สรุป Claude for Human ทำงานน้อยลง แต่ทรงพลังกว่าเดิม— DataRockie

ขอบคุณสำหรับเนื้อหาจาก Link Live วันที่ 29/08/2026

Introduction to AI

• AI + Data + Thinking = Competitive Advantage (leverage output)
• Work less, earn more, enjoy life การมี AI ช่วยเรามีข้อดี คือ
  เราควรทำงานน้อยลงแต่ productivity มากกว่าเดิม สร้างคุณค่าได้มากกว่าเดิม
• Data -> Information -> Knowledge -> Wisdom เราใช้ AI เป็นเครื่องมือสกัด knowledge ไปสู่ wisdom (ใช้ AI เป็นส่วนขยายที่มาเสริมพลังให้กับสมองหลักของเราทำงานได้ดีขึ้น)
• Knowledge = Know-How รู้ว่าอะไรคืออะไร
  Wisdom = สั่งสมด้วยตนเองจนเกิดสภาวะ Know-Why และ Why-Do ในการเลือกทำอย่างหนึ่งอย่างใดในสถานการณ์หนึ่ง ๆ อย่างถูกต้อง
• AI is a software/system that can do tasks like human.
  (ใกล้เคียงแต่ไม่เหมือน 100%)

AI usage limitations

• Claude (ChatGPT, Gemini) is a sophisticated text prediction machine.
  AI เรียนรู้ pattern ผ่าน data (หนังสือ, internet) ล้วนเป็นข้อความที่มนุษย์เขียนขึ้น Large Language Models (LLMs) ก็เรียนรู้จากสิ่งเหล่านั้น ไม่ได้เรียนรู้จากโลกจริงโดยตรง ยังมีข้อจำกัดด้านภาษา เป็นแค่ LLM ต้องใช้ภาษาเป็นตัวกลางซึ่งทำให้นำไปสู่ AGI (Artificial General Intelligence) ได้ยาก

LLM เป็นระบบที่เก่งในการทำนายลำดับของสัญลักษณ์ แต่ไม่ได้เข้าใจโครงสร้างเชิงเหตุและผลของโลกจริง ขาดความเข้าใจพื้นฐานเกี่ยวกับโลก เช่น ความคงอยู่ของวัตถุ ฟิสิกส์เชิงสามมิติ และความสัมพันธ์เชิงเหตุและผล ซึ่งเป็นรากฐานของการรับรู้และการตัดสินใจของมนุษย์

แนวคิดเรื่อง World Model จึงเริ่มเข้ามา คือความสามารถในการสร้างโลกจำลองขึ้นมาในตัวเอง แล้วใช้โลกนั้นเพื่อคาดการณ์ว่า “ถ้าทำแบบนี้ อะไรจะเกิดขึ้นต่อไป” จากการ “ตอบ” ไปสู่การ “จำลองและคาดการณ์” ถ้า LLM เจอคำถามว่า "ถ้าผลักลูกบอลออกไป จะเกิดอะไร?" มันค้นหาคำตอบจากข้อความที่เคยอ่าน แล้วตอบว่า "ลูกบอลจะกลิ้งออกไปตามแรงที่ผลัก" ซึ่งถูกต้อง แต่มันรู้เรื่องนี้เพราะเคยอ่าน ไม่ใช่เพราะเคยผลักลูกบอลเอง ในทางกลับกัน World Model ไม่ได้ค้นหาคำตอบ มันจำลองฉากนั้นขึ้นมาในหัว คำนวณแรง มวล แรงเสียดทาน แล้ว "เห็น" ว่าลูกบอลจะกลิ้งไปตรงไหน เหมือนมีโลกจำลองอยู่ในหัวที่รันอยู่ตลอดเวลา
ลองไปดู World Labs Spatial Intelligence ของศาสตราจารย์ Fei-Fei Li

• "What I cannot create, I do not understand" - Richard Feynman
  AI = an advanced calculator เราสามารถคิดเลขในหัวได้ แต่ AI ช่วยเร่งให้เราทำสิ่งนั้นได้เร็วขึ้น สรุปคือเราควรจะรู้ทักษะพื้นฐานให้ทำงานนั้นได้ด้วยตัวเองก่อนเราจะขอให้AIทำสิ่งนั้นให้เรา เช่น ถ้าเราให้ AI ร่างอีเมลภาษาเกาหลีส่งไปบริษัทนึง แต่เราไม่รู้ภาษาเกาหลี เราก็จะไม่สามารถ comment งานได้ นี่คือข้อจำกัดในการใช้ AI และเป็นความเชื่อ(ส่วนตัว)ในการใช้ AI ที่ดีในยุคนี้
• มี token ยังไม่สามารถใช้ได้แบบ unlimited และมีแนวโน้มว่าจะแพงขึ้นเรื่อยๆ เราต้องบริหารเงิน+tokenให้ดี
  แนะนำโมเดลจีน มีประสิทธิภาพ+ถูกกว่า+token เยอะกว่า เช่น GLM-5.3-Flash, MiniMax, MiMo (Xiaomi) และ DeepSeek

