ผมเองเป็นคนหนึ่งที่เขียนคู่มือสั่งงาน AI ยาวขึ้นเรื่อยๆ ทุกปี จากที่เคยพิมพ์สั่งกันสดๆ ไม่กี่บรรทัด วันนี้ Prompt ของผมบางตัวยาวเป็นสิบหน้า มีกฎย่อยเป็นร้อยข้อ เพราะเชื่อกันมาตลอดว่ายิ่งสั่งละเอียด AI ยิ่งทำงานได้ตรงใจ แต่พอผมได้อ่านคู่มือ Prompt Engineering ฉบับล่าสุดที่ Anthropic เขียนขึ้นสำหรับ Claude Fable 5 โมเดลตัวใหม่ที่เพิ่งเปิดตัว กลับเจอคำแนะนำที่สวนทางกับสิ่งที่นักการตลาดส่วนใหญ่ทำกันอยู่แบบหน้ามือเป็นหลังมือครับ
เพราะหนึ่งในคำแนะนำสำคัญของคู่มือฉบับนี้บอกตรงๆ ว่า คู่มือและ Prompt ที่เขียนไว้สำหรับโมเดลรุ่นเก่ามักจะสั่งละเอียดเกินไปสำหรับโมเดลรุ่นใหม่ และอาจทำให้คุณภาพงานแย่ลงด้วยซ้ำ ฟังดูเหมือนเป็นแค่เรื่องเทคนิคของ Developer ใช่ไหมครับ แต่จริงๆ แล้วนี่คือการเปลี่ยนวิธีคิดครั้งใหญ่ของการทำงานร่วมกับ AI ที่กระทบนักการตลาดทุกคนที่ใช้ AI ทำงานอยู่ทุกวัน
บทความนี้ผมเลยอยากชวนเพื่อนๆ นักการตลาดมาถอดรหัสคู่มือฉบับนี้กันว่า Anthropic แนะนำให้สั่งงาน AI ยุคใหม่อย่างไร อะไรที่ควรเลิกทำ อะไรที่ยังต้องทำต่อ และเราจะเอาหลักคิดนี้ไปปรับใช้กับการทำงานการตลาดจริงได้อย่างไรบ้างครับ
The Smarter Model Shift ทำไม AI ยิ่งฉลาด คู่มือการสั่งงานยิ่งต้องเขียนใหม่
ก่อนอื่นต้องเข้าใจบริบทกันก่อนว่า Claude Fable 5 คือโมเดลตระกูลใหม่ของ Anthropic ที่วางตำแหน่งไว้เหนือ Claude Opus เดิม จุดที่ต่างจากโมเดลรุ่นก่อนแบบชัดเจนตามที่ระบุไว้ในคู่มือ Prompting Claude Fable 5 คือมันถูกออกแบบมาให้รับงานที่ซับซ้อน คลุมเครือ หรือยาวนานเกินกว่าที่โมเดลรุ่นก่อนจะรับไหว โดยเฉพาะงานแบบ End-to-End ที่ปกติคนต้องใช้เวลาทำกันเป็นชั่วโมง เป็นวัน หรือเป็นสัปดาห์
ความสามารถที่พัฒนาขึ้นมีตั้งแต่การทำงานอัตโนมัติต่อเนื่องได้หลายวันโดยยังจำคำสั่งเดิมได้แม่น การทำงานถูกตั้งแต่รอบแรกในโจทย์ที่ระบุความต้องการไว้ชัด ซึ่งผู้ทดสอบกลุ่มแรกรายงานว่างานที่เคยต้องแก้กันเป็นวันๆ กลับเสร็จในรอบเดียว ไปจนถึงงานสายธุรกิจอย่างการวิเคราะห์การเงิน ทำ Spreadsheet ทำ Slide และเอกสารระดับมืออาชีพ รวมถึงการอ่านภาพและ Screenshot ที่ข้อมูลแน่นๆ ได้แม่นยำขึ้นมาก
