ถ้าเมื่อก่อนสิ่งที่คนสายเทคฯ ต้องมีคือ Coding Skill วันนี้สิ่งที่สำคัญไม่แพ้กันคือ Prompt Skill ความสามารถในการสื่อสารกับ AI ให้เข้าใจโจทย์ของเราได้อย่างแม่นยำ และมีประสิทธิภาพ เพราะในยุคที่ AI กลายเป็น “เพื่อนร่วมทีม” ไม่ใช่แค่เครื่องมือ การรู้วิธีถามคือการเปิดประตูสู่คำตอบที่ดีที่สุด
หลายคนอาจคิดว่า Prompt แค่พิมพ์คำสั่งให้ AI ทำงานก็จบ แต่จริง ๆ แล้วเบื้องหลังของการเขียน Prompt ที่ดี มันคือกระบวนการคิดที่ลึกมาก เป็นการวิเคราะห์โจทย์ แยกแยะความต้องการ และออกแบบบริบทให้เครื่องเข้าใจมนุษย์ได้ถูกต้อง นี่แหละที่ผมเรียกว่าการคิด Prompt
Prompt Thinking คืออะไร
Prompt Thinking ไม่ใช่แค่การพิมพ์คำสั่งแบบฉลาด แต่คือ “ศิลปะของการคิดเป็นระบบก่อนจะถาม” มันรวมทั้งศาสตร์ของการตั้งคำถาม การออกแบบโครงสร้างความคิด และการเชื่อมโยงข้อมูล เพื่อให้ AI เข้าใจสิ่งที่เราต้องการ ในแบบที่มนุษย์เข้าใจกันเอง
ถ้าเปรียบเทียบง่าย ๆ การเขียนโค้ดคือการสั่งให้เครื่องทำงานตามตรรกะ แต่การคิด Prompt คือการ “คุยกับเครื่องให้มันเข้าใจตรรกะของเรา” ซึ่งฟังดูง่ายแต่จริง ๆ แล้วซับซ้อนกว่ามาก เพราะมันต้องอาศัยทั้ง Logic, Empathy และ Context สามสิ่งที่ System Analyst คุ้นเคยที่สุด
ทำไมการคิด Prompt ถึงสำคัญกับคนสายเทคฯ
ผมมองว่าการคิด Prompt คือสะพานเชื่อมระหว่าง “มนุษย์” กับ “AI” ในโลกการทำงานยุคใหม่ โดยเฉพาะในบทบาทอย่าง System Analyst, Developer, UX Designer, หรือแม้แต่ Project Manager เพราะทุกคนต้องสื่อสารกับ AI ไม่ว่าจะใช้ ChatGPT, Copilot, หรือระบบภายในองค์กรเองก็ตาม
สิ่งที่ต่างกันระหว่าง “คนที่ใช้ AI” กับ “คนที่ใช้ AI ได้ผลลัพธ์ที่ดีจริง” ไม่ได้อยู่ที่ว่าใครรู้จักเครื่องมือมากกว่า แต่อยู่ที่ว่าใคร คิดก่อนถาม มากกว่า
การคิด Prompt จึงกลายเป็นเหมือน “กระบวนการวิเคราะห์ความคิด” (Meta-thinking) ที่คนสายเทคต้องมี เพื่อทำให้เครื่องเข้าใจเจตนาที่ซับซ้อนได้ และตอบกลับมาอย่างตรงประเด็นที่สุด
หลักคิด แนวทางการคิด Prompt
เวลาผมทำงานร่วมกับ AI ผมมักจะใช้หลักคิดง่าย ๆ อยู่ 3 ขั้นตอน ซึ่งผมเรียกเล่น ๆ ว่า “สามชั้นแห่งการตั้งคำถาม”
- Understand the Goal อันนี้สำคัญเลย คือเราต้องเข้าใจให้ชัดว่า เราต้องการอะไรจริง ๆ เช่น ต้องการคำตอบเชิงข้อมูล, แนวทางออกแบบ, หรือไอเดียใหม่ เพราะถ้าเราไม่ชัดตั้งแต่ต้น AI ก็จะตอบอย่างเลื่อนลอย
- Frame the Context ระบุบริบทให้ชัดเจนที่สุด เช่น ผู้ใช้คือใคร ใช้ในสถานการณ์แบบไหน หรือระบบนี้เกี่ยวข้องกับอะไร นี่คือสิ่งที่ทำให้ AI เข้าใจ “โลกของเรา” ก่อนเริ่มตอบ
- Guide the Process ชี้นำรูปแบบคำตอบ เช่น อยากได้แบบสรุป bullet, แบบอธิบายละเอียด, หรือให้มีตัวอย่างประกอบ เพราะ AI จะตอบตรงกับที่เราคาดหวังมากขึ้น ถ้าเรากำหนดรูปแบบที่ชัดเจน
สามขั้นตอนนี้ฟังดูเหมือนง่าย แต่ในความเป็นจริงคือทักษะของการคิดเชิงระบบ (System Thinking) อย่างแท้จริง และยิ่งเราฝึกบ่อย เราจะยิ่งเก่งในการ “ออกแบบบทสนทนา” ให้เกิดผลลัพธ์ที่ดีที่สุด จริงๆได้ยิน CEO พูดบ่อยๆว่า ถ้าเรา Prompt ขยะ หรือทำการคิด Prompt แบบไม่มีคุณภาพ สิ่งที่ AI ส่งออกมาให้เราก็จะเป็นแบบนั้นเหมือนกัน
หลักการคิด Prompt กับบทบาทของ System Analyst
