Prompt Engineering คืออะไร? ทักษะที่คนทำงานยุค AI ต้องมี
Prompt Engineering คือทักษะสั่งงาน AI ให้ได้ผลที่ใช้ได้จริง เรียนโครงสร้าง prompt 5 ส่วน เทคนิคขั้นสูง ตัวอย่างก่อนและหลัง และข้อควรระวัง
สองคนในทีมเดียวกันใช้ AI ตัวเดียวกัน คนหนึ่งได้ร่างอีเมลที่ส่งได้เกือบทันที อีกคนบ่นว่า AI ตอบกว้างๆ ใช้ไม่ได้ ความต่างไม่ได้อยู่ที่เครื่องมือ แต่อยู่ที่วิธีสั่งงาน ทักษะนี้เรียกว่า Prompt Engineering และมันไม่ใช่เรื่องของสาย tech อย่างเดียว ใครที่เขียนอีเมล ทำรายงาน หรือวางแผนงาน ได้ประโยชน์หมด
Prompt Engineering คืออะไร
Prompt คือข้อความที่คุณพิมพ์สั่ง AI ส่วน Prompt Engineering คือการออกแบบข้อความนั้นให้ AI เข้าใจบริบท งาน และรูปแบบผลลัพธ์ที่คุณต้องการ ลองนึกถึงการบรีฟน้องใหม่ในทีม ถ้าบอกแค่ว่า ช่วยทำสไลด์หน่อย คุณจะได้งานที่ต้องแก้เยอะ แต่ถ้าบอกว่าใครจะดู ใช้ทำอะไร มีกี่หน้า งานจะออกมาใกล้ที่ต้องการกว่ามาก AI ก็เหมือนกัน
ตัวอย่างก่อนและหลัง
Prompt สั้นเกินไป: ช่วยเขียนอีเมล
ผลที่ได้: อีเมลกว้างๆ ไม่รู้ว่าเขียนถึงใคร ต้องแก้เกือบทั้งหมด
Prompt ที่ดีกว่า: ช่วยเขียนอีเมล follow up ถึงลูกค้าที่ขอใบเสนอราคาไว้เมื่อ 5 วันก่อน โทนสุภาพแต่ชวนให้ตัดสินใจ ยาวไม่เกิน 5 บรรทัด ปิดท้ายด้วยการชวนนัดคุยสั้นๆ ทางโทรศัพท์
ผลที่ได้: ร่างที่ใช้ได้เลย แค่ปรับชื่อและรายละเอียดเล็กน้อย
โครงสร้าง prompt 5 ส่วน
1. Role: กำหนดบทบาท
เช่น คุณเป็นนักการตลาดที่เข้าใจตลาดไทย ช่วยให้ AI เลือกมุมมองและระดับภาษาได้เหมาะขึ้น
2. Context: ให้บริบท
เช่น ร้านขาย skincare ออร์แกนิก ลูกค้าหลักเป็นผู้หญิงวัยทำงาน ขายผ่าน TikTok Shop บริบทยิ่งชัด คำตอบยิ่งตรง
3. Task: บอกงานให้ชัด
ใช้คำกริยาที่ชัดเจน เช่น เขียน สรุป เปรียบเทียบ วิเคราะห์ และบอกว่าผลนี้จะเอาไปใช้ทำอะไร
4. Format: กำหนดรูปแบบ
เช่น ตอบเป็น bullet 5 ข้อ ทำเป็นตาราง เสนอ 3 ตัวเลือก หรือยาวไม่เกิน 200 คำ
5. Constraints: บอกข้อจำกัด
เช่น ใช้ภาษาง่าย ไม่ใช้ศัพท์เทคนิค ห้ามอ้างตัวเลขที่ไม่มีแหล่งที่มา ข้อจำกัดช่วยกันผลลัพธ์ที่คุณไม่ต้องการ
3 เทคนิคที่ใช้บ่อยในงานจริง
Few-shot: ให้ตัวอย่างก่อน
แปะตัวอย่างงานที่ชอบ 2 ถึง 3 ชิ้น แล้วสั่งว่า เขียนเพิ่มอีก 5 ชิ้นในสไตล์เดียวกัน วิธีนี้ได้ผลดีกับแคปชัน คำบรรยายสินค้า หรือข้อความตอบลูกค้า อ่านเพิ่มที่ Few-shot prompting
ให้คิดเป็นขั้นตอน
สำหรับงานที่ต้องใช้เหตุผล เช่น เทียบทางเลือกหรือวางแผน ลองขอให้ AI แจกแจงเหตุผลก่อนสรุป จะช่วยให้คุณตรวจได้ว่าคำตอบมาจากไหน โมเดลรุ่นใหม่บางตัวคิดเป็นขั้นตอนเองอยู่แล้ว แต่การขอให้แสดงเหตุผลยังช่วยเรื่องการตรวจสอบ
ปรับทีละรอบ
ไม่ต้องหวังว่าจะได้ผลดีตั้งแต่ครั้งแรก บอกต่อได้เลยว่า ดีแล้ว แต่สั้นลงครึ่งหนึ่ง หรือ โทนทางการเกินไป ปรับให้เป็นกันเองขึ้น การคุยต่อเนื่องแบบนี้มักได้ผลดีกว่าการเขียน prompt ยาวรวดเดียว
ข้อควรระวัง
- AI ตอบผิดได้อย่างมั่นใจ: ตัวเลข ชื่อ กฎหมาย หรือข้อเท็จจริง ต้องตรวจจากแหล่งจริงทุกครั้ง
- ข้อมูลลับ: อย่าใส่ข้อมูลลูกค้า ข้อมูลส่วนบุคคล หรือเอกสารลับของบริษัท ถ้ายังไม่แน่ใจนโยบายของบริษัท
- คุณยังต้องรับผิดชอบงาน: AI ช่วยร่าง แต่คนส่งงานคือคุณ
AI ตอบได้ดีเท่ากับที่คุณอธิบายงานได้ชัด
เริ่มต้นยังไง
- เลือกงานซ้ำๆ ที่ทำทุกสัปดาห์ 1 งาน เช่น สรุปประชุม หรือร่างอีเมล
- เขียน prompt ตามโครงสร้าง 5 ส่วน แล้วลองใช้จริง
- ปรับ 2 ถึง 3 รอบจนได้ผลที่พอใจ
- เก็บ prompt ที่ใช้ได้ดีไว้เป็นคลัง ดูแนวทางที่ คลัง prompt สำหรับทีม
- เรียนต่อจากคอร์สด้านล่าง
คอร์สบน Plants.work Learn ที่ช่วยต่อยอด: เรียนรู้ Prompt Engineering เพื่อสื่อสารกับ AI อย่างมีประสิทธิภาพ, มารู้จัก Prompt Engineering กัน และ 5 Prompt ธุรกิจขายดีด้วย ChatGPT และ Gemini หรือลองฝึกถามเรื่องงานและอาชีพกับ AI Career Assistant แล้วสังเกตว่าคำถามที่ชัดขึ้นทำให้คำตอบดีขึ้นแค่ไหน