Prompt คืออะไร เขียนอย่างไรให้ AI เข้าใจงานและตอบตรง

Prompt คือคำถาม คำสั่ง บริบท ข้อมูลอ้างอิง และตัวอย่างที่ส่งให้ AI เพื่อกำหนดงานและผลลัพธ์ที่ต้องการ Prompt ที่ดีไม่จำเป็นต้องยาว แต่ต้องบอกให้ชัดว่าให้ทำอะไร ใช้ข้อมูลใด ห้ามสมมติอะไร ส่งคำตอบในรูปแบบไหน และจะตรวจคุณภาพอย่างไร หากงานสำคัญ Prompt เป็นเพียงส่วนหนึ่ง—ยังต้องมีข้อมูลที่เชื่อถือได้ คนตรวจ และขั้นตอนรับมือเมื่อคำตอบผิด

Prompt ไม่ใช่คาถา และ AI ไม่ได้อ่านใจ

คำสั่ง “ช่วยเขียนโพสต์ให้น่าสนใจ” ขาดสินค้า คนอ่าน เป้าหมาย หลักฐาน ช่องทาง โทน และสิ่งที่ต้องการให้คนทำต่อ AI จึงต้องเดา คำตอบอาจอ่านลื่นแต่ใช้กับธุรกิจไม่ได้ การเขียน Prompt คือการลดพื้นที่ที่ระบบต้องเดา ไม่ใช่การรับประกันว่าคำตอบจะถูกทุกครั้ง

Prompt มีส่วนประกอบอะไร

ส่วน	ตอบคำถาม	ตัวอย่าง
งาน	ต้องทำอะไร	วิเคราะห์สาเหตุที่ Lead ลด
เป้าหมาย	ผลจะใช้ตัดสินใจอะไร	เลือก 3 จุดแก้ในสัปดาห์นี้
บริบท	ธุรกิจ/คนอ่าน/สถานการณ์คืออะไร	ธุรกิจบริการ B2B ทีมขาย 4 คน
ข้อมูลนำเข้า	ใช้หลักฐานอะไร	ตาราง Lead รายสัปดาห์และนิยาม Stage
ข้อจำกัด	ห้ามทำหรือสมมติอะไร	ห้ามสรุปเหตุจากข้อมูลที่ไม่มี
ขั้นตอน	วิเคราะห์ลำดับใด	ตรวจคุณภาพ → เทียบช่วง → หา Driver
รูปแบบผลลัพธ์	ต้องส่งมอบอะไร	ตาราง Finding/Evidence/Action/Owner
เกณฑ์ตรวจ	คำตอบผ่านเมื่อไร	ทุกข้อเสนอมีหลักฐานและข้อจำกัด

ไม่จำเป็นต้องใส่ทุกส่วนในคำถามง่าย เช่น แปลประโยคสั้น แต่ยิ่งงานมีผลต่อเงิน คน หรือชื่อเสียง ยิ่งต้องมีบริบท Evidence และ Review มากขึ้น

Role มีประโยชน์เมื่อกำหนดขอบเขตจริง

“คุณคือผู้เชี่ยวชาญการตลาด” กว้างเกินไป Role ที่ช่วยงานควรระบุหน้าที่และมาตรฐาน เช่น “ทำหน้าที่เป็นนักวิเคราะห์แคมเปญที่ต้องแยกข้อเท็จจริงจากสมมติฐาน ใช้เฉพาะตารางที่ให้ และเสนอการทดสอบที่ย้อนกลับได้” แต่ Role ไม่ได้ให้ความรู้หรือสิทธิ์ที่ระบบไม่มี และไม่ทำให้ข้อมูลผิดกลายเป็นจริง

วิธีเขียน Prompt จากงานจริงทีละขั้น

1. เขียนผลลัพธ์ปลายทางก่อน

อย่าเริ่มจาก “ให้ AI ทำอะไรได้บ้าง” ให้เริ่มว่าใครจะใช้คำตอบ ตัดสินใจอะไร และต้องส่งต่อในรูปแบบไหน เช่น “ทีม Content ต้องใช้ Brief นี้ถ่ายคลิปพรุ่งนี้”

