กำลังเตรียมประสบการณ์ดิจิทัล
เหตุผลที่คนหนึ่งสั่งเอเจนต์ AI ด้วยประโยคสั้น ๆ แล้วได้งานตรงใจ ขณะที่อีกคนต้องเขียนคำสั่งยาวเป็นหน้าแล้วยังได้ผลไม่ดี มักไม่ได้อยู่ที่ฝีมือเขียนคำสั่ง แต่อยู่ที่ "บริบท" ที่เตรียมไว้ให้เอเจนต์อ่าน Nielsen Norman Group ศึกษาผู้ใช้ระดับสูงที่ใช้เอเจนต์ AI ทำงานจริงทุกวัน และพบว่าทุกคนสร้าง "คลังบริบท" ของตัวเองขึ้นมาโดยไม่ได้นัดกัน และจัดข้อมูลในคลังเป็นสามบทบาทเหมือนกัน คือบริบทถาวร บริบทเฉพาะงาน และบริบทแวดล้อม บทความนี้สรุปว่าแต่ละบทบาทคืออะไร เก็บอย่างไร และทีมออกแบบผลิตภัณฑ์ควรเอาไปใช้อย่างไร
เหตุผลที่คนหนึ่งสั่งเอเจนต์ AI ด้วยประโยคสั้น ๆ แล้วได้งานตรงใจ ขณะที่อีกคนต้องเขียนคำสั่งยาวเป็นหน้าแล้วยังได้ผลไม่ดี มักไม่ได้อยู่ที่ฝีมือเขียนคำสั่ง แต่อยู่ที่ "บริบท" ที่เตรียมไว้ให้เอเจนต์อ่าน Nielsen Norman Group ศึกษาผู้ใช้ระดับสูงที่ใช้เอเจนต์ AI ทำงานจริงทุกวัน และพบว่าทุกคนสร้าง "คลังบริบท" ของตัวเองขึ้นมาโดยไม่ได้นัดกัน และจัดข้อมูลในคลังเป็นสามบทบาทเหมือนกัน คือบริบทถาวร บริบทเฉพาะงาน และบริบทแวดล้อม บทความนี้สรุปว่าแต่ละบทบาทคืออะไร เก็บอย่างไร และทีมออกแบบผลิตภัณฑ์ควรเอาไปใช้อย่างไร
บริบทคือข้อมูลทั้งหมดที่เอเจนต์ใช้ประกอบการตัดสินใจนอกเหนือจากคำสั่งตรงหน้า เช่น ความชอบของผู้ใช้ มาตรฐานงานขององค์กร หรือประวัติงานที่ทำมาก่อน ผู้เข้าร่วมการศึกษาคนหนึ่งสั่งเอเจนต์เพียงว่า "อ่านไฟล์ในโฟลเดอร์โปรเจกต์แล้วทำตาม" ซึ่งปกติเป็นคำสั่งที่กำกวมมาก แต่ได้ผลดีเพราะไฟล์นั้นมีรายละเอียดครบแล้ว อีกคนพูดสั่งงานแบบสบาย ๆ ผ่านการพิมพ์ด้วยเสียง โดยเชื่อว่าคลังบริบทจะช่วยตีความให้ถูกเอง
เป็นข้อมูลพื้นฐานที่กำหนดพฤติกรรมของเอเจนต์ในทุกงาน เช่น ความชอบและสถานการณ์ของผู้ใช้ แนวปฏิบัติและแม่แบบงาน กติกาว่าอะไรต้องขออนุมัติก่อน มาตรฐานแบรนด์และภาพลักษณ์ และคำแนะนำให้เอเจนต์ถามกลับเมื่อความต้องการยังไม่ชัด ประโยชน์หลักคือผู้ใช้ไม่ต้องอธิบายเรื่องเดิมซ้ำทุกครั้งที่เริ่มงานใหม่
เป็นข้อมูลที่ใช้กับงานตรงหน้าโดยตรง เช่น รายการสิ่งที่ต้องทำเรียงตามความสำคัญ ขั้นตอนเฉพาะที่เขียนเก็บเป็นไฟล์ สรุปการคุยครั้งก่อน บันทึกการเปลี่ยนแปลงของโปรเจกต์ หรือข้อมูลจากฐานข้อมูลภายนอก ผู้ใช้ระดับสูงมักเก็บส่วนนี้ในไฟล์เฉพาะที่เอเจนต์อ่านและแก้ไขได้เอง และแยกจากงานอื่นชัดเจน เพื่อไม่ให้ข้อมูลของงานหนึ่งไปปนกับอีกงาน
เป็นกระแสข้อมูลที่ผู้ใช้ไม่มีเวลาจัดระเบียบเอง เช่น อีเมลและข้อความในแชตทีม บันทึกการประชุม ข้อมูลการใช้งานผลิตภัณฑ์ ข้อมูลร้านค้าออนไลน์ บทความที่อ่าน และปฏิทิน ผู้เข้าร่วมให้คุณค่ากับบริบทแบบนี้เพราะมันสะท้อนสิ่งที่สำคัญในงานจริงโดยไม่ต้องเขียนอธิบายเพิ่ม ส่วนใหญ่ข้อมูลกลุ่มนี้ยังอยู่ในซอฟต์แวร์ต้นทาง และเอเจนต์เข้าถึงผ่านการเชื่อมต่อแบบ MCP ซึ่งเป็นมาตรฐานเปิดสำหรับให้เอเจนต์ AI คุยกับระบบอื่น หรือผ่าน API แทนการคัดลอกมาเก็บ
| บทบาท | ตัวอย่าง | เปลี่ยนบ่อยแค่ไหน | ใครดูแล |
|---|---|---|---|
| ถาวร (global) | ความชอบผู้ใช้ มาตรฐานแบรนด์ กติกาการอนุมัติ | นาน ๆ ครั้ง | ผู้ใช้คัดกรองเอง |
| เฉพาะงาน (local) | รายการงาน บันทึกการเปลี่ยนแปลง สรุปการคุย | ทุกวันระหว่างทำงาน | ผู้ใช้และเอเจนต์ช่วยกัน |
| แวดล้อม (ambient) | อีเมล แชตทีม บันทึกประชุม ข้อมูลการใช้งาน | ตลอดเวลา | เอเจนต์ดึงจากต้นทางเอง |
สิ่งที่น่าสนใจคือข้อมูลชิ้นเดียวกันเปลี่ยนบทบาทได้ ข้อความในแชตทีมเป็นบริบทแวดล้อมจนกว่าผู้ใช้จะชี้ว่าเกี่ยวกับงานปัจจุบัน ตอนนั้นมันกลายเป็นบริบทเฉพาะงาน และถ้าเป็นหลักการที่ใช้ได้ระยะยาวก็อาจถูกเก็บเป็นบริบทถาวร ข้อสรุปของผู้วิจัยคือเมื่อสร้างคลังบริบท ให้ถามก่อนว่า "ข้อมูลชิ้นนี้ทำหน้าที่อะไร" เพราะบทบาทเป็นตัวกำหนดว่าควรเก็บที่ไหน ใครดูแล และเปลี่ยนบ่อยแค่ไหน
ถ้ากำลังออกแบบผลิตภัณฑ์ที่มีเอเจนต์ AI อยู่ข้างใน ให้ออกแบบพื้นที่เก็บบริบทแยกตามบทบาท แทนการมีช่องใส่คำสั่งช่องเดียว เช่น หน้าตั้งค่าสำหรับบริบทถาวร พื้นที่ของแต่ละโปรเจกต์สำหรับบริบทเฉพาะงาน และตัวเชื่อมต่อกับระบบต้นทางสำหรับบริบทแวดล้อม ควรให้ผู้ใช้เห็นและแก้ได้ว่าเอเจนต์กำลังใช้บริบทอะไรอยู่ เพราะผู้ใช้ระดับสูงทุกคนในการศึกษาต้องการควบคุมส่วนนี้เอง และควรทำให้ย้ายข้อมูลระหว่างบทบาทได้ง่าย เช่นปุ่มปักหมุดข้อความในแชตให้กลายเป็นบริบทของงาน
สำหรับทีมไทยที่เริ่มนำเอเจนต์ AI มาใช้ทำงานจริง การเริ่มจากเขียนบริบทถาวรขององค์กรให้ชัด เช่น มาตรฐานงาน กติกาการอนุมัติ และข้อมูลที่ห้ามส่งออกนอกองค์กร มักให้ผลเร็วกว่าการฝึกเขียนคำสั่งให้เก่งขึ้น ทีมงาน Smart Cyber Tech ออกแบบ UX/UI สำหรับผลิตภัณฑ์ที่มี AI อยู่ข้างใน ตั้งแต่วางโครงบริบทจนถึงหน้าจอที่ให้ผู้ใช้ควบคุมเอเจนต์ได้เอง ปรึกษาได้ที่ แบบฟอร์มติดต่อ
บทความอื่นที่เกี่ยวข้อง
องค์กรจำนวนมากใช้ AI ช่วยเขียนบทความ รายงาน และเนื้อหาการตลาดกันแล้ว คำถามที่ยังไม่มีคำตอบชัดคือควรใช้ถึงระดับไหน Nielsen Norman Group หรือ NN/g ซึ่งเป็นองค์กรวิจัยด้าน UX ชั้นนำ เปิดเผยกระบวนการจริงเมื่อวันที่ 11 กันยายน 2026 ว่าใช้ AI ช่วยงานสี่ด้าน แต่ไม่ยอมให้ AI เป็นผู้ตัดสินว่าอะไรควรเผยแพร่ บทความนี้สรุปเส้นแบ่งนั้น และเหตุผลที่ธุรกิจไทยควรเขียนเส้นแบ่งแบบเดียวกันไว้ให้ชัด
อ่านบทความ
Empathy map คือเครื่องมือที่ทีมใช้จัดสิ่งที่รู้เกี่ยวกับผู้ใช้เป็นสี่ช่อง พูด คิด ทำ และรู้สึก ทีมจำนวนมากเริ่มให้ AI ช่วยเติมช่องเหล่านี้ บทความจาก Nielsen Norman Group เตือนว่า AI เก่งเรื่องจัดระเบียบข้อมูลที่มีอยู่ แต่เมื่อถูกขอให้เติมสิ่งที่ยังไม่มี มันจะสร้างข้อความที่ฟังดูน่าเชื่อแต่ไม่ได้มาจากผู้ใช้จริง และความน่าเชื่อกับความจริงเป็นคนละเรื่อง บทความนี้สรุปว่าเส้นแบ่งอยู่ตรงไหน และทีมออกแบบในไทยจะใช้ AI ในงานวิจัยอย่างไรให้ไม่หลอกตัวเอง
อ่านบทความ
AI ทำให้ทีมสร้างต้นแบบ ฟีเจอร์ และเนื้อหาได้เร็วกว่าที่ทีม UX จะประเมินทัน ผลคือหนี้ประสบการณ์ผู้ใช้ที่ใครสักคนต้องตามแก้ทีหลัง บทความจาก Nielsen Norman Group ตั้งชื่อปรากฏการณ์นี้ว่ายุคเก็บกวาดของ UX พร้อมเสนอสามทางที่จะเปลี่ยนจากงานตามซ่อมเป็นงานกำหนดทิศทาง
อ่านบทความตั้งแต่ประเมินระบบปัจจุบัน วางแผน จนถึงลงมือพัฒนา — คุยกับเราได้โดยไม่มีค่าใช้จ่าย
