ใช้ AI ให้รู้จักธุรกิจ: จากคำสั่งครั้งเดียว สู่ผู้ช่วยที่ทำงานต่อเนื่อง

คำถามสำคัญของคลาสนี้คือ เราจะทำให้ AI เข้าใจธุรกิจของเราพอที่จะช่วยงานได้อย่างไร ต่อให้ใช้เครื่องมือที่เก่ง หากยังไม่รู้ว่าเราขายอะไร ลูกค้าเป็นใคร และมีข้อจำกัดอะไร คำตอบก็อาจดูดีแต่ใช้จริงไม่ได้

ในการบรรยายของ น.สพ.ธีรพงษ์ เศรษฐิวัฒน์ หรือหมอกิม ผู้เรียนจึงไม่ได้ฝึกเพียงเขียนคำสั่งให้ยาวขึ้น แต่ฝึกจัดข้อมูลและวิธีทำงานให้ใช้ซ้ำได้ ตั้งแต่งานสรุปประชุม การเติมโจทย์ก่อนทำแผน ไปจนถึงสร้างพื้นที่ทำงานและแฟ้มบริบทธุรกิจของตัวเอง

ชุดเรียนรู้นี้มี 3 ตอน: ตอนนี้ใช้อ่านทบทวนแนวคิด → ตอนที่ 2 ตั้งผู้ช่วยและทดลองงานแรก → ตอนที่ 3 ลงมือทำ workshop 6 ขั้น

ขอบเขตการเรียบเรียง: บันทึกสี่ช่วงครอบคลุม Skill, Reflect Gate, Project, Business Context การเริ่ม Deep Research และ Super Folder ส่วน P3–P6 ขยายจากชุด Prompt และคู่มือของวิทยากรเพื่อให้ฝึกต่อได้ ไม่ได้อ้างว่ามีการสาธิตครบทุกขั้นในบันทึก

1. ช่วงแรก: เปลี่ยนงานที่สั่งซ้ำให้มีวิธีทำที่ใช้ซ้ำได้

ช่วงแรก ผู้สอนยกตัวอย่างงานกราฟิก วิดีโอ และสรุปประชุม เพื่อชวนมองว่างานใดในชีวิตประจำวันใช้คำสั่งคล้ายเดิมอยู่บ่อย ๆ ประเด็นไม่ได้อยู่ที่ต้องเริ่มจากงานยากที่สุด แต่อยู่ที่การเก็บวิธีทำงานที่ได้ผลไว้ เพื่อลดการเริ่มใหม่ทุกครั้ง

ตัวอย่างที่ผู้เริ่มต้นทำตามได้ง่ายคืองานสรุปประชุม เรามักต้องการรูปแบบใกล้กัน: คุยเรื่องอะไร ตกลงอะไร ใครทำอะไร และยังมีประเด็นใดไม่ชัด ถ้าระบุรูปแบบนี้ไว้เป็นชุดคำสั่ง เมื่อมีบันทึกใหม่ก็สามารถนำวิธีเดิมกลับมาใช้และตรวจผลได้

ผู้สอนเรียกแนวทางช่วงเริ่มต้นนี้ว่าเรายังลงมือสั่งเอง แต่ลดการพิมพ์ซ้ำ แนวคิดนี้ช่วยให้เริ่มใช้ AI ได้ก่อนจะเชื่อมระบบอัตโนมัติเต็มรูปแบบ ผู้ใช้ยังต้องตรวจชื่อ ตัวเลข ข้อสรุป และผู้รับผิดชอบก่อนนำงานไปใช้

ชวนลองคิด: ในหนึ่งสัปดาห์ คุณสรุปประชุม ตอบคำถามลูกค้า หรือจัดรายงานแบบเดิมซ้ำเรื่องใดบ้าง เลือกเพียงหนึ่งงานที่ตรวจความถูกต้องได้ง่าย แล้วเก็บคำสั่งฉบับที่ใช้ได้ไว้เป็นต้นแบบ

