ដែនកំណត់នៃការប្រើ AI គឺមហិច្ឆតារបស់អ្នក៖ វិមាត្រទាំងបួន គឺល្បឿន កម្ពស់ ជម្រៅ និងវិសាលភាព

Felix Rieseberg ប្រធានផ្នែកវិស្វកម្មរបស់ Anthropic បានបែងចែក "ការមានមហិច្ឆតាខ្ពស់ជាងមុនក្នុងការប្រើ AI" ជាបួនវិមាត្រ គឺល្បឿន កម្ពស់ ជម្រៅ និងវិសាលភាព។ អត្ថបទនេះប្រមូលវិធីសាស្ត្រ និងឧទាហរណ៍របស់គាត់ ព្រមទាំងកំណត់ចំណាំអនុវត្តជាក់ស្តែងរបស់ខ្ញុំផ្ទាល់៖ ផ្តល់ការណែនាំដែលផ្តោតលើគោលដៅ ហើយដឹកនាំក្រុមអ្នកជំនាញ Multi-AI Agents ឱ្យពិនិត្យឆ្លងគ្នាពីទស្សនៈច្រើន ដើម្បីលើកកម្ពស់គុណភាពការងារ។

2026/10/21 · អាន 1 នាទី

ចំណងជើងធំ "ដែនកំណត់នៃការប្រើ AI គឺមហិច្ឆតារបស់អ្នក" លើផ្ទៃខាងក្រោយងងឹត ខាងក្រោមមានសរសេរវិមាត្របួន គឺល្បឿន កម្ពស់ ជម្រៅ និងវិសាលភាព ហើយនៅខាងស្តាំជាគំនូសតាមរ៉ាដាររាងពេជ្រដែលពង្រីកចេញទៅក្រៅតាមអ័ក្សទាំងបួននេះ

ក្នុងអត្ថបទ "How to be more ambitious: A tutorial for humans with models" របស់ Felix Rieseberg ប្រធានផ្នែកវិស្វកម្មរបស់ Anthropic គាត់បានរៀបរាប់ថា នៅពេលឃើញអ្នកដទៃប្រើ AI បង្កើតលទ្ធផលគួរឱ្យភ្ញាក់ផ្អើល គាត់ និងមនុស្សជុំវិញខ្លួនតែងមានប្រតិកម្មដូចគ្នាថា៖ "យើងមិនទាន់មានមហិច្ឆតាគ្រប់គ្រាន់ទេ។"

ការយល់ឃើញរបស់ខ្ញុំគឺ៖ ដែនកំណត់នៃការប្រើ AI របស់មនុស្ស ច្រើនតែជាប់គាំងនៅមហិច្ឆតា និងការស្រមៃរបស់ខ្លួនឯង មិនមែននៅម៉ូដែលទេ។

គាត់បានបែងចែក "មហិច្ឆតា" ជាបួនវិមាត្រ៖

ល្បឿន (Speed)៖ ការងារដដែល ប៉ុន្តែបញ្ចប់ក្នុងរយៈពេលខ្លីជាងមុន។
កម្ពស់ (Altitude)៖ លើកកម្រិតនៃអរូបីភាពឱ្យខ្ពស់ឡើង ហើយមើលលទ្ធផលចុងក្រោយ មិនមែនកិច្ចការតែមួយៗទេ។
ជម្រៅ (Depth)៖ ធ្វើការតាមស្តង់ដារ ឧបករណ៍ និងវិធីសាស្ត្ររបស់អ្នកជំនាញកំពូលក្នុងវិស័យនោះ។
វិសាលភាព (Range)៖ ចេញពីវិស័យតែមួយ ហើយស្វែងរកដំណោះស្រាយឆ្លងវិស័យ។

សេចក្តីសន្និដ្ឋានមុន៖ ផ្តល់ការណែនាំដែលផ្តោតលើគោលដៅឱ្យច្បាស់លាស់ ហើយដឹកនាំក្រុមអ្នកជំនាញ Multi-AI Agents ឱ្យសហការ និងពិនិត្យឆ្លងគ្នាពីទស្សនៈច្រើន នោះគុណភាពការងារទើបឡើងខ្ពស់ទាំងមូល។

មួយ៖ ល្បឿន ជាមូលដ្ឋានបំផុត ហើយជាប់គាំងតិចបំផុត

ការងារដដែល ប៉ុន្តែបញ្ចប់ក្នុងរយៈពេលខ្លីជាងមុន។ Felix យល់ថាគ្រប់គ្នាស្គាល់រឿងនេះរួចហើយ ដូច្នេះគាត់រំលងវាក្នុងអត្ថបទតែម្តង។

ទស្សនៈរបស់ខ្ញុំ៖ ល្បឿនជាតម្លៃដែលមើលឃើញត្រង់បំផុតរបស់ AI ប៉ុន្តែបើដេញតាមតែល្បឿន របៀបសហការមិនផ្លាស់ប្តូរច្រើនទេ។ វិមាត្របីខាងក្រោយទើបបង្កើតគម្លាតពិតប្រាកដ។

ពីរ៖ កម្ពស់ សួរអំពី "គោលដៅនៅពីក្រោយគោលដៅ"

សំណួរស្នូល៖ លទ្ធផលបន្ទាប់ដែលខ្ញុំចង់បានពិតប្រាកដគឺអ្វី? គោលដៅនៅពីក្រោយគោលដៅនេះគឺអ្វី?

ឧទាហរណ៍របស់ Felix៖

ពីការជួសជុល Crash មួយ ទៅការធ្វើឱ្យ App លែង Crash។ កាលពីមុនគាត់ឱ្យ Claude ជួសជុលតែ Crash មួយ ក្រោយមកគាត់ប្តូរសំណើជាការរក្សា App ឱ្យនៅ zero Crash។ ដើម្បីឱ្យរឿងនេះដំណើរការជាបន្តបន្ទាប់ដោយស្វ័យប្រវត្តិ គាត់ត្រូវកែប្រែដំណើរការរបស់ខ្លួនជាមុន៖ ធ្វើឱ្យរបាយការណ៍ Crash ងាយទទួលបាន ផ្គូផ្គងកំណែ App ជាមួយ Git Commit និងឱ្យ Claude ប្រើម៉ាស៊ីន Windows, macOS និង Linux ដើម្បីបង្កើតឡើងវិញ និងផ្ទៀងផ្ទាត់ការជួសជុល។
ការបង្កើនកម្រិតការត្រួតពិនិត្យអាជីវកម្មប្រចាំត្រីមាស (QBR) បីដំណាក់កាល៖
1. ប្រើទិន្នន័យដើមឱ្យបានច្រើនបំផុតតាមដែលអាចធ្វើបាន ដើម្បីពន្យល់ថាត្រីមាសនេះមានអ្វីប្រែប្រួល ហេតុអ្វី និងគួរធ្វើអ្វីបន្ត។
2. ស្វែងរកការសម្រេចចិត្តបន្ទាន់បំផុតចំនួន 3 ហើយសរសេរអំណះអំណាងទាំងគាំទ្រ និងប្រឆាំងសម្រាប់ម្នាក់ៗ។
3. រចនាយន្តការជំនួសដែលរកឃើញបញ្ហាលឿនជាងស្លាយប្រចាំត្រីមាស សាកល្បងដោយទិន្នន័យប្រវត្តិសាស្ត្រ ហើយដំណើរការស្របគ្នាជាមួយដំណើរការបច្ចុប្បន្នរយៈពេលមួយត្រីមាស។

គាត់ក៏រំលឹកអំពីព្រំដែនផងដែរ៖ នៅឆ្នាំ 2026 គោលដៅមិនច្បាស់លាស់ដូចជា "Claude ទៅរកលុយឱ្យខ្ញុំ" នៅមិនទាន់អាចប្រើបានទេ ប៉ុន្តែគាត់រំពឹងថាកម្រិតអរូបីភាពដែលម៉ូដែលអាចទប់ទល់បាននឹងកាន់តែខ្ពស់ឡើងៗ។

បី៖ ជម្រៅ តាមលក្ខខណ្ឌរបស់អ្នកជំនាញកំពូលក្នុងវិស័យ

វិធីសាស្ត្ររបស់ Felix៖

ប្រើឧបករណ៍ដែលឧស្សាហកម្មនោះប្រើពិតប្រាកដ។ ម៉ូដែលច្រើនតែប្តូរតែពាក្យពេចន៍ មិនប្តូរវិធីសាស្ត្រ ហើយប្រគល់តារាង Markdown មួយឱ្យចប់រឿង។ ត្រូវតស៊ូប្រើឧបករណ៍វិភាគពិតប្រាកដ ដូចជាមូលដ្ឋានទិន្នន័យ និងម៉ូដែលស្ថិតិ។
កំណត់គោលដៅដែលស្តាប់ទៅមិនសមហេតុផល ហើយប្រាប់ម៉ូដែលថាវាអាចដោះស្រាយបាន។ ឧទាហរណ៍របស់គាត់៖ បន្ទាប់ពីកាត់បន្ថយការផ្ទុកវេបសាយពី 10 វិនាទីមក 5 វិនាទី ក៏ស្នើ 200 មីលីវិនាទីបន្តទៀត។ ពេលម៉ូដែលដកថយ ត្រូវតស៊ូថាគោលដៅនេះអាចសម្រេចបាន។
ប្រឈមនឹងការសន្មតដែលអ្នកជឿ។ ផ្តល់ទិន្នន័យដើមឱ្យម៉ូដែល ហើយឱ្យពិនិត្យពីទស្សនៈប្រឆាំង។ ឧទាហរណ៍៖ "យើងគិតថាមូលហេតុដែលអ្នកប្រើឈប់ប្រើគឺដំណើរការ onboarding សូមព្យាយាមបង្កើតសេចក្តីសន្និដ្ឋាននេះឡើងវិញពីទិន្នន័យដើម។"
បង្កើតចំណេះដឹងថ្មី។ បង្កើតការក្លែងធ្វើពី Logs ស្វែងរកសញ្ញាដំបូងបំផុតនៃការឈប់ប្រើដែលអ្នកមិនទាន់ដឹង ហើយផ្ទៀងផ្ទាត់ដោយទិន្នន័យដែលមិនធ្លាប់ឃើញ។
រកចៅក្រមខាងក្រៅ (Outside Judge)។ កុំឱ្យម៉ូដែលពិនិត្យខ្លួនឯង។ ល្អបំផុតគឺភ្ជាប់ឧបករណ៍ដែលម៉ូដែលអាចដំណើរការដោយខ្លួនឯង ហើយទទួលបានមតិកែលម្អភ្លាមៗ។

គោលការណ៍ Prompt របស់គាត់គឺ៖ អ្វីដែលត្រូវសុំគឺ "កំណែដែលជ្រៅជាង" មិនមែន "កំណែដែលធំជាង" ទេ។ ឱ្យម៉ូដែលនិយាយថាអ្នកជំនាញកំពូលនឹងធ្វើអ្វីបន្ថែម ទិន្នន័យដើមបំផុតនៅឯណា នឹងប្រើវិធីសាស្ត្រ និងឧបករណ៍អ្វី និងក្រៅពីម៉ូដែល ឬការវិនិច្ឆ័យរបស់អ្នក តើមានអ្វីទៀតដែលអាចបញ្ជាក់ថាលទ្ធផលត្រឹមត្រូវ។

បួន៖ វិសាលភាព ប្រើកិរិយាសព្ទជំនួសនាម ហើយបង្កើតក្រុមអ្នកជំនាញ

កិរិយាសព្ទជំនួសនាម។ គំនិតនេះ Felix យកមកពីសៀវភៅ The Art of Innovation។ QBR មិនមែនជា "ស្លាយមួយឈុត" ទេ ប៉ុន្តែជា "ក្នុងរយៈពេល 30 នាទី ជួយមនុស្សដែលមមាញឹកឱ្យយល់ពីមូលហេតុ និងផលវិបាក ហើយធ្វើការសម្រេចចិត្តក្នុងភាពមិនប្រាកដប្រជា"។ ពេលកំណត់គោលដៅដោយកិរិយាសព្ទ អ្នកនឹងឃើញថាត្រូវការសមត្ថភាពពីវិស័យអ្វីខ្លះ។
បង្កើតក្រុម។ ដើម្បីធ្វើស្លាយល្អ ត្រូវរកអ្នកវិភាគ អ្នកកាសែត និងអ្នកកែសម្រួល។ ដើម្បីបង្ហាញលើឆាក បន្ថែមអ្នករចនាចលនា និងសំឡេង។ ដើម្បីធ្វើការពិនិត្យប្រឆាំង ត្រូវរកអ្នកស្រាវជ្រាវនៃក្រុមហ៊ុនលក់ឱ្យខ្លី (short-selling) និងគណនេយ្យករតុលាការ។
កុំសម្តែងតួនាទីដោយគ្មានន័យ។ មិនមែនបញ្ជាម៉ូដែលថា "សរសេរដោយសម្លេងរបស់ក្រុមហ៊ុន short-selling" ទេ ប៉ុន្តែបញ្ជាឱ្យវាអនុវត្តវិធីសាស្ត្រស្រាវជ្រាវរបស់ក្រុមហ៊ុន short-selling លើផ្នែកមួយនៃការងារពិតប្រាកដ។ ប្តូរតែសម្លេង លទ្ធផលមិនល្អជាងទេ។

លក្ខខណ្ឌគឺ៖ ម៉ូដែលត្រូវមានកុំព្យូទ័រដែលអាចដំឡើងកម្មវិធីបាន ហើយអាចចូលដល់ទិន្នន័យពាក់ព័ន្ធ ឧទាហរណ៍តាមរយៈ MCP connector។

ប្រាំ៖ កំណត់ចំណាំអនុវត្តរបស់ខ្ញុំ ពី "ការបញ្ជូនទិន្នន័យ" ទៅ "ការសម្រេចបំណង"

ផ្នែកខាងក្រោមជាការពង្រីកផ្ទាល់ខ្លួនរបស់ខ្ញុំ ដោយរួមបញ្ចូលស្ថាបត្យកម្មកម្មវិធី និងការអនុវត្តវិស្វកម្ម មិនមែនជាខ្លឹមសារនៃអត្ថបទដើមទេ។

1. Jobs to be Done និង Intent-Based

កុំសួរថា "ធ្វើអ្វី" ត្រូវសួរថា "សម្រេចបានអ្វី"។ ការរចនាមិនគួរឈប់ត្រឹម data-transfer pipeline អកម្មដូចជា generate_deck_pdf() ទេ ប៉ុន្តែគួរលើកឡើងជាបំណងនៃការផ្លាស់ប្តូរស្ថានភាពដូចជា resolve_leadership_uncertainty_and_commit_budget()។
កំណត់ loss function ពិតប្រាកដ។ បើសុំតែលទ្ធផលសម្រេច ម៉ូដែលនឹងបង្កើតពាក្យទទេដែលមើលទៅល្អឥតខ្ចោះ ប៉ុន្តែបើសុំឱ្យដោះស្រាយភាពមិនប្រាកដប្រជានៃការសម្រេចចិត្ត ម៉ូដែល និង Sub-agent ទើបបំពេញចន្លោះប្រហោងតក្កវិជ្ជា និងព្រំដែនហានិភ័យដោយខ្លួនឯង។

2. ពេលស្វែងរកត្រូវពង្រីក ពេលទទួលយកត្រូវបង្រួម

ពេលស្វែងរក ពង្រីកដើម្បីរកលទ្ធភាពជាមុន រួចទើបបង្រួម។
ពេលទទួលយក កុំពង្រីកទៀត។ ចៀសវាងសំណួរគ្មានព្រំដែនដូចជា "រឿងនេះអាចធ្វើតាមវិធីអ្វីទៀត?" ព្រោះនឹងទទួលបានតែចម្លើយទូទៅៗ។
សរសេរវិសាលភាពគោលដៅ លក្ខខណ្ឌកំហិត និងឧបករណ៍ផ្ទៀងផ្ទាត់ដែលមានគោលបំណងឱ្យច្បាស់ (ស្គ្រីបតេស្តជាក់លាក់ កម្រិតរង្វាស់អាជីវកម្ម) ដើម្បីឱ្យក្រុម Multi-Agent ធ្វើ stress test ក្នុងក្របខ័ណ្ឌផ្តោតអារម្មណ៍ និងប្រគល់លទ្ធផលគុណភាពខ្ពស់។

សេចក្តីសង្ខេបកំណត់ចំណាំ

ផ្តោតលើគោលដៅ៖ កិរិយាសព្ទជំនួសនាម។ ប្រគល់លទ្ធផលដែលដោះស្រាយបញ្ហា មិនមែនលទ្ធផលសម្រាប់តែបំពេញកាតព្វកិច្ចទេ។
ការស្វែងរក និងការបង្រួម៖ ពេលស្វែងរកពង្រីកដើម្បីរកលទ្ធភាព ពេលទទួលយកបង្រួមយ៉ាងតឹងរ៉ឹងដើម្បីផ្ទៀងផ្ទាត់ព្រំដែន។
ផ្តោតលើអរូបីភាព៖ ចាប់ផ្តើមពីសំណួរស្នូល ហើយរៀបចំដំណើរការកិច្ចការទាំងមូលឡើងវិញ។
ជម្រៅអ្នកជំនាញ៖ មិនត្រឹមតែយកតម្រាប់សម្លេងអ្នកជំនាញទេ ប៉ុន្តែបង្ខំម៉ូដែលឱ្យដោះស្រាយបញ្ហាដោយឧបករណ៍ និងវិធីសាស្ត្ររបស់អ្នកជំនាញកំពូល។

អត្ថបទដើម៖ How to be more ambitious: A tutorial for humans with models (Felix Rieseberg, 2026-10-13)

ចំណុចចាប់ផ្ដើមនៃអត្ថបទនេះ

2026/10/21 09:32 Felix Rieseberg ប្រធានវិស្វកម្មនៅ Anthropic៖ ដែនកំណត់នៃការប…