สรุปข่าว
- ซีอีโอ Future Skill แนะใช้ Deep Research ของ Gemini เป็นตัวช่วยค้นข้อมูล โดยผู้ใช้สามารถปรับแผนการ Research ก่อนให้ AI ลงมือค้นจริง เหมาะกับงานวิเคราะห์ตลาด หาข้อมูลคู่แข่ง และเตรียมข้อมูลสำหรับโปรเจกต์ใหม่
- นำผลลัพธ์จาก Gemini มาต่อยอดใน Projects ของ ChatGPT พร้อมกำหนด Source, Instruction และ Memory ให้เหมาะกับแต่ละงาน เพื่อให้ AI ทำงานต่อเนื่องภายใต้บริบทเดียวกัน และลดการอธิบายโจทย์ซ้ำ
- เป้าหมายไม่ใช่ให้ AI ทำงานแทนทั้งหมด แต่สร้าง Workflow ที่ลดงานซ้ำ ตั้งแต่ค้นข้อมูล วิเคราะห์ เรียบเรียง ไปจนถึงสร้างชิ้นงาน เพื่อคืนเวลาให้คนไปโฟกัสกับการคิด วิเคราะห์ และตัดสินใจ
ภายในงาน AI Future Ready #2 คุณแทนพงศ์ สุคนธ์พานิช ซีอีโอ FutureSkill for Business แนะนำแนวทางใช้ Gemini และ ChatGPT ร่วมกัน เพื่อลดเวลางานซ้ำ ๆ ตั้งแต่การค้นข้อมูล วิเคราะห์ ไปจนถึงจัดทำชิ้นงาน โดยเริ่มจาก Gemini Deep Research ที่สามารถปรับแผนก่อนค้นจริง ก่อนนำข้อมูลมาต่อยอดใน ChatGPT Projects พร้อมกำหนด Instruction และ Memory ให้เหมาะกับแต่ละงาน นอกจากนี้ยังแนะนำการสร้าง AI Skill ผ่าน GPTs และ Gems เพื่อทำงานเฉพาะทางและใช้ซ้ำได้ในอนาคต โดยหัวใจสำคัญไม่ใช่การให้ AI ทำงานแทนทั้งหมด แต่คือการออกแบบ Workflow ให้คนมีเวลาเหลือไปโฟกัสกับการคิด วิเคราะห์ และตัดสินใจมากขึ้น
ทุกวันนี้ คนทำงานจำนวนไม่น้อยไม่ได้เสียเวลาไปกับงานที่ยากที่สุด แต่กลับหมดเวลาไปกับเรื่องเดิม ๆ อย่างการค้นคว้าข้อมูลเชิงลึก จัดเรียงเอกสาร สรุปเนื้อหา และจัดระเบียบข้อมูล จนเมื่อถึงเวลาต้องคิด วิเคราะห์ หรือตัดสินใจจริง ๆ กลับเหลือทั้งเวลาและพลังงานไม่มากนัก
ภายในงาน AI Future Ready #2 ในหัวข้อ AI Hacks for SME & Office Workers โดยคุณแทนพงศ์ สุคนธ์พานิช ซีอีโอ FutureSkill for Business ได้แชร์แนวทางการนำ AI มาใช้กับงานจริง โดยเฉพาะการใช้ Gemini และ ChatGPT ร่วมกัน เพื่อเปลี่ยนจากการใช้ AI แบบถามเป็นครั้ง ๆ ไปสู่การสร้าง Workflow ที่ช่วยลดขั้นตอนการทำงานตั้งแต่ต้นจนจบ
เริ่มจาก Deep Research ให้ AI ช่วยทำงานที่ใช้เวลามากที่สุด
ขั้นตอนแรกที่คุณแทนพงศ์แนะนำคือ การใช้ Deep Research ของ Gemini สำหรับงานค้นคว้า โดยเฉพาะงานที่ต้องรวบรวมข้อมูลจากหลายแหล่ง ซึ่งเป็นหนึ่งในงานที่ใช้เวลาของคนทำงานอย่างมาก
