คู่มือฟรี · เปลี่ยนพรอมต์ไวรัลให้เป็นการตรวจสอบงานจริง
วิธีหางานที่ควรส่งต่อให้ AI ทำ
คุณไม่ต้องมีแผน แค่ต้องมีคำตอบที่ตรงไปตรงมาหนึ่งข้อ และเวลาสองสัปดาห์ในการทดสอบมัน
พรอมต์ที่ Nat Eliason แชร์บน X ให้ผู้ช่วย AI ของคุณบอกว่าคุณเป็นคอขวดตรงไหนที่ตัวมันเองหรือ AI agent อื่นสามารถรับช่วงต่อได้ หากถามเดี่ยวๆ ผู้ช่วยส่วนใหญ่จะเดา เพราะไม่มีความจำ เครื่องมือ หรือหลักฐานจริงเกี่ยวกับงานของคุณ สามเวอร์ชันที่แก้ปัญหานี้ได้คือ เวอร์ชันสำหรับผู้ช่วยที่มีความจำหรือโปรเจกต์ที่บันทึกไว้ เวอร์ชันที่คุณวางข้อมูลงานจริงหนึ่งสัปดาห์ และเวอร์ชันที่หัวหน้าทีมใช้กับลิสต์งานได้ เมื่อได้คำตอบแล้ว ให้เลือกงานหนึ่งอย่าง เขียนไว้ว่าผลลัพธ์ที่ดีควรเป็นอย่างไร ทดลองใช้สองสัปดาห์ และตรวจผลลัพธ์ทุกครั้งกับสิ่งอื่นที่ไม่ใช่ AI เอง
เผยแพร่เมื่อ
สรุปประเด็นสำคัญ
- พรอมต์ที่ Nat Eliason แชร์บน X ให้ AI ของคุณบอกว่าคุณเป็นคอขวดตรงไหนที่ตัวมันเองหรือ AI agent อื่นรับช่วงต่อได้ และมันแพร่กระจายเร็วเพราะคำถามมีประโยชน์ แม้คำตอบแบบตรงๆ จะไม่ค่อยมีประโยชน์ก็ตาม
- เมื่อถามโดยไม่มีข้อมูลอื่นให้ใช้ ผู้ช่วย AI ส่วนใหญ่จะเดา เพราะมองไม่เห็นปฏิทิน อีเมล หรือลิสต์งานจริงของคุณ และคำเดาที่แต่งให้ดูเหมือนคำตอบนั้นแย่กว่าการไม่มีคำตอบเลย
- มีสามเวอร์ชันที่ดีกว่าให้เลือก คือเวอร์ชันสำหรับผู้ช่วยที่มีความจำหรือโปรเจกต์ที่บันทึกไว้ เวอร์ชันที่คุณวางข้อมูลงานจริงของคุณหนึ่งสัปดาห์ และเวอร์ชันที่หัวหน้าทีมใช้กับลิสต์งานของทีมได้
- เลือกงานหนึ่งอย่างจากคำตอบที่ได้ เขียนไว้ว่าผลลัพธ์ที่ดีควรเป็นอย่างไรก่อนส่งงานให้ไปทำ และให้เวลาสองสัปดาห์ก่อนตัดสินว่าได้ผลหรือไม่
- ตรวจผลลัพธ์ทุกครั้งกับสิ่งอื่นที่ไม่ใช่ตัว AI เอง เช่น แหล่งข้อมูลต้นฉบับ คนจริง หรือการทดสอบ และคงการส่งต่องานไว้เฉพาะเมื่อคุณสบายใจที่จะไม่ต้องย้อนกลับแก้มันเลย
- ห้ามวางรายละเอียดปฏิทินที่เป็นความลับ ชื่อลูกค้า ตัวเลขเงินเดือน หรือข้อมูลอื่นที่นายจ้างยังไม่อนุมัติลงในเครื่องมือ AI แม้จะเป็นแค่การฝึกแบบนี้ก็ตาม
