Ben AI ชี้ให้เห็นว่า ไม่ว่า AI Agent จะฉลาดขึ้นแค่ไหน สุดท้ายมันจะทำงานได้ดีเท่ากับข้อมูล กติกา และความเข้าใจที่เราใส่เข้าไปเท่านั้น ประเด็นน่าสนใจคือ Ben ได้ไล่ลำดับขั้นการใช้งาน Claude หรือ AI Tools เอาไว้ชัดเจน ตั้งแต่การแชตธรรมดา ไปจนถึงการสร้างระบบปฏิบัติการของธุรกิจที่ทั้งทีมแชร์ Context ร่วมกันได้ สำหรับเจ้าของธุรกิจหรือคนทำงานที่อยากดึงศักยภาพ AI มาใช้จริง นี่คือแนวทางสำคัญที่ตอบคำถามว่า ทำไมบางคนใช้ AI แล้วได้ผลลัพธ์ระดับผู้ช่วยมืออาชีพ แต่บางคนยังได้คำตอบกว้างๆ แบบเดิมๆ
Step 1: เข้าใจก่อนว่าทำไม Context คือฐานรากของ AI Agent
Ben มองว่าโลกกำลังเข้าสู่ยุคที่ AI agent เริ่ม “ลงมือทำงาน” ได้จริง ทั้งการเขียนโค้ด ใช้เบราว์เซอร์ เชื่อมซอฟต์แวร์ เรียกปลั๊กอิน หรือจัดการเวิร์กโฟลว์บางส่วนแบบอัตโนมัติ แต่จุดที่คนส่วนใหญ่พลาดคือการคิดว่าแค่โมเดลฉลาดขึ้น ทุกอย่างจะดีขึ้นเอง ซึ่งไม่เป็นความจริง ถ้า AI ไม่รู้ว่าเราเป็นใคร ธุรกิจทำอะไร ลูกค้าเป็นแบบไหน มาตรฐานงานที่ดีเป็นอย่างไร หรือมีข้อห้ามอะไรบ้าง มันก็ยังทำงานแบบเดาสุ่มอยู่ดี เทียบกับธุรกิจไทยแล้ว เหมือนรับพนักงานใหม่แต่ไม่มีกระบวนการออนบอร์ดดิ้ง ไม่มี SOP และไม่มีข้อมูลลูกค้า ต่อให้เก่งแค่ไหนก็ทำงานไม่เต็มศักยภาพ นี่คือเหตุผลที่ “ระบบ Context” สำคัญกว่าการนั่งคิด Prompt เท่ๆ เพียงประโยคเดียว และยิ่งเริ่มสร้างเร็วเท่าไร ผลลัพธ์ก็ยิ่งทบต้นเร็ว เพราะ Context ที่ดีจะสะสมเป็นสินทรัพย์ทางปัญญาของธุรกิจ
Step 2: เริ่มจาก Level 1 ให้ถูกก่อน คือเลิกคุยกับ AI แบบไม่มีข้อมูล
ระดับแรกคือสิ่งที่คนส่วนใหญ่ยังทำอยู่ คือเปิดแชตใหม่แล้วพิมพ์สั่งงานเลย เช่น “ช่วยเขียนโพสต์ LinkedIn เรื่องการใช้ AI agents” ผลที่ได้จึงออกมา generic และรู้ทันทีว่าเป็น AI เขียน Ben เสนอกรอบง่ายๆ ว่า ถ้าอยากได้ผลลัพธ์ที่คมขึ้น ในแต่ละงานควรใส่ Context อย่างน้อย 4 อย่าง: เราเป็นใครและธุรกิจทำอะไร งานนี้ทำเพื่อใคร เช่น กลุ่มลูกค้าเป้าหมาย ตัวอย่างของงานที่ดีหรือคำอธิบายว่า Good Output หน้าตาแบบไหน และบทบาทกับ Guardrails เช่น น้ำเสียงที่ต้องใช้ สิ่งที่ห้ามพูด เป้าหมายของงาน นี่เป็นจุดเริ่มต้นที่สำคัญสำหรับสายการตลาด ขาย หรือคนทำคอนเทนต์ เพราะ AI จะเริ่มตอบแบบ “เข้าประเด็น” มากขึ้นทันที ข้อจำกัดคือมันเสียเวลา เนื่องจากเราต้องคัดลอก Context เดิมซ้ำไปซ้ำมาในทุกแชต ซึ่งพอใช้จริงทุกวัน คนส่วนใหญ่ก็ขี้เกียจและกลับไปใช้ Prompt สั้นๆ เหมือนเดิม
Step 3: ขยับสู่ Level 2 ด้วย Chat Projects เพื่อลดการพิมพ์ซ้ำ
