หนังสือ “The Brain Audit” โดย Sean D’Souza อธิบายจิตวิทยาเบื้องหลังการตัดสินใจของลูกค้า ว่าทำไมพวกเขาถึงซื้อ (หรือไม่ซื้อ) โดยใช้แนวคิด “กระเป๋า 7 ใบ” บนสายพานลำเลียงในสมองของลูกค้า ลูกค้าจะยังไม่ตัดสินใจซื้อจนกว่าจะได้รับข้อมูลครบทั้ง 7 ใบนี้ตามลำดับที่ถูกต้อง
กระเป๋าทั้ง 7 ใบประกอบด้วย: 1. ปัญหา (The Problem)2. วิธีแก้ปัญหา (The Solution)3. กลุ่มเป้าหมายที่เจาะจง (The Target Profile)4. ตัวกระตุ้น (The Trigger)5. ข้อโต้แย้ง (The Objections)6. คำรับรองจากลูกค้า (The Testimonials) และ 7. การขจัดความเสี่ยง (Risk-Reversal)
The Problem (ปัญหา): นี่คือจุดเริ่มต้นที่ทรงพลังที่สุด สมองของมนุษย์ถูกสร้างมาให้สนใจ “ปัญหา” ก่อนสิ่งอื่นใด การสื่อสารของคุณจึงควรเริ่มต้นด้วยการชี้ให้เห็นถึงปัญหาที่ลูกค้ากำลังเผชิญอยู่ เพื่อดึงความสนใจของพวกเขาทันที
The Solution (ทางแก้): หลังจากที่คุณชี้ให้เห็นปัญหาแล้ว ลูกค้าจะเริ่มมองหาทางออก “ทางแก้” ของคุณคือสิ่งที่มาช่วยคลายความกังวลนั้น มันควรจะเป็นสิ่งที่ตรงไปตรงมาและเป็นเหมือนภาพสะท้อนของปัญหาที่กล่าวไปก่อนหน้า
Directive (คำสั่ง): เป็นเจตนาหลักของ Prompt มักอยู่ในรูปของคำแนะนำหรือคำถาม (เช่น “Tell me five good books to read.”) อาจเป็นคำสั่งที่ซ่อนอยู่ก็ได้ เช่น ในกรณีของ One-Shot ที่มีวัตถุประสงค์เพื่อแปลภาษาอังกฤษเป็นสเปน
Style Instructions (คำแนะนำด้านสไตล์): เป็นประเภทของการจัดรูปแบบผลลัพธ์ที่ใช้เพื่อปรับเปลี่ยนสไตล์แทนที่จะเป็นโครงสร้าง (เช่น “Write a clear and curt paragraph about llamas.”)
Role (บทบาท): หรือที่เรียกว่า persona เป็นส่วนประกอบที่มักกล่าวถึงและสามารถปรับปรุงการเขียนและสไตล์ข้อความได้ (เช่น “Pretend you are a shepherd and write a limerick about llamas.”)
