สรุปจากคลิป ดูคลิปต้นฉบับ

Claude Routines ใช้ทำอะไรได้บ้าง และเริ่มยังไงให้เวิร์ก

จุดที่น่าสนใจที่สุดจากคลิปของ Ben AI ไม่ใช่แค่ว่า Claude มีฟีเจอร์ใหม่ชื่อ Routines แต่คือมันทำให้ AI ขยับจากบทบาท “ผู้ช่วยตอบคำถาม” ไปเป็น “คนลงมือทำงานซ้ำแทนเรา” ได้จริงมากขึ้น โดยเฉพาะงานที่ต้องวิ่งข้ามหลายระบบ เช่น Gmail, Stripe, GitHub หรือเครื่องมือประชุม

สำหรับเจ้าของธุรกิจและคนทำงานทั่วไป ประเด็นนี้สำคัญมาก เพราะที่ผ่านมา ถ้าอยากทำ automation เรามักต้องพึ่ง Zapier, Make หรือ n8n และไม่ใช่ทุกคนจะอยากนั่งต่อ flow แบบ developer แต่ Routines ของ Claude เปิดทางให้เราใช้ prompt, skill และ connector มาสร้าง workflow ได้ในรูปแบบที่ใกล้คนทำงานมากกว่าเดิม แม้ก็ยังมีข้อจำกัดหลายอย่างที่ควรรู้ก่อนเริ่ม

สารบัญ

• Step 1: เข้าใจก่อนว่า Claude Routines คืออะไร
• Step 2: ดูตัวอย่าง use case ที่เอาไปคิดต่อกับธุรกิจได้ทันที
• Step 3: เข้าใจว่าทำไม Routines ถึงน่าสนใจกว่าแค่ prompt ธรรมดา
• Step 4: รู้ส่วนประกอบ 4 อย่างของ Routine
• Step 5: รับรู้ข้อจำกัดก่อน จะได้ไม่คาดหวังเกินจริง
• Step 6: ใช้ framework นี้ ถ้าอยากให้ Routine รันแล้วไม่พัง
• Step 7: ตั้ง Routine จากศูนย์แบบเข้าใจง่าย
• Step 8: ถ้าจะใช้ Event Trigger ต้องรู้วิธีต่อ GitHub และ n8n
• Step 9: Actionable Insights สำหรับเจ้าของธุรกิจและคนทำงาน
• Step 10: Troubleshooting ปัญหาที่มักเจอเวลาทำตาม
• Step 11: การต่อยอดที่น่าลองหลังตั้ง Routine ตัวแรกสำเร็จ
• Step 12: สรุป Checklist ทั้งหมดสำหรับเริ่มใช้ Claude Routines

Step 1: เข้าใจก่อนว่า Claude Routines คืออะไร

Routines คือระบบสำหรับสั่งให้ Claude ทำงานซ้ำแบบอัตโนมัติ โดยทำงานได้ 2 แบบหลัก

• Scheduled trigger คือรันตามเวลา เช่น ทุกวัน ทุกสัปดาห์ หรือทุกชั่วโมง
• Event-based trigger คือรันเมื่อมีเหตุการณ์บางอย่างเกิดขึ้น เช่น มีลูกค้ายกเลิกสมาชิก หรือมี transcript การประชุมใหม่เข้ามา

ความต่างสำคัญจาก scheduled task แบบเดิมคือ ถ้าใช้แบบ remote งานจะไปรันบน cloud ไม่ต้องเปิดคอมทิ้งไว้ ระบบทำงานได้เองแม้เราไม่อยู่หน้าเครื่อง

นี่คือเหตุผลที่ Ben AI มองว่า Claude กำลังเข้าใกล้คำว่า automation platform มากขึ้น ไม่ใช่แค่ chatbot อีกต่อไป

Step 2: ดูตัวอย่าง use case ที่เอาไปคิดต่อกับธุรกิจได้ทันที

ตัวอย่างในคลิปมีหลายเคสที่สะท้อนภาพชัดว่า Routines เหมาะกับงานแบบไหน และถ้าเอามาแปลเป็นบริบทธุรกิจไทย เราจะเริ่มเห็นโอกาสเยอะมาก

2.1 ตรวจสอบการชำระเงินล้มเหลวทุกเช้า

เคสแรกคือให้ Claude รันทุกวันเวลา 7 โมงเช้า เพื่อตรวจสอบลูกค้าที่จ่ายเงินไม่ผ่านใน Stripe ช่วง 24 ชั่วโมงล่าสุด จากนั้นดึงข้อมูลเพิ่ม เช่น กิจกรรมของลูกค้าใน community และประวัติอีเมลที่ผ่านมา ก่อนจะร่างอีเมลติดตามแบบ personalized ลง Gmail draft ให้ตรวจอีกทีแล้วค่อยส่ง

ถ้าเอามาใช้กับธุรกิจไทย หน้าตาจะคล้ายกับงานเหล่านี้

• ติดตามลูกค้าที่โอนเงินไม่ครบหรือจ่ายบัตรไม่ผ่าน
• ทวงใบเสนอราคาที่ลูกค้าเปิดอ่านแล้วแต่ยังไม่ตอบ
• แจ้งเตือนลูกค้าเก่าที่ subscription กำลังหมดอายุ

จุดสำคัญคือ AI ไม่ได้แค่ “ส่งข้อความอัตโนมัติ” แต่ใช้ข้อมูลจากหลายแหล่งมาประกอบก่อนร่างข้อความ ทำให้น้ำเสียงและเนื้อหาดูมีเหตุผลกว่า automation แบบส่ง template ตายตัว

2.2 สร้าง proposal อัตโนมัติหลังจบ sales call

อีกตัวอย่างที่น่าสนใจมากคือ เมื่อ Fireflies ประมวลผล transcript จากการคุยขายเสร็จ Claude จะเริ่ม workflow ทันที โดยไปเช็กอีเมลเก่าเพื่อหา context จากนั้นร่าง proposal เป็น markdown แล้วดึงข้อมูลเข้า template ของ PandaDoc สุดท้ายสร้าง Gmail draft พร้อมลิงก์ proposal ให้ทีมขายตรวจและส่ง

สำหรับทีมขายไทย นี่คือ use case ที่มีมูลค่าสูงมาก เพราะหลังประชุมขายมักมีงานตามหลังหลายก้อน เช่น สรุปความต้องการลูกค้า, เขียน scope งาน, ทำใบเสนอราคา, เขียนอีเมล follow-up ถ้า AI ช่วยทำช่วงนี้ได้ เวลาตอบกลับลูกค้าจะเร็วขึ้นมาก

2.3 กู้ churn และเก็บ feedback อัตโนมัติ

เมื่อ Stripe ตรวจพบว่ามีสมาชิกยกเลิก ระบบจะดึงข้อมูลลูกค้า ระยะเวลาที่เป็นสมาชิก ประวัติอีเมล และกิจกรรมใน community จากนั้น Claude จะเขียนอีเมลเพื่อพยายามดึงลูกค้ากลับมา หรือขอฟีดแบ็กแบบเฉพาะราย

สิ่งที่น่าสนใจคือ personalization มาจากข้อมูลจริง ไม่ใช่แค่แทนชื่อใน template นี่เหมาะกับธุรกิจสมาชิก คอร์สออนไลน์ SaaS หรือ community-based business มาก

ในมุมของเรา use case แบบนี้ทำเงินมากกว่างานสวยๆ แต่ไม่จำเป็น เพราะมันไปแตะจุดสำคัญของธุรกิจโดยตรง เช่น รายได้ที่หายไป ลูกค้าที่กำลังหลุด และความเร็วในการ follow-up

Step 3: เข้าใจว่าทำไม Routines ถึงน่าสนใจกว่าแค่ prompt ธรรมดา

หลายคนอาจคิดว่า ก็แค่สั่ง Claude ด้วย prompt แล้วให้ทำงานตามรอบเวลาไม่ใช่หรือ คำตอบคือไม่ใช่แค่นั้น

สิ่งที่ทำให้ Routines น่าสนใจมี 3 ข้อ

• รันบน cloud ได้ ไม่ต้องพึ่งเครื่องเราเปิดอยู่ตลอด
• ทำงานตาม event ได้ ไม่ต้องรอให้คนมากดเริ่ม
• แยก session ต่อหนึ่งงาน ถ้าเกิดงาน 30 เคสพร้อมกัน ระบบสามารถแยกประมวลผลคนละ session ลดปัญหา context รก

นี่ต่างจากการใช้ AI แบบแชตมาก เพราะ workflow เริ่มมีความเป็นระบบมากขึ้น และต่างจาก automation เดิมตรงที่ AI สามารถ “ตีความ” และ “ใช้เหตุผล” กับข้อมูลที่ไม่เป็นระเบียบได้ เช่น transcript การประชุม อีเมลเก่า หรือสัญญาณพฤติกรรมลูกค้า

แต่ Ben AI ก็พูดตรงๆ ว่า automation ผ่าน AI ยังเป็น non-deterministic หรือไม่ได้ให้ผลลัพธ์ตายตัวเหมือน if-then ใน n8n นี่คือทั้งข้อดีและข้อเสีย ข้อดีคือยืดหยุ่นกว่า ข้อเสียคือถ้าออกแบบไม่ดี มันพังเงียบๆ ได้ง่าย

Step 4: รู้ส่วนประกอบ 4 อย่างของ Routine

Routine หนึ่งชุดประกอบด้วย 4 ส่วนหลัก

1. Prompt บอกว่าเมื่อถูก trigger แล้ว Claude ต้องทำอะไร
2. Trigger ตัวเริ่มงาน เช่น เวลา, API หรือ GitHub event
3. Repo / Files แหล่งเก็บ skill หรือเอกสารที่ Routine ต้องใช้
4. Connectors เครื่องมือที่ Claude จะเข้าถึงได้ เช่น Gmail, Stripe, GitHub

ถ้าอธิบายแบบคนทำธุรกิจ Prompt คือคำสั่ง, Trigger คือเงื่อนไขเริ่มงาน, Repo คือคู่มือหรือ SOP, และ Connectors คือสิทธิ์เข้าระบบต่างๆ

จุดที่สำคัญมากคือ Routine ไม่ควรแบก logic ทั้งหมดไว้ใน prompt แต่ควรใช้ skill เป็นตัวเก็บ SOP หลัก แล้วให้ prompt เรียก skill นั้นอีกที เช่น “ใช้ churn recovery skill กับลูกค้ารายนี้” แบบนี้ดูสั้นแต่เสถียรกว่าเยอะ

Step 5: รับรู้ข้อจำกัดก่อน จะได้ไม่คาดหวังเกินจริง

นี่คือส่วนที่คนทำตามแล้วมักพลาด เพราะฟีเจอร์ดูทรงพลังมาก แต่ยังไม่ใช่ระบบที่แทน n8n ได้ทั้งหมด

• Remote routine เข้าถึงไฟล์ local ไม่ได้ ถ้าจะใช้ skill หรือไฟล์ ต้องอัปขึ้น GitHub repo
• มี time limit ต่อ session ราว 1 ชั่วโมง
• มี run cap รายวัน โดยแพลน Pro และ Max จะมีจำนวนรอบให้ก่อน จากนั้นอาจคิดตาม API usage
• ไม่มี memory ข้ามงาน ทุกครั้งเริ่ม session ใหม่
• ยังแชร์ routine setup ข้ามทีมได้ไม่เต็มที่
• native trigger ยังน้อย ตอนนี้หลักๆ คือ schedule, API, GitHub

ข้อจำกัดที่สำคัญที่สุดคือเรื่อง trigger จาก software ภายนอก เพราะถ้าจะให้ Stripe หรือ Fireflies จุดงานเข้า Claude ตอนนี้มักต้องมี “ตัวกลาง” อย่าง n8n มาช่วยยิง API ก่อน

ดังนั้น ถ้าใครหวังว่าเปิด Claude แล้วไม่ต้องใช้เครื่องมืออื่นเลย อาจต้องลดความคาดหวังลงนิดหนึ่ง อย่างน้อยในช่วงนี้ Routines ยังเหมาะกับคำว่า AI-first automation ที่มีตัวช่วยบางส่วน มากกว่า all-in-one automation platform

Step 6: ใช้ framework นี้ ถ้าอยากให้ Routine รันแล้วไม่พัง

ส่วนที่มีประโยชน์มากในคลิปคือ Ben AI ไม่ได้บอกแค่ว่ากดตรงไหน แต่เสนอ framework สำหรับทำให้ routine น่าเชื่อถือขึ้น ซึ่งเหมาะมากกับคนทำงานที่ไม่อยากเสี่ยงให้ AI ส่งอะไรผิดไปหาลูกค้า

6.1 เริ่มจากสร้าง skill ก่อน ไม่ใช่เขียน prompt ยาวๆ

ถ้างานมีหลายขั้นตอน เช่น ดึงข้อมูลจาก Stripe, เช็กอีเมลเก่า, ประเมินเงื่อนไข, ร่างข้อความ แล้วบันทึก draft วิธีที่ดีกว่าคือสร้าง skill ที่รวม SOP ไว้ชัดเจน

เหตุผลคือ skill ทดสอบได้ ปรับปรุงได้ และใช้ซ้ำได้ ต่างจาก prompt ยาวๆ ที่พอพังแล้วมักแกะยากว่าเพี้ยนตรงไหน

6.2 ทดสอบ skill ด้วย eval ก่อนค่อยปล่อยรันจริง

Claude มีฟีเจอร์ eval สำหรับทดสอบ skill หลายรอบในเงื่อนไขเดียวกัน เช่น ให้รัน 5 ครั้งกับเคสลูกค้ายกเลิกจริง แล้วสรุปว่าขั้นตอนไหนทำได้สม่ำเสมอ ขั้นตอนไหนยังพลาด

ตัวอย่างในคลิปคือระบบเจอว่ามีความเสี่ยงจะส่งอีเมล churn ซ้ำให้ลูกค้าคนเดิม ถึงภาพรวมจะผ่าน 5 ใน 5 ก็ยังมีจุดเล็กๆ ที่ต้องแก้

นี่คือแนวคิดที่เจ้าของธุรกิจควรเอาไปใช้ทันที: อย่าเพิ่งเชื่อ automation เพราะมันทำงานได้ครั้งเดียว ต้องดูว่ามันทำได้ซ้ำๆ โดยไม่หลุดหรือไม่

6.3 ถ้าต้องการ ปรับ skill ต่อด้วย auto-research loop

อีกชั้นหนึ่งคือการให้ระบบลองปรับปรุง skill เองตามเกณฑ์ที่เรากำหนด เช่น อยากให้ข้อความกระชับขึ้น หรืออยากให้ผลลัพธ์ตรงตาม format มากขึ้น ระบบจะตั้งสมมติฐาน ทดสอบ เก็บเฉพาะสิ่งที่ดีขึ้น และวนซ้ำไปเรื่อยๆ

สำหรับคนทำธุรกิจ อาจยังไม่ต้องเริ่มจากขั้นนี้ก็ได้ แต่ควรรู้ว่าถ้า workflow ตัวไหนสำคัญมาก เช่น งานขาย งานเก็บเงิน หรือบริการลูกค้า การ optimize skill เป็นเรื่องคุ้ม

Step 7: ตั้ง Routine จากศูนย์แบบเข้าใจง่าย

ลำดับการตั้งค่าโดยรวมมีประมาณนี้

1. เข้าแท็บ Code แล้วเลือก Routines
2. กด New Routine
3. เลือก Remote ถ้าต้องการให้รันบน cloud หรือรับ event trigger
4. ตั้งชื่อ routine
5. ใส่ prompt สั้นๆ เพื่อเรียกใช้ skill
6. เลือก connector ที่จำเป็นเท่านั้น
7. เชื่อม repo จาก GitHub เพื่อให้ routine เข้าถึง skill
8. เลือก environment ถ้าใช้ custom connector
9. กำหนด trigger ว่าเป็น schedule หรือ API

หลักคิดที่ดีมากจากคลิปคือ ให้สิทธิ์เท่าที่จำเป็น เช่น workflow นี้ใช้แค่ Stripe, Gmail และ community tool ก็อย่าเปิด connector อื่นเกินมา เพราะยิ่งเปิดมาก AI ก็ยิ่งมีพื้นที่ทำสิ่งที่เราไม่ได้ตั้งใจ

Step 8: ถ้าจะใช้ Event Trigger ต้องรู้วิธีต่อ GitHub และ n8n

ตรงนี้อาจดู technical ที่สุด แต่ถ้าเข้าใจภาพรวมแล้วไม่ยาก

8.1 ทำไมต้องใช้ GitHub

เพราะ remote routine มองไม่เห็นไฟล์ในเครื่องเรา skill ที่เคยเก็บ local จึงต้องอัปขึ้น GitHub repository ก่อน Claude จะเรียกใช้ได้

คิดง่ายๆ ว่า GitHub ในกรณีนี้ทำหน้าที่เป็นที่เก็บ SOP และไฟล์ประกอบให้ cloud หยิบไปใช้

8.2 ทำไมต้องใช้ n8n

เพราะ Claude ยังไม่มี native trigger จาก software ดังๆ หลายตัว n8n เลยกลายเป็นสะพานกลาง เช่น

• Stripe เจอ event ลูกค้ายกเลิกสมาชิก
• n8n รับ event นี้
• n8n ยิง API ไปเรียก Claude routine
• Claude รับข้อมูลลูกค้ารายนั้นแล้วเริ่มทำงาน

สำหรับคนไม่ใช่ developer ตรงนี้อาจยังต้องใช้เวลาทำความคุ้นเคย แต่ข้อดีคือ n8n มี trigger สำเร็จรูปเยอะมาก ทำให้เราไม่ต้องเขียนระบบเองทั้งหมด

Step 9: Actionable Insights สำหรับเจ้าของธุรกิจและคนทำงาน

• เริ่มจากงานที่มีมูลค่าทางธุรกิจชัด เช่น เก็บเงิน, follow-up, churn recovery อย่าเริ่มจากงานเท่ๆ แต่ผลกระทบต่ำ
• ใช้ AI ช่วยร่าง ไม่จำเป็นต้องส่งอัตโนมัติทันที ให้ลง Gmail draft ก่อน จะปลอดภัยกว่า
• แยก SOP ออกจาก prompt สร้าง skill ให้ชัด แล้วให้ routine เรียกใช้
• ทดสอบหลายรอบก่อนปล่อยรันจริง โดยเฉพาะ workflow ที่แตะลูกค้าหรือเงิน
• ยอมรับว่าช่วงนี้ยังต้องมีเครื่องมือเสริม ถ้าต้องการ event trigger จากระบบภายนอก n8n ยังมีบทบาทอยู่มาก

Step 10: Troubleshooting ปัญหาที่มักเจอเวลาทำตาม

ปัญหา: Routine รันไม่ได้ทั้งที่ตั้ง trigger แล้ว

สาเหตุ: เลือกแบบ Local แทน Remote หรือยังไม่ได้ต่อ API trigger จริง

วิธีแก้: ตรวจว่า routine ถูกสร้างเป็น Remote, เช็ก trigger ว่าเป็น API หรือ schedule ตามที่ต้องการ และลองทดสอบรันด้วย event ตัวอย่างอีกครั้ง

ปัญหา: Claude หา skill ไม่เจอ

สาเหตุ: skill ยังอยู่ในเครื่อง local ไม่ได้อัปขึ้น GitHub repo

วิธีแก้: สร้าง repository บน GitHub, อัปโหลดไฟล์ skill เข้าไป, เชื่อม GitHub connector แล้วเลือก repo ให้ถูกใน routine

ปัญหา: ระบบดึงข้อมูลจากเครื่องมือภายนอกไม่ได้

สาเหตุ: ยังไม่ได้เปิด connector หรือใช้ custom connector แต่ไม่ได้ตั้ง environment และ credential

วิธีแก้: ตรวจ connector ที่เปิดไว้, ถ้าเป็น custom connector ให้สร้าง environment และใส่ credential ในรูปแบบ .env ให้ครบ

ปัญหา: ผลลัพธ์ไม่สม่ำเสมอ บางครั้งดี บางครั้งเพี้ยน

สาเหตุ: ใช้ prompt ยาวแบบ one-shot โดยไม่มี skill ที่ชัดเจนและยังไม่ผ่าน eval

วิธีแก้: แยก workflow ออกมาเป็น skill, รัน eval หลายครั้ง, แก้ตามคำแนะนำ แล้วค่อยนำไปผูกกับ routine

ปัญหา: trigger จาก Stripe หรือ Fireflies ใช้ไม่ได้ตรงๆ ใน Claude

สาเหตุ: ตอนนี้ Claude ยังมี native trigger จำกัด

วิธีแก้: ใช้ n8n หรือ platform อื่นเป็นตัวกลางรับ event แล้วค่อยยิง API เข้า Claude routine

Step 11: การต่อยอดที่น่าลองหลังตั้ง Routine ตัวแรกสำเร็จ

• ทำ lead qualification อัตโนมัติ เมื่อมีฟอร์มเข้ามา ให้ Claude ประเมินคุณภาพ lead, สรุป pain point และร่างคำตอบเบื้องต้น
• ทำ invoice หรือเอกสารหลังบ้าน ใช้กับงานบัญชี งานใบแจ้งหนี้ หรือการสรุปข้อมูลจากหลายแหล่งก่อนส่งให้ทีมตรวจ
• ทำ post-meeting workflow หลังประชุมเสร็จให้ AI สรุปงานค้าง, สร้างอีเมล follow-up และสร้าง task ต่อในระบบที่ใช้อยู่

ถ้าจะเลือกทางที่คุ้มที่สุดสำหรับธุรกิจไทย เรามองว่าควรเริ่มจากงานที่ “เสียโอกาสชัด” เมื่อทำช้า เช่น ขายช้า เก็บเงินช้า หรือปล่อยลูกค้าหลุดโดยไม่มีใครตาม

Step 12: สรุป Checklist ทั้งหมดสำหรับเริ่มใช้ Claude Routines

• ☐ เลือกงานซ้ำที่มีผลต่อรายได้หรือบริการลูกค้าก่อน
• ☐ แยกขั้นตอนงานออกมาเป็น SOP ให้ชัด
• ☐ สร้าง skill แทนการพึ่ง prompt ยาวๆ
• ☐ ทดสอบ skill ด้วย eval หลายรอบ
• ☐ ปรับแก้จุดพลาดก่อนค่อยนำไปใช้งานจริง
• ☐ เข้า Claude Code และสร้าง Routine ใหม่
• ☐ เลือก Remote ถ้าต้องการให้รันบน cloud หรือรับ event trigger
• ☐ เขียน prompt สั้นๆ เพื่อเรียก skill
• ☐ เปิดเฉพาะ connector ที่จำเป็น
• ☐ อัปโหลด skill ไป GitHub repo ถ้าใช้ remote routine
• ☐ ตั้ง environment ถ้ามี custom connector
• ☐ เลือก trigger เป็น schedule หรือ API
• ☐ ถ้าต้องรับ event จาก Stripe หรือเครื่องมืออื่น ให้ต่อผ่าน n8n
• ☐ ทดสอบ routine จริงอีกหลายรอบก่อนเปิดใช้งานเต็มรูปแบบ
• ☐ สำหรับงานเสี่ยงสูง ให้เริ่มจากสร้าง draft หรือให้คนอนุมัติก่อนส่งเสมอ

สรุปแล้ว Claude Routines เป็นฟีเจอร์ที่น่าจับตามาก เพราะทำให้ AI เริ่มแตะงานอัตโนมัติที่เคยต้องพึ่ง automation platform แบบเดิม แต่ถ้าจะใช้ให้ได้ผล เราไม่ควรมองมันเป็นปุ่มวิเศษที่กดแล้วจบ สิ่งที่ทำให้เวิร์กจริงคือการออกแบบ skill ให้ดี ทดสอบก่อนปล่อย และเลือก use case ที่เหมาะกับธุรกิจ ถ้าเริ่มถูกจุด แม้ยังต้องมี GitHub หรือ n8n มาช่วยบ้าง Routines ก็มีโอกาสกลายเป็นเครื่องมือที่ช่วยประหยัดเวลาทีมและเก็บรายได้ที่เคยหลุดมือกลับมาได้มากพอสมควร