คัดลอกไปใช้ได้เลย
พรอมต์ที่ใช้ได้ทันทีวันนี้
พรอมต์ต้นฉบับ ตามที่แชร์บน X
จากทุกอย่างที่ฉันทำ เท่าที่คุณรู้ จุดไหนที่ฉันเป็นคอขวดซึ่งคุณหรือ AI agent อื่นสามารถรับช่วงต่อได้
มาจากพรอมต์ที่ Nat Eliason แชร์บน X ให้มองว่าเป็นแค่จุดเริ่มต้นของการสนทนา ไม่ใช่การตรวจสอบที่เสร็จสมบูรณ์ คาดได้ว่าคำตอบแรกจะกว้างๆ เว้นแต่ผู้ช่วยของคุณมีข้อมูลจริงเกี่ยวกับงานของคุณให้ใช้อยู่แล้ว
สำหรับผู้ช่วยที่มีความจำหรือโปรเจกต์ที่บันทึกไว้
จากทุกอย่างที่คุณรู้อยู่แล้วว่าฉันทำงานอย่างไร จากบทสนทนาและไฟล์โปรเจกต์ที่บันทึกไว้ จุดไหนที่ฉันเป็นคอขวด ขั้นตอนไหนที่ตอนนี้มีแค่ฉันที่ทำได้ และข้อไหนที่คุณหรือ AI agent อื่นควรรับช่วงต่อก่อนเป็นอันดับแรก สำหรับแต่ละข้อ บอกด้วยว่าต้องการข้อมูลอะไรจากฉันเพื่อทำได้จริง และระบุด้วยว่าจุดไหนที่คุณกำลังเดาแทนที่จะอ้างอิงจากสิ่งที่ฉันบอกคุณตรงๆ
ใช้กับผู้ช่วยที่จำข้อมูลข้ามเซสชันได้ หรือมีโปรเจกต์หรือโน้ตบุ๊กที่บันทึกงานจริงของคุณไว้แล้ว ประโยคเพิ่มเติมเรื่องการเดานั้นสำคัญมาก เพราะช่วยกันไม่ให้คำตอบที่ฟังดูมั่นใจถูกเข้าใจผิดว่าเป็นคำตอบที่ผ่านการค้นคว้ามาแล้ว
เวอร์ชัน 'วางข้อมูลงานหนึ่งสัปดาห์'
นี่คือสิ่งที่สัปดาห์ของฉันเป็นจริงๆ: [วางข้อมูลปฏิทินที่ส่งออกมา ลิสต์งานของคุณ และอีเมลที่ส่งไปหนึ่งหรือสองวัน โดยลบชื่อ รายละเอียดลูกค้า และข้อมูลอ่อนไหวทั้งหมดออก] อ้างอิงจากสิ่งที่อยู่ตรงหน้าคุณเท่านั้น ไม่ใช่การเดาว่างานของฉันคืออะไร จุดไหนที่ฉันเป็นคอขวด และงานเฉพาะเจาะจงไหนในนี้ที่คุณหรือ AI agent อื่นควรรับช่วงต่อก่อนได้จริง
เวอร์ชันนี้ใช้กับผู้ช่วยที่ไม่มีความจำเกี่ยวกับคุณเลย ลบข้อมูลที่เป็นความลับทั้งหมดก่อนวาง ข้อมูลจากไม่กี่วันที่เป็นตัวแทนก็บอกได้มากเท่ากับข้อมูลหนึ่งสัปดาห์เต็ม
เวอร์ชันสำหรับหัวหน้าทีม
นี่คือลักษณะงานของทีมฉันในเดือนนี้: [วางลิสต์งานของทีม สถานะงานล่าสุด และโน้ตว่าใครต้องอนุมัติอะไร] อ้างอิงจากข้อมูลนี้เท่านั้น จุดไหนที่มีคนทำขั้นตอนที่ AI agent จัดการได้ จุดไหนที่มีคนทำหน้าที่แค่อนุมัติโดยไม่ได้ทำงานจริง และการส่งต่องานข้อไหนข้อเดียวที่จะปลดเวลาได้มากที่สุดโดยเสี่ยงน้อยที่สุด ถ้าเราลองทำดูในสองสัปดาห์ข้างหน้า
