พูด

"นี่คือ 5 อย่างที่ผมสัญญาว่าจะให้ได้จากการอบรมนี้

สังเกตข้อสุดท้ายนะครับ ผมไม่ได้ใส่ไว้เพื่อความสวยงาม — สำหรับคนที่ทำงานกับข้อมูลของคนอื่น ข้อ 5 สำคัญกว่าข้อ 1 ถึง 4 รวมกัน

เพราะเครื่องมือนี้เก่งมาก และของที่เก่งมากก็สร้างความเสียหายได้มากเหมือนกันถ้าใช้ผิดวิธี

เราจะมีทั้งช่วงหนึ่งที่พูดเรื่องนี้โดยเฉพาะ และผมจะแทรกเตือนเป็นระยะตลอดการอบรม"

Script

"These are the five things I'm promising you today.

Notice the last one. It isn't there for decoration — for anyone who handles other people's data, item 5 matters more than items 1 through 4 combined.

Because this tool is genuinely powerful, and powerful things cause proportionally large damage when used wrong.

We'll have a dedicated section on it, and I'll keep flagging it throughout the day."

พูด

"เราจะเดินแบบนี้ครับ

ช่วงที่ 1 กับ 2 เป็นช่วง 'เข้าใจก่อนใช้' — ผมรู้ว่าหลายคนอยากลงมือเลย แต่ผมยืนยันว่าอย่าข้าม เพราะถ้าเข้าใจว่ามันทำงานยังไง คุณจะรู้ทันทีว่าเมื่อไหร่ที่มันกำลังโกหกคุณ ซึ่งเป็นทักษะที่สำคัญที่สุดของคนใช้ AI

ช่วงที่ 3 ถึง 5 คือช่วงลงมือ ยาวที่สุด และช่วงที่ 5 เราจะลงไปที่งานจริงของพวกคุณโดยเฉพาะ

ช่วงที่ 6 คือช่วงที่ผมจะขอความสนใจเต็มร้อย เพราะเกี่ยวกับความรับผิดชอบทางวิชาชีพและกฎหมายของทุกคน

อีกเรื่องก่อนเริ่มครับ — สงสัยตรงไหนพิมพ์ถามในแชทได้ตลอด ไม่ต้องรอท้ายคาบ ผมจะคอยดูให้

และขอย้ำว่า ในคลาสนี้ไม่มีคำถามที่พื้นฐานเกินไป ถ้าคุณสงสัย แปลว่ามีอีกหลายคนสงสัยเหมือนกันแต่ไม่กล้าพิมพ์ คุณกำลังช่วยเขาอยู่

เอาล่ะครับ เริ่มกันเลย"

Script

"Here's how we'll travel.

Sections 1 and 2 are the 'understand before you use' stretch. I know some of you want to jump straight in, but please don't skip it — once you understand how it works, you'll instantly recognise the moments when it's lying to you. That is the single most valuable skill an AI user has.

Sections 3 to 5 are the hands-on stretch, the longest one. Section 5 goes specifically into your actual work.

Section 6 is where I'll ask for your full attention, because it touches your professional and legal responsibility.

One more thing before we start — ask questions in chat any time, don't save them for the end. I'll be watching.

And I mean this: there is no such thing as a too-basic question in this class. If you're wondering, several other people are wondering the same thing and aren't brave enough to type it. You'd be helping them.

Right — let's go."

พูด

"ส่วนแรกนี้เป็นช่วง 'เข้าใจก่อนใช้' นะครับ

ผมรู้ว่าหลายคนอยากลงมือเลย แต่ขอเวลาตรงนี้หน่อย เพราะมันตอบสองคำถามที่สำคัญที่สุด — AI ต่างจากโปรแกรมเดิมยังไง และ เชื่อมันได้แค่ไหน

เราจะเริ่มจากโปรแกรมแบบที่เราใช้กันมา 70 ปี แล้วดูว่ามันติดกำแพงตรงไหนจนต้องเปลี่ยนแนวทาง จากนั้นค่อยดูว่า Claude ทำงานยังไง และข้อจำกัดสำคัญที่ตามมาคืออะไร

พอเข้าใจกลไก คุณจะรู้ทันทีว่าเมื่อไหร่ที่มันกำลังพูดสิ่งที่เชื่อไม่ได้ ซึ่งเป็นทักษะที่มีค่าที่สุดของคนใช้ AI"

Script

"This first section is the 'understand before you use' stretch.

I know some of you want to jump straight in, but give me this time, because it answers the two questions that matter most — how AI differs from ordinary software, and how far you can trust it.

We'll start with the kind of program we've used for 70 years, see exactly where it hits a wall, then look at how Claude works and the key limitation that follows.

Once you grasp the mechanism, you'll recognise immediately when it's saying something you can't rely on — the most valuable skill an AI user can have."

พูด

"รูปแบบแรกคือแบบที่เราใช้กันมาตั้งแต่ยุคแรกจนถึงทุกวันนี้ เรียกว่าโปรแกรมแบบ ตรรกะ หรือ rule-based — แปลตรงตัวคือ 'ตั้งอยู่บนกฎ'

หลักการง่ายมาก: มนุษย์เป็นคนคิดกฎทั้งหมด แล้วเขียนสั่งคอมพิวเตอร์ให้ทำตาม

ดูตัวอย่างบนจอนะครับ ตู้ ATM ที่เรากดกันทุกสัปดาห์

'ถ้ารหัสถูก และเงินในบัญชีพอ ให้จ่ายเงิน' — จบ แค่นั้นจริงๆ

ทีนี้คำถามสำคัญคือ — ตู้ ATM รู้ไหมว่าเงินคืออะไร? ไม่รู้เลยครับ มันไม่รู้ว่าเงินคืออะไร ไม่รู้ว่าคุณเป็นใคร ไม่รู้ว่าคุณจะเอาเงินไปทำอะไร

มันแค่เห็นตัวเลขสองชุด เทียบว่าตรงกันไหม แล้วสั่งให้มอเตอร์ปล่อยกระดาษออกมาตามจำนวน

ความฉลาดทั้งหมดอยู่ในหัวคนเขียนกฎ ไม่ได้อยู่ในเครื่อง เครื่องเป็นแค่คนทำตามคำสั่งที่ไม่เคยเถียงและไม่เคยเบื่อ"

Script

"The first type is what we've used since the very beginning and still use today. It's called logic or rule-based programming — literally, 'built on rules'.

The principle is simple: a human thinks up every rule, then writes it down as instructions.

Look at the example — an ATM, something we all use.

'If the PIN is right and there's enough money, dispense cash.' That's it. Genuinely.

Now the important question: does the ATM know what money is? Not remotely. It doesn't know what money is, doesn't know who you are, doesn't know what you'll spend it on.

It sees two sets of digits, checks whether they match, and tells a motor to push out that many pieces of paper.

All of the intelligence lives in the head of the person who wrote the rules, not in the machine. The machine is just a worker that never argues and never gets bored."

พูด

"รูปแบบที่ 1 อยู่รอบตัวเราหมดเลยครับ ทุกอย่างที่เห็นบนจอนี้คือโปรแกรมแบบกฎทั้งสิ้น

ไฟจราจรก็คือกฎ — 'เขียว 60 วินาที แล้วเปลี่ยนเป็นเหลือง' มันไม่ได้ดูว่ารถติดแค่ไหน ไม่ได้ดูว่าคนรีบหรือเปล่า มันแค่นับเวลาแล้วเปลี่ยนสี

สูตรใน Excel ก็คือกฎ เราพิมพ์ =A1+B1 มันก็บวกให้ทุกครั้ง วันนี้ พรุ่งนี้ อีกสิบปีข้างหน้า ก็ยังบวกเหมือนเดิม

เครื่องคิดเงินที่ร้านสะดวกซื้อก็คือกฎ — สแกนบาร์โค้ด ไปดึงราคาจากตาราง บวกภาษี จบ

และผมอยากให้จำไว้ว่าโปรแกรมพวกนี้ยังจำเป็นอยู่ทุกวันนี้ AI ไม่ได้มาแทนมัน เดี๋ยวผมจะบอกว่าทำไม"

Script

"Program type 1 is everywhere. Every single thing on this screen is a rule-based program.

A traffic light is a rule — 'green for 60 seconds, then switch to amber'. It doesn't check how bad the traffic is. It doesn't care that you're late. It counts and it changes colour.

An Excel formula is a rule. You type =A1+B1 and it adds, today, tomorrow, and in ten years' time, exactly the same way.

The till at the convenience store is a rule — scan the barcode, look the price up in a table, add tax, done.

And I want you to remember that these programs are still essential today. AI has not replaced them. I'll explain why shortly."

พูด

"ข้อดีของมันคือ ความแน่นอน ซึ่งเป็นสิ่งที่งานสำคัญๆ ต้องการที่สุด

ตู้ ATM ต้องจ่ายเงินถูกจำนวนทุกครั้ง ไม่ใช่วันนี้จ่าย 1,000 พรุ่งนี้จ่าย 900 เพราะอารมณ์ดี และถ้ามีคนถามว่าทำไมระบบทำแบบนี้ เราชี้ได้เลยว่าเพราะกฎข้อนี้ — ตรวจสอบย้อนหลังได้ 100%

แต่จุดอ่อนของมันคือ... มันรู้แค่ที่เราสอน

ลองนึกภาพระบบตอบอัตโนมัติของคอลเซ็นเตอร์ที่เราโทรไปแล้วเจอ 'กด 1 สำหรับ... กด 2 สำหรับ...' — ทุกคนน่าจะเคยหงุดหงิดกับมัน

เพราะปัญหาของเราไม่ตรงกับตัวเลือกไหนเลย แล้วเราก็กดวนอยู่นั่น จนสุดท้ายต้องรอคุยกับคน

ระบบไม่ได้พัง มันแค่ไม่มีใครเขียนกฎสำหรับกรณีของเราไว้

และปัญหาใหญ่ที่สุดคือข้อสุดท้าย — พอเรื่องซับซ้อนขึ้น จำนวนกฎมันบานปลายจนคนเขียนคุมไม่ไหว"

Script

"Its strength is certainty, which is exactly what serious work needs.

An ATM has to dispense the right amount every single time — not 1,000 today and 900 tomorrow because it felt generous. And if someone asks why the system did something, you can point at the rule. Fully auditable after the fact.

But the weakness is this: it only knows what we taught it.

Think of those automated call-centre menus — 'press 1 for this, press 2 for that'. Everyone has been driven mad by one.

Why? Because your problem doesn't match any of the options. So you press buttons in circles until you finally get a human.

The system isn't broken. Nobody just wrote a rule for your situation.

And the biggest problem is that last point — as the domain gets complex, the number of rules explodes past what any person can maintain."

พูด

"และปัญหาแบบ 'แมว' นี้ ไม่ได้อยู่แค่กับแมวครับ มันอยู่เต็มไปหมดรอบตัวเรา

ข้อแรกน่าจะโดนใจทุกคน — โทรหาแม่ แล้วแม่รับสายว่า 'ฮัลโหล'

แค่คำเดียวครับ เรารู้เลยว่าวันนี้แม่อารมณ์ดีหรือไม่ดี

ถามว่ารู้ได้ยังไง? เราตอบไม่ได้ครับ 'ก็มันรู้' 'น้ำเสียงมันบอก' — แต่ถ้าให้เขียนเป็นกฎว่าเสียงต้องสูงกี่เฮิรตซ์ ยาวกี่วินาที เราเขียนไม่ได้เลย

นี่คือความรู้ที่เรามี แต่เราอธิบายไม่ได้ ซึ่งแปลว่าเขียนเป็นกฎให้คอมพิวเตอร์ไม่ได้ด้วย

ข้อสุดท้ายก็เหมือนกัน — 'เขาพูดจริงหรือประชด' คนอ่านออกตั้งแต่ประโยคแรก แต่เขียนเป็นกฎไม่ได้

ทีนี้ลองสังเกตดีๆ นะครับ — แล้วเรารู้จักเสียงแม่ได้ยังไง?

ไม่มีใครสอนครับ เราได้ยินมาเป็นหมื่นครั้งตั้งแต่เกิด จนมันฝังอยู่ในตัว

...แล้วถ้าเราทำแบบเดียวกันกับคอมพิวเตอร์ล่ะ?"

Script

"And this 'cat' problem isn't limited to cats. It's everywhere around us.

The first one should land for everybody — you call your mum, and she picks up and says 'hello'.

One word. And you already know whether she's in a good mood.

Ask yourself how you know that. You can't answer. 'You just know.' 'It's in the voice.' But if I asked you to write the rule — the voice must be this many hertz, lasting this many seconds — you couldn't write it at all.

This is knowledge you have but cannot articulate — which means you cannot write it down as rules for a computer either.

Same with the last one — 'sincere or sarcastic'. People read it from the first sentence. Nobody can write the rule.

Now look closer — how did you come to know your mum's voice?

Nobody taught you. You heard it tens of thousands of times from birth, until it settled into you.

...so what if we did the same thing to a computer?"

พูด

"แนวคิดของรูปแบบที่ 2 คือ กลับหัวกลับหางกันเลยกับรูปแบบที่ 1

แทนที่มนุษย์จะนั่งเขียนกฎ เราเอารูปแมวมา 10 ล้านรูป แล้วบอกคอมพิวเตอร์แค่ว่า 'อันนี้แมว อันนี้แมว อันนี้ไม่ใช่แมว' ทำแบบนี้ซ้ำๆ เป็นล้านๆ ครั้ง

เราไม่เคยบอกมันเลยว่าแมวมี 4 ขา มีหนวด ไม่เคยบอกสักคำ

แล้วสิ่งที่เกิดขึ้นคือ ตัวโปรแกรมมันค่อยๆ ปรับตัวเองไปเรื่อยๆ จนจับ 'รูปแบบ' บางอย่างในภาพแมวได้ — รูปแบบที่มันอธิบายเป็นภาษาคนไม่ได้ด้วยซ้ำ แต่ใช้ได้ผล

พอฝึกเสร็จ เอารูปแมวใหม่ที่มันไม่เคยเห็นมาให้ดู มันก็บอกได้ว่าเป็นแมว

นี่คือครั้งแรกที่คอมพิวเตอร์ทำสิ่งที่มนุษย์ไม่ได้สอนมันตรงๆ"

Script

"The idea behind program type 2 is the exact reverse of program type 1.

