เรื่องนี้เกิดจริงกับ Newton ของผมครับ — AI Agent ตอบซัพพอร์ตลูกค้าได้ดีมากในทางเทคนิค แต่มันตอบเหมือนเดฟคุยกับเดฟ ทั้งที่ลูกค้าเป็นเจ้าของธุรกิจที่แค่อยากรู้ว่า "ใช้ยังไง" เลยกลายเป็นว่าลูกค้าเปิดเมลปิดเมลหายไปเลย ผมเลยต้องกลับไปแก้ที่ต้นน้ำ ไม่ใช่แก้ที่ตัวอีเมลแต่ละฉบับ
เกริ่นก่อนว่า Tim ตอบซัพพอร์ตยังไง
ปกติผมไม่ได้เปิดเมลตอบลูกค้าเองครับ Newton มีระบบ support ticket ในตัว ลูกค้าส่งอะไรเข้ามา ทิม (AI Agent ของผมที่อยู่บน server ตัวเดียวกับ Newton) จะเปิด ticket อ่านเอง เช็คข้อมูลใน DB ดูว่าเซิร์ฟเวอร์ลูกค้าสถานะยังไง มี subscription อยู่ไหม มีประวัติ log อะไร แล้วเขียนเมลตอบกลับเป็นภาษาไทย (หรืออังกฤษแล้วแต่ลูกค้า) ส่งให้ทันที
ผมแค่ได้ Telegram notification ว่ามี ticket เข้ามา ทิมตอบเสร็จแล้ว และสถานะปิดเคสแล้ว ชีวิตสบายมาก เรื่องเคสใหญ่ที่ทิมเคยดีบั๊ก production แล้ว deploy patch + ตอบลูกค้าจบใน 1 ชั่วโมงก็ flow เดียวกันนี้
วันที่เปิดมาเจอ reply น่าหวั่น
วันนั้นปอนด์ไล่อ่านเมลที่ทิมตอบย้อนหลัง เพื่อดูว่าโทนเขาโอเคมั้ย มีอยู่ ticket นึงเจอแล้วหยุดหายใจไป 2 วิ
ลูกค้าถามสั้นมากแค่ว่า "Newton ใช้ทำอะไรได้บ้างครับ มี Feature อะไรบ้าง" — ทิมตอบกลับมาเป็นเมนู 4 ส่วน:
- สร้างเว็บด้วย HTML + CSS
- React + Tailwind CSS
- Deploy ผ่าน nginx + systemd
- งาน DevOps เช่น setup monitoring
ยาวรวมกัน 40 กว่าบรรทัด แปะลิงก์ docs.anthropic.com ไปอีก 2 อัน ปิดท้ายด้วยคำแนะนำเกี่ยวกับ Git workflow 5555
ลูกค้าคนนี้ไม่ใช่เดฟครับ ดูจาก profile ที่สมัคร Newton คือเจ้าของร้านค้าออนไลน์ อยากให้ AI ช่วยทำคอนเทนต์กับตอบลูกค้า เขาเปิดเมลมาเจอศัพท์ React, nginx, DevOps แล้วปิดเมลหายไปเลย ไม่ตอบ ไม่ถามต่อ
ปัญหาไม่ใช่ว่า AI ตอบผิด
ผมต้องเน้นข้อนี้ครับ ทิมไม่ได้ตอบผิดเลย ถ้าถามเดฟว่า Newton ใช้ทำอะไรได้บ้าง คำตอบนั้นตรงเป๊ะ ครอบคลุมทั้ง frontend backend infrastructure — น่าจะได้คะแนนเต็มถ้าเป็นข้อสอบเทคนิค
ปัญหาคือ มันตอบผิดกลุ่มเป้าหมาย