Claude Code

Mental Models/Interface Claude

• Recent Chats = อยู่มุมซ้าย เรียงตาม chats จากใหม่ล่าสุดไปเก่า + สามารถ search หา chat ได้
• Cowork = task เหมาะกับการทำเป็น Step-by-step คือ Agent
• Projects = เหมือน Folder รวมแชทที่เราคุยกับ Claude สามารถจัดแบ่งเองได้
• Schedule = เขียน prompt ไว้แล้วตั้งเวลาแล้ว execute ตามเวลาที่ตั้งไว้ เช่น ส่งข่าวมาทุกเช้าวันจันทร์
• Artifacts = ของที่เราสร้างขึ้นมา เช่น Document, graph, app, website จะ save ใน artifacts
• Video & Image = Claude ยังสร้างรูปภาพวิดิโอไม่ได้ดี เน้น text เป็นหลัก
• Upload Files = สามารถ upload files ได้
• Context = สามารถ upload หนังสือให้ Claude อ่านได้ (สำคัญมากก ไ่ม่ใช่แค่เราเขียน Prompt เก่งอย่างเดียว แต่ควรมี Data ให้ AI เพิ่ม + ข้อมูลในหนังสือมักจะดีกว่าเป็น high-quality data source เพราะมีการเรียบเรียงมาแล้วหลายขั้นตอนกว่าจะเป็นหนังสือออกมา)
• Connected App = Claude ข้ามไปคุยกับ software อื่น
• Customize = เพิ่มความสามารถให้กับ Claude (plugins, skills and more)

• Skills = recipe สูตรการทำอะไรสักอย่าง (prompt)
• Connectors/MCP = Oven เครื่องมือในการทำ (การเพิ่มความสามารถ) เช่น เชื่อม Claude ไปที่ GitHub, Gmail
• Plugins = Complete Packages Oven + Recipe + Specialized Tools ทุกอย่างรวมกัน เสมือนการจ้างเชฟมิชิลินทำให้เรา

การเรียกใช้ Skill

/skill-creator <prompt> = การสร้าง skill ใหม่ขึ้นมา
เช่น สมมติถ้าเราสร้าง skill นี้ไว้แล้ว /stoic พืมคำนี้ไปในแชท Claude จะ return คำตอบกลับมา

Claude Models (ยิ่งอยู่บนยิ่งเก่ง)

1. Fable 5 สำหรับ toughest challenges
2. Opus 5 สำหรับ complex reasoning tasks เช่น เขียน code ยากๆ งาน software ยากๆ, high-stakes agentic work
3. Sonnet 5 สำหรับ everyday tasks ที่ซับซ้อนขึ้นมาหน่อย เช่น writing, day-to-day analysis, general coding แนะนำโมเดลนี้
4. Haiku 5.5 สำหรับ quick answers เช่น ทำ content writing, งานที่ simple & straightforward logic model 1-3 สามารถกดเลือกค่า effort ได้

ข้อคิดเพิ่มเติม

• Data Analyst ไม่ควรทำเป็นแค่ Data ต่อไปอาจจะสั่ง AI ให้ทำ Dashboard ได้ เขียน code ได้เร็วกว่าเรา แต่ควรจะมี Mindset + Knowledge ด้านอื่นเพิ่ม เช่น Business หรือ มีการ present ผลลัพธ์ให้คนที่ไม่ใช่ Data Analysts ได้เข้าใจง่าย
• เราสามารถสั่งให้ Claude เป็นคุณครูเราสอน Learn Python in 14 days for Data Analyst ได้ด้วยการ upload หนังสือหลายร้อยหน้าใน context เพื่อให้ Claude อ่านภายในไม่กี่วิ แล้วเป็นคุณครูสอนเรา วางแพลนการเรียน มี Quiz ให้ทำได้
  แต่คำถามคือ เราจำเป็นต้องเสียเงินลงเรียนคอร์สอื่น ๆ ไหม?
  คำตอบคือ ไม่จำเป็น แต่การมีคนที่มีเป้าหมายเหมือนกัน อยู่กันเป็น Community มีกิจกรรมทำร่วมกัน นั่นคือประโยชน์ของการซื้อคอร์สเรียน + อาจจะประหยัดเวลากว่าใน Setting AI และหา sources
• ควรให้สิทธิ์ Authorized access data กับ AI ให้น้อยที่สุด ให้เท่ากับแค่ที่เราใช้ เพราะถ้า AI เผลอลบข้อมูลเราจะกู้กลับมาไม่ได้
• Plugins มีหลายอย่าง เช่น Financial Services, Legal, Healthcare เราสามารถมี AI ที่เข้าใจงบการเงินมาทำงานให้เราได้เลย เสมือนเราจ้างคนทำงานให้เราเลย
• Claude code เป็น AI ที่ช่วยเขียน code ใช้ใน Terminal อยู่ใน computer เราแต่แชร์ token เกียวกันกับ account ที่เราสมัคร Claude เช่นสั่งให้เขียน website ด้วย html

Thinking -> Tools -> Productivity