ตัวอย่าง Prompt ที่ผู้บรรยายนำเสนอในงาน เป็นกรณีของบริษัทไทยที่ขายขนมเพื่อสุขภาพ และกำลังมองหาโอกาสออกสินค้าใหม่ในปี 2027 โดยให้ AI Research ตลาด Healthy Snack ในภาพรวมของโลก ทั้งเทรนด์ที่กำลังเติบโต ความต้องการของผู้บริโภค ตัวอย่างแบรนด์หรือสินค้าที่ทำได้ดี รวมถึงช่องว่างและโอกาสในตลาด
Prompt: “ฉันทํางานอยู่ในบริษัทไทยที่ขายขนมและของว่างเพื่อสุขภาพ และกําลังมองหาโอกาสออกสินค้าใหม่ในปี 2027 ช่วย Research ตลาด Healthy Snack ในภาพรวมของโลก โดยดู: เทรนด์ที่กําลังเติบโต, ความต้องการของผู้บริโภค,ตัวอย่างแบรนด์หรือสินค้าที่ทําได้ดี, ช่องว่างและโอกาสในตลาด”จุดที่น่าสนใจไม่ได้อยู่แค่การให้ AI ค้นข้อมูลแทนเรา แต่คือ ผู้ใช้สามารถตรวจสอบและปรับแผนการค้นคว้าที่ AI เสนอขึ้นมาก่อนได้ หากรู้สึกว่า ยังขาดประเด็นสำคัญ ก็สามารถเพิ่มหรือลดหัวข้อได้ ก่อนกดเริ่มค้นคว้าให้ AI ดำเนินการตามแผนที่ปรับแล้ว
วิธีนี้ช่วยเปลี่ยนงาน Research จากเดิมที่คนต้องเปิดเว็บไซต์จำนวนมากแล้วค่อยๆ ไล่เก็บข้อมูล มาเป็นการกำหนดโจทย์ให้ AI ช่วยวางแผนและรวบรวมข้อมูลในเบื้องต้น จากนั้นคนทำงานจึงเข้ามาตรวจสอบและใช้ข้อมูลเหล่านั้นต่อ ซึ่งเหมาะกับงานตั้งแต่การวิเคราะห์ตลาด การหาข้อมูลคู่แข่ง การเตรียมข้อมูลสำหรับประชุม ไปจนถึงการหา Insight ก่อนเริ่มทำโปรเจกต์ใหม่
เมื่อได้ข้อมูลจาก Research แล้ว Gemini ยังสามารถนำข้อมูลดังกล่าวไปสร้างเป็น อินโฟกราฟิก ผ่านฟีเจอร์ “สร้าง” และเลือก “อินโฟกราฟิก” จากนั้นสามารถ Export ไปยัง Google Docs เพื่อใช้ทำงานต่อได้
ประโยชน์ของขั้นตอนนี้คือ ข้อมูลที่ได้จากการค้นคว้าไม่จำเป็นต้องจบอยู่ในรูปแบบรายงานยาว ๆ แต่สามารถนำมาต่อยอดเป็นชิ้นงานที่คนอื่นอ่านและเข้าใจได้ง่ายขึ้น เช่น เอกสารสรุปสำหรับผู้บริหาร หรือข้อมูลประกอบการนำเสนอ โดยลดเวลาที่คนต้องนำข้อมูลมาเรียบเรียงและจัดรูปแบบด้วยตัวเอง
รู้จัก Token ก็ช่วยให้ใช้ AI ได้คุ้มขึ้น
อีกเรื่องที่คนใช้ AI ควรรู้คือ Token ซึ่งเป็นหน่วยที่ AI ใช้ในการประมวลผลข้อความ โดยคุณแทนพงศ์ให้ข้อมูลว่า Gemini และ ChatGPT เวอร์ชันฟรีจะให้ Token สำหรับการใช้งานประมาณ 100,000–120,000 Token ต่อวัน และชี้ให้เห็นว่าการพิมพ์ภาษาไทยอาจใช้ Token มากกว่าภาษาอังกฤษประมาณ 2–3 เท่า ตามข้อมูลที่นำเสนอในสไลด์