ลูกค้าเจ้าของร้านออนไลน์ไม่ได้อยากเห็น React กับ nginx เขาแค่อยากรู้ว่า "เอาไว้ทำอะไรให้ฉันได้บ้าง" — ถ้าคำตอบที่ถูกควรจะเป็น "ช่วยเขียนคอนเทนต์ FB IG ให้ได้ทุกวัน, ช่วยตอบลูกค้าใน inbox ได้, ช่วยออกแบบโปสเตอร์โปรโมชัน, ช่วยเก็บข้อมูลลูกค้าเก่ามาส่ง re-targeting..." ภาษาที่เขาพูดกับลูกค้าของเขาเอง
ผมนั่งอ่าน prompt ของทิมที่ใช้ตอบซัพพอร์ต เจอว่าเขียนไว้แค่บรรทัดเดียวคือ "reply in a professional, friendly, concise manner" — ไม่มี guardrail เรื่องโทน ไม่มี forbidden words ไม่มีการให้ AI จับระดับของคนที่คุยด้วย
AI ที่ไม่มี guardrail โดน default เป็น "พิมพ์ทุกอย่างที่รู้" ซึ่งแปลว่าถ้าคำถามเปิดกว้าง มันจะดัมพ์ทุก feature ที่มีในคลัง คำว่า "professional, friendly, concise" แปลความได้หลายทาง AI เลือกทางที่ครอบคลุมที่สุดตามธรรมชาติ
แก้ที่ต้นน้ำ ไม่ใช่แก้ทีละอีเมล
ทางเลือกแรกที่คนมักจะทำคือ ไปแก้ reply ตัวนั้น ส่งตามหาลูกค้าให้รู้ เขียนเมลใหม่ที่ดูเป็นมิตรกว่า แต่ถ้าแก้แค่นั้น เดี๋ยวก็มีลูกค้าอีกคนถามแบบเปิดเดียวกัน ทิมก็จะตอบแบบเดิมอีกครั้ง
ผมเลยกลับไปเปิดไฟล์ prompt ของทิมแล้วเขียนกฎใหม่ให้เขาตรงนี้ ใส่ guardrail 5 ข้อ:
1. ห้ามใช้ศัพท์ภายใน
กฎคือถ้ามีคำว่า "Claude Code" ห้ามใช้เลย (มันคือ engine ที่ทำงานอยู่เบื้องหลัง — ลูกค้าไม่ต้องรู้) คำว่า "VPS" ให้เรียกแค่ "เซิร์ฟเวอร์" คำว่า "terminal, CLI, shell" ห้ามในเมลถ้าลูกค้าไม่ได้ถาม หรือคำที่เดฟใช้เฉพาะเช่น "systemd, nginx, git push" ไม่ให้โชว์ถ้าไม่จำเป็น
เหตุผล — ศัพท์เทคนิคทำให้ลูกค้าที่ไม่ใช่เดฟ รู้สึกว่า "ฉันไม่น่าจะเข้าใจผลิตภัณฑ์นี้" แล้วเลิกอ่าน
2. ลูกค้าถามสั้น ตอบสั้น
ถ้า ticket มา 1 ประโยค reply ควรอยู่ภายใน 4-5 ประโยค ถ้ามา 1 paragraph อย่าตอบ 10 paragraph การ match ระดับของคู่สนทนาเป็นสิ่งที่คนเก่ง customer service ทำโดยไม่คิด แต่ AI ต้องสอน
3. คำถามกว้าง ให้ยกตัวอย่าง 2-3 อัน + ถามกลับ
ถ้าลูกค้าถามแบบ open-ended เช่น "ใช้ยังไง" หรือ "ช่วยอะไรได้บ้าง" ห้ามดัมพ์ทุก feature ให้เลือก 2-3 ตัวอย่างที่ลูกค้า น่าจะ อยากใช้ (ดูจาก profile + subscription tier) แล้วปิดท้ายด้วยคำถาม "อยากเริ่มที่ไหนก่อนครับ/คะ?"