เมื่อรู้แล้วว่าต้องมี Context ขั้นต่อไปคือการนำข้อมูลเหล่านี้ไปเก็บไว้ใน Projects ของ Claude หรือแชตที่ตั้งค่าไว้ล่วงหน้า โดยเราใส่คำสั่งและไฟล์อ้างอิงไว้ครั้งเดียว แล้วค่อยเรียกใช้งานซ้ำได้ แนวคิดนี้เหมาะมากกับงานที่ทำซ้ำๆ เช่น เขียนโพสต์ LinkedIn ร่างอีเมลขาย ทำสคริปต์คอนเทนต์ หรือสรุปประชุม สำหรับธุรกิจไทย นี่คือจุดที่เริ่มใช้งานได้จริงแล้ว เช่น แยก Project สำหรับ “คอนเทนต์เพจ”, “ตอบแชตลูกค้า”, หรือ “สรุปรายงานฝ่ายขาย” แต่ Ben ชี้ข้อเสียไว้ชัดเจนว่าโปรเจกต์แบบนี้ยังแยกเป็นเกาะๆ อยู่ในแต่ละแชต และ AI ยังแก้ไขเอกสาร Context เหล่านี้เองไม่ได้ หากจะอัปเดตข้อมูลแบรนด์หรือเปลี่ยน Process เราต้องเข้าไปแก้เองตลอด นั่นหมายความว่า Level 2 ดีขึ้นกว่าการแชตมั่วๆ เยอะ แต่ยังไม่ใช่ระบบที่ขยายสเกลไปพร้อมธุรกิจได้
Step 4: ไป Level 3 ด้วย Skills เพื่อให้งานซ้ำๆ ใช้ได้ทุกแชต
นี่คือจุดที่ Ben แนะนำให้เปลี่ยนจากการใช้ Claude แบบแชตอย่างเดียว ไปสู่การใช้ Claude Co-Work หรือ Claude Code เพื่อเริ่มใช้ Skills ได้ โดยมองแบบง่ายๆ Skills คือชุดคำสั่งพร้อมไฟล์อ้างอิงที่นำกลับมาใช้ใหม่ได้ดีกว่า Project มันไม่ถูกขังอยู่ในแชตเดียว เราเรียกใช้กลางบทสนทนาไหนก็ได้ เช่น ขณะคุยเรื่องไอเดียวิดีโออยู่ แล้วเจอประเด็นที่น่าเอาไปทำโพสต์ ก็สามารถสั่งให้ใช้ “LinkedIn writer skill” ได้ทันที ข้อดีของ Skills มีหลายอย่าง: ใช้ข้ามแชตได้ สร้างจากบทสนทนาที่เคยทำไว้แล้วได้ แชร์ให้ทีมได้ผ่านไฟล์ ZIP หรือ Organizational Skills แก้ไขและต่อยอด Skill เดิมได้ง่าย และมีระบบประเมินเพื่อทดสอบว่า Skill ใช้งานได้ดีแค่ไหน Ben มองว่า Skill ไม่ใช่ของเล่น แต่เป็นเหมือน SOP ที่ AI ทำตามได้จริง เช่น Skill เขียน Newsletter, Skill ทำอินโฟกราฟิก, หรือ Skill เขียนอินโทรวิดีโอ สิ่งนี้เหมาะมากกับทีมเล็กที่คนต้องสลับบทบาทหลายอย่าง เพราะเราเริ่มเปลี่ยนความรู้ที่กระจัดกระจายให้เป็นระบบที่ AI ใช้แทนคนได้ อย่างไรก็ตาม Ben ก็เตือนไว้ตรงๆ ว่า Skills เหมาะกับงานที่มีเวิร์กโฟลว์ชัดเจน แต่งานจำนวนมากในชีวิตจริงไม่ได้เป็นแบบนั้น
Step 5: ใช้ File Access เพื่อให้ AI เป็นคู่คิด ไม่ใช่แค่เครื่องมือทำตามคำสั่ง
ระดับถัดไปสำคัญมาก โดยเฉพาะสำหรับเจ้าของธุรกิจที่ไม่ได้ทำงานเป็นขั้นตอนซ้ำๆ ตลอดเวลา งานจริงมีทั้งการคิดกลยุทธ์ วางแผน ระดมไอเดีย ตัดสินใจ หรือแก้ปัญหาเฉพาะหน้า ซึ่งงานพวกนี้ไม่เหมาะกับการสร้าง Skill แยกทุกเรื่อง สิ่งที่ Ben ทำคือให้ Claude เข้าถึงโฟลเดอร์ไฟล์บนคอมพิวเตอร์ที่มีข้อมูลเกี่ยวกับงานส่วนนั้น เช่น เอกสารกลยุทธ์ Transcript เก่า ฐานข้อมูล Hook ข้อมูลแบรนด์ หรือเอกสารลูกค้า ผลลัพธ์คือ AI จะเริ่มตอบแบบมีชั้นเชิงมากขึ้น เพราะมันไม่ได้อิงแค่ Prompt ปัจจุบัน แต่มองเห็นภาพรวมของธุรกิจเรา จุดนี้สำคัญมากกับธุรกิจไทย เช่น แบรนด์อาหารเสริมอาจมีโฟลเดอร์รวม Persona ลูกค้า รีวิวจริง ข้อกฎหมายที่ห้ามพูด และโพสต์ที่เคยได้ผลดี เอเจนซีอาจมีโฟลเดอร์รวม Brief ลูกค้า ขอบเขตงาน Proposal เก่า และแนวทางสื่อสารแต่ละ Account ทีมขายอาจรวม Objection ที่เจอบ่อย FAQ และข้อมูลสินค้าเปรียบเทียบคู่แข่ง เมื่อ AI เห็นข้อมูลเหล่านี้ มันไม่ได้แค่ตอบดีขึ้น แต่มันเริ่ม “เถียง” เราได้ในจุดที่สมควร เช่น เตือนว่าเนื้อหานี้เทคน
