คู่มือใช้ Claude สำหรับงาน HR

จากประกาศรับสมัคร → สัมภาษณ์ → onboarding → นโยบาย → ประเมินผล

งาน HR มีลักษณะเฉพาะที่ทำให้การใช้ AI ต่างจากงานอื่น: เกือบทุกอย่างที่คุณทำเกี่ยวข้องกับคนจริงและมีผลตามกฎหมาย ใบสมัครคือข้อมูลส่วนบุคคล การคัดออกคือการตัดสินใจที่กระทบชีวิตคน หนังสือเตือนมีผลผูกพัน คู่มือนี้จึงแบ่งชัดว่างานไหน AI ช่วยได้เต็มที่ งานไหนช่วยได้แค่ร่าง และงานไหนห้ามให้ตัดสินแทนคุณเด็ดขาด

เตรียมก่อน: ให้ Claude รู้จักองค์กรของคุณ#

คำตอบจาก AI จะกลาง ๆ และใช้ไม่ได้จริง ถ้ามันไม่รู้ว่าองค์กรคุณเป็นแบบไหน สร้าง Project ชื่อ “งาน HR” แล้วอัปโหลดเอกสารที่ไม่มีข้อมูลส่วนบุคคลของใครอยู่ข้างใน:

• ข้อบังคับเกี่ยวกับการทำงาน และคู่มือพนักงานฉบับปัจจุบัน
• โครงสร้างองค์กรและ job level พร้อมคำอธิบายแต่ละระดับ
• JD ที่เคยใช้แล้วได้ผู้สมัครดี 3–5 ตำแหน่ง เพื่อให้จับโทน
• เกณฑ์ประเมินผล และแบบฟอร์มที่ใช้อยู่
• ค่านิยมองค์กร ฉบับที่ใช้จริง ไม่ใช่ฉบับที่แขวนอยู่บนผนัง

แล้วใส่บริบทนี้เป็น instruction ของโปรเจกต์:

บริบทงาน HR ของฉัน
- องค์กร: บริษัทผลิตชิ้นส่วนยานยนต์ พนักงาน 320 คน (โรงงาน 240 / ออฟฟิศ 80)
- ฉันดูแล: สรรหา ประเมินผล และงานสวัสดิการ
- โทนสื่อสาร: ตรงไปตรงมา สุภาพ ไม่ใช้ศัพท์ HR ที่พนักงานหน้างานไม่เข้าใจ
- กฎหมายอ้างอิง: กฎหมายแรงงานไทยและ PDPA

กติกาที่ต้องทำตามทุกครั้ง
1. ห้ามแต่งตัวเลข ชื่อคน หรือข้อกฎหมายที่ฉันไม่ได้ให้ ถ้าไม่มีข้อมูลให้เขียนว่า [ต้องเช็ก]
2. ห้ามเสนอเกณฑ์ที่อิงอายุ เพศ ศาสนา สถานะสมรส หรือมหาวิทยาลัย
3. ถ้าเรื่องไหนควรให้ทนายแรงงานดู ให้บอกฉันตรง ๆ ก่อนร่าง

ข้อ 1 และ 2 สำคัญกว่าที่คิด เพราะโมเดลภาษามีแนวโน้มตอบให้ครบและดูมั่นใจ แม้จะไม่มีข้อมูล การบังคับให้เขียน [ต้องเช็ก] ทำให้คุณเห็นช่องว่างแทนที่จะเผลอเชื่อ

1. เขียนประกาศรับสมัครที่คนอ่านจบ#

JD ส่วนใหญ่ล้มเหลวเพราะเขียนจากมุมบริษัท (“ต้องการผู้ที่มีความรับผิดชอบสูง”) ไม่ใช่จากมุมงานจริง วิธีที่ได้ผลกว่าคือเล่างานจริงให้ฟังก่อน แล้วค่อยให้เรียบเรียง:

ช่วยเขียนประกาศรับสมัคร "วิศวกรกระบวนการผลิต" จากข้อมูลดิบนี้

งานที่ต้องทำจริงใน 6 เดือนแรก:
- ลด scrap rate สาย A จาก 4.2% ให้เหลือต่ำกว่า 2.5%
- ทำ SOP ใหม่ 3 กระบวนการ และเทรนหัวหน้ากะ 8 คน
- ร่วมทีมติดตั้งเครื่องใหม่ไตรมาส 4

เงื่อนไข: ประจำโรงงานระยอง จ-ศ 8:00-17:00 มีเข้ากะเสาร์เดือนละครั้ง
สิ่งที่เราให้: ประกันสุขภาพครอบครัว โบนัสตามผลงาน งบอบรม 20,000/ปี

ขอ 3 ส่วน: (1) งานนี้คืออะไรจริง ๆ (2) คุณสมบัติที่จำเป็นจริง แยกจาก
"ถ้ามีจะดี" (3) ทำไมถึงน่ามาอยู่ที่นี่
ห้ามใช้คำกลวงอย่าง "รักความก้าวหน้า" ถ้าไม่มีหลักฐานรองรับ
ความยาวไม่เกิน 400 คำ

เคล็ดที่ช่วยได้มาก: ขอให้แยก “จำเป็นจริง” ออกจาก “ถ้ามีจะดี” เสมอ เพราะรายการคุณสมบัติที่ยาวเกินจริงคือสาเหตุอันดับต้น ๆ ที่ทำให้ผู้สมัครที่เหมาะสมไม่กดสมัคร

เสร็จแล้วให้ตรวจอีกรอบด้วยคำสั่งสั้น ๆ:

ตรวจประกาศนี้ว่ามีข้อความที่อาจเข้าข่ายเลือกปฏิบัติหรือกีดกันโดยไม่จำเป็นไหม
เช่น ระบุอายุ เพศ สถานะสมรส รูปถ่าย หรือข้อกำหนดที่ไม่เกี่ยวกับความสามารถ
ทำงาน ชี้จุดและเสนอถ้อยคำแทนเป็นข้อ ๆ

2. อ่านใบสมัคร ไม่ใช่ตัดสินใบสมัคร#

เส้นที่ไม่ควรข้าม: อย่าให้ AI เป็นคนตัดสินว่าใครถูกคัดออก การคัดคนออกจากกระบวนการจ้างงานเป็นการตัดสินใจที่กระทบสิทธิของผู้สมัคร ใช้ AI ย่อยข้อมูลและตั้งคำถาม แต่คนตัดสินและรับผิดชอบต้องเป็นคุณ

สิ่งที่ AI ช่วยได้ดีจริงคือทำให้ใบสมัครที่รูปแบบต่างกันอ่านเทียบกันได้:

นี่คือใบสมัคร 1 ใบ (ลบชื่อและข้อมูลติดต่อออกแล้ว) กับ JD ตำแหน่งวิศวกร
กระบวนการผลิตที่แนบไว้ในโปรเจกต์

ช่วยทำตาราง 3 คอลัมน์:
| เกณฑ์จาก JD | หลักฐานในใบสมัคร (ยกข้อความมาตรง ๆ) | ไม่พบข้อมูล |

จากนั้นเขียน 3 คำถามที่ควรถามเพิ่มในรอบโทรศัพท์ เพื่อเคลียร์จุดที่ยังไม่ชัด

ห้ามให้คะแนนรวม ห้ามสรุปว่าผ่านหรือไม่ผ่าน และห้ามเดาสิ่งที่ไม่ได้เขียนไว้

ข้อดีของรูปแบบนี้คือคุณเห็น “หลักฐานคู่เกณฑ์” ทุกบรรทัด ถ้า AI ยกข้อความมาไม่ได้ แปลว่าไม่มีในใบสมัครจริง ไม่ใช่ว่าผู้สมัครขาดคุณสมบัติ — สองอย่างนี้ต่างกันและ HR ที่รีบมักสับสน

อีกงานที่คุ้มมากคือร่างจดหมายแจ้งผลที่ไม่ทิ้งใครไว้กลางอากาศ:

ช่วยร่างอีเมลแจ้งผู้สมัครที่ไม่ผ่านรอบสัมภาษณ์ ตำแหน่งวิศวกรกระบวนการผลิต
- สั้น ไม่เกิน 120 คำ สุภาพ ไม่ใช้ประโยคกำกวมที่ทำให้คิดว่ายังมีหวัง
- ขอบคุณเวลาที่เขาให้ ระบุว่าจะเก็บข้อมูลไว้พิจารณาตำแหน่งอื่น 12 เดือน
- ไม่ต้องอธิบายเหตุผลเชิงเปรียบเทียบกับผู้สมัครคนอื่น

3. คำถามสัมภาษณ์และเกณฑ์ให้คะแนน#

สัมภาษณ์ที่ไม่มีโครงคือสัมภาษณ์ที่ตัดสินด้วยความรู้สึก ให้ AI ช่วยสร้าง structured interview ซึ่งเป็นวิธีที่ลดอคติได้จริงกว่าการฝึกให้ “ระวังอคติ” เฉย ๆ:

สร้างชุดสัมภาษณ์แบบมีโครงสำหรับตำแหน่งวิศวกรกระบวนการผลิต (45 นาที)

ขอ:
1. คำถามเชิงพฤติกรรม 5 ข้อ อิงจากงานจริงใน JD แต่ละข้อระบุว่ากำลังวัดอะไร
2. คำถามสถานการณ์ 2 ข้อ ที่ใช้ปัญหาหน้างานจริง
3. เกณฑ์ให้คะแนน 1-4 ของแต่ละข้อ โดยเขียนให้ชัดว่าคำตอบระดับ 1 กับ 4
   ต่างกันอย่างไร (ต้องสังเกตได้ ไม่ใช่ "ดี" กับ "ไม่ดี")
4. สัญญาณที่ควรถามเจาะต่อ

ห้ามใส่คำถามเรื่องชีวิตส่วนตัว ครอบครัว แผนมีบุตร ศาสนา หรือการเมือง

หลังสัมภาษณ์เสร็จ ใช้ช่วยเรียบเรียงบันทึกให้เป็นหลักฐานที่ย้อนกลับมาอ่านได้:

นี่คือโน้ตดิบที่ฉันจดระหว่างสัมภาษณ์ ช่วยจัดเป็น
- คำตอบตามเกณฑ์แต่ละข้อ พร้อมคะแนนที่ฉันให้และเหตุผลที่ฉันพูดไว้
- จุดที่ฉันยังไม่ได้ถาม
- ประเด็นที่ควรเช็กกับ reference

ถ้าเหตุผลที่ฉันเขียนไว้เป็นความรู้สึกล้วน ๆ โดยไม่มีตัวอย่างจากคำตอบ
ให้ทำเครื่องหมายไว้ให้ฉันเห็น

บรรทัดสุดท้ายคือของจริง — มันจับ “รู้สึกว่าไม่ fit” ที่ไม่มีหลักฐานรองรับ ซึ่งเป็นจุดที่การเลือกปฏิบัติมักแอบเข้ามาโดยไม่ตั้งใจ

4. Onboarding 30 วันแรก#

งาน onboarding กินเวลา HR มากเพราะต้องทำซ้ำทุกคนแต่รายละเอียดไม่เหมือนกัน นี่คือจุดที่ AI คืนเวลาให้ชัดที่สุด:

ช่วยทำแผน onboarding 30 วันสำหรับวิศวกรกระบวนการผลิตที่เพิ่งเข้าใหม่
โดยอิงคู่มือพนักงานและโครงสร้างองค์กรในโปรเจกต์

แบ่งเป็น วันแรก / สัปดาห์แรก / วันที่ 30 แต่ละช่วงระบุ
- สิ่งที่ต้องเรียนรู้ และวัดยังไงว่ารู้จริง
- คนที่ต้องได้เจอ พร้อมเหตุผลว่าเจอไปทำไม
- งานชิ้นแรกที่ควรได้รับผิดชอบ
- คำถามที่หัวหน้าควรถามในการคุย 1:1 ครบ 30 วัน

ทำเป็นเช็กลิสต์ที่หัวหน้างานใช้ได้เลยโดยไม่ต้องแก้

ทำครั้งเดียวแล้วเก็บเป็นแม่แบบ ครั้งต่อไปแค่บอกตำแหน่งใหม่ให้ปรับ ใช้เวลาไม่กี่นาที

5. ร่างนโยบายและระเบียบให้คนอ่านรู้เรื่อง#

ข้อจำกัดที่ต้องยอมรับ: AI ไม่ใช่ที่ปรึกษากฎหมายแรงงาน ระเบียบบริษัท หนังสือเตือน สัญญาจ้าง และเอกสารเลิกจ้าง มีผลผูกพันตามกฎหมายไทยและมีเงื่อนไขเฉพาะ เช่น ข้อบังคับเกี่ยวกับการทำงานและค่าชดเชย ให้ใช้ AI ร่างโครงและเกลาภาษา แล้วส่งให้ทนายหรือที่ปรึกษาแรงงานตรวจก่อนประกาศใช้เสมอ

สิ่งที่ AI ทำได้ดีมากคือแปลนโยบายที่เขียนแบบกฎหมายให้เป็นภาษาที่พนักงานเข้าใจ โดยไม่เปลี่ยนสาระ:

นี่คือนโยบายการลาฉบับปัจจุบันของเรา

ช่วยทำ 2 อย่าง
1. เขียนฉบับสรุปสำหรับพนักงาน ไม่เกิน 1 หน้า ใช้ภาษาพูดปกติ
   ทำเป็นหัวข้อ "ลาแบบไหน ได้กี่วัน ต้องแจ้งล่วงหน้าเท่าไร ใครอนุมัติ"
2. ชี้จุดในฉบับเดิมที่กำกวมหรือตีความได้หลายทาง พร้อมยกตัวอย่าง
   สถานการณ์ที่จะเกิดข้อโต้แย้ง

ห้ามเปลี่ยนสาระของนโยบาย ถ้าจุดไหนฉบับเดิมไม่ได้ระบุ ให้เขียนว่า [ไม่ระบุในฉบับเดิม]

ข้อ 2 มีค่ามากกว่าข้อ 1 — มันหาช่องที่จะกลายเป็นข้อพิพาทในอีกหกเดือนข้างหน้าให้คุณเห็นก่อน

อีกงานที่ใช้ได้จริงคือทำ FAQ ล่วงหน้าก่อนประกาศนโยบายใหม่:

เราจะประกาศนโยบายทำงานที่บ้านใหม่ (เข้าออฟฟิศ 3 วัน/สัปดาห์ อ พ พฤ) มีผล 1 ต.ค.

ช่วยคิดคำถามที่พนักงานจะถาม 15 ข้อ เรียงจากที่จะถูกถามบ่อยที่สุด
โดยเฉพาะคำถามที่ตอบยากหรือทำให้ HR ตกที่นั่งลำบาก
แล้วบอกว่าแต่ละข้อ HR ต้องเตรียมข้อมูลอะไรไว้ก่อน (ยังไม่ต้องเขียนคำตอบ)

6. ประเมินผลและเขียน feedback#

ปัญหาคลาสสิกของรอบประเมิน: หัวหน้าเขียน “ทำงานดี ตั้งใจ” เหมือนกันทั้งทีม HR ช่วยได้โดยให้ AI เป็นตัวช่วยของหัวหน้า ไม่ใช่คนเขียนแทน:

นี่คือร่างประเมินที่หัวหน้าเขียนมา ช่วยตรวจในฐานะ HR ว่า
- ข้อไหนเป็นการบรรยายลักษณะนิสัยแทนที่จะเป็นพฤติกรรมหรือผลงานที่วัดได้
- ข้อไหนไม่มีตัวอย่างประกอบ
- ข้อไหนอาจถูกโต้แย้งได้ถ้าพนักงานไม่เห็นด้วย

สำหรับแต่ละจุด ให้ตั้งคำถามที่ฉันควรถามหัวหน้าเพื่อดึงตัวอย่างจริงออกมา
ห้ามเขียนเนื้อหาประเมินแทนหัวหน้า

สังเกตบรรทัดสุดท้าย — ถ้าให้ AI เขียนเนื้อหาประเมินเอง คุณจะได้เอกสารที่อ่านลื่นแต่ไม่มีใครยืนยันได้ว่าจริง ซึ่งเป็นปัญหาทันทีที่พนักงานโต้แย้งหรือเรื่องไปถึงศาลแรงงาน

สำหรับการซ้อมคุยเรื่องยาก AI ใช้เป็นคู่ซ้อมได้ดี:

สวมบทเป็นพนักงานอายุงาน 6 ปี ที่เพิ่งได้เกรดประเมินต่ำกว่าปีก่อนเป็นครั้งแรก
และรู้สึกว่าไม่ยุติธรรมเพราะทีมเปลี่ยนหัวหน้ากลางปี

ให้โต้แย้งตามสมควร ไม่ต้องยอมง่าย ไม่ต้องให้กำลังใจฉัน
ฉันจะซ้อมเปิดบทสนทนา พอจบให้บอกว่าจุดไหนฉันตอบอ่อน และควรพูดอย่างไรแทน

7. สื่อสารเรื่องยากภายในองค์กร#

ประกาศปรับโครงสร้าง เปลี่ยนสวัสดิการ หรือชะลอการขึ้นเงินเดือน คือจดหมายที่เขียนยากที่สุดในงาน HR สิ่งที่ AI ช่วยได้คือทำให้คุณเห็นว่าคนอ่านจะรู้สึกอย่างไรก่อนกดส่ง:

นี่คือร่างประกาศเรื่องปรับโครงสร้างแผนกผลิต

ช่วยอ่านในมุมของ 3 คนนี้แล้วบอกว่าแต่ละคนจะเข้าใจอะไร กังวลอะไร
และจะถามอะไรต่อทันที
1. พนักงานที่ตำแหน่งถูกย้ายสังกัด
2. หัวหน้ากะที่ต้องอธิบายเรื่องนี้ต่อให้ลูกทีม
3. พนักงานที่ไม่ได้รับผลกระทบแต่กลัวว่าจะเป็นคิวต่อไป

ชี้ประโยคที่กำกวมหรือฟังดูหลบเลี่ยง แล้วเสนอถ้อยคำที่ตรงกว่าโดยไม่แข็งกระด้าง

คำเตือนหนึ่งข้อ: ถ้าเรื่องนั้นเกี่ยวกับการเลิกจ้าง ค่าชดเชย หรือการเปลี่ยนสภาพการจ้างที่ไม่เป็นคุณต่อลูกจ้าง ให้ที่ปรึกษาแรงงานดูเนื้อหาก่อน ไม่ใช่แค่ดูสำนวน

8. อ่านผลสำรวจพนักงานให้เจอประเด็นจริง#

คำตอบปลายเปิดจากแบบสำรวจ 300 ชุดคือกองข้อมูลที่ HR ส่วนใหญ่ไม่มีเวลาอ่านจริง งานนี้ AI ทำได้ดีมาก ถ้าคำตอบนั้นไม่ระบุตัวตน:

นี่คือคำตอบปลายเปิดจากแบบสำรวจความผูกพัน 300 ชุด (ไม่ระบุตัวตน)

ช่วย
1. จัดกลุ่มเป็นประเด็นหลัก บอกจำนวนที่พูดถึงแต่ละประเด็น
2. ยกคำพูดตัวแทน 2 ประโยคต่อประเด็น (คัดลอกมาตรง ๆ ห้ามเรียบเรียงใหม่)
3. แยกให้ชัดระหว่างประเด็นที่ HR แก้ได้เอง กับที่ต้องผู้บริหารตัดสินใจ
4. ประเด็นที่คนพูดถึงน้อยแต่ความรุนแรงสูง ให้แยกออกมาต่างหาก

ห้ามสรุปเกินจากที่ข้อความบอก และห้ามเดาว่าใครเป็นคนเขียน

ข้อ 4 คือข้อที่คนมักลืมใส่ ประเด็นความปลอดภัยหรือการคุกคามมักถูกพูดถึงน้อยเพราะคนไม่กล้าเขียน ไม่ใช่เพราะไม่มีปัญหา — การเรียงตามจำนวนอย่างเดียวจะกลบเรื่องที่สำคัญที่สุดพอดี

ข้อควรระวังที่ HR พลาดไม่ได้#

• ข้อมูลผู้สมัครและพนักงานคือข้อมูลส่วนบุคคล — อยู่ภายใต้ PDPA และบางประเภท เช่น ประวัติสุขภาพ ประวัติอาชญากรรม หรือข้อมูลชีวมิติ เป็นข้อมูลอ่อนไหวที่มีเงื่อนไขเข้มกว่า เช็กนโยบายองค์กรและฐานทางกฎหมายก่อนวางข้อมูลลงเครื่องมือใด ๆ
• เรื่องร้องเรียน วินัย และการสอบสวน — อย่าเอารายละเอียดเคสไปให้ AI ช่วยวิเคราะห์ว่าใครผิด นอกจากประเด็นความลับแล้ว ผลจากการสอบสวนต้องมาจากพยานหลักฐานและกระบวนการที่เป็นธรรม ไม่ใช่จากการประมวลข้อความ
• ห้ามให้ AI ตัดสินคนแทน — คัดออก ให้เกรดประเมิน เลื่อนตำแหน่ง หรือเลิกจ้าง ต้องมีมนุษย์ที่อธิบายเหตุผลและรับผิดชอบได้ ทั้งกับพนักงานและกับหน่วยงานที่ตรวจสอบ
• อคติไม่ได้หายไปเพราะใช้เครื่องมือ — ถ้าเกณฑ์ที่คุณให้มีอคติ ผลลัพธ์ก็มีอคติและดูน่าเชื่อถือขึ้นด้วยซ้ำ ตรวจว่าเกณฑ์ทุกข้อเกี่ยวกับความสามารถทำงานจริง
• ตัวเลขและข้อกฎหมายต้องเช็กเอง — อัตราค่าชดเชย จำนวนวันลา เพดานประกันสังคม และเงื่อนไขตามกฎหมายเปลี่ยนได้ และเป็นจุดที่ AI ตอบผิดแบบมั่นใจได้ง่ายที่สุด ยึดประกาศจากหน่วยงานราชการเป็นหลักเสมอ
• บอกให้ชัดว่าองค์กรใช้ AI ตรงไหน — ถ้าใช้ในกระบวนการสรรหา ควรมีนโยบายภายในที่เขียนไว้ว่าใช้ทำอะไรและไม่ใช้ทำอะไร เพื่อให้ตอบผู้สมัครและผู้ตรวจสอบได้

เวิร์กโฟลว์ประจำเดือน#

FAQ#

ให้ AI คัดกรองใบสมัครและตัดสินว่าใครผ่านได้ไหม?#

ไม่ควรให้ AI เป็นผู้ตัดสินคัดออก การคัดคนออกจากกระบวนการจ้างงานเป็นการตัดสินใจที่กระทบสิทธิของผู้สมัครและอาจสร้างการเลือกปฏิบัติโดยไม่ตั้งใจ ใช้ AI ช่วยสรุปประสบการณ์ตามเกณฑ์ที่คุณกำหนด เทียบกับ JD และตั้งคำถามที่ควรถามเพิ่ม แล้วให้มนุษย์เป็นคนตัดสินและรับผิดชอบผลเสมอ

อัปโหลดเรซูเม่หรือข้อมูลพนักงานให้ AI ได้ไหม?#

ข้อมูลผู้สมัครและพนักงานเป็นข้อมูลส่วนบุคคลภายใต้ PDPA และบางส่วน เช่น ประวัติสุขภาพหรือประวัติอาชญากรรม เป็นข้อมูลอ่อนไหวที่มีข้อกำหนดเข้มกว่า ต้องเช็กนโยบายองค์กรและฐานทางกฎหมายก่อนเสมอ ถ้าองค์กรยังไม่มีเครื่องมือเวอร์ชันที่อนุมัติให้ใช้กับข้อมูลงาน ให้ลบชื่อ เบอร์ อีเมล และรายละเอียดที่ระบุตัวตนออกก่อนวาง

ให้ AI ร่างระเบียบบริษัทหรือหนังสือเตือนได้ไหม?#

ใช้ร่างโครงและภาษาที่อ่านเข้าใจง่ายได้ แต่ห้ามใช้เป็นฉบับจริงโดยไม่ผ่านคนที่รู้กฎหมายแรงงาน ระเบียบบริษัท หนังสือเตือน และเอกสารเลิกจ้างมีผลผูกพันตามกฎหมายและมีเงื่อนไขเฉพาะของไทย เช่น ข้อบังคับเกี่ยวกับการทำงานและค่าชดเชย ให้ทนายหรือที่ปรึกษาแรงงานตรวจก่อนใช้จริงเสมอ

จะกัน AI ไม่ให้สร้างอคติในการรับสมัครได้อย่างไร?#

เริ่มจากเกณฑ์ที่วัดได้และเกี่ยวกับงานจริง ไม่ใส่อายุ เพศ ศาสนา สถานะสมรส หรือมหาวิทยาลัยเป็นเกณฑ์ ระบุในคำสั่งว่าให้ประเมินเฉพาะทักษะและประสบการณ์ที่ระบุใน JD และให้ยกข้อความจากใบสมัครมาอ้างอิงทุกครั้งที่สรุป จากนั้นสุ่มตรวจผลลัพธ์เองว่าเหตุผลที่ให้มาอิงหลักฐานจริงหรือเป็นการเดา

อ่านต่อ#

• คู่มือใช้ Claude สำหรับงานขาย
• คู่มือใช้ Claude สำหรับงานบัญชี-การเงิน
• คู่มือใช้ Claude สำหรับงานฟรีแลนซ์
• คู่มือใช้งาน Claude ฉบับภาษาไทย
• วางนโยบายใช้ AI ในองค์กร
• AI เขียนอีเมลทำงานอย่างมืออาชีพ
• ใช้ AI อย่างปลอดภัยกับข้อมูลงาน

แหล่งอ้างอิง#

• Claude — Anthropic
• Collaborate with Claude on Projects — Anthropic
• Understanding Claude's personalization features — Claude Help Center
• Prompt engineering overview — Claude Docs