Instead of a human sitting down to write rules, we take ten million pictures of cats and tell the computer only 'this is a cat, this is a cat, this is not a cat' — over and over, millions of times.

We never tell it that cats have four legs or whiskers. Not once.

What happens is that the program gradually adjusts itself until it catches some 'pattern' in cat images — a pattern it couldn't even put into human words, but which works.

Once trained, show it a cat photo it has never seen, and it says: cat.

That was the first time a computer did something humans never explicitly taught it."

พูด

"เทียบกับเรื่องที่เกือบทุกคนเคยผ่านนะครับ — การหัดขับรถ

วันแรกเราเรียนอะไร? เรียนว่าเกียร์ไหนคืออะไร ไฟแดงต้องหยุด เลี้ยวต้องเปิดไฟเลี้ยว — นั่นคือรูปแบบที่ 1 เป๊ะๆ กฎล้วนๆ

แต่พอออกถนนจริง เราพบว่าถนนจริงไม่มีทางเหมือนในคู่มือสักเส้น มีมอเตอร์ไซค์แทรก มีคนปาดหน้า มีฝนตก

แล้วสิ่งที่ทำให้เราขับเก่งขึ้นไม่ใช่การอ่านคู่มือซ้ำ แต่คือ การขับจริงเยอะๆ

หลังขับมาสองสามปี เราเกิดสิ่งที่เรียกว่าความชำนาญ — เห็นรถคันหนึ่งแล้วรู้เลยว่ามันกำลังจะปาดเข้ามา ทั้งที่มันยังไม่ได้เปิดไฟเลี้ยว

ถ้ามีคนถามว่ารู้ได้ยังไง เราก็ตอบได้แค่ 'ขับไปเรื่อยๆ แล้วจะรู้เอง'

AI สมัยนี้เรียนด้วยวิธีเดียวกันเป๊ะครับ

และถ้าเข้าใจตรงนี้ ทุกอย่างที่เหลือจะง่ายไปหมด รวมถึงเข้าใจว่าทำไมบางทีมันตอบผิดแบบมั่นใจมาก — เหมือนคนขับรถที่มั่นใจว่าอ่านเกมถูก แต่บังเอิญครั้งนี้อ่านผิด"

Script

"Let me compare it to something almost everyone here has been through — learning to drive.

What do you learn on day one? Which gear is which, stop on red, indicate before turning — that is program type 1 exactly. Pure rules.

But the moment you're on a real road you discover that no real road matches the manual. Motorbikes squeeze past. People cut in front. It rains.

And what makes you a better driver isn't re-reading the manual. It's driving a lot.

After a couple of years you develop what we call experience — you see a car and you know it's about to cut across, even though it hasn't indicated.

If someone asks how you knew, all you can say is 'drive long enough and you'll just know'.

Modern AI learns in exactly the same way.

And once you understand that, everything else today gets easy — including why it sometimes gets things confidently wrong. It's the same as a driver who was sure they'd read the situation right, and this once, hadn't."

พูด

"ตารางนี้แคปหน้าจอเก็บไว้ได้เลยครับ

แถวที่ผมอยากให้สังเกตมากที่สุดคือแถว 'ป้อนค่าเดิม'

สูตร Excel — เราใส่ค่าเดิม ได้คำตอบเดิมทุกครั้ง ตลอดกาล

แต่ Claude — เราถามคำถามเดิมสองครั้ง อาจได้คำตอบไม่เหมือนกันเป๊ะ เพราะมันทายทีละคำ และในการทายมีความไม่แน่นอนอยู่

ตอนแรกฟังดูเหมือนข้อเสีย แต่จริงๆ นี่คือเหตุผลที่มันเขียนงานให้เราได้หลากหลาย ถ้าไม่ชอบเวอร์ชันแรก สั่งใหม่ก็ได้แบบใหม่ — ซึ่งเป็นเทคนิคที่เราจะใช้บ่อยมากในช่วงต่อไป

และแถวสุดท้าย 'เจอเรื่องใหม่ที่ไม่เคยเจอ' — รูปแบบที่ 1 ตอบไม่ได้เลย ส่วนรูปแบบที่ 2 ตอบได้ แต่อาจมั่ว สองอันนี้อันตรายคนละแบบ อันหนึ่งเงียบไปเฉยๆ อีกอันตอบผิดอย่างมั่นใจ ซึ่งอันหลังอันตรายกว่าเยอะ"

Script

"Screenshot this one.

The row I most want you to notice is 'same input twice'.

An Excel formula — same numbers in, same answer out, every time, forever.

Claude — ask the identical question twice and you may not get identical answers, because it predicts word by word and there's genuine variability in that.

That sounds like a flaw at first, but it's precisely why it can give you varied drafts. Don't like the first version? Ask again and get a different one — a technique we'll use constantly from here on.

And the last row, 'something it's never seen' — program type 1 simply can't answer, program type 2 will answer but may be inventing. Both are dangerous, in different ways. One goes silent; the other is confidently wrong, which is considerably worse."

พูด

"ผมอยากชี้ 3 จุดบนไทม์ไลน์นี้ครับ

จุดที่ 1 — ยุค 1980 'Expert System' ตอนนั้นทั้งโลกเชื่อว่า ถ้าเรานั่งสัมภาษณ์ผู้เชี่ยวชาญเก่งๆ ในสาขาหนึ่ง แล้วเอากฎในหัวเขามาใส่คอมพิวเตอร์ให้ครบ เราจะได้ผู้เชี่ยวชาญเทียมที่ทำงานแทนได้

เขาลองกันทุกวงการเลยครับ ทั้งการแพทย์ การเงิน วิศวกรรม และบางระบบก็ทำได้ดีกว่าคนจริงในบางเรื่องด้วยซ้ำ

แต่สุดท้ายล้มเหลวแทบทั้งหมด เพราะกฎมันบานปลายจนไม่มีใครดูแลไหว และพอความรู้ในสาขานั้นอัปเดต ต้องมานั่งไล่แก้กฎทีละพันข้อ

สังเกตนะครับว่ามันล้มด้วยเหตุผลเดียวกับที่เราเขียนกฎนิยาม 'แมว' ไม่ได้เมื่อกี้เป๊ะๆ

จุดที่ 2 — AI Winter พอ Expert System ล้ม คนเลิกเชื่อ เลิกให้ทุน AI ซบเซาไปราวหนึ่งทศวรรษ

และสังเกตปี 1997 กับ 2016 นะครับ — เครื่องชนะแชมป์โลกหมากรุกและโกะได้ตั้งนานแล้ว แต่นั่นคือเก่งเฉพาะเกมที่มีกติกาตายตัว ยังไม่ใช่การเข้าใจภาษาคน

จุดที่ 3 — ปี 2012 คือปีที่รูปแบบที่ 2 พิสูจน์ตัวเองสำเร็จ ชนะการแข่งจำแนกภาพ ImageNet แบบทิ้งคู่แข่งขาดลอย แล้วปี 2017 Google ปล่อยงานวิจัยชื่อ Transformer ออกมา ซึ่งเป็นรากฐานของทุกอย่างที่เราใช้กันอยู่ทุกวันนี้ รวมถึง Claude

แล้วปี 2022 ChatGPT ก็ทำให้คนทั้งโลกเห็นพร้อมกัน — 100 ล้านคนภายใน 2 เดือน ซึ่งเร็วที่สุดเท่าที่เคยมีมา ณ ตอนนั้น (สถิตินี้ถูกทำลายไปแล้วภายหลัง แต่ก็ยังสะท้อนว่ากระแสมาแรงแค่ไหน)

ทำไมเพิ่งมาสำเร็จตอนนี้? สั้นๆ คือ ข้อมูลเยอะพอ (อินเทอร์เน็ต) + เครื่องแรงพอ (การ์ดจอ) + วิธีที่ใช่ (Transformer) สามอย่างนี้เพิ่งมาครบพร้อมกันเมื่อไม่นานมานี้เอง"

Script

"Three points on this timeline.

Point 1 — the 1980s 'Expert System' era. The whole world believed that if you interviewed enough top experts in a field and poured every rule from their heads into a computer, you'd get an artificial expert that could do the job.

They tried it in every industry — medicine, finance, engineering — and some systems genuinely beat humans at specific tasks.

But nearly all of them failed, because the rules multiplied past what anyone could maintain, and every time the field's knowledge updated, someone had to hand-edit a thousand rules.

Notice that they failed for exactly the same reason we couldn't write rules for 'cat' a moment ago.

Point 2 — the AI Winter. When expert systems collapsed, belief and funding collapsed with them. AI went quiet for roughly a decade.

Note 1997 and 2016 as well — machines beat the world champions at chess and Go long ago, but that is mastery of a game with fixed rules, not an understanding of human language.

Point 3 — 2012 is when program type 2 finally proved itself, winning the ImageNet classification contest by a wide margin, and in 2017 Google published a paper called Transformer, which is the foundation of everything we use today, Claude included.

Then in 2022 ChatGPT showed the whole world at once — 100 million users in two months, the fastest adoption on record at that point. (The record has since been broken, but it still shows how sharply the wave arrived.)

Why only now? Short answer: enough data (the internet) + enough computing power (graphics cards) + the right method (Transformer). Those three only lined up recently."

พูด

"ทีนี้เข้าเรื่องที่คนอยากรู้ที่สุด — แล้ว Claude มันทำงานยังไง?

คำตอบอาจจะทำให้ผิดหวังเล็กน้อยครับ เพราะโดยแก่นแล้ว มันแค่ทายคำถัดไป

ลองอ่านสามประโยคบนจอในใจนะครับ — ตัก · ตี · เล่มงาม

ทุกคนเติมได้ทันที และไม่มีใครต้องคิดเลย

ทำไม? เพราะเราเคยเห็นเคยได้ยินประโยคแบบนี้มาเป็นพันครั้ง สมองเราจับรูปแบบไว้แล้ว เราไม่ได้ 'คิด' ว่าควรเติมอะไร เราแค่ 'รู้สึก' ว่าคำนี้แหละ

Claude ก็ทำแบบนี้เป๊ะครับ แค่สเกลใหญ่กว่ามหาศาล

มันถูกเอาไปอ่านข้อความจากอินเทอร์เน็ต หนังสือ งานวิจัย มาหลายพันล้านหน้า แล้วฝึกทายคำถัดไปซ้ำๆ เป็นล้านล้านครั้ง จนจับรูปแบบของภาษามนุษย์ได้

พอเราพิมพ์คำถามเข้าไป มันก็ทายคำถัดไปทีละคำ ทีละคำ ต่อกันไปเรื่อยๆ จนได้เป็นคำตอบยาวๆ

เวลาเห็นตัวหนังสือค่อยๆ ไหลออกมาบนจอ — นั่นคือมันกำลังทายทีละคำอยู่จริงๆ ครับ ไม่ได้ทำเอฟเฟกต์ให้ดูเท่"

Script

"Now for the thing everyone wants to know — how does Claude actually work?

The answer is slightly deflating, because at its core it just predicts the next word.

Read those three lines in your head — never · shy · worm.

Everyone fills them in instantly, and nobody has to think about it.

Why? Because we've all seen and heard sentences like these a thousand times, and our brains have caught the pattern. We didn't 'work out' what should come next — we just felt that this was the word.

Claude does exactly this, at an unimaginably larger scale.

It was fed text from the internet, from books, from research — billions of pages — and trained to predict the next word over and over, trillions of times, until it had absorbed the patterns of human language.

When you type a question, it predicts the next word, then the next, then the next, chaining them into a long answer.

When you see the text flowing out onto the screen — that is it genuinely predicting one word at a time. It isn't a visual effect to look clever."

พูด

"ตรงนี้สำคัญที่สุดของส่วนนี้ครับ ขอความสนใจเต็มร้อย

เมื่อกี้เราสรุปว่ามันทำงานด้วยการ 'ทายคำถัดไป' ทีนี้ลองคิดตามผมนะครับ — ถ้ามันไม่มีข้อมูลจริงเรื่องนั้น มันจะหยุดทายไหม?

ไม่ครับ มันจะทายต่อไป เพราะหน้าที่ของมันคือทายคำถัดไป มันไม่มีปุ่ม 'ไม่รู้' ในตัวเอง

ผลก็คือแบบที่เห็นบนจอครับ ผมขอ 5 งานวิจัยเรื่องการทำงานจากบ้านกับความเครียด แล้วมันก็ให้มา — ชื่อคนไทย ชื่อวารสารที่มีอยู่จริง รูปแบบอ้างอิงถูกเป๊ะ มีเลข DOI ด้วย

แต่ถ้าเราเอา DOI นี้ไปค้น จะพบว่าไม่มีอะไรเลย งานชิ้นนี้ไม่เคยมีอยู่บนโลก

ทำไมมันถึงแต่งได้เนียนขนาดนี้? เพราะมันเคยเห็นรายการอ้างอิงมาเป็นล้านรายการ มันรู้ว่า 'รายการอ้างอิงหน้าตาเป็นยังไง' มันเลยสร้างของที่หน้าตาเหมือนรายการอ้างอิงมาก ขึ้นมาได้

ผมย้ำตรงนี้เพราะมีคนโดนตีกลับงาน โดนสอบวินัย และมีทนายในอเมริกาถูกศาลสั่งปรับ เพราะยื่นเอกสารที่อ้างคำพิพากษาที่ AI แต่งขึ้นมาทั้งดุ้น

เดี๋ยวเรามีทั้งช่วงที่พูดเรื่องนี้ยาวๆ พร้อมวิธีป้องกัน แต่ผมอยากให้จำหลักการไว้ตั้งแต่ตอนนี้เลยว่า —

AI มโนเพราะมันถูกออกแบบมาให้ทาย ไม่ใช่เพราะมันเสีย มันจะไม่มีวันหายไปหมด และหน้าที่ตรวจสอบเป็นของเราเสมอ"

Script

"This is the most important thing in this section. Full attention please.