ต้นทาง: บันทึกช่วงที่ 1 โดยเฉพาะประมาณ 15:15–19:27 และการทดลองข้อมูลประชุมประมาณ 28:15–30:31

2. แยกสี่คำนี้ออกจากกัน แล้วจะเลือกใช้ได้ถูก

คำ	อธิบายแบบง่าย	ตัวอย่างการใช้
Prompt	คำสั่งสำหรับงานที่กำลังทำ	“สรุปข้อความนี้เป็นประเด็นประชุมและงานที่ต้องทำต่อ”
Skill	ชุดวิธีทำงานที่จัดไว้ให้เรียกใช้ซ้ำ	วิธีสรุปประชุมที่กำหนดโครงและจุดตรวจไว้แล้ว
Instruction	ข้อตกลงการทำงานที่วางไว้ในพื้นที่นั้น	“ตอบภาษาไทย ใช้ข้อมูลที่ให้ และถามเมื่อเรื่องสำคัญยังไม่ชัด”
Project	พื้นที่รวมแชท เอกสาร และคำสั่งของงานหนึ่ง	Project สำหรับศึกษาตลาดส่งออกของสินค้า A

ภาพสไลด์หน้า 16 · หมอกิม / AIM Academy · อ่านประกอบตารางสี่คำด้านบน โดย Project เป็นพื้นที่จัดเก็บที่บทความอธิบายเพิ่ม กดภาพเพื่อเปิดขนาดเต็ม

นึกถึงคนช่วยงานคนหนึ่ง: Prompt คือใบงานวันนี้, Skill คือคู่มือปฏิบัติงานที่หยิบมาใช้, Instruction คือข้อตกลงในการทำงาน และ Project คือแฟ้มของงานที่เก็บสิ่งเหล่านั้นด้วยกัน

การแนบ ZIP หรือไฟล์คำสั่งในแชท ไม่ใช่หลักฐานว่าติดตั้ง Skill ถาวรแล้ว แต่ละแอปจัดการต่างกัน สำหรับผู้เริ่มต้น การเปิดไฟล์คำสั่งและใช้เนื้อหาในแชทก็เพียงพอต่อการฝึกครั้งแรก หากเลือกติดตั้งจริง ให้ตรวจในรายการ Skill ของเครื่องมือนั้นและทดลองเรียกใช้งานด้วย

ต้นทาง: สไลด์หน้า 14–15; บันทึกช่วงที่ 1 ประมาณ 18:07–19:27; คู่มือ Skill Pack ฉบับ ChatGPT/Codex ส่วน 00-START-HERE

3. ช่วงที่สอง: ให้ AI ถามกลับเฉพาะสิ่งที่ยังขาด

เมื่อสั่งว่า “ช่วยทำแผนการตลาด” AI อาจไม่รู้ว่าธุรกิจต้องการเพิ่มยอดขายสินค้าตัวไหน ใครเป็นกลุ่มลูกค้า งบเท่าไร หรือทำได้ภายในเวลาใด การตอบแผนยาวทันทีจึงอาจตั้งอยู่บนสมมติฐานที่เราไม่ได้ตกลงด้วย

ผู้สอนสาธิต Reflect Gate โดยให้ข้อมูลธุรกิจสมมติ แล้วขอให้ AI ตรวจว่าบรีฟยังขาดอะไรและถามกลับก่อนเริ่มงาน ผู้ใช้ตอบเฉพาะจุดที่ต้องตัดสินใจ แทนการพยายามเขียนรายละเอียดทุกอย่างตั้งแต่ต้น

วิธีคิดนี้ใช้ได้แม้ยังไม่มี Skill ติดตั้ง เริ่มจากคำสั่งธรรมดา เช่น:

จากข้อมูลที่แนบ ฉันต้องการแผนการตลาดฉบับร่างสำหรับ 30 วัน
ก่อนเขียนแผน ช่วยสรุปสิ่งที่รู้แล้ว และถามเฉพาะข้อมูลที่ขาด
ซึ่งมีผลต่อการตัดสินใจ ไม่เกิน 5 ข้อ พร้อมตัวเลือกเมื่อเหมาะสม
อย่าเดายอดขาย งบประมาณ หรือกำลังผลิต รอคำตอบก่อนเขียนแผน

สิ่งที่ควรเห็น: AI บอกได้ว่ามีข้อมูลอะไรแล้ว ถามเรื่องที่ยังขาด และรอคำตอบ หากถามสิ่งที่อยู่ในเอกสาร ให้ชี้กลับไปที่ชื่อไฟล์หรือหัวข้อ หากแต่งตัวเลข ให้แก้เป็น “ยังไม่มีข้อมูล” ก่อนทำต่อ

จำนวนคำถามในตัวอย่างบนเวทีไม่ได้เป็นสูตรตายตัว จุดสำคัญคือถามให้ได้ข้อมูลที่มีผลต่องาน ไม่ใช่ทำให้ผู้ใช้ตอบแบบสอบถามยาวทุกครั้ง

ต้นทาง: บันทึกช่วงที่ 2 ประมาณ 00:00–00:45 และ 03:13–07:49; ตัวอย่างบนเวทีใช้ข้อมูลสมมติ ไม่ใช่ผลประกอบการของผู้เข้าอบรม

4. ช่วงที่สาม: จัด Project และเขียน Business Context

เมื่อทำหลายงานในแชทที่กระจัดกระจาย เราต้องเสียเวลาเล่าเรื่องเดิม และเสี่ยงหยิบข้อมูลผิดธุรกิจ ผู้สอนจึงแนะนำให้จัด Project ตามงานที่ทำต่อเนื่อง เช่น แบรนด์ สินค้า หรือแคมเปญ แล้ววาง Instruction และเอกสารที่เกี่ยวข้องไว้ด้วยกัน

งานแรกใน Project ของคลาสคือ Business Context — เอกสารอธิบายว่าธุรกิจเราเป็นใครและกำลังแก้โจทย์อะไร เจ้าของธุรกิจตอบคำถาม ส่วน AI ช่วยจัดข้อมูลให้เป็นระเบียบ เมื่อย้ายแชทหรือเปลี่ยนเครื่องมือ ก็ส่งเอกสารฉบับที่ตรวจแล้วไปด้วยได้

ข้อมูลที่ควรมี ได้แก่ สินค้า ประเทศเป้าหมาย ผู้ซื้อ ปัญหาที่แก้ จุดต่างที่มีหลักฐาน ราคาและเงื่อนไขที่เปิดเผยได้ ช่องทางขาย ข้อจำกัด เป้าหมาย และสิ่งที่ยังไม่รู้ การบอกว่า “ยังไม่ทราบ” มีประโยชน์กว่าปล่อยให้ AI เติมเอง

ในบันทึก ผู้สอนพูดถึงการสัมภาษณ์ราวสิบคำถาม ส่วนไฟล์ PROMPT 1 ที่ใช้ประกอบกำหนด 12 คำถาม แบ่ง 4 ชุด และส่งมอบ 14 หัวข้อ คู่มือทำตามในชุดนี้ยึดโครงไฟล์ปัจจุบันเพื่อให้ตรวจงานได้ตรงกัน

Project ช่วยจัดบริบท แต่ไม่ใช่คำรับประกันว่า AI จำทุกอย่างได้สมบูรณ์ ผู้เรียนควรเก็บไฟล์ที่ตรวจแล้วไว้อีกชุด และดูว่าแชทปัจจุบันอ่านเอกสารใดได้จริง

ต้นทาง: บันทึกช่วงที่ 3 ประมาณ 01:34–09:23 และ 19:00–22:25; PROMPT 1 — BUSINESS CONTEXT