แต่ประเด็นที่ผมว่าน่าสนใจที่สุดในคู่มือนี้ไม่ใช่เรื่องความสามารถหรอกครับ แต่เป็นข้อสังเกตที่ว่า ทีมที่ได้ผลลัพธ์ดีที่สุดคือทีมที่เอาโจทย์ยากที่สุดที่ยังแก้ไม่ตกมาให้โมเดลทำ ส่วนทีมที่เอาแต่ทดสอบกับงานง่ายๆ จะมองไม่เห็นศักยภาพที่แท้จริงของมันเลย นั่นหมายความว่าคำถามที่นักการตลาดควรถามตัวเองไม่ใช่ AI ตัวนี้ช่วยอะไรเราได้บ้าง แต่เป็นงานชิ้นไหนที่ยากที่สุดบนโต๊ะเราตอนนี้ ที่ควรลองโยนให้มันทำดู
One Line Beats a Checklist เมื่อคำสั่งสั้นบรรทัดเดียว ชนะการไล่สั่งทีละข้อ
มาถึงหัวใจของเรื่องที่เป็นที่มาของชื่อบทความนี้ คู่มือระบุว่าความสามารถในการทำตามคำสั่ง Instruction Following ของ Claude Fable 5 พัฒนาขึ้นมากจนถึงจุดที่คุณสามารถกำกับพฤติกรรมส่วนใหญ่ได้ด้วยคำสั่งสั้นๆ แทนที่จะต้องไล่ระบุทุกพฤติกรรมที่ไม่ต้องการทีละข้อ
ยกตัวอย่างจากในคู่มือเอง ถ้าไม่กำกับอะไรเลย โมเดลอาจอธิบายยืดยาวเกินจำเป็น ทั้งไล่ตัวเลือกที่สุดท้ายก็ไม่ได้ใช้ อธิบายต้นตอปัญหายาวเหยียด หรือเขียนสรุปงานที่จัด Format หนักจนอ่านยาก สมัยก่อนเราต้องเขียนกฎห้ามทีละข้อ ห้ามทำแบบนั้น ห้ามเขียนแบบนี้ แต่กับโมเดลรุ่นนี้ คำสั่งสั้นๆ ทำนองว่า ขึ้นต้นด้วยข้อสรุปที่คนอ่านอยากรู้ก่อน แล้วค่อยตามด้วยรายละเอียด ให้ผลดีเทียบเท่ากับการไล่เขียนกฎยาวเป็นพืด
หลักการเดียวกันนี้ใช้ได้กับการกำหนดจุดที่ AI ควรหยุดถามเราด้วย แทนที่จะไล่ระบุทุกสถานการณ์ คู่มือแนะนำให้สั่งแค่ว่า ให้หยุดถามเฉพาะเมื่องานนั้นต้องการมนุษย์จริงๆ เช่น การกระทำที่ย้อนกลับไม่ได้ การเปลี่ยนขอบเขตงานครั้งใหญ่ หรือข้อมูลที่มีแต่เจ้าของงานเท่านั้นที่ตอบได้ แค่นี้พอ
จากที่ผมสังเกต นี่คือจุดที่นักการตลาดจำนวนมากยังติดอยู่กับวิธีคิดยุคเก่า คือสะสม Prompt Template ยาวๆ ที่ไล่กฎเป็นสิบเป็นร้อยข้อ ซึ่งเคยจำเป็นจริงในยุคที่ AI ยังไม่ฉลาดพอ แต่วันนี้กฎพวกนั้นบางข้ออาจกลายเป็นตัวถ่วงแทน
Over-Prescriptive Prompts เมื่อคู่มือที่เขียนละเอียดเกินไป กลับฉุดคุณภาพงานของ AI
