ผู้นำทางความคิด
สร้างสถานที่ทำงานที่เป็นมิตรกับ AI: บทเรียนจากแนวหน้า

ลองนึกว่าคุณกำลังวิ่งแข่ง 10 กิโลเมตรและพยายามขึ้นเนินสูง แล้วจู่ๆ กติกาเปลี่ยนไป คนขับรถเริ่มรับนักวิ่งขึ้นรถและแข่งกันไปเส้นชัย คุณจะวิ่งต่อทั้งที่รู้ว่าจะอยู่ท้ายกลุ่ม หรือขึ้นรถ เหยียบคันเร่ง และแข่งขันเพื่อรางวัลใหญ่?
ในธุรกิจปัจจุบัน AI คือรถคันนั้น บริษัทอาจดำเนินงานแบบเดิม วางแผนระยะยาว ทำตามกระบวนการ และขอให้พนักงานทำงานหนักขึ้น แต่ AI กำลังเปลี่ยนธรรมชาติของการแข่งขัน มันช่วยให้บริษัทเดินหน้าเร็วขึ้นและให้พนักงานมีเส้นทางใหม่ในการหลบปัญหา ธุรกิจที่ไม่คว้าพวงมาลัยและใส่พลังของ AI ลงในกำลังคนจะถูกทิ้งไว้บนเนินสูงนั้น
โอบรับอนาคตด้วยการเป็นผู้จัดการ AI
ที่ Cockroach Labs เราเรียนรู้อย่างรวดเร็วว่า Generative AI ช่วยให้ทำสิ่งที่ไม่เคยคิดว่าจะเป็นไปได้ เราใช้มันทั่วทั้งบริษัท ทั้งการค้นหาแบบ GenAI ระบบแนะนำ และ semantic search
ตัวอย่างที่ดีที่สุดมาจากฝ่ายการศึกษา ทีมใช้ AI เร่งสร้างหลักสูตรสำหรับลูกค้า พันธมิตร และพนักงานของเรา เพื่อให้เชี่ยวชาญการใช้งานผลิตภัณฑ์ฐานข้อมูล เราสร้างหลักสูตรที่มีแบบฝึกปฏิบัติ 21 รายการและชุดสไลด์ 20 ชุดพร้อมบันทึกผู้เรียนโดยละเอียด ตามกระบวนการเดิมและมาตรฐานเวลาผลิตเนื้อหา โครงการนี้ควรใช้เวลาสามถึงห้าเดือน แต่เมื่อผสาน GenAI เข้ากับกระบวนการ เราทำเสร็จในห้าสัปดาห์
บทเรียนสำคัญ
ทุกคนคือผู้จัดการ AI: ไม่ว่าจะมีผู้ใต้บังคับบัญชาหรือไม่ เรากำลังจัดการกำลังทางปัญญาที่แทบไม่จำกัดสำหรับงานท้าทาย เราต้องถามว่าจะทำอัตโนมัติได้มากเพียงใด สร้างสรรค์แค่ไหน เขียนพรอมป์ ท้าทายเครื่องมือ และนำโมเดลใหม่ไปใช้ได้ดีเพียงใด ขอบเขตขึ้นอยู่กับความสามารถในการจัดการของเราเอง
อย่าคาดหวังให้ AI ทำทุกอย่าง: งานบางประเภทไม่เหมาะกับ AI แต่เราสามารถมอบงานที่กินเวลาและยังต้องใช้สติปัญญา ซึ่งพนักงานไม่ควรเสียเวลาทำซ้ำอีกต่อไป
อย่ายอมรับผลลัพธ์โดยไม่ตรวจสอบ: ตรวจ ตรวจซ้ำ และตรวจอีกครั้ง เชื่อในเทคโนโลยี แต่ยืนยันความถูกต้องเสมอ เพราะความถูกต้องเปลี่ยนสมมติฐานให้เป็นผลสำเร็จ
กระบวนการใช้ AI จัดการงานทีละขั้น
เลือกโมเดลตามจุดแข็ง: โมเดลแต่ละตัวถนัดต่างกัน จึงควรสลับโมเดลเมื่อเหมาะสม เราใช้ Claude Sonnet 3.5 เขียนร่างแบบฝึกแรกเพราะสร้างร้อยแก้วและคำสั่งที่น่าสนใจได้ดี จากนั้นใช้ ChatGPT 4o และโมเดล reasoning ตระกูล “o” เป็นผู้ตรวจทางเทคนิคเพื่อปรับคำสั่งและยืนยันความถูกต้องในร่างที่สอง
