ใช้ AI agent เป็นทีมงาน — workflow ที่ผมใช้จริงทุกวัน

คำตอบที่แย่ที่สุดที่ผมได้จาก AI ไม่ได้มาจากคำถามยาก แต่มาจากคำถามกว้าง พอผมถามว่า "ช่วยดูแผนนี้ให้หน่อย" ผมได้คำตอบที่ถูกทุกข้อและใช้ไม่ได้สักข้อ แต่พอเปลี่ยนเป็น "สมมติคุณเป็นคนที่ต้องรับผิดชอบตัวเลขนี้ในอีกหกเดือน ข้อไหนที่จะทำให้คุณเดือดร้อนที่สุด" คำตอบเปลี่ยนไปคนละเรื่อง

ข้อสรุปหลังจากใช้ AI ทำงานจริงทุกวันมาพักใหญ่คือ คุณภาพของผลลัพธ์ขึ้นกับความชัดของบทบาทมากกว่าความฉลาดของโมเดล และวิธีที่คนส่วนใหญ่ใช้ AI ผิด ไม่ใช่เพราะเขียนคำสั่งไม่เก่ง แต่เพราะเขาใช้มันเหมือนเป็นคนคนเดียวที่รู้ทุกอย่าง ทั้งที่มันทำงานได้ดีกว่ามากเมื่อถูกใช้เหมือนทีมที่แต่ละคนมีหน้าที่ชัด

ทำไมการถามรวม ๆ ถึงได้คำตอบกลาง ๆ เสมอ

เวลาคุณถามคำถามกว้าง คุณกำลังขอให้ระบบตอบให้ครอบคลุมทุกความเป็นไปได้ ผลลัพธ์ที่ครอบคลุมที่สุดคือคำตอบที่อยู่ตรงกลางเสมอ มันไม่ผิด แต่มันคือคำตอบที่ถูกสำหรับทุกคน ซึ่งแปลว่าไม่ได้ถูกสำหรับสถานการณ์ของคุณโดยเฉพาะ

พอคุณกำหนดบทบาทให้ชัด คุณกำลังตัดพื้นที่คำตอบทิ้งไปเยอะมาก และสิ่งที่เหลือคือมุมมองเฉพาะ ที่สำคัญกว่านั้นคือ บทบาทที่ชัดมาพร้อมกับ สิ่งที่บทบาทนั้นต้องรับผิดชอบ และความรับผิดชอบคือสิ่งที่ทำให้คำตอบมีความเห็นจริง ๆ ไม่ใช่แค่รายการข้อดีข้อเสีย

ลองเปรียบเทียบง่าย ๆ ถ้าคุณถามเพื่อนสิบคนพร้อมกันในวงว่าแผนนี้เป็นไงบ้าง คุณจะได้คำตอบสุภาพ แต่ถ้าคุณถามคนที่จะต้องเอาแผนนี้ไปทำจริงและรับผลลัพธ์เอง คุณจะได้คำตอบที่ต่างออกไปมาก

หลักที่หนึ่ง แตกงานเป็นบทบาท ไม่ใช่เป็นขั้นตอน

สิ่งที่ผมทำคือแตกงานหนึ่งชิ้นออกเป็นบทบาทที่ต่างกันชัดเจน แต่ละบทบาทมีหน้าที่เดียว มีขอบเขตว่าห้ามทำอะไร และมีเกณฑ์ว่าอะไรถือว่าทำเสร็จ

ยกตัวอย่างงานสร้างฟีเจอร์ใหม่ ผมไม่ได้สั่งว่า "ทำฟีเจอร์นี้ให้หน่อย" แต่แยกเป็น

• 1. คนออกแบบ อ่านโครงสร้างที่มีอยู่ ระบุว่าปัญหาต้นเหตุคืออะไร แล้วเขียนแนวทางออกมา ห้ามเขียนโค้ด
• 2. คนสร้าง ทำตามแนวทางที่ได้รับ ห้ามคิดแนวทางใหม่เอง ถ้าเจอจุดที่แนวทางไม่ครอบคลุม ให้หยุดถาม
• 3. คนตรวจ รับผลงานมาไล่ตามรายการตรวจที่กำหนดไว้ล่วงหน้า ให้ผลเป็นผ่าน ไม่ผ่าน หรือต้องให้คนตัดสิน
• 4. คนสรุป แปลผลทั้งหมดเป็นภาษาที่ผมอ่านแล้วตัดสินใจได้ใน 30 วินาที