ข้อแนะนำที่แรงที่สุดในคู่มือฉบับนี้อยู่ในส่วน Recommended Scaffolding Changes ที่บอกว่า Skills หรือชุดคำสั่งที่พัฒนาขึ้นสำหรับโมเดลรุ่นก่อน มักจะกำหนดรายละเอียดมากเกินไป Prescriptive เกินไปสำหรับ Claude Fable 5 และอาจทำให้คุณภาพของผลงานแย่ลง คำแนะนำคือให้กลับไปรีวิวและพิจารณาตัดคำสั่งเก่าๆ ออก ถ้าผลงานแบบไม่ต้องกำกับมันออกมาดีกว่า
ทำไมถึงเป็นแบบนั้น ลองนึกภาพการรับพนักงานใหม่ 2 คนดูครับ คนแรกเป็นเด็กจบใหม่ที่ยังต้องมีคู่มือละเอียดยิบกำกับทุกขั้นตอน ตั้งแต่เปิดไฟล์ยังไงไปจนถึงกดส่งอีเมลตอนกี่โมง ส่วนคนที่สองเป็นมือโปรที่มีประสบการณ์สิบปี ถ้าคุณเอาคู่มือของเด็กจบใหม่ไปบังคับให้มือโปรทำตามทุกข้อ ผลงานที่ได้จะไม่ใช่ฝีมือระดับสิบปีของเขา แต่จะถูกกดให้เหลือเท่าระดับของคู่มือ เพราะเขามัวแต่กังวลกับการทำตามกฎ แทนที่จะใช้วิจารณญาณที่ดีกว่ากฎนั้นมาก AI ยุคใหม่ก็กำลังเจอปัญหาเดียวกันกับ Prompt เก่าของเรา
อีกข้อที่คนทำ Content และคนสอน AI อย่างผมต้องจดไว้เลยคือ คู่มือเตือนว่าอย่าสั่งให้โมเดลถอดความหรืออธิบายกระบวนการคิดภายในของมันออกมาเป็นคำตอบ เพราะคำสั่งแบบนี้จะไปกระตุ้นระบบป้องกันที่เรียกว่า Reasoning Extraction จนโมเดลปฏิเสธงานได้ ถ้าอยากเห็นเหตุผลเบื้องหลัง ให้ดูจาก Thinking Block ที่ระบบจัดให้แทน ใครที่มี Prompt เก่าที่ชอบสั่งว่าให้อธิบายวิธีคิดมาด้วยทุกครั้ง ถึงเวลาต้องรื้อแล้ว
Context Over Command บอกเหตุผลเบื้องหลังงาน สำคัญกว่าบอกแค่ตัวคำสั่ง
แล้วถ้าไม่ต้องสั่งละเอียด เราควรใส่อะไรลงไปใน Prompt แทน คำตอบของคู่มือชัดมากครับ แค่ใส่บริบทและเหตุผล
คู่มือระบุว่า Claude Fable 5 ทำงานได้ดีขึ้นเมื่อมันเข้าใจเจตนาเบื้องหลังคำขอ เพราะบริบทช่วยให้มันเชื่อมโยงงานเข้ากับข้อมูลที่เกี่ยวข้องได้เอง แทนที่จะต้องเดาใจว่าเราต้องการอะไรกันแน่ โครงสร้างที่แนะนำเรียบง่ายมาก คือบอกว่ากำลังทำงานใหญ่เรื่องอะไร ทำให้ใคร และผลลัพธ์นี้จะถูกเอาไปใช้ทำอะไรต่อ แล้วค่อยตามด้วยคำขอจริง
อีกเทคนิคที่เกี่ยวข้องกันคือการสร้างระบบความจำ Memory System ให้ AI โดยคู่มือบอกว่าแค่ไฟล์ Markdown ธรรมดาๆ ที่ให้โมเดลจดบทเรียนจากงานรอบก่อน ทั้งจุดที่เคยโดนแก้และวิธีที่ได้รับการยืนยันว่าใช่ ก็ช่วยให้งานรอบถัดไปดีขึ้นอย่างเห็นได้ชัด หลักการจดก็ตรงไปตรงมา หนึ่งบทเรียนต่อหนึ่งไฟล์ มีสรุปบรรทัดเดียวไว้บนสุด ไม่จดซ้ำกับสิ่งที่มีบันทึกอยู่แล้ว และลบโน้ตที่พิสูจน์แล้วว่าผิดทิ้งไป