ช่ายแล้ว ผมเขียนตรงจุดนี้เพิ่มเติม ก็เพราะผมเป็น SA ไง 555 และสำหรับเพื่อนๆที่เป็นคนที่ทำงาน SA (System Analyst) ผมว่าทักษะนี้สำคัญมากกว่าคนอื่นอีก เพราะหน้าที่ของเราคือ “ตีความความต้องการของมนุษย์ แล้วแปลงให้เครื่องเข้าใจได้” ซึ่งตรงกับสิ่งที่การคิด Prompt จะต้องทำอยู่ทุกวัน
เวลาผมใช้ AI ช่วยออกแบบระบบ ผมมักจะเริ่มด้วยการถามมันเหมือนถามเพื่อนร่วมทีม เช่น
“ช่วยวิเคราะห์กรณีการใช้งาน ของผู้ใช้ที่ต้องจองบริการออนไลน์ โดยระบบมีทั้งฝั่งลูกค้าและผู้ดูแลระบบ พร้อมระบุ flow การยืนยันและการยกเลิกให้หน่อย”
แล้วจากนั้นผมจะดูว่าคำตอบมันตรงไหม ถ้ายังไม่ชัด ผมจะ refine ต่อด้วย prompt เพิ่มบริบท เช่น “สมมติว่าผู้ใช้เป็นองค์กรขนาดกลางในประเทศไทย” หรือ “เพิ่มเงื่อนไข เรื่องความปลอดภัยของข้อมูลตาม PDPA”
ผลที่ได้คือ AI เริ่มตอบเหมือนเข้าใจ “โลกของเรา” มากขึ้น และมันก็ทำให้เราคิดต่อยอดได้เร็วขึ้นด้วย นี่คือจุดที่ผมรู้สึกว่ากระบวนการคิด Prompt มันจะไม่ใช่แค่เทคนิคแล้วอ่ะ แต่มันคือการฝึกสมอง ให้คิดอย่างเป็นระบบมากขึ้นทุกวัน
ฝึกการคิด Prompt ให้เก่งขึ้นได้ยังไง
ผมเชื่อว่าทุกคนฝึกได้ ไม่จำเป็นต้องเป็นสายเทคฯ ก็ได้ด้วยซ้ำ แต่สำหรับคนที่อยู่ในโลก ของระบบสารสนเทศอยู่แล้ว มันจะง่ายขึ้นมาก เพราะเรามีพื้นฐานด้านตรรกะ และการออกแบบอยู่แล้ว นี่คือแนวทางที่ผมใช้ฝึกเองและอยากแชร์ให้ลอง:
- ตั้งคำถามแบบมีเหตุผล (Purposeful Questioning) – อย่าถามเพื่อเอาคำตอบ แต่ถามเพื่อให้เข้าใจปัญหา เช่น “ทำไมระบบถึงควรเก็บข้อมูลนี้?” มากกว่า “ต้องเก็บข้อมูลอะไร?”
- ลองเขียน Prompt หลายรูปแบบในโจทย์เดียว – เพื่อดูว่าการเปลี่ยนโครงสร้างประโยคส่งผลต่อคำตอบยังไง เช่น การเพิ่มบริบทของผู้ใช้ หรือปรับน้ำเสียงของคำสั่ง
- อ่านคำตอบอย่างมีสติ (Reflective Reading) – อย่ารับคำตอบทันที แต่ให้วิเคราะห์ว่าทำไม AI ตอบแบบนั้น และถ้าเราอยากได้คำตอบอีกแบบ ควรแก้ prompt ยังไง
- ใช้ AI เป็นกระจกสะท้อนความคิดของเรา – เวลาทำเอกสาร, เขียนโค้ด, หรือวิเคราะห์ requirement ลองให้ AI ช่วยตรวจความเข้าใจหรือมองในมุมกลับ มันช่วยให้เราเห็น blind spot ได้ดีมาก
จากการคิด Prompt สู่การออกแบบแนวความคิด
สิ่งที่ผมชอบที่สุดในแนวคิดนี้คือ มันไม่ใช่แค่เรื่องของ AI แต่มันคือ การออกแบบกระบวนการคิดของตัวเอง ทุกครั้งที่เราคิดก่อนถาม เรากำลังฝึกให้สมองวิเคราะห์ สื่อสาร และเข้าใจระบบเชื่อมโยงต่าง ๆ อย่างลึกซึ้งขึ้น
ในอนาคต ผมเชื่อว่าองค์กรที่มีคนที่คิดแบบนี้เยอะ จะได้เปรียบมาก เพราะมันทำให้ทีมไม่ติดกับดัก “คำสั่ง” แต่จะกลายเป็นทีมที่ “คิดร่วมกับเครื่อง” ได้จริง และเมื่อทุกคนในทีมเข้าใจแนวคิดนี้ เราจะได้เห็นการทำงานที่เร็วขึ้น ฉลาดขึ้น และสร้างสรรค์มากขึ้น
“Prompt ที่ดี ไม่ได้มาจากคำพูดที่ฉลาด แต่มาจากความเข้าใจที่ลึก”
สุดท้ายนี้ ถ้ามีทักษะหนึ่งที่ผมอยากให้ทุกคนในสายเทคฯ พัฒนาในปีนี้ ผมคงเลือก Prompt Thinking เพราะมันคือรากฐานของการทำงานร่วมกับ AI อย่างมีคุณภาพ และเป็นจุดเริ่มต้นของการเปลี่ยนจากคนที่ใช้เครื่องมือ ไปสู่คนที่ ออกแบบความคิดร่วมกับเครื่อง จริง ๆ
อ่านเพิ่มเติม: Microsoft Learn – Prompt Engineering for Developers
คุณอาจสนใจเรื่องนี้: คน Tech ยุคใหม่กับ AI เพื่อนคู่คิด