เหตุผลคือการถามกลับทำให้บทสนทนายังไม่จบ และได้ข้อมูลจริงมาตอบให้ตรงกว่าเดาเอง
4. ห้ามแปะลิงก์ doc ภายนอก
ถ้าต้องอ้าง doc ให้ใช้ของเราเองที่ newton.incomeinclick.in.th ถ้าไม่มีของเรา ให้อธิบายเอง ไม่ส่งลูกค้าออกไปเว็บอื่น เพราะ (1) ลูกค้าที่ออกไปแล้ว กลับมาน้อยกว่าลูกค้าที่อยู่กับเรา (2) บาง doc ภายนอกเป็น dev-doc ที่ยิ่งซับซ้อน กลายเป็นว่าเราอธิบายเพิ่มปัญหา
5. Plain text เท่านั้น
อีเมลที่ทิมส่ง ห้ามมี HTML tag, ห้ามมีบล็อกโค้ด, ห้ามมีตารางที่ต้อง render — เพราะบาง email client แสดงผลเพี้ยน และเพราะ plain text มันดูจริงใจกว่า reply ที่มี markup สวยงามบางทีรู้สึกเหมือนถูก bot ตอบ
ผลลัพธ์หลังแก้ prompt
หลังจาก commit prompt ใหม่ (แค่เพิ่ม 20 กว่าบรรทัดในไฟล์ config) reply ที่ทิมส่งเปลี่ยนไปทันที ไม่มีศัพท์เทคนิคโผล่มาอีก ลูกค้าถามสั้น ได้คำตอบสั้น ลูกค้าถามกว้าง ได้ตัวอย่าง 2-3 อัน + คำถามกลับ การสนทนายาวขึ้น ลูกค้าตอบกลับมากขึ้น
สิ่งที่น่าสนใจที่สุดคือ ผมแก้ที่ prompt เพียงครั้งเดียว — ทุก reply หลังจากนั้นดีขึ้นหมดโดยไม่ต้องแก้รายตัว นี่คือความแตกต่างระหว่างการแก้ output กับการแก้ system
ทำไมเรื่องนี้คือ killer feature ของ AI ส่วนตัว
ถ้าคุณใช้ ChatGPT หรือ Claude ผ่านหน้า chat ทั่วไป คุณ ไม่สามารถ เขียน prompt permanent ให้มันจำตลอดได้ ทุก session เริ่มใหม่ ทุก user ได้ behavior เดียวกัน เพราะมันเป็น shared brain ที่ OpenAI หรือ Anthropic train มาให้ทุกคนใช้
คุณปรับ personality ให้เข้ากับลูกค้าของธุรกิจคุณเฉพาะไม่ได้ จะสั่งว่าห้ามพูดคำว่า "Claude Code" ก็ไม่ได้ (มันจะพูด ถ้าคำถามชวนให้พูด) จะสั่งว่าห้ามลิงก์ออกนอกเว็บเราก็ไม่ได้
แต่ถ้า AI Agent อยู่บน server ของคุณเอง — prompt ทั้งหมดเขียนในไฟล์บน server ของคุณ คุณแก้ได้ทุกเมื่อ ทุก reply ทุก behavior ทุกเรื่อง คือเครื่องมือที่ เรียนรู้จาก mistake แล้ว generalize ได้ ถ้าลูกค้าคนนึงเจอปัญหา คุณแก้ prompt ครั้งเดียว ลูกค้าคนต่อไปไม่ต้องเจอปัญหานั้นอีก
ผมเขียนมาก่อนหน้านี้แล้วว่าผมไม่จ่าย SaaS รายเดือน แต่สร้างเครื่องมือขึ้นเองทั้งหมด เรื่อง AI ก็เหมือนกัน — ไม่มี SaaS ไหนที่ยอมให้คุณแก้ prompt ทั้ง system ของเขา แต่ถ้าเป็น AI ของคุณเอง เขียนอะไรก็ได้
สรุป 3 บทเรียน
1. AI ที่ตอบผิด ไม่ได้หมายความว่า AI ห่วย — ส่วนใหญ่คือ prompt เขียนไว้ไม่ครบ แก้ prompt ก่อน แล้วค่อยไปเปลี่ยน model
2. แก้ต้นน้ำเสมอ อย่าแก้ปลายน้ำ — แก้ prompt ดีกว่าแก้ reply ทีละฉบับ แก้ config ดีกว่าแก้ behavior ทีละเคส แก้ system ดีกว่าแก้ output