We just established that it works by predicting the next word. Now think it through with me — if it has no real information on a topic, does it stop predicting?

No. It keeps going, because predicting the next word is its entire function. It has no built-in 'I don't know' button.

The result is what you see on screen. I asked for five studies on working from home and stress, and it produced them — plausible Thai author names, a journal that genuinely exists, a perfectly formatted citation, even a DOI.

Put that DOI into a browser and you get nothing. That paper has never existed.

Why is it so convincing? Because it has seen millions of citations, so it knows what a citation looks like, and it built something that looks exactly like one.

I stress this because people have had work rejected, faced disciplinary review, and a lawyer in the United States was fined by a court for filing a brief citing court cases the AI had invented wholesale.

We'll spend proper time on this later with defences, but hold the principle from now:

AI hallucinates because it was designed to predict, not because it is broken. It will never fully go away, and verification is always your job."

พูด

"ปิดท้ายส่วนนี้ด้วยข้อสรุปที่ผมอยากให้ติดตัวออกไป

หลายคนกลัวว่า AI จะมาแทนทุกอย่าง — ไม่ใช่ครับ ทุกวันนี้เราใช้สองรูปแบบนี้คู่กัน

ระบบคำนวณเงินเดือน ห้ามใช้ AI เด็ดขาด เพราะมันต้องถูก 100% ทุกครั้ง ผิดบาทเดียวก็เดือดร้อน งานแบบนี้เป็นของ Logic เท่านั้น

แต่พองานเป็น 'ช่วยเขียนประกาศฉบับนี้ให้คนอ่านเข้าใจง่ายขึ้น' — งานแบบนี้ไม่มีคำตอบถูกผิดตายตัว ผิดนิดหน่อยก็แก้ได้ นี่คือสนามของ AI

กฎง่ายๆ ที่ใช้ได้ตลอด: งานที่ผิดไม่ได้เลย ให้ Logic · งานที่ผิดแล้วแก้ได้ ให้ AI

ทักษะที่ทำให้คนใช้ AI เป็นกับไม่เป็นต่างกัน คือความสามารถในการแยกว่างานไหนใช้อะไร และเราจะฝึกกันตรงนี้แหละครับ"

Script

"Let me close this section with the takeaway I want you to carry out of here.

Many people fear AI will replace everything — it won't. Today we use both types together.

A payroll system must never use AI, because it has to be right 100% of the time and being off by one satang causes real trouble. That job belongs to Logic, full stop.

But when the job is 'rewrite this announcement so people actually understand it' — there's no single right answer, and if it's slightly off you just fix it. That is AI's territory.

A simple rule that always holds: work that cannot be wrong goes to Logic. Work that can be wrong and corrected goes to AI.

What separates people who use AI well from people who don't is precisely the ability to tell those apart — and that's what we'll practise throughout."

พูด

"ส่วนที่สองเป็นภาพรวมตลาดครับ

เวลาคนคุยกัน ชื่อมันเยอะจนสับสน — ChatGPT, OpenAI, GPT, Gemini, Copilot, Claude, Anthropic ฟังแล้วงงว่าอะไรคืออะไร

ส่วนนี้จะจัดระเบียบให้ก่อน แล้วดูว่าใครเก่งอะไร จากนั้นผมจะอธิบายว่าทำไมการอบรมนี้ถึงเลือก Claude

และปิดท้ายด้วยเรื่องที่สำคัญที่สุดของส่วนนี้ — ขอบเขตที่ห้ามข้าม ว่า AI ทั่วไปใช้ทำอะไรได้และไม่ได้"

Script

"The second section is the market overview.

When people talk about this, the names get confusing fast — ChatGPT, OpenAI, GPT, Gemini, Copilot, Claude, Anthropic. It's hard to tell what is what.

This section sorts that out first, then looks at who's good at what, and I'll explain why this session uses Claude.

And it closes with the most important part — the boundary that must not be crossed: what general AI may and may not be used for."

พูด

"ก่อนดูว่าใครเป็นใครในตลาด ผมขอแยกสามคำนี้ให้ออกก่อนครับ เพราะเป็นจุดที่คนสับสนกันมากที่สุด

ผมเทียบกับรถยนต์นะครับ เพราะทุกคนเห็นภาพ

ชั้นที่ 1 บริษัท คือผู้สร้าง — Toyota ในโลกรถ

ชั้นที่ 2 เครื่องยนต์ คือความสามารถที่ซ่อนอยู่ข้างใน เราขับรถทุกวันโดยไม่เคยเปิดฝากระโปรงดู แต่มันคือสิ่งที่กำหนดว่ารถแรงแค่ไหน

ชั้นที่ 3 ตัวรถ คือสิ่งที่เราจับต้องได้จริง มีพวงมาลัย มีหน้าปัด — Camry

ทีนี้ในโลก AI มีสามชั้นเดียวกันเป๊ะ

บริษัท คือ Anthropic · โมเดล คือ Claude Sonnet 5 ซึ่งเป็นความฉลาดข้างใน · ผลิตภัณฑ์ คือแอป Claude ที่เราเปิดใช้

จุดสำคัญอยู่ที่สองบรรทัดล่างสุดครับ — เราไม่ได้ซื้อเครื่องยนต์ เราซื้อรถ และเราก็ไม่ได้เปิดโมเดล เราเปิดแอป ส่วนโมเดลทำงานอยู่ข้างในโดยที่เราไม่ต้องยุ่งกับมัน

สไลด์ถัดไปจะชี้ให้ดูว่าคนมักสับสนตรงไหนบ้าง"

Script

"Before we look at who's who in the market, let me separate these three terms, because this is where people get confused most.

I'll compare it with cars, because everyone can picture that.

Layer 1, the company — the maker. Toyota, in the car world.

Layer 2, the engine — the capability hidden inside. We drive every day without ever opening the bonnet, yet it determines how the car performs.

Layer 3, the car itself — what you physically use, with a wheel and a dashboard. The Camry.

AI has exactly the same three layers.

The company is Anthropic · the model is Claude Sonnet 5, the intelligence inside · the product is the Claude app you open.

The key point is the last two lines — you don't buy an engine, you buy a car. And you don't open a model, you open an app; the model runs inside without you having to deal with it.

The next slide points out exactly where people get confused."

พูด

"ทีนี้ผมจะชี้ 3 จุดที่ทำให้คนสับสนกันมากที่สุดครับ

กับดักที่ 1 — ชื่อบริษัทกับชื่อผลิตภัณฑ์มักไม่เหมือนกัน บริษัทชื่อ Anthropic แต่แอปชื่อ Claude · บริษัทชื่อ OpenAI แต่แอปชื่อ ChatGPT ทั้งสองชื่อถูกทั้งคู่ แค่คนละชั้นกัน

กับดักที่ 2 — บางเจ้าไม่ได้สร้างโมเดลเอง Microsoft Copilot ที่หลายคนเห็นใน Word หรือ Excel นั้น Microsoft ไม่ได้สร้างสมองเอง เขาซื้อของ OpenAI มาใช้ Perplexity ก็เช่นกัน คือหยิบของหลายเจ้ามาผสม

กับดักที่ 3 — โมเดลตัวเดียวอยู่ได้หลายผลิตภัณฑ์ โมเดลตระกูล GPT อยู่ทั้งใน ChatGPT และอยู่ใน Copilot ด้วย

ข้อนี้ตอบคำถามที่คนถามบ่อยว่า 'Copilot เก่งเท่า ChatGPT ไหม' — คำตอบคือ ข้างในคือสมองตัวเดียวกันครับ ต่างกันที่หน้าตาและที่อยู่ ไม่ใช่ที่ความฉลาด

เพราะฉะนั้น เวลาอ่านข่าว AI ให้ถามตัวเองก่อนว่านี่กำลังพูดถึงชั้นไหน — บริษัท โมเดล หรือผลิตภัณฑ์ แค่นี้ข่าวจะอ่านง่ายขึ้นเยอะเลยครับ"

Script

"Now let me point out the three things people mix up most often.

Trap 1 — company and product names usually differ. The company is Anthropic, the app is Claude. The company is OpenAI, the app is ChatGPT. Both names are correct; they just sit on different layers.

Trap 2 — some companies build no model at all. Microsoft Copilot, the one many of you see inside Word or Excel — Microsoft doesn't build that brain. It licenses OpenAI's. Perplexity is the same: it mixes models from several providers.

Trap 3 — one model can sit inside several products. The GPT family powers ChatGPT, and it also powers Copilot.

That answers a question people ask a lot: 'is Copilot as good as ChatGPT?' — inside, it's the same brain. What differs is the interface and where it lives, not the intelligence.

So when you read AI news, ask yourself first which layer it's talking about — company, model, or product. It makes the news far easier to follow."

พูด

"นี่คือภาพรวม ณ เดือนนี้ครับ ผมจะไล่เฉพาะตัวที่พวกเราน่าจะได้เจอ

Anthropic — Claude คือตัวที่เราจะเรียนกันวันนี้ เด่นเรื่องงานเขียนและการอ่านเอกสารยาวๆ เดี๋ยวผมจะบอกว่าทำไมถึงเลือกตัวนี้มาสอน

OpenAI — ChatGPT คนใช้เยอะที่สุดในโลก ถ้าใครเคยใช้ AI มาก่อนน่าจะเป็นตัวนี้ เด่นเรื่องสร้างรูปภาพและคุยด้วยเสียง

Google — Gemini จุดแข็งคือมันอยู่ใน Gmail, Google Docs, Google Drive ที่เราใช้กันอยู่แล้ว ถ้างานเราวนอยู่ในระบบ Google ตัวนี้สะดวกมาก

Microsoft — Copilot ตัวนี้น่าสนใจตรงที่ Microsoft ไม่ได้สร้างสมองเอง เขาซื้อของ OpenAI มาแล้วเอาไปฝังใน Word, Excel, Teams ถ้าที่ทำงานใช้ Microsoft 365 อาจมีตัวนี้ให้ใช้อยู่แล้วโดยไม่รู้ตัว

Perplexity ตัวนี้ไม่ได้สร้างสมองเองเหมือนกัน แต่เก่งเรื่องค้นข้อมูลพร้อมบอกแหล่งอ้างอิง สายวิจัยหลายคนชอบ

ส่วน DeepSeek กับ Qwen จากจีน เด่นตรงถูกมากหรือฟรี แต่มีประเด็นเรื่องข้อมูลของเราไปอยู่ที่ไหน — สำหรับงานที่มีข้อมูลอ่อนไหวหรือข้อมูลลับขององค์กร ผมแนะนำให้ระวังเป็นพิเศษ"

Script

"This is the picture this month. I'll go through the ones you're likely to meet.

Anthropic — Claude is what we're learning today. Strong at writing and at reading long documents. I'll explain the choice in a moment.

OpenAI — ChatGPT has the most users worldwide. If you've tried AI before, it was probably this. Strong at image generation and voice conversation.

Google — Gemini lives inside Gmail, Google Docs and Drive, which many of us already use. If your work sits in Google's ecosystem, that's very convenient.

Microsoft — Copilot is interesting because Microsoft doesn't build the brain. They license OpenAI's and embed it in Word, Excel and Teams. If your workplace has Microsoft 365, you may already have it without knowing.

Perplexity also doesn't build its own brain, but it's good at searching and citing sources, which researchers like.

As for DeepSeek and Qwen from China — very cheap or free, but there are real questions about where your data ends up. For anything involving sensitive or confidential organisational data, I'd be particularly careful."

พูด

"ผมต้องเตือนไว้ตรงนี้ครับ สไลด์ที่แล้วจะเก่าภายใน 3 เดือน อย่างช้าที่สุด

วงการนี้ออกรุ่นใหม่กันทุก 2-3 เดือน ตอนนี้เป็น Claude Opus 5 พอถึงปลายปีอาจกลายเป็นเลขอื่นไปแล้ว

เพราะฉะนั้น อย่าเสียเวลาท่องเลขรุ่นครับ ไม่มีประโยชน์

สิ่งที่ควรจำมี 3 อย่างตามในจอ และข้อ 3 คือสิ่งที่มีค่าที่สุดของการอบรมนี้ — วิธีสั่งงานให้เป็น เพราะทักษะนี้ใช้ได้กับทุกยี่ห้อ และไม่ล้าสมัย ถ้าคุณสั่งงาน Claude เป็น คุณย้ายไปใช้ Gemini พรุ่งนี้ก็ทำได้ทันที"

Script

"I have to warn you: the previous slide will be stale within three months at the outside.

This industry ships new versions every two to three months. Right now it's Claude Opus 5; by the end of the year it'll be some other number.

So don't waste effort memorising version numbers. There's no payoff.

Three things are worth keeping, and item 3 is the most valuable thing you'll get today — knowing how to brief it — because that skill transfers to every brand and never expires. Learn to brief Claude well and you can switch to Gemini tomorrow without missing a beat."