ใช้คำถามนี้ในการประชุมวางแผน ไม่ใช่เป็นเรื่องเซอร์ไพรส์ สมาชิกทีมที่งานของพวกเขาอยู่ในลิสต์นี้ควรได้เห็นคำตอบก่อนที่จะมีการเปลี่ยนแปลงอะไรกับพวกเขา
คู่มือฉบับเต็ม
แตะที่หัวข้อใดก็ได้เพื่อเปิดอ่าน
เกี่ยวกับคู่มือนี้
ช่วงต้นเดือนพฤศจิกายน 2026 พรอมต์จาก Nat Eliason นักเขียนและผู้ประกอบการ แพร่กระจายอย่างรวดเร็วบน X โดยบอกให้ผู้ช่วย AI ของคุณ ไม่ว่าจะเป็น Claude ของ Anthropic, ChatGPT ของ OpenAI, Microsoft Copilot หรือ Gemini ของ Google ดูทุกอย่างที่คุณทำ แล้วชี้ว่าจุดไหนที่คุณเป็นคอขวดซึ่งตัวมันเองหรือ AI agent อื่นสามารถรับช่วงต่อได้ คำถามนี้ดีมาก แต่ปัญหาคือสิ่งที่เกิดขึ้นทันทีหลังถามคำถามนี้ เมื่อไม่มีข้อมูลอื่นให้ใช้ ผู้ช่วยส่วนใหญ่จะเดา และคำเดาที่แต่งให้ดูเหมือนคำตอบอาจทำให้คุณไล่ตามงานผิดไปเลย คู่มือนี้จะให้พรอมต์ต้นฉบับ สามเวอร์ชันที่ใช้ได้จริง และวิธีง่ายๆ ในการทดสอบคำตอบที่ได้ก่อนที่คุณจะเปลี่ยนวิธีทำงาน
ทำไมมักไม่ได้ผลทำไมพรอมต์แบบธรรมดามักได้คำตอบกว้างๆ
คำถามที่โพสต์ของ Nat Eliason ถามนั้นดีมาก แต่เหตุผลที่เวอร์ชันพื้นฐานมักทำให้ผิดหวังไม่เกี่ยวกับตัวคำถามเลย แต่เกี่ยวกับสิ่งที่ AI มีให้ใช้จริงๆ
มันรู้แค่สิ่งที่อยู่ในข้อความนั้นข้อความเดียว
เมื่อพิมพ์โดดๆ ไม่มีบริบทอื่น พรอมต์นี้ไม่ได้ให้อะไรกับ AI ให้ดูนอกจากตัวมันเอง มันไม่มีบันทึกวันทำงานจริงของคุณ จึงต้องสร้างงานและคอขวดที่ฟังดูสมเหตุสมผลขึ้นมาเอง ซึ่งเป็นการเดาที่สวมรูปร่างของคำตอบ
ไม่มีความจำ ก็ไม่มีแพทเทิร์นให้ชี้
คนที่เฝ้าดูคุณทำงานมาหนึ่งเดือนสามารถบอกคอขวดของคุณได้ เพราะเขาเห็นมันเกิดขึ้นมากกว่าหนึ่งครั้ง แต่ผู้ช่วยที่เริ่มบทสนทนาใหม่นั้นเฝ้าดูคุณทำงานมาเป็นเวลาศูนย์นาทีพอดี
ไม่มีเครื่องมือเชื่อมต่อ ก็ไม่มีหลักฐานจริง
