Anthropic เผยทีมใช้ AI ทำงานจริงอย่างไร

Anthropic เผยทีมใช้ AI ทำงานจริงอย่างไร

ANTHROPIC เพิ่งเปิดเผยเอกสารภายใน: ทีมของพวกเขาใช้ AI ทำงานอย่างไร

Anthropic (บริษัทผู้สร้าง Claude คู่แข่งหลักของ ChatGPT) เพิ่งเผยแพร่เอกสารภายใน แบ่งปันวิธีที่ 10 ทีมในบริษัทใช้ Claude Code ในการทำงานประจำวัน

ฉันอ่านครบ 22 หน้า มีกรณีศึกษาหนึ่งที่ทำให้ฉันต้องหยุดคิด:

ทีมการตลาดมีแค่ 1 คน

ทีม Growth Marketing ของ Anthropic มีแค่ 1 คน ไม่รู้โค้ด รับผิดชอบ Google Ads, Facebook Ads, email marketing, SEO, app store

ก่อนหน้านี้ การสร้างเนื้อหาโฆษณา Google Ads ใช้เวลา 2 ชั่วโมงต่อครั้ง ต้องเขียน headline แต่ละอัน (จำกัด 30 ตัวอักษร), description แต่ละอัน (จำกัด 90 ตัวอักษร) สำหรับหลายร้อยแคมเปญที่แตกต่างกัน

ตอนนี้คนนี้ใช้ Claude Code เพื่อ:

  • อ่านไฟล์ CSV ที่มีโฆษณาหลายร้อยตัวเก่าพร้อมตัวชี้วัดประสิทธิภาพ
  • วิเคราะห์เองว่าโฆษณาไหนกำลังแย่
  • สร้างหลายร้อยตัวแปรใหม่เอง ตรงตามขีดจำกัดตัวอักษร

=> จาก 2 ชั่วโมงเหลือ 15 นาที ความเร็วเพิ่ม 10 เท่า

ยังไม่หยุดแค่นั้น

คนนี้ยังเขียน plugin Figma เองเพื่อสร้าง 100 ตัวแปรภาพโฆษณาในครึ่งวินาที ก่อนหน้านั้นต้องคัดลอก-วางด้วยมือทีละตัว ใช้เวลาหลายชั่วโมง

แล้วสร้าง MCP server เชื่อมต่อกับ Meta Ads API เพื่อวิเคราะห์ประสิทธิภาพแคมเปญ Facebook Ads ภายใน Claude โดยไม่ต้องสลับแพลตฟอร์มไปมา

ย้ำอีกที: คนนี้ไม่รู้โค้ด 😬

ไม่ใช่แค่การตลาด

เอกสารยังแบ่งปันกรณีศึกษาของอีก 9 ทีม:

  • ทีม Legal (กฎหมาย): ทนายไม่รู้โค้ด สร้างแอปช่วยสื่อสารสำหรับญาติผู้ป่วย ใน 1 ชั่วโมง
  • ทีม Design: Designer ทำอินเทอร์เฟซเอง แก้โค้ดเองแทนรอโปรแกรมเมอร์ ความเร็วเพิ่ม 2-3 เท่า
  • ทีม Finance: พนักงานการเงินเขียนคำขอด้วยภาษาอังกฤษธรรมดา AI รันクエリข้อมูลและส่งออก Excel เอง
  • ทีม Security: แก้ไขปัญหาโครงสร้างพื้นฐานจาก 15 นาทีเหลือ 5 นาที
  • ทีม Data Science: เขียนแอป 5,000 บรรทัด TypeScript แม้ "แทบไม่รู้ JavaScript"

บทเรียนที่ได้

จุดร่วมของทั้ง 10 ทีม:

  1. ไม่มีใครใช้ AI แบบ "ถาม 1 คำถาม ได้ 1 คำตอบ" พวกเขาสร้าง workflow อัตโนมัติทั้งกระบวนการ

  2. ไฟล์ Claude.md (ไฟล์แนะนำให้ AI เข้าใจบริบทงาน) สำคัญที่สุด ทีมไหนเขียน Claude.md ละเอียด ทีมนั้นใช้ AI ได้ผลดีกว่ามาก

  3. อัตราที่ AI ทำถูกตั้งแต่ครั้งแรกแค่ประมาณ 1/3 แต่เวลารวมยังประหยัดมากเพราะเมื่อถูกแล้วเร็วกว่าหลายเท่า

  4. ไม่พยายามแก้ไขเมื่อ AI ทำผิด พวกเขาบันทึกเวอร์ชันปัจจุบันก่อน ให้ AI ทำเอง เสร็จแล้วตรวจสอบ ผิดคืนเวอร์ชันเก่า ให้ AI ลองใหม่ตั้งแต่ต้น เร็วกว่าก็นั่งแก้ไขผลลัพธ์ที่ AI สร้าง

=> ขอบเขตระหว่าง "รู้โค้ด" กับ "ไม่รู้โค้ด" กำลังเลือนลางอย่างรวดเร็ว ปัญหาไม่ใช่คุณรู้โปรแกรมมิ่งหรือไม่ แต่คุณอธิบายสิ่งที่ต้องการได้ชัดเจนหรือไม่

PS: ไฟล์ pdf ต้นฉบับและ bản dịchอยู่ใต้คอมเมนต์

Link: https://www-cdn.anthropic.com/58284b19e702b49db9302d5b6f135ad8871e7658.pdf


แสดงความคิดเห็น

ใหม่กว่า เก่ากว่า