พูด

"แล้วทำไมการอบรมนี้ถึงเลือก Claude ทั้งที่มีตั้งหลายเจ้า

ผมขอตอบตรงๆ ก่อนเลยครับว่า ถ้าวัดกันที่ความสามารถล้วนๆ — เขียนเก่ง สรุปเก่ง ตอบเร็ว — เจ้าใหญ่ๆ ทุกเจ้าทำได้ใกล้เคียงกันหมด และแซงกันไปมาทุกไม่กี่เดือน ถ้าผมเลือกด้วยเหตุผลแค่นั้น อีกสามเดือนคำตอบก็เปลี่ยนแล้ว

สิ่งที่ผมใช้ตัดสินคือความน่าเชื่อถือ — และเป็นความน่าเชื่อถือที่มีคนอื่นตรวจสอบไว้แล้ว ไม่ใช่บริษัทพูดเอง

ข้อแรก ดูว่าใครกล้าเอาไปใช้กับงานจริง — บริษัทที่ใหญ่ที่สุดของสหรัฐฯ 10 อันดับแรก เป็นลูกค้าไปแล้ว 8 ราย และบริษัทที่ปรึกษาระดับโลกอย่าง PwC, Deloitte, Accenture เอาไปใช้ในงานที่ส่งถึงลูกค้าของเขาเอง

ตรงนี้สำคัญนะครับ เพราะองค์กรพวกนี้มีฝ่ายกฎหมายและฝ่ายความเสี่ยงที่ตรวจละเอียดมากก่อนอนุมัติ เขาตรวจมาให้เราแล้ว

ข้อสอง ฝั่งราชการและงานวิจัย — รัฐบาลสหรัฐฯ เปิดให้ใช้ได้ครบทั้งสามฝ่าย และห้องปฏิบัติการวิจัยแห่งชาติมีนักวิจัยหมื่นคนใช้ทุกวัน หน่วยงานพวกนี้ไม่อนุมัติอะไรง่ายๆ ครับ

ข้อสาม ใบรับรอง — อันนี้เป็นสิ่งที่พูดลอยๆ ไม่ได้ ต้องมีผู้ตรวจภายนอกมาออกให้

ตัวที่สำคัญที่สุดคือ ISO 42001 ซึ่งเป็นมาตรฐานการกำกับดูแล AI ฉบับแรกของโลก แปลว่ามีคนนอกเข้ามาตรวจว่ากระบวนการพัฒนาและดูแล AI ของเขาเป็นระบบจริง ไม่ใช่แค่โฆษณา

มี ISO 27001 เรื่องความมั่นคงปลอดภัยของข้อมูล และ SOC 2 Type II ด้วย ส่วนแผนองค์กรทำข้อตกลงรองรับข้อมูลอ่อนไหวระดับข้อมูลสุขภาพได้

ข้อสี่ บริษัทนี้ตั้งขึ้นมาโดยมีเป้าหมายเรื่องความปลอดภัยของ AI ตั้งแต่วันแรก ไม่ใช่ทำของให้เก่งก่อนแล้วค่อยเติมเรื่องความปลอดภัยทีหลัง

สรุปเหตุผลของผมคือ — เราจะเอาเครื่องมือนี้ไปใช้กับงานที่มีคนอื่นเกี่ยวข้อง ผมจึงอยากให้เริ่มจากเจ้าที่มีคนตรวจสอบไว้เยอะที่สุด ไม่ใช่เจ้าที่ทำคะแนนทดสอบได้สูงสุดในเดือนนี้"

Script

"So why Claude, out of all of them?

Let me answer honestly first: if you judge on raw capability alone — writing, summarising, speed — the major providers are all close, and they overtake each other every few months. If I picked on that basis, the answer would change again in three months.

What I judge on is credibility — and credibility that somebody else has already audited, not what the company says about itself.

First, look at who is willing to run it on real work. Eight of the ten largest US companies are customers, and global consultancies like PwC, Deloitte and Accenture use it in the work they deliver to their own clients.

That matters, because organisations like these have legal and risk teams that review very carefully before approving anything. They have done the checking for us.

Second, government and research. The US government has access across all three branches, and a national research laboratory has ten thousand researchers using it daily. Those bodies do not approve things casually.

Third, certifications — these can't just be claimed; an external auditor has to issue them.

The most significant is ISO 42001, the world's first standard for AI management. It means outside auditors verified that how they build and govern AI is a real system, not marketing.

There is also ISO 27001 for information security and SOC 2 Type II. Enterprise plans support agreements covering health-grade sensitive data.

Fourth, the company was founded around AI safety from day one — not capability first with safety added later.

So my reasoning is this: we're going to point this tool at work that involves other people. I'd rather start with the provider that the most parties have already scrutinised, than with whoever tops a benchmark this month."

พูด

"มีคนถามบ่อยว่า 'แล้วมี AI ที่ทำมาเพื่อสายงานเฉพาะไหม' — มีครับ แทบทุกวงการเลย

สายสุขภาพก็มี สายกฎหมายมี Harvey ที่สำนักงานกฎหมายใหญ่ๆ ใช้กัน สายการเงินมี BloombergGPT

และสายวิจัยมีตัวที่น่าสนใจอยู่หลายตัว เช่น Elicit กับ Consensus ที่ช่วยค้นและสรุปงานวิจัยโดยเฉพาะ

แต่ประเด็นคือตัวพวกนี้ส่วนใหญ่ยังไม่เปิดให้คนทั่วไปเข้าถึง ต้องผ่านองค์กรที่ทำสัญญาไว้ และราคาสูงมาก

เพราะฉะนั้นวันนี้เราโฟกัสที่ตัวที่ทุกคนใช้ได้ทันทีตั้งแต่วันนี้ โดยไม่ต้องรอใครอนุมัติ"

Script

"People often ask whether there's AI built for a specific profession — there is, in almost every field.

Healthcare has several. Legal has Harvey, used by major law firms. Finance has BloombergGPT.

Research has some genuinely interesting ones — Elicit and Consensus specialise in finding and summarising studies.

The catch is that most aren't available to individuals. They go through organisational contracts and cost a great deal.

So today we focus on what every one of you can use immediately, without waiting for anyone's approval."

พูด

"สไลด์นี้ผมอยากให้แคปหน้าจอเก็บไว้ครับ

Claude ไม่ใช่เครื่องมือที่ผ่านการรับรองจากหน่วยงานกำกับใดๆ ไม่มีใครรับรองว่าคำตอบของมันถูกต้องตามมาตรฐานวิชาชีพไหนทั้งสิ้น

เพราะฉะนั้น ห้ามเอาคำตอบของมันไปเป็นฐานการตัดสินใจที่มีผลต่อคน — ไม่ว่าจะเป็นเรื่องสุขภาพ เรื่องกฎหมาย หรือเรื่องเงิน

ยกตัวอย่างที่ทุกคนเข้าใจได้ — ถ้าเราถามมันว่า 'กินยานี้กับยานี้ด้วยกันได้ไหม' มันจะตอบครับ ตอบอย่างมั่นใจด้วย แต่ไม่มีใครรับประกันว่าคำตอบนั้นถูก และมันไม่รู้จักตัวเราเลยสักนิด

แต่ใช้ช่วยคิด ช่วยร่าง ช่วยเรียบเรียง ช่วยสรุปเอกสาร ได้เต็มที่

และประโยคสุดท้ายสำคัญที่สุด — ถ้า AI ตอบผิดแล้วเกิดความเสียหาย คนที่รับผิดชอบคือคุณ ไม่ใช่บริษัทที่สร้าง AI เพราะคุณคือคนที่ตัดสินใจเอาไปใช้ และคุณคือคนที่เซ็นชื่อ

พูดง่ายๆ คือ AI เป็นได้แค่ผู้ช่วยร่างงาน ไม่มีวันเป็นผู้ลงนามแทนเราได้"

Script

"Screenshot this one.

Claude is not certified by any regulator. Nobody has verified that its answers meet any professional standard, anywhere.

So never take its answer as the basis of a decision that affects a person — not in health, not in law, not in money.

Here's an example everyone understands — ask it 'can I take this medicine together with that one', and it will answer. Confidently, too. But nobody guarantees that answer is correct, and it knows nothing whatsoever about you.

Using it to help think, draft, rewrite and summarise documents is completely fine.

And the last line matters most — if AI gets something wrong and harm results, the accountable person is you, not the company that built it, because you decided to use it and you signed off.

Put simply: AI can be a drafting assistant. It can never be the signatory."

พูด

"สุดท้ายของ Part นี้ — ประเทศไทยก็มีคนทำครับ

ที่ควรรู้จักคือ OpenThaiGPT, Typhoon ของกลุ่ม SCB 10X และ Pathumma LLM ของเนคเทค

จุดแข็งที่สำคัญมากคือ ติดตั้งในเซิร์ฟเวอร์ของตัวเองได้ ซึ่งแปลว่าข้อมูลไม่ต้องออกไปนอกองค์กรเลย

อันนี้น่าสนใจมากสำหรับองค์กรไทยที่มีข้อมูลอ่อนไหว เพราะถ้าวันหนึ่งองค์กรอยากมี AI ช่วยงานโดยที่ข้อมูลไม่ออกไปนอกอาคาร ทางนี้คือคำตอบ

แต่ต้องยอมรับตามตรงว่าความสามารถโดยรวมยังตามหลังเจ้าใหญ่อยู่พอสมควร ผมเล่าให้ฟังเพื่อให้รู้ว่ามีทางเลือกนี้อยู่"

Script

"Last one in this Part — Thailand builds these too.

The ones worth knowing are OpenThaiGPT, Typhoon from the SCB 10X group, and NECTEC's Pathumma LLM.

The important strength is that they can be installed on your own servers, which means data never has to leave the building.

That's very interesting for Thai organisations with sensitive data — if one day an organisation wants AI assistance without data going outside, this is the route.

But honestly, overall capability still trails the major players by a fair margin. I mention it so you know the option exists."

พูด

"ส่วนที่สามเริ่มลงมือแล้วครับ

ครึ่งแรกของส่วนนี้เป็นเรื่องพื้นฐาน — การเริ่มใช้งาน เลือกโมเดล และสวิตช์ที่ควรรู้จัก

แต่ครึ่งหลังคือหัวใจของทั้งการอบรม — วิธีสั่งงานให้ได้ของที่ใช้ได้จริง

ผมย้ำตรงนี้เพราะ 90% ของคนที่ลอง AI แล้วผิดหวัง ไม่ได้ผิดที่ AI แต่ผิดที่วิธีสั่งงาน

และข่าวดีคือ ทักษะนี้ใช้ได้กับ AI ทุกยี่ห้อและไม่ล้าสมัย ต่อให้พรุ่งนี้เปลี่ยนไปใช้เจ้าอื่น ก็ยังใช้ได้ทันที"

Script

"The third section is where we start doing things.

The first half is the basics — getting started, choosing a model, and the settings worth knowing.

But the second half is the heart of the whole session — how to brief it so you get something usable.

I stress this because 90% of people who try AI and are disappointed weren't let down by the AI; they were let down by the brief.

And the good news is that this skill works with every provider and doesn't go out of date. Switch tools tomorrow and it still applies."

พูด

"Claude เข้าได้ 3 ทาง และทั้งสามใช้บัญชีเดียวกัน คุยค้างไว้บนมือถือระหว่างเดินทาง กลับมาเปิดคอมที่บ้านก็คุยต่อได้เลย ประวัติอยู่ครบ

วันนี้ผมแนะนำให้ใช้ เว็บ claude.ai เพราะไม่ต้องติดตั้งอะไร เปิดเบราว์เซอร์แล้วพิมพ์ได้เลย

ส่วนแอปมือถือ ระวังนิดนึงนะครับ — ตอนค้นคำว่า Claude จะเจอแอปปลอมเยอะมาก ดูให้แน่ใจว่าผู้พัฒนาเขียนว่า Anthropic และโลโก้เป็นดาวสีส้ม

แอปมือถือมีประโยชน์มากสำหรับพวกเรานะครับ เพราะเวลาลงพื้นที่ เราถ่ายรูปแล้วถามได้เลย เดี๋ยวช่วงความสามารถใช้งานจริงจะได้เห็น"

Script

"Claude has three doors, and all three share one account. Start a conversation on your phone while travelling, open your computer at home, and carry straight on — the history is all there.

Today I recommend the website, claude.ai, because there's nothing to install. Open a browser and type.

One warning about the mobile app — searching 'Claude' turns up a lot of fakes. Check that the developer says Anthropic, and the logo is an orange star.

The mobile app is genuinely useful, by the way — out in the field you can photograph something and ask about it immediately. You'll see that in the production-capabilities section."

พูด

"สมัครง่ายมากครับ ไม่กี่ขั้นตอน และฟรี ไม่ต้องใส่บัตรเครดิต

วิธีที่เร็วที่สุดคือกด 'Continue with Google' แล้วเลือก Gmail ที่มีอยู่แล้ว จบใน 3 คลิก

ใครติดตรงไหนพิมพ์บอกในแชทได้เลยครับ ผมจะไล่ตอบให้ทีละคน"

Script

"Signing up is genuinely easy — just a few steps, and free with no credit card.

The fastest route is 'Continue with Google' and pick an existing Gmail. Three clicks and you're in.

If anyone gets stuck, type it in chat and I'll work through it with you one at a time."

พูด

"ผมจะไล่ทีละปุ่ม ให้ทุกคนหาบนเครื่องตัวเองตามไปด้วยนะครับ

ปุ่มคลิปหนีบกระดาษ — จำไว้ให้ดี ปุ่มนี้จะเปลี่ยนวิธีทำงานเอกสารของทุกคน เพราะมันคือปุ่มที่เราโยนไฟล์ PDF ทั้งเล่มเข้าไปได้

ปุ่ม + New chat ตรงนี้คนใหม่มักใช้ผิด — เรื่องใหม่ควรเปิดแชทใหม่ แต่เรื่องเดิมที่กำลังทำอยู่ อย่าเปิดใหม่ เพราะ Claude จำเฉพาะในแชทเดียวกัน เปิดใหม่เมื่อไหร่มันลืมหมด ต้องเล่าใหม่ทั้งหมด

เดี๋ยวเราจะพูดเรื่องนี้อีกทีตอนสอนสั่งงาน"

Script

"I'll go through each control. Find it on your own screen as I do.