มันเปิดปฏิทิน อ่านอีเมล หรือดูลิสต์งานจริงของคุณไม่ได้ เว้นแต่คุณจะให้สิทธิ์เข้าถึงหรือวางข้อมูลให้เอง เมื่อไม่มีหลักฐาน คำตอบที่ฟังดูเจาะจงก็ยังเป็นการเดาอยู่ดี เพียงแต่เป็นการเดาที่มั่นใจกว่า
คำถามกว้างๆ ก็ได้คำตอบกว้างๆ และบางครั้งก็ไร้สาระ
หนึ่งในคำตอบที่ถูกแชร์กันมากต่อโพสต์ต้นฉบับคือภาพตลกแทนที่จะเป็นคำตอบจริง ซึ่งเตือนให้รู้ว่า AI ที่ไม่มีข้อมูลให้ใช้ก็ยังผลิตอะไรบางอย่างออกมาได้ แต่ไม่ใช่สิ่งที่คุณควรนำไปทำตาม
สามจุดเริ่มต้นที่ดีกว่าให้พรอมต์มีข้อมูลจริงให้ใช้
คำถามต้นฉบับเป็นจุดเริ่มต้นที่ดี สามเวอร์ชันข้างต้นนี้ชี้ให้ AI ใช้ข้อมูลจริงเกี่ยวกับงานของคุณ แทนที่จะให้มันเดา
ถ้าผู้ช่วยของคุณมีความจำหรือโปรเจกต์ที่บันทึกไว้
ผู้ช่วยที่จำข้อมูลข้ามการสนทนาได้ หรือมีโปรเจกต์หรือโน้ตบุ๊กที่บันทึกเอกสารจริงของคุณไว้แล้ว มีข้อมูลให้ใช้คิดวิเคราะห์ ให้บอกมันให้ระบุจุดที่ยังเดาอยู่ แทนที่จะอ้างอิงจากสิ่งที่คุณบอกไปจริงๆ
ถ้ามันไม่มีความจำเลย
วางข้อมูลปฏิทินที่ส่งออกมา ลิสต์งานของคุณ และอีเมลที่ส่งไปหนึ่งหรือสองวัน โดยลบข้อมูลอ่อนไหวออก ข้อมูลจากไม่กี่วันที่เป็นตัวแทนของงานจริงดีกว่าคำอธิบายตำแหน่งงานที่สมบูรณ์แบบ
ถ้าคุณบริหารทีม
ใช้เวอร์ชันสำหรับหัวหน้าทีมในการประชุมวางแผน โดยมีลิสต์งานจริงและสถานะงานอยู่ตรงหน้า และให้คนที่งานของพวกเขาอยู่ในลิสต์นั้นได้เห็นคำตอบก่อนที่จะมีการเปลี่ยนแปลงใดๆ
ถ้าไม่แน่ใจว่าควรใช้เวอร์ชันไหน
เริ่มด้วยพรอมต์ต้นฉบับแบบธรรมดาไปก่อนก็ได้ เมื่อคำตอบแรกรู้สึกกว้างๆ นั่นคือสัญญาณให้คุณตามด้วยข้อมูลสัปดาห์ โปรเจกต์ หรือลิสต์งานที่เจาะจง ซึ่งเป็นสิ่งที่เวอร์ชันแรกขาดไป
งานตัวจริงควรทำอะไรกับคำตอบที่ได้
ไม่ว่าคุณจะใช้พรอมต์เวอร์ชันไหน คุณจะได้ลิสต์งานที่เป็นตัวเลือกสั้นๆ กลับมา ไม่ใช่คำตอบเดียวที่ชัดเจน อย่าใจร้อนลองทำทุกข้อพร้อมกัน เลือกงานเดียว ควรเป็นงานที่ทำซ้ำได้ มีคำตอบที่ถูกชัดเจน และจะไม่กลายเป็นหายนะถ้าการทดลองช่วงแรกออกมาผิด สรุปสถานะรายสัปดาห์เป็นตัวเลือกแรกที่ดีกว่างานที่เกี่ยวกับสัญญาลูกค้าหรือเงินเดือน
