ปัญหา: AI ตอบแบบ robot ลูกค้ารู้สึกเย็นชา
แอดมินเปิด ChatGPT ถามช่วยเขียน caption IG สำหรับร้านชานมไข่มุก GPT ตอบมาว่า “Let me serve you the finest tapioca pearls in town!” — ลูกค้าไทยอ่านแล้วจะปิดแท็บทันที
ปัญหาไม่ใช่ AI ไม่เก่ง — คุณยังไม่ได้บอก AI ว่าแบรนด์คุณเป็นยังไง พูดแบบไหน กลุ่มลูกค้าคือใคร
Prompt engineering คือศาสตร์ของการสั่ง AI ให้ตอบแบบที่เราต้องการ ไม่ใช่เรื่องเทคนิค — เป็นเรื่องการสื่อสารกับ AI เหมือนสื่อสารกับพนักงานใหม่ (เป็นชั้นที่อยู่บน RAG ที่เราเล่าไว้ และเป็นหัวใจของ บริการ Custom AI)
หลักการ 5 ข้อของ prompt ที่ดี
1. บอก role + goal ให้ชัด
แย่: “เขียน caption ร้านชานม” ดี: “คุณคือ admin ร้านชานมไข่มุก ‘ชาใจ’ อายุ 24 ปี เป็น Gen Z ชอบคุยเล่น ใช้ emoji พอประมาณ เขียน caption IG ขายชาเขียวแก้วใหม่ ราคา 55 บาท ลูกค้าเป้าหมายคือ นร./นศ. อายุ 15–25”
AI เข้าใจทันทีว่าต้องตอบ tone แบบไหน audience ใคร
2. ให้ตัวอย่างแบบ (few-shot)
แทนที่จะอธิบาย tone เป็นคำ ให้ตัวอย่างจริง:
นี่คือตัวอย่าง caption ที่เราชอบ:
- "ฝนตกใจแฉะ ชาเขียวหอมมะลิอุ่น ๆ รอเธออยู่ ☕"
- "สายชาใจฟังทางนี้! Buy 1 Get 1 เย็นนี้เท่านั้น 🧋"
เขียน 3 caption ใหม่สไตล์เดียวกัน สำหรับชาไทยเย็นแก้วใหม่ 45 บาท
AI จะเลียนแบบ pattern (ประโยคสั้น-ปิดด้วย emoji) ได้แม่นกว่าอธิบายด้วยคำ
3. บอก “ไม่เอา” ด้วย
AI เก่งตอบสิ่งที่เราเอา ไม่เก่งหลีก
เพิ่ม: “อย่าใช้คำว่า ‘deliciousness’, ‘premium’, ‘สุดยอด’ เพราะรู้สึก fake · อย่าเกิน 100 ตัวอักษร · อย่าใส่ @handle คนอื่น”
4. กำหนด format ผลลัพธ์
แย่: “บอกเมนูแนะนำ”
ดี: “ตอบเป็น JSON แบบนี้: {menu: string, reason: string, price: number} 3 ตัวเลือก · reason ไม่เกิน 20 คำ”
ได้ output ที่ program ต่อได้เลย ไม่ต้อง parse text มั่ว ๆ
5. ให้ context เยอะ แต่เจาะจง
AI ตอบดีขึ้นเมื่อรู้เรื่องธุรกิจ เฉพาะเจาะจง ไม่ใช่ generic
แย่: “แนะนำเมนูสำหรับลูกค้าที่สั่งกาแฟ” ดี: “ลูกค้าเพิ่งสั่ง latte ร้อน ลำดับ 3 ในประวัติ · เคยสั่งเค้กมะพร้าวแล้วรีวิว 5 ดาว · ช่วงเวลา 15:30 น. · แนะนำเมนูคู่ 2 ตัว เลือกจากเมนูต่อไปนี้: [list]“
Template prompt ที่ SME ใช้ได้จริง
Template 1: Chatbot ตอบลูกค้า
คุณคือ admin ของร้าน [ชื่อร้าน] — [ประเภทธุรกิจ]
สไตล์การตอบ:
- [tone: เป็นกันเอง / สุภาพ / เป็นทางการ]
- ใช้ emoji [เยอะ / พอดี / ไม่ใช้]
- ตอบสั้น ๆ ไม่เกิน [จำนวน] ประโยค
ข้อมูลร้าน:
- เวลาเปิด: [เวลา]
- เมนู/สินค้าหลัก: [รายการ]
- ช่องทางจ่าย: [promptpay/credit card/COD]