2. ระบุข้อมูลที่ AI ต้องใช้

แยกข้อมูลจำเป็น ข้อมูลเสริม และข้อมูลที่ห้ามส่ง หากไม่มีข้อมูลสำคัญ ให้กำหนดว่า AI ต้องถามกลับหรือทำเครื่องหมายว่ายังสรุปไม่ได้ แทนการเติมเอง

3. กำหนดขั้นตอนคิดที่ตรวจได้

สั่งให้ตรวจความครบถ้วน แยก Fact/Assumption เปรียบเทียบทางเลือก ระบุ Trade-off และเชื่อมข้อเสนอเข้ากับ Evidence ไม่จำเป็นต้องขอให้เปิดเผยความคิดภายในทั้งหมด แต่ควรขอเหตุผลย่อและหลักฐานที่ตรวจกลับได้

4. ระบุข้อห้ามตามความเสี่ยง

• ห้ามแต่งตัวเลข แหล่งอ้างอิง หรือผลลัพธ์
• ห้ามใช้ข้อมูลนอกชุดที่ให้เมื่อเป็นงานปิด
• ห้ามให้คำแนะนำเฉพาะด้านที่ต้องใช้ผู้เชี่ยวชาญ
• ข้อมูลเปลี่ยนได้ต้องแจ้งให้ตรวจปัจจุบัน
• หากขัดกัน ให้หยุดและระบุจุดขัดแย้ง

5. กำหนด Output Schema

ขอหัวข้อ ตาราง ช่องข้อมูล หรือ JSON ตามงานจริง ถ้าจะส่งต่อทีมให้กำหนด Owner, Due date, Evidence และ Next step ไม่ใช้รูปแบบเดียวกับทุกงาน

6. ใส่ตัวอย่างเมื่อคำอธิบายยังคลุมเครือ

ตัวอย่าง Input/Output ช่วยให้ AI เห็นระดับรายละเอียด รูปแบบ และภาษา แต่ต้องไม่ใส่ข้อมูลลูกค้าจริงหรือข้อมูลลับโดยไม่จำเป็น และไม่ควรให้ตัวอย่างที่ผิดเป็นมาตรฐาน

7. ทดสอบด้วยกรณีปกติและกรณียาก

ลองข้อมูลครบ ข้อมูลขาด ค่าผิดปกติ ข้อกำหนดขัดกัน และข้อความที่พยายามพาออกนอกงาน บันทึก Version ของ Prompt เครื่องมือ วันที่ และผลผ่าน/ไม่ผ่าน

ตัวอย่างก่อนและหลัง: สร้าง Content Brief

คำสั่งที่กว้างเกินไป

ช่วยสร้าง Content Brief เรื่อง AI สำหรับธุรกิจ

คำสั่งที่นำไปใช้ต่อได้

งาน: สร้าง Content Brief สำหรับบทความหนึ่งหน้า
คนอ่าน: [บทบาทและระดับความรู้]
ปัญหา: [คำถามที่กำลังค้นหา]
เป้าหมายธุรกิจ: [สิ่งที่ต้องการให้ผู้อ่านทำต่อ]
หลักฐาน: ใช้เฉพาะ [แหล่ง/ข้อมูลที่แนบ]

วิธีทำงาน
1. ตรวจว่าข้อมูลพอหรือไม่ ถ้าขาดให้ถามไม่เกิน 5 ข้อ
2. แยก Search intent หลักและคำถามรอง
3. ตรวจว่าหัวข้อซ้ำหรือแข่งขันกับ [รายการ URL] หรือไม่
4. วางคำตอบช่วงต้น ขั้นตอน ตัวอย่าง ข้อจำกัด และ Checklist
5. แยก Fact, Assumption และข้อเสนอแนะ