สำหรับคนที่ใช้งาน AI เป็นประจำ เรื่องนี้มีความสำคัญ เพราะการรู้ว่าเรากำลังใช้ Token อย่างไร จะช่วยให้สามารถออกแบบวิธีถามและวิธีรับคำตอบจาก AI ได้อย่างเหมาะสมมากขึ้น
คุณแทนพงศ์จึงแนะนำว่า หากผู้ใช้ถนัดการตั้งคำถามเป็นภาษาไทย ก็ยังสามารถถาม AI เป็นภาษาไทยได้ตามปกติ แต่หากให้ AI ตอบกลับเป็นภาษาอังกฤษ ก็สามารถช่วยลดการใช้ Token ลงได้ ทั้งนี้ ปริมาณ Token ที่ใช้จริงอาจแตกต่างกันไปตามลักษณะข้อความและการประมวลผลของแต่ละระบบ จึงควรมองข้อมูลดังกล่าวตามบริบทที่วิทยากรนำเสนอในงาน
จาก Gemini สู่ ChatGPT เมื่อ Research เสร็จ งานจริงเพิ่งเริ่ม
หลังจากได้ข้อมูลจาก Gemini แล้ว Workflow ที่คุณแทนพงศ์แชร์จากประสบการณ์การทำงานของตัวเอง คือการนำข้อมูลเหล่านั้นมาต่อยอดในฟีเจอร์ Projects ของ ChatGPT
สำหรับคนทำงาน จุดสำคัญของ Projects คือ การมีพื้นที่ที่รวบรวมข้อมูล บทสนทนา และคำสั่งที่เกี่ยวข้องกับงานไว้ด้วยกัน ทำให้ไม่ต้องเริ่มอธิบายบริบทใหม่ทุกครั้งที่กลับมาทำงานเดิม
ลองนึกภาพงานหนึ่งที่ต้องใช้เวลาหลายวัน เช่น การทำแผนการตลาด การวิเคราะห์ตลาด หรือการเตรียมรายงาน หากต้องเปิดแชตใหม่แล้วอธิบายทุกอย่างซ้ำทุกครั้ง งานก็ยังคงกินเวลาอยู่ดี แต่การนำข้อมูลและคำสั่งที่เกี่ยวข้องมาอยู่ใน Project เดียวกัน จะช่วยให้ AI ทำงานต่อเนื่องภายใต้บริบทของงานนั้นได้
อีกฟีเจอร์ที่เกี่ยวข้องคือ Memory ซึ่งวิทยากรพูดถึงทั้ง Default Memory และ Project-only Memory โดยแนวคิดสำคัญคือ การกำหนดว่าความจำของ ChatGPT ควรถูกนำมาใช้กับงานในระดับใด
เรื่องนี้มีประโยชน์โดยเฉพาะกับคนที่ใช้ AI ทำงานหลายประเภทพร้อมกัน เพราะข้อมูลหรือความต้องการจากงานหนึ่งอาจไม่เหมาะที่จะถูกนำมาใช้กับอีกงานหนึ่ง การกำหนดบริบทให้เหมาะสมจึงช่วยให้การทำงานเป็นระบบมากขึ้น และลดโอกาสที่ข้อมูลจากบริบทอื่นจะเข้ามาปะปนกับงานที่กำลังทำอยู่
อย่าแค่บอก AI ว่า “ทำอะไร” แต่ต้องบอกด้วยว่า “ทำไปเพื่ออะไร”
อีกแนวคิดที่สามารถนำไปใช้ได้ทันทีคือการเขียน Instruction ให้ AI โดยคุณแทนพงศ์แนะนำให้กำหนดองค์ประกอบสำคัญ ได้แก่ Objectives, Context, Task และ Rules