ความต่างจากการถามรวดเดียวคือ แต่ละบทบาทถูกบังคับไม่ให้ทำงานของบทบาทอื่น ซึ่งฟังดูเหมือนเสียเวลา แต่มันคือสิ่งที่ป้องกันปัญหาที่แพงที่สุด คือการที่ระบบเดาแนวทางเองแล้วเขียนออกมาสวย ๆ จนคุณไม่ทันสังเกตว่ามันแก้ปัญหาผิดข้อ

หลักที่สอง คนทำกับคนตรวจต้องแยกกัน

นี่คือหลักที่ผมยึดแน่นที่สุด และเป็นหลักที่ให้ผลตอบแทนสูงที่สุด

ถ้าคุณให้ AI ทำงานแล้วถามมันว่างานนี้ดีไหม มันจะบอกว่าดี ไม่ใช่เพราะมันโกหก แต่เพราะมันกำลังประเมินด้วยกรอบเดียวกับที่ใช้สร้าง ข้อบกพร่องที่มองไม่เห็นตอนสร้าง ก็จะมองไม่เห็นตอนตรวจเหมือนกัน

วิธีแก้คือให้คนตรวจเป็นอีกบทบาทที่ไม่รู้ว่าใครทำ ไม่เห็นเหตุผลเบื้องหลัง เห็นแค่ผลงานกับรายการตรวจ และที่สำคัญที่สุดคือ รายการตรวจต้องเขียนไว้ก่อนที่งานจะเริ่ม ไม่ใช่เขียนตอนตรวจ เพราะถ้าเขียนทีหลัง มันจะกลายเป็นการหาเหตุผลมารองรับสิ่งที่ทำไปแล้ว

รายการตรวจที่ใช้ได้จริงต้องเป็นข้อที่ตอบได้ว่าใช่หรือไม่ใช่ ไม่ใช่ข้อที่ต้องใช้ดุลพินิจ "โค้ดสะอาดไหม" ตรวจไม่ได้ แต่ "มีค่าลับฝังอยู่ในไฟล์ไหม" ตรวจได้ "เนื้อหาดีไหม" ตรวจไม่ได้ แต่ "ทุกตัวเลขที่อ้างมีแหล่งที่มาระบุไว้ไหม" ตรวจได้

ผลของการแยกคนตรวจออกมาคือ ผมเจอข้อผิดพลาดตั้งแต่ก่อนถึงมือผม แทนที่จะเจอตอนมันขึ้นระบบจริงแล้ว

หลักที่สาม รู้ว่าอะไรที่ AI ทำได้ดีจริง

หลังจากลองใช้กับงานหลายแบบ ผมแบ่งงานออกเป็นสามกลุ่ม

กลุ่มที่ทำได้ดีจริง งานที่มีรูปแบบชัด ทำซ้ำได้ และตรวจถูกผิดได้ง่าย เช่น แปลงข้อมูลจากรูปแบบหนึ่งเป็นอีกรูปแบบ ร่างงานชิ้นแรกที่จะถูกแก้อยู่ดี ค้นหาสิ่งที่ผิดปกติในกองข้อมูลใหญ่ อธิบายโค้ดที่ตัวเองเขียนไว้นานแล้ว สร้างตัวเลือกหลาย ๆ แบบให้เลือก และงานที่คุณรู้คำตอบอยู่แล้วแต่ขี้เกียจพิมพ์

กลุ่มที่ทำได้แต่ต้องตรวจทุกครั้ง งานที่ต้องอ้างข้อเท็จจริงภายนอก งานที่ต้องใช้บริบทที่ไม่ได้อยู่ในข้อมูลที่ให้ไป และงานที่ผิดแล้วเสียหายจริง เช่นอะไรก็ตามที่เกี่ยวกับเงินหรือข้อมูลลูกค้า