Additional Information (ข้อมูลเพิ่มเติม): มักจำเป็นต้องรวมข้อมูลเพิ่มเติมใน Prompt (เช่น ชื่อและตำแหน่งในกรณีของการเขียนอีเมล) บางครั้งเรียกว่า ‘context’ แต่เอกสารนี้ไม่แนะนำเนื่องจากมีความหมายที่ซ้อนทับกัน
5. ความท้าทายด้านคำศัพท์
คำศัพท์ในวงการ Prompt กำลังพัฒนาอย่างรวดเร็ว
มีคำนิยามที่ยังไม่เป็นที่เข้าใจดี (เช่น prompt, prompt engineering) และคำนิยามที่ขัดแย้งกัน (เช่น role prompt vs persona prompt)
แนวคิดหลักของการบรรยายนำเสนอ “The Art of Living – Generalism 101” ซึ่งเป็นแนวทางการใช้ชีวิตอย่างมีความหมายผ่านการเป็น “เป็ดโปร” (Generalist) ผู้มีความสามารถหลากหลายและยึดมั่นในคุณธรรมและการพัฒนาตนเองอย่างต่อเนื่อง โดยมองว่าแนวทางของ Generalism คือเส้นทางที่นำไปสู่การเป็นมนุษย์ในเวอร์ชันที่ดีขึ้น
2.ปัจจุบัน โมเดล AI แบบปิด (Close-Source) เช่น ChatGPT และ Claude ยังคงมีประสิทธิภาพสูงกว่าโมเดลแบบเปิด (Open-Source) เช่น Deepseek เนื่องจากได้รับการสนับสนุนด้านเงินทุนที่มากกว่า
อย่างไรก็ตาม ช่องว่างด้านประสิทธิภาพนี้กำลังลดลงอย่างต่อเนื่อง ด้วยปัจจัยสำคัญสองประการ คือ Economies of Speed และ Economies of Scale กล่าวคือ เมื่อมีผู้ใช้จำนวนมากนำโมเดลแบบเปิดไปทดลองใช้ในหลากหลายสถานการณ์ จะเกิดการพัฒนาโมเดลแบบเปิดโดยไม่ต้องใช้เงินทุนเพิ่มเติม
3.ผลกระทบ เมื่อโมเดลแบบเปิดมีการพัฒนามากขึ้น จะส่งผลให้วงการ AI มีการเติบโตอย่างรวดเร็วเกินคาด ธุรกิจต่างๆ จะสามารถนำ AI คุณภาพสูงมาใช้ด้วยต้นทุนที่ต่ำลงหรือไม่มีค่าใช้จ่าย และสามารถพัฒนาต่อยอดได้โดยไม่ต้องเริ่มต้นจากศูนย์
ในอนาคตอันใกล้ เราอาจจะได้เห็นธุรกิจจำนวนมากฝึกฝน Chatbot เฉพาะทางสำหรับธุรกิจของตนเอง และมี AI Agent ที่สามารถตอบคำถามลูกค้าโดยอ้างอิงจากฐานข้อมูลได้โดยตรง
ประเด็นที่ 2 สามเทรนด์หลักของ AI ในยุคถัดไป
1. Multimodal LLMs เทคโนโลยี AI แบบหลากหลายรูปแบบกำลังเปลี่ยนแปลงโลกอย่างถาวร
หากย้อนกลับไปในปี 2021 AI เริ่มมีบทบาทในการแปลงข้อความเป็นภาพ ซึ่งถือว่าน่าประทับใจมากแล้วในเวลานั้น แต่เมื่อมาถึงปี 2025 Multimodal AI หรือ AI ที่มีความสามารถรอบด้าน (เช่น ChatGPT รุ่นล่าสุด) สามารถสร้างภาพจากคำสั่ง ทำการวิจัยเชิงลึก และวิเคราะห์ภาพที่ผู้ใช้ส่งไปได้ AI ประเภทนี้สร้างมูลค่าทางเศรษฐกิจอย่างมหาศาล
ปัจจุบัน SCBX ได้นำ AI แบบ Multimodal มาใช้ในการสร้างระบบครูอัจฉริยะสำหรับการอบรมพนักงาน รวมถึงการจำลองและวิเคราะห์การนำเสนอการขาย (Sales Pitch)