ห้ามแต่งสถิติ ผลลัพธ์ ลูกค้า หรือฟีเจอร์
ข้อมูลที่เปลี่ยนได้ให้ระบุว่าต้องตรวจจากแหล่งทางการล่าสุด

ส่งมอบเป็นตาราง: Section | คำถามที่ตอบ | Evidence | รูปแบบ | Next action
ท้ายคำตอบระบุจุดเสี่ยงและสิ่งที่ Editor ต้องตรวจ

ความแตกต่างไม่ได้อยู่ที่ความยาวอย่างเดียว แต่คำสั่งหลังบอกงาน ข้อมูล กระบวนการ ขอบเขต และผลส่งมอบที่ตรวจได้

Prompt สำหรับงานง่าย งานจริง และ Workflow ต่างกันอย่างไร

ระดับ	เหมาะกับ	สิ่งที่ต้องมี
เริ่มต้น	งานสั้น ความเสี่ยงต่ำ	งาน ตัวแปร Output และข้อห้าม
Guided	ผู้ใช้ยังเตรียมข้อมูลไม่ครบ	คำถามช่วยเตรียมข้อมูลและขั้นตอน
Professional	งานส่งต่อทีม/ลูกค้า	Context, Evidence, Criteria, Format, Review
Expert	วิเคราะห์หลายทางเลือก	Trade-off, Risk, Alternative, Validation
Workflow	งานหลายช่วงและทำซ้ำ	Input gate, Step, Owner, Handoff, Stop rule
Enterprise	ทีม/องค์กรและข้อมูลสำคัญ	Access, Approval, Governance, Audit, KPI

วิธีจัดการเมื่อข้อมูลไม่ครบ

เพิ่มกติกาใน Prompt ว่า “ถ้าข้อมูลต่อไปนี้ขาด ให้ถามก่อนทำงาน” และแยกรายการ Critical กับ Optional หากผู้ใช้ไม่ตอบ ให้สร้างเฉพาะส่วนที่ทำได้ พร้อมระบุ Assumption และผลกระทบ ห้ามให้ AI ตอบยาวเพื่อกลบช่องว่าง

วิธีลดคำตอบมั่ว

• ให้ Source ที่ตรวจแล้วและจำกัดขอบเขต
• ขอให้ยก Evidence ใกล้กับ Claim
• กำหนดว่าไม่พบข้อมูลให้ตอบว่าไม่พบ
• แยก Fact, Assumption, Recommendation
• ตรวจ Citation โดยเปิดแหล่งจริง
• ใช้ Test set และผู้เชี่ยวชาญเนื้องาน
• ลดขนาดงานใหญ่เป็นช่วงที่ตรวจได้
• ห้ามนำ Output เสี่ยงสูงไปใช้โดยอัตโนมัติ

ทดสอบ Prompt อย่างไร

เกณฑ์	คำถามตรวจ
Correctness	Fact และการคำนวณถูกหรือไม่
Completeness	ครบส่วนที่ต้องใช้ต่อหรือไม่
Relevance	ตอบงาน ไม่หลุดประเด็นหรือไม่
Consistency	Input ใกล้กันให้รูปแบบสม่ำเสมอหรือไม่
Safety	ปฏิเสธ/ส่งต่อกรณีเสี่ยงถูกหรือไม่
Usability	ทีมใช้ต่อได้โดยไม่ตีความใหม่หรือไม่
Cost/Time	รอบแก้และทรัพยากรคุ้มกว่าวิธีเดิมหรือไม่

กำหนดเกณฑ์ผ่านก่อนทดสอบ ไม่เลือกเฉพาะคำตอบที่ดูดีที่สุด ควรบันทึก Failure และปรับทีละตัวแปรเพื่อรู้ว่าอะไรส่งผล