กลุ่มที่ยังต้องเป็นคน การตัดสินใจว่าจะไม่ทำอะไร การเลือกว่าจะรับความเสี่ยงแบบไหน การอ่านสถานการณ์ที่คนไม่ได้พูดตรง ๆ การรับผิดชอบผลลัพธ์ และการรู้ว่าเมื่อไรควรทิ้งสิ่งที่ลงแรงไปแล้ว

เส้นแบ่งที่ผมใช้ง่าย ๆ คือ ถ้าผมตรวจผลลัพธ์ได้เร็วกว่าที่ผมจะทำเอง ให้ AI ทำ ถ้าตรวจยากกว่าทำเอง ผมทำเอง เพราะเวลาที่ประหยัดได้จะถูกกินหมดไปกับการตรวจอยู่ดี แถมเสี่ยงกว่า

หลักที่สี่ เก็บบริบทให้ใช้ซ้ำได้

นี่คือส่วนที่ทำให้ระบบทั้งหมดคุ้มค่าจริง และเป็นส่วนที่คนข้ามบ่อยที่สุด

ถ้าทุกครั้งที่คุณเริ่มงานใหม่ คุณต้องอธิบายบริบทเดิมซ้ำ — ธุรกิจคุณคืออะไร ลูกค้าเป็นใคร เคยตัดสินใจอะไรไว้ ห้ามทำอะไร — คุณกำลังจ่ายค่าอธิบายซ้ำทุกครั้ง และแย่กว่านั้นคือคุณอธิบายไม่เหมือนเดิมทุกครั้ง ทำให้ได้คำตอบที่ไม่สอดคล้องกัน

สิ่งที่ผมทำคือแยกบริบทออกเป็นสามชั้น

• ชั้นที่หนึ่ง บริบทถาวร เรื่องที่จริงเสมอไม่ว่าทำงานอะไร เช่นข้อมูลธุรกิจ มาตรฐานที่ยึด สิ่งที่ห้ามทำ โทนภาษา ชั้นนี้โหลดอัตโนมัติทุกครั้ง
• ชั้นที่สอง บริบทของโปรเจกต์ เรื่องที่จริงเฉพาะผลิตภัณฑ์นั้น เช่นสถานะปัจจุบัน สิ่งที่ตัดสินใจไปแล้วพร้อมเหตุผล ปัญหาที่ยังค้าง
• ชั้นที่สาม บริบทของงานชิ้นนี้ เรื่องที่ใช้ครั้งเดียวแล้วทิ้ง

การแยกแบบนี้ทำให้เวลาเริ่มงานใหม่ ผมพิมพ์แค่ชั้นที่สาม อีกสองชั้นมันรู้อยู่แล้ว และเพราะสองชั้นแรกเป็นไฟล์ที่แก้ได้ ถ้าผมเจอว่ามันเข้าใจอะไรผิดซ้ำ ๆ ผมแก้ที่ต้นทางครั้งเดียว ไม่ต้องแก้ทุกบทสนทนา

หลักการเดียวกันนี้ผมเขียนละเอียดไว้ในบทความเรื่อง การสร้างสมองที่สองในทางปฏิบัติ — ต่างกันแค่ว่าคราวนี้ผู้อ่านของบันทึกไม่ใช่ตัวผมในอนาคต แต่เป็นเครื่องมือที่ต้องทำงานแทนผม

หลักที่ห้า วัดผลด้วยจำนวนครั้งที่ต้องแก้ ไม่ใช่ความเร็ว

คนส่วนใหญ่วัดว่า AI ช่วยได้แค่ไหนจากความเร็วที่ได้คำตอบ ผมเลิกวัดแบบนั้นแล้ว เพราะความเร็วในการได้ร่างแรกแทบไม่มีความหมาย ถ้าร่างนั้นต้องแก้สามรอบ

ตัวเลขที่ผมดูจริงคือ จำนวนรอบที่ต้องส่งกลับไปแก้ก่อนใช้ได้ ถ้างานประเภทหนึ่งต้องแก้เกินสองรอบเป็นประจำ นั่นไม่ใช่ปัญหาที่คำสั่งครั้งนั้น แต่คือปัญหาที่บทบาทถูกนิยามไม่ดีพอ หรือรายการตรวจยังหลวมเกินไป

