Transcription
ในปี 2025 ผ่านมาแล้ว 2 ปีที่ทุกคนได้ใช้เครื่องมือ AI อย่าง ChatGPT จนผมเชื่อว่าหลายๆ ท่านวันนี้ น่าจะคุ้นชินกับการมี AI เป็น Pilot ช่วยคิด ช่วยทำงาน ช่วยเขียนแล้ว อยู่ในชีวิตประจำวันเราไปแล้ว
หลังจากนี้เป็นต้นไป มันคือการ Integrate AI ลึกขึ้นเข้าไปอยู่ในองค์กร ให้เป็น Agent ที่เป็นมากกว่าเพื่อนช่วยคิด แต่จะมาเป็น Teammate ที่ช่วยแก้ปัญหา และเป็น Co-pilot ไม่ใช่แค่ Pilot วันนี้เราจะมาคุยกันกับผม แอลวิน และก็มาร์คครับ มาร์คครับ ครับ เพื่อที่จะหาข้อสรุปจากที่เราได้ไปคุยกับผู้บริหารมาเยอะมากที่เราไปทำ Workshop ไปอธิบายมา ไปแชร์เรื่อง Vision เกี่ยวกับ AI Agent วันนี้คำว่า Agent มันไม่ได้ไกลตัวไปแล้ว การที่องค์กรอยากที่จะ Integrate AI เพื่อที่จะนำแถวในยุคของ AI Era หลายองค์กรวันนี้กำลังถามคำถามว่า เราจะต้องทำอะไรบ้าง ผู้บริหารหลายคนต่างตั้งคำถามแล้วว่า AI มันจะเป็นได้มากกว่าแค่ Co-pilot นี้หรือเปล่า
วันนี้เราเลยมาเตรียม Material มาค่อนข้างเยอะ มัน Material ที่เราก็ไป Brief ผู้บริหารใน Boardroom เหมือนกัน ให้เขาเห็นภาพว่าอีก 3-5 ปีข้างหน้า เทคโนโลยีนี้กำลังจะไปตรงไหนบ้าง เราก็จะมาคุยกันถึงเรื่องนี้
ตามคำเรียกร้องกลับมาแล้วครับ กับ Workshop ของเรา แต่เป็นในรูปแบบของ Strategy Workshop Roadmap to Agentic Organization ที่จะพาทุกคนมาวาง AI Strategy ให้กับองค์กรของคุณ ให้คุณนำ AI Agent ไปใช้ในองค์กรได้อย่างมีประสิทธิภาพ โดยใน Workshop นี้ คุณจะได้ไปถึง 2 อย่างด้วยกันครับ อย่างแรกคือการอัปเดต AI สุดโดยผู้เชี่ยวชาญที่เราได้เชิญมาใน Workshop นี้ ไม่ว่าจะเป็น Shewake Satale Tex CEO ที่ให้คำปรึกษาองค์กรมาแล้วมากมาย และก็ยังมีคุณสิริพงษ์ CEO ของ N Optimiz SEO Agency ที่เป็นบริษัทแรกๆ ที่ได้เข้ามาทำ AI Search และ AI Solution ให้กับองค์กร และสุดท้ายขาดไม่ได้ครับ ผมและ Alvin จาก Rise of Intelligence ที่จะมาแชร์ประสบการณ์ตรงเกี่ยวกับการใช้ AI ไม่ว่าจะเป็น Tools ไหน ใช้แบบไหน หลังจากนั้นเราจะพาคุณมากลั่นความรู้ AI ทั้งหมด เพื่อที่จะมาออกแบบ AI Strategy ให้กับองค์กรของคุณ
หากคุณสนใจที่จะวาง AI Strategy ให้กับองค์กรของคุณไปพร้อมกับเรา สามารถสแกน QR Code ตรงนี้เพื่อสำรองที่นั่งได้เลยครับ แต่รีบหน่อยนะ ที่นั่งมีจำนวนจำกัดครับ แล้วเราหวังว่าจะได้เจอคุณ และช่วยคุณในการสร้าง AI Strategy ให้กับองค์กรของคุณนะครับ
ผมอยากจะเริ่มที่ Topic แรกก่อน หลังจากที่ผ่านมา 2 ปีในการเป็น Co-pilot Mark สังเกต Behavior ตัวเองเปลี่ยนไปยังไง จากที่ได้ใช้ ChatGPT ผมว่าเปลี่ยนไปเยอะมาก เยอะมากๆนะครับ ถามว่ามันเปลี่ยนไปในแบบไหนบ้าง เอ่อ มันเปลี่ยนไปในแง่ของ Tool ที่ผมเปิดประจำวัน หรือที่ผมใช้ อย่างเงี้ย มันกลับกลายเป็นมีเจ้าแบบ App 1 อย่าง ChatGPT เอ่อ โผล่เข้ามา แล้วผมเปิดพวก Tools ที่เป็น Text Editing พวก Tools Productivity ปกติเนี่ย น้อยลง ChatGPT นะครับ ผมพิมพ์อย่างเงี้ย ทุกอย่างผมเก็บข้อมูลนั้นไว้ได้ประมาณนึง ส่วนนึงผมถามทุกอย่างที่ผมคิด ทุกอย่างที่ผมพิมพ์ มันอยู่ในนั้นหมดแล้ว App แรกๆ ที่ผมจะเปิดเวลาทำงาน ก็เป็น ChatGPT มีอะไรผมอยากถาม ผมหันไปถาม ChatGPT ก่อน เดี๋ยวนี้ผมใช้ Google น้อยลงมาก แทบจะไม่ได้ใช้เลย สำหรับ Google ณ Behavior ปัจจุบันของผม ถ้าใช้ Search อะไรพวกนี้ ผมก็ไป Play Store เข้า Gemini Search Engine Traditional ผมก็ไม่ได้ใช้เลย อันนี้คือสิ่งที่เปลี่ยนไป
แต่สิ่งที่มากกว่านั้น ก็คือชุดความคิดของผมด้วย อย่างเช่น เอ่อ อย่าง App Nexus เราเนี่ยครับ มันก็เข้ามาช่วยการประชุมเนาะ พอมีในแง่ของปัญหาที่ผมอยากแก้ การประชุม การเงิน การทำงานต่างๆ ผมคิดคำถามแรกเลยว่า AI ทำสิ่งนี้ได้หรือเปล่า ผมวิ่งหา Tools ที่มัน Equip AI เพื่อที่จะแก้ปัญหาผม ได้มากกว่าการหา Tools ปกติอะ อันนี้คือทั้งในแง่ของการทำงาน และก็ความคิด วิธีการหา Solution ใหม่ๆ ในการแก้ปัญหา ทั้งตัวผม และก็ทั้งองค์กรด้วย
อืม ครับ ผมรู้สึกว่า AI มันกลายเป็นเครื่องมือที่เป็นชุดเครื่องมือใหม่หมดเลย ไม่ว่าจะเป็นเครื่องมือในการคิดไอเดียใหม่ๆ เครื่องมือในการเขียน เครื่องมือในการเข้าประชุม การทำ Email การทำสไลด์ การทำข้อมูลต่างๆ เนี่ย เราหันไปใช้ AI เป็นเครื่องมือแรกๆ ในยุคทุกวันนี้แล้ว เราเริ่มเห็นภาพของการ Offload งานออกไปจริงๆ
แต่ผมว่าภาพที่ใหญ่กว่านั้น วันนี้ที่หลายคนกำลังเริ่มเห็นละว่า โอเค วันนี้เราใช้มันเป็น Pilot เป็นเครื่องมือ แต่จะทำยังไงถ้ามันจะเป็นยังไง ถ้าวันนึงเราเอาสิ่งเนี้ยเข้ามาในองค์กร เป็น Co-pilot ไม่ใช่แค่ Pilot ละ มาช่วยทำงานให้มันจบตั้งแต่เริ่มถึงจบได้เลย เป็น Agent เหมือนที่หลายๆคนพูด ผมเลยอยากจะ Define ก่อน วันนี้อยากมาเริ่มจากการอธิบายก่อน ว่าจริงๆแล้ว AI เนี่ย มันต่างกับเครื่องมืออย่างอื่นยังไง
ผมรู้สึกว่าเวลาคนมอง AI จาก Lens ของวันนี้ เขาจะใช้คำว่า เหมือนในในพวก Podcast ที่ผมฟังในต่างประเทศ แบบ YC เงี้ย เขาก็จะพูดว่ามันเหมือนเราพัฒนา Engine รถมา แต่เพราะว่าเรายังอยู่ในยุคของการขับเคลื่อนโดยม้า เราเอา Engine รถไปใส่ในม้า เป็นรถม้านี่แหละ ที่ไม่มีม้า มันเหมือนช่วงแรกยุคแรกที่เราพัฒนา Engine นี้ขึ้นมา แต่เรายังคิดไม่ออกว่า Design ของเครื่องมือใหม่เนี่ย หรือวิธีการทำงานแบบใหม่ มันจะหน้าตาแบบไหน เราก็เลยยัดสิ่งใหม่เข้าไปสู่สิ่งเก่าที่เราคุ้นชิน มันกลายเป็นสิ่งที่วันนี้เราเห็นอยู่เยอะมาก ผมรู้สึกว่าเราอยู่ในยุคนั้นแหละ Carriage ยุคของการที่เครื่องมือใหม่ๆ มา แต่เรายังชินกับวิธีการเดิม เราจะเห็นในการทำ App การทำหลายๆอย่าง เราพยายามจะกลับไปในยุคของ SaaS หรือ Software as a Service ที่เป็นเครื่องมือแบบ เอ่อ App ช่วยทำงานปกติ CRM อะไรต่างๆเนี่ย มันคือ SaaS ถูกมั้ยครับ เราก็พยายามที่จะยัด AI เข้าไปอยู่ในทุก AI ก็จะเข้าไปเป็นเหมือน Chatbot ผมว่านี่คือ UI ที่คนชินที่สุดเลย เข้าไป Chat กับมันได้ แต่เรา ผมเชื่อว่าเรายังไม่ได้ใช้มันเต็มศักยภาพ เพราะในแง่นึงเรายังมองมันเป็น Tools อยู่
แต่ผมว่าจริงๆ แล้ว Fundamentally อ่ะ สิ่งที่เปลี่ยนไปในยุค AI มันคือมันเลิกเป็น Tool ไปแล้ว เราวันนี้เราไม่ได้พัฒนาเครื่องมือ เราพัฒนาสิ่งไม่มีชีวิต 1 อย่างที่มีความคิด การตัดสินใจเป็นของตัวเองได้ และสิ่งเนี้ย มันจะมาช่วยเราในการทำงาน เป็น Co-pilot จริงๆ เป็น Teammate จริงๆ