ก่อนส่งงานนั้นให้อะไรก็ตามทำ เขียนไว้ว่าผลลัพธ์ที่ดีควรเป็นอย่างไรจริงๆ ให้เจาะจง ไม่ใช่แค่ 'สรุปที่ดี' แต่ต้องเป็น 'มีตัวเลขสามตัวที่หัวหน้าถามทุกครั้ง ระบุสิ่งที่เปลี่ยนไปตั้งแต่สัปดาห์ก่อน และใส่ในหน้าเดียวได้' มาตรฐานที่เขียนไว้ล่วงหน้าเท่านั้นที่จะหยุดคุณจากการตัดสินงานของ AI ด้วยความรู้สึกแทนข้อเท็จจริง
จากนั้นทดลองใช้สองสัปดาห์ ไม่ใช่แค่ครั้งเดียว การทดลองครั้งเดียวบอกได้แค่ว่า AI ทำงานนี้ได้ครั้งหนึ่งในสภาวะที่เหมาะสมที่สุด โดยที่คุณเฝ้าจับตาดูอย่างใกล้ชิด แต่สองสัปดาห์จะบอกว่ามันรับมือได้หรือไม่ในวันที่ข้อมูลยุ่งเหยิงกว่าปกติ ขั้นตอนไหนถูกข้ามไป หรือมีอะไรที่ไม่ปกติเข้ามาซึ่งการทดลองครั้งแรกไม่เคยเจอ
ตรวจผลลัพธ์ทุกครั้งกับสิ่งอื่นที่ไม่ใช่ AI เช่น เอกสารต้นฉบับ คนที่รู้คำตอบที่ถูกต้องอยู่แล้ว หรือการทดสอบง่ายๆ ที่คุณทำเองได้ AI ที่ตรวจงานของตัวเองก็เหมือนตรวจการบ้านของตัวเอง และการตรวจซ้ำครั้งที่สองจากระบบเดียวกันที่ทำผิดพลาดมักจะมองข้ามข้อผิดพลาดนั้นอีกครั้ง
เมื่อครบสองสัปดาห์ ให้คงการส่งต่องานไว้เฉพาะเมื่อคุณสบายใจที่จะไม่ต้องย้อนกลับแก้ผลลัพธ์ข้อใดข้อหนึ่งที่มันผลิตออกมาเลย นี่เป็นมาตรฐานที่สูงกว่า 'มันประหยัดเวลา' และเป็นมาตรฐานที่ถูกต้อง เพราะงานที่คุ้มค่าจะทำให้เป็นระบบอัตโนมัติคืองานที่ถ้าคำตอบผิดหลุดออกไปครั้งหนึ่งก็ไม่ทำร้ายใครจริงๆ
แนวทางป้องกันความเสี่ยงทำให้การส่งต่องานปลอดภัยระหว่างทดสอบ
ทั้งหมดนี้จะไม่ได้ผลถ้ามันแอบสร้างปัญหาที่ใหญ่กว่าปัญหาที่กำลังแก้อยู่ นิสัยไม่กี่อย่างจะช่วยให้การทดลองอยู่ในขอบเขตที่ควบคุมได้
ห้ามใส่ข้อมูลลับในเครื่องมือที่นายจ้างยังไม่อนุมัติ
ชื่อลูกค้า ตัวเลขเงินเดือน แผนที่ยังไม่เปิดเผย และอะไรก็ตามที่มีข้อสัญญารักษาความลับ ต้องไม่เข้าไปอยู่ในบัญชี AI ส่วนตัว แม้จะเป็นการทดสอบสองสัปดาห์ก็ตาม ตรวจสอบกับนายจ้างก่อนว่าเครื่องมือและข้อมูลไหนที่ได้รับอนุญาตจริงๆ
ตรวจผลลัพธ์กับสิ่งอื่นที่ไม่ใช่ AI
เอกสารต้นฉบับ เพื่อนร่วมงานที่รู้คำตอบที่ถูกต้องอยู่แล้ว หรือการทดสอบที่คุณทำเอง การขอให้ AI ตัวเดียวกันตรวจงานของตัวเองซ้ำบอกอะไรได้น้อยมาก เพราะข้อผิดพลาดที่คุณกำลังหาก็คือข้อผิดพลาดที่มันทำไปแล้ว