สร้างผลลัพธ์ที่ทำซ้ำได้: งานเทคนิคต้องมีข้อจำกัดชัดเจนและผลลัพธ์มีโครงสร้าง เราจึงระบุข้อกำหนดโครงสร้างและยกตัวอย่างรูปแบบ เพื่อให้ผลลัพธ์สอดคล้องและทำซ้ำได้
พรอมป์สำหรับงานเทคนิค: ต้องระบุสิ่งที่ต้องการอย่างเจาะจง มิฉะนั้น AI อาจทำสิ่งที่คาดไม่ถึง ควรบอกสมมติฐานเกี่ยวกับข้อมูลนำเข้าและสภาพแวดล้อม พร้อมขอให้โมเดลจัดการกรณีผิดปกติ
ปรับพรอมป์อย่างต่อเนื่อง: กระตุ้นให้เครื่องมือถามคำถามเพื่อความชัดเจน พรอมป์แรกไม่สมบูรณ์ จึงต้องมีหลายรอบ นำข้อเสนอและขั้นตอนที่โมเดลแนะนำกลับเข้าไปในพรอมป์ฐาน แล้วปรับร่วมกับ AI และเพื่อนร่วมทีม
ทดสอบซ้ำ: การตรวจความสม่ำเสมอมีความสำคัญ วิธีหนึ่งในการวัดประสิทธิผลของพรอมป์คือให้ข้อมูลนำเข้าเดิมหลายครั้งและตรวจว่าผลลัพธ์ยังคงเหมือนเดิม
ผู้เชี่ยวชาญมนุษย์ที่พวงมาลัย
AI ลดงานที่กินเวลาจากวันทำงาน แต่ไม่ได้ลบงานเหล่านั้นออกจากเวิร์กโฟลว์ มนุษย์ยังมีบทบาทสำคัญในการพัฒนาหลักสูตรและต้องถูกผสานไว้ในกระบวนการที่ขับเคลื่อนด้วย AI ตัวอย่างคือ prompt engineering ของทีมการศึกษา มนุษย์สร้างพรอมป์เริ่มต้นพร้อมบริบทจากแหล่งที่เกี่ยวข้อง หลังเครื่องมือทำงาน ผู้เชี่ยวชาญเฉพาะด้านตรวจผลลัพธ์เพื่อจับข้อผิดพลาดตั้งแต่ต้น จากนั้นทีมร่วมมือกับเครื่องมือและวนปรับจนพร้อมเผยแพร่
การทำงานร่วมกันได้ผลดี แต่ยังต้องมีคนจัดการบริบทและการส่งต่องานระหว่างโมเดล หากไม่มีมนุษย์ ทีมจะขึ้นอยู่กับเครื่องมือที่ไม่น่าเชื่อถือ ช่วงเริ่มโครงการ เครื่องมือสรุปและอธิบายแนวคิดได้ดีเมื่อมีบริบทถูกต้อง แต่หลอนข้อมูลบ่อย ปัจจุบันโมเดลใช้เหตุผลดีขึ้น ทว่ามนุษย์ยังต้องบริหารกระบวนการ โดยสามารถย้ายเวลาไปสู่การตรวจทานและความคิดสร้างสรรค์มากกว่าการจัดการขั้นตอนเพียงอย่างเดียว
อนาคตAI agents จะมีบทบาทใหญ่ขึ้น แทนที่มนุษย์จะรวบรวมบริบท เขียนพรอมป์ ส่งงานระหว่างโมเดล และตรวจแก้ทุกขั้น เอเจนต์จะรวบรวมและประมวลผลแหล่งข้อมูล สร้าง taxonomy ทักษะและโครงร่างหลักสูตร ทำตามเวิร์กโฟลว์ที่กำหนด และนำเสนอเฉพาะจุดตัดสินใจสำคัญแก่ผู้เชี่ยวชาญ โดยยังได้รับความช่วยเหลือจากมนุษย์เมื่อจำเป็น
สรุป
การวิ่งเร็วช่วยรักษาสุขภาพ แต่รถยนต์เปลี่ยนความสามารถของมนุษย์ในการเดินทางไปยังจุดหมายมานานแล้ว AI ให้ประโยชน์แบบเดียวกันในที่ทำงาน ช่วยบริษัทปรับกระบวนการและสร้างผลลัพธ์ที่ดีขึ้น ผู้ที่ยอมรับ AI และใช้ประโยชน์จากประสิทธิภาพที่ทบต้นจะทิ้งคู่แข่งไว้ข้างหลัง