ใครเคยอ่านเรื่อง CRAFT Prompts Framework ที่การตลาดวันละตอนเคยเขียนไว้ จะเห็นว่าหัวใจของ Framework ยุคนั้นคือการระบุบทบาทและรายละเอียดให้ครบ ซึ่งยังใช้ได้อยู่ แต่จุดที่ต้องอัปเดตตามยุคคือน้ำหนัก จากเดิมที่เทไปฝั่งรายละเอียดขั้นตอน วันนี้ต้องย้ายมาเทฝั่งบริบทและเป้าหมายแทน
Trust but Verify สิ่งที่ยังต้องคุมเข้ม แม้ AI จะฉลาดขึ้นแค่ไหนก็ตาม
อ่านมาถึงตรงนี้อย่าเพิ่งเข้าใจผิดว่า AI ฉลาดแล้วปล่อยมือได้เลยนะครับ เพราะคู่มือฉบับเดียวกันนี้ก็เตือนจุดที่ยังต้องคุมไว้ชัดเจนเหมือนกัน
ข้อแรกคือเรื่องการรายงานความคืบหน้า ในงานที่รันยาวๆ คู่มือแนะนำให้สั่งว่า ก่อนรายงานความคืบหน้าใดๆ ให้ตรวจทุกข้ออ้างกับผลลัพธ์จากเครื่องมือที่รันจริงใน Session นั้น รายงานเฉพาะงานที่มีหลักฐานชี้ได้ ถ้าเทสต์ไม่ผ่านก็บอกว่าไม่ผ่านพร้อมแนบผล ที่ต้องเน้นเรื่องนี้เพราะจากการทดสอบของ Anthropic เอง คำสั่งนี้แทบกำจัดปัญหาการรายงานสถานะเกินจริงได้หมด แม้แต่ในงานที่ออกแบบมาเพื่อล่อให้โมเดลโกหกโดยเฉพาะ
ข้อสองคือเรื่องขอบเขต เพราะบางครั้งโมเดลรุ่นนี้ขยันเกินคำสั่ง เช่น ร่างอีเมลให้ทั้งที่ไม่มีใครขอ คู่มือเลยแนะนำให้ระบุชัดว่า เวลาที่ผู้ใช้กำลังเล่าปัญหา ถามคำถาม หรือคิดดังๆ สิ่งที่ต้องส่งมอบคือการประเมินสถานการณ์ ไม่ใช่การลงมือแก้ทันที รายงานสิ่งที่เจอแล้วหยุด รอจนกว่าจะมีคำสั่งให้แก้
เห็นไหมครับว่าทิศทางมันชัด สิ่งที่ลดลงคือการสั่งขั้นตอน แต่สิ่งที่ต้องเพิ่มขึ้นกลับเป็นการกำหนดขอบเขตและการตรวจสอบหลักฐาน
เล่ามาถึงตรงนี้ เราได้เห็นทั้งฝั่งที่ต้องปล่อย คือเลิกสั่งจุกจิกแล้วหันมาให้บริบทกับเป้าหมายแทน และฝั่งที่ต้องคุม คือขอบเขตงานกับหลักฐานประกอบทุกคำรายงาน คำถามต่อไปที่นักการตลาดอย่างเราน่าจะอยากรู้ก็คือ แล้วจะแปลงหลักการจากคู่มือของ Developer เหล่านี้ ออกมาเป็นวิธีทำงานจริงของทีมการตลาดได้อย่างไร
The Delegation Mindset 4 หลักคิดการสั่งงาน AI ยุคใหม่สำหรับนักการตลาด
จากที่ผมตกผลึก หลักคิดทั้งหมดในคู่มือนี้สรุปรวมได้เป็นคำว่า เปลี่ยนจากการเขียนสคริปต์ให้ AI อ่าน มาเป็นการมอบหมายงานให้ AI ทำ เหมือนที่เรามอบหมายงานให้ลูกทีมเก่งๆ คนหนึ่ง และนี่คือ 4 หลักคิดที่ผมเรียบเรียงขึ้นเองจากเนื้อหาในคู่มือ เพื่อให้นักการตลาดเอาไปใช้ได้ทันที