ตัดสินว่า 'ดี' หมายถึงอะไรก่อนส่งงาน ไม่ใช่หลังจากนั้น
การเขียนมาตรฐานไว้ก่อนช่วยป้องกันไม่ให้คุณแอบลดมาตรฐานลงเมื่อผ่านไปไม่กี่วันและอยากให้การทดลองดูเหมือนได้ผล
ถ้าไม่อยากย้อนกลับแก้มัน ก็ยังไม่ควรทำให้เป็นอัตโนมัติ
งานพร้อมจะส่งต่อเมื่อผลลัพธ์ที่ผิดหลุดออกไปครั้งหนึ่งเป็นแค่ความน่ารำคาญ ไม่ใช่ปัญหาจริงจัง ถ้าการย้อนกลับแก้ความผิดพลาดนั้นสร้างความเจ็บปวด ให้คนตรวจผลลัพธ์ทุกครั้งต่อไปอีกสักพักก่อนปล่อยให้มันทำงานโดยไม่มีคนเฝ้าดู
การอ่านคำตอบทำไมคำตอบแรกเป็นแค่จุดเริ่มต้น ไม่ใช่คำตัดสิน
ควรใช้เวลาคิดว่าทำไมพรอมต์นี้โดยเฉพาะถึงได้รับความนิยมแบบนี้ คำแนะนำส่วนใหญ่เรื่องการทำงานกับ AI มักสมมติว่าคุณรู้แล้วว่างานไหนที่ควรส่งต่อ แล้วบอกวิธีทำให้ดี แต่พรอมต์นี้กลับด้าน มันขอให้ AI หางานให้คุณ ซึ่งเป็นสิ่งที่มีประโยชน์จริงๆ และยังเป็นจุดที่ผู้ช่วยที่ไม่มีข้อมูลจริงเกี่ยวกับงานของคุณมีโอกาสเดามากที่สุดพอดี
แต่นั่นไม่ใช่เหตุผลให้ข้ามเวอร์ชันพื้นฐานไป มันเป็นเหตุผลให้มองคำตอบของมันแบบเดียวกับที่คุณมองคำเดาแรกจากเพื่อนร่วมงานใหม่ที่พยายามช่วยก่อนที่เขาจะรู้จริงว่างานของคุณเป็นอย่างไร คือควรรับฟังไว้ แต่ไม่ควรลงมือทำตามโดยไม่ตรวจสอบก่อน การตามต่อ ไม่ว่าจะเป็นบทสนทนาที่มีความจำ ข้อมูลงานจริงหนึ่งสัปดาห์ หรือลิสต์งานของทีมเอง คือสิ่งที่เปลี่ยนคำเดาให้ใกล้เคียงกับข้อค้นพบจริงมากขึ้น
ความระมัดระวังแบบเดียวกันนี้ใช้ได้กับลิสต์งานที่เป็นตัวเลือกที่คุณได้กลับมาในที่สุด แม้จะมาจากพรอมต์เวอร์ชันที่มีข้อมูลครบถ้วนก็ตาม AI ที่จับแพทเทิร์นจากคำอธิบายงานของคุณอาจเสนอสิ่งที่ฟังดูถูกต้องเป๊ะ แต่ยังผิดในรายละเอียดที่จะทำให้มันปลอดภัยพอจะทำให้เป็นอัตโนมัติ นี่คือเหตุผลที่การทดสอบสองสัปดาห์และการตรวจสอบจากภายนอกในหัวข้อก่อนหน้ามีไว้เพื่ออะไร
หลังจากสองสัปดาห์ตัดสินว่าการส่งต่องานได้ผลหรือไม่