The paperclip — remember this one. It's the button that changes how you handle documents, because it's how you throw an entire PDF at it.

+ New chat is where beginners go wrong — a new topic deserves a new chat, but don't start a new one for the thing you're already working on. Claude only remembers within a single conversation. Open a new one and it forgets everything; you'd have to explain from scratch.

We'll come back to this when we talk about briefing."

พูด

"เรื่องเงินครับ

เริ่มที่ฟรีก่อนเลย ผมยืนยัน แผนฟรีทำงานได้จริงเยอะมาก อย่าเพิ่งเสียเงินก่อนรู้ว่าตัวเองใช้จริงแค่ไหน

ใช้ไปสัก 2 สัปดาห์แล้วสังเกตตัวเอง ถ้าชนลิมิตบ่อยจนรำคาญ นั่นแหละคือสัญญาณว่าคุ้มที่จะขึ้น Pro

ส่วน Max เอาไว้สำหรับคนที่ใช้ทั้งวันทุกวันเป็นอาชีพ ส่วนใหญ่ยังไม่จำเป็นครับ

เกร็ดที่ควรรู้: ถ้ามีช่วงงานหนักที่ต้องใช้เยอะจริงๆ สมัคร Pro เดือนเดียวแล้วยกเลิกก็ได้ ไม่ผูกมัดรายปี"

Script

"Money.

Start free. I mean it. The free plan does a great deal of real work. Don't pay before you know how much you'll actually use it.

Use it for two weeks and watch yourself. If you're hitting the limit often enough to be annoying, that's your signal to move to Pro.

Max is for people using it all day every day as their job. Most people don't need it.

Worth knowing: if you have one heavy period of work, subscribe to Pro for a single month and cancel. There's no annual lock-in."

พูด

"เรื่องนี้คนเข้าใจผิดกันเยอะ ผมเลยแยกเป็นสไลด์เดี่ยว

ลิมิตของ Claude ไม่ได้นับเป็นจำนวนข้อความ แต่นับตามปริมาณงานในรอบ 5 ชั่วโมง

และถ้าเป็นแผนเสียเงิน ยังมีเพดานรายสัปดาห์ซ้อนอยู่อีกชั้น — ใช้หนักติดกันหลายวันอาจชนเพดานสัปดาห์ได้ทั้งที่รอบ 5 ชั่วโมงยังไม่เต็ม

แปลว่าถ้าเราถามสั้นๆ ง่ายๆ 50 ครั้ง อาจยังไม่ชนลิมิตเลย แต่ถ้าเราโยน PDF 100 หน้าเข้าไป 3 ครั้ง อาจชนแล้ว

เคล็ดลับสำคัญที่สุดคือข้อแรกครับ — งานจบแล้วเปิดแชทใหม่

เพราะ Claude จะอ่านบทสนทนาทั้งหมดในแชทนั้นใหม่ทุกครั้งที่ตอบ ถ้าแชทเรายาวมาก แค่ถามคำถามสั้นๆ ก็กินลิมิตหนักแล้ว เพราะมันต้องอ่านทวนตั้งแต่ต้น

พูดง่ายๆ คือ แชทหนึ่ง = โปรเจกต์หนึ่ง จบแล้วขึ้นอันใหม่"

Script

"People misunderstand this a lot, so it gets its own slide.

Claude's limit is not a message count. It measures workload within a rolling five-hour window.

And on paid plans there is a weekly cap layered on top — several heavy days in a row can hit the weekly cap even when the 5-hour window still has room.

So you might ask fifty short easy questions and never hit it — but throw in three 100-page PDFs and you might.

The single most useful tip is the first one: finish a task, start a new chat.

Because Claude re-reads the entire conversation every time it replies. If your conversation is enormous, even a short question costs a lot, because it has to read back through everything.

Put simply: one chat = one project. Finish it and open a new one."

พูด

"เวลากดปุ่มเลือกโมเดล จะเห็นชื่อแปลกๆ หลายอัน ผมเทียบให้เห็นภาพง่ายๆ แบบนี้ครับ

ลองนึกว่าเรามีลูกน้อง 3 คน

Haiku คือเด็กฝึกงานที่ไวมาก สั่งอะไรเสร็จทันที แต่งานที่ต้องคิดเยอะจะสู้ไม่ไหว

Sonnet คือพนักงานประจำที่เก่งและไว — 90% ของงานเราใช้คนนี้พอ และเป็นตัวที่ระบบตั้งไว้ให้อยู่แล้ว

Opus คือที่ปรึกษาที่เราจ้างมาตอนเจอโจทย์ยากจริงๆ ฉลาดที่สุด แต่ช้ากว่าและกินลิมิตมากกว่า

ถ้าไม่รู้จะเลือกอะไร ใช้ Sonnet ครับ ถูกเสมอ แล้วถ้ารู้สึกว่าคำตอบยังไม่ลึกพอ ค่อยเปลี่ยนเป็น Opus แล้วถามใหม่ในแชทเดิม"

Script

"When you open the model selector you'll see some odd names. Here's the simple picture.

Imagine you have three staff.

Haiku is the very quick intern — anything simple comes back instantly, but heavy thinking is beyond them.

Sonnet is the strong, fast staff member — 90% of our work needs only this one, and it's what the system picks for you anyway.

Opus is the consultant you bring in for a genuinely hard problem. Smartest, but slower and heavier on your limit.

Not sure? Use Sonnet. It's never wrong. Then if the answer feels shallow, switch to Opus and ask again in the same chat."

พูด

"อีกสวิตช์หนึ่งที่คนไม่ค่อยรู้ แต่เปลี่ยนคุณภาพคำตอบได้เยอะ — Thinking

อยู่ตรงไหน? กดที่ชื่อโมเดลข้างปุ่มส่ง จะมีสวิตช์ Thinking ให้เปิดปิด

มันทำอะไร? ปกติ Claude ตอบทันที แต่พอเปิด Thinking มันจะคิดเป็นขั้นๆ ก่อน แล้วค่อยตอบ — และเราเปิดดูได้ด้วยว่ามันคิดยังไง มีกล่องขึ้นมาให้กด

เทียบง่ายๆ เหมือนถามใครสักคนแล้วเขาตอบปุ๊บ กับถามแล้วเขาบอกว่า 'เดี๋ยวนะ ขอคิดก่อน' แล้วค่อยตอบ — คำตอบแบบหลังมักจะดีกว่าถ้าโจทย์มันยาก

แต่ไม่ใช่ว่าเปิดไว้ตลอดจะดี

ถ้างานเป็นแค่ 'แปลประโยคนี้' หรือ 'สรุปให้สั้นลง' — เปิด Thinking ไว้ได้แค่ทำให้รอนานขึ้น คำตอบไม่ได้ดีขึ้นเลย แถมกินลิมิตมากกว่าด้วย

กฎง่ายๆ: งานที่ต้องคิดเป็นขั้น เปิด · งานที่แค่เปลี่ยนรูปข้อความ ปิด

และเปลี่ยนกลางบทสนทนาได้ตลอด ไม่ต้องเปิดแชทใหม่

ที่ปุ่มเดียวกันนี้ยังมีอีกสวิตช์ที่คู่กัน เรียกว่า Effort — สไลด์ถัดไปอธิบาย"

Script

"One more switch most people don't know about, and it changes answer quality a lot — Thinking.

Where is it? Click the model name next to the send button, and there's a Thinking toggle.

What does it do? Normally Claude answers immediately. With Thinking on, it works through the problem step by step first, then answers — and you can open a box to read how it reasoned.

Think of asking someone a question and getting an instant answer, versus them saying 'hold on, let me think' and then answering. The second is usually better when the problem is hard.

But leaving it on all the time is not better.

If the job is just 'translate this sentence' or 'make this shorter' — Thinking only makes you wait longer. The answer isn't any better, and it uses more of your limit.

Simple rule: work that needs reasoning, on. Work that just reshapes text, off.

And you can flip it mid-conversation — no need to start a new chat.

The same button holds a companion setting called Effort — that's the next slide."

พูด

"สวิตช์ที่สองที่อยู่ปุ่มเดียวกันคือ Effort แปลว่า 'ระดับความทุ่มเท'

อย่าสับสนกับ Thinking นะครับ — Thinking คือ แสดง ให้เราเห็นว่ามันคิดยังไง ส่วน Effort คือ ทุ่มความละเอียดแค่ไหน กับทุกคำตอบ สองอันนี้ใช้ร่วมกันได้

เทียบให้เห็นภาพ เหมือนสั่งงานคนแล้วบอกว่า 'ขอแบบเร็วๆ พอใช้ได้' กับ 'อันนี้สำคัญ ขอละเอียดที่สุด' — งานคนละคุณภาพ ใช้เวลาคนละแบบ

ดูตารางนะครับ ผมสรุปเป็นภาษาการทำงานให้แล้ว

Low สำหรับงานกลไกล้วนๆ ที่ไม่ต้องคิดเลย เช่นจัดรูปแบบข้อความ แปลงตาราง

Medium งานประจำวันทั่วไป ร่างอีเมล สรุปเอกสาร

High อันนี้มีดาวนะครับ เพราะเป็นจุดสมดุลที่ดีที่สุด — คุณภาพดีโดยไม่ต้องรอนาน งานส่วนใหญ่จบที่ตรงนี้

Extra high ไว้สำหรับงานยาวหลายขั้นที่ต้องคิดลึกกว่าปกติ

Max ทุ่มสุด ช้าสุด เก็บไว้ตอนที่งานผิดไม่ได้จริงๆ

วิธีใช้ที่ผมแนะนำ — เริ่มที่ High ไว้ก่อน แล้วปรับตามความรู้สึก ถ้ารู้สึกว่ารอนานเกินความจำเป็นก็ลดลง ถ้ารู้สึกว่าคำตอบตื้นไปก็เพิ่มขึ้น

และอย่าตั้ง Max ค้างไว้ตลอดนะครับ ลิมิตจะหมดเร็วมาก โดยที่งานส่วนใหญ่ไม่ได้ดีขึ้นเลย"

Script

"The second setting on that same button is Effort — how much effort it puts in.

Don't confuse it with Thinking. Thinking shows you how it reasoned; Effort is how thorough it is on every answer. The two work together.

Think of briefing a person: 'quick and good enough' versus 'this one matters, take your time.' Different quality, different time.

Look at the table — I've translated the levels into work terms.

Low for purely mechanical work that needs no thought — reformatting text, converting a table.

Medium for ordinary daily work — drafting an email, summarising a document.

High has a star because it is the best balance point — good quality without a long wait. Most work ends here.

Extra high for long multi-stage work that needs deeper reasoning than usual.

Max is everything it has: slowest, most thorough. Save it for work where mistakes are not acceptable.

My recommendation — start at High and adjust by feel. Slower than the task deserves? Step down. Answers feel shallow? Step up.

And don't leave it on Max permanently. Your limit drains very fast, and most work isn't any better for it."

พูด

"อันนี้พูดผ่านๆ นะครับ

เผื่อไปอ่านข่าวแล้วเจอคำว่า 'Claude Code' — นั่นคือ Claude เวอร์ชันสำหรับโปรแกรมเมอร์ ใช้ผ่านหน้าจอดำๆ ที่ต้องพิมพ์คำสั่ง

วันนี้เราไม่ยุ่งกับตัวนี้เลยครับ แค่บอกให้รู้ว่ามีอยู่ จะได้ไม่สับสน"

Script

"One minute on this.

If you read the news and see 'Claude Code' — that's the version for programmers, driven through a black terminal window where you type commands.

We don't touch it today. I mention it purely so the name doesn't confuse you."

พูด

"เอาล่ะครับ ลงมือได้เลย

ขอย้ำข้อ 3 นะครับ — หลังได้คำตอบแล้ว อย่าเพิ่งปิด ให้พิมพ์ต่อในแชทเดิม ลองบอกว่า 'ขอสั้นกว่านี้' หรือ 'ยกตัวอย่างให้หน่อย'

ผมอยากให้ทุกคนเห็นด้วยตาตัวเองว่า มันจำได้ว่าเรากำลังคุยเรื่องอะไรอยู่ ไม่ต้องเล่าใหม่ นี่คือจุดที่ต่างจากเครื่องมือค้นหาทั่วไปโดยสิ้นเชิง

เริ่มได้ครับ ใครติดพิมพ์ในแชทได้เลย"

Script

"Off you go.

Emphasis on step 3 — once you have an answer, don't close it. Keep typing in the same chat. Try 'make it shorter' or 'give me an example'.

I want everyone to see with their own eyes that it remembers what you were talking about. You don't re-explain. That is what makes this fundamentally different from a search engine.

Start whenever — type in chat if you get stuck."

พูด

"ทีนี้เข้าช่วงที่สำคัญที่สุดครับ — ศิลปะการสั่งงาน

หลายคนเคยลอง AI แล้วผิดหวังจนเลิกใช้ไป — สาเหตุเกือบทั้งหมดอยู่ตรงนี้ครับ

คนส่วนใหญ่พิมพ์ว่า 'ช่วยเขียนรายงานให้หน่อย' แล้วก็ได้บทความกลางๆ ยาว 3 หน้าที่เอาไปใช้อะไรไม่ได้ แล้วก็สรุปว่า 'AI ใช้ไม่ได้จริง'

แต่ลองคิดตามผมนะครับ — ถ้าเราบอกน้องที่เพิ่งมาทำงานวันแรกว่า 'ไปทำรายงานมา' แล้วเดินหนีไปเลย น้องจะทำอะไรถูกไหม?