5. จากรู้จักธุรกิจ ไปสู่การใช้ข้อมูลตัดสินใจ

สไลด์และชุดคำสั่งวางเส้นทางต่อจาก Business Context ไว้เป็นหกขั้น:

ขั้น	ทำอะไร	ได้อะไรกลับมา
P1	อธิบายธุรกิจจากข้อมูลเจ้าของ	Business Context
P2	ตั้งคำถามและวิจัยตลาดปลายทาง	รายงานพร้อมแหล่งอ้างอิงและช่องว่างข้อมูล
P3	จัดข้อเท็จจริงและเกณฑ์ประเมิน	Spec, Rubric และ Table
P4	เก็บสัญญาณจากตลาดและเสียงผู้ซื้อ	ตาราง Social Scanning
P5	เปรียบเทียบทางเลือกสำหรับคำถามเดียว	Decision Brief
P6	ทำให้เห็นคำแนะนำ หลักฐาน และงานถัดไป	Decision Dashboard

สำหรับผู้ส่งออกต้องมอง ผู้ซื้อสองชั้น เสมอ คนใช้สินค้าปลายทางอาจสนใจรสชาติหรือความสะดวก แต่ผู้นำเข้าอาจต้องการเอกสาร ราคา จำนวนสั่งขั้นต่ำ และความแน่นอนของการส่งมอบ ความสนใจบนโซเชียลจึงต้องแปลต่อว่าเกี่ยวกับการคัดเลือกสินค้าของผู้ซื้อธุรกิจอย่างไร

สไลด์แบ่งข้อมูลเชิงลึกไว้สี่มุม: ภาพอุตสาหกรรม, สัญญาณโซเชียล, เสียงลูกค้า และคู่แข่ง ข้อมูลเหล่านี้จะมีความหมายเมื่อโยงกลับมาที่คำถามของธุรกิจ ไม่จำเป็นต้องรวบรวมทุกอย่างก่อนจึงเริ่มคิดได้

6. ช่วงสุดท้าย: พาข้อมูลธุรกิจไปวิจัย แล้วพารายงานกลับมา

ผู้สอนให้ใช้ Business Context ที่สร้างไว้ในแชทหลัก เป็นวัตถุดิบของ Prompt 2 เพื่อให้ได้คำสั่งวิจัยเฉพาะธุรกิจ จากนั้นค่อยนำคำสั่งนั้นไปเริ่มงานในเครื่องมือที่มี Deep Research ตรวจแผนวิจัย และรอรายงานพร้อมแหล่งอ้างอิง

จำเป็นภาพง่าย ๆ ได้ว่า แชทหลักเก็บเรื่องของเรา → แชทวิจัยหาข้อมูลภายนอก → กลับแชทหลักเพื่อเทียบกัน การเปลี่ยนแชทหรือแอปไม่ได้ส่งข้อมูลตามไปเอง จึงต้องแนบบริบทที่จำเป็นไป และนำรายงานกับรายการแหล่งกลับมาให้ครบ

เมื่อได้รายงาน ให้เปิดแหล่งสำคัญเทียบข้อความก่อน แล้วถามว่า “ข้อมูลนี้ช่วยตอบโจทย์ของธุรกิจตรงไหน และยังขาดอะไร” ถ้ารายงานไม่ครอบคลุมโซเชียลที่ต้องเข้าสู่ระบบ ให้เก็บเป็นช่องว่างและค่อยเติมใน P4 การมีลิงก์จำนวนมากไม่ได้รับรองว่าข้อสรุปถูกทั้งหมด

ลองทำต่อ: เปิด Prompt 2 ฉบับวิทยากร และทำตาม P2 ใน คู่มือหกขั้น ซึ่งแยกจุดเริ่มวิจัย วิธีนำผลกลับ และตัวอย่างคำสั่งตรวจรายงานไว้แล้ว

ต้นทาง: บันทึกช่วงที่ 4 ประมาณ 00:00–05:56 และ 08:35–10:46; ผู้สอนให้ใช้ผู้ช่วยประจำคลาสพาทำส่วนที่เหลือต่อภายหลัง