เมื่อ AI ตอบไม่ตรง ให้แก้ตรงไหน

1. ถ้าผิดงาน: แก้ Objective และตัวอย่างผลลัพธ์
2. ถ้ากว้าง: เพิ่ม Context, Audience และ Decision
3. ถ้าแต่ง: จำกัด Source และกติกาข้อมูลขาด
4. ถ้ารูปแบบผิด: ให้ Schema/ตัวอย่าง
5. ถ้าไม่สม่ำเสมอ: ลดความกำกวม เพิ่ม Test และแบ่ง Workflow
6. ถ้าตอบยาว: กำหนดลำดับ ความยาว และเกณฑ์ตัด
7. ถ้าความเสี่ยงสูง: เพิ่ม Human approval หรือยุติการใช้

สิ่งที่ไม่ควรใส่ใน Prompt

• รหัสผ่าน Secret และ API key
• ข้อมูลส่วนบุคคลที่ไม่จำเป็น
• ข้อมูลลูกค้า/พนักงานที่ยังไม่ได้รับอนุญาต
• เอกสารลับหรือสัญญาที่ไม่ผ่านนโยบาย
• ข้อมูลสุขภาพ การเงิน หรือสิทธิ์ที่ระบุตัวบุคคลได้

ตรวจนโยบายและ Data control ของเครื่องมือ/บัญชีปัจจุบันเสมอ การลบชื่ออย่างเดียวอาจยังระบุตัวบุคคลจากบริบทได้

Checklist ก่อนคัดลอก Prompt ไปใช้

• ระบุงานและคนใช้ผลลัพธ์
• อธิบายบริบทธุรกิจเท่าที่จำเป็น
• ตัวแปรมีชื่อและคำอธิบายชัด
• Source ถูกต้องและมีสิทธิ์ใช้
• ข้อห้ามสัมพันธ์กับความเสี่ยง
• ข้อมูลขาดมีคำถาม/Stop rule
• Output ตรงกับ Workflow จริง
• มีเกณฑ์ตรวจคุณภาพ
• ทดสอบกรณีปกติ/ผิดปกติ
• มีผู้รับผิดชอบตรวจและ Version

คำถามที่พบบ่อย

Prompt ยิ่งยาวยิ่งดีหรือไม่

ไม่ Prompt ควรละเอียดเท่าที่งานต้องการ ข้อความซ้ำหรือข้อกำหนดขัดกันทำให้ผลแย่ลง งานง่ายใช้ Prompt สั้นได้ แต่งานสำคัญต้องมี Context, Evidence, Constraint และ Review

ต้องใส่คำว่า “คุณคือผู้เชี่ยวชาญ” หรือไม่

ไม่จำเป็น หากใช้ Role ให้ระบุหน้าที่ ขอบเขต และมาตรฐานที่เกี่ยวกับงาน อย่าใช้ Role แทนข้อมูลจริงหรือการตรวจโดยผู้เชี่ยวชาญ

Prompt เดียวใช้ได้กับทุก AI หรือไม่

หลักการร่วมกันได้ แต่ความสามารถ หน้าต่างบริบท รูปแบบไฟล์ เครื่องมือ และการตั้งค่าแตกต่างกัน ต้องทดสอบกับ Model/Version ที่ใช้งานจริง

Prompt Engineering จบเมื่อได้คำตอบดีหนึ่งครั้งหรือไม่

ไม่ งานจริงต้องทดสอบหลายกรณี วัด Error เก็บ Version และตรวจซ้ำเมื่อ Model ข้อมูล หรือ Workflow เปลี่ยน

แหล่งอ้างอิง

• Google Cloud: Introduction to prompting
• Google Cloud: Prompt design strategies
• Google Cloud: Multimodal prompt design

ทำต่อ: ใช้ วิธีเขียน Prompt ให้ตอบสม่ำเสมอ, แก้ด้วย วิธีแก้เมื่อ AI ตอบไม่ตรง และตรวจ คำตอบจาก AI ก่อนนำไปใช้

ผู้เขียน: อาจารย์หลิง ณิชชา ทัตพงษ์พฤธา ผู้ก่อตั้ง AJLinkOfficial และบริษัท อินดิจิทัล จำกัด เรียบเรียงเรื่อง AI และ Digital Marketing ให้เชื่อมกับการตัดสินใจและการทำงานของธุรกิจ