เมื่อครบสองสัปดาห์ คุณควรมีบันทึกเล็กๆ ที่เจาะจง คือ ผลลัพธ์ตรงตามมาตรฐานที่เขียนไว้บ่อยแค่ไหน ข้อมูลแบบไหนที่ทำให้มันพลาด และการตรวจงานใช้เวลาน้อยกว่าการทำงานเองอย่างมีนัยสำคัญหรือไม่ บันทึกนี้ ไม่ใช่ความรู้สึกทั่วไปว่ามัน "ไปได้ดี" คือสิ่งที่ควรใช้ตัดสินว่าจะส่งต่องานต่อไป ปรับเปลี่ยน หรือกลับมาเป็นงานของคุณเอง
ถ้าได้ผล อย่าใจร้อนขยายไปอีกห้างานในทันที ให้มันทำงานต่อไปอีกสักพักด้วยระดับการตรวจสอบเดิม จากนั้นขยายไปทีละงาน โดยใช้มาตรฐาน 'ก่อนส่งต่องาน' แบบเดียวกันทุกครั้ง นิสัยการเขียนไว้ว่าผลลัพธ์ที่ดีเป็นอย่างไร ทดสอบจริง และตรวจสอบกับสิ่งอื่นที่ไม่ใช่ AI คือส่วนที่ทบต้นได้จริง มากกว่างานเดี่ยวๆ ที่คุณส่งต่อในเดือนนี้มากนัก
การหางานเป็นทักษะหนึ่ง การส่งต่ออย่างดีเป็นอีกทักษะหนึ่ง
การอ่านเกี่ยวกับวิธีนี้กับการลงมือทำกับงานจริงของคุณเองเป็นคนละเรื่อง บทเรียนแรกของ Nightschool AI ฟรีและลงมือทำได้จริง คุณจึงลองเขียนมาตรฐานจริงสำหรับงานจริงได้ในสัปดาห์นี้ ตามจังหวะของคุณเอง
คำถามที่พบบ่อย
พรอมต์ "คอขวด" คืออะไรกันแน่ และมันมาจากไหน
มันคือพรอมต์ที่ Nat Eliason แชร์บน X โดยให้ผู้ช่วย AI ของคุณดูทุกอย่างที่คุณทำ แล้วบอกจุดที่คุณเป็นคอขวดซึ่งตัวมันเองหรือ AI agent อื่นสามารถรับช่วงต่อได้ มันแพร่กระจายเร็วเพราะคำถามนี้มีประโยชน์ แม้คำตอบแบบตรงๆ มักจะไม่มีประโยชน์ก็ตาม
ทำไมเวอร์ชันพื้นฐานของพรอมต์มักได้คำตอบที่คลุมเครือ
เมื่อพิมพ์โดดๆ พรอมต์นี้ไม่ได้ให้อะไรกับ AI ให้ดูนอกจากตัวมันเอง มันไม่มีความจำเกี่ยวกับงานจริงของคุณ ไม่มีสิทธิ์เข้าถึงปฏิทินหรือลิสต์งาน จึงต้องเดางานและคอขวดที่ฟังดูสมเหตุสมผล แทนที่จะชี้ไปที่หลักฐานจริง
เวอร์ชันที่ดีที่สุดของพรอมต์นี้คืออะไร ถ้าผู้ช่วยของฉันมีความจำหรือโปรเจกต์ที่บันทึกไว้
ให้มันดูสิ่งที่รู้อยู่แล้วจากบทสนทนาหรือไฟล์โปรเจกต์ที่บันทึกไว้ บอกจุดที่คุณเป็นคอขวด และระบุให้ชัดว่าจุดไหนที่มันกำลังเดา แทนที่จะอ้างอิงจากสิ่งที่คุณบอกไปจริงๆ ส่วนสุดท้ายนี้สำคัญมาก เพราะช่วยกันไม่ให้คำตอบที่ฟังดูมั่นใจถูกเข้าใจผิดว่าเป็นคำตอบที่ผ่านการค้นคว้ามาแล้ว