7. ให้ข้อมูลสะสมเป็นความรู้ แทนการเก็บรายงานแล้วลืม

อีกแนวคิดในสไลด์คือ Insight Loop: กลับไปเก็บข้อมูลตามจังหวะที่เหมาะสม ใช้ฐานความรู้ชุดเดิมเทียบ และบันทึกว่าตัดสินใจอะไรกับผลที่เกิดขึ้นใน Ledger หรือสมุดประวัติการตัดสินใจ

ภาพสไลด์หน้า 32 · หมอกิม / AIM Academy · Scheduled Scanning หมายถึงกำหนดรอบติดตาม; จะทำอัตโนมัติได้ต่อเมื่อเชื่อมและทดสอบเครื่องมือแล้ว กดภาพเพื่อเปิดขนาดเต็ม

ตัวอย่าง: พบว่าผู้ซื้อถามเรื่อง MOQ บ่อย → ทดลองปรับข้อเสนอในขอบเขตที่เจ้าของอนุมัติ → จดจำนวนคำถามและการตอบกลับ → รอบหน้าจึงมีหลักฐานเพิ่มว่าควรทำต่อหรือเปลี่ยน ไม่ใช่ให้ AI เริ่มวิเคราะห์จากศูนย์ทุกครั้ง

แนวคิด Super Folder ในสไลด์คือการจัดโฟลเดอร์กลางให้หลายเครื่องมือใช้ข้อมูลฉบับที่ตรงกัน การมีโฟลเดอร์ไม่ได้ทำให้แอปต่าง ๆ เชื่อมต่อหรืออัปเดตให้อัตโนมัติ ต้องกำหนดว่าไฟล์ใดเป็นฉบับล่าสุด ใครแก้ได้ และแต่ละเครื่องมือเข้าถึงได้อย่างไร ผู้เริ่มต้นทำเองด้วยการบันทึกวันที่และแนบไฟล์ล่าสุดก่อนก็ได้

ต้นทาง: สไลด์หน้า 31–39 และ 41–50; รายละเอียดวิธีติดตามต่ออยู่ท้ายคู่มือ workshop

8. Super Folder: เก็บความรู้ของธุรกิจให้ใช้ต่อได้หลายเครื่องมือ

ภาพสไลด์หน้า 45 · หมอกิม / AIM Academy · แผนภาพแสดงแนวคิดการทำงานร่วมกัน แต่การเข้าถึงไฟล์และสิทธิของแต่ละเครื่องมือต้องตั้งจริง กดภาพเพื่อเปิดขนาดเต็ม

ช่วงท้าย ผู้สอนเน้น AnyModel Mindset: เลือกเครื่องมือให้เหมาะกับงาน และรักษาความรู้ของบริษัทไว้ในไฟล์ที่ทีมควบคุมได้ ตัวอย่างหมวดที่พูดถึงคือข้อมูลตลาด สรุปประชุม เสียงลูกค้า ข้อมูลสินค้า กติกาแบรนด์ และ Ledger

• Brand Bible บอกตัวตนแบรนด์; Design Lock เก็บแนวทางภาพที่ตกลงแล้ว; Voice Lock เก็บวิธีสื่อสาร ทั้งสามช่วยลดการตีความใหม่ทุกครั้ง
• Ledger เก็บว่าเคยพบอะไร ตัดสินใจอย่างไร และผลจริงเป็นอย่างไร จึงต่างจากการกองไฟล์รายงานไว้เฉย ๆ
• Skill เก็บวิธีทำงาน เมื่อพบขั้นที่ผิดซ้ำ ให้แก้คู่มือและลองใหม่ เก็บฉบับที่ตรวจแล้วพร้อมวันที่