น้องจะทำอะไรสักอย่างมาให้ครับ แต่โอกาสตรงใจเราเกือบเป็นศูนย์ ไม่ใช่เพราะน้องโง่ แต่เพราะเราสั่งงานไม่ครบ

Claude ก็เหมือนกันเป๊ะ มันเก่งมาก แต่มันไม่รู้ว่าเราเป็นใคร ทำงานอะไร จะเอาไปใช้ที่ไหน กับใคร"

Script

"Now the most important stretch of the whole day — how to brief it.

A lot of people have tried AI, been disappointed, and quietly stopped — and almost all of that traces back to here.

Most people type 'write me a report', get three pages of generic padding, and conclude 'AI doesn't really work'.

But think it through — if you told a new starter on their first day 'go make a report' and walked away, would they get it right?

They'd produce something. The chance of it matching what you wanted is nearly zero. Not because they're stupid, but because the instruction was incomplete.

Claude is exactly the same. It's brilliant, but it has no idea who you are, what you do, or what this is for."

พูด

"นี่คือสไลด์ที่ผมอยากให้แคปหน้าจอเก็บไว้มากที่สุดครับ

สูตร 4 ส่วน: บทบาท บริบท งาน รูปแบบ

จำง่ายๆ ว่าเราต้องบอก AI ครบ 4 อย่าง เหมือนที่เราจะบอกน้องที่เพิ่งมาทำงานวันแรก

บทบาท — บอกว่าให้สวมหมวกใคร เพราะพอเราระบุบทบาท คำตอบจะเปลี่ยนโทนไปเลย

บริบท — ส่วนนี้คนลืมบ่อยที่สุดและสำคัญที่สุด สังเกตตัวอย่างนะครับ ผมไม่ได้บอกแค่ว่าจะแจ้งเรื่องอะไร แต่บอกด้วยว่า 'ส่วนใหญ่ไม่ถนัดเทคโนโลยี และหลายคนไม่ชอบการเปลี่ยนแปลง'

แค่ประโยคเดียวนี้ทำให้ผลลัพธ์ต่างกันคนละเรื่อง เพราะมันจะเปลี่ยนวิธีเขียนทั้งหมดเพื่อลดแรงต้าน

งาน — บอกให้ชัดว่าจะให้ทำอะไร ไม่ใช่แค่หัวข้อกว้างๆ

รูปแบบ — ส่วนนี้ทำให้เราไม่ต้องมานั่งแก้ทีหลัง บอกไปเลยว่ายาวเท่าไหร่ ต้องมีอะไรบ้าง ห้ามมีอะไร

และย้ำนะครับว่าสูตรนี้ใช้ได้กับงานทุกแบบ สูตรเดียวกันนี้ใช้ได้กับงานจริงของพวกคุณทุกชิ้น"

Script

"This is the slide I most want you to screenshot today.

Four parts: role, context, task, format.

Remember it as: tell the AI four things, exactly as you'd tell someone on their first day.

Role — whose hat to wear. Naming a role changes the tone of the whole answer.

Context — the part people skip most, and the part that matters most. Look at the example: I didn't only say what I'm announcing, I said 'most of them aren't comfortable with technology, and many dislike change'.

That one sentence changes the entire output, because it changes how the message is written to reduce resistance.

Task — say precisely what to do, not just a topic.

Format — this is what saves you from rewriting afterwards. State the length, what must be there, what must not.

And note that this formula works for every kind of task. Later we'll apply the same formula to your real work."

พูด

"ผมจะทำให้ดูสดๆ เลยนะครับ

พิมพ์แบบแรกก่อน... เห็นไหมครับ ได้อีเมลกลางๆ ที่ห้วนมาก มันไม่รู้เลยว่าเราปฏิเสธใคร เรื่องอะไร สนิทกันแค่ไหน — ส่งจริงไม่ได้แน่นอน

ทีนี้แบบที่สอง...

เห็นความต่างไหมครับ อันที่สองอ่านแล้วตรวจนิดหน่อยก็ส่งได้เลย

สังเกตว่าสิ่งที่ทำให้ต่างกันไม่ใช่ความยาว แต่คือ 'ข้อมูลที่มีแต่เราเท่านั้นที่รู้' — ว่ามีงานค้าง 3 ชิ้น ว่ายังอยากรักษาความสัมพันธ์ไว้ AI ไม่มีทางเดาเองได้

คำสั่งยาวขึ้น 10 เท่า แต่ประหยัดเวลาแก้งานไป 10 เท่าเหมือนกัน

และข่าวดีคือ พอเราเขียนคำสั่งดีๆ ไว้ครั้งหนึ่งแล้ว เก็บไว้ใช้ซ้ำได้ตลอด แค่เปลี่ยนหัวข้อ เดี๋ยวผมมีคลังคำสั่งแจกท้ายคาบ"

Script

"I'll do this live.

First the short version... see? Generic and blunt. It has no idea who I'm declining, about what, how close we are. Definitely unsendable.

Now the second one...

See the difference? The second one you check briefly and send.

Notice that what made the difference isn't length — it's the information only you could know: that there are three commitments outstanding, that the relationship matters. AI cannot guess either of those.

The instruction got ten times longer, and saved ten times the rewriting.

And the good news: once you've written a good brief, you keep it and reuse it forever, just changing the topic. I'll hand out a library of them at the end."

พูด

"5 เทคนิคนี้ใช้ได้ทันทีวันนี้ครับ

ข้อ 3 คือเทคนิคที่ผมชอบที่สุดและคนรู้น้อยที่สุด — สั่งให้มันถามกลับก่อนลงมือ

ลองพิมพ์ว่า 'ก่อนเริ่มเขียน ถามฉันกลับมา 3 คำถามที่จะทำให้งานนี้ตรงใจที่สุด'

สิ่งที่เกิดขึ้นคือมันจะถามกลับ เช่น 'กลุ่มเป้าหมายอายุเท่าไหร่' 'จะแจกในโอกาสไหน' 'มีข้อจำกัดเรื่องความยาวไหม' — คำถามพวกนี้แหละคือสิ่งที่เราลืมบอก

พอเราตอบครบ งานที่ได้จะตรงใจกว่ามาก และเราไม่ต้องเก่งเรื่องเขียนคำสั่งด้วยซ้ำ ปล่อยให้มันช่วยดึงข้อมูลจากเรา

ข้อ 5 ก็สำคัญ — คำว่า 'สั้นๆ' ของเรากับของ AI ไม่เท่ากัน บอกเป็นตัวเลขไปเลย"

Script

"Five techniques you can use today.

Number 3 is my favourite and the least known — make it ask you questions before it starts.

Type: 'Before you start, ask me 3 questions that would make this land best.'

What happens is it asks things like 'how old is the audience?', 'what's the occasion?', 'any length constraint?' — and those questions are exactly what you forgot to tell it.

Answer them and the output is far closer to what you wanted. You don't even need to be good at writing briefs — let it pull the information out of you.

Number 5 matters too — your 'short' and the AI's 'short' are different. Give it a number."

พูด

"อันนี้เปลี่ยนวิธีคิดของคนได้เยอะที่สุดครับ

คนใหม่มักคิดว่าถ้าคำตอบแรกไม่ดี แปลว่า AI ใช้ไม่ได้ ผิดครับ

คำตอบแรกคือร่างแรกเสมอ เหมือนเราให้น้องร่างงานมา เราก็ต้องบอกว่าตรงนี้แก้ ตรงนั้นเพิ่ม

และการคุยต่อในแชทเดิมประหยัดกว่าเริ่มใหม่มาก เพราะมันจำบริบทที่เราบอกไปแล้วทั้งหมด ไม่ต้องเล่าซ้ำ

ที่สำคัญ — เราแก้มันได้ด้วยความรู้ของเราเอง เช่นถ้ามันเขียนอะไรที่ไม่ตรงกับวิธีทำงานจริงของเรา บอกไปเลยว่า 'ที่นี่เราทำแบบนี้ ช่วยแก้ตาม' มันจะแก้ให้ทันที

นี่คือจุดที่ความเชี่ยวชาญของพวกคุณมีค่าที่สุด — AI ไม่รู้บริบทไทย ไม่รู้หน้างานของคุณ ไม่รู้ว่าองค์กรคุณทำอะไรได้บ้าง แต่คุณรู้"

Script

"This changes people's thinking more than anything else.

Beginners assume that if the first answer is poor, the AI is useless. Wrong.

The first answer is always a first draft. Just as when someone drafts something for you, you say 'change this, add that'.

And continuing in the same chat is far cheaper than starting over, because it already holds all the context you gave it.

Most importantly — you can correct it using what you know. If it writes something that doesn't match how your work actually operates, just say 'that's not how we do it here, fix it to match'. It will, immediately.

This is where your expertise is worth the most. AI doesn't know Thai context, doesn't know your job, doesn't know what your organisation can and can't do. You do."

พูด

"ปิดท้ายเรื่องการสั่งงานด้วย 3 ข้อห้าม

ข้อ 2 คนทำผิดบ่อยมาก — ยัดทุกอย่างในคำสั่งเดียว ผลคือได้ทุกอย่างแบบครึ่งๆ กลางๆ ทำทีละอย่างดีกว่า และคุยในแชทเดิม มันจำได้อยู่แล้ว

ข้อ 3 ผมจะไม่พูดตอนนี้ เพราะเราจะมีช่วงที่พูดเรื่องนี้โดยเฉพาะ แต่ผมขอวางไว้ตรงนี้ให้เห็นก่อนว่า มันคือหนึ่งใน 3 ข้อห้ามหลัก"

Script

"Three things not to do.

Number 2 catches people constantly — cramming everything into one instruction. The result is everything done half-well. Do one thing at a time, in the same chat; it remembers anyway.

Number 3 I won't get into now because we have a whole section devoted to it — but I'm placing it here so you see it counts as one of the three cardinal mistakes."

พูด

"ลงมือได้เลยครับ ทำงานจริง ไม่ต้องสมมติ

โครงร่างอยู่บนจอ กรอกตามช่องได้เลย

ข้อ 3 อย่าข้ามนะครับ — ได้คำตอบแล้วต้องสั่งแก้อีกอย่างน้อย 2 รอบ ผมอยากให้ทุกคนได้สัมผัสจังหวะการคุยกลับไปกลับมา เพราะนั่นคือวิธีใช้จริง

เริ่มได้เลยครับ"

Script

"Off you go — use a real task, don't invent one.

The template is on screen; copy it from the chat and fill it in.

Don't skip step 3 — once you have an answer, ask for at least two rounds of edits. I want everyone to feel the back-and-forth rhythm, because that's how it works in practice.

Start now."

พูด

"สรุป 4 ข้อตามในจอ

ต่อจากนี้เราจะเข้าส่วนที่สนุกที่สุด — ตอนนี้เราแค่พิมพ์คุย แต่ต่อไปเราจะได้เห็นว่า Claude แนบไฟล์ได้ อ่านเอกสารทั้งเล่มได้ สร้างของที่ใช้ได้จริง และเชื่อมต่อกับ Google Drive ของเราได้ด้วย"

Script

"Four points, on screen.

From here we move into the best part. So far we've only been typing back and forth — next you'll see Claude attach files, read entire documents, produce things you can genuinely use, and connect to your Google Drive."

พูด

"ปุ่มคลิปหนีบกระดาษนี่แหละครับที่เปลี่ยนทุกอย่าง

มันอ่าน PDF ได้ อ่าน Word ได้ อ่าน Excel ได้ และอ่านรูปภาพได้ด้วย — รวมถึงลายมือเขียน

และที่ทรงพลังที่สุดคือ แนบพร้อมกันหลายไฟล์แล้วสั่งให้เปรียบเทียบ เช่นแนบงานวิจัย 5 ชิ้นแล้วบอกว่า 'ช่วยทำตารางเปรียบเทียบวิธีวิจัยและผลลัพธ์ของทั้ง 5 ชิ้น'

แต่สังเกตวงเล็บที่ไฟล์ Excel นะครับ — ข้อมูลสำรวจชุมชนที่มีชื่อ มีเลขบัตร มีที่อยู่ ห้ามอัปโหลดดิบๆ ต้องลบคอลัมน์ที่ระบุตัวตนออกก่อน เดี๋ยวมีช่วงพูดเรื่องนี้โดยเฉพาะ"

Script

"The paperclip is what changes everything.

It reads PDFs, Word, Excel — and images, including handwriting.

The most powerful move is attaching several files at once and asking it to compare them. Attach five studies and say 'build me a table comparing the methods and findings across all five'.

But notice the note on the Excel line — survey data with names, ID numbers and addresses must not be uploaded raw. Strip the identifying columns first. There's a dedicated section on this later."

พูด

"เคสแรก งานที่ ป.โท ทุกคนต้องทำ — อ่านงานวิจัยภาษาอังกฤษ

ปกติงานวิจัย 40 หน้าภาษาอังกฤษ เราต้องนั่งอ่านกันนานมาก แต่แบบนี้ได้ผลแทบจะทันที

แต่ผมอยากให้สังเกตข้อ 5 เป็นพิเศษครับ — 'นำมาใช้กับบริบทชุมชนไทยได้แค่ไหน มีข้อควรระวังอะไร'

ข้อ 1 ถึง 4 คือการสรุป ซึ่งเป็นงานง่ายสำหรับ AI แต่ข้อ 5 คือการคิดวิเคราะห์ และนี่คือส่วนที่ทำให้ผลลัพธ์มีค่ากับวิทยานิพนธ์ของเราจริงๆ

เพราะงานวิจัยที่เราอ่านส่วนใหญ่ทำในอเมริกาหรือยุโรป บริบทต่างจากตำบลในไทยลิบลับ — และนี่แหละคือช่องว่างที่วิทยานิพนธ์ของคุณจะเข้าไปเติม

⚠️ ย้ำ: สรุปที่ได้ต้องเอาไปเทียบกับตัวงานจริงเสมอ อย่าอ้างอิงจากสรุปอย่างเดียว"

Script

"First case — reading a long document in a foreign language, something almost everyone has to do.

