สรุปจากคลิป ดูคลิปต้นฉบับ
ปัญหาของการใช้ AI เขียนโค้ดไม่ใช่แค่เรื่อง “มันเขียนได้ไหม” แต่คือ “มันเข้าใจงานเราถูกไหมตั้งแต่ต้น” ต่างหาก หลายครั้ง AI เริ่มเร็วเกินไป รีบลงมือก่อนถามให้ชัด สุดท้ายงานออกมาไม่ตรงใจ เสียทั้ง token เสียทั้งเวลา และต้องย้อนกลับมาแก้หลายรอบ
นี่คือประเด็นหลักจากคลิปของ Nate Herk | AI Automation ที่พูดถึงปลั๊กอินชื่อ Superpowers สำหรับ Claude Code ซึ่งสิ่งที่น่าสนใจไม่ใช่แค่ความสามารถทางเทคนิค แต่คือแนวคิดเบื้องหลัง: ทำให้ AI ทำงานเหมือนคนทำงานเก่งที่ “ถามก่อน คิดก่อน วางแผนก่อน แล้วค่อยลงมือ” ถ้ามองจากมุมเจ้าของธุรกิจหรือคนทำงาน นี่ไม่ใช่เรื่องของ developer อย่างเดียว แต่มันคือเรื่องของการคุมคุณภาพงานที่เอา AI มาช่วยทำ
บทความนี้จะสรุปวิธีทำงานของ Superpowers แบบเข้าใจง่าย วิเคราะห์ว่ามันช่วยอะไรได้จริง จุดไหนควรระวัง และถ้าเอาแนวคิดนี้มาใช้กับธุรกิจไทย เราควรเริ่มตรงไหนก่อน
สารบัญ
- Step 1: เข้าใจก่อนว่า Superpowers คืออะไร และทำไมมันน่าสนใจ
- Step 2: มอง Superpowers เป็นระบบทำงาน ไม่ใช่แค่ปลั๊กอิน
- Step 3: ให้ AI ถามคำถามก่อนลงมือ แล้วงานจะตรงเป้าขึ้นมาก
- Step 4: ใช้ภาพ mockup ลดความคลาดเคลื่อนก่อนเผา token
- Step 5: วางแผนละเอียด แล้วค่อยให้ AI ลงมือแบบมีจุดหยุด
- Step 6: มองเรื่อง token ให้ถูก มันไม่ได้แปลว่าใช้เยอะเสมอไป
- Step 7: คุณภาพงานดีขึ้น แต่ก็ยังไม่ใช่เวทมนตร์
- Step 8: ติดตั้งแบบง่ายๆ แล้วเลือกใช้ให้เหมาะกับงาน
- Step 9: แปลแนวคิดนี้ให้เป็นประโยชน์กับธุรกิจไทย
- Actionable Insights
- Troubleshooting
- การต่อยอด
- สรุป Checklist ทั้งหมด
Step 1: เข้าใจก่อนว่า Superpowers คืออะไร และทำไมมันน่าสนใจ
Superpowers คือปลั๊กอินแบบ open-source ที่ติดตั้งเข้าไปใน Claude Code เพื่อเพิ่ม “ชุดทักษะ” ให้ AI ไม่ทำงานแบบรับคำสั่งแล้วรีบพิมพ์โค้ดทันที แต่บังคับให้ผ่านลำดับการทำงานที่มีวินัยมากขึ้น ได้แก่ clarify, design, plan, code, verify
ถ้าแปลเป็นภาษาคนทำธุรกิจ มันเหมือนการเปลี่ยนจากพนักงานที่รับบรีฟแล้วรีบทำเลย มาเป็นคนที่เริ่มจากถามให้เคลียร์ ออกแบบทางเลือก วางแผนงาน แยกงานย่อย แล้วค่อยลงมือทำพร้อมตรวจงานก่อนส่ง
นี่คือหัวใจของปลั๊กอินนี้ และเป็นจุดที่ Nate เน้นมาก เพราะปัญหาใหญ่ของการใช้ AI ทำงานไม่ว่าจะเขียนโค้ด สร้างรายงาน หรือออกแบบ workflow ก็คือ AI มัก “มั่นใจเกินเหตุ” ทั้งที่ข้อมูลยังไม่ครบ
สำหรับเจ้าของธุรกิจ ประเด็นนี้สำคัญกว่าที่คิด เพราะเวลาเราใช้ AI ไม่ได้เสียแค่ค่า token แต่เสียเวลาคิด เสียเวลาทวน และบางครั้งเสียโอกาสจากการตัดสินใจบนงานที่ผิดตั้งแต่ต้น
Step 2: มอง Superpowers เป็นระบบทำงาน ไม่ใช่แค่ปลั๊กอิน
สิ่งที่ทำให้ Superpowers น่าสนใจคือมันไม่ได้เป็นแค่ปุ่มเสริมความสามารถ แต่มันเป็น framework สำหรับการทำงานกับ AI โดยมี master skill ชื่อว่า using superpowers ทำหน้าที่เหมือนตัวจัดการหลัก คอยเลือกว่าจะเรียกใช้ skill ไหนในแต่ละจังหวะของงาน
พูดง่ายๆ คือเมื่อติดตั้งแล้ว AI จะเริ่มต้นทุกงานด้วยการประเมินก่อนว่า งานนี้ควร brainstorm ไหม ควรวางแผนละเอียดไหม ต้องแยก sub-agent ไหม หรือควรตรวจสอบแบบ test-driven หรือเปล่า
จุดนี้มีความหมายมากสำหรับคนที่ไม่ได้เป็นสายเทคนิค เพราะเราไม่จำเป็นต้องจำทุก skill หรือสั่งทุกอย่างเอง ระบบจะช่วยเลือกให้ตามสถานการณ์ ทำให้ประสบการณ์ใช้งานใกล้กับคำว่า “ติดตั้งครั้งเดียว แล้วปล่อยให้มันทำงานเบื้องหลัง”
ในคลิปมีการอธิบายว่า skill ทั้งหมดมีอยู่ 14 ตัว แบ่งคร่าวๆ ได้เป็นกลุ่มสำคัญดังนี้
- Orchestrator จัดคิวและเลือก skill ที่เหมาะกับงาน
- Design/Brainstorming ช่วยถามคำถามและออกแบบแนวทางก่อนลงมือ
- Planning ทำแผนละเอียดระดับ task พร้อมระบุไฟล์และลำดับงาน
- Execution ลงมือทำทีละส่วน มีจุดหยุดเมื่อเจอ blocker
- Quality Gates ตรวจคุณภาพ เช่น test-driven development, debugging, verification
- Meta Skill สร้าง skill ใหม่เพิ่มเองได้
ในมุมธุรกิจ เราอาจไม่ต้องสนใจชื่อทุก skill แต่ควรสนใจหลักคิดว่า AI ที่ดีไม่ควรมีแค่ “ความเร็ว” ต้องมี “วินัยการทำงาน” ด้วย
Step 3: ให้ AI ถามคำถามก่อนลงมือ แล้วงานจะตรงเป้าขึ้นมาก
หนึ่งในฟีเจอร์ที่น่าจับตาที่สุดของ Superpowers คือ brainstorming มันไม่ได้ถามแค่คำถามเดียวแบบผิวเผิน แต่จะถามหลายคำถามเพื่อดึงรายละเอียดที่เรายังไม่ได้พูดออกมา
นี่เป็นจุดที่หลายคนมองข้าม เวลาเราใช้งาน AI เรามักคิดว่า prompt เราชัดแล้ว แต่ในความจริง เรามีภาพในหัวอยู่เยอะมากที่ไม่ได้พิมพ์ออกไป AI เลยเดาเอง และมักเดาผิด
Superpowers แก้ปัญหานี้ด้วยการบังคับเข้าสู่ช่วง discovery ก่อน ตัวอย่างในคลิปคือการขอให้ช่วยออกแบบ “knowledge explorer” ระบบไม่ได้กระโดดไปเขียนทันที แต่มันสรุปสิ่งที่เข้าใจ แล้วโยนคำถามกลับมาหลายข้อเพื่อปิดช่องว่างของข้อมูล
สำหรับคนทำงานไทย แนวคิดนี้เอาไปใช้ได้ไกลกว่าโค้ดมาก เช่น
- ให้ AI ช่วยออกแบบหน้าเว็บไซต์ขายบริการ
- ให้ AI วาง workflow เก็บ lead จาก LINE หรือ Facebook
- ให้ AI ช่วยร่างรายงานสรุปยอดขาย
- ให้ AI ช่วยออกแบบระบบตอบคำถามลูกค้า
ถ้า AI ถามกลับเก่งพอ งานที่ได้จะตรงขึ้นตั้งแต่รอบแรก และนี่คือสิ่งที่ธุรกิจต้องการมากกว่าคำว่า “เร็ว” แบบลอยๆ
Step 4: ใช้ภาพ mockup ลดความคลาดเคลื่อนก่อนเผา token
อีกฟีเจอร์ที่เด่นมากคือ visual companion หรือการที่ระบบสร้าง mockup, diagram, comparison ขึ้นมาบน localhost เพื่อให้เราเลือกแนวทางก่อนเดินหน้าต่อ
ในคลิปมีตัวอย่างที่ระบบเสนอแนวทางหลายแบบ เช่น
- interactive force graph
- searchable card grid
- graph hero plus card details
พร้อมบอก pros และ cons ให้เลือกได้ว่าแบบไหนตอบโจทย์กว่า จากนั้น AI จะรับรู้ว่าทางเลือกไหนถูกเลือกและทำงานต่อในทิศทางนั้น
นี่คือประเด็นที่คนทำธุรกิจควรหยิบไปคิดต่อ เพราะงานจำนวนมากที่เราทำกับ AI พังไม่ใช่เพราะ model ไม่เก่ง แต่พังเพราะ เราตรวจทิศทางช้าเกินไป ปล่อยให้มันสร้างของยาวๆ ก่อน แล้วค่อยบอกว่า “ไม่ใช่แบบนี้”
Superpowers พยายามย้ายจุดตรวจสอบมาไว้ต้นทาง ซึ่งช่วยลดการแก้งานปลายทางได้มาก โดยเฉพาะงานที่มีองค์ประกอบหน้าตา ประสบการณ์ใช้งาน หรือโครงสร้างข้อมูลที่ต้อง “เห็นภาพ” ก่อน
อย่างไรก็ตาม จุดนี้ก็มีข้อจำกัดที่ Nate พูดตรงๆ ว่า feature นี้ยังใหม่ และอาจกิน token พอสมควร ดังนั้นไม่ใช่ทุกงานที่ควรเปิดใช้ ถ้างานง่ายมาก การสร้าง mockup อาจกลายเป็นภาระเกินจำเป็น
Step 5: วางแผนละเอียด แล้วค่อยให้ AI ลงมือแบบมีจุดหยุด
ส่วน planning ของ Superpowers ไม่ได้เป็นแค่รายการงานกว้างๆ แต่มันสร้างแผนลงลึกระดับ task ย่อย แต่ละงานใช้เวลาประมาณ 2-5 นาที พร้อมระบุ file path ชัดเจน มีการทดสอบ code block และบันทึกแผนไว้ให้ย้อนกลับมาดูได้
มุมนี้สำคัญมาก เพราะในโลกธุรกิจ เรามักต้องการ “ความพอคาดเดาได้” มากกว่าความอัจฉริยะ ถ้า AI สร้างแผนที่ละเอียด เราจะประเมินได้ว่าอะไรจะเกิดขึ้นต่อ งบจะบานไหม หรือความเสี่ยงอยู่ตรงไหน
หลังจากนั้นเข้าสู่ execution phase ซึ่งมีหลายกลไกที่น่าสนใจ เช่น
- executing plans ทำตามแผนทีละขั้นและหยุดเมื่อเจอ blocker
- sub-agent-driven development แยก agent ย่อยไปทำงานเฉพาะด้าน
- dispatching parallel agents ถ้างานแยกกันได้ ก็ให้หลาย agent ทำพร้อมกัน
ถ้ามองแบบไม่เทคนิค มันเหมือน AI เริ่มรู้จัก “แบ่งงานเป็น” มากขึ้น ไม่ใช่พยายามทำทุกอย่างในหัวเดียวจนสับสน
จุดนี้เองที่ทำให้ Superpowers แตกต่างจากฟีเจอร์ประเภท Ultra Plan ที่ช่วยแค่วางแผน แต่ไม่ได้พาไปจนถึงขั้นลงมือทำและตรวจงานระหว่างทาง Nate ค่อนข้างชัดว่าปลั๊กอินนี้อยู่กับเราตลอดทั้ง flow ไม่ใช่แค่ช่วยคิดแผนตอนต้น
Step 6: มองเรื่อง token ให้ถูก มันไม่ได้แปลว่าใช้เยอะเสมอไป
คำถามใหญ่ที่หลายคนต้องมีคือ ถ้ามันถามเยอะ วางแผนเยอะ และมีหลายขั้นตอนแบบนี้ มันจะเปลือง token กว่าเดิมหรือเปล่า
คำตอบที่น่าสนใจจากคลิปคือ ไม่เสมอไป
Nate ทำการทดลอง 12 รอบ เปรียบเทียบการใช้ Claude Code แบบติดตั้ง Superpowers กับไม่ติดตั้ง โดยใช้ prompt เดียวกัน model เดียวกัน และไม่มี human interaction ระหว่างรัน แบ่งงานเป็น simple, medium และ complex
ผลที่ได้มีทิศทางชัดพอสมควรคือ
- ต้นทุนเฉลี่ยลดลงประมาณ 9%
- จำนวน token รวมลดลงประมาณ 14%
- จำนวนรอบการเรียก API น้อยลงเมื่อใช้ Superpowers
แต่ประเด็นที่ควรอ่านให้ครบคือ สำหรับงาน simple การใช้ Superpowers กลับใช้ token มากกว่า ซึ่งสมเหตุสมผล เพราะงานง่ายๆ ไม่จำเป็นต้องมีขั้นตอนเยอะ
พอขึ้นไปที่งานระดับ medium และ complex ระบบเริ่มคุ้มค่า เพราะการคิดก่อนช่วยลดการลองผิดลองถูก และลดค่าเสียหายจากการย้อนแก้หลายรอบ
นี่เป็น insight ที่เอาไปใช้กับธุรกิจไทยได้ตรงมาก:
- ถ้างานสั้น ชัด และตรงไปตรงมา เช่น สรุปข้อความสั้นๆ หรือแก้ copy นิดหน่อย ไม่ต้องใส่กระบวนการเยอะ
- ถ้างานมีหลายตัวแปร เช่น สร้าง landing page, วางระบบ automation, ออกแบบฐานความรู้, เขียน workflow เชื่อมหลายเครื่องมือ ควรยอมให้ AI ใช้เวลา “คิดก่อน”
พูดอีกแบบคือ อย่าดูเฉพาะ token ที่ใช้ในรอบแรก แต่ให้ดู ต้นทุนรวมจนจบงาน
Step 7: คุณภาพงานดีขึ้น แต่ก็ยังไม่ใช่เวทมนตร์
ผลการทดลองไม่ได้หยุดแค่ token แต่มีการประเมินคุณภาพโค้ดด้วย เช่น correctness, code structure, test coverage และ error handling ซึ่ง Superpowers ทำได้ดีกว่าโดยรวม
สิ่งนี้สอดคล้องกับหลักคิดเดิม เพราะเมื่อ AI ถูกบังคับให้ถาม วางแผน แยกงาน และตรวจสอบก่อนส่ง งานก็มักมีโครงสร้างดีกว่าแบบที่ให้มันเดาและวิ่งเองทั้งหมด
แต่มีจุดที่ควรระวังคือ Nate ก็พูดไว้ชัดว่าเรื่อง domain knowledge และ spec compliance ไม่ได้ดีขึ้นเองจากปลั๊กอิน หมายความว่า ถ้าโจทย์ธุรกิจเราไม่ชัด หรือข้อมูลที่ให้ AI ผิด ต่อให้มี Superpowers ก็ไม่ได้ช่วยให้ AI รู้เองว่าธุรกิจเราควรทำอะไร
นี่คือข้อจำกัดสำคัญที่เจ้าของธุรกิจต้องจำให้ขึ้นใจ: framework ที่ดี ไม่ได้แทนความชัดเจนของโจทย์
ถ้า brief ไม่ชัด AI ก็ยังมีโอกาสไปผิดทาง เพียงแต่ Superpowers จะช่วยให้มันถามกลับและหยุดก่อนหลงไกลเกินไป
Step 8: ติดตั้งแบบง่ายๆ แล้วเลือกใช้ให้เหมาะกับงาน
การติดตั้ง Superpowers ค่อนข้างง่าย ผ่าน marketplace ของ Claude Code โดยคำแนะนำในคลิปคือให้ติดตั้งแบบ global ระดับ user ไปเลย จะได้ไม่ต้องมาคอยลงใหม่ทุกโปรเจกต์
แนวคิดการใช้งานที่สำคัญกว่าการติดตั้งคือการเลือกใช้ให้เหมาะ:
- ใช้กับงานที่มีความไม่ชัดเจนสูง
- ใช้กับงานที่มีหลายขั้นตอนและต้องการ review ระหว่างทาง
- ใช้กับงานที่ความผิดพลาดหนึ่งครั้งมีต้นทุนสูง
- ข้ามมันไปได้เลยถ้างานง่ายและตรงมาก
ถ้าอยากเพิ่มความชัวร์ สามารถใส่ใน prompt ท้ายๆ ว่าให้ใช้ skill ของ Superpowers ที่เกี่ยวข้องกับงานนี้ด้วย แต่ในภาพรวมระบบออกแบบมาให้เรียกใช้อัตโนมัติอยู่แล้ว
Step 9: แปลแนวคิดนี้ให้เป็นประโยชน์กับธุรกิจไทย
แม้คลิปจะอยู่ในโลกของ Claude Code แต่สาระที่เอากลับมาใช้ได้จริงกับคนไม่เขียนโค้ดมีเยอะมาก เพราะแก่นมันคือการออกแบบ workflow การทำงานกับ AI ให้ไม่หลงง่าย
ตัวอย่างการประยุกต์ใช้ในธุรกิจไทย เช่น
- ทีมการตลาด ใช้แนวคิด clarify + mockup ก่อนให้ AI ช่วยทำ landing page หรือแคมเปญ
- ทีมขาย ใช้ AI ช่วยออกแบบ flow คัด lead โดยเริ่มจากคำถามเพื่อปิด requirement ให้ครบ
- ทีมปฏิบัติการ ใช้กับการออกแบบ automation เช่น ออกใบเสนอราคา ส่งแจ้งเตือน และสรุปรายงาน
- เจ้าของกิจการ ใช้ AI ช่วยคิด dashboard หรือ knowledge base ภายใน โดยเริ่มจากหลายทางเลือกแทนการสั่งทำแบบทางเดียว
มุมที่เราเห็นด้วยมากคือ AI ที่เก่งในงานจริง ไม่ใช่ AI ที่ตอบเร็วที่สุด แต่คือ AI ที่ลดรอบการแก้ได้มากที่สุด
แต่ก็มีจุดที่ควรเห็นต่างเล็กน้อย คือคนจำนวนมากอาจตื่นเต้นกับความสามารถใหม่ๆ จนลืมคิดเรื่องความซับซ้อนที่เพิ่มขึ้น ถ้าองค์กรยังไม่มีนิสัยการเขียน brief ที่ดี หรือยังไม่มี owner คอยตัดสินใจชัดๆ ต่อให้มีระบบถามคำถามเพิ่ม สุดท้ายงานก็อาจค้างอยู่ตรงช่วง clarify นานเกินไป
ดังนั้นปลั๊กอินแบบนี้เหมาะกับทีมที่พร้อมตอบ พร้อมตัดสินใจ และพร้อม review ระหว่างทาง ไม่ใช่ทีมที่หวังจะโยนโจทย์กว้างๆ แล้วปล่อย AI สร้างธุรกิจแทนทั้งหมด
Actionable Insights
- เริ่มจากงานที่แก้หลายรอบบ่อยที่สุด เช่น หน้าเว็บ ข้อเสนอขาย หรือ workflow ภายใน แล้วให้ AI ถามกลับก่อนทำ
- ถ้างานมีหน้าตาให้เห็น ให้ขอ mockup ก่อนเสมอ จะช่วยลดการหลงทางได้มาก
- อย่าตัดสินความคุ้มจาก token รอบแรก ให้ดูจำนวนรอบแก้งานจนจบ
- งานง่ายมากไม่ต้องใส่กระบวนการเยอะ ความละเอียดเกินไปอาจกลายเป็นภาระ
- เขียนโจทย์ธุรกิจให้ชัดก่อนใช้ AI เพราะ plugin ไม่ได้แทนความเข้าใจธุรกิจของเรา
Troubleshooting
ปัญหา: AI ถามกลับเยอะจนรู้สึกช้า
สาเหตุ: งานอาจง่ายเกินไปสำหรับ workflow แบบละเอียด
วิธีแก้: ใช้ Superpowers เฉพาะงาน medium หรือ complex และตัดงานสั้นๆ ออกไปใช้ prompt ปกติ
ปัญหา: งานออกมาดูดีแต่ไม่ตรงธุรกิจเรา
สาเหตุ: AI ไม่มี domain knowledge ของธุรกิจมากพอ
วิธีแก้: ใส่ requirement ธุรกิจ ตัวอย่างลูกค้า ข้อจำกัด และเป้าหมายให้ชัดก่อนเริ่ม
ปัญหา: token ดูเหมือนใช้เยอะขึ้นช่วงแรก
สาเหตุ: ระบบใช้ token ไปกับการ clarify และ planning
วิธีแก้: วัดค่าใช้จ่ายรวมทั้งงาน ไม่ใช่ดูเฉพาะต้นรอบ และใช้กับงานที่มีต้นทุนการแก้สูง
ปัญหา: AI สร้าง mockup แล้วหน้าตายังไม่ใช่
สาเหตุ: feedback ยังไม่เฉพาะพอ เช่น บอกแค่ว่า “อยากให้สวยขึ้น”
วิธีแก้: ระบุ mood, style, tone, dark mode, ความ premium หรือ reference ที่ใกล้เคียงให้ชัด
ปัญหา: ทีมใช้แล้วรู้สึก workflow ซับซ้อนเกินจำเป็น
สาเหตุ: ยังไม่มีเกณฑ์ว่างานแบบไหนควรใช้กระบวนการนี้
วิธีแก้: ตั้ง rule ภายในทีม เช่น งานที่มีหลายหน้าจอ หลาย integration หรือหลาย stakeholder ค่อยเปิดใช้
การต่อยอด
- สร้าง template prompt สำหรับทีม เช่น งานทำเว็บ งานทำ automation งานทำ dashboard เพื่อให้ทุกคนเริ่มจากคำถามที่ดีขึ้น
- ทำ workflow review ร่วมกับทีมธุรกิจ ให้ AI เสนอหลายทางเลือกแล้วค่อยประชุมเลือก จะช่วยลดการคุยแบบนามธรรม
- เก็บชุด skill หรือ checklist เฉพาะธุรกิจเรา เช่น ขั้นตอนตรวจ landing page, ตรวจ flow เก็บ lead, ตรวจรายงานขาย เพื่อให้ AI ทำงานสม่ำเสมอขึ้น
สรุป Checklist ทั้งหมด
- ☐ เข้าใจว่า Superpowers คือ framework ที่ทำให้ AI ถาม คิด วางแผน และตรวจงานก่อนส่ง
- ☐ แยกให้ออกว่างานไหน simple และงานไหน medium/complex
- ☐ ใช้การ clarify เพื่อดึง requirement ที่ยังอยู่ในหัวเราออกมา
- ☐ ถ้างานมีหน้าตาให้เห็น ขอ mockup หรือหลาย concept ก่อนลงมือจริง
- ☐ ตรวจแผนงานที่ AI สร้างขึ้นก่อนปล่อยให้รันยาว
- ☐ วัดต้นทุนรวมทั้งงาน ไม่ดูแค่ token รอบแรก
- ☐ ระบุข้อมูลธุรกิจและข้อจำกัดให้ชัด เพราะ plugin ไม่ได้รู้ domain เอง
- ☐ ติดตั้งแบบ global ถ้าต้องใช้บ่อยหลายโปรเจกต์
- ☐ ตั้งเกณฑ์ในทีมว่าเมื่อไรควรใช้ workflow แบบละเอียดนี้
- ☐ เก็บ feedback และทำ template สำหรับงานซ้ำๆ ในองค์กร
สรุปแล้ว สิ่งที่ Superpowers ทำได้ดีไม่ใช่การทำให้ Claude Code “ฉลาดขึ้น” แบบลอยๆ แต่คือทำให้มัน มีวินัยในการทำงานมากขึ้น และนั่นมีค่ามากสำหรับคนที่อยากเอา AI ไปใช้จริงในธุรกิจ เพราะสิ่งที่แพงที่สุดไม่ใช่ token แต่คือการทำงานผิดทิศทางแล้วต้องย้อนกลับมาแก้
ถ้าเรามอง AI เป็นเหมือนพนักงานใหม่ Superpowers ก็คือระบบทำงานที่ช่วยให้พนักงานคนนั้นไม่รีบเกินไป ถามให้ครบ คิดให้รอบ และส่งงานที่ตรวจแล้วก่อนยื่นให้เรา งานแบบนี้อาจไม่เร็วที่สุดในทุกเคส แต่สำหรับงานที่ซับซ้อน มันมักคุ้มกว่าในภาพรวม