สั่งเป้าหมายและบริบท ไม่ใช่สั่งขั้นตอน ลองเทียบ Prompt 2 แบบนี้ดูครับ Prompt แบบเดิม: เขียนแคปชั่น Facebook 3 แบบ แบบละไม่เกิน 50 คำ ขึ้นต้นด้วยคำถาม ใส่ Emoji 2 ตัว มี Hashtag 3 อัน ห้ามขึ้นต้นด้วยสวัสดี ใส่ CTA ท้ายโพสต์ Prompt แบบใหม่: เรากำลังเปิดตัวสินค้าใหม่กับกลุ่ม Gen Z ที่เลื่อนฟีดเร็วและเบื่อโฆษณายัดเยียด เป้าหมายของโพสต์นี้คือให้คนหยุดนิ้วแล้วรู้สึกว่าแบรนด์เข้าใจเขา ช่วยคิดแคปชั่น Facebook มา 3 ทิศทางที่ต่างกันจริงๆ สังเกตว่าแบบใหม่ไม่ได้สั้นกว่าเสมอไปนะครับ แต่สัดส่วนเปลี่ยน จากกฎ Format ล้วนๆ กลายเป็นบริบทกับเป้าหมายเกือบทั้งหมด เพราะแบบแรกได้งานที่ถูก Format แต่แบบหลังมีโอกาสได้งานที่ถูกใจรื้อ Prompt Template เก่าทุกครั้งที่โมเดลอัปเกรดใหญ่ ลองนึกถึงทีมที่สะสม Prompt Library มาตั้งแต่ปี 2023 แล้วยังใช้ชุดเดิมมาจนวันนี้ กฎหลายข้อในนั้นเขียนขึ้นเพื่ออุดจุดอ่อนของโมเดลที่ตอนนี้ไม่มีจุดอ่อนนั้นแล้ว วิธีตรวจง่ายๆ คือทำ A/B Test กับงานชิ้นเดียวกัน รอบแรกใช้ Prompt เต็ม รอบสองตัดกฎจุกจิกออกให้เหลือแค่เป้าหมาย บริบท และข้อห้ามสำคัญ แล้วเทียบกันตรงๆ ว่าแบบไหนได้งานที่เป็นธรรมชาติกว่า ผมเองก็กำลังจะเอาคู่มือเขียนบทความของตัวเองไปเข้ากระบวนการนี้เหมือนกัน (สะสมกฎมาหลายเวอร์ชันจนหนากว่าหนังสือบางเล่มที่ผมเขียนแล้ว)ขอหลักฐานประกอบทุกคำรายงาน ลองนึกภาพการสั่งให้ AI ช่วยสรุปผล Campaign จากไฟล์ข้อมูลที่อัปโหลดให้ ถ้าปล่อยให้สรุปลอยๆ เราจะไม่มีทางรู้เลยว่าตัวเลขไหนมาจากไฟล์จริง ตัวเลขไหนมันเติมให้เอง ให้เพิ่มกฎหลักฐานต่อท้ายแบบนี้ ทุกตัวเลขที่รายงาน ให้ระบุว่ามาจากคอลัมน์หรือแถวไหนของไฟล์ ถ้าข้อมูลไม่พอสรุปเรื่องไหนให้บอกตรงๆ ว่าไม่พอ ห้ามประมาณเอง แค่ประโยคเดียว ความน่าเชื่อถือของงานก็เปลี่ยนไปคนละเรื่องโยนโจทย์ที่ยากที่สุดให้ก่อน ไม่ใช่งานที่ง่ายที่สุด ธรรมชาติของคนส่วนใหญ่คือเริ่มทดลอง AI กับงานเล็กๆ อย่างแคปชั่นหรืออีเมล แต่ถ้ายึดตามข้อสังเกตในคู่มือที่ว่าทีมที่ได้ผลดีที่สุดคือทีมที่เอาโจทย์ยากสุดมาให้ทำ ลองนึกภาพการโยนโจทย์อย่างการวาง Go-To-Market Plan ทั้งแผนสำหรับสินค้าใหม่ พร้อมข้อมูลตลาด งบ และข้อจำกัดทั้งหมดที่มี แล้วให้มันถามคำถามกลับจนกว่าข้อมูลจะพอ ก่อนลงมือทำตั้งแต่ต้นจนจบ นั่นต่างหากคือสนามทดสอบที่บอกได้จริงว่า AI ยุคนี้ไปถึงไหนแล้ว