Normally a 40-page paper takes a long sitting to get through. This is almost immediate.

But look at point 5 specifically — 'how far does this transfer to the Thai context, and what should I watch for'.

Points 1 to 4 are summarising, which is easy for AI. Point 5 is analysis — and that's the part that makes the output genuinely valuable.

Because most studies you read were done elsewhere, in a context nothing like yours. That gap is exactly where your own contribution goes.

⚠️ A reminder: always check the summary against the real document. Never cite from a summary alone."

พูด

"เคสนี้ประหยัดเวลาได้มหาศาลสำหรับคนทำวิจัยเชิงสำรวจ

กลับจากลงพื้นที่มา ได้แบบสอบถามกรอกมือ 60 ชุด ปกติต้องนั่งคีย์เป็นวัน

ถ่ายรูปแล้วให้มันแปลงเป็นตารางได้เลยครับ

แต่กรอบเหลืองข้างล่างสำคัญมาก ต้องทำ 2 อย่างเสมอ

หนึ่ง — สั่งว่า 'ถ้าอ่านไม่ชัดให้ใส่เครื่องหมายคำถาม อย่าเดา' ถ้าไม่สั่ง มันจะเดาให้ตามนิสัยของมัน แล้วเราจะไม่รู้เลยว่าตัวไหนคือของจริงตัวไหนคือของเดา

สอง — สุ่มตรวจกับต้นฉบับอย่างน้อย 10% ก่อนเอาไปวิเคราะห์ ถือเป็นขั้นตอนบังคับ ไม่ใช่ทางเลือก เพราะถ้าข้อมูลดิบผิด ผลวิเคราะห์ทั้งเล่มผิดหมด"

Script

"This saves an enormous amount of time for anyone doing survey work.

You come back from the field with 60 handwritten forms. Normally that's a day of typing.

Photograph them and have it build the table.

But the yellow box matters. Two things, always.

One — instruct it that unclear entries get a question mark and it must not guess. Without that instruction it will guess, by nature, and you'll have no way to tell real data from invented data.

Two — spot-check at least 10% against the originals before you analyse anything. That's mandatory, not optional. If the raw data is wrong, every result built on it is wrong."

พูด

"ตรงนี้คือฟีเจอร์ที่ผมคิดว่ามีค่าที่สุดสำหรับพวกคุณครับ

ปัญหาที่ทุกคนเจอคือ — เปิดแชทใหม่ทีไร ต้องเล่าเรื่องวิทยานิพนธ์ตัวเองใหม่หมดทุกครั้ง 'ฉันทำเรื่องนี้ กลุ่มตัวอย่างแบบนี้ ใช้ทฤษฎีนี้' น่าเบื่อมาก

Project แก้ปัญหานี้จบ

คิดง่ายๆ ว่ามันคือโฟลเดอร์ที่มีความจำ เราใส่ไฟล์อ้างอิงเข้าไปครั้งเดียว เขียนคำสั่งประจำครั้งเดียว จากนั้นทุกแชทที่เปิดใน Project นี้จะรู้บริบทเราหมดตั้งแต่คำแรก

เปรียบเทียบง่ายๆ คือ จากผู้ช่วยที่ความจำเสื่อมทุกวัน กลายเป็นผู้ช่วยประจำตัวที่ทำงานกับเรามาเป็นปี"

Script

"This is the feature I think is most valuable to you.

The problem everyone has is re-explaining your work every time you open a new chat. Tedious.

Projects end that.

Think of it as a folder with a memory. Put your reference files in once, write your standing instructions once, and from then on every chat inside that Project knows your context from the first word.

Put simply: it goes from an assistant with amnesia to an assistant who has worked with you for a year."

พูด

"สร้าง Project ไม่ยากเลยครับ ผมทำให้ดูทีละขั้น

ขั้นที่ 2 ตั้งชื่อตามงานจริง อย่าตั้งว่า 'ทดลอง' หรือ 'test' เพราะอันนี้คุณจะใช้ต่อไปอีกนาน

ขั้นที่ 3 ไฟล์อ้างอิง — ใส่เท่าที่มีก่อนได้ ไม่ต้องครบ แล้วค่อยเพิ่มทีหลัง Project ไม่ได้ล็อก

ขั้นที่ 4 คำสั่งประจำ คือหัวใจของ Project ทั้งหมด เพราะมันคือสิ่งที่ทำให้ทุกแชทในนี้รู้จักเราตั้งแต่คำแรก เดี๋ยวสไลด์หน้ามีตัวอย่างเต็มให้คัดลอกไปใช้ได้เลย

พอสร้างเสร็จ เวลาจะใช้ ต้องกด New chat จากข้างในตัว Project นะครับ ไม่ใช่กดจากหน้าหลัก ไม่งั้นมันจะเป็นแชทธรรมดาที่ไม่รู้จักบริบทเรา — อันนี้คนพลาดกันบ่อยที่สุด"

Script

"Creating a Project is straightforward. I'll walk through it.

At step 2, name it after the real work. Don't call it 'test' — this is something you'll be using for a long time.

At step 3, reference files — add whatever you have now, it doesn't need to be complete. You can add more later; a Project isn't locked.

Step 4, the standing instructions, is the heart of the whole thing, because that is what makes every chat inside it know who you are from the first word. The next slide has a full example you can copy.

Once it's built, when you want to use it, you must click New chat from inside the Project, not from the home screen. Otherwise you get an ordinary chat that knows nothing about your context — and that is the mistake people make most often."

พูด

"อันนี้คัดลอกไปใช้ได้เลย ปรับแค่หัวข้อวิทยานิพนธ์กับกรอบแนวคิดของตัวเอง มีในเอกสารแจกด้วย

ผมอยากให้ดูส่วนสุดท้ายเป็นพิเศษ — 'กฎที่ห้ามละเมิด'

บรรทัดที่ว่า 'ห้ามสร้างรายการอ้างอิงหรือ DOI ที่คุณไม่แน่ใจว่ามีอยู่จริง ถ้าไม่แน่ใจให้บอกว่าต้องไปค้นยืนยันเอง'

บรรทัดนี้ช่วยชีวิตวิทยานิพนธ์คุณได้เลยครับ เพราะมันลดโอกาสที่ AI จะแต่งอ้างอิงลงไปเยอะมาก

แต่ย้ำนะครับว่า 'ลด' ไม่ใช่ 'หมด' — ยังต้องตรวจเองอยู่ดี ไม่มีคำสั่งวิเศษไหนที่ทำให้เลิกตรวจได้"

Script

"Copy this straight out; change the topic and framework to your own. It's in the handout too.

I want you to look at the last section especially — 'rules you must never break'.

That line about 'never invent a citation or DOI you aren't certain exists — if unsure, say you'll need to verify it yourself'?

That line can save your thesis, because it substantially reduces the chance the AI fabricates a reference.

But note that it says 'reduces', not 'eliminates' — you still have to check. There is no magic instruction that lets you stop checking."

พูด

"Artifacts คือเวลาเราขอของที่เป็นชิ้นเป็นอัน มันจะไม่พ่นข้อความในแชท แต่เปิดหน้าต่างแยกทางขวามือแล้วสร้างของจริงให้ดู

และเราแก้ต่อได้เรื่อยๆ บอกว่า 'เปลี่ยนสีหัวข้อเป็นเขียว' หรือ 'เพิ่มหัวข้อเรื่องอาหาร' มันแก้ให้ในที่เดิมเลย ไม่ต้องสร้างใหม่

อันที่ผมคิดว่าเซอร์ไพรส์คนมากที่สุดคืออันสุดท้าย — หน้าเว็บที่กดโต้ตอบได้ เช่นแบบประเมินที่กรอกบนมือถือแล้วรวมคะแนนให้เอง"

Script

"Artifacts is what happens when you ask for something concrete. Instead of dumping text into the chat, it opens a separate panel on the right and builds the real thing.

And you keep editing it. Say 'make the headings green' or 'add a section on diet' and it edits in place — no starting over.

The one that surprises people most is the last — an interactive web page, such as an assessment form that totals its own score on a phone."

พูด

"อันนี้ผมทำสดให้ดูเลยนะครับ

(ทำ demo อินโฟกราฟิก)

เห็นไหมครับ ใช้เวลาไม่ถึงนาที ได้สื่อที่เอาไปปรับต่อแล้วใช้ได้จริง

สังเกตคำสั่งนะครับ ผมใส่ 'สายตาไม่ดี' และ 'พิมพ์ขาวดำแล้วยังอ่านออก' เข้าไปด้วย — สองบรรทัดนี้คือความรู้เชิงวิชาชีพของเราที่ AI ไม่มีทางรู้เอง ว่าสื่อสำหรับผู้สูงอายุในชุมชนต้องคำนึงถึงอะไร และ รพ.สต. ส่วนใหญ่ปริ๊นต์ขาวดำ

นี่คือประเด็นสำคัญที่สุดครับ — AI ทำงานเก่ง แต่ความรู้ว่า "งานที่ดีต้องเป็นยังไง" มาจากพวกคุณ

ส่วนอันที่สอง แบบประเมิน ADL ที่กรอกบนมือถือแล้วคิดคะแนนให้เอง — อันนี้ปกติต้องจ้างคนทำเว็บ ตอนนี้เราทำเองได้เลย และเปิดใช้ตอนเยี่ยมบ้านได้จริง"

Script

"Let me do this live.

(demo the infographic)

Under a minute, and you have material you can adjust slightly and genuinely use.

Look at the brief. I included 'poor eyesight' and 'must still be readable in black and white'.

Those two lines are professional knowledge the AI could never supply — that materials for older people in a community have specific requirements, and that most local health centres print in black and white.

That is the central point of the whole day — AI does the work, but the knowledge of what good work looks like comes from you.

The second one, an ADL assessment that scores itself on a phone — that normally means hiring a web developer. Now you can build it yourself, and use it during an actual home visit."

พูด

"สร้างเสร็จแล้วแชร์ให้คนอื่นได้ครับ กด Share ได้ลิงก์ ส่งให้ อสม. เปิดดูได้เลยโดยไม่ต้องมีบัญชี

แต่กรอบเหลืองอ่านให้ครบนะครับ — ก่อนกดแชร์ทุกครั้ง ถามตัวเอง 2 ข้อ

โดยเฉพาะข้อ 2 'ถ้าลิงก์นี้หลุดไปในกลุ่มไลน์หมู่บ้าน จะมีปัญหาไหม' เพราะในชุมชน ลิงก์มันเดินทางเร็วกว่าที่เราคิดเสมอ"

Script

"Once you've built something you can share it. Click Share, get a link, send it — no account needed at the other end.

But read the yellow box properly — two questions before every share.

Question 2 especially: 'if this link leaked into a community group chat, would that be a problem?' Because in small communities links travel faster than anyone expects."

พูด

"Claude ค้นเว็บให้ได้ครับ ซึ่งสำคัญมาก เพราะมันมี 'วันหมดอายุความรู้'

มันเรียนจากข้อมูลถึงช่วงเวลาหนึ่งแล้วหยุด เรื่องที่เกิดหลังจากนั้นมันไม่รู้ แต่มันอาจตอบเหมือนรู้ ซึ่งอันตราย

เพราะฉะนั้นเรื่องที่อัปเดตเร็ว — แนวปฏิบัติล่าสุด สถิติปัจจุบัน นโยบายกระทรวง — ต้องสั่งให้ค้นเว็บเสมอ

และสังเกตคำสั่งบนจอนะครับ ผมสั่ง 2 อย่างเพิ่ม: 'แนบลิงก์ต้นทางพร้อมปีที่เผยแพร่' และ 'ถ้าหาแหล่งที่น่าเชื่อถือไม่ได้ ให้บอกตรงๆ ว่าไม่พบ'

ประโยคหลังสำคัญมาก เพราะมันเปิดทางให้ AI ยอมรับว่าไม่รู้ แทนที่จะมโน

แต่ถึงมันจะแนบลิงก์มาแล้ว เราก็ยังต้องกดเข้าไปดูเองอยู่ดี เพราะลิงก์ที่มันหามาอาจเป็นบล็อกที่ใครก็เขียนได้ ไม่ใช่แหล่งวิชาการ"

Script

"Claude can search the web, which matters because it has a knowledge expiry date.

It learned up to a certain point and stopped. Anything after that it doesn't know — but it may answer as though it does, which is dangerous.

So for anything that moves fast — current guidelines, current statistics, government policy — always instruct it to search.

Notice two extra instructions in the brief: 'attach the source link with the year' and 'if you can't find a credible source, say so plainly.'

That second one matters because it gives the AI permission to admit ignorance instead of inventing.

But even with links attached, you still have to open them, because what it found might be somebody's blog rather than a real source."

พูด

"ทีนี้มาถึงฟีเจอร์ที่เปลี่ยนวิธีทำงานมากที่สุด และเป็นฟีเจอร์ที่คนงงชื่อมากที่สุดด้วย

ผมจะเริ่มจากของที่คุณกดจริงก่อน แล้วค่อยอธิบายทฤษฎีทีหลัง จะได้ไม่งง

สิ่งที่คุณจะเห็นในแอป Claude เรียกว่า Connectors แปลตรงตัวคือ 'ตัวเชื่อม'

หน้าที่ของมันคือ ต่อ Claude เข้ากับโปรแกรมที่เราใช้อยู่แล้ว เช่น Google Drive, ปฏิทิน, Gmail

ดูความต่างบนจอนะครับ

ปกติ เราคือคนขนของ — เปิด Drive หาไฟล์ ดาวน์โหลด อัปโหลดเข้า Claude ได้คำตอบ คัดลอก เปิด Docs วาง จัดหน้า เหนื่อยมาก

พอเชื่อมแล้ว เราสั่งประโยคเดียว มันเข้าไปทำให้ทั้งหมด

พูดง่ายๆ คือ จากผู้ช่วยที่ทำได้แค่พูด กลายเป็นผู้ช่วยที่ลงมือทำได้จริง"

Script

"Now the feature that changes how you work the most — and the one with the most confusing name.