ถ้าผู้ช่วย AI ของฉันไม่มีความจำหรือเครื่องมือเชื่อมต่อเลยล่ะ
ให้วางข้อมูลจริงแทน เช่น ข้อมูลปฏิทินที่ส่งออกมา ลิสต์งานของคุณ และอีเมลที่ส่งไปหนึ่งหรือสองวัน โดยลบรายละเอียดอ่อนไหวออก ข้อมูลจากไม่กี่วันที่เป็นตัวแทนของงานจริงจะให้ AI มีอะไรใช้คิดวิเคราะห์ แทนที่จะเดาจากตำแหน่งงานของคุณ
หัวหน้าทีมควรใช้วิธีนี้แตกต่างจากคนทำงานคนเดียวอย่างไร
ใช้ร่วมกับลิสต์งานจริงของทีมและสถานะงานล่าสุดที่อยู่ตรงหน้า AI ในการประชุมวางแผน ไม่ใช่เป็นเรื่องเซอร์ไพรส์ และถามว่าใครทำหน้าที่แค่อนุมัติโดยไม่ได้ทำงานจริง ให้คนที่งานของพวกเขาอยู่ในลิสต์นั้นได้เห็นคำตอบก่อนที่จะมีการเปลี่ยนแปลงใดๆ กับพวกเขา
ควรทำอะไรจริงๆ เมื่อได้คำตอบมาแล้ว
เลือกงานที่มีความเสี่ยงต่ำหนึ่งอย่าง เขียนไว้ว่าผลลัพธ์ที่ดีควรเป็นอย่างไรก่อนส่งงานให้ไปทำ และทดลองใช้สองสัปดาห์แทนการตัดสินจากครั้งเดียว คงการส่งต่องานไว้เฉพาะเมื่อคุณสบายใจที่จะไม่ต้องย้อนกลับแก้ผลลัพธ์ข้อใดข้อหนึ่งที่มันผลิตออกมาเลย
วางข้อมูลปฏิทิน งาน หรืออีเมลลงในเครื่องมือ AI เพื่อทำแบบนี้ปลอดภัยไหม
ปลอดภัยเฉพาะเมื่อลบข้อมูลที่เป็นความลับออกก่อน และใช้ในเครื่องมือที่นายจ้างอนุมัติสำหรับข้อมูลประเภทนั้นจริงๆ ชื่อลูกค้า ตัวเลขเงินเดือน และแผนที่ยังไม่เปิดเผยต้องไม่เข้าไปอยู่ในบัญชี AI ส่วนตัว แม้จะเป็นการทดสอบสั้นๆ แบบนี้ก็ตาม
Nightschool AI มีความเกี่ยวข้องกับ Anthropic, OpenAI, Microsoft หรือ Google หรือไม่
ไม่ Nightschool AI เป็นอิสระและไม่มีความเกี่ยวข้องหรือได้รับการรับรองจาก Anthropic, OpenAI, Microsoft หรือ Google แต่อย่างใด Claude, ChatGPT, Copilot และ Gemini เป็นผลิตภัณฑ์ของบริษัทที่เป็นเจ้าของแต่ละรายการ ซึ่งถูกกล่าวถึงในที่นี้เพียงเพื่ออธิบายว่าเป็นอะไรและใช้งานกันอย่างไรทั่วไป
คำตอบที่ตรงไปตรงมาหนึ่งข้อ ผ่านการทดสอบสองสัปดาห์
พรอมต์ช่วยหาตัวเลือก แต่นิสัยการตรวจสอบคือสิ่งที่ทำให้การส่งต่องานปลอดภัย
พรอมต์ต้นฉบับมาจากโพสต์ของ Nat Eliason บน X (@nateliason) ที่แชร์ช่วงต้นเดือนพฤศจิกายน 2026