ก่อนให้ AI ลงมือทำงาน ต้องทำให้ AI รู้ก่อนว่า เป้าหมายของงานคืออะไร มีบริบทหรือข้อมูลอะไรที่ต้องรู้ ต้องการให้ทำอะไร และมีข้อกำหนดหรือกฎอะไรที่ต้องปฏิบัติตาม
ตัวอย่างเช่น แทนที่จะสั่งว่า “ช่วยสรุปข้อมูลตลาดนี้ให้หน่อย” ผู้ใช้สามารถกำหนดให้ชัดขึ้นว่า ต้องการสรุปเพื่ออะไร ใครเป็นคนอ่าน ต้องใช้ข้อมูลจากแหล่งไหน ต้องการรูปแบบการนำเสนอแบบใด และมีประเด็นใดที่ห้ามตกหล่น
ความแตกต่างอาจดูเหมือนเล็ก แต่สำหรับการทำงานจริง นี่คือสิ่งที่ช่วยลดรอบการแก้งาน เพราะยิ่ง AI เข้าใจโจทย์ตั้งแต่ต้นมากเท่าไร ก็มีโอกาสที่ผลลัพธ์จะใกล้เคียงกับสิ่งที่ต้องการตั้งแต่ครั้งแรกมากขึ้น
แนวคิดนี้ยังเป็นพื้นฐานสำคัญสำหรับคนที่ต้องการสร้าง AI Workflow หรือพัฒนา AI Skill เฉพาะทาง เพราะเมื่อกำหนด Objectives, Context, Task และ Rules ได้ชัดเจน ก็สามารถนำหลักการเดียวกันไปสร้างเครื่องมือที่ทำงานรูปแบบเดิมซ้ำๆ ให้เราได้ในอนาคต
สิ่งที่คนทำงานควรได้กลับไป ไม่ใช่แค่รู้จักฟีเจอร์เพิ่มขึ้น
หากมองทั้งหมดเป็นภาพเดียว สิ่งที่คุณแทนพงศ์จาก FutureSkill พยายามสื่อจึงไม่ใช่การบอกว่า เครื่องมือไหน “ดีที่สุด” แต่คือ การรู้จักแบ่งงานให้ AI แต่ละตัวทำในส่วนที่เหมาะกับมัน
งานหนึ่งชิ้นอาจเริ่มจาก Deep Research ของ Gemini เพื่อค้นคว้าและรวบรวมข้อมูล จากนั้นนำข้อมูลเข้าสู่ Project ของ ChatGPT เพื่อทำงานต่อ โดยกำหนด Source และ Instruction ให้ชัดเจน รวมถึงกำหนด Objectives, Context, Task และ Rules เพื่อให้ AI เข้าใจทั้งเป้าหมายและวิธีการทำงาน
เมื่อทำแบบนี้ AI จะไม่ได้เป็นเพียงแชตบอตที่เราเปิดขึ้นมาเพื่อถามคำถามเป็นครั้ง ๆ แต่จะกลายเป็นส่วนหนึ่งของกระบวนการทำงาน ตั้งแต่การค้นข้อมูล วิเคราะห์ เรียบเรียง ไปจนถึงการสร้างชิ้นงานที่พร้อมนำไปใช้
และนี่คือประโยชน์ที่คนทำงานสามารถนำกลับไปทดลองได้ทันที ไม่ว่าจะเป็นพนักงานออฟฟิศ นักการตลาด เจ้าของธุรกิจ หรือคนที่ต้องทำงานกับข้อมูลจำนวนมาก เพราะสิ่งที่ต้องเปลี่ยนอาจไม่ใช่ “วิธีใช้ AI” แต่คือ “วิธีทำงานของเรา”
มุมมองผู้เขียน: หาก Workflow เหล่านี้ถูกนำไปใช้จริงในองค์กรในวงกว้าง วันหนึ่งคำว่า “AI ช่วยทำงาน” อาจไม่ใช่เรื่องใหม่อีกต่อไป แต่จะกลายเป็นทักษะพื้นฐานของคนทำงานยุคใหม่ ขณะที่การทำงานล่วงเวลาเพราะเสียเวลาไปกับงานซ้ำ ๆ อาจค่อย ๆ กลายเป็นสิ่งที่ลดลงตามไปด้วย