I'm going to start with what you actually click, then explain the theory afterwards, so it doesn't get muddled.

What you see in the Claude app is called Connectors.

Their job is to connect Claude to programs you already use — Google Drive, Calendar, Gmail.

Look at the difference on screen.

Normally you're the courier — open Drive, find the file, download, upload, get the answer, copy, open Docs, paste, format. Exhausting.

With a Connector you give one instruction and it does the whole chain.

Put simply: from an assistant that can only talk, to one that actually does things."

พูด

"ตัวที่พวกเราได้ใช้จริงมีไม่กี่ตัวครับ ส่วนใหญ่อยู่ในตระกูล Google ที่เราใช้กันอยู่แล้ว

Google Drive อันนี้มีค่าที่สุดสำหรับสายวิจัย เพราะเราเก็บงานวิจัยไว้ใน Drive กันอยู่แล้ว พอเชื่อมแล้วเราถามข้ามไฟล์ได้ทั้งโฟลเดอร์ — ประโยคตัวอย่างบนจอนั้นทรงพลังมากนะครับ 'อ่านทุกไฟล์ในโฟลเดอร์บทที่ 2 แล้วบอกว่ายังขาดประเด็นอะไร'

Google Calendar อันนี้พยาบาลชุมชนน่าจะชอบ เพราะการจัดคิวลงพื้นที่ให้ลงตัวเป็นงานที่กินเวลาจริงๆ

Google Sheets ถามข้อมูลสำรวจได้ตรงๆ ไม่ต้องเปิดสูตร"

Script

"Only a handful will matter to you, mostly in the Google family you already use.

Google Drive is the most valuable for research work, because your papers are already in Drive. Once connected you can ask across an entire folder — and that example on screen is genuinely powerful: 'read every file in the Chapter 2 folder and tell me which themes are still missing'.

Google Calendar — scheduling field visits so they actually fit is a real time sink.

Google Sheets — ask your survey data questions directly, without touching a formula."

พูด

"ขั้นตอนไม่ยากครับ 5 ขั้นตามจอ

แต่ผมขอเน้นขั้นที่ 4 — ตรงที่หน้าต่างของ Google เด้งขึ้นมาขออนุญาต ให้อ่านให้ครบว่าเขาขออะไรบ้าง

คนส่วนใหญ่กด Allow ทันทีโดยไม่อ่าน ซึ่งเป็นนิสัยที่อันตรายมาก โดยเฉพาะกับคนที่มีข้อมูลงานอยู่ในบัญชีนั้น

และข้อความล่างสุด — ยกเลิกได้ตลอดเวลา ไม่ได้ผูกมัด ถ้าใช้แล้วไม่สบายใจ กลับมากด Disconnect ได้เลย"

Script

"The steps are straightforward, as shown.

But I want to emphasise step 4 — when Google's permission window appears, read what it's actually asking for.

Most people click Allow instantly without reading, which is a dangerous habit, particularly if that account holds work data.

And the line at the bottom — revocable at any time. You're not locked in. If it doesn't feel right, come back and Disconnect."

พูด

"สไลด์นี้ขอความสนใจครับ

การกด Connect เท่ากับการยื่นกุญแจให้ — Claude เข้าไปอ่านของในนั้นได้จริง ไม่ใช่แค่เห็นชื่อไฟล์

เพราะฉะนั้นกฎข้อแรกคือ ห้ามเชื่อมกับระบบงานที่มีข้อมูลส่วนบุคคลของคนอื่น ไม่ว่าจะเป็นเวชระเบียน ฐานข้อมูลลูกค้า ทะเบียนพนักงาน หรือฐานข้อมูลนักเรียน

อันนี้ไม่ใช่แค่เรื่องความปลอดภัยทางเทคนิค แต่ผิดกฎหมาย PDPA ตรงๆ

ที่เชื่อมได้คือบัญชีส่วนตัวที่เก็บเอกสารของเราเอง ซึ่งไม่มีข้อมูลระบุตัวใคร

และกฎ 3 ข้อล่างสุด ผมอยากให้ใช้ทุกครั้งก่อนกด Connect

โดยเฉพาะข้อ 2 — ถ้าเป็นบัญชีขององค์กร ต้องขออนุญาตก่อนเสมอ ไม่ใช่เรื่องที่เราตัดสินใจเองได้ แม้เราจะมีสิทธิ์เข้าถึงบัญชีนั้นอยู่แล้วก็ตาม

สิทธิ์เข้าถึง กับ สิทธิ์ส่งต่อ เป็นคนละเรื่องกัน"

Script

"Attention on this one.

Clicking Connect is handing over a key — Claude can genuinely read what's in there, not just see filenames.

So rule one: never connect systems holding other people's personal data, whether that's medical records, a customer database, a staff register or student records.

This isn't merely a technical security matter — it breaches PDPA directly.

What is safe to connect is your own personal account with your own documents, containing nothing that identifies anyone.

And use those three questions every time before clicking Connect.

Number 2 especially — if it's an organisational account, permission comes first, always. Even if you already have access to that account.

Having access and having the right to pass data on are two different things."

พูด

"อันนี้พูดสั้นๆ ให้รู้ว่ามีครับ

Skills คือการสอน Claude ให้ทำงานตามแบบฟอร์มของเรา เขียนวิธีทำไว้ครั้งเดียว แล้วเรียกใช้ได้ตลอด

เหมาะกับงานที่ทำซ้ำแบบเดิมทุกเดือน เช่นรายงานเยี่ยมบ้านประจำเดือน ที่ต้องมีหัวข้อเดิมๆ เรียงแบบเดิมทุกครั้ง

วันนี้แค่รู้ว่ามีก็พอครับ ไว้ใช้ Claude คล่องแล้วค่อยกลับมาลอง"

Script

"Briefly, so you know it exists.

Skills means teaching Claude your own working format. Write the procedure once, then call on it whenever.

It suits work you repeat identically every month — a monthly report with the same sections in the same order.

For today, knowing it exists is enough. Come back to it once Claude is second nature."

พูด

"Memory คือความจำข้ามแชท ต่างจาก Projects ตรงที่ Projects เราเป็นคนใส่เอง แต่ Memory มันเก็บเองจากที่เราคุย

ข้อดีคือสะดวก แต่ข้อควรระวังสำหรับพวกเราคือ — มันอาจเก็บสิ่งที่เราไม่ตั้งใจให้เก็บ

สมมติวันหนึ่งเราเผลอเล่าเคสผู้ป่วยแบบมีรายละเอียดเยอะไป มันอาจจำไว้

เพราะฉะนั้นผมแนะนำให้ เข้าไปดูเดือนละครั้ง ที่ Settings → Memory ว่ามันจำอะไรเราไว้บ้าง

ข้อดีคือมันโปร่งใสครับ เราเห็นทุกอย่างที่มันจำ และลบทีละอันได้ หรือปิดทั้งหมดไปเลยก็ได้ถ้าไม่สบายใจ"

Script

"Memory is cross-chat memory. It differs from Projects in that you fill Projects yourself, whereas Memory records things from your conversations on its own.

Convenient — but the thing to watch is that it may record something you didn't intend.

Suppose one day you described a case in more detail than you meant to. It might keep that.

So I recommend checking once a month under Settings → Memory to see what it holds.

The good news is that it's transparent — you can see everything it remembers and delete items one by one, or switch the whole thing off if you'd rather."

พูด

"สองอย่างสุดท้ายก่อน workshop

Cowork คือโหมดสำหรับงานยาวๆ สั่งแล้วปิดเครื่องไปได้ กลับมาดูผลทีหลัง วันนี้แค่รู้ว่ามี

ส่วนการใช้บนมือถือ อันนี้พยาบาลชุมชนได้ใช้แน่นอน

ผมชอบข้อ 2 ที่สุด — พูดใส่แทนพิมพ์ ลองนึกภาพว่าเราเพิ่งออกจากบ้านผู้ป่วย นั่งในรถ แล้วพูดสรุปสิ่งที่เจอลงไป ให้มันเรียบเรียงเป็นบันทึกให้ ดีกว่ากลับมานั่งนึกตอนดึกว่าบ้านไหนเจออะไร

แต่ดาวจันทร์ล่างสุดสำคัญนะครับ — รูปที่มีใบหน้า ชื่อ หรือ HN ผู้ป่วย ห้ามอัปโหลด ไม่มีข้อยกเว้น"

Script

"Two last things before the workshop.

Cowork is the mode for long jobs — set it going, close the laptop, check later. Just know it exists.

Mobile is the one you'll genuinely use in the field.

My favourite is the second — speak instead of typing. Picture leaving a house visit, sitting in the car, and talking through what you found so it writes the record for you. Far better than trying to reconstruct it late at night.

But the asterisk matters — photos showing faces, names or ID numbers must never be uploaded. No exceptions."

พูด

"อันนี้ยาวหน่อยเพราะมี 2 ส่วนครับ

ส่วนแรกสร้าง Project — อันนี้คือของที่คุณจะใช้ต่อไปอีกเป็นปี ไม่ใช่แค่วันนี้ ตั้งชื่อตามงานจริงเลยนะครับ อย่าตั้งว่า 'ทดลอง'

ส่วนที่สองผลิตสื่อจริง 1 ชิ้น ที่คุณเอาไปใช้ได้

เริ่มได้เลยครับ ใครติดพิมพ์ในแชท"

Script

"Two parts to this one, so it runs a bit longer.

Part one is the Project — this is something you'll keep using for the next year, not just today. Name it after real work, not 'test'.

Part two is producing one real thing you can actually use.

Off you go — type in chat if you get stuck."

พูด

"เคส 1 คือเคสที่ ป.โท ใช้บ่อยที่สุดครับ — ทำตารางสังเคราะห์งานวิจัย

แนบ PDF ไป 5-10 ชิ้นพร้อมกัน แล้วให้มันทำตารางให้ ปกติงานนี้ใช้เวลาเป็นสัปดาห์

แต่ผมอยากให้สังเกต บรรทัดสุดท้ายที่มีเครื่องหมายเตือน — 'ใช้เฉพาะข้อมูลจากไฟล์ที่แนบ ห้ามเติมจากความรู้ของคุณเอง'

บรรทัดนี้สำคัญมาก เพราะถ้าไม่สั่ง มันอาจเติมข้อมูลจากความจำของมันลงในตาราง ซึ่งเราจะแยกไม่ออกว่าอันไหนมาจากไฟล์จริง อันไหนมันเติมเอง

และข้อ 3 ในส่วนสรุป — 'ช่องว่างทางความรู้ที่ยังไม่มีใครศึกษาในบริบทไทย' — อันนี้แหละครับที่จะกลายเป็นเหตุผลในการทำวิจัยของคุณ

เคส 2 ช่วยเรื่องคำค้น หลายคนเสียเวลาตรงนี้มากเพราะไม่รู้ว่าต้องใช้ MeSH term ไหน"

Script

"Case 1 is the one Master's students use most — the evidence table.

Attach five to ten PDFs and have it build the table. That work normally takes a week.

But notice the last line with the warning symbol — 'use only what is in the attached files, do not add anything from your own knowledge'.

That line matters enormously, because without it the AI may fill the table from its own memory, and you'd have no way to distinguish what came from the real files from what it added.

And point 3 in the summary — 'the research gap nobody has studied in the Thai context' — that is what becomes your justification for doing the study at all.

Case 2 helps with search terms, where many people lose time not knowing which MeSH term to use."

พูด

"เคส 3 นี่มีค่ามากครับ เพราะปัญหาอันดับหนึ่งของวิทยานิพนธ์ ป.โท คือ คำถามวิจัยกว้างเกินไป แล้วเก็บข้อมูลไม่ทัน

สังเกตบรรทัดสุดท้ายนะครับ — 'ในบริบทที่ฉันเป็น นศ.ป.โท มีเวลาเก็บข้อมูล 4 เดือน ทำคนเดียว'

บรรทัดนี้ทำให้ข้อเสนอที่ได้เป็นไปได้จริง ไม่ใช่งานระดับที่ต้องมีทีมวิจัย 5 คนกับทุน 2 ล้าน

เคส 4 คือเคสที่ผมคิดว่าช่วยได้เยอะที่สุดก่อนสอบ — ให้มันตรวจความสอดคล้องของบทที่ 1 ถึง 3

เพราะข้อที่กรรมการชอบจับที่สุดคือ 'วัตถุประสงค์ข้อนี้ ไม่มีเครื่องมือวัดนะ' หรือ 'สมมติฐานข้อนี้ไม่ตรงกับกรอบแนวคิดที่อ้าง' — ให้ AI ไล่ตรวจก่อนได้ครับ

แต่ย้ำว่ามันช่วยจับ ไม่ได้ช่วยตัดสิน คำตัดสินสุดท้ายอยู่ที่อาจารย์ที่ปรึกษาเสมอ"

Script

"Case 3 is genuinely valuable, because the number one problem with Master's theses is a research question that's too broad, and then the data collection doesn't finish.

Notice the last line — 'I'm a Master's student with 4 months to collect data, working alone'.

That line makes the proposals realistic, rather than something requiring a team of five and a two-million-baht grant.

Case 4 is the one I think helps most before a defence — have it check consistency across chapters 1 to 3.

Because what examiners catch most often is 'this objective has no instrument measuring it' or 'this hypothesis doesn't follow from the framework you cited'. Let the AI sweep for those first.

But note it helps you catch things, not decide things. The final judgement is always your supervisor's."