พอมองแบบนี้ การปรับปรุงระบบจึงกลายเป็นงานที่ทำครั้งเดียวได้ผลตลอด แทนที่จะเป็นการพยายามเขียนคำสั่งให้เก่งขึ้นเรื่อย ๆ ทุกครั้ง เวลาผมเจอความผิดพลาดแบบเดิมซ้ำสามครั้ง ผมหยุดแล้วกลับไปแก้ที่นิยามของบทบาทนั้น ไม่ใช่แก้ที่คำสั่งครั้งนี้

ผลข้างเคียงที่ผมชอบคือ มันบังคับให้ผมเขียนสิ่งที่ผมคาดหวังออกมาเป็นตัวหนังสือ ซึ่งหลายครั้งพอเขียนแล้วผมพบว่าตัวเองก็ยังไม่ชัดว่าอยากได้อะไร นั่นแปลว่าปัญหาอยู่ที่ผม ไม่ใช่ที่เครื่องมือ

ข้อผิดพลาดที่ผมเคยทำ

เชื่อผลลัพธ์เพราะมันเขียนออกมาดูมั่นใจ ความมั่นใจของคำตอบไม่ได้สัมพันธ์กับความถูกต้องเลย

ให้ทำงานที่ผมเองยังไม่รู้ว่าคำตอบที่ถูกหน้าตาเป็นยังไง ถ้าตรวจไม่เป็น อย่าเพิ่งมอบหมาย

ปล่อยให้บริบทยาวเกินไปในการสนทนาเดียว พอยาวมาก มันจะเริ่มลืมข้อจำกัดที่ตั้งไว้ตอนต้น ทางแก้คือปิดแล้วเปิดใหม่พร้อมสรุปสั้น ๆ ดีกว่าลากยาว

และข้อที่แพงที่สุดคือ ใช้มันเพื่อหลีกเลี่ยงการคิดเอง สิ่งที่มันเก่งคือขยายความคิดที่คุณมีอยู่แล้ว ไม่ใช่คิดแทนคุณตั้งแต่ต้น ถ้าคุณเองยังไม่รู้ว่าอยากได้อะไร คำตอบที่ได้จะพาคุณไปไกลในทิศทางที่ไม่ได้ตั้งใจ

ผมเอาไปใช้จริงยังไง

ระบบทั้งหมดนี้จะพังทันทีถ้าบริบทชั้นที่หนึ่งกับชั้นที่สองไม่ได้ถูกเก็บไว้ที่เดียว ตอนแรกผมกระจายไว้หลายที่ ผลคือแต่ละที่บอกไม่ตรงกัน แล้วผมก็ป้อนข้อมูลที่ล้าสมัยเข้าไปโดยไม่รู้ตัว

ผมเลยรวมงาน โน้ต เป้าหมาย นิสัย และการเงินไว้ในที่เดียวด้วย Align แล้วให้มันเป็นแหล่งความจริงแหล่งเดียวที่ผมอ้างอิง เวลาต้องอธิบายบริบทให้ระบบอื่นทำงานต่อ ผมดึงจากที่นี่ที่เดียว ไม่ต้องนึกว่าเวอร์ชันล่าสุดอยู่ไหน

จุดที่ผมชอบที่สุดคือ ทุกครั้งที่มีการตัดสินใจอะไร ผมบันทึกทั้งสิ่งที่ตัดสินใจและเหตุผลไว้ผูกกับโปรเจกต์นั้น สามเดือนถัดมาเวลามีคำถามว่าทำไมถึงเลือกทางนี้ คำตอบอยู่ตรงนั้น ไม่ต้องเดา และไม่ต้องอธิบายใหม่ทั้งหมด

อ่านต่อได้ที่ ทำหลายผลิตภัณฑ์พร้อมกันคนเดียวโดยไม่พัง ซึ่งเล่าว่าระบบบริบทนี้ทำงานร่วมกับข้อจำกัดเรื่องจำนวนบริบทต่อวันยังไง