AI Policy Manual

คู่มือละเอียด: การใช้ AI ช่วยในวงจรนโยบายสาธารณะ

(AI-Assisted Public Policy Cycle Detailed Guide)

Chain of Thought, Sub-steps ทฤษฎี และหลักการ Prompt Engineering ตั้งแต่ขั้นพื้นฐานถึงขั้นสูง เพื่อการพัฒนานโยบายที่มีหลักฐานรองรับและมีมนุษย์เป็นศูนย์กลาง (Human-in-the-Loop)

เวอร์ชัน: 2.0 อัปเดต: 4 ส.ค. 2026

1. บทนำและกรอบทฤษฎี

1.1 วงจรนโยบายสาธารณะ (Public Policy Cycle) คืออะไร?

วงจรนโยบายสาธารณะเป็นกรอบแนวคิดคลาสสิกที่ใช้ทำความเข้าใจกระบวนการนโยบายว่าไม่ใช่เหตุการณ์ครั้งเดียว แต่เป็นกระบวนการต่อเนื่องและวนซ้ำ (iterative process) ประกอบด้วยขั้นหลัก:

1. Agenda-setting
การกำหนดวาระและระบุปัญหา (Horizon Scanning)

2. Policy Formulation
การออกแบบ/ร่างทางเลือก (Evidence-based)

3. Consultation
การรับฟังความเห็น/มีส่วนร่วม (Stakeholder Engagement)

4. Decision-making
การตัดสินใจและประกาศใช้ (Appraisal & Adoption)

5. Implementation
การนำนโยบายไปปฏิบัติ (Action Plan)

6. M&E
การติดตามและประเมินผล (Feedback loop)

ในทางทฤษฎีสมัยใหม่ วงจรนี้ไม่ได้เป็นเส้นตรง แต่มี feedback loop อยู่ตลอดเวลา โดยเฉพาะผลจากการประเมินจะไหลกลับไปกำหนดวาระใหม่ ทำให้เกิด Adaptive Policymaking

1.2 บทบาทของ AI ในวงจรนโยบาย

AI ไม่ได้มาแทนที่การตัดสินใจเชิงคุณค่า การเมือง หรือจริยธรรม แต่ทำหน้าที่เป็น เครื่องมือสนับสนุน (augmentation tool) ที่ช่วยในด้าน Productivity, Responsiveness, และ Accountability โดยอิงตามกรอบการกำกับดูแลเชิงรุก (Anticipatory Governance) ของ OECD

หลักการสำคัญที่สุด: Human-in-the-Loop มนุษย์ต้องเป็นผู้ตรวจสอบ ปรับแก้ และรับผิดชอบขั้นสุดท้ายในทุกขั้นตอน AI ทำหน้าที่เพิ่มกำลังการวิเคราะห์ (analytical capacity) ไม่ใช่แทนที่วิจารณญาณ

2. หลักการเขียน Prompt ที่มีประสิทธิภาพ: กรอบ 3 ระดับ

ระดับพื้นฐาน (Foundation)

คำสั่งชัดเจน (Clear & Direct): ระบุ ใคร ทำอะไร อย่างไร
กำหนดบทบาท (Role): กรอบคำศัพท์และมุมมอง
ให้บริบท (Context): เอกสารหรือผลวิเคราะห์
ใช้ตัวอย่าง (Few-shot): โมเดลเรียนรู้จาก pattern
รูปแบบผลลัพธ์ (Format): ระบุให้ชัดเจน
อนุญาตให้ไม่แน่ใจ: ลด Hallucination

ระดับกลาง (Intermediate)

โครงสร้าง XML Tags: แยกข้อมูลจากคำสั่ง (เช่น <context>)
Chain-of-Thought (CoT): ให้คิดทีละขั้นผ่าน <thinking>
Prompt Chaining: แบ่งงานใหญ่เป็น prompt ย่อย
Prefilling: กำหนดจุดเริ่มต้นคำตอบทันที

ระดับสูง (Advanced)

Self-Consistency: เหตุผลหลายทางหาฉันทามติ
Tree of Thought: แตกกิ่งเปรียบเทียบ (เหมาะทำ options)
ReAct: เหตุผลสลับกระทำ (เช่น RAG)
RAG Grounding: ผูกคำตอบกับหลักฐาน (ลดหลอน 60-80%)
Reflexion/Self-Critique: ให้ AI ตรวจทานงานตัวเอง

โครงสร้าง Prompt มาตรฐาน (XML-based Template)

แม่แบบนี้ใช้ปรับปรุง prompt ในคู่มือนี้ทั้งหมด สามารถคัดลอกไปดัดแปลงกับงานนโยบายต่างๆ ได้:

<role>
คุณเป็น [บทบาท] ที่มีความเชี่ยวชาญด้าน [สาขา]
</role>

<context>
[ข้อมูลพื้นหลัง เอกสารอ้างอิง หรือผลลัพธ์จากขั้นตอนก่อนหน้า]
</context>

<task>
1. [ขั้นตอนที่ 1]
2. [ขั้นตอนที่ 2]
3. [ขั้นตอนที่ 3]
</task>

<thinking_instructions>
ก่อนตอบ ให้คิดทีละขั้นภายใน <thinking> tag โดยพิจารณา [เกณฑ์ที่ต้องใช้ประกอบการให้เหตุผล]
จากนั้นจึงสรุปคำตอบสุดท้ายใน <answer> tag
</thinking_instructions>

<output_format>
[รูปแบบผลลัพธ์ที่ต้องการ เช่น ตาราง, ความยาว, ภาษาที่ใช้]
</output_format>

<constraints>
- ใช้เฉพาะข้อมูลที่ได้รับใน <context> เท่านั้น ห้ามสมมติข้อมูลที่ไม่มี
- หากข้อมูลไม่เพียงพอต่อการสรุปในส่วนใด ให้ระบุว่า "ข้อมูลไม่เพียงพอ" แทนการคาดเดา
- [ข้อจำกัดเฉพาะงาน เช่น ใช้ภาษาทางการ, ห้ามระบุชื่อบุคคล]
</constraints>

1. Current State Analysis

การทำความเข้าใจ "สถานะปัจจุบัน" อย่างลึกซึ้งและรอบด้าน ก่อนกระโดดไปหาทางออก เพื่อหลีกเลี่ยงการแก้ปัญหาผิดจุดหรือขัดกับแรงต้านทางการเมือง

1. SWOT Analysis

หลักการและแนวคิด: แยกแยะปัจจัย 2 มิติ คือ ภายใน (ควบคุมได้) vs ภายนอก (ควบคุมไม่ได้) และ เชิงบวก vs เชิงลบ เพื่อป้องกันการนำปัญหาภายนอกไปปนกับจุดอ่อนภายใน

วิธีทำอย่างเป็นขั้นตอน

กำหนดขอบเขตการวิเคราะห์ให้เจาะจง (ระบุปี ประเทศ กลุ่มเป้าหมาย)
รวบรวมหลักฐานและระดมสมองแยกทีละช่อง (S -> W -> O -> T)
จัดลำดับความสำคัญ 3-5 ข้อแรกในแต่ละช่อง
เชื่อมโยงข้ามช่อง (Cross-analysis) เพื่อหากลยุทธ์

คุณเป็นนักวิเคราะห์นโยบายสาธารณะที่เชี่ยวชาญด้าน [หัวข้อ/สาขา]

ช่วยทำ SWOT Analysis สำหรับประเด็น:
"[ระบุขอบเขตให้แคบและเจาะจง เช่น สถานะปัจจุบันของระบบสนับสนุน first jobbers ในไทย ปี 2569]"

เงื่อนไขการทำงาน:
1. ใช้ข้อมูลที่เป็นปัจจุบันที่สุด ระบุว่าข้อมูลใดเป็นข้อเท็จจริง ข้อมูลใดเป็นการประเมิน
2. แยกให้ชัดเจนระหว่างปัจจัยภายในระบบ (S/W ที่ควบคุมได้) กับปัจจัยภายนอก (O/T ที่ควบคุมไม่ได้)
3. แต่ละข้อเขียนสั้น 1-2 บรรทัด พร้อมเหตุผลสนับสนุนสั้น ๆ ในวงเล็บ
4. จัดลำดับความสำคัญภายในแต่ละช่อง ข้อที่สำคัญที่สุดอยู่บนสุด
5. ห้ามผสมปัจจัยภายในกับภายนอกในช่องเดียวกันเด็ดขาด
6. สรุปผลเป็นตาราง 4 ช่อง (S / W / O / T) อย่างละ 5-7 ข้อ ตามด้วยข้อสังเกตสำคัญ (key insights) 3-5 ข้อที่ได้จากการเชื่อมโยงข้ามช่อง

คำอธิบาย Prompt: บังคับให้ AI แยก "ข้อเท็จจริง" กับ "การเดา" และมีเงื่อนไขป้องกันการปนปัจจัยภายใน/ภายนอก ซึ่งเป็นข้อผิดพลาดคลาสสิกของ SWOT

การอภิปรายผลและการนำไปใช้: มองหาความไม่สมดุล หากจุดอ่อนชนกับภัยคุกคามพอดี คือความเสี่ยงสูงสุด นำผลไปเป็นฐานในการสร้าง TOWS Matrix หรือร่างกลยุทธ์เชิงรุก (S+O)

2. Stakeholder Analysis (Power-Interest Matrix)

หลักการและแนวคิด: วิเคราะห์ "แผนที่อำนาจ" จัดกลุ่มผู้มีส่วนได้ส่วนเสียตาม Power (อำนาจ) และ Interest (ผลได้ผลเสีย) ความล้มเหลวของนโยบายส่วนใหญ่มักเกิดจากการจัดการความสัมพันธ์ที่ผิดพลาด

วิธีทำอย่างเป็นขั้นตอน

ระบุ stakeholders ครอบคลุมผู้มีอำนาจ ผู้ได้รับผลกระทบ และ "ผู้ไม่มีเสียง"
ประเมิน Power และ Interest (สูง/กลาง/ต่ำ)
จัดลง Power-Interest Matrix (Manage Closely, Keep Satisfied, Keep Informed, Monitor)
วิเคราะห์แรงจูงใจและความสัมพันธ์ระหว่างกลุ่ม

คุณเป็นที่ปรึกษาด้านการมีส่วนร่วมและการบริหารผู้มีส่วนได้ส่วนเสีย (stakeholder engagement)

ช่วยทำ Stakeholder Analysis สำหรับประเด็น: "[ระบุหัวข้อ]"

ขั้นตอนที่ต้องการ:
1. ระบุ stakeholders อย่างน้อย 12-15 กลุ่ม ครอบคลุมทั้งรัฐ เอกชน ประชาสังคม และสื่อ
2. อย่าลืมระบุกลุ่มที่มักถูกมองข้ามหรือไม่มีตัวแทน (voiceless stakeholders) แยกเป็นหมวดต่างหาก
3. ประเมิน Power (สูง/กลาง/ต่ำ) และ Interest (สูง/กลาง/ต่ำ) พร้อมเหตุผลสั้น ๆ 1 บรรทัด
4. จัดกลุ่มลงใน Power-Interest Matrix 4 ช่อง (Manage Closely / Keep Satisfied / Keep Informed / Monitor)
5. สำหรับแต่ละช่อง แนะนำแนวทางการมีส่วนร่วมที่เหมาะสม
6. ระบุคู่ที่มีความสัมพันธ์ขัดแย้งหรือเป็นพันธมิตรกันอย่างชัดเจน 3-5 คู่ พร้อมเหตุผล

คำอธิบาย Prompt: บังคับหา "Voiceless stakeholders" เพื่อป้องกัน AI ลืมกลุ่มเปราะบาง และระบุจำนวน 12-15 กลุ่มให้คิดกว้างกว่าปกติ

การอภิปรายผลและการนำไปใช้: กลุ่ม High Power + High Interest คือผู้กุมชะตานโยบาย ต้องดึงมามีส่วนร่วม สร้างแผน Stakeholder Engagement จับคู่ระดับ IAP2 ในขั้น Validation

3. Problem Tree Analysis

หลักการและแนวคิด: แยกสาเหตุออกจากอาการ แบ่งเป็น ลำต้น (ปัญหา) ราก (สาเหตุลึกซึ้ง) และกิ่งก้าน (ผลกระทบ) หลีกเลี่ยงนโยบายที่แก้แต่ปลายเหตุ

วิธีทำอย่างเป็นขั้นตอน

ตั้งปัญหาหลักให้เป็นกลาง (ข้อเท็จจริงเชิงลบ ไม่ใช่การขาดทางออก)
ใช้เทคนิค 5 Whys ขุดหาสาเหตุเชิงโครงสร้าง
ขยายผลกระทบทั้งทางตรง ทางอ้อม เศรษฐกิจ สังคม จิตใจ
จัดเรียงเป็นแผนภาพต้นไม้ หา Leverage point

คุณเป็นนักวิเคราะห์นโยบายที่เชี่ยวชาญเทคนิค Problem Tree Analysis

ช่วยสร้าง Problem Tree สำหรับปัญหาหลัก: "[ระบุปัญหาหลักที่เป็นข้อเท็จจริงเชิงลบ]"

ขั้นตอนที่ต้องการ:
1. ยืนยันการตั้งปัญหาหลักว่าเป็นกลาง หากยังไม่ดีพอให้ปรับถ้อยคำก่อน
2. แตกสาเหตุ (causes) อย่างน้อย 3 ชั้นลึก โดยใช้เทคนิคถาม "ทำไม" ซ้ำ
3. แตกผลกระทบ (effects) อย่างน้อย 2 ชั้น ทั้งด้านเศรษฐกิจ สังคม จิตใจ และระหว่างรุ่น
4. จัดรูปแบบผลลัพธ์เป็นโครงสร้างต้นไม้ ใช้การเยื้องระดับและลูกศร
5. สรุป: ระบุ root cause สำคัญที่สุด 3 ข้อ พร้อมให้เหตุผลว่าทำไมจึงเป็น leverage point และระบุว่าข้อใดอยู่นอกอำนาจของหน่วยงาน

คำอธิบาย Prompt: บังคับให้ AI "ปรับถ้อยคำตั้งปัญหา" หากโจทย์มีอคติ (bias) และขุดหาสาเหตุลึก 3 ชั้นด้วย 5 Whys ป้องกันคำตอบตื้นๆ

การอภิปรายผลและการนำไปใช้: สาเหตุที่ปรากฏซ้ำหลายกิ่งคือจุดคานงัดที่ทรงพลัง นำผลไปพลิกเป็น Objective Tree ในขั้น Formulation และออกแบบตัวชี้วัด (Indicator)

4. Systems Mapping

หลักการและแนวคิด: วิเคราะห์ปัญหาที่ซับซ้อน (Wicked problems) หาความเชื่อมโยง วงจรเสริมแรง (Reinforcing loop) และวงจรถ่วงดุล (Balancing loop) เพื่อค้นหาจุดคานงัด (Leverage point) เชิงระบบ

วิธีทำอย่างเป็นขั้นตอน

ระบุตัวแปรหลักของระบบ (10-15 ตัว) ข้ามหลายมิติ (เศรษฐกิจ สังคม สิ่งแวดล้อม)
ลากลูกศรแสดงทิศทางอิทธิพลความสัมพันธ์ (แปรผันตาม/ผกผัน)
หา Feedback loops และจัดประเภท (Reinforcing/Balancing)
หา Leverage points ตามแนวคิด places to intervene in a system ของ Donella Meadows

คุณเป็นผู้เชี่ยวชาญด้าน Systems Thinking และ System Dynamics

ช่วยสร้าง Systems Map เบื้องต้นสำหรับระบบ: "[ระบุหัวข้อ]"

ขั้นตอนที่ต้องการ:
1. ระบุตัวแปรหลัก 10-15 ตัว ครอบคลุมมิติสิ่งแวดล้อม เศรษฐกิจ สถาบัน สังคม
2. ระบุทิศทางอิทธิพลระหว่างตัวแปร (ตัวแปร A เพิ่ม -> B เพิ่ม/ลด)
3. ระบุ feedback loops สำคัญอย่างน้อย 3 loop แยกเป็น Reinforcing หรือ Balancing พร้อมอธิบาย
4. แนะนำ leverage points 3-5 จุด ตามแนวคิด "places to intervene in a system" (จากทำยากสุดไปทำง่ายสุด)
5. ระบุว่าข้อมูลใดมีหลักฐานยืนยันแล้ว (established) และข้อมูลใดเป็นเพียงสมมติฐานที่ต้องตรวจสอบเพิ่ม

คำอธิบาย Prompt: เงื่อนไขข้อ 5 บังคับให้ AI "แยกสมมติฐานกับหลักฐานจริง" (Fact vs Inference) ป้องกัน AI Hallucinate ความสัมพันธ์เชิงระบบ

การอภิปรายผลและการนำไปใช้: Reinforcing loop ที่ไม่มีการควบคุมคือสิ่งที่ทำให้ปัญหายั่งยืน นำผลไปออกแบบ Systemic intervention แทนที่จะแก้ปัญหาแบบแยกส่วน

5. Political Economy Analysis (PEA)

หลักการและแนวคิด: วิเคราะห์ "ทำไมจึงเปลี่ยนแปลงยาก" โดยมอง 3 ชั้น: โครงสร้าง (ลึกสุด) สถาบัน/กฎกติกา และ ผู้กระทำการ (แรงจูงใจทางการเมือง) ค้นหาผลประโยชน์แอบแฝง

วิธีทำอย่างเป็นขั้นตอน

วิเคราะห์บริบทโครงสร้างพื้นฐาน (ภูมิศาสตร์ ทรัพยากร)
วิเคราะห์กฎกติกาทางการ/ไม่เป็นทางการ (ใครมีอำนาจตัดสินใจ)
วิเคราะห์ผู้กระทำการหลักและแรงจูงใจที่แท้จริง
ระบุ "หน้าต่างโอกาส" (Windows of opportunity)

คุณเป็นที่ปรึกษาด้าน Political Economy Analysis

ช่วยจัดโครงสร้างการวิเคราะห์ Political Economy สำหรับประเด็น: "[ระบุหัวข้อ]"

หมายเหตุสำคัญ: คุณไม่มีข้อมูลเชิงลึกเรื่องความสัมพันธ์ที่ไม่เป็นทางการ ให้ทำหน้าที่เป็น "กรอบตั้งคำถาม" ไม่ใช่ผู้ให้คำตอบสำเร็จรูป

ขั้นตอนที่ต้องการ:
1. ระบุปัจจัยเชิงโครงสร้างที่เป็นเงื่อนไขพื้นฐาน
2. ตั้งคำถามสำคัญเกี่ยวกับกฎกติกา (ทางการ/ไม่เป็นทางการ) ที่ทีมควรไปหาคำตอบ
3. ระบุผู้กระทำการหลัก พร้อมตั้งคำถามนำเรื่องผลประโยชน์แอบแฝง
4. เสนอกรอบคำถามระบุ "หน้าต่างโอกาส" ในอนาคตอันใกล้
5. สรุปเป็นรายการคำถามสำหรับสัมภาษณ์ลงพื้นที่

คำอธิบาย Prompt: บังคับบทบาทให้ AI เป็น "ผู้ตั้งคำถาม" ห้ามให้ AI เดาแรงจูงใจทางการเมืองที่ซ่อนเร้นเองเด็ดขาด เพื่อป้องกัน Hallucination เชิงการเมืองที่อันตราย

การอภิปรายผลและการนำไปใช้: นำคำถามไปลงพื้นที่จริง ใช้ออกแบบยุทธศาสตร์ผลักดันนโยบาย (Policy Influencing Strategy) และเลือกจังหวะเวลา (Timing)

6. Force Field Analysis

หลักการและแนวคิด: (Kurt Lewin) วิเคราะห์ Driving Forces (แรงผลักดัน) vs Restraining Forces (แรงต้าน) สถานะปัจจุบันคือจุดสมดุลระหว่างสองแรง การลดแรงต้านมักได้ผลยั่งยืนกว่าการเพิ่มแรงผลัก

วิธีทำอย่างเป็นขั้นตอน

กำหนดการเปลี่ยนแปลงที่ต้องการให้ชัดเจน
ระดมรายการแรงผลักดัน และ แรงต้าน
ให้น้ำหนักความแรงของแต่ละแรง (สเกล 1-5)
วางแผนลดแรงต้านที่มีน้ำหนักสูงสุด

ช่วยทำ Force Field Analysis สำหรับการเปลี่ยนแปลง: "[ระบุหัวข้อ]"

1. ระบุแรงผลักดัน (driving forces) 6-8 ข้อ ครอบคลุมระดับนโยบาย องค์กร และประชาชน
2. ระบุแรงต้าน (restraining forces) 6-8 ข้อ รวมถึงแรงต้านวัฒนธรรมองค์กร ผลประโยชน์ทับซ้อน
3. ให้คะแนนน้ำหนักความแรงของแต่ละข้อ (1-5 คะแนน) พร้อมเหตุผลสั้น ๆ
4. จัดลำดับแรงต้านที่มีน้ำหนักสูงสุด 3 อันดับแรก
5. เสนอแนวทางลดแรงต้านแต่ละข้อ แยกระหว่างสิ่งที่ลดได้ด้วยการสื่อสาร กับสิ่งที่ต้องใช้เวลาปรับเชิงโครงสร้าง

คำอธิบาย Prompt: การขอน้ำหนักคะแนนเปลี่ยนรายการปัญหาเรียบๆ ให้จัดลำดับได้ และข้อ 5 บังคับแยกประเภทแรงต้านตามความยากง่ายเพื่อนำไปวางแผนต่อได้จริง

การอภิปรายผลและการนำไปใช้: นำไปออกแบบแผนบริหารการเปลี่ยนแปลง (Change Management Plan) และใช้อ้างอิงการจัดสรรทรัพยากรเพื่อลดอุปสรรคเฉพาะจุด

2. Strategic Foresight

กระบวนการมองอนาคตเชิงยุทธศาสตร์เพื่อสร้างความพร้อมและความยืดหยุ่นเชิงนโยบาย (Policy Resilience) สำรวจอนาคตหลายแบบแทนการพยากรณ์อนาคตเดียว

วงจร Foresight 5 ระยะ:

1. Framing (กำหนดกรอบ/คำถาม)
2. Scanning (เก็บสัญญาณ/แนวโน้ม ผ่าน Horizon Scanning/STEEP+H)
3. Sense-making (ตีความ ผ่าน Cross-Impact, CLA, Futures Wheel)
4. Prospection (สร้างภาพอนาคต ผ่าน Scenario Planning, Delphi)
5. Strategy (ยุทธศาสตร์ ผ่าน Backcasting)

1. Horizon Scanning (STEEP+H)

หลักการและแนวคิด: ค้นหา Weak Signals (สัญญาณอ่อน/อาการแรกของความเปลี่ยนแปลง) ที่ยังไม่เป็น trend กระแสหลัก แต่มีศักยภาพพลิกผันอนาคต ใช้กรอบ STEEP+H

วิธีทำอย่างเป็นขั้นตอน

กำหนด Focal Question และระยะเวลา (เช่น 5-15 ปี)
สแกนแหล่งข้อมูลเฉพาะทาง (Startups, Preprints) ไม่เน้นสื่อหลัก
คัดกรอง Weak Signals ด้วยเกณฑ์: Novelty, Evidence, Impact, Time, Ambiguity
จัดกลุ่ม (Cluster) ให้เป็น Themes เชิงนโยบาย

ทำหน้าที่เป็น horizon scanner ระดับมืออาชีพ สแกนหา weak signals ที่เกี่ยวข้องกับ [หัวข้อ] ในมิติ [เลือกทีละ 1 มิติ STEEP+H] ช่วง 5–15 ปี 
เกณฑ์:
- มองหาสิ่งที่ยังไม่ mainstream, มี novelty/surprise
- แหล่งข้อมูล: academic preprints, startups, patents, X posts, think tanks
- สำหรับแต่ละสัญญาณให้ระบุ: คำอธิบาย, หลักฐาน/แหล่งที่มา, เหตุผลที่อาจเป็น weak signal
- ขอ 8–12 สัญญาณที่หลากหลาย 

<constraints>
- ปฏิเสธสิ่งที่เป็น strong trend ไปแล้ว
- ห้ามสร้างสัญญาณปลอม หากไม่มีให้ค้นข้อมูลเว็บจริง
</constraints>

คำอธิบาย Prompt: บังคับ AI หา "แหล่งข้อมูลเฉพาะทาง" และจำกัดให้ทำ "ทีละมิติ" เพื่อลดอาการตอบกว้างแต่ตื้น ป้องกันหลอนด้วยการห้ามสร้างสัญญาณปลอม

การอภิปรายผลและการนำไปใช้: ถามว่า "ถ้าสัญญาณนี้โตเต็มที่ ใครได้/ใครเสีย?" นำ Themes ไปเข้าตาราง Cross-Impact เพื่อเตรียมทำ Scenario

2. Trend & Megatrend Analysis

หลักการและแนวคิด: ต่างจาก Weak Signal ตรงที่ Trend มีหลักฐานสถิติแน่ชัดแล้ว หน้าที่คือการหา Drivers (แรงขับ), Counter-trends (แรงต้าน), และ Inflection points (จุดเปลี่ยนทิศ)

คุณเป็นนักวิเคราะห์แนวโน้ม (trend analyst) ช่วยวิเคราะห์แนวโน้ม [ระบุแนวโน้ม] โดยใช้ข้อมูลที่ฉันแนบมา: [วางข้อมูล]
ช่วย:
1. สรุปทิศทางและความเร็วของแนวโน้ม (เร่งตัว/คงที่/ชะลอ) พร้อมเหตุผล
2. ระบุแรงขับเคลื่อนหลัก (drivers) 3–5 ข้อ
3. ระบุแรงต้านหรือ counter-trend ที่อาจทำให้ทิศทางเปลี่ยน
4. ประเมินว่าแนวโน้มนี้กำลังเข้าใกล้ inflection point หรือไม่
5. เชื่อมโยงผลกระทบข้ามมิติ STEEP+H อื่น ๆ

ห้ามสร้างตัวเลขสถิติหรือเดาตัวเลขที่ไม่มีในข้อมูลที่ให้มา

คำอธิบาย Prompt: บังคับห้าม AI สร้างตัวเลขสถิติเองเด็ดขาด ป้องกัน Hallucination เชิงตัวเลข

การอภิปรายผลและการนำไปใช้: โฟกัสที่ "จุดเปลี่ยนทิศ" นำไปใช้เป็น baseline scenario ("business as usual") หรือใช้เป็นตัวชี้วัดใน Monitoring dashboard

3. Impact-Uncertainty Matrix (Cross-Impact)

หลักการและแนวคิด: จัดอันดับแนวโน้ม พล็อต 2 แกน: Impact (ผลกระทบ) และ Uncertainty (ความไม่แน่นอน) เพื่อหา "Critical Uncertainties" สำหรับใช้สร้าง Scenario

ฉันมีรายการปัจจัย/แนวโน้มต่อไปนี้: [วางรายการจาก Scanning]
ช่วย:
1. ประเมิน Impact (สูง/กลาง/ต่ำ) และ Uncertainty (สูง/กลาง/ต่ำ) ของแต่ละปัจจัย พร้อมเหตุผล
2. จัดกลุ่มปัจจัยที่อยู่ในโซน High Impact + High Uncertainty ("Critical Uncertainties")
3. วิเคราะห์ความสัมพันธ์เชิง cross-impact: ปัจจัยใดหากเกิดขึ้นจะเพิ่ม/ลดโอกาสของปัจจัยอื่น
4. เสนอ 2 ปัจจัยที่เหมาะสมที่สุดที่จะใช้เป็นแกนสำหรับ scenario matrix (ต้องมีความอิสระต่อกันสูง ไม่ใช่สาเหตุ-ผลของกันและกัน)

คำอธิบาย Prompt: ข้อ 4 บังคับให้เลือกแกนที่ "เป็นอิสระต่อกัน" หากเลือกแกนที่เป็นเหตุผลกันเอง Scenario Matrix จะได้ช่องอนาคตที่ซ้ำซ้อนกัน

การนำไปใช้: 2 ปัจจัยที่ได้จากข้อ 4 จะถูกนำไปใช้เป็น แกน X และ แกน Y สร้างตาราง 2x2 ใน Scenario Planning ทันที

4. Causal Layered Analysis (CLA)

หลักการและแนวคิด: (Sohail Inayatullah) เจาะลึกปัญหา 4 ชั้น: 1. Litany (ผิวหน้า/สถิติ) → 2. Systemic (ระบบ/นโยบาย) → 3. Worldview (โลกทัศน์) → 4. Myth/Metaphor (ตำนาน/อารมณ์ร่วม)

คุณเป็นผู้เชี่ยวชาญด้าน Causal Layered Analysis (CLA)

ช่วยวิเคราะห์ประเด็น: "[ระบุประเด็น]" ไล่วิเคราะห์ทีละชั้น:
1. Litany: สถิติ/ข่าว/คำพูดสาธารณะที่ปรากฏชัด
2. Systemic Causes: สาเหตุเชิงระบบ/นโยบาย/สถาบัน 3–5 ข้อ ที่ทำให้ปัญหานี้เกิดซ้ำ
3. Worldview/Discourse: กรอบคิดความเชื่อพื้นฐานที่ทำให้ระบบข้อ 2 ถูกยอมรับ
4. Myth/Metaphor: เรื่องเล่า/ภาพจำทางวัฒนธรรมที่ค้ำจุนความเชื่อข้อ 3

5. เสนอ "reverse CLA": หากเปลี่ยน worldview ในข้อ 3 เป็น [ระบุมุมมองใหม่] จะทำให้ระบบและผิวหน้าเปลี่ยนไปอย่างไร

คำอธิบาย Prompt: ส่วน Reverse CLA ช่วยให้ AI ออกแบบ Narrative นโยบายใหม่ ไม่ใช่เพียงวิพากษ์ปัญหาเก่า

การนำไปใช้: ชั้น Systemic ใช้หา Leverage points ชั้น Worldview ใช้ปรับกลยุทธ์การรณรงค์สื่อสาร

5. Futures Wheel

หลักการและแนวคิด: วิเคราะห์ผลกระทบต่อเนื่องเป็นระลอก (Ripple effects) ชั้นที่ 1, ชั้นที่ 2, ชั้นที่ 3 เพื่อหา "ผลกระทบข้างเคียงที่ไม่ตั้งใจ" (Unintended consequences)

ช่วยทำ Futures Wheel วิเคราะห์ผลกระทบต่อเนื่องของ: "[ระบุเหตุการณ์/นโยบายตั้งต้น]"

ขั้นตอน:
1. ระบุผลกระทบโดยตรงชั้นที่ 1 จำนวน 5 ข้อ (ทั้งด้านบวก ลบ และไม่แน่นอน)
2. สำหรับแต่ละข้อในชั้นที่ 1 ให้แตกผลกระทบต่อเนื่องชั้นที่ 2 อีก 2–3 ข้อ
3. ระบุว่ามีผลกระทบชั้นใดที่ย้อนกลับมากระทบเหตุการณ์ตั้งต้นเป็น feedback loop หรือไม่
4. สรุป "unintended consequences" ที่น่ากังวลที่สุด 3 ข้อ พร้อมเหตุผล

คำอธิบาย Prompt: บังคับขอผลทั้ง "ด้านบวก ลบ และไม่แน่นอน" เพื่อป้องกัน Confirmation Bias ของทีมนโยบาย

การนำไปใช้: ออกแบบมาตรการเสริม (Complementary measures) ป้องกันผลข้างเคียง และใช้ทำ HIA/RIA

6. Scenario Planning (2x2 Matrix)

หลักการและแนวคิด: สร้าง 4 อนาคตทางเลือกที่มีคุณสมบัติ 4C (Plausible, Challenging, Coherent, Divergent) จาก 2 แกน Critical Uncertainties เพื่อทดสอบความทนทานนโยบาย

ช่วยสร้าง Scenario Matrix (2x2) สำหรับหัวข้อ: [ระบุหัวข้อ]
แกน X: [Critical Uncertainty ที่ 1] / แกน Y: [Critical Uncertainty ที่ 2]

สำหรับแต่ละ 4 อนาคต (Quadrant) ช่วย:
1. ตั้งชื่อ scenario ที่จดจำง่าย
2. เขียน narrative 200–300 คำ ครอบคลุม: บริบทตั้งต้น, turning points, สภาพในปีเป้าหมาย, ผลกระทบ
3. ระบุ early indicators 3 ข้อ (สัญญาณเตือนว่าจะเกิดอนาคตนี้)
4. ทำ Windtunnelling: ประเมินว่านโยบายปัจจุบัน จะ "รอด" หรือ "พัง" ในอนาคตนี้ เพราะเหตุใด

* ให้ทั้ง 4 scenario แตกต่างเชิงคุณภาพอย่างชัดเจน ไม่ใช่แค่ระดับความรุนแรง (ดี/แย่)

คำอธิบาย Prompt: บังคับให้สร้างความแตกต่าง "เชิงคุณภาพ" เพื่อไม่ให้ AI สร้างอนาคตที่ต่างกันแค่ระดับดี/แย่ของมิติเดียว และให้สร้าง Early Indicators เพื่อต่อยอดสู่ระบบ Monitoring

การนำไปใช้: ทดสอบ (Windtunnelling) ยุทธศาสตร์ปัจจุบัน ดึงเป้าหมายที่พึงประสงค์สุดไปทำ Backcasting

7. Delphi Method (Foresight Application)

หลักการและแนวคิด: รวบรวมความเห็นผู้เชี่ยวชาญแบบไม่เปิดเผยตัวตน (Anonymous) หลายรอบ เหมาะใช้ทำนายปีที่จะเกิดเหตุการณ์ หรือประเมินความน่าจะเป็น

ออกแบบแบบสอบถามรอบที่ 1 สำหรับกระบวนการ Delphi เรื่อง [ระบุหัวข้อ]
ต้องการคำถาม 5–8 ข้อ ที่:
1. ถามให้ผู้เชี่ยวชาญประเมินความน่าจะเป็น (0–100%) และช่วงปีที่คาดว่าเหตุการณ์จะเกิด
2. มีคำถามปลายเปิดให้อธิบายเหตุผลประกอบทุกข้อ 
3. หลีกเลี่ยงคำถามชี้นำ

[เมื่อได้คำตอบรอบ 1 ให้ส่ง Prompt 2:]
นี่คือคำตอบจากผู้เชี่ยวชาญรอบที่ 1 (ไม่ระบุตัวตน): [วางคำตอบ]
ช่วยสรุปค่ากลาง (median) เหตุผลของกลุ่มที่เห็นต่าง และร่างแบบสอบถามรอบ 2 ที่เจาะจงประเด็นที่ขัดแย้ง

คำอธิบาย Prompt: AI ทำหน้าที่เป็น Steering Committee สรุปค่ากลางและเหตุผล โดยห้ามใช้ AI เป็นผู้ตอบแบบสอบถามแทนผู้เชี่ยวชาญเด็ดขาด

3. Gap Analysis & Backcasting

เชื่อมช่องว่างระหว่าง "ปัจจุบัน (Current State)" กับ "อนาคตที่พึงประสงค์ (Scenario)" และวางแผนย้อนหลังสู่ปัจจุบัน

1. Gap Analysis

หลักการและแนวคิด: วิเคราะห์เชิงตัดขวาง ประเมินช่องว่าง (Performance/Skill/Resource) และหา Root Cause ของช่องว่างนั้น แปลงความคลุมเครือให้วัดผลได้

วิธีทำอย่างเป็นขั้นตอน

นำข้อมูลสถานะปัจจุบัน (จาก SWOT) เทียบกับ สถานะเป้าหมาย (จาก Scenario)
ประเมินขนาดช่องว่างแต่ละมิติ
ทำ Root Cause Analysis (5 Whys) สำหรับช่องว่าง "ขนาดใหญ่"
จัดลำดับความสำคัญตามผลกระทบและอำนาจการควบคุม

คุณเป็นนักวิเคราะห์นโยบายที่เชี่ยวชาญด้าน Gap Analysis

ข้อมูลปัจจุบัน: [วางผลสรุปจาก SWOT / PEA]
อนาคตที่ต้องการ: [วางคำอธิบาย Scenario เป้าหมายที่เลือก]

งานที่ต้องการ:
1. กำหนดมิติประเมิน 5-8 มิติ (เทคนิค, สถาบัน, งบ, คน, ความร่วมมือ)
2. สรุปสถานะปัจจุบันและเป้าหมาย พร้อมประเมินขนาดช่องว่าง (เล็ก/กลาง/ใหญ่)
3. สำหรับช่องว่าง "ใหญ่" ให้ทำ Root Cause Analysis ด้วย 5 Whys (3 ชั้น)
4. ตรวจสอบว่าช่องว่างใดมีสาเหตุรากร่วมกัน (จุดคานงัดร่วม)
5. สรุปเป็นตาราง: มิติ | ปัจจุบัน | เป้าหมาย | ขนาด | Root Cause | อำนาจควบคุม | ลำดับความสำคัญ

คำอธิบาย Prompt: บังคับให้ AI รับ Input จากงานเก่าเสมอ เพื่อความต่อเนื่อง และคัดกรองให้ขุดเฉพาะช่องว่างใหญ่ (ข้อ 3) ประหยัด Token และเวลา

การนำไปใช้: ช่องว่างที่ระบุได้จะกลายเป็นเป้าหมาย (สิ่งที่ต้องเกิดขึ้น) ในเส้นทางของ Backcasting

2. Backcasting

หลักการและแนวคิด: เริ่มจากอนาคตเป้าหมาย แล้วถามย้อนว่า "ก่อนหน้านั้นต้องเกิดอะไรขึ้น" สร้างเส้นทาง (Milestones) ป้องกัน Bias การต่อยอดจากเทรนด์ปัจจุบัน

วิธีทำอย่างเป็นขั้นตอน

ตั้งเป้าหมายวิสัยทัศน์ (ปีอนาคต) และ Gap ที่มี
เดินถอยหลังเป็นช่วงๆ กำหนดเงื่อนไขที่ "ต้องเกิดแล้ว" ในแต่ละช่วง
ตรวจสอบ Dependency ลำดับความสมเหตุสมผล
เทียบกับ Baseline trend หาจุดที่ต้องแทรกแซง

วิสัยทัศน์ที่พึงประสงค์ (ปี [เป้าหมาย]): "[อธิบายภาพอนาคต]"
ผล Gap Analysis: [วางผลตารางช่องว่าง]

งานที่ต้องการ:
1. สร้างเส้นทาง milestone ย้อนกลับมาปีปัจจุบัน แบ่งเป็น 3-4 ช่วง ระบุเงื่อนไข ด้านนโยบาย/สถาบัน/งบ/ความสัมพันธ์ ที่ต้องเกิดแล้วในแต่ละช่วง
2. ตรวจสอบ dependency: milestone ใดขึ้นกับข้ออื่นที่ต้องเกิดก่อน
3. เปรียบเทียบกับ baseline trend (ถ้าไม่ทำอะไรจะเป็นไง) ระบุส่วนที่ระบบไปถึงเองได้ กับส่วนที่ต้องแทรกแซง
4. ระบุ milestone เสี่ยงสูง (อิงปัจจัยคุมไม่ได้) พร้อมแผนสำรอง
5. สรุป "ก้าวแรกที่ต้องทำในปีนี้" 5-7 ข้อที่จับต้องได้

คำอธิบาย Prompt: บังคับ AI เทียบกับ Baseline Trend เพื่อแยก "ความพยายามพิเศษ" ออกจากเทรนด์ปกติ และบังคับให้สรุป Action ที่ทำได้ทันทีในปีนี้

3. Three Horizons Framework

หลักการและแนวคิด: (Bill Sharpe) ตรวจสอบพลวัตช่วงเปลี่ยนผ่าน: H1 (ระบบปัจจุบัน), H2 (นวัตกรรมเปลี่ยนผ่าน), H3 (ระบบอนาคตใหม่) เพื่อบริหารความตึงเครียดระหว่างระบบเก่ากับใหม่

ประเด็น: "[ระบุหัวข้อ]" / วิสัยทัศน์ H3: "[วางเป้าหมาย]"

1. อธิบาย H1: ระบบ/แนวปฏิบัติที่ครองอยู่ในปัจจุบัน และสัญญาณที่ชี้ว่ามันเริ่มล้าสมัย
2. อธิบาย H3: ระบุ "สัญญาณเริ่มต้น (weak signals)" ของระบบใหม่นี้ที่อาจเห็นได้แล้วในปัจจุบัน
3. ระบุกิจกรรมใน H2 (ช่วงเปลี่ยนผ่าน) ที่กำลังเกิดในปัจจุบัน 5-8 รายการ
4. สำคัญ: ประเมินแต่ละข้อใน H2 ว่าเป็น H2- (แค่ต่ออายุระบบเดิม) หรือ H2+ (ก้าวสู่ H3 อย่างแท้จริง)
5. ระบุความตึงเครียดระหว่างผู้ได้ประโยชน์จาก H1 และผู้นำ H3 พร้อมวิธีบริหารความขัดแย้ง

คำอธิบาย Prompt: การบังคับ AI ให้แยกแยะ H2- และ H2+ ป้องกันไม่ให้นักนโยบายเข้าใจผิดว่าทุกกิจกรรมปฏิรูปคือความก้าวหน้า

การนำไปใช้: เลือกลงทุนทรัพยากรในกิจกรรมกลุ่ม H2+ แทนที่จะเสียเวลาซ่อมแซม H1

4. Roadmapping / Milestone Pathway Mapping

หลักการและแนวคิด: แปลง Milestone จาก Backcasting ให้จับต้องได้ แตกเป็นกิจกรรมย่อย (Actionable) จัดคนรับผิดชอบ และทรัพยากร

นำ milestone จาก Backcasting: [วางรายการ] และ Stakeholders: [รายชื่อ]

1. แตกแต่ละ milestone เป็นกิจกรรมย่อย 3-5 กิจกรรมที่ปฏิบัติได้จริง
2. จับคู่กิจกรรมกับผู้รับผิดชอบและพันธมิตร (อ้างอิงรายชื่อ stakeholder)
3. กำหนดกรอบเวลา (ไตรมาส/ปี) ชัดเจน
4. ระบุทรัพยากรที่ต้องใช้ (งบประมาณ บุคลากร เครื่องมือ)
5. กำหนดตัวชี้วัดความก้าวหน้า 1-2 ตัวต่อ milestone
6. สรุปเป็นตาราง Roadmap ครบทุกคอลัมน์

คำอธิบาย Prompt: ป้อนผลจากเครื่องมือเดิม (Backcasting + Stakeholder) เข้ามาพร้อมกัน ทำให้ Roadmap มีตรรกะผูกพันกันตั้งแต่ต้นน้ำ

4. Policy Options Generation

สร้างทางเลือกหลากหลายแบบ หลีกเลี่ยงอคติยึดติดทางออกเดิมๆ (Premature Closure)

1. TOWS Matrix

หลักการและแนวคิด: นำ SWOT มาไขว้เป็นกลยุทธ์: SO (รุก/เร็ว), ST (ป้องกัน), WO (พัฒนาจุดอ่อน), WT (ถอย/อยู่รอด) ป้องกันการมีแค่รายการ SWOT โดยไม่มีกลยุทธ์

นี่คือผล SWOT Analysis:
Strengths: [วางรายการ] / Weaknesses: [วาง] / Opportunities: [วาง] / Threats: [วาง]

1. จับคู่ Strengths กับ Opportunities เขียนเป็นกลยุทธ์ SO (รุก) 3 ข้อ
2. ทำเช่นเดียวกันสำหรับ ST (ป้องกัน), WO (พัฒนา), WT (รับ/อยู่รอด) อย่างละ 2-3 ข้อ
3. ประเมินแต่ละกลยุทธ์ว่า "ทำได้เร็ว" หรือ "ต้องลงทุนก่อน"
4. คัดเลือกกลยุทธ์ศักยภาพสูงสุด 4-5 ข้อ (ให้ครอบคลุม SO/ST/WO/WT) เป็น "ทางเลือกนโยบาย" อธิบาย 2-3 ประโยคต่อข้อ

คำอธิบาย Prompt: การระบุให้คัด 4-5 ข้อครอบคลุมทุกหมวด บังคับให้ AI ไม่เสนอแต่กลยุทธ์รุก (SO) โดยทิ้งกลยุทธ์เชิงรับ (WT) ซึ่งสำคัญในการคุมความเสี่ยง

2. NATO Framework (Policy Instrument Typology)

หลักการและแนวคิด: (Christopher Hood) สร้างทางเลือกให้ครบ 4 มิติของทรัพยากรรัฐ: Nodality (ข้อมูล), Authority (กฎหมาย), Treasure (เงิน), Organization (รัฐจัดตั้ง)

ประเด็นที่แทรกแซง: "[Root Cause หรือ Leverage point]"

1. เสนอทางเลือกหมวด Nodality (ใช้ข้อมูล/สื่อสาร) อย่างน้อย 3 ทาง
2. เสนอทางเลือกหมวด Authority (ใช้อำนาจ/กฎหมาย) อย่างน้อย 3 ทาง
3. เสนอทางเลือกหมวด Treasure (เงิน/ภาษี) อย่างน้อย 3 ทาง
4. เสนอทางเลือกหมวด Organization (รัฐทำเอง/จัดองค์กร) อย่างน้อย 3 ทาง
5. ประเมินต้นทุน ความเร็ว และผลบังคับ ของแต่ละทางเลือก
6. เสนอ "Policy mix" 2-3 ชุด ที่ผสมเครื่องมือจากหลายหมวดอย่างสอดคล้อง

คำอธิบาย Prompt: บังคับให้คิดครบทุกหมวด ป้องกันนักนโยบายใช้แต่เครื่องมือกฎหมายหรือแจกเงิน และเน้นทำ "Policy Mix"

3. Responsive Regulation Pyramid

หลักการและแนวคิด: ตอบสนองตามพฤติกรรมผู้ถูกกำกับ เริ่มจากเบาสุด: 1. ให้ความรู้ -> 2. ตักเตือน -> 3. โทษแพ่ง -> 4. โทษอาญา/เพิกถอน และต้องมีเกณฑ์ "ยกระดับ" (Escalation) ที่น่าเชื่อถือ

เป้าหมายพฤติกรรม: "[เช่น ลดการปล่อยสารพิษใน 90 วัน]"
กลุ่มเป้าหมาย: "[ระบุ]"

1. ออกแบบทางเลือกฐานพีระมิด (ให้ความรู้/สมัครใจ) 2-3 ทาง
2. ออกแบบชั้นสอง (เตือน/แจ้งผิด) 2 ทาง
3. ออกแบบชั้นสาม (มาตรการแพ่ง/จูงใจเงื่อนไข) 2 ทาง (หากเป็นข้ามพรมแดนให้ใช้กลไกระหว่างประเทศแทน)
4. ออกแบบชั้นสูงสุด (มาตรการเข้มข้นสุด)
5. กำหนด "เกณฑ์การยกระดับ (escalation triggers)" ที่ชัดเจนในการขยับชั้น
6. เสนอเส้นทางลดระดับ (de-escalation) หากเป้าหมายร่วมมือ
7. สรุปเป็นตารางครบถ้วน

คำอธิบาย Prompt: บังคับให้สร้างทั้งเกณฑ์ "ขึ้น" และ "ลง" ป้องกันพีระมิดที่มีแต่บทลงโทษทางเดียว และเตือนเรื่องข้อจำกัดอำนาจข้ามพรมแดน

4. Morphological Analysis

หลักการและแนวคิด: แตกพารามิเตอร์ทางเลือกหลายๆ มิติ แล้วผสมข้ามมิติ หาทางเลือกชุดใหม่ (Configurations) พร้อมประเมิน Cross-Consistency ว่าขัดแย้งกันเองหรือไม่

Leverage points ที่จะแก้ไข: [วาง 3-4 จุด]

1. แปลงแต่ละจุดให้เป็น "พารามิเตอร์"
2. เสนอค่าที่เป็นไปได้ 3-4 แบบต่อพารามิเตอร์ (จากอ่อนไปเข้มข้น)
3. สร้างตาราง Morphological Field
4. ทำ Cross-Consistency Assessment: ตรวจหาว่ามิติใดถ้าจับคู่กันแล้ว "ขัดแย้งทำจริงไม่ได้" พร้อมเหตุผล
5. เสนอชุดค่าผสม (Configurations) ที่ผ่านการตรวจสอบแล้ว 3-5 ชุด ตั้งชื่อให้จำง่าย (เช่น "ทางเลือกแบบค่อยเป็นค่อยไป")

การนำไปใช้: เหมาะมากกับนโยบายที่มีประเด็นซับซ้อนทับซ้อนกัน ได้ผลลัพธ์เป็นทางเลือกนโยบายครบชุด นำไปทดสอบ Appraisal ต่อได้

5. Bardach's Spectrum & Taxi Driver Test

หลักการและแนวคิด: (Eugene Bardach) วางทางเลือกบนสเปกตรัม สมัครใจ <-> บังคับ ป้องกันการคิดแค่ "เพิ่มจากเดิมนิดหน่อย (Incrementalism)" ประเมิน Locking-in effect

นี่คือทางเลือกนโยบายทั้งหมดจากเครื่องมือ 1-4: [วางทางเลือก]

1. จัดวางทั้งหมดบนสเปกตรัม: "สมัครใจ/กลไกตลาด" ไปจนถึง "การบังคับของรัฐเต็มรูปแบบ"
2. ตรวจสอบช่องว่าง หากกระจุกอยู่ที่ใดที่หนึ่ง ให้สร้างเพิ่มให้เต็มสเปกตรัม
3. ประเมิน "locking-in effect" (ถอนตัวยากไหมหากล้มเหลว) ของแต่ละข้อ
4. ทำ "Taxi Driver Test": อธิบายแต่ละทางเลือกให้สั้น ไม่เกิน 3 ประโยค แบบคนทั่วไปฟังรู้เรื่อง
5. คัดทางเลือก 3-5 ข้อที่กระจายตัวดีบนสเปกตรัม นำไปประเมินต่อ

คำอธิบาย Prompt: บังคับตรวจช่องว่างของสเปกตรัมเพื่อหนีอคติที่ชอบเสนอของเดิม และ Taxi test บังคับให้ AI เลิกใช้ศัพท์แสงนโยบาย

5. Option Appraisal & Prioritization

ประเมินและเปรียบเทียบทางเลือกอย่างมีโครงสร้าง ไม่ใช้ "เสียงที่ดังที่สุดในห้อง" หรือ "ความรู้สึก" เป็นตัวตัดสิน

1. Feasibility-Impact Matrix

หลักการและแนวคิด: เครื่องมือคัดกรองเบื้องต้น วางบนแกน Feasibility (ความเป็นไปได้) และ Impact (ผลกระทบ) ได้ 4 กลุ่ม: Quick Wins, Strategic Bets, Fill-ins, Money Pit

วิธีทำอย่างเป็นขั้นตอน

นำทางเลือกจากขั้นก่อนหน้ามาประเมินเกณฑ์ย่อย Feasibility (อิง PEA/Force Field) และ Impact (อิง Problem Tree)
ให้คะแนน 1-5 พล็อตลงตาราง 2x2
คัดทิ้ง Money Pit และโฟกัส Quick Wins

ทางเลือกที่จะประเมิน: [วาง 3-5 ข้อ]
ข้อมูลอ้างอิง: Force Field & PEA [วางสรุป] / Problem Tree [วางสรุป]

1. กำหนดเกณฑ์ย่อย Feasibility 4 ด้าน (งบ, คน, การเมืองอิง PEA, เวลา)
2. กำหนดเกณฑ์ย่อย Impact 3 ด้าน (ขนาด, ความรุนแรงอิง Problem Tree, ความยั่งยืน)
3. ให้คะแนนทางเลือก (1-5) พร้อมเหตุผล (ต้องอ้างอิง PEA)
4. คำนวณคะแนนรวมและวางใน 2x2 Matrix (Quick Wins / Strategic Bets / Fill-ins / Money Pit)
5. เสนอวิธี "ลดอุปสรรค" ให้ Strategic Bets เพื่อดันให้เป็น Quick Wins ในอนาคต

คำอธิบาย Prompt: ผูกคะแนนการเมืองเข้ากับ Fact จาก PEA ป้องกัน AI เดาสุ่มคะแนนเอง

2. Multi-Criteria Decision Analysis (MCDA)

หลักการและแนวคิด: ใช้เกณฑ์ประเมินหลายมิติ ให้คะแนน (Scoring) ถ่วงน้ำหนัก (Weighting) และต้องทดสอบ Sensitivity Analysis ว่าคำตอบมั่นคงแค่ไหน

ทางเลือก: [วางทางเลือก]
เกณฑ์และน้ำหนัก (Stakeholder ตัดสินแล้ว): [ผลกระทบ 30%, ต้นทุน 20%, การเมือง 25%, เร่งด่วน 15%, ยั่งยืน 10%]
ข้อมูลประกอบ: [อ้างอิง PEA/Problem Tree]

1. ให้คะแนน (0-100) พร้อมเหตุผลกำกับ (อ้างอิงหลักฐาน PEA เสมอ)
2. คำนวณคะแนนรวมถ่วงน้ำหนัก (Weighted Score)
3. จัดอันดับ
4. ทำ Sensitivity Analysis: ทดสอบสลับน้ำหนักการเมืองเป็น 40% (ลดอันอื่น) อันดับเปลี่ยนหรือไม่? ทำซ้ำโดยปรับผลกระทบเป็น 50%
5. สรุปความ "มั่นคง (Robust)" หรือ "อ่อนไหว (Sensitive)" ของการจัดอันดับนี้

คำอธิบาย Prompt: ข้อ 4 บังคับทำ Sensitivity Analysis ป้องกัน False Precision (ตัวเลขเป๊ะแต่เปราะบาง)

การนำไปใช้: หากอันดับเปลี่ยนง่าย แปลว่าความเสี่ยงการเมืองสูง อาจต้องตัดสินใจแบบ Hybrid ผสมทางเลือก

3. Cost-Benefit / Cost-Effectiveness (CBA/CEA)

หลักการและแนวคิด: CBA วัดความคุ้มค่าเป็นเงิน (NPV), CEA วัดผลลัพธ์เป็นหน่วยธรรมชาติ (ICER) ใช้เพื่อยืนยันกับแหล่งทุน

ทางเลือกนโยบาย 2-3 ข้อ: [วาง]

1. ระบุต้นทุนทางตรง ทางอ้อม และแยกสิ่งที่ "ประเมินได้แม่นยำ" กับ "ประมาณการคร่าวๆ"
2. ระบุผลประโยชน์ (แปลงเป็นเงิน vs จับต้องยาก-ควรใช้ CEA)
3. คำนวณ Net Present Value (NPV) หรือ ICER โดยอ้างอิงสูตรชัดเจน
4. ทำ Sensitivity Analysis ปรับ discount rate หรือระยะเวลา
5. สรุปผลกระทบเชิงกระจาย (Distributional effects): ใครแบกต้นทุน ใครได้ประโยชน์สุด

คำอธิบาย Prompt: บังคับติดป้ายสิ่งที่ "ประมาณการ" และบังคับประเมิน Distributional Effects ป้องกันการกดทับกลุ่มเปราะบาง

6. Stakeholder Validation

ทดสอบนโยบายกับกลุ่ม "Manage Closely" และประชาชน ก่อนนำไปยกร่างทางการเพื่อดักทางแรงต้าน

1. IAP2 Spectrum of Public Participation

หลักการและแนวคิด: กำหนด "คำมั่นสัญญา" 5 ระดับ: Inform (แจ้ง), Consult (รับฟัง), Involve (ทำงานร่วม), Collaborate (ออกแบบร่วม), Empower (มอบอำนาจ) จับคู่กับ Power-Interest Matrix

Power-Interest Matrix: [วางรายชื่อกลุ่มต่างๆ ตามช่อง Manage Closely/Keep Satisfied/ฯลฯ]
ทางเลือกนโยบาย: [วาง]

1. จับคู่แต่ละกลุ่มกับระดับ IAP2 ที่เหมาะสม พร้อมเหตุผล
2. เขียนคำมั่นสัญญา (Promise statement) สำหรับแต่ละกลุ่มด้วยภาษาตรงไปตรงมา
3. เสนอกิจกรรมที่เหมาะกับระดับและบริบท
4. สำหรับกลุ่ม Manage Closely ให้ออกแบบลำดับทดสอบเจาะจง
5. ระบุความเสี่ยงหากให้ระดับต่ำ/สูงเกินไป

การนำไปใช้: ป้องกันปัญหาสัญญาเกินจริง หรือจัดเวทีรับฟังแต่ถูกมองว่าเป็นเพียง "พิธีกรรม (Tokenism)"

2. Delphi Method (Validation)

หลักการและแนวคิด: รวบรวมความเห็น Panel แบบไม่เปิดเผยตัวตนหลายรอบ (Anonymous Iteration) เพื่อสร้างฉันทามติ ลดการครอบงำจากผู้มีอำนาจ

ทางเลือกที่ทดสอบ: [วาง]
[เมื่อได้คำตอบรอบแรก วางแบบไม่ระบุชื่อ]

1. สรุปคำตอบรอบที่ 1 อย่างเป็นกลาง จัดกลุ่มประเด็น
2. ระบุประเด็นขัดแย้งสูงที่สุด 3-5 ข้อ
3. ออกแบบคำถามรอบที่ 2 ที่เจาะประเด็นขัดแย้ง โดยใช้สเกล 1-5 พร้อมแนบเหตุผลของทั้งสองฝ่ายให้พิจารณาก่อนตอบ

3. Pre-mortem Analysis

หลักการและแนวคิด: (Gary Klein) จินตนาการล่วงหน้าว่านโยบายล้มเหลวไปแล้วในอดีต (Prospective hindsight) ลด Optimism Bias และกล้าพูดถึงเรื่องอ่อนไหว

ขั้นเตรียมการ (จำลองเพื่อเตรียมตัวซ้อม):
1. สวมบทบาท Stakeholder กลุ่ม Manage Closely ทีละกลุ่ม
2. จินตนาการว่าผ่านไป 18 เดือน ทางเลือกล้มเหลวสิ้นเชิง เขียนสาเหตุแบบละเอียด ไม่กลัวความรุนแรงทางการเมือง
3. จัดกลุ่มสาเหตุ และเปรียบเทียบกับ Force Field/PEA ว่าใหม่หรือยืนยันของเก่า
4. จัดลำดับความสำคัญ 5 อันดับแรก
5. เสนอการตอบสนอง 4 แบบ: ป้องกัน (Prevention), บรรเทา (Mitigation), สำรอง (Contingency), หรือยอมรับความเสี่ยง

คำอธิบาย Prompt: ใช้ AI เป็น "เครื่องซ้อม" จำลองการโจมตีก่อนลงสนามจริง บังคับให้ออกแบบแผนรับมือ 4 ประเภทเสมอ

4. Deliberative Mini-Publics (เวทีรับฟังสาธารณะ)

หลักการและแนวคิด: ตัวแทนประชากรสุ่ม ถกแถลงอย่างมีข้อมูล ซักถามผู้เชี่ยวชาญก่อนให้ความเห็น (เหมาะกับสมัชชาสุขภาพ)

ทางเลือกที่นำเข้าเวที: [วาง]
ผล Delphi & Pre-mortem: [วาง]

1. ตั้งคำถามถกแถลงที่ชัดเจน (ไม่กว้างเกินไป)
2. ร่าง Briefing Document ให้ความรู้พื้นฐานที่ "สมดุลที่สุด" (เสนอทั้งหนุนและค้าน) โดยดึงจุดอ่อนจาก Pre-mortem
3. ร่างคำถามสำหรับพยาน/ผู้เชี่ยวชาญ (ฝ่ายละ 5 ข้อ)
4. ออกแบบคำถามกลุ่มย่อย 3-4 ข้อ
5. เสนอโครงสร้างแบบฟอร์มการบันทึกสรุปความเห็น (ฉันทามติ vs เห็นต่าง)

คำอธิบาย Prompt: เน้นย้ำให้ AI สร้างข้อมูล "สมดุลที่สุด" เพราะความเอนเอียงเพียงนิดเดียวจะทำลายความชอบธรรมของเวที

7. Policy Formulation

แปลงแนวคิดให้เป็นเอกสารทางการ สร้างเส้นทางตรรกะที่แข็งแรง ลด "Missing Middle" (ช่องโหว่ของการให้เหตุผล)

1. Objective Tree

หลักการและแนวคิด: พลิก Problem Tree ให้เป็นเชิงบวก: ปัญหาหลัก -> เป้าประสงค์ (Purpose) / สาเหตุราก -> ปัจจัยนำเข้า (Means) / ผลกระทบ -> เป้าหมาย (Ends)

Problem Tree: [วางแผนภาพปัญหาครบทุกชั้น]

1. แปลงปัญหาหลักเป็น Purpose เชิงบวกที่ตรวจสอบได้
2. แปลงสาเหตุทุกชั้นเป็น Means เชิงบวก **ห้ามปรับเปลี่ยนโครงสร้างลำดับชั้นเดิม**
3. แปลงผลกระทบทุกชั้นเป็น Ends
4. ตรวจสอบตรรกะ means-ends จากล่างขึ้นบน ว่าสมเหตุสมผลหรือไม่ หากแปลกให้ปรับแก้
5. เสนอ Means ที่ควรเป็นจุดเน้น (อยู่ในวิสัยที่ทำได้ใน 2-3 ปี) และข้อใดอยู่นอกอำนาจ
6. แสดงเป็นแผนภาพต้นไม้ Means(ล่าง) -> Purpose(กลาง) -> Ends(บน)

คำอธิบาย Prompt: บังคับ "ห้ามเปลี่ยนโครงสร้าง" เพื่อรักษาตรรกะดั้งเดิมไว้ ป้องกัน AI แต่งแผนภาพใหม่จนเสียความหมาย

2. Theory of Change (ToC)

หลักการและแนวคิด: ทำ Backwards Mapping จากเป้าหมาย และที่สำคัญสุดคือต้องใส่ สมมติฐาน (Assumptions) ในทุกรอยต่อ

Long-Term Goal (Purpose): [วาง] / Means ที่เลือก: [วาง] / ทางเลือกที่รับรอง: [วาง]

1. ทำ Backwards Mapping จาก Goal แตกเป็น Preconditions 3-4 ชั้น
2. ระบุกิจกรรมที่จำเป็นสำหรับแต่ละผลลัพธ์
3. ทุกจุดเชื่อมต่อ (ทุกลูกศร) ระบุสมมติฐาน 4 ประเภท (ความเชื่อมโยง, ความครบถ้วน, กิจกรรม->ผล, บริบทภายนอก)
4. ประเมินความเปราะบางของสมมติฐาน โดยอิงจาก PEA และ Pre-mortem หากเปราะบางสูงเสนอกิจกรรมค้ำยัน
5. เสนอตัวชี้วัดเบื้องต้น 1-2 ตัว
6. ร่าง Narrative บรรยายสรุป 200-300 คำ เป็นภาษาทางการ

คำอธิบาย Prompt: บังคับให้ AI ระบุสมมติฐานเชิงตรรกะภายใน ไม่ใช่แค่ปัจจัยภายนอก และผูกความเปราะบางกับ Fact จาก PEA

3. Logical Framework Matrix (LogFrame)

หลักการและแนวคิด: อัดตรรกะทั้งหมดลงตาราง 4x4 (Goal/Purpose/Outputs/Activities × Narrative/Indicators/MoV/Assumptions) ต้องทดสอบ IF-THEN เสมอ

Theory of Change: [วางทั้งหมดจากขั้น ToC]

1. แปลงเข้าตาราง 4 แถว (Goal/Purpose/Outputs/Activities) ให้ Purpose มีแค่ข้อเดียว
2. ออกแบบตัวชี้วัดแบบ SMART ระบุขนาด/เวลาชัดเจนในตัวมันเอง
3. ระบุ Means of Verification (MoV) ให้สมจริงตามบริบทราชการไทย
4. วาง Assumptions ในระดับที่สอดคล้อง
5. ทำ Logical Framework Analysis: เขียนประโยค IF-THEN ทบทวนจากล่างขึ้นบน ตรวจหาข้อขัดแย้ง
6. แสดงเป็นตารางสมบูรณ์

คำอธิบาย Prompt: เน้นบริบท "ราชการไทย" เพื่อป้องกัน AI สร้างระบบตรวจวัดที่ไม่มีอยู่จริง และบังคับวิเคราะห์แบบ IF-THEN เพื่อดักจับช่องโหว่

4. Policy Brief / Concept Paper / ร่างมติ

หลักการและแนวคิด: เอกสารสำหรับผู้บริหารที่มีเวลาจำกัด ทุกองค์ประกอบต้องมุ่งสร้างเหตุผลสนับสนุนข้อเสนอแนะ

ข้อมูลต้นทาง: [วาง Objective Tree, Options, ToC Narrative, Assumptions]

1. ร่าง Executive Summary (150-200 คำ) ให้อ่านเดี่ยวๆได้
2. ร่าง Problem Statement (200-300 คำ) **ห้ามสร้างข้อเท็จจริง/ตัวเลขใหม่**
3. ร่าง หลักการและเหตุผล โดยดัดแปลงจาก ToC ให้อ่านง่าย
4. ร่าง ข้อเสนอแนะ (Recommendation) เป็นข้อๆ ที่เจาะจงตัดสินใจได้ทันที
5. ร่าง ความเสี่ยงและข้อพิจารณา โดยดึงจาก Assumptions เปราะบาง

<self_review>
ตรวจสอบว่าหากอ่านแค่ Executive Summary และ Recommendation เข้าใจครบถ้วนหรือไม่?
</self_review>

คำอธิบาย Prompt: กฎเหล็กคือห้ามแต่งตัวเลขใหม่ และใช้กลไก Self-Review เช็คว่าเอกสารกระชับตามเป้าหมายผู้บริหารหรือไม่

8. Implementation Planning & M&E

เปลี่ยนแผนให้เป็นแผนปฏิบัติการจริง และออกแบบเกณฑ์ชี้วัดเชื่อมโยงกับ Root Causes

1. Work Breakdown Structure (WBS) + Gantt Chart

หลักการและแนวคิด: แตกกิจกรรมให้เป็น Work Packages ย่อย (100% Rule) ระบุจุดสิ้นสุดที่ชัดเจน และหา Critical Path

Activities จาก LogFrame: [วาง] / ระยะเวลา: [ระบุ]

1. แตกเป็น Work Packages ย่อย 3-5 รายการ (เขียนเป็น "ผลลัพธ์ที่ยืนยันได้" ไม่ใช่คำกริยากว้างๆ)
2. ระบุระยะเวลา (สัปดาห์/เดือน)
3. ระบุ Dependency ว่างานใดต้องเสร็จก่อน
4. คำนวณหา Critical Path (เส้นทางวิกฤตที่ห้ามช้า)
5. ทำ Cost Breakdown Structure แบ่งเป็น บุคลากร/วัสดุ/ดำเนินการ ประเมินงบประมาณเทียบเป้า
6. แสดงผลเป็นตาราง Gantt แบบข้อความ

คำอธิบาย Prompt: บังคับใช้คำอธิบายผลลัพธ์แทนคำกริยา เพื่อให้ตรวจรับงานได้จริง และเตือนหา Critical Path เสมอ

2. RACI Matrix

หลักการและแนวคิด: Responsible, Accountable, Consulted, Informed — กฎทอง: 1 งาน ต้องมี A (Accountable) เพียงคนเดียวเท่านั้น

Work Packages (จาก WBS): [วาง]
บทบาท/หน่วยงาน (จาก Stakeholder): [วาง]

1. สร้างตาราง RACI จับคู่ Work package x บทบาท
2. ใช้กฎทอง: แต่ละแถวมีตัว 'A' เพียงช่องเดียวเท่านั้น
3. ตรวจสอบคอขวด: ใครมี 'A' หรือ 'R' มากไปจนเกินกำลัง
4. ตรวจสอบช่องโหว่การปรึกษา: งานใดไม่มี 'C' เลยทั้งที่ควรกระทบคนอื่น
5. สรุปตารางสมบูรณ์

คำอธิบาย Prompt: AI จะช่วยตรวจสอบข้อบกพร่องตามกฎทอง และตรวจหาภาระงานที่เกินกำลัง (Bottleneck)

3. Results Framework & SMART Indicators

หลักการและแนวคิด: อย่าวัดแค่กิจกรรมเสร็จ ตัวชี้วัดต้องผูกกลับไปที่ Root Causes และ Leverage Points เสมอ

Root Causes (จาก Problem Tree): [วาง] / Leverage Points (จาก Systems Map): [วาง]
LogFrame: [วาง] / Milestones (จาก Backcasting): [วาง]

1. ออกแบบตัวชี้วัด SMART ที่ตอบว่า Root Cause ได้รับการแก้จริง 
2. ออกแบบตัวชี้วัดที่เช็คผลเชิงระบบจาก Leverage Point
3. จับคู่ระดับ LogFrame (Output/Outcome) ให้ตัวชี้วัด
4. กำหนด Baseline, Target และความถี่ (สมจริง)
5. **วิเคราะห์**: หากตัดตัวชี้วัดพวกนี้ทิ้งเหลือแค่ระดับ Output (กิจกรรมเสร็จ) จะยังยืนยันความสำเร็จนโยบายได้ไหม? อธิบายเหตุผล
6. คัดเลือก "Core Indicators" ให้เหลือ 8-10 ตัวหลัก เพื่อลดภาระจัดเก็บ

คำอธิบาย Prompt: ข้อ 5 ทดสอบว่าตัวชี้วัดกิจกรรมนั้นตื้นเกินไปไหม และข้อ 6 บังคับตัดทิ้งให้เหลือตัวหลัก ลดต้นทุนทำ M&E

4. OECD-DAC Evaluation Criteria

หลักการและแนวคิด: ประเมินคุณภาพโครงการด้วย 6 มิติสากล: Relevance, Coherence, Effectiveness, Efficiency, Impact, Sustainability

ระบบ M&E ปัจจุบัน: [ชุดตัวชี้วัดจาก Results Framework]

1. สำหรับ 6 มิติของ OECD-DAC ให้ตั้งคำถามประเมินมิติละ 2-3 ข้อตามบริบทนี้
2. ตรวจสอบระบบ M&E ว่าตัวชี้วัดที่มี ครอบคลุมตอบคำถามแต่ละมิติครบหรือไม่? (ทำเป็นตารางช่องว่างที่หายไป)
3. เสนอตัวชี้วัดเสริมสำหรับจุดที่ขาด
4. ระบุว่าจะวัดช่วงไหน Formative (กลางทาง) หรือ Summative (ท้ายสุด)
5. เน้นพิเศษเรื่อง "Sustainability": นโยบายจะไปต่อได้ไหมเมื่องบหมด เสนอเกณฑ์ตรวจสอบด้วย

คำอธิบาย Prompt: AI ทำหน้าที่ตรวจสอบ Checklist ค้นหาช่องโหว่ โดยมักเจอเสมอว่าขาดตัวชี้วัดเรื่อง "ความยั่งยืน (Sustainability)"