อดีตพนักงาน Goldman Sachs แค่ได้ยินชื่อนี้ก็รู้สึกว่าคนคนนั้นดูเหมือนมาจากอีกโลกหนึ่ง
แต่พอได้เห็นว่าคนคนนี้ใช้ AI ยังไง ความประทับใจนั้นก็พลิกกลับหมดเลย
เคอิ ทานากะ (Kei Tanaka)
เขาจบการศึกษาด้วยเกียรตินิยมอันดับหนึ่งจากคณะวิทยาศาสตร์และเทคโนโลยี สาขาฟิสิกส์ มหาวิทยาลัยโซเฟีย เขาผ่านการสัมภาษณ์ 53 ครั้งเพื่อเข้าทำงานที่ Goldman Sachs ในปี 2007 เขามีส่วนร่วมในโครงการลงทุนกว่า 500 โครงการ และดำเนินการลงทุนจริงมากกว่า 60 โครงการ ขนาดการลงทุนที่เขาบริหารอยู่ที่ประมาณ 400,000 ล้านเยน คิดเป็นมูลค่าองค์กรเกิน 1.2 ล้านล้านเยน ท้ายที่สุด เขาดำรงตำแหน่ง Managing Director (ระดับผู้บริหาร) และ Co-Head ของฝ่ายวาณิชธนกิจในญี่ปุ่น เขาทำงานที่นั่นนานถึง 17 ปี
ดูจากประวัติการทำงานเพียงอย่างเดียว เขาคือ "คนที่อยู่เหนือเมฆ"
คุณทานากะกล่าวในบทสัมภาษณ์ว่า:
งานวิจัยและการเตรียมเอกสารหนาๆ ที่เคยใช้เวลา 3 สัปดาห์ ตอนนี้ทำเสร็จภายในประมาณ 1 ชั่วโมง เมื่อใช้ AI เข้ามาช่วย
จาก 3 สัปดาห์ เหลือ 1 ชั่วโมง
สเกลมันบ้ามาก ฟังดูเหมือนการพูดเกินจริง แต่มันเป็นเรื่องจริงที่เขาพูดออกมา
พอได้ยินแบบนี้ หลายคนคิดว่า "เขาเป็นอดีตคนเก่ง สมองเขาถูกออกแบบมาแตกต่างกัน"
แต่มีอะไรบางอย่างที่สะดุดตาฉัน
พอคุณติดตามวิธีการใช้ AI ของคุณทานากะจริงๆ มันเรียบง่ายอย่างน่าประหลาดใจ สิ่งที่เขาทำไม่ใช่เรื่องพรสวรรค์หรือเคล็ดลับลับ มันเป็น "กรอบความคิด" (framework) ที่ถ่อมตัว ที่ใครๆ ก็เลียนแบบได้ตั้งแต่วันนี้
บทความยาว ฉันแนะนำให้เซฟไว้ถ้าอยากกลับมาดูทีหลัง
ทำไมคนส่วนใหญ่ถึงหยุดอยู่แค่ "เครื่องมืออำนวยความสะดวก"
ก่อนอื่น ความแตกต่างระหว่างคุณทานากะกับคนทั่วไปอยู่ตรงไหน? ถ้าคุณเข้าใจจุดนี้ ทั้ง 7 วิธีจะเชื่อมโยงกัน
คนส่วนใหญ่เปิด AI เพื่อใช้เป็น "เครื่องมือค้นหาอัจฉริยะ" พวกเขาโยนคำถาม ได้คำตอบ จบเรื่อง มันสะดวก แต่มันเป็นวิธีที่ใครๆ ก็ทำได้ AI ก็กลายเป็นแค่ตู้ขายข้อมูล
นั่นไม่ใช่สิ่งที่คุณทานากะมองเห็นใน AI ตั้งแต่การวิจัย การสร้างสมมติฐาน การสนับสนุนการตัดสินใจ ไปจนถึงการสร้างเอกสารอัตโนมัติ เขาปล่อยให้ลำดับทั้งหมดนี้เป็นหน้าที่ของ AI ในฐานะโฟลว์เดียว เขาไม่ได้วาง AI ให้เป็น "เครื่องมือที่พึ่งพาเป็นครั้งคราว" แต่เป็น "พาร์ทเนอร์ที่ปรับโครงสร้างพื้นฐานของงานใหม่"
ความแตกต่างระหว่างคนที่ใช้มันแทนการค้นหา กับคนที่ใช้มันเป็นอุปกรณ์เร่งความเร็วในการตัดสินใจ ต่างกันราวฟ้ากับเหว
ฉันเห็นสองสิ่งที่แทรกซึมอยู่ในวิธีการใช้ของเขา สิ่งหนึ่งคือ "การทำเป็นเทมเพลต" (Templatization) นำกระบวนการตัดสินใจในหัวของคุณออกมาเป็นคำพูดแล้วส่งต่อไปยัง AI อีกสิ่งคือ "การบีบอัด" (Compression) สร้างผลลัพธ์คุณภาพเดียวกันในเวลาที่เหลือเศษ ให้คอยจดจำแกนสองแกนนี้ไว้ขณะดูทั้งเจ็ดวิธี
วิธีที่ ① ส่ง "เทมเพลต" สำหรับการตัดสินใจให้ AI ก่อน
วิธีแรกมีประสิทธิภาพมากที่สุด และแทบไม่มีใครทำ
เวลาคุณทำงานติดขัด คุณกังวลตั้งแต่เริ่มต้นทุกครั้งเลยไหม? "ควรเดินหน้าแผนนี้ไหม?" "ควรปล่อยผลิตภัณฑ์นี้ไหม?" ทุกครั้ง หัวของคุณก็จะยุ่งเหยิง เป็นเรื่องปกติใช่ไหม?
คุณทานากะแตกต่าง เขาตัดสินใจเรื่อง "เทมเพลต" ที่ใช้สำหรับการตัดสินใจลงทุนล่วงหน้า และให้ AI จดจำมันไว้ แค่เทข้อมูลที่รวบรวมมาและสมมติฐานของตัวเองลงไป ก็จะสร้างสถานะที่ร่างสำหรับการตัดสินใจถูกส่งกลับมา มันเร็วเพราะเขาไม่ต้องคิดตั้งแต่เริ่มต้นทุกครั้ง
นี่ไม่ใช่แค่สำหรับนักลงทุน ยิ่งคุณตัดสินใจซ้ำๆ มากเท่าไหร่ คุณก็ยิ่งเปลี่ยนมันให้เป็นเทมเพลตได้มากขึ้นเท่านั้น เอามันออกมาเป็นคำพูดสักครั้ง แล้วส่งให้ AI ก่อนอื่นบอกแบบนี้:
1ช่วยฉันตัดสินใจต่อจากนี้หน่อย ผมจะให้ "เทมเพลต" สำหรับการตัดสินใจก่อน ต่อจากนี้ เมื่อผมโยนโปรเจกต์ให้คุณ ช่วยประเมินมันโดยอาศัย 4 ประเด็นนี้เสมอ2① ความต้องการ: มีคนที่อยากได้มันจริงๆ ไหม? (โดยเฉพาะใครบ้าง?)3② เหตุผลที่ชนะ: ทำไมการที่ฉันทำมันถึงสมเหตุสมผลมากกว่าคนอื่น?4③ สถานการณ์เลวร้ายที่สุด: ฉันเสียอะไรถ้าล้มเหลว?5④ ขั้นตอนแรก: การกระทำที่น้อยที่สุดที่ฉันทำได้ในสัปดาห์นี้คืออะไร?6กรุณาเก็บแต่ละประเด็นไว้ภายใน 3 บรรทัด
จากนั้น แค่เทแผนที่คุณลังเลใจลงไป ความต้องการ, เหตุผลที่ชนะ, สถานการณ์เลวร้ายที่สุด, และขั้นตอนแรก จะถูกส่งกลับมาแบบเต็มๆ
สิ่งที่ฉันทำตรงนั้นคือเพิ่มการแก้ไข: "ทำให้ขั้นตอนแรกในข้อ ④ เล็กลงไปอีก ทำให้มันละเอียดพอที่จะทำได้ภายใน 30 นาทีของวันนี้" นี่คือจุดที่การตัดสินใจเริ่มเดินหน้าจริงๆ
ให้ AI ทำจาก 0 ไป 1 และมนุษย์ทำจาก 1 ไป 10 อย่าสลับลำดับ
คนที่ไม่มีเทมเพลตนี้จะกลับไปที่เส้นเริ่มต้นทุกครั้ง และทำซ้ำความกังวลเดิมๆ ไปตลอดชีวิต คุณควรแตกต่าง
วิธีที่ ② สำหรับงานวิจัย "เตรียมการคืนก่อน"
นี่คือตัวตนที่แท้จริงของ "3 สัปดาห์ → 1 ชั่วโมง" ที่กล่าวถึงในตอนต้น
คุณทานากะบอกว่าเขารัน Deep Research (ฟังก์ชันที่ AI ค้นหาในอินเทอร์เน็ตเองและสรุปเป็นรายงาน) ของ AI ในคืนก่อนหน้า วันรุ่งขึ้น เขาใช้เวลา 1 ถึง 1.5 ชั่วโมงในช่วงอาบน้ำเพื่อป้อนข้อมูลทั้งหมดในครั้งเดียว เขาสร้างสถานะที่งานวิจัยเบื้องต้นเสร็จสิ้นในขณะที่เขากำลังนอนหลับ
คนส่วนใหญ่เริ่มค้นหา "แบบเฉพาะหน้า" เมื่อมันจำเป็น นั่นคือสาเหตุที่เวลาละลายหายไปกับงานวิจัย คุณทานากะเตรียมงานวิจัยเป็น "สิ่งที่ต้องรับในภายหลัง" นี่คือความแตกต่างที่ชี้ขาด
คุณทำได้ตั้งแต่วันนี้ แค่โยนสิ่งนี้ก่อนเข้านอนตอนกลางคืน
1ช่วยสรุปหัวข้อต่อไปนี้โดยใช้ Deep Research ภายในพรุ่งนี้เช้า2หัวข้อ: [หัวข้อ]3สิ่งที่อยากรู้คือ: ① ข้อเท็จจริงและตัวเลขที่รู้กันในตอนนี้ ② ข้อโต้แย้งทั้งที่เห็นด้วยและคัดค้าน ③ ลิงก์ไปยังข้อมูลปฐมภูมิที่เป็นพื้นฐาน4ไม่ต้องสรุปผล แค่แสดงรายการวัสดุสำหรับการตัดสินใจเป็นหัวข้อย่อย
พอเช้า ดูผลลัพธ์ขณะดื่มกาแฟ แค่นั้น วันของคุณก็เริ่มต้นจากสถานะที่ "งานวิจัยเสร็จแล้ว"
วิธีที่ ③ พูดด้วยเสียงและลดเวลาเขียนลงเหลือ 1/10
เมื่อคุณเร่งความเร็วในการตัดสินใจด้วยเทมเพลตแล้ว ขั้นต่อไปคือการตัดเวลาที่ใช้ในการ "เขียน"
คุณทานากะใช้ประโยชน์จากการถอดเสียงด้วย AI อย่างเต็มที่สำหรับการสร้างเอกสาร เขาพูดแนวคิดสำหรับกระดาษ A4 ประมาณ 5 หน้าด้วยวาจาประมาณ 2 นาที AI จะเปลี่ยนเป็นข้อความทันทีและจัดระเบียบ เขาบอกว่าวิธีนี้ช่วยลดเวลาที่ใช้ในการพิมพ์ประโยคลงเหลือประมาณ 1/10
ประเด็นคืออย่าหยุดคิด อย่าพยายามจับคู่ความเร็วของหัวของคุณกับความเร็วของการพิมพ์บนคีย์บอร์ด คิดไปพร้อมกับพูด และปล่อยให้การจัดระเบียบเป็นหน้าที่ของ AI
ส่งบทพูดที่ยุ่งเหยิงซึ่งถูกเป่าผ่านการป้อนเสียงของสมาร์ทโฟนแบบนี้:
1ด้านล่างนี้คือบันทึกก่อนการจัดระเบียบที่ฉันพูดผ่านการป้อนเสียง เนื่องจากเป็นภาษาพูด ช่วยคงความหมายไว้เหมือนเดิม แค่จัดลำดับใหม่ และสรุปเป็น 3 ประเด็นสำคัญพร้อมประโยคสั้นๆ ที่อธิบาย กรุณาอย่าลบสำนวนหรือนิสัยการพูดของฉัน
ประโยคที่ว่า "กรุณาอย่าลบนิสัยการพูดของฉัน" ได้ผล ถ้าไม่มีสิ่งนี้ AI จะเขียนทับด้วยสไตล์การเขียนที่เป็นเอกภาพของมันเอง ทำให้เกิด "ข้อความที่ดูเหมือน AI"
บอกตามตรง ฉันก็เป่าโครงร่างของบทความนี้ด้วยเสียงขณะเดินเหมือนกัน ให้ AI รับผิดชอบขั้นตอนแรกที่หนักที่สุดคือ "เอาล่ะ มาเขียนกันเถอะ" แค่นั้นก็ลดอุปสรรคในการเริ่มต้นลงอย่างมาก
วิธีที่ ④ เขียนคำสั่ง "ราวกับสอนเด็กมัธยม"
แม้คุณจะรู้วิธีใช้เครื่องมือ ถ้าคำสั่งไม่เป็นระเบียบ สิ่งที่ได้ออกมาก็จะไม่เป็นระเบียบ คำพูดของคุณทานากะมีผลโดยตรงตรงนี้
เขาบอกว่าเขาให้คำสั่งที่เฉพาะเจาะจงและชัดเจน แม้กระทั่งสำหรับสิ่งที่ซับซ้อน ราวกับกำลังสอนนักเรียนมัธยมต้นหรือปลาย แทนที่จะบอกว่า "ทำดีๆ" ให้เขียนข้อสมมติและเงื่อนไขโดยสมมติว่าอีกฝ่ายไม่รู้อะไรเลย
ความแตกต่างปรากฏที่จุดนี้จุดเดียว
- ✗ "วิธีเริ่มต้นบล็อกเป็นงานเสริม?"
- ◯ "พนักงานออฟฟิศคนหนึ่งอยากเริ่มต้นบล็อกเป็นงานเสริม เวลาที่มีคือวันละ 1 ชั่วโมงในวันธรรมดา ยังไม่ได้ตัดสินใจแนวเพลง ภายใต้เงื่อนไขเหล่านี้ ฉันอยากให้คุณช่วยตัดสินใจว่าจะทำอะไรในเดือนแรกด้วยกัน โดยมีลำดับความสำคัญ"
แม้ใช้ AI เดียวกัน สิ่งที่ได้กลับมาจะแตกต่างกันโดยสิ้นเชิง คิดว่าอีกฝ่ายเป็นรุ่นน้องที่ฉลาดแต่ไม่ได้รับข้อมูล และส่งต่อบริบท แค่นั้นความแม่นยำจะพุ่งสูงขึ้น
ถ้ามันยุ่งยาก ก็ง่ายที่จะเพิ่มประโยคนี้ที่ตอนต้นของคำสั่ง
1เพื่อทำงานนี้ด้วยความแม่นยำสูง กรุณาถามคำถาม 5 ข้อที่คุณต้องการตรวจสอบกับฉันก่อน กรุณาเริ่มทำงานหลังจากฉันตอบ
ให้ AI ถามคำถามก่อน จากนั้น ข้อสมมติที่คุณลืมส่งไปจะถูกเติมเต็มโดยธรรมชาติ
วิธีที่ ⑤ "ครอบครอง" ต้นแบบ (Role Models) ใน AI
เมื่อคุณปรับปรุงความแม่นยำของคำสั่งแล้ว ขั้นต่อไปคือการเพิ่มมุมมอง นี่คือวิธีที่จะเกินขีดจำกัดของการคิดคนเดียวด้วย AI
คุณทานากะให้ AI จดจำวิธีการคิดและรูปแบบการแสดงออกของต้นแบบในสาขาต่างๆ และให้มันวิเคราะห์จากมุมมองเหล่านั้นแบบหลายมิติ รับความคิดเห็นจากมุมที่หัวของคุณเองไม่สามารถเข้าถึงได้
จุดอ่อนของการระดมสมองคนเดียวคือขอบเขตการมองเห็นไม่ไปไกลเกินกว่าตัวคุณเอง คุณเติมเต็มสิ่งนั้นโดยการให้ AI มีบุคลิกอื่น
1กรุณาแสดงความคิดเห็นเกี่ยวกับโปรเจกต์ของฉันจากตำแหน่งของคน 3 คนตามลำดับ2① นักลงทุนที่ขี้สงสัย (เจาะทุกข้อสมมติที่ดูดีเกินจริง)3② ผู้อ่านที่ขี้เกียจ (เขาจะรู้สึกอยากอ่านต่อไหม?)4③ ตัวฉันในอีกหนึ่งปีข้างหน้า (สิ่งนี้จะยังคงเป็นสินทรัพย์อยู่ไหม?)5สำหรับแต่ละคน ให้ข้อดี 1 ข้อ และคำวิจารณ์ที่รุนแรงเพียง 1 ข้อ
มันกลายเป็นสถานะที่คุณกำลังประชุมกับหลายคนด้วยตัวเอง สำหรับคำวิจารณ์ที่ได้รับกลับมา คุณเพิ่มเลเยอร์ต่อไป: "เพื่อโน้มน้าวผู้อ่านในข้อ ② คุณจะเปลี่ยน 3 บรรทัดแรกอย่างไร?" โดยการโต้ตอบไปมาไม่กี่ครั้ง รูโหว่ในโปรเจกต์ก็ถูกเติมเต็มอย่างน่าประหลาดใจ
อย่างไรก็ตาม อย่ากลืนความคิดเห็นของ AI ทั้งหมด มันเป็นอุปกรณ์สำหรับระบุปัญหาเท่านั้น การตัดสินใจขั้นสุดท้ายเป็นของคุณ
วิธีที่ ⑥ อย่าให้ AI ตัวเดียวทำทุกอย่าง
สิ่งนี้สามารถเห็นได้จากการดูเครื่องมือที่คุณทานากะใช้
เขาระบุว่าใช้ ChatGPT, Claude, Perplexity และ Notta สำหรับการป้อนเสียง กล่าวอีกนัยหนึ่ง เขาไม่ได้ปล่อยให้ทุกอย่างเป็นหน้าที่ของ AI ตัวเดียว เขาใช้ AI ที่แตกต่างกันสำหรับงานประเภทต่างๆ
คนส่วนใหญ่มักถาม AI ตัวเดิมทุกอย่าง แต่ละตัวมีจุดแข็งเฉพาะตัว แค่แยกประเภทแบบนี้ คุณภาพก็เปลี่ยนไป
- งานวิจัยและการรวบรวมข้อมูลปฐมภูมิ → Perplexity (ลิงก์แหล่งที่มาติดมากับคำตอบ)
- การซ้อมและการจัดระเบียบประโยคยาว → Claude หรือ ChatGPT
- การถอดเสียง → Notta หรือ Claude
ถ้าคุณพยายามทำทุกอย่างด้วยตัวเดียว ทุกอย่างจะกลายเป็นครึ่งๆ กลางๆ คนที่เปลี่ยนตามการใช้งานจะนำหน้าด้านความแม่นยำไปมาก
คุณไม่จำเป็นต้องได้ทุกอย่างในครั้งเดียว ก่อนอื่น เพิ่ม AI สำหรับงานวิจัยสักตัวให้กับ AI ที่คุณใช้เป็นประจำ แค่นั้นก็เพียงพอที่จะเริ่มต้น
วิธีที่ ⑦ "ทำให้ตัวเองเป็นเนื้อหา" (Contentize) และป้อนให้ AI
ส่วนสุดท้าย是关于การเพิ่มความแม่นยำของ AI ตัวนั้นโดยเฉพาะสำหรับคุณ
ในการสัมภาษณ์ คุณทานากะเน้นย้ำซ้ำๆ ถึง "ความสำคัญของการบันทึก" อันที่จริง เขายังบอกด้วยว่ามันเป็น "ความสูญเปล่า" ที่เขาไม่ได้บันทึกอดีตไว้ เก็บบันทึกความคิด การตัดสินใจ และคำพูดของคุณ และทำให้พร้อมที่จะส่งต่อไปยัง AI กล่าวคือ ทำให้ตัวเองเป็นเนื้อหา
นี่เป็นวิธีที่ถ่อมตัวแต่มีประสิทธิภาพ AI ไม่รู้อะไรเกี่ยวกับคุณเลย นั่นเป็นเหตุผลที่มันตอบกลับเหมือนคนแปลกหน้าทั่วไปทุกครั้ง แต่ถ้าคุณส่งต่อบันทึกความคิดของคุณ AI จะเริ่มส่งคำตอบที่ใกล้เคียงกับคุณมากขึ้น
คุณไม่จำเป็นต้องมีไดอารี่ขนาดใหญ่ วันละ 3 บรรทัดก็พอ เมื่อสะสมได้จำนวนหนึ่งแล้ว ให้ส่งต่อแบบนี้:
1ด้านล่างนี้คือบันทึกสิ่งที่ฉันคิดเมื่อเร็วๆ นี้ จากนี้ กรุณาแยกแยะค่านิยม นิสัยการตัดสินใจ และคำที่ใช้บ่อยของฉัน และสรุปเป็นหัวข้อย่อย ในอนาคต เมื่อเขียนประโยคให้ฉัน กรุณาสะท้อนลักษณะเหล่านี้
เมื่อคุณทำสิ่งนี้ ผลลัพธ์ AI ในครั้งต่อไปจะกลายเป็น "ส่วนตัว" สำหรับฉันเช่นกัน แค่ส่งบันทึกที่สรุปน้ำเสียงในการสื่อสารของฉัน การแก้ไขประโยคที่ส่งกลับมาก็ลดลงอย่างมาก
นี่คือสิ่งที่ฉันเรียกว่า "ความรู้คือราชา" (Knowledge is King) ก่อนที่จะขัดเกลา prompt ให้จัดระเบียบความรู้ที่คุณส่งให้ AI นี่คือสิ่งสำคัญที่ควรจำไว้
ถึงคนที่คิดว่า "เพราะเขาเป็นคนเก่ง"
หลังจากอ่านมาถึงตรงนี้ บางคนคงรู้สึกว่า "เขาเป็นอดีตพนักงาน Goldman สมองเขามันต่างหาก"
มันตรงกันข้าม
7 วิธีนี้ไม่ต้องใช้คุณสมบัติพิเศษหรือเครื่องมือราคาแพง เปลี่ยนการตัดสินใจเป็นเทมเพลต เตรียมงานวิจัยคืนก่อน พูดด้วยเสียง สั่งสอนเหมือนสอนเด็กมัธยม ครอบครองมุมมองอื่น ใช้ AI ที่แตกต่าง บันทึกตัวเอง ทั้งหมดเป็นการกระทำที่คุณสามารถเริ่มได้วันนี้ด้วย AI ฟรี
อันที่จริง คุณทานากะเองก็เป็นคนที่สร้างตัวเองขึ้นมาจากจุดเริ่มต้นของการสอบเข้าโรงเรียนมัธยมต้นที่ล้มเหลว เหตุผลที่การใช้ AI ของเขาดีกว่าไม่ใช่เพราะเขามีพรสวรรค์ แต่เพราะเขากำลังดำเนินการตามหลักการที่ใครๆ ก็เลียนแบบได้อย่างใจเย็นและทั่วถึง นั่นคือ "เปลี่ยนสิ่งที่อยู่ในหัวของคุณให้เป็นเทมเพลตและส่งต่อไปยัง AI"
สิ่งที่จำเป็นไม่ใช่เทคโนโลยี มันเป็นแค่การออกแบบที่ไม่ทำให้ AI หลงทาง
สรุป
ตราบใดที่คุณยังเปิด AI ในฐานะ "พาร์ทเนอร์ค้นหาที่สะดวก" คุณยังไม่ได้ดึงพลังของมันออกมาแม้แต่ครึ่งเดียว
- ① ส่ง "เทมเพลต" สำหรับการตัดสินใจก่อน แล้วค่อยเทแผนลงไป
- ② เตรียมงานวิจัยในคืนก่อน
- ③ พูดด้วยเสียงและลดเวลาเขียนลงเหลือ 1/10
- ④ สั่งสอนอย่างเฉพาะเจาะจงจากข้อสมมติ ราวกับสอนเด็กมัธยม
- ⑤ ครอบครองต้นแบบและจัดการประชุมหลายมุมมองด้วยตัวเอง
- ⑥ อย่าให้ AI ตัวเดียวทำทุกอย่าง ใช้ต่างกันตามวัตถุประสงค์
- ⑦ บันทึกความคิดของคุณและทำให้ AI เป็น专属สำหรับคุณ
ถ้าคุณจบแค่ "โอ้ เข้าใจแล้ว" หลังจากอ่าน พรุ่งนี้คุณก็จะกลับไปจัดการทุกอย่างด้วยมือเหมือนเดิม คนส่วนใหญ่ทำแบบนั้น
แต่คุณควรแตกต่าง ลองส่งการตัดสินใจทั่วไปของคุณให้ AI ดูล่ะวันนี้ นั่นจะเป็นเทมเพลตแรกของคุณ
ท้ายที่สุด
คุณคิดอย่างไร?
แนวคิดของการ "เปลี่ยนการตัดสินใจเป็น 'เทมเพลต' และส่งต่อไปยัง AI" ที่เราคุยกันวันนี้ นี่คือสิ่งที่ฉันเองก็ดำเนินการทุกวันในที่ทำงานธุรกิจ เมื่อคุณเริ่มเดินหน้าด้วยวิธีคิดนี้แล้ว คุณจะกลับไปใช้วิธีเดิมไม่ได้อีก
และสำหรับช่วงเวลาจำกัดเท่านั้น ฉันกำลังแจก "12 ประโยชน์หลักจากการใช้ AI" ฟรี
ตั้งแต่พื้นฐานการใช้ AI ไปจนถึงระบบที่ปล่อยให้ 80% ของงานเป็นหน้าที่ของ AI E-book, คู่มือแนะนำ, อภิธานศัพท์, และคำปรึกษาฟรีรายบุคคล ฉันรวมความรู้ปัจจุบันทั้งหมดของฉันไว้ใน 12 รายการนี้
ก่อนอื่น มี E-book 6 เล่มที่สร้าง "รากฐาน" ของการใช้ AI ถ้าคุณอ่านตามลำดับจากเล่มที่ 1 คุณจะได้รับทักษะการใช้ AI ที่จำเป็นโดยธรรมชาติ
- VOL.1 Prompt x Context Complete Mastery (สององค์ประกอบหลักที่กำหนดคุณภาพของผลลัพธ์ AI ใน 5 บท เริ่มต้นที่นี่)
- VOL.2 Working AI Complete Mastery (ประตูสู่ "AI ที่ทำงานได้" ที่เรียกว่า Claude Code และ Codex)
- VOL.3 Knowledge Complete Mastery (วิธีจัดเก็บและเติบโต "สินทรัพย์ข้อมูล" ที่ AI จะอ่านซ้ำแล้วซ้ำเล่า)
- VOL.4 Debugging Complete Mastery (เทคนิคปฏิบัติเพื่อเปลี่ยน "มีอะไรผิดปกติ" เป็น "นี่คือวิธีที่มันแตกต่าง")
- VOL.5 How to Leave 80% of Work to AI (ตั้งแต่การสำรวจงานไปจนถึงการบูรณาการ API/MCP ขยายขอบเขตการมอบหมายงานในคราวเดียว)
- VOL.6 Skills Complete Mastery (การสร้างระบบที่งานเสร็จด้วยคำสั่งเดียว เล่มสุดท้ายของซีรีส์)
ถัดไป มีคู่มือแนะนำ 2 เล่มที่คุณสามารถเริ่มได้วันนี้ คุณสามารถดำเนินการได้โดยไม่ลังเลจนกว่าคุณจะลง "AI ที่ทำงานได้" ในคอมพิวเตอร์ของคุณเอง
- Claude Code Introduction Guide (สำหรับผู้ใช้ Claude ตั้งแต่การติดตั้งจนถึงการตั้งค่าเริ่มต้น)
- Codex Introduction Guide (สำหรับผู้ใช้ ChatGPT ตั้งแต่การติดตั้งจนถึงการตั้งค่าเริ่มต้น)
นอกจากนี้ มีคำอธิบายศัพท์ AI 3 หน้า 60 คำที่คุณสามารถค้นหาได้ คำศัพท์ทั้งหมดที่คุณ "ถามตอนนี้ไม่ได้" อยู่ที่นี่
- AI Terminology Explanation ① | Basic Edition (Generative AI, Prompt, Hallucination—20 คำเกี่ยวกับ AI เอง)
- AI Terminology Explanation ② | Claude Code/Codex Edition (Terminal, Skill, Path—20 คำสำหรับหน้าจอที่คุณสัมผัสทุกวัน)
- AI Terminology Explanation ③ | Integration/Tools Edition (API, MCP, .env—20 คำที่คุณเจอในระบบอัตโนมัติ)
และข้อที่ 12
- Free Individual Consultation (1 ON 1 / X GROWTH) ฉันจะบอกคุณแบบตัวต่อตัวถึงวิธีเติบโตการสื่อสารบน X ของคุณให้เร็วและสั้นที่สุด และยังได้รับรายได้จากโฆษณาด้วย มันเป็นวิธีที่ทำซ้ำได้แม้สำหรับมือใหม่ AI อย่างแท้จริง ดังนั้นถ้าคุณ "ไม่รู้จะเริ่มตรงไหน" เชิญมาได้เลย จำนวนจำกัด ดังนั้นรีบหน่อย
รวม 12 รายการ และทั้งหมดฟรี แม้คุณจะไม่ได้เข้าร่วมสัมมนาหรือคำปรึกษาฟรีรายบุคคล คุณก็ยังได้รับ E-book, คู่มือแนะนำ และอภิธานศัพท์ทั้งหมด
ฟังดูเหมือนโกหกใช่ไหม? แต่มันเป็นเรื่องจริง
วิธีการรับนั้นง่ายมาก มันเริ่มต้นจากการเข้าร่วม LINE Open Chat ด้านล่าง
นอกจากนี้ ฉันจะเปิดเผยข้อมูลที่เป็นประโยชน์ที่ไม่สามารถแชร์บน X ได้ใน Open Chat
คลิกที่นี่เพื่อเริ่มต้น
ฉันจะพูดตรงๆ 12 รายการนี้ไม่ได้เสร็จในครั้งเดียว ฉันทำซ้ำหลายครั้งและคัดสรรจนเหลือรูปแบบที่แม้แต่มือใหม่ AI ก็สามารถใช้ได้โดยไม่ลังเล
ให้ฉันพูดอีกครั้งหนึ่ง สิ่งที่จำเป็นไม่ใช่เทคโนโลยี มันเป็นแค่การออกแบบที่ไม่ทำให้ AI หลงทาง
ทำไมคุณไม่ยุติความเหนื่อยล้าของการแสวงหาแค่ "คำตอบ" จาก AI วันนี้ล่ะ?
ข้อมูลอ้างอิง
คำกล่าวและประวัติการทำงานของคุณเคอิ ทานากะ (Kei Tanaka) อ้างอิงจากข้อมูลสาธารณะดังต่อไปนี้
- The Keyperson Interview (วิธีการเฉพาะในการใช้ AI, "3 สัปดาห์ → 1 ชั่วโมง", เครื่องมือที่ใช้)
- PIVOT "5 กฎของอดีตพนักงาน Goldman Sachs เคอิ ทานากะ"
- Pen Online (Deep Research ในคืนก่อน, ป้อนข้อมูลระหว่างอาบน้ำ)
- Wikipedia "เคอิ ทานากะ" (มหาวิทยาลัยโซเฟีย, อันดับหนึ่งของคณะ / สัมภาษณ์ 53 ครั้ง / ขนาดการลงทุนประมาณ 400,000 ล้านเยน, มูลค่าองค์กรเกิน 1.2 ล้านล้านเยน / MD, Co-Head ของวาณิชธนกิจในญี่ปุ่น / ทำงาน 17 ปี)
- หนังสือ: "คนขึ้นไปถึง 100 ล้าน, คนจาก 100 ล้าน: มุมมอง 'มหาเศรษฐี' ที่เปิดเผยโดยนักลงทุนที่มีประสบการณ์ 17 ปีที่ Goldman Sachs" (Tokuma Shoten)
