกิดมาใช้เป็นหรอกครับ ทุกคนค่อยๆ คุ้นเอา AI ก็เรื่องเดียวกัน

คนที่ปรับตัวได้ดีที่สุดในประสบการณ์ที่ผมเห็น ไม่ใช่คนที่เก่งเทคโนโลยีที่สุด แต่เป็นคน ที่ยอมลองและไม่กลัวที่จะงงในช่วงแรก ครับ ช่วงแรกใครๆ ก็ใช้ไม่คล่องทั้งนั้น สั่งงานไม่ได้ดั่งใจบ้าง โดน AI ตอบมั่วบ้าง แต่คนที่ผ่านช่วงงงๆ นั้นมาได้ ก็จะได้เครื่องมือทรงพลังติดตัวไปใช้ทุกวัน ส่วนคนที่ยอมแพ้ตั้งแต่ครั้งแรกที่มันตอบไม่ถูกใจ ก็จะพลาดโอกาสนั้นไป

(เรื่อง “ทักษะที่ AI แทนไม่ได้” กับ “อาชีพไหนกระทบแค่ไหน” ผมตั้งใจจะเล่าแยกเป็นตอนของมันเองในซีรีส์นี้ครับ เพราะมันยาวพอจะเป็นเรื่องเดี่ยวๆ ได้เลย ตอนนี้ขอโฟกัสที่ “วิธีทำงานร่วมกัน” ก่อน)

เริ่มยังไงดี ถ้ายังไม่เคยทำงานกับ AI เลย#

อ่านมาถึงตรงนี้ บางคนอาจจะรู้สึกว่า “ฟังดูดีนะ แต่ตัวเองยังไม่เคยใช้เลย จะเริ่มตรงไหน” ผมเข้าใจครับ เพราะตอนผมเริ่มก็งงเหมือนกัน ขอแบ่งวิธีเริ่มแบบไม่ต้องลงทุนอะไรเลยให้นะครับ

เริ่มจากงานที่พลาดแล้วไม่เจ็บก่อน อย่าเพิ่งเอา AI ไปจับงานสำคัญที่สุดของร้านในวันแรก ลองเริ่มจากงานเสี่ยงต่ำตามตารางข้างบน คือให้มันช่วยคิดไอเดียชื่อโปรโมชั่น ช่วยร่างโพสต์เล่นๆ ช่วยสรุปบทความยาวๆ ที่เราขี้เกียจอ่าน พวกนี้ต่อให้มันมั่วก็ไม่มีใครเดือดร้อน เราจะได้ฝึกจับทางมันโดยไม่ต้องกลัว

ลองสั่งงานเดียวกันหลายๆ แบบ วิธีเรียนรู้ที่เร็วที่สุดคือลองเองครับ สั่งงานเดิมด้วยคำสั่งห้วนๆ ครั้งหนึ่ง แล้วสั่งใหม่ด้วยคำสั่งละเอียดอีกครั้ง เทียบผลสองอันดู คุณจะเห็นกับตาเลยว่า “การสั่งให้ดี” มันเปลี่ยนผลลัพธ์ได้มากแค่ไหน เรียนสิบรอบไม่เท่าลองเองรอบเดียว

สังเกตว่ามันมั่วตรงไหนบ้าง ระหว่างที่ลอง ให้คอยจับสังเกตว่า AI มักพลาดเรื่องอะไร เดี๋ยวคุณจะเริ่มมี “เซนส์” เองว่าตรงไหนต้องเช็กหนักเป็นพิเศษ พวกตัวเลข วันที่ ชื่อเฉพาะ ข้อมูลล่าสุดนี่แหละ พอมีเซนส์นี้แล้ว คุณจะใช้มันได้เร็วและปลอดภัยขึ้นมาก เพราะรู้ว่าจุดไหนวางใจได้ จุดไหนต้องระวัง

ไม่ต้องรีบเก่งในวันเดียวครับ ทักษะนี้มันค่อยๆ สะสมเหมือนทักษะอื่นๆ ขอแค่เริ่มลงมือลองด้วยใจที่ไม่กลัวและไม่หลงเชื่อจนเกินไป เท่านี้ก็เดินถูกทางแล้ว

💡 มุมเจ้าของกิจการ: ถ้าอยากให้ทั้งทีมเริ่มไปด้วยกัน อย่าสั่งจากบนลงล่างแบบบังคับครับ ลองหาคนในทีมที่ชอบลองของใหม่สักคนสองคนให้เป็น “ตัวนำร่อง” ใช้ก่อน พอเขาใช้จนเห็นว่าช่วยงานได้จริง เขาจะกลายเป็นคนไปชวนเพื่อนในทีมเอง การแพร่แบบ “เพื่อนชวนเพื่อน” นี้ได้ผลกว่าการออกนโยบายบังคับเยอะ เพราะคนเรามักเปิดใจกับของใหม่ตอนเห็นเพื่อนข้างๆ ใช้แล้วชีวิตดีขึ้น มากกว่าตอนถูกสั่งให้ใช้

สรุปสั้นๆ ส่งท้าย#

ถ้าให้ย่อทั้งตอนนี้เหลือไม่กี่บรรทัดเอาไว้จำง่ายๆ คือแบบนี้ครับ —

• AI ยุคนี้ = copilot ไม่ใช่ autopilot — มันนั่งข้างเราช่วยขับ แต่กัปตัน (คน) ยังเป็นคนรับผิดชอบสุดท้าย
• งานของคนไม่ได้หายไป มันขยับขึ้น — จาก “ลงมือทำเอง” เป็น “กำกับ ตรวจ และตัดสินใจ” ซึ่งใช้สมองมากกว่าเดิม
• prompting = ทักษะรายวันใหม่ — แก่นของมันคือ “สั่ง AI ให้ชัดเหมือนสั่งลูกน้องที่เพิ่งเข้าวันแรก”
• human-in-the-loop — ยิ่งงานพลาดแล้วเจ็บหนัก ยิ่งต้องมีคนคอยเช็กก่อนงานออกไปจริง
• อย่าเชื่อ AI ร้อยเปอร์เซ็นต์ — โดยเฉพาะตัวเลขและข้อเท็จจริงเฉพาะเจาะจง ถือว่ายังไม่จริงจนกว่าจะเช็กเอง
• กฎข้อเดียวที่พอ: AI ช่วยร่างได้ทุกอย่าง แต่คนต้องเป็นคนกดส่งเสมอ

ผมไม่ใช่ผู้เชี่ยวชาญด้าน AI อะไรหรอกนะครับ เป็นแค่คนทำงานคนหนึ่งที่ลองผิดลองถูกกับเครื่องมือพวกนี้มาพอสมควร แล้วก็อยากเล่าให้เพื่อนคนทำงานกับเจ้าของกิจการด้วยกันฟังแบบภาษาคนๆ ตรงไหนผมเข้าใจคลาดเคลื่อนไป ทักท้วงกันเข้ามาได้เลยครับ ยินดีมากๆ

ตอนหน้าของซีรีส์ AI 101 ภาคธุรกิจนี้ ผมว่าจะเล่าต่อเรื่องที่ต่อกันพอดี คือในเมื่อเราต้องสั่งงาน AI เป็นแล้ว เครื่องมือ AI ที่มีให้เลือกเต็มไปหมดทุกวันนี้ เราจะเลือกตัวไหนมาใช้กับร้านเราดี ตัวไหนฟรี ตัวไหนคุ้มจ่าย ตัวไหนเอาไว้ทำอะไร ไว้เจอกันตอนหน้าครับ