Trust สรุปบทเรียนการสั่งงาน AI จากคู่มือ Claude Fable 5 ที่นักการตลาดจำเป็นต้องรู้
นับจากนี้ไป ทักษะการเขียน Prompt จะไม่ใช่ทักษะการเขียนคำสั่งที่ละเอียดที่สุดอีกต่อไป แต่จะกลายเป็นทักษะการมอบหมายงานแบบที่หัวหน้าเก่งๆ ทำกับลูกทีมเก่งๆ คือให้เป้าหมายชัด ให้บริบทครบ กำหนดขอบเขตที่ห้ามข้าม แล้วเปิดพื้นที่ให้อีกฝ่ายใช้ความสามารถของตัวเองอย่างเต็มที่ น่าคิดเหมือนกันว่าองค์กรที่หัวหน้ามอบหมายงานคนไม่เป็น น่าจะมอบหมายงาน AI ไม่เป็นด้วยเช่นกันก็เป็นได้
และถ้าให้ผมรวบทุกอย่างที่เล่ามาทั้งบทความนี้ให้เหลือเพียงคำเดียว คำนั้นคือ Trust หรือความไว้วางใจ เพราะ Prompt ที่ยาวเป็นร้อยข้อ แท้จริงแล้วคือร่องรอยของความไม่ไว้ใจที่เราสะสมไว้กับ AI รุ่นเก่า แต่เมื่อเครื่องมือฉลาดขึ้นจนถึงจุดหนึ่ง คนที่กล้าปรับระดับความไว้ใจให้ทันความสามารถของมัน พร้อมระบบตรวจสอบหลักฐานที่รัดกุม จะทำงานได้เร็วกว่าและได้งานที่ดีกว่าคนที่ยังนั่งเขียนกฎข้อที่ 101 อยู่
คำถามที่ผมอยากฝากให้คิดต่อคือ Prompt ที่ยาวที่สุดที่คุณใช้อยู่ทุกวันนี้ มีกี่ข้อที่ยังจำเป็นจริง และมีกี่ข้อที่เป็นแค่แผลเก่าจาก AI รุ่นที่ตายไปแล้ว ถ้ายังไม่เคยกลับไปรื้อดูเลย คุณอาจกำลังกดศักยภาพของเครื่องมือที่จ่ายเงินซื้อมาอย่างน่าเสียดายครับ
และถ้าอ่านมาถึงตรงนี้แล้วอยากเห็นของจริงว่า Prompt แบบเก่ากับ Prompt แบบใหม่หน้าตาต่างกันแค่ไหน ผมเขียนภาคต่อแยกไว้ให้อีกหนึ่งบทความ เทียบกันชัดๆ ผ่าน 6 สถานการณ์การทำงานที่นักการตลาดเจอทุกวัน ตั้งแต่เขียนแคปชั่น วิเคราะห์ผล Campaign ไปจนถึงวางแผน Go-To-Market พร้อมตัวอย่าง Prompt ที่ Copy ไปใช้ต่อได้ทันที ตามไปอ่านกันต่อได้ที่บทความ เปรียบเทียบ Prompt เก่ากับ Prompt ใหม่สำหรับ Claude Fable 5 ฉบับนักการตลาด ครับ
Source: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-fable-5