สำหรับมือใหม่ เริ่มจากสร้างโฟลเดอร์และบันทึกไฟล์เองก่อน เมื่อใช้เครื่องมือที่อ่านหรือเขียนโฟลเดอร์ได้จริง จึงเชื่อมเฉพาะพื้นที่ที่ต้องใช้ การเก็บสำเนาใน Drive ช่วยเรื่องแบ่งปันและสำรอง แต่ไม่ได้ยืนยันว่า AI อ่านไฟล์แล้ว และการซิงก์ไฟล์ไม่ใช่การย้ายความจำของทุกแชท

เริ่มต่อจากคลาส: เปิด 04-bonus-super-folder — ชุดสร้างโฟลเดอร์ของวิทยากร หรือทำหัวข้อ “ต่อยอด Super Folder” ท้าย คู่มือ workshop หลังจากมีผลลัพธ์รอบแรกแล้ว

ต้นทาง: บันทึกช่วงที่ 4 ประมาณ 11:43–20:29; สไลด์หน้า 41, 45–49; BONUS_Super_Folder_Builder.txt

สิ่งที่นำกลับไปใช้ได้ทันที

1. เลือกงานซ้ำหนึ่งงาน แล้วบันทึกคำสั่งกับตัวอย่างผลลัพธ์ที่ตรวจแล้ว
2. ก่อนให้ AI ทำงานยาว ขอให้สรุปโจทย์และถามกลับเฉพาะข้อมูลที่มีผลต่องาน
3. แยกพื้นที่ทำงานตามธุรกิจหรือเป้าหมาย พร้อมเก็บ Business Context ฉบับล่าสุด
4. เมื่อได้คำตอบ ให้ตรวจย้อนกลับถึงแหล่งข้อมูล โดยเฉพาะตัวเลขและข้อสรุปที่ใช้ตัดสินใจ
5. ฝึกให้จบหนึ่งรอบกับข้อมูลสมมติ แล้วค่อยแทนด้วยข้อมูลจริงที่เปิดเผยได้

เริ่มทำได้เลย: ไปที่ ตั้งผู้ช่วยและทดลองงานแรก หากตั้งไว้แล้ว ไปที่ workshop 6 ขั้น

แหล่งอ้างอิงสำหรับตรวจทาน

• บันทึกบรรยายทั้งสี่ช่วง วันที่ 9 ตุลาคม 2569: งานที่ใช้ซ้ำและ Skill → Reflect Gate → Project และ Business Context → Deep Research และ Super Folder; ตรวจข้อความถอดเสียงประกอบสรุปอัตโนมัติ
• สไลด์ AI for Data & Social Marketing for Exporter ฉบับเต็ม 52 หน้า โดยเฉพาะหน้า 14–19, 25, 29–39 และ 41–50 จากโฟลเดอร์วิทยากรและเอกสารหลักสูตรวันที่ 9 ตุลาคม
• ChatGPT EXIM CLASS HELPER v1, PROMPT 1–6 และคู่มือ EXIM Skill Pack ที่วิทยากรแชร์ ใช้ยืนยันโครง workshop และวิธีรับมือเมื่อข้อมูลไม่ครบ

อ่านเอกสารต่อได้ที่ โฟลเดอร์วิทยากร และ ช่อง YouTube ของหมอกิม ลิงก์ภายนอกเปิดแท็บใหม่; สิทธิเอกสารเป็นไปตามเจ้าของไฟล์

หมายเหตุบรรณาธิการ: บทความเป็นการเรียบเรียงใหม่จากถอดเสียงที่อาจมีชื่อเครื่องมือและตัวเลขคลาดเคลื่อน จึงไม่ใช้ชื่อที่ฟังไม่ชัด ราคาสมาชิก ตัวเลขประหยัดต้นทุน หรือการเปรียบเทียบความเก่งของโมเดลเป็นข้อเท็จจริงทั่วไป ตัวอย่างคำสั่งในบทความเป็นฉบับฝึกที่เรียบเรียงเพิ่ม และไม่เผยแพร่เสียงหรือถอดเสียงดิบ