นอกจากนี้ยังมีการประยุกต์ใช้ในอุตสาหกรรมอื่นๆ เช่น ทางการแพทย์ในการวินิจฉัยโรคจากภาพและข้อมูล หรือในวงการศึกษาที่จะใช้ AI ช่วยอธิบายหัวข้อที่ซับซ้อนให้เข้าใจง่ายขึ้นโดยสามารถตอบโต้แบบทันทีได้
นี่เป็นสาเหตุที่ทำให้บุคคลทั่วไปหรือบริษัทขนาดเล็กยังไม่สามารถเข้าถึง AI ได้โดยไม่มีค่าใช้จ่าย เนื่องจากการประมวลผลโมเดลขนาดใหญ่จะมีค่าใช้จ่ายสูง โมเดลเฉพาะทางเหล่านี้มีขนาดเล็กมากเนื่องจากได้รับการฝึกฝนเฉพาะในขอบเขตงานที่กำหนดเท่านั้น
3.การเพิ่มประสิทธิภาพของ AI ด้วยเวลาในการคิด ปัจจุบันมีการเปิดตัว AI รุ่นใหม่อย่างต่อเนื่อง แต่กำลังเผชิญกับกฎแห่งผลตอบแทนที่ลดลง (Law of diminishing return)
วิธีแก้ปัญหาปัจจุบันคือการให้เวลา AI ในการคิดวิเคราะห์ เมื่อ AI ได้มีโอกาสทบทวนและคิดวิเคราะห์ จะสามารถสร้างผลลัพธ์ที่ดีขึ้นได้จากความสามารถเดิมที่มีอยู่ วิธีการนี้ช่วยลดต้นทุนและการใช้ทรัพยากร โดยยังคงสามารถใช้ประโยชน์จากความสามารถของ AI ได้มากขึ้น
ทั้งสามเทรนด์นี้ชี้ไปในทิศทางเดียวกัน คือ ในอนาคต AI จะมีต้นทุนที่ต่ำลง มีประสิทธิภาพสูงขึ้น และทุกคนสามารถเข้าถึงได้ง่ายขึ้น
ประเด็นที่ 3 การมาถึงของ AI Agent
1.ความสำคัญของ AI Agent AI Agent
เป็นสิ่งที่ผู้นำองค์กรหรือผู้บริหารควรให้ความสนใจอย่างยิ่ง เมื่อเทียบกับประสบการณ์การใช้งาน ChatGPT ครั้งแรกเมื่อ 2 ปีที่ผ่านมา ซึ่ง AI ประเภทนี้ (ChatGPT หรือ Claude) ถูกเรียกว่า Generative AI (Gen AI)
2.ความแตกต่างระหว่าง Gen AI และ AI Agent
Gen AI เป็น AI ที่ต้องพึ่งพามนุษย์ในการตัดสินใจและรอคำสั่งจากผู้ใช้งานเพื่อสร้างคำตอบ ในขณะที่ AI Agent สามารถคิดและประมวลผลได้ด้วยตนเองในระดับหนึ่ง ทำงานได้โดยไม่จำเป็นต้องรอคำสั่งในทุกขั้นตอน
3.กรณีศึกษาจาก SCBX SCBX ได้ทดลองสั่งให้ Gen AI และ AI Agent วิเคราะห์หุ้น
พบว่า Gen AI ที่คนทั่วไปใช้งานสามารถวิเคราะห์ได้เพียงผิวเผินและข้อมูลไม่ครบถ้วน ในขณะที่ AI Agent สามารถวิเคราะห์ได้อย่างละเอียด เรียกใช้เครื่องมือทางการเงิน และสร้างรายงาน ตารางสถิติ อัตราผลตอบแทนได้อย่างครบถ้วน
4.การประยุกต์ใช้งาน AI Agent สามารถเปลี่ยนแปลงวิธีการทำงานได้อย่างมาก โดยสามารถทำงานหลายอย่างแทนมนุษย์ได้โดยที่ไม่ต้องควบคุมดูแลอย่างใกล้ชิด
ประเด็นที่ 4 AGI – ความก้าวหน้าสู่ความเป็นมนุษย์
1.AGI คืออะไร
AGI (Artificial General Intelligence) หมายถึง AI ที่สามารถคิด วิเคราะห์ และทำงานต่างๆ ได้เสมือนมนุษย์ ซึ่งเป็นเป้าหมายสูงสุดของการพัฒนา AI
WK Data Analyst 