- การจัดส่ง: [รายละเอียด]
กฎสำคัญ:
- ถ้าไม่รู้ข้อมูล บอก "ขอเช็คกับทีมก่อนนะคะ" ไม่เดา
- ถ้าลูกค้าโกรธหรือถามเรื่อง refund ส่งต่อ admin จริงทันที
- ห้ามสัญญาส่วนลดที่ไม่มีในลิสต์
ตอบเป็นภาษาไทย คำตอบเดียว ไม่ต้องอธิบายเพิ่ม
Template 2: สรุปบทสนทนา
นี่คือบทสนทนาระหว่างลูกค้ากับ admin:
---
[paste conversation]
---
สรุปเป็นภาษาไทยตามนี้:
1. ลูกค้าต้องการอะไร (1 บรรทัด)
2. สถานะ: [pending/closed/lost]
3. Action ที่ admin ต้องทำต่อ (bullet)
4. Lead quality: [hot/warm/cold]
5. มูลค่าโดยประมาณ (ถ้ามี)
ไม่เกิน 100 คำ
Template 3: เขียน caption โปรโมชัน
สไตล์แบรนด์เรา:
- ภาษาไทย ใช้คำง่าย ไม่ยัดศัพท์ marketing
- ประโยคสั้น 5–8 คำ ปิดด้วย emoji
- Tone: กวน ๆ แต่น่ารัก ไม่ใช่ทางการ
ตัวอย่างที่เราชอบ:
[paste 2–3 caption เดิม]
เขียน caption ใหม่สำหรับ:
- โปร: [รายละเอียด]
- สินค้า: [ชื่อ]
- CTA: [สั่งทาง Line/กดปุ่มสั่ง/ทัก inbox]
ส่งมา 3 ตัวเลือกพร้อม hashtag 3 ตัว
Pitfalls ที่เจอบ่อย
1. “Prompt ยาวไป AI งง” ไม่จริง — AI รุ่นใหม่ (Claude 3.5 Sonnet, GPT-4o) อ่าน context 100K+ tokens สบาย ปัญหาจริงคือ prompt ไม่ชัด ไม่ใช่ยาว
2. “เปลี่ยน prompt แล้วทำไมผลกระโดด” LLM มี temperature — สั่ง identical prompt 10 ครั้งจะได้คำตอบคล้าย ๆ กัน แต่ไม่เหมือนเป๊ะ ถ้าต้อง consistent ตั้ง temperature = 0
3. “AI ยังเดาตอบผิด”
- ถ้าโจทย์ลึก → ใช้ RAG (ส่งข้อมูลจริงเข้าไป — อ่าน RAG คืออะไร)
- ถ้าโจทย์ง่ายแต่ตอบผิด → ปรับ prompt ชัดขึ้น ใช้ few-shot
- ถ้ายัง → เปลี่ยน model ที่แรงกว่า (GPT-4o > GPT-4o mini)
- ถ้าโจทย์ workflow ลึก → ผสมกับ Automation flow เพื่อแยกขั้นตอน
4. “Cost สูง”
- ตัดข้อมูลที่ไม่จำเป็นออกจาก context
- Cache prompt ที่คงที่ (ทุก LLM API ตอนนี้ support prompt caching)
- ใช้ small model สำหรับงานง่าย — Claude Haiku 4.5, GPT-4o mini
สรุป
Prompt engineering ไม่ใช่ทักษะ dev — ใครก็เรียนได้ถ้าอยากเขียน “คำสั่ง” ที่ AI เข้าใจ
แต่การทำ prompt ให้ใช้ได้กับ business workflow จริง — integrate กับ Line/CRM/database — นั่นคืองานที่ต้องวางระบบ
ทีม KORP ออกแบบ prompt + ระบบให้ลูกค้า SME ทุกโปรเจกต์ ทดสอบกับลูกค้าจริงก่อน launch ปรับจน tone ได้แล้วค่อยส่งมอบ — ดูตัวอย่างแบรนด์ voice ที่เราขัดเกลาแล้วใน ผลงานทั้งหมด ตั้งแต่ พี่นิดแฟชั่น, ครัวคุณยาย, จนถึง ลานนาบลิส สปา
ถ้าอยากรู้ว่า AI ของธุรกิจคุณควรพูดแบบไหน ทักมาเล่าโจทย์ ปรึกษาฟรี
— ทีม KORP AI