ผมเริ่มเห็นอันเนี้ย ในแบบตอนที่ผมไปดูพวก McKinsey เอ่อ ผมก็ตั้งคำถามเหมือนกัน ตอนที่เริ่มใช้ ChatGPT ว่า เฮ้ย ChatGPT มันดูจะ Replace งาน Consult ไปได้เยอะมาก ถ้ามันเป็นอย่างนี้ต่อไปนะเนี่ย แล้วบริษัทที่เป็น Consult ดังๆ ระดับโลกเขาจะทำยังไง ซึ่งผมว่า McKinsey แก้ปัญหานี้ได้เก่งมาก วิธีที่เขาทำคือเขาไปพัฒนา AI ของตัวเองมาก ไปทำ AI ของตัวเองอันนึงชื่อว่า Lilli ขึ้นมา และไอ้ตัว Lilli เนี่ย คือ Chatbot ภายในองค์กรเขา อ่าฮะ เป็น Chatbot ที่สะสม Case Study ของ McKinsey McKinsey เป็น Consult ระดับโลก เขาก็มี Case Study มากว่าหลาย 20-30 ปี 50 ปีเป็นไปได้ เขาก็เก็บ Case Study นี้มาตลอด เขาก็เอา Case Study พวกนี้ไปยัดเข้า AI เค้ามี Proprietary Data เป็นข้อมูลส่วนตัวของเค้าที่คนอื่นไม่มี Access ที่ ChatGPT ก็ไม่มี Access เพื่อให้พนักงานเค้าอ่ะ สามารถคุยโดยตรงกับ Chatbot พวกนี้ ในแง่นึงอ่ะ ผมว่าสำหรับพนักงานที่ใช้ ก็คงมองว่า เฮ้ย มันก็ดี เป็น Productivity Tool ช่วยเราหา Case Study เก่าๆ สมมุติกำลังแก้ปัญหาลูกค้าเรื่องต้นทุนที่แพงเกินไปในการทำกลั่นน้ำมันอะไรอย่างเงี้ย เราก็ไปเสิร์ชไอ้ตัว Lilli แต่ผมว่าอีกแง่นึงอ่ะ สิ่งที่เขากำลังทำอยู่ คือเขากำลังพัฒนา Consultant ที่เป็น AI อยู่ ถูกต้องแล้ว ในวันนึงเนี่ย ไอ้ตัว Lilli เนี่ย จะเก่งจนถึงระดับที่แบบ ฉลาดเท่า Consultant ที่ฉลาดที่สุดของเขาได้ ฉลาดเท่า Analyst ที่ฉลาดที่สุดของเขาได้ เพราะว่าทุกคนคอยฟีดข้อมูลเข้าไป เคสใหม่ๆ ก็ฟีดเข้าไป Challenging อะไรก็ฟีดเข้าไป มันก็เรียนรู้ เรียนรู้ถึงเอาเคสเก่าๆ มาเทรนด้วย จนถึงจุดที่เขาจะสร้างที่เขาสามารถขายให้บริษัทได้เลย อืม ทีนี้เขาก็จะบอกบริษัทว่า แทนที่คุณจะจ้างผม คอร์สประมาณ ล้านสองล้านบาท แทนที่คุณจะใช้เงินแบบนั้น น่ะ คุณใช้มั้ย อืม Lilli ถูกกว่าเยอะมาก แล้ว Lilli ก็จะเป็นเหมือนพนักงานคนนึงที่จะเข้ามาช่วยคุณในการวางกลยุทธ์ และ Lilli มี Case Study เทรนมาโดย McKinsey Consultant ทั้งหมด เพื่อที่จะเป็น Agent ที่จะมาแก้ปัญหา ทีเนี้ยผมเลยเริ่มเห็นภาพว่า อ๋อ จริงๆ แล้วเค้าก็กำลังพัฒนาคนนึงอยู่นั่นแหละ ใช่ เขาจะพยายามเอามันสมองของคนเก่งทั้งหลายเนี่ย ไปเทรนไอ้ตัว Chatbot เนี่ย จนมันเก่งขณะที่มันจะ Represent องค์กรองค์กรนึงได้เลยครับ อันนี้ดูจะเป็นสิ่งที่ Top Tier Firm เอ่อ กำลังทำอยู่นะใช่ ไม่ว่าจะเป็นในเคสของ Customer Service จะเป็นในเคสของ Sales หลายองค์กรพยายามทำแบบนี้อยู่ เพื่อที่จะทำ เพื่อที่จะทำสิ่งนั้น ผมเลยรู้สึกว่า AI Agent มันจะเป็นเทรนด์ที่มาแรงมาก
ใช่ แล้วผมรู้สึกว่ามันจะมีประโยชน์มากๆ กับบริษัทที่เป็นแนวนี้ด้วย อืม เพราะเมื่อก่อนนี้มันสเกลไม่ได้ อืม ก็คือสมมุติว่า McKinsey เค้า รับมา 3 โปรเจค เค้ามีคน 10 คน 10 คนนี้ทำงาน 3 โปรเจค ถ้าคุณอยากรับโปรเจคเพิ่ม คุณต้องจ้างคนเพิ่ม อืม แต่พอมี AI มาเนี่ย มันทำให้ธุรกิจแบบเนี้ยสเกลได้ คุณลองนึกถึง Consultancy คนให้คำปรึกษาที่เป็น Boutique เล็กๆ พวกเค้าสามารถรับงานได้มากขึ้น ทำงานได้มากขึ้น ให้คำปรึกษาธุรกิจได้มากขึ้น
และอีกอย่าง ผมว่ามันเป็นประโยชน์กับเซิร์ฟบริษัทพวกนี้ และลูกค้าด้วย ถ้าคุณต้องจ้าง McKinsey แบบ 100 ล้านบาท เพื่อที่จะให้ McKinsey ทั้งทีมมา เพื่อที่จะให้คำปรึกษาคุณ แต่คุณจ้าง สมมุติว่าจ้าง Lilli ก็ได้ จ้างแค่ 10 ล้าน น่ะ แต่คุณได้คุณภาพการให้คำปรึกษาเหมือนกับ เอ่อ มานั่งในห้องของคุณน่ะ เป็นผมผมก็แฮปปี้นะ
และทั้งหมดเนี้ย มันก็คือแบบที่ Alvin พูดเลย มันคือการสร้างคน คุณจะสร้าง AI หรือคุณจะสร้างคน มันสร้างมีความคล้ายกันระดับนึง เพราะว่า Every นึกภาพนะครับ คนที่ Lilli ที่เราพูดถึงตะกี้ มันเหมือนคนในยุค 20 ปีที่แล้ว หรือว่า 10 ปีที่แล้ว มันจะมี Senior หรือมีแบบ Very Experienced Employee คนนึงที่อยู่ในบริษัท 20-30 ปีแล้วอ่ะ แล้วเวลาคุณอยากรู้อะไร คุณเดินไปถามเขา คุณอยากรู้อะไร คุณเดินไปถามเขา ไอ้คนที่มีประสบการณ์สูงมาก ต้องอย่างสมมุติแบบ ผมเป็นผมเป็น Consultant ในบริษัทนี้ แล้วผมเจอปัญหา โห พี่แบบนี้มัน ผมคุยยากมากเลย ผมต้องทำยังไง อ๋อ เคยพี่เคยทำอันนี้มาก่อน ไปคุยแบบนี้ๆๆ นะ แล้วให้เวลาเค้าหน่อย ผมว่ามันคือแบบเดียวกัน คือคุณเค้าผ่านเคสมาเยอะมาก ผมว่าการทำสิ่งเนี้ย มันก็ทำให้มันสร้าง Lilli ขึ้นมา สร้างคนๆ นั้นขึ้นมา ที่ทุกคนสามารถ Access ได้ เข้าไปถามหาความรู้ ช่วยให้คำปรึกษา พร้อมทั้งช่วยธุรกิจตัวแม่อย่างการให้คำปรึกษาของตัว Consultancy ด้วย อืม ผมว่าก็เป็นเป็นอะไรที่เป็นนิมิตหมายที่ดี
ผมว่า Consult เป็น 1 Use Case แต่ผมว่ามันยังมีอีกหลาย Use Case ที่วันนี้ ประเด็นของเราคือเรามี Knowledge Worker หรือพนักงานที่ขายความรู้ ความคิด เพื่อแลกมาด้วยเงิน เป็นงานบริการ ถูกมั้ยครับ ไม่ว่าจะเป็นหมอ คุณครู Consult ทุกคนขายความรู้ อืม เพื่อที่จะแลกมาด้วยเงิน แต่งานของความรู้เนี่ย มันอาศัยประสบการณ์ มันอาศัยจำตัวบุคคลคนนั้นด้วย พอเราเอาพอ AI วันนี้ที่เข้ามา มันเริ่มดูเหมือนว่า Agent มันคือการเดาโหลดสมอง หรืออัปโหลดสมองเราก็ได้ เข้าไปสู่ในเครื่องเนี้ย เพื่อให้มันคิด เข้าใจ ตัดสินใจเหมือนเรา แล้วสามารถสเกลงานของงานที่แต่ก่อนไม่สามารถสเกลได้เลย คุณสามารถสเกลครูเก่งๆ ไปให้กับเด็กนักเรียนทุกคนได้ อืม คุณสามารถสเกลหมอที่เก่งที่สุด ไปในประเทศที่จนที่สุด เพื่อให้การบริการทางการแพทย์ถูกที่สุด และดีขึ้น วันนี้คุณสามารถ Scale Knowledge Worker ได้แล้ว
OpenAI เพิ่งออกมา Codex อย่างเงี้ยครับ Codex เป็น Coding Agent ที่วันนี้มันก็เริ่มทำงานได้แล้ว ถามว่าเก่งเท่า Senior Developer มก็คงยังครับ แต่นี้คือแย่ที่สุดที่มันเป็นไปได้แล้ว คือวันนี้แหละ ใช่ๆ AI มันกำลังจะดีขึ้นและดีขึ้นเรื่อยๆ วันนี้ผมเห็นโปรแกรมเมอร์เราเอง หรือโปรแกรมเมอร์ในหลายองค์กร่ะ ก็ใช้พวกเครื่องมือแบบเนี้ย สั่งมันเป็น Objective โอเค สมมุติผมมี Task 10 อย่าง ผมแบ่งไป 3 ผมรู้ว่า 3 อย่างเนี้ย ทำไม่ยากครับ 3 อย่างเนี้ย ใน 1 Sprint หรือ 1 อาทิตย์อ่ะ ที่ผมทำ ผมก็แบ่ง 3 อย่างเนี้ยไปให้ AI ทำ AI เขียนโค้ดมา Run Test ลงเข้าไปใน GitHub เฟล เราแค่ไปนั่ง Review ครับ บางทีมันดีมาก บางทีเรา Push ได้เลย ปล่อยได้เลย บางทีมันก็แย่หน่อย บางทีเราก็ไปเข้าเข้าไปแก้ปรับเอง แต่เราเริ่มเห็นแล้ว มันคือการแบ่ง Task ส่วนนึงออกไปเลย อันนี้ดูจะเป็นเทรนด์ที่เทคโนโลยีมันกำลังวิ่งไปอยู่
ซึ่งวันนี้พอเราคุยถึงเรื่องนี้แล้วอ่ะ เดี๋ยวเราก็จะลงลึกถึง Anatomy อืม ของว่า AI Agent เนี่ย มันถ้าถ้าถ้าข่าวออกมาเป็นร่างกายแล้วอ่ะครับ มันแบ่งออกมาไปได้ยังไงบ้าง แต่ผมรู้สึกเหมือนว่าเทคโนโลยีมันไปด้านนี้อยู่ มาร์คเห็นอะไรเพิ่มในในมุมนี้มั้ยที่อยากแชร์
ผมเชื่อที่พูด 100% เลย ที่ว่า AI มันจะกลายเป็น Teammate เรา เพราะฉะนั้นแล้ว การทำรูปแบบการทำงานมันก็จะเปลี่ยนไปด้วย อืม เทคโนโลยีนี้วันนี้ เดี๋ยว Alvin น่าจะมาผ่า Anatomy ให้เราเห็นถึงก้อน AI มากขึ้น แต่ถ้าตอนนี้เรายังอยู่ในภาพใหญ่อยู่ครับ ภาพรวมผมว่าพอ AI เข้ามาแล้ว วิธีการทำงานก็จะเปลี่ยนไป อืม อย่างเช่น โดย Application อย่างเงี้ยครับ Application ทุกวันนี้ การทำงานทั้งหมดนะครับ มันยังเป็นในรูปแบบที่มนุษย์ต้องใช้ 100% สมมุติว่าผมต้องเขียน Report อันนึงใช่มั้ยครับ ณ เมื่อก่อนละกัน เราต้องเขียน แล้วผมเอ๊ ผมนึกข้อมูลนี้ไม่ออก ผมไป Search Google เข้าไป Google ผมพิมพ์ ผมนั่งอ่านๆ อ่ะ นึกออกแหละ ผมได้ไอเดีย ผมกลับมาเขียน ถูกมั้ยครับ ทุกหน้าที่ผมเข้า ต้องเป็น Human Friendly เข้าง่าย อ่านง่าย เข้าใจง่าย กลับมาทำงานของผมเสร็จ
แต่เมื่อ AI เข้ามาแล้วครับ พวกเนี้ย มันอาจจะไม่ต้อง Human Friendly 100% ก็ได้ เพราะเราอาจจะไม่ต้องต้องทำทุกอย่างเองแล้ว ณ วันนี้ สมมุติผมอยาก Search อย่างเงี้ยครับ ผมกด Voice ปึ้ง เอ่อ ChatGPT ช่วยไป Search อันนี้ให้หน่อย มีอันนี้ที่ยังคิดไม่ออกว่าจะเขียนยังไง มันก็เข้าไปวิ่งหาในอินเทอร์เน็ต แล้วก็มาเล่าให้คุณฟัง พร้อมบอกด้วยว่าเค้าไปอ่านตรงไหนมา ของพารากราฟไหน แปลว่าผมไม่ต้องไปนั่งอ่านเองหรอ ผมมีคนคอยบอกก็คือ AI เพราะฉะนั้นกลายเป็นว่า กลับมา Task ตะกี้ ครับ เขียนบน Microsoft Word กับ Search Google งานครึ่งนึงของผมอ่ะ ผมต้องทำเป็น AI ทำ AI จะไปวิ่งโค้ด จะไป Search จะไปทำอะไรก็ได้ ขอแค่ให้มันถูก อืม ผมแค่พิมพ์ ผมพูดสิ่งนี้เพื่ออะไร ผมพูดสิ่งนี้เพราะเหมือนอยากจะเป็นสิ่งที่ผมอยากจะบอกเล่าให้ทุกคนฟังด้วยว่า ถ้าใครเหมือนกำลังทำ App อยู่ เริ่มทำ App หรือเริ่มทำอะไรใหม่ ผมว่านี่เป็นนิมิตหมายใหม่ของการเปลี่ยนพา ของการใช้ Application ในการทำงาน ถ้าเมื่อ AI มันเข้ามาแล้ว อืม การ Design การใช้งานมันอาจจะเปลี่ยนไปเลย โดยสิ้นเชิง เป็นทั้งเรื่องที่น่าจะเพิ่ม Productivity ให้กับองค์กรเลย เป็นเรื่องที่น่าตื่นเต้นมากสำหรับผม ที่ผมเห็นว่ามันมาพร้อมกับ AI Agent
ผมเห็นด้วยมากๆ ผมเห็นว่าวันนี้ ถ้าในพูดในมุมที่แบบใกล้ตัว ผมก็เห็นแบบเรื่องนี้เกิดขึ้นในในงานหลายแบบแล้ว เห็นได้ชัดสุด เหมือนที่วันนั้นเราคุยกันที่คุยเรื่อง Cost ใช่มั้ยครับ แล้วพวกว่าโปรแกรมโปรแกรม เป็นงานแรกๆ ที่ผมเชื่อว่ามันเป็นเหมือน Weak Signal ที่เราควรจะจับตาดูในทุกอุตสาหกรรม เพราะว่าโปรแกรมเป็น Highest Usage เป็น Best User ของ AI เป็นผู้พัฒนาแล้วเป็นกลุ่มแรกที่ถูก Replace ด้วย มันเป็นอะไรที่ค่อนข้างแปลกในแง่นึงเหมือนกัน ก็คือแบบ แล้วมี Irony สูงมากว่าจริงๆ แล้ว AI มันมาทดแทนผู้สร้างของมันก่อนเลยใช่มันเป็นอะไรที่ตลกเหมือนกัน เคยเห็น Meme นี้เหมือนก่อนน่ะ ถ้าสมมุติว่าแบ่งงานออกมา มันก็จะมี Senior Program มี Junior Program แล้วก็มี Tester คนที่คอย Test ระบบ เดือนเนี้ย คุณมีแค่ แล้วคุณใช้ AI ที่เหลือมันก็แก้ปัญหาให้คุณได้แล้ว แทนที่จะต้องมี Analyst Level มาทำ Research ให้คุณเพื่อจะเขียนบทความอันนึง หรือจะเขียน Report อันนึงออกมา คุณทำเองได้ ถ้าคุณเก่งพอ แล้วที่เหลือคุณไปใช้ AI เพื่อทำงานแบบงานยากๆ งานที่แบบไปค้นหางานที่ใช้เวลาแต่งานความคิดคุณยังทำของใคร งานสร้างสรรค์ยังงานสร้างสรรค์ยังเป็นคุณอยู่แต่งานที่ใช้เวลา งานเอกสาร งานค้นหา อะไรเงี้ย คุณใช้ AI มากขึ้น เราก็เริ่มเห็นเทรนด์อย่าง Microsoft ก็เริ่ม Lay Off ที่ Junior ออก Entry Level งานเริ่มหายไป เพราะว่างานมันวิ่งเข้าไปสู่คนที่มีประสบการณ์มากขึ้น แล้วเราก็จะมาพูดถึงในแง่นี้ด้วยว่า เอ้ย จริงๆ แล้วแบบในโลกข้างหน้า ถ้าคุณเป็น Entry Level แล้วเนี่ย คุณจะทำงานยังไง
อืม แต่พอเราพูดถึงจุดนี้แล้วอ่ะ ผมว่าคนหลายคนเริ่มเห็นภาพว่า AI เนี่ย มันจะไม่ใช่แค่เครื่องมือละ แต่มันจะเข้ามาเป็นเหมือนพนักงาน หรือ Co-pilot หรือ Teammate เราอีกคนนึง แต่พอเรายังไม่เข้าใจตัว Agent แบบลึกซึ้งอ่ะ ผมว่าหลายครั้งอ่ะ เราเข้าใจถ้าเรา Positive มาก เรา Optimistic Big Fan AI แบบบ้า AI มาก เราก็จะบอกว่ามันเหมือนพระเจ้า AGI จะมา AGI จะมาแล้วไม่มีใครจะมีงานทำอีกเลย ทุกคนจะตกงานหมดเลย เพราะทุกคนจะโง่กว่า AI มันก็จะมี Camp นั้นด้วย ซึ่งผมไม่ได้อยู่ใน Camp นั้น ไม่ได้เชื่อ Camp นั้น 100% แล้วมันก็จะมี Pessimistic จ๋าเลย คือแบบ AI ไม่มีทางแทนคนได้ คนเก่งกว่าอยู่แล้ว ยังไง AI มันก็โง่ อีก 30 ปี 100 ปีมันก็แทนคนไม่ได้ ครับ อ่า ผมก็ไม่ได้อยู่ใน Camp นั้นเช่นกัน ผมอยู่ใน Camp กลางที่เชื่อว่าถ้าเราเข้าใจวิธีการทำงานของมัน เราจะเริ่มเห็นแล้วว่างานแบบไหนที่มันจะทำได้ อืม ซึ่งสำคัญกับผู้บริหารมากนะครับ เพราะว่าถ้าผมเป็นคน ที่บริหารองค์กรอยู่วันเนี้ย คำถามที่ผมจะถามคือ ในอีก 3 ปีข้าง ถ้างานแบบเนี้ย AI ทำได้ งั้นเราควรจะ Reskill พนักงานเราไปอีกด้านนึงมั้ย อืม ถูกต้อง แทนที่จะจ้างคนอยู่ในด้านเนี้ย เรามาจ้างตรงนี้เพิ่ม หรือถ้าเรายังไม่มีตรงนี้พอ เราเอาพนักงานออกจากตรงเนี้ย Boost มาตรงนั้น อืม แล้วเราเริ่มเตรียมขุดท่อ เตรียม Infrastructure เพื่อให้ AI อ่ะ มันเข้ามาทำงานในองค์กร เราได้แบบง่ายดาย อืม แล้วพอคุณเตรียมพร้อมแบบนั้นน่ะ คุณจะเป็นองค์กรแรกๆ ที่จะเห็น Productivity Gain เร็วสุดครับ เพราะพอมันเข้ามาปั๊บทีเนี้ย คนอื่นที่จะพยายาม Challenge กับคุณ เค้าก็จะทำยากขึ้น เพราะเค้าแบบ เฮ้ย ผมไม่เคยเตรียมเรื่องนี้มาก่อนเลย พอวัน ที่มันมาจริงๆ ก็จะ Struggle ว่าแบบ แล้วยังไงวะ แบบ คือต้องไปเตรียมข้อมูลยังไง ต้องไปเตรียม Infrastructure แบบไหน ผมเลยคิดว่าการเข้าใจ Anatomy แบบอยู่ตรงกลาง แล้วเข้าใจ Anatomy แล้วแล้วเชื่อมันแบบ ไม่ใช่ Pessimistic แล้วก็ไม่ใช่ True Optimistic แต่ Pragmatic คือเอามันเข้ามาใช้งานได้จริง อืม แล้วเตรียมพร้อมสำหรับการใช้งานมันจริงๆ อันเนี้ยดูจะเป็นเวทีน่าจะดีแล้ว เดี๋ยวเราจะมาลงใน Anatomy กัน
ผมฟังจากแล้ว ผมเห็นภาพเลยว่าถ้าเกิดผมเป็นผู้บริหารตอนนี้ เหมือนผมมอง ถ้าใครเป็นผู้บริหารที่ฟังอยู่ตอนนี้ อาจจะลองนึกภาพตามผม เหมือนว่าเราอยู่ในห้องกระจก คุณเป็นห้องคุณนะ คุณเป็น CEO แล้วคุณมองออกไปจะเห็นพนักงานเยอะมากเลยครับ คุณเหมือนเตรียมพื้นที่เพื่อให้พนักงานอีกคนเข้ามานั่ง Tool หรือว่าพวกท่อต่างๆ ที่ Alvin พูดถึงอ่ะ มันก็เหมือนคอมพิวเตอร์ เหมือนคุณ Onboard พนักงานอีกคนนึงเข้า อืม คุณต้องเตรียมคอมให้เขา ไม่งั้นเขาทำงานไม่ได้ คุณต้องเตรียมคีย์บอร์ดให้เขา คุณต้องเตรียมเก้าอี้สบายๆ ให้เขานั่ง เพื่อที่เขาจะนั่งทำงานได้ ผมว่านึกภาพแบบนั้นเลย แล้วรอวันที่ทุกอย่างมันพร้อมครับ แล้วก็เชิญพนักงานคนนั้นที่ชื่อ AI เข้ามานั่งทำงานกับเรา
Perfect เลย เพราะว่าผมว่ามันเป็น Description ที่เห็นภาพ เข้าใจได้ง่าย เราก็จะมาโชว์ให้ดูเลยว่า เออ จริงๆ แล้ว Anatomy ของพนักงานคนใหม่เนี่ย เขาอาจจะไม่ต้องการคีย์บอร์ด อืม เขาอาจจะไม่ได้ต้องการเก้าอี้อะไร คือ Setup ของเขา เพื่อที่จะเริ่มทำงานได้ งั้นเรามา Break down AI กันเลย ผมว่ามันเริ่มจากการเข้าใจว่า Agent มันคืออะไรก่อน หลายคนพอ มอง Agent เป็นพระเจ้าก็จะมองว่ามันทำอะไรก็ได้ แต่ผมว่ามันไม่จริง มันไม่ได้เป็นเทรนด์ AI วันนี้เลย เขาไม่ได้ทำงานแบบนั้น วิธีที่เขาทำงานคือแบบนี้ ลองคิดภาพนะครับ มนุษย์อ่ะจะเป็นคนที่มีสิ่งที่เรียกว่า Intention จะเป็นคนที่ตั้งโจทย์ วางธงว่า เราอยากไปด้านนู้น ทีเนี้ยในอดีตอ่ะ เราอาศัยคนที่จะต้องมานั่งทำงานเพื่อให้มันไปถึงตรงจุดนั้น เราก็จะจ้างคนมาเต็มไปหมดเลย เพื่อให้ทำงาน แต่ในอนาคตอันใกล้เนี่ย พอเรา Set Objective เสร็จแล้ว เราสามารถโยนให้ AI ไป Figure out ได้ว่า จากจุดเริ่มต้นไปถึง Goal เนี่ย คุณจะต้องทำอะไรบ้าง คุณไปลองมาหลายๆ Path แล้วคุณหา Path ดีที่สุด เพื่อไปถึง Objective ตรงนั้น แล้วคุณไปทำมาเอง โดยที่วิธีการทำงานของคุณมันจะมีอยู่ 3 อย่าง
1 คือคุณต้องรับรู้ได้ในฐานะ AI เพื่อที่จะแก้โจทย์นั้น สมมุติผมได้โจทย์มา วิธีที่จะแก้โจทย์นั้น 1 คือผมต้องมี Sense ก่อน ต้องรับรู้ได้เหมือนมนุษย์ คุณจะให้คุณมนุษย์แก้ คุณก็ต้องให้เขารับรู้ Context บริบท ซึ่งสำหรับมนุษย์ การรับรู้บริบทมันเกิดขึ้น ตาแล้วหู อืม อืม แล้วก็มีกลิ่นด้วย แต่ก็ Sense ทุกอย่าง 3 Sense อันนี้ ถ้ากลับมาที่เบสิคของมนุษย์เลย มันมีอยู่ 3 Sense เราใช้ 3 Sense นี้เพื่อที่จะเรียนรู้ว่าเรื่องนี้มันคืออะไร มันเกิดอะไรขึ้น เราฟัง เราไปรับฟังก่อน แล้วก็ถ้าผมเป็นที่ปรึกษาที่เก่งๆ ถ้าผมอยากจะแก้โจทย์ ผมได้โจทย์มา ผมจะแก้ปัญหา ผมก็ไปนั่งฟังก่อน อืม พยายามทำความเข้าใจ อันนี้คือรับรู้ อันนี้คือ Sense Context อ่า ก็เข้าใจบริบท ใช่มันต้องการ มันต้องการบริบทก่อน พอ มันได้บริบทเสร็จแล้ว พอเรานั่งรับฟัง เราทำอะไรต่อครับ มาคำนวณ แบบ มาคิด คิดถูกมั้ย เราก็ต้อง Process อ่า อันเนี้ยก็คือ Step ที่ 2 มันก็คือ Thinking Process อ่า เรา รับบริบทไปละ เรามานั่งคิด พอได้คำตอบแล้ว เราทำอะไรต่อ เราทำมาเลย Action อ่า ถูกมั้ย เราทำด้วยแขนและขาเรา ไม่ว่าจะเป็นการใช้งานคอม เดินไปคุยกับคนนี้ สำหรับ AI ทั้ง 3 อย่างนี้มีประโยชน์ มันมันเกี่ยวข้อง มันคือ Process นี้เลย มันคือ Process นี้ โดยที่มันไม่ได้ใช้ร่างกายไม่ มันตอนนี้มันยังไม่มีร่างกาย Context ของมันคือบริบท มันได้ข้อมูลเยอะพอที่จะมานั่งคิดหรือเปล่า คุณ Feed Input เยอะพอให้มันได้ หรือเปล่า Thinking Process นี่คือความคิดของมัน แล้วแขนและขาของมันคือเครื่องมือที่มันสามารถใช้ได้ในการแก้ปัญหาให้คุณ
ถ้าเรามาดูภาพเครื่องมือ AI ที่มีอยู่ ในตลาดทุกวันเนี้ยที่คุณสามารถใช้ได้ วิธีการรับ Context มีอะไรบ้าง มี Prompt ครับ อ่า Prompt Prompt นี่คือ 1 เลย คุณเล่าให้มันฟังว่าบริบทขององค์กรเราเป็นแบบนี้นะ เราเป็นองค์กรที่ทำในอุตสาหกรรมนี้ เราเจอ ปัญหาอย่างนี้ คุณช่วยเราแก้หน่อย มันรับบริบทได้เพิ่มเติมจากการไปหาข้อมูลจากอินเทอร์เน็ต ถ้าคุณใช้ Meeting Co-pilot แบบ Nexus มันก็จะรับบริบทจากการประชุมคุณด้วย ก็เป็นอีกหนึ่งบริบท Conversation Conversation อ่า ก็ Add เป็นบริบทเข้าไป แล้วมันจะได้จากอะไรอีก ถ้าคุณให้มันเข้าไปหาข้อมูลในองค์กรคุณได้ ในถังข้อมูลคุณเก็บเอา Transaction Record Data ต่างๆ มันก็ได้บริบทเดิม อันนี้คือ Sense ของมันละ หลังจากนั้นน่ะ พอ มันได้ Context ปั๊บ มันก็จะต้องไปผ่าน Thinking Process เราก็จะเห็นเวลาเราใช้เครื่องมือแบบ Perplexity เราใช้เครื่องมือแบบ Chatsonic Model พวก O1 O3 O4 หรือ Deep Seek Think Mode อะไรอย่างเงี้ย แบบเราก็จะเห็นแล้วว่าไอ้พวกนั้นมันจะมี Reasoning ของมัน มันจะมีข้อมันจะมีสิ่งที่มันคิด ซึ่ง Reasoning เนี่ยก็มาจากการที่มันเหมือน Prompt สั่งตัวเอง เหมือนมันคุยกับตัวเองไปเรื่อยๆ เรื่อยๆ เอ้ย ผมโอเค ผมได้บริบทนี้มาแล้ว ผมทำอะไรดีต่อ โอเค สเต็ปถัดไป สเต็ปถัดไป อ่า สเต็ปถัดไป อันนี้คือที่มันทำ อันนี้คือ Thinking ของมันแล้ว สเต็ปที่ 3 คือพอ มัน Stuck ใน Process ณ จุดๆ หนึ่งเนี่ย มันใช้เครื่องมืออะไรได้บ้าง วันนี้ส่วนใหญ่ App ทุกอันที่คุณเห็นในตลาด ส่วนใหญ่มีอยู่ 2 เครื่องมือเท่านั้น ที่เราเปิดให้ AI เหมือนถ้ามนุษย์มีแขน แขนขา ใช่มั้ยครับ AI วันนี้มีอยู่แค่ 2 เครื่องมือ อืม คือ AI สามารถดูข้อมูลในอินเทอร์เน็ตได้ วิ่งไป Search Web ได้ ก็คือ Real Time เหมือนเหมือนเอา Web Browser ให้ AI อ่ะ คุณไป Search อ่า ไป Search เอานะ อ่า ไป Search เอานะ กับคุณเขียนโค้ดได้ อืม มี Code Editor ให้คุณ อ่า ซึ่ง 2 Capability มันก็แตกออกมาเป็นหลายอย่างได้ คือการที่มันไป Search Web ได้ มันก็เพิ่ม Context ให้ตัวเองได้ การที่มันเขียนโค้ดได้ มันก็ทำกราฟสวยๆ ให้คุณดูได้ แต่นี่คือเครื่องมือ 2 อย่างที่มันมีให้คุณ ฉะนั้น Anatomy ของ AI Agent เนี่ย ไม่มีอะไรมากไปกว่า 3 อย่างนี้เลย ถ้าพูดในภาพใหญ่ มีอยู่ 3 อย่างแหละ มี Context มี Thinking มี Tool Use
ถ้าคุณเพิ่ม Context ให้มันได้ มันก็จะ Hallucinate น้อยลง มันจะหลอนน้อยลง ถ้าคุณมี Context ไม่เพียงพอ ถ้าคุณพิมพ์ไปแค่บรรทัดเดียว ไม่ได้ใส่ข้อมูลอะไรให้เพิ่ม ไม่ได้ Attach File ไม่ได้บอกอะไรให้มันฟังเพิ่ม ไม่ได้มี Record อะไรให้มันไปอ่านเพิ่ม อย่างเงี้ย มันก็จะหลอนมากขึ้น มันจะมันจะคิดอะไรของมันขึ้นมาเองก็ได้ หรือว่าไม่ตรงบริบท ตอบกว้างๆ ก็จะเป็น Common Problem ที่คนใช้ ChatGPT แรกก็จะเจอ พอ Prompt แล้ว Context ไม่มากพอ เพื่อที่จะตอบคำถามที่เราอยากรู้ ก็จะเจอว่า เอ้ย มันก็ตอบกว้าง อันนี้ก็เป็นปัญหาของ Context ใช่
ที่ผ่านมา 2 ปีแล้วอยู่ใน Context แล้ว Thinking ค่อนข้างเยอะครับ ตอนแรกมีแค่ Context หลังจากที่ใช้ GPT Introduce ตัว O Series Model ขึ้นมาครับ ค่อยมี Reasoning หรือ Thinking อันนี้เป็นเรื่องใหม่ในปีที่แล้ว อ่า มันก็จะมี Thinking เข้ามา แต่เรายังไม่เคยเห็นมันแก้ งานเราให้เสร็จตั้งแต่เริ่มจบใช่ แบบไม่เคยเห็นมันออกไปทำงานให้เสร็จ เราเคยเห็นมันในฐานะ Pilot ที่แบบ อ่ะ คุณไปคิดอันนี้มาให้ผมหน่อย กลับมาเป็น Report โอเค Cool มี Report แต่พอเราเพิ่ม Tool Use ได้ ถ้าวันที่เราเพิ่ม Tool Use ได้ ถ้ามันสามารถเข้าไปสร้าง PowerPoint ให้คุณได้ ถ้ามันสามารถโทรไปหาลูกค้าคุณได้ ถ้ามันสามารถมีบทสนทนากับ Supplier คุณได้ ทีเนี้ยแหละ มันเริ่มที่จะเข้ามาทำงานให้คุณได้จริงๆ แล้ว อืม ซึ่งมันไปติดอยู่ที่ Tool Use มันไปติดอยู่หลักๆ เนี้ย แขนกับขา มันน่ะ คิดภาพเหมือนมีคนที่มีหู มีตา มีสมอง ไม่มีปาก อืม แล้วก็ไม่มีตัว อืม นั่นคือ ChatGPT ที่ทุกคนใช้อยู่วันนี้ อืม มันคือ ChatGPT ที่รับรู้ได้ Sense ทั้งหมด คิดได้ อาจจะเล่าให้คุณฟังได้ อาจจะมีปากก็ได้ อ่า มีเล่าให้คุณฟังได้ แต่คุยกับลูกค้าคุณโดยตรงไม่ได้ คุยกับ Supplier คุณโดยตรงไม่ได้ ผมมันยังขยับยากอยู่ ใช่มันเองยังไม่มีเหมือนแบบขาที่จะเดินไปเจ็บ พูดคุยกับคน หรือยังไม่มีขาที่จะเดินไปขึ้นรถ หรือขับรถเพื่อไปได้ไกลกว่านั้นน่ะ มันยัง มันยังไม่มีของพวกนี้ใช่ ใช่มันขาดไอ้ตัว Tool Use เนี่ยแหละ Tool Use เนี่ย มันยังเป็นอะไรที่ Rare มาก เพราะว่าโลกที่ผ่านมาเนี่ย มันดีไซน์ให้คนใช้ มันไม่ได้ดีไซน์มาเพื่อ AI เหมือนที่มาร์คบอก มันองค์กรเราส่วนใหญ่มันดีไซน์มาเพื่อให้พนักงานที่เป็นคนเข้ามา Interact ยังไม่ใช่ AI ครับ ฉะนั้นเราก็จะเห็นว่า เออ Context กับ Thinking เป็นสิ่งที่เราคุ้นชิน แต่ผมว่า Tool Use เนี่ย กำลังถูกพัฒนาใน Speed ที่เรียกว่าเร่งตัวครับ ฉะนั้นถ้าเรามา Breakdown ออกมาเป็น 3 ก้อน ผมอยากพูดให้เห็นภาพ โดยการยกตัวอย่างครับ เราลองมายกตัวอย่างที่ผมว่าใครที่ฟังก็อาจจะพอนึกตามได้ เป็นการวิเคราะห์ดีกว่า อืม เป็นการวิเคราะห์หุ้น เรามาดูว่ามนุษย์ถ้าเอาไปใส่ใน Framework 3 อย่างที่เมื่อกี้ผมพูด ทำงานยังไงครับ ถ้าเอา AI ไปใส่ใน 3 Framework ที่เมื่อกี้ผมแจ้งไปเนี่ย AI มันเห็นอะไรบ้าง แล้วมันทำงาน
ถ้าเป็นมนุษย์วิเคราะห์หุ้น มีอะไรบ้าง อย่างแรกเลย ถ้าผมติ๊งตาม Main Analyst แล้วกัน ผมต้องเข้าใจ Objective ของการลงทุนนั้นก่อน อ่า ว่าจุดประสงค์การลงทุนนี่คืออะไร อืม มีระยะเวลาเท่าไหร่นะ ก็เงินทุนด้วย คุณอยากลงเท่าไหร่ ลงในหุ้นไหน ก็คือเก็บบริบท นั่นแหละครับ แล้วก็เก็บเป้าหมาย ถ้ามีเวลาให้ผมเยอะ ผมก็อาจจะดีไซน์การลงทุนอีกแบบ ครับ ถ้ามีเวลาให้น้อย การลงทุนนั้นก็อาจจะอีกแบบครับ อก็อาจจะเก็บ Input จาก User มา อันนี้คือ 1 คือเอ่อนักลงทุน อืม มีตังค์เท่าไหร่ มีเวลาเท่าไหร่ อยากได้ผลประกอบการแบบไหน อันนี้คือ 3 Input หลักๆ ที่เหลือคือผมก็ต้องไปหาข่าวมาถูกมั้ย เป็น Context ให้ผม อ่า ผมว่าต้องไปอ่านข่าว ติดตามน่าสนใจ เอ่อ สมมุติผมจะลงทุนในหุ้นไทย ผมก็อาจจะต้องอ่านไทยรัฐ อืม ถ้าผมจะลงทุนในหุ้นต่างประเทศ ผมอาจจะต้องเปิด Wall Street Journal ครับ ก็ต้องอ่านข่าว อัปเดตตลอดเวลา เทรนด์เกิดอะไรขึ้น หุ้นตัวนี้เป็นยังไง อะไรสามารถกระทบสิ่งที่ผมจะลงได้ อุตสาหกรรมเป็นยังไงครับ ต้อง Keep อัปเดตกับข่าว
อย่างที่ 2 คือผมต้องไปอ่าน Report อาจจะต้องไปอ่าน Annual Report ของบริษัทนั้น ไปอ่านว่าผลประกอบการปีที่แล้วเขาเป็นยังไง 2 ปีที่แล้วเป็นยังไง 3 ปีที่แล้วเป็นยังไง และเค้ามี Management Focus ที่จะทำอะไรต่อครับ ก็ต้องไปอ่าน Report พวกนี้ ไปพูดคุยกับคนที่เชี่ยวชาญในเฉพาะด้าน สมมุติว่าผมจะลงทุนในเรื่องไฟฟ้า ผมก็อาจจะต้องไปคุยกับคนที่ทำอุตสาหกรรมนี้มา 15 ปีละครับ ไปปรึกษาเขา ว่า เฮ้ย ในมุมไฟฟ้า ถ้าจะเพิ่ม Capacity ในการผลิตเนี่ย มันมีอะไรที่ผมควรจะดูเป็นพิเศษ เพื่อที่ผมจะได้ตัดสินใจถูกว่า บริษัทนี้น่าลงทุนจริงๆ หรือเปล่า หรือไม่น่าลงทุน ผมก็จะได้ Factor เพิ่มที่แต่ก่อน ผมอาจจะไม่มีในฐานะนักลงทุน ก็คุยกับ Expert ผมอาจจะใช้ประสบการณ์ผมในฐานะที่ เป็นผู้ลงทุน หรือคนที่ Observe ตลาดนี้มานานพอที่จะดูว่า อ๋อ ผมต้องดูตัวเลขตัวนี้ แล้วไม่ได้ไปดูตัวเลขตัวนั้น หรือผมต้องดู กราฟแบบนี้ แล้วไม่ดูกราฟตัวนั้น อ่า ก็จะมีประสบการณ์เข้ามาเกี่ยวข้อง และการศึกษา อืม สิ่งที่ผมเรียนมา อันเนี้ย ต่างล้วนเป็นบริบทที่เรามีในฐานะมนุษย์ โดยที่บางทีเราอาจจะไม่ได้นึกในเวนี้ แต่จริงๆ แล้วนี่คือบริบทที่ต้องใช้ ถูกต้องถูกต้องในการที่จะตัดสินใจอะไรบางอย่าง อืม พอผ่านบริบทนี้ เสร็จเรียบร้อย เราก็จะเข้ามาสู่ Process ของการคิดครับ เราก็จะต้องเริ่มเชื่อมโยง แล้วได้ข้อมูลมาเยอะถูกมั้ย ข้อมูลทั้งข่าว ทั้ง Report ทั้ง Expert มีตั้งหลายคน หลายเสียง อะไรคือเสียงรบกวน และอะไรคือเทรนด์จริงๆ อะไรคือเรื่องจริง อะไรคือเนื้อจริงๆ ถูกมั้ย เราก็จะต้องหาละว่า จากข้อมูลทั้งหมดเนี่ย อะไร Relevant อะไรคือ น้อยซะ อะไรคือ Signal มันก็จะเป็นใช้ Process ของการคิดครับ ของนักวิเคราะห์คนนั้น นักวิเคราะห์แต่ละคนทำแบบนี้ได้ไม่เหมือนกัน คนที่เก่งมากก็จะทำแบบนี้ได้ดีมากครับ ผมก็ต้องตัดสินใจว่า อ่ะ มันจะมีดี แล้วข้อดีข้อเสียอยู่เสมอในทุกๆ เรื่อง ผมต้องมานั่งเวทเอาเองว่าอันไหนดีกว่ากัน อันไหนบวกมากกว่ากัน อันไหนลบมากกว่ากัน บาง บางคนก็ข้อแตกต่างก็จะมีอย่างเช่น บางคน เอ่อ เหมือนหลีกเลี่ยงความเสี่ยงมาก อืม อาจจะไม่ได้ลงทุนคุณกับหุ้นที่แบบตัวเล็ก หรือว่า Start Up อะไรอย่างเงี้ยครับ หุ้นที่ดูจะมาจะยังไม่ลงยังไม่ยังไม่ชัวร์พอ ยังไม่ยังไม่มีความเสี่ยงในระดับที่เขา รับได้ กับอีกคนนึงอาจจะโอ้โห บ้ามาก แบบรับความเสี่ยงสุดๆ ก็อาจจะลงทุนอีกแบบ ผมว่าความ Character แบบนั้นก็สื่อถึงรูปแบบการคิดที่ไม่เหมือนกันด้วย แบบที่อาร์วินพูด อืม ครับ พอผมได้ข้อมูลทั้งหมดนี้แล้ว ผมต้องมาตัดสินใจละ อ่า ถูกต้อง ผมต้องตัดสินใจละ ผมก็ตัดสินใจ อ่ะ จะทำ Report เขียนออกมาส่งให้ผู้ถือหุ้น หรือนักลงทุน หรือหัวหน้าผมดู แล้วเครื่องมือที่ผมใช้ในทั้ง Process เนี้ย Tool Use ของผมอ่ะ ก็จะเป็นอินเทอร์เน็ต การปรึกษาคน แล้วก็ Word หรือ Excel ครับ อันนี้คือ 3 อย่าง
แล้วถ้าเป็น AI ล่ะ ถ้าผมให้ AI ทำสิ่งนี้ อย่างแรกเลย AI ก็จะไปหาข่าว Report ได้ รับโจทย์จากคุณมา 3 อย่างเมื่อกี้ที่เราพูดเนาะ ก็จะเป็นโจทย์จากมนุษย์ที่พูดเรื่องว่าแบบ เราอยากลงทุนในหุ้นแบบไหน มีงบเท่าไหร่ อยากได้รีเทิร์นกี่เปอร์เซ็นต์ และมีเวลา ยาวขนาดไหนให้ผมในการลงทุน ผมรับ Input นั้นมา ผมไปหาข่าวในอินเทอร์เน็ตได้ ผมไปอ่าน Report ได้ ผมอ่าน PDF อ่าน Annual Report ได้เหมือนนักลงทุนปกติเลย เหมือนนักวิเคราะห์ปกติ แต่ผมอาจจะไปคุยกับ Expert ไม่ได้ อ่า ใช่ ผมไม่มีเบอร์เค้าอ่ะ ผมโทรไปหาเขาไม่ได้ ผมไปปรึกษาเพิ่มไม่ได้ ผมอาจจะใช้จาก Data ที่ผมเทรนมาได้ แต่ผมก็ไม่มีแบบ สมมุติผมอยากคุยกับนักวิเคราะห์ อืม ที่ทำเรื่องไฟฟ้ามา 20 ปีแล้ว ผมไม่รู้จะคุยกับเขา ยังไงในฐานะ AI ใช่วันนี้ไม่มีเครื่องมือให้ผมทำอย่างนั้นได้ ประสบการณ์ในการลงทุนอาจจะไม่เคยลงทุนมาก่อน อืม ถ้าผมไม่ได้ถูกเทรนมาในด้านนั้น ผมอาจจะไม่มีประสบการณ์เลย ไม่เคยลงทุนมาก่อน ไม่รู้ว่าตลาดมันไซโค มันเป็นยังไง ครับ แล้วผมก็อาจจะไม่มีการศึกษาในด้านนี้ ผมอาจจะมีข้อมูลที่ผมไปรีเสิร์ชมาได้ แต่ อาจจะไม่ได้มีการศึกษาโดยตรงในด้านนี้ อืม Thinking Process ผมก็ต้องมานั่งเชื่อมโยง ดวงเอาเอง หาเอาแบบ Based on Training Model ว่า 1 O3 O4 มันเทรนให้ยังไง มันหา Relevant Data Point ยังไง มันตัดสินใจยังไง แล้วมันสร้าง Report ยังไงครับ เครื่องมือที่ผมมีก็จะเป็นอินเทอร์เน็ต Excel Word อาจจะทำได้ อืม แต่นอกเหนือจากนั้น ผมไม่สามารถไปปรึกษาใครได้ ผมไม่สามารถเดินไปคุยกับคนได้ อันนี้เป็นข้อจำกัดของ AI ครับ
พอเราคิดแบบนี้ เราเริ่มเห็นแล้วว่า อ๋อ จริงๆ แล้ว เออ วันนี้จริงๆ แล้ว AI มันยังอยู่ในจุดเริ่มต้นมากๆ เลย ถ้ามันสามารถเพิ่ม Context สมมุติคุณเปิดโอกาสให้มันไปคุยกับใครก็ได้ครับ มันก็จะ มี Context Window ที่ใหญ่ขึ้น คุยกับคนได้มากขึ้น เก็บ Data Point ได้เยอะขึ้น แล้วคำถามคือ ถ้าผมเอา Report นี้มาจาก AI สมมุติมันเอา Report ให้มา Mark ถามว่า Mark มีเงินล้านนึงตอนนี้ Mark กล้าลงทุนในคนไหนมากกว่ากัน Option A ที่เป็นคนไปทำทั้งหมดนี้ให้ Mark หรือ Option B ที่เป็น AI ผมว่าผมไป A นะ ผมก็ยังเชื่อคนมากกว่า ผมรู้สึกว่าแบบ อ่า มันเป็นประเด็นแรกที่ในกรณีที่เขาทำมาจริงๆ แล้วกัน ผมเชื่อคนที่ทำจริงมากกว่า AI อ่ะ AI คือมันถูกสอนมาด้วยผลลัพธ์อ่ะ แต่คือคนผ่านระบบความคิด ฝึกปรือความคิดเพื่อสร้างผลลัพธ์นำมาแล้ว ผมก็เชื่อว่าเขาน่าจะ Replicate Process ก่อนหน้านี้ครับ เพื่อทำให้การลงทุนผมสำเร็จด้วย นั่นคือประการแรก ประการที่ 2 ผมผมแค่ชอบคนมากกว่า ทำไมถ้าสมมุติว่ามันมีคนเดินมาบอกคุณ กับ AI เดินมาบอกคุณ อืม ทำไมคนถึงยังถูก FOR ในเคสนี้อยู่อืม ผมรู้สึกว่าอย่าง AI อย่างเงี้ยครับ ณ ประสบการณ์วันนี้ ผมรู้สึกมันมันไม่ได้มาช่วยผม Navigate ในการแก้ปัญหา ถ้าเกิดการลงทุนผมมีปัญหาการลงทุน มันก็คงไม่ตรงไปตรงมาแบบนั้นแหละครับ มันลงในกอง A ถึงเวลา เวลาผ่านไปคุณอาจจะมีการปรับ Portfolio ไปกอง B กอง C ก็ได้ ผมไม่รู้สึกว่า AI ทำแบบนั้นให้ผมได้ ผมรู้สึกว่ามนุษย์คนนี้ทำ ให้ผมได้ อ่า ถ้าเขาเคยสำเร็จแล้ว เหมือนว่าคุณ Mark ครับ อันนี้เป็นสัญญาณที่ไม่ค่อยดีครับ เราเดี๋ยวเราย้ายไปอันนี้ เพราะเหตุผล 1 2 3 4 ผมรู้สึกแปลกมากกว่าเชื่อใจมากกว่าเชื่อใจมนุษย์ว่า ถ้ามีปัญหาเขาจะอยู่ตรงนี้แล้วเขาจะช่วยผมแก้ปัญหา อ่า ซึ่งแตกของเราเป็น 2 ประเด็น 1 คือเราเชื่อใจมนุษย์มากกว่าครับ มากกว่าเครื่องมือ เพราะเรารู้สึกว่าเครื่องมือมันอาจจะไม่มี Accountability ครับ อันนี้อันนี้ คือ 1 ประเด็น ซึ่งอันนี้ประเด็นนี้แก้ยาก อ่า จะไม่สามารถในเร็วๆ นี้จะไม่สามารถทดแทนเรื่อง Accountability ได้ 2 คือคุณก็ยัง Question อยู่ว่าไอ้ที่มันคิดมานี่มันถูกหรือเปล่า ถูกต้อง คุณก็ยังไม่แน่ใจอยู่ดีว่ามันดูฉลาด ฟังดูดี แต่ผมเชื่อคุณได้ไงวะ อืม คืออย่างการเป็นคนอย่างเงี้ย ผมบอก ผมทำงานบริษัทนี้ ผมเรียนจบที่นี่มา ผมเก่งอย่างนี้ ผมเคยทำสำเร็จมาแล้วในอดีต มีการรับรอง ผมโชว์ให้คุณดูว่านี่คือ 3 เหตุผลที่คุณควรจะลงทุนในหุ้นเนี้ย ทั้งหมดมันฟังดูเข้าท่าครับ ถึงแม้ผมอาจจะไม่เข้าใจไอ้ 3 เหตุผลนั้นในเชิงลึก อืม ซึ่งผมว่าหลายคนลงทุนในกองทุนรวม Mutual Fund อย่างเงี้ย เราก็ไม่ได้เข้าใจเหตุผลในเชิงทุกคนหรอก ไม่ใช่ทุกคนที่เข้าไปอ่านกราฟ แล้วบอกว่า อ๋อ Cap M ของทุนนี้อะไรอย่างเงี้ย มันไม่ใช่ทุกคนที่จะทำแบบนั้นนะ ส่วนใหญ่คนก็เชื่อว่าบริษัทนี้ โลโก้นี้ดูน่าเชื่อถือ แล้วเขาน่าจะคิดมาดีแล้ว เราเชื่อใน Thinking ของเขา ถูกต้อง คำถามคือ วันนี้ Thinking ของ AI ที่ OpenAI ผลิตออกมา Google ผลิตออกมา ใครๆ ผลิตออกมา เชื่อถือได้ขนาดไหน ใช่ อันเนี้ยยังเป็นประเด็นที่ Stop AI อยู่หนักมาก เพราะว่าตราบใดที่เราไม่เชื่อว่า Thinking มันถูกอ่ะ Agent จะไม่สามารถเข้ามาในโลกจริงได้ อืม เพราะยังไงคุณก็ไม่ให้คนนั้นน่ะ เป็นพนักงานที่จะคุยกับลูกค้าคุณ ถ้าคุณไม่เชื่อใจเขา กับ Stock Analyst อ่ะ คุณต้องผ่านบทสัมภาษณ์มาก่อน มันต้องมันคงมี 100 คนที่มาสัมภาษณ์งานนี้ ผมอาจจะคัดออกไปแล้ว 70 คน เหลืออีก 30 คนมาสัมภาษณ์ Indef ผมเทสวิธีการคิดเขาหมดทุกอย่างแล้ว ก่อนที่ผมจะจ้างเขามาในบริษัทนี้ ถามว่า AI มันถูกเทสแบบนั้นหรือเปล่า เราเชื่อใจมันขนาดนั้นเลยได้หรือเปล่า อันนี้ยังเป็นจุด Blogger ใหญ่ใหญ่ ของ AI อ่า ก็คือ Context ไม่เพียงพอนี่ 1 ทำให้มันหลอน 2 คือเราไม่ไว้ใจวิธีการคิด วิธีการคิดของมันแล้ว 3 คือถึงแม้มันไปหาข้อมูลมาได้วันนี้ มันก็ยังตัดสินใจแทนไม่ได้ มันยังทำแทนไม่ได้ มันยังไม่สามารถ Connect กับแพลตฟอร์มต่างๆ ที่จะสามารถ Execute Trade ให้ผมได้เลย อันนี้คือ 3 Limitation ที่วันนี้ทำให้ Agent จริงๆ แล้วยังติดประเด็นในการเข้ามาสู่โลกจริง
ฉะนั้นวันนี้พอพูดแบบนี้แล้วเนี่ย สิ่งที่องค์กรที่ก้าวหน้าแล้วคิดว่าจะวิ่งไป Ahead of the curve เป็นผู้นำใน Line ใหม่ที่เกิดขึ้นน่ะ สิ่งที่ถ้าผมเป็นเค้า ผมจะทำอ่ะ คือ 1 เลยผมจะเริ่มจากการทำ 3 อย่างครับ อย่างแรกเลยผมจะให้ AI เครื่องมือพวกเนี้ย มีที่นั่งในออฟฟิศผม อ่า อ่า วิธีการทำอย่างนั้นไม่ได้ทำโดยการเอาเก้าอี้ แล้วเอาแล็ปท็อปมาตั้ง อืม แต่วิธีการทำอย่างนั้นคือการเก็บ Data ให้ถูกต้อง มันคือการมี CRM ที่ดี เพื่อจะเก็บ Customer Data ได้เพิ่มบริบทให้มัน Clean การมี ERP ที่ดี เพื่อที่จะเก็บข้อมูลองค์กรให้มัน การมี Transcript ของ Meeting และการโทร เพื่อที่จะให้ AI เรียนรู้จากข้อมูลพวกนี้ได้ อันนี้คือการพามันเข้ามานั่งในองค์กร หลังจากคุณมีสิ่งนี้เสร็จแล้วอ่ะ คุณจะเพิ่มบริบทให้ AI คุณเข้าใจองค์กรคุณได้เยอะขึ้นครับ อันนี้คือการพามันเข้ามานั่งในองค์กร
อย่างที่ 2 ที่ผมจะทำเลยนะ คือการ Decode Secret Source ขององค์กรเรา อืม องค์กรทุกอันมี Secret Source ของเราหมด พนักงานเก่งๆ ทุกคนมี Secret Source ของเขาหมด Warren Buffet อย่างเงี้ย เขามีหลักการในการคิดอะไรบางอย่าง ที่ทำให้เขาเล็งเห็นว่าทำไมต้องลงหุ้นตัวนี้ แล้วไม่ลงหุ้นตัวนี้ครับ Rario ก็เช่นกัน และ Rario ก็เป็นคนนึงที่แชร์ Concept นี้มาว่า ตั้งแต่ก่อนยุค AI แล้วสิ่งที่เขาทำคือเขาพยายามจะเอาการตัดสินใจเขาทุกอย่างออกมา แตกเป็น Principle หรือหลักคิดว่าทำไม เวลาเขาตัดสินใจลงตรงนี้ หรือทำแบบนี้ หรือลงโปรเจคนี้ หรือไม่ลงโปรเจคเนี่ย เขาใช้อะไรตัดสินใจ หลักการคิดเขาคืออะไร อืม เขียนมันลงไป เริ่มเขียนจริงจังละ แต่ก่อนเราไม่เคยทำ เราก็คือทำไป เราก็หวังว่าคนที่ทำงานกับเรา คงซึมซับได้ครับ ผ่านการมอง ผ่านการเห็น ผ่านการเข้าใจ แต่พอเราต้องทำงานกับ AI แล้วเนี่ย เราต้องเริ่มเขียนมันลงไปละ เอ้ย ผมตัดสินใจอย่างนี้ เพราะอย่างนี้ ผ่านไป 3 เดือน โปรเจคนี้เวิร์คไม่เวิร์ค เอ้ย มันไม่เวิร์ค เอ้ย ทำไมมันไม่เวิร์ค หลักการคิดผมผิดหรือเปล่า ผมโลภไปหรือเปล่า ผมตัดสินใจแบบ Conservative เกินไปหรือเปล่า ทำไมหลักการคิดตรงไหนพอ
เราเบรคออกมาเป็นหลักการคิดได้แล้วเนี่ย ถ้าใครอยากรู้วิธีการทำสิ่งนี้ให้ดี ผมแนะนำไปอ่านหนังสือเรื่อง Principle ของ Ray Dalio เขาเขียนเรื่องนี้ไว้ดีมาก ว่าคุณจะเบรคความคิดคุณออกมาเป็นหลักการได้ไง เป็น principle ได้ไง
พอคุณทำสิ่งนี้แล้วเนี่ย เหมือนนักวิเคราะห์เมื่อกี้ ถ้าผมกลับกัน ผมบอกมาร์คว่า เอ้ย มาร์ค 1 คือผมมีข้อมูลให้ AI หมดแล้ว ผมไปคุยกับ Expert ทั้งหมด ผมเขียนเป็น Prompt ดีๆ ผมใส่ให้ AI คนนั้น ผมเอาประสบการณ์ที่ผมเรียนมา 4 ปี เอา Curriculum เอาหนังสือ เอาทุกอย่างยัดเข้าไปใส่เข้าไปให้ AI คนนั้น AI ได้ประสบการณ์ AI ได้ความรู้ที่มาจาก Expert แล้วก็ประสบการณ์ที่ผมทำทั้งหมด ผมเขียนเป็น Prompt ผมใส่เข้าไป ทีนี้ AI ไม่มีปัญหาเรื่อง Context แล้ว แล้วผมเอากลวิธีคิดของผมในฐานะเป็นนักลงทุนที่เก่งมากๆ สมมุติเป็น Warren Buffett ถอดรหัสความคิดเขาออกมาได้ ยัดเข้าไปเป็น Thinking Principle แล้วให้ Chain of Thought ของ AI เนี่ย มันคิดตามเหมือนที่ Warren จะคิด เทสมากับ Warren แล้วเหมือนเป๊ะเลย ผมบอกว่าผมมีสิ่งนี้แล้ว ทีเนี้ยผมกลับมาถามคุณคำถามเดิม ตอนเนี้ยคุณมีประสบการณ์ของ Warren อือ คุณมี Thinking Method ของ Warren ความน่าเชื่อถือเพิ่มไหม เพิ่ม เพิ่มแน่นอน อ่า อ่า Warren รับประกัน ถ้า Warren เป็นคนรับประกันด้วย เพิ่มแน่นอน อ่า แล้ว Warren บอก ผมขาย Warren GPT อือ อ่า Buffet GPT อือ อ่า แล้วผมขายราคาแพงด้วย ผมรับประกันว่าไอ้สิ่งเนี้ยมันคิดเหมือนผมแน่นอน อือ ผมถอดรหัสตัวเองมาเรียบร้อยแล้ว ผมใช้เวลาเป็นปีในการถอดรหัส แล้วผมจะขายให้พวกคุณ พวกคุณสามารถเข้าไปใช้มันได้ ทีเนี้ยมันคือการ Decode Principle พวกเนี้ย ถ้าคุณทำอย่างนี้สำหรับองค์กรคุณน่ะ คุณจะเป็นองค์กรไหนก็ช่าง Apple GPT จะเป็น Microsoft GPT คุณจะมี GPT หรือคุณจะมี AI ที่คิดเหมือนกับองค์กรคุณจะเข้าใจ DNA เพราะทุกองค์กรมีจุดแข็งที่ทำให้เขาสำเร็จมาถึงวันนี้ได้ ที่ทำให้เขาไม่เหมือนคู่แข่งเขาได้ครับ ถ้าคุณ Decode Secret Source นั้นออกมาเป็นข้อๆ ได้อ่ะ คุณก็จะทำให้ AI คุณเก่งในด้านนั้นได้ แล้ว Train Thinking มันให้เป็นไปในด้านนั้นครับ
ทีเนี้ยคุณจะมี Agent ที่มีบริบทเพียงพอ มีวิธีการคิดแบบคุณ สเต็ปสุดท้ายเลยคือการเพิ่มแขนขาให้มัน ถ้าก่อนไปสเต็ปนี้ ผมสงสัย ถ้าผมเป็นคนฟังอยู่ ผมสงสัยว่ามันจะมีวิธีคิดใน หรือวิธีการเรียนรู้สิ่งใหม่ด้วยหรือเปล่า ผมว่าของแบบนี้สำคัญนะ ในโลกที่มันเปลี่ยนแปลงไปเร็ว ผมว่าสิ่งที่มนุษย์น่าสนใจมากก็คือเรียนรู้ เป็นการเรียนรู้จากสถานการณ์ใหม่และปรับวิธีการคิดด้วย เพื่อให้มันเหมาะกับสถานการณ์ตรงนั้นมากขึ้น ความเห็นผมคิดว่าการใส่แบบ ถ้ากลับไปที่ Warren Buffett อย่างเงี้ยครับ ใส่ความคิดทั้งหมดไปแล้วเมื่อมันเจอสถานการณ์ใหม่น่ะ อย่างสมมุติ เอ่อ หุ้น Apple จะลงเยอะมาก 30% อย่างเงี้ยครับ มันมีวิธีการคิดเพื่อที่จะแนะนำการลงทุน หรือ Manage การลงทุนให้มันเหมาะกับสถานการณ์นั้นไหม ผมว่ามันอยู่ที่วิธีการคิดแล้วข้อมูลที่เข้าไปหามัน อือ ข้อมูล Static ไม่ได้ อ่า โอเค เหมือนๆ มนุษย์อ่ะ แบบมันคือคุณหยุดเรียนรู้เมื่อไหร่ คุณปิดหูปิดตาเมื่อไหร่ คุณก็โง่เมื่อนั้นอ่ะ ถูกต้อง ถูกมั้ย เป็นพนักงานเก่งขนาดไหนก็ช่าง คุณเป็นคนที่ฉลาดที่สุดในโลก คุณลองปิดหูปิดตาไม่ฟัง ไม่เรียนรู้ ไม่ทำอะไรเลยสัก 2 ปี อือ โลกมันหมุนไปแล้ว คุณไปแล้ว อ่า โอเค โอเค โอเค แปลว่าจริงๆ แล้วการสร้าง Flow นี้มันอีก 2 อันเดี๋ยวเราอาจจะไปต่อตรง True Use แต่เมื่อเราสร้างจบหมดนี้แล้ว เราควรจะมี Engine ในการป้อนมันกลับด้วยถูกมั้ยครับ เพื่อให้มันฉลาดแล้วก็ Adapt ไปกับสถานการณ์ที่เกิดขึ้น ใช่ แล้วมันก็ยังต้องมีคนคอย Monitor อือ ถ้าคุณเอา Warren รูปนี้ไปเลย Agent ตัวนี้พังแน่นอน อือ มันคือ Feedback Loop คุณเพิ่ม Context เป็น Live Context คุณได้ข้อมูลป้อนเข้ามาเรื่อยๆ สถานการณ์ใหม่ เจอสถานการณ์ใหม่ AI ตัดสินใจแบบนี้ Warren ยังต้องเป็นคนที่คอย Monitor Thinking มันอยู่อือ Thinking มันยังตรงกับ Warren หรือเปล่า เป็น Warren Warren แก้แบบนี้หรือเปล่าครับ ทำอย่างเงี้ยไปสักพักนึงเลย มันคือมนุษย์เข้ามาดู เอ้ย มันคิดเหมือนเรา เราไม่ได้คิดแบบนี้ เอานี้ออก ใส่โค้ช อ่า เป็นโค้ช มนุษย์จะเป็นโค้ช AI แทน พอคุณสร้าง 2 อย่างนี้เสร็จแล้วอ่ะ ที่เหลือมันคือให้แขนและขาให้มัน ให้มัน Interact กับโลกจริงได้ ถ้าเป็นในกรณีของเมื่อกี้ที่เราพูดถึงกัน คือให้มันไปซื้อหุ้นขายหุ้นได้ จะให้ Budget มันไปสัก 100 เหรียญครับ ลองดูดิว่าไอ้ 100 เหรียญเนี่ย คุณบริหารยังไงวะ ให้มันซื้อขายตามใจมันได้ ให้มันเข้า App ให้มันเข้า App ซื้อขายหุ้น ซื้อขายทอง ซื้อขาย Bitcoin ซื้อขาย Crypto ได้โดยตัวมันเอง วิธีการทำแบบนั้นคือการเปิด API ครับ AI ไม่ได้คุยผ่านการกด Monitor ถึงแม้มันจะมีเครื่องมือใหม่ๆ ที่เรียกว่า Computer Vision ออกมา ผมก็เชื่อว่ามัน Inefficient มันไม่ใช่วิธีที่สะดวกที่สุดสำหรับ AI AI คุยผ่าน API ครับ API คือภาษาที่มันถนัด มันคือการส่งข้อมูลไปว่าผมอยากทำสิ่งนี้ เป็นข้อมูล เป็นโค้ด เป็นการตอบรับกลับมาว่าสำเร็จไม่สำเร็จ ทำได้ไม่ได้ นั่นคือวิธีการที่มันพูดคุย มันคือระบบกับระบบคุยกัน มันคือภาษาของเขา ถ้าเราเปิด API ให้มันเทรดซื้อขายหุ้นได้ในระบบซื้อขายหุ้น ซึ่งเขาก็มี API อยู่แล้ว คุณก็จะให้มันทำ Action เพิ่มได้มากกว่าแค่ไปรีเสิร์ชข้อมูลแล้วก็ไปเขียนโค้ด แต่ทีนี้มันจะเริ่มทำได้มากกว่านั้น