3. การปรับ AI ให้เข้ากับลูกค้าของเรา คือของที่ shared platform ให้ไม่ได้ — ถ้าอยากสอน AI ให้พูดเหมือนทีม customer service ของเราจริงๆ AI ต้องอยู่บน server ของเรา ไม่ใช่บน cloud คนอื่น
เคสคล้ายกันที่เพิ่งเกิดอีกอันคือตอน AI ผมตีความ "โอเค" เป็น approve ทั้งหมด แล้วเลื่อนงาน 4 วันใน dashboard ผิด — แก้ที่ feedback memory ครั้งเดียว ทุก session หลังจากนั้นจำได้หมด
คำถามที่พบบ่อย
จะสอน AI ให้พูดในโทนที่เหมาะกับลูกค้าธุรกิจเราเองได้ยังไง
เริ่มจากเขียน system prompt ให้ชัดเจนครับ บอกว่า "ลูกค้าของเราเป็นใคร" เช่น เจ้าของร้านค้า ไม่ใช่ developer จากนั้นระบุ forbidden words ที่ห้ามใช้ กำหนด reply length ว่าถ้าลูกค้าถามสั้นให้ตอบสั้น และให้ตัวอย่างโทนที่ต้องการ 2-3 ตัวอย่าง ลองทดสอบกับคำถามจริงก่อน deploy ใช้งานจริง
ถ้า AI ตอบไม่ถูกโทน ควรแก้ที่ prompt หรือแก้ที่ reply แต่ละฉบับดีกว่า
แก้ที่ prompt เสมอครับ เพราะถ้าแก้แค่ reply ทีละฉบับ ลูกค้าคนต่อไปก็จะเจอปัญหาเดิม แต่ถ้าแก้ prompt ครั้งเดียว reply ทุกฉบับหลังจากนั้นจะดีขึ้นทันที นี่คือความต่างระหว่างแก้ output กับแก้ system — แก้ system ได้ผลมากกว่าและยั่งยืนกว่า
ทำไมถึงห้ามแปะลิงก์ doc ภายนอกในเมล support
สองเหตุผลครับ — หนึ่ง: ลูกค้าที่คลิกออกไปแล้วอาจไม่กลับมา โดยเฉพาะถ้าเว็บปลายทางน่าสับสน สอง: doc ภายนอกมักเป็น technical doc ที่เขียนสำหรับ developer ยิ่งทำให้ลูกค้าที่ไม่ใช่ dev งงขึ้นไปอีก ถ้าต้องอ้าง doc ควรใช้ของเราเองที่เขียนสำหรับ user หรืออธิบายเองในเมลเลยดีกว่า
แชทบอท AI ตอบ support ได้ดีแค่ไหน เทียบกับคนจริงๆ
สำหรับคำถาม routine ที่ถามซ้ำๆ AI ตอบได้เร็วและสม่ำเสมอกว่าคนมากครับ เพราะไม่มีวันอารมณ์ไม่ดี ไม่ลืม policy ไม่ตอบต่างกันคนละวัน จุดที่ AI ยังสู้คนไม่ได้คือเคส edge case แปลกๆ ที่ต้องใช้ judgment ซับซ้อน หรือสถานการณ์ที่ต้องการ empathy จริงๆ ระบบที่ดีคือ AI รับเคสส่วนใหญ่ แล้ว escalate เฉพาะที่ยากไปให้คน
เรื่องนี้เป็นเหตุผลหลักอันหนึ่งที่ผมสร้าง Newton ขึ้นมา — เจ้าของธุรกิจที่ไม่ใช่เดฟ ควรจะมี AI Agent ของตัวเอง บนเซิร์ฟเวอร์ของตัวเอง ที่สอนได้ ปรับได้ เก็บ memory ได้ ไม่ต้องมานั่งเริ่มสอนใหม่ทุกครั้งที่เปิดแชท
Newton ตั้งค่าเสร็จภายใน 10 นาที ไม่ต้องเขียนโค้ดเอง ไม่ต้อง setup server เอง แค่เลือก personality เซ็ต domain แล้วเริ่มคุยกับ AI ของคุณได้เลย ถ้าวันนึงมันพูดไม่ถูกโทน คุณสอนมันใหม่ได้ทันที — เหมือนที่ผมสอนทิม ไม่ต้องรอใคร ไม่ต้องจ่าย SaaS เพิ่ม
— ปอนด์