แต่ถ้าพูดในบริบทองค์กรวันเนี้ย Action หลายอย่างที่เกิดขึ้นในองค์กรมันไม่มี API ผมยกตัวอย่างอย่างเช่น ถ้าผมมี Customer Service Chatbot ที่ถูกเทรนให้คิดเหมือน CS ที่เก่งที่สุดของผม แล้วมีบริบทครบทุกอย่างเลย แต่พอคุยไปคุยมากับลูกค้าแล้ว ลูกค้าบอก ผมขอคืนเงิน อือ แล้วถ้า Process ในองค์กรของการคืนเงินของบริษัทคุณน่ะ มันยังกลายเป็นคุณจะต้องเปิด Line เพื่อแชทกับพี่ที่ Admin ที่ทำ Finance อยู่ เพื่อจะบอกเขาว่าให้ไป Generate Invoice โดยการกดเข้าไปในระบบบัญชี แล้วกด Generate Invoice แล้วเอา Invoice นั้นส่งเป็นไฟล์กลับมาที่ Line ครับ AI มันจะทำแบบนั้นยากมาก อือ AI จะเข้าไปทำงานในองค์กรคุณเป็น Customer Service ยากมาก เพราะว่า AI มันจะคุยไม่รู้เรื่อง มันจะไม่สามารถทำ Process Refund ให้ลูกค้าคุณได้ หรือ Process อื่นๆ Process การซื้อขาย ถ้ามันไม่มี API แต่ถ้าวันนี้คุณบอกว่าคุณเตรียมท่อนี้ไว้เรียบร้อยแล้ว คุณขุดท่อเตรียมท่อ API นั่งวางโครงสร้างข้อมูลในการส่งข้อมูลและการคุยกันของระบบไว้เรียบร้อยแล้วเนี่ย วันที่คุณเอาที่คิดเหมือนพนักงานคุณ มี Context เหมือนพนักงานคุณเข้ามานั่งทำงานแล้วคุณมี API ที่พร้อมให้เขาเรียบร้อย ที่สามารถทำให้เขา Issue Refund ได้ Issue Invoice ได้ ซื้อขายได้ โทรคุยกับลูกค้าคุณได้ หรือแจ้งรายละเอียดเพิ่มเติมได้เนี่ย ถ้ามันมีเส้นพวกนั้นที่ถูกเขียนไว้เรียบร้อยโดยโปรแกรมเมอร์แล้วเนี่ย แล้ว AI มันแค่ต้องไปเลือกว่ามันจะใช้ API ไหนอ่ะ ทีเนี้ยมันจะเข้ามาทำงานในองค์กรคุณได้เหมือนพนักงานละ อือ มันจะมีแขนและขาในองค์กรคุณ มันจะเริ่มตัดสินใจทำอะไรได้มากกว่าแค่แบบโต้ตอบ แต่มันจะเป็นการใช้ Take Action อือ ได้มากขึ้น ฉะนั้นผมมองว่านี่คือ 3 อย่างที่ถ้าผมเป็นผู้บริหาร วันเนี้ยผมจะเริ่มคิดหนักขึ้นละครับ ใน 3 อย่างนี้ ผมทำอะไรอยู่ ผมทำยังไงที่จะสามารถเพิ่ม Context ให้ AI ได้ครับ ผมทำยังไงที่จะเพิ่มข้อมูลได้ ผมทำยังไงที่จะเริ่ม Decode ความคิดของคนออกมาเป็น Principle ที่ผมจะเริ่มฟีดเข้าไปใน AI ได้
ลองเทสง่ายๆเลยครับ เครื่องมือ AI ทุกวันนี้มีสิ่งที่เรียกว่า Custom Instruction ครับ คุณถ้าคุณ Decode ความคิดคุณออกมาได้ ออกมาเป็น Principle ที่เขียนลงมาได้ ลองเขียนทั้งหมดนั้นน่ะ ยัดเข้าไปใน Custom Instruction คุณจะเห็นเลยว่า AI คุณจะตอบไม่เหมือนเดิมละ คิดไม่เหมือนปกติ ไม่เหมือนปกติแล้ว GPT คุณจะเปลี่ยนไป อือ นิสัยจะไม่เหมือนเดิมละ จะกลายเป็นอะไรที่คุณจะรู้สึกได้ว่า Personal ขึ้นครับครับ มันเหมือนกับคุณมากขึ้น อือ นิสัยมันเริ่มเหมือนเรา เริ่มเหมือนเราเริ่มเข้าคอกันมากขึ้น อือ ๆ ทำงานง่ายขึ้น คุยกันง่ายขึ้น ผมว่า 1 อย่างที่ไปลองได้แบบง่ายมากๆ นะครับ ก็ใส่ไปว่าบอกว่าถ้าให้สั่งทำงานอะไรอ่ะ จงถามคำถามทุกครั้ง เออ เพราะการถามคำถามสำคัญยังไง อ่า ทุกคนจะเห็นว่า เอ่อ เซลล์เก่งๆ คนให้คำปรึกษาเก่งๆ ครับ ก่อนที่เขาจะทำทุกอย่าง เขาถามก่อน เซลล์ก็จะถามว่า คุณ คุณอยากได้สิ่งนี้จริงๆ หรอ เพราะอะไร คุณเจอปัญหาอะไร Consultancy ว่านัก นักให้คำปรึกษาก็จะมาว่า คุณเจอปัญหานี้จริงๆ หรือเปล่า แล้วถ้าเกิดทำแบบนี้แล้ว คุณชอบมั้ย อ การถามคำถามเนี่ย เป็นสิ่งที่สำคัญที่ทำให้งานเราออกมาดี ผมว่าทำแค่นั้น จะเห็นความแตกต่างในการที่เขาจะทำงานร่วมกับเราเลย จะเห็นถึงผลลัพธ์ที่เปลี่ยนไปด้วยเช่นเดียวกันนะ
อย่างผมอย่างเงี้ย ผมก็จะใส่เหมือนกัน ถ้ามาก็อาจจะเป็นการทานคำถาม ของผมจะบอกให้มันคิดแบบ First Principle ออ ครับ ผมชอบคิดอย่างนี้ตลอด แล้ว AI ผมก็จะตอบแบบนี้ตลอด First Principle หมายถึงว่าให้ย้อนกลับไปถึง Root Cause ของมัน ว่ารากของมัน รากของมัน ว่าก่อนที่คุณจะให้คำตอบผมอ่ะ ถ้ากลับไปที่รากของมันน่ะ ทำไมสิ่งนี้ถึงเกิดขึ้น ครับ อธิบายผมแบบนี้กับทุกเรื่องเลย แบบสมมุติผมถามเรื่อง เอ่อ ผมจะทำโปรเจกต์นี้ดีไหม กลับไปที่ Root ของมันเลยว่าโปรเจกต์นี้ ถ้าผมจะต้องกลับมานั่งคิดเรื่องนี้ ผมจะคิดยังไง แบบ Fundamental คิดทุกอย่าง เหมือน Fundamental เหมือนที่ผมกำลังให้ อยู่ตอนนี้ว่ามันมีอยู่ 3 อย่างนี่คือ Fundamental ของ AI Agent ผมไม่ได้พูดในเชิงว่าแบบมันเอาไปทำนู่นนี่นั่นได้ แต่เรากลับไปที่ Fundamental ก่อน แล้วเราค่อยมาที่ Use Case เหมือนกัน ผมก็ให้ AI ผมทำแบบนี้ เพราะผมคิดแบบนี้ ถ้าคุณทำอย่างนั้นน่ะ คุณก็จะเริ่มไปลองใช้ Custom Instruction จะเห็นเลยว่ามันต่าง อือ วิธีการคิดจะต่าง แล้วในอีกหน่อย คุณจะเริ่ม Customise ไอ้ตัว Chain of Thought ได้ ผมไม่เรียกว่าล้านเปอร์เซ็นต์มากอ่ะ แบบ 99,000 แบบ 900,000 ก็ได้ 3% เหอะ เออ 3% เออ เออ คือเชื่อว่าบริษัทพวกนี้ต้องเปิดให้คน Custom แล้วตอบได้ครับ เพราะถ้าคุณ Custom Chain of Thought ไม่ได้ AI มันจะเป็นเหมือน มันจะเป็นเหมือน Generic AI ผมว่ามันจะน่าเบื่อมาก มันขาดเสน่ห์ เออ คือไม่ว่าจะเป็นคน ธุรกิจ ประเทศ ผมว่าทุกคนทุกรูปแบบมีเสน่ห์ นึกถึงประเทศง่ายๆ จีน ญี่ปุ่นอย่างเงี้ยครับ จีนเนี่ยเขาจะมีความเล่นเรื่องราคา ทำไงให้ได้ราคาถูกมาก เพื่อที่เขาจะขายและ Go Mass Market ได้ ญี่ปุ่นก็จะมีความเนี้ยบ ทุกอย่างต้อง 100% เป็น Perfectionist ผมไม่ได้บอกว่าอะไรดีกว่าแย่กว่า แต่ผมกำลังจะบอกว่า 2 อย่างนี้มันมีเสน่ห์ของมัน มันแตกต่าง มันแตกต่างและมันมีจุดขายของมัน ผมว่าบริษัทเช่นเดียวกัน ผู้คนเช่นเดียวกัน ชุดความคิดพอมันแตกต่างแบบนั้นแล้ว ชุดความคิดก็ต่าง เพราะฉะนั้นแล้วผมว่าการใส่ชุดความคิดพวกนี้ไป ทำให้ AI อ่ะมันคิดเหมือนเราทำธุรกิจ เหมือนเราสร้าง หรือยังคงเสน่ห์ของธุรกิจเราและจุดแข็งของเราไว้ อือ นั่นคือเหตุผลที่ผมว่า Thinking Principle จะเป็นเรื่องที่สำคัญมาก แล้วถ้าเราทำวันเนี้ย ผมว่าเราจะพร้อมมากๆ ในเมื่อวันที่เขาเปิดให้ทำ อื เมื่อเปิดให้คุณ Configuration ง่ายๆ แบบคุณสามารถ Custom Chain of Thought เข้าไปได้เนี่ย คุณจะมีคลังข้อมูล หรือฐานข้อมูล หรือ Principle ที่คุณ Decode มาตั้งแต่ สมมุติเริ่มตั้งแต่อาทิตย์หน้าวันจันทร์ อย่างเงี้ย คุณจะมีข้อมูลพร้อมที่จะทำ แต่ถ้าคุณไปเริ่มวันนั้นน่ะ มันจะเหมือนเริ่มแบบฉุกละหุก อือ คุณก็จะแบบ เฮ้ย ยังไงวะ แบบ คือต้องเอาอะไรไปใส่ ทำไงให้ AI พอ AI Deploy Agent Deploy เข้ามาเป็น เอ่อ Customer Service จะ Deploy มาเป็น Sales แล้วผลสุดท้ายสิ่งที่มันทำคือแย่มาก มันตอบไม่เหมือนคุณ ไม่เหมือนพนักงานคุณ ไม่มีเสน่ห์เหมือนที่เราเคยมี เราไม่ได้พูดแบบที่เราพูดวันนี้ ถามว่าองค์กร 2 อันมันต่างกันยังไง องค์กร 2 วันนี้ 2 อันต่างกันโดยที่ Culture องค์กรนึงจะมี Culture แบบนึง ก็จะคิดแบบนึงเลย อ่า สมมุติ สมมุติดูหนังเรื่องยูนิคอร์น อือ อ่า Flash ก็จะมีการคิดข้อคิดแบบนึงครับ ถูกมั้ย คู่แข่งเขาก็จะคิดอีกแบบนึง อือ คุณจะเห็นเลยว่า Flash ก็จะทำอะไรก็จะแบบ เอาเร็วไว้ก่อนครับ เอาถูกไว้ก่อนครับ Quality อาจจะไม่ใช่ Top สุด ในหนังก็เห็นว่าแบบมันก็จะมีพัสดุนู่นนี่นั่น ตอนเริ่มต้นก็คือเป็น Startup ก็คือแบบเร็ว ถูกครับ แล้วก็ชนะ อ่า เร็ว ถูก สะดวก ชนะ สก คู่แข่งอาจจะแบบ ไม่อันนี้ต้องดี อ่า กล่องก็จะไม่ยู่ยี่ไม่ยับ อ่า ถ้าในความเป็นจริง ณ Situation ที่เป็น Flash กับ Kerry หรืออะไรอย่างเงี้ยครับ ตอนที่เขาแข่งกันจริงๆ Kerry ก็จะแบบ ร้านค้าต้องสาขาต้องเยอะ ต้องใหญ่ ต้องแอร์เย็น อ่า เน้น Quality เลย แต่อาจจะไม่ได้สนสนสนใจว่าแบบ เอ้ย มันต้องเร็ว แต่มันต้องถูกมาก หรือมันต้องถูก อ่า เพราะว่าคอร์สต้นทุนเค้าก็ต่าง มันเป็นวิธีการคิดที่ไม่เหมือนกัน พนักงานก็จะคิดไม่เหมือนกัน ความเร็วในการกับเรื่องก็จะไม่เหมือนกัน ความบูหลายๆ อย่างก็จะไม่เหมือนกัน แล้วมัน Feed เข้าไปอยู่ใน Culture ผู้บริหารเป็นยังไง พนักงานก็จะเป็นอย่างงั้น Culture องค์กรก็จะเป็นอย่างงั้นครับ นั่นคือเหตุผลที่องค์กรมันต่าง วันเนี้คุณต้อง Decode Culture ตรงนั้นออกมาเป็น Principle ที่ให้ AI ได้ เพื่อมันจะรู้ว่ามันต้องทำตัวอย่างไรในองค์กรคุณ ไม่งั้นมันก็จะทำตัวไม่ถูกต้องใช่นั่นน่ะคือ Thinking Principle แล้ว True Use สุดท้ายคือการเปิดให้มันสามารถมีแขนขาในการทำงานได้ อันนี้เป็น 3 ข้อหลักๆ เป็น Anatomy ของ AI Agent ที่ทุกคนเอาไปใช้ในมุม Practical เราไม่ได้ Optimistic เกินไป เราไม่ได้ Pessimistic เกินไป แต่เรามาในเชิงว่าเราจะเตรียมพร้อมยังไงสำหรับยุคโลกของการทำงานที่จะเปลี่ยนไปเมื่อเรามี AI แล้ว ผมเชื่อว่าผู้บริหารทุกคนที่ฟังอยู่ตอนนี้ สามารถเอาสิ่งเนี้ยไปปรับใช้ได้เลย เริ่มวาง ผมว่ามันอาจจะไม่ต้องใหญ่มาก แต่มันต้องเริ่มเลย เพราะผมเชื่อว่าอันเนี้ย คือสิ่งใหญ่ แล้วสิ่งใหญ่มันใช้เวลาค่อยๆ เตรียมครับ ถ้าใครรู้สึกว่า Sales หรือ Customer Service หรือ Operation หรือ Finance เราเรากำลังอยากแก้ปัญหา เราเผชิญปัญหาหนักมาก แล้วเราเชื่อว่า AI จะเข้ามานั่งอีกเก้าอี้หนึ่งเพื่อที่จะช่วยเราแก้ปัญหาแล้วเนี่ย เตรียมสิ่งนี้ไว้ แล้วรอในวันที่ Platform หรือทุกอย่างมันพร้อม Infrastructure ทางโลกมันพร้อมอ่ะ คุณสามารถเชื่อมต่อแล้วทำได้เลย เพราะคอมพิวเตอร์มันจะมา ณ เวลานั้นแล้ว คุณจะไปเร็วกับบริษัทอื่นๆ ที่เขาไม่ได้เตรียมสิ่งนี้มา แล้วเขาก็จะไม่สามารถเตรียมสิ่งนี้ภายในข้ามคืนได้เช่นเดียวกัน แล้วมันเริ่มจากการเริ่มลองเล็กๆ ตั้งแต่วันนี้ แล้วมันมีหลายอย่างหลาย Area ที่คนสามารถไปเริ่มเทสได้ ไม่ว่าจะเป็นการเริ่มสร้าง Agent เล็กๆ ไม่ต้องให้อำนาจมันเยอะขนาดนั้น แต่เริ่มลองดูก่อนว่ามันเป็นยังไง การเข้าใจวิธีการสร้าง Agent พวกนี้ การเอา Agent พวกนี้เพื่อไปเพิ่ม Productivity ให้หน่วยงานในหน่วยงานนึง เข้าใจว่า Pain มันคืออะไร ทั้งหมดเนี้ยต้องใช้แล้วอาศัยการวางกลยุทธ์ที่ดี เราก็ได้ Request มาเยอะมากตั้งแต่ปีที่แล้วละที่เราทำแบบพวก Prompt Workshop ครับ ที่สอนคนมาเยอะมาก แบบ 160 กว่าคน ผู้บริหารที่เข้ามาใช้แล้วก็เริ่มเห็นภาพมากขึ้นเร็วกว่าคนอื่นแล้วกัน เพราะเหมือนคุณได้แบบกลั่นจากประสบการณ์ที่เราได้คุยกับ Expert ต่างๆ ไม่ว่าจากใน Podcast จากการทำงาน จากการสร้าง App เนี่ย เราก็เอาความรู้ทั้งหมดเนี้ยมา Boil down แล้วก็แชร์ให้กับเขา เขาก็ได้เข้าใจว่า AI เป็น Copilot ยังไงในปีที่แล้ว แต่พอปีเนี้ย คำถามหลายคนที่มาถามผม มาถามมาร์คว่า มากกว่า Copilot มันเป็นได้ไหม อื เราก็เลยคิดว่าเราอยากที่จะนำเสนอ Workshop แบบเนี้ยกลับมาอีกรอบครับ เราก็เลยได้เปิด Strategy Workshop อื ที่เราจะพา Expert ใน Industry มาครั้งนี้เราไม่มาคนเดียวละ อือ เรามาพร้อมเพื่อน อือ เพื่อนที่เก่งที่คุยกันมาตลอดในวงกินข้าวว่าแบบ เทคโนโลยีมันไปถึงไหนแล้ว AI มันไปอย่างงี้ แต่บทสนทนาพวกนี้มันก็อยู่ในวงกินข้าวอยู่กับไม่กี่คน 5-6 คนใช่ แล้วเราก็คุยกัน เราเห็นภาพของอนาคตที่มันไกลมากขึ้นครับ แล้วเราคิดว่าความรู้พวกเนี้ย ถ้ามันไปอยู่ในมือคนอื่นน่ะ มันก็จะ Benefit ได้อีกครับ ไปอยู่ในมือของผู้บริหารองค์กรก็จะเห็นภาพมากขึ้นอีก เราก็เลยทำ Strategy Workshop นี้ขึ้นมา เป็น Strategy Workshop ที่ช่วงเช้าแล้วจะโฟกัสใน Knowledge Sharing จะพามา 3 Guest Speaker แล้วมีเราอยู่ ในหนึ่งในนั้นด้วย ก็จะเป็น 4 ท่านนะครับ โดย Session แรกจะเริ่มด้วย Conversation เกี่ยวกับการสร้าง Intelligence ในองค์กร สร้าง Enterprise Intelligence ได้ยังไง วันนี้เราเริ่มใช้ AI ข้างนอกแล้ว เราจะเอา Intelligence นี้เข้ามาใส่ในองค์กร เราได้ยังไง อ จะมี Shewake ที่เคยมาออก Episode เราจะมาพูดเรื่องประมาณนี้ด้วย การทำ Enterprise AI ทำอะไรได้บ้าง มีการพูดถึง Customer Service โหเป็น Use Case ที่เรียกว่า Hot Hit เลยแหละ สำหรับ AI สำหรับ AI ทุกคนคิดถึง Customer Service Chatbot หมดและ แต่การสร้าง Customer Service Chatbot เนี่ย มันมี Challenge ของมันนะครับครับ มันมีวิธีการ Set กดให้มันไม่ออกนอกลู่นอกทางเยอะเกินไป ทำยังไงให้มันตอบคำถามลูกค้าดี Challenge ของคนที่ไป Implement มาจริงๆ เรามีบริษัทที่เป็นผู้เชี่ยวชาญในการ Implement Customer Service มานานมากแล้ว ทำเครื่องมือเกี่ยวกับ Customer Service มานานมากแล้ว แล้วตอนนี้เขามาทำเครื่องมือ AI เขาไป Implement ให้กับองค์กรชั้นนำในประเทศ แล้วเขาก็จะมาแชร์ Case Study เขา เรื่องที่ 3 จะเป็นเรื่อง AI Search อื ผมว่าวันนี้เราหลีกเลี่ยงไม่ได้แบบ ที่มาร์คพูดเลย คำถามอะไรเดี๋ยวนี้เราก็ถาม AI ครับ อะไรก็ถาม AI SEO Ranking มันเริ่มมีความหมายน้อยลงหรือเปล่า ทำยังไงที่เราจะ Rank บน AI บ้าง อือ อันนี้ก็จะมี Expert จาก Nerd Optimize มาเล่าให้เราฟัง เคยมาคุยใน Episode นึงละ ที่มาคุยกันเรื่อง AI Search เก็ไป Implement ให้หลายองค์กรมาก เป็นองค์กรชั้นนำประเทศไทยเหมือนกัน ให้องค์กรพวกนี้ยัง Up in Search ที่เวลาคุณ Search ChatGPT ถามคำถามมันยัง Show Up อยู่ เขาจะมาเล่าให้คุณฟัง แล้วเราก็จะมาพูดถึง Topic ที่ 4 คือการ Improve Productivity ในองค์กร การเริ่มสร้าง Mini Agent Mini Helper ในองค์กร Boost Productivity เพิ่มใน 3 ก้อน ที่เมื่อกี้ผมเล่าได้ยังไงไม่ว่าจะเป็นเรื่อง Context เรื่อง Thinking และเรื่อง True Use เอา Tools แบบไหนมาใช้ เพื่อที่จะเพิ่มสิ่งนี้ได้ พอคุณได้ความรู้ทั้งหมดนี้เข้าไปแล้วเนี่ย ผมเชื่อว่าผู้บริหารก็จะได้ความรู้ที่เรากลั่นมามากกว่าปีนึงละ ที่มาอยู่ใน Format ของ One Day Workshop นี้ แต่ทั้งหมดนี้ไปพร้อม ปั๊บ คุณก็จะพร้อมที่จะเริ่มวางกลยุทธ์ขององค์กรละ อ เราก็จะเป็นมาสู่ช่วง 2 ของวัน ก็คือการวาด Strategy Road Map ลงไป เราจะให้ทุกท่านน่ะ ได้มาทำจริง มาเริ่มคิดจริงๆ ละว่าจากข้อมูลทั้งหมดเนี้ย เราจะวางแผนใน 6 เดือนข้างหน้ายังไง เราจะวางแผนในอีก 1 ปีข้างหน้ายังไง เพื่อที่จะเริ่มปรับองค์กรเราครับ เริ่มจาก Pin Point มาใช้เวลาในวันนั้น นั่งคิด ถกเถียง นั่งคุยกับเรา นั่งคุยกับ Expert แต่ละท่าน เพื่อที่เราจะได้กลั่นออกมาเป็น Strategy ที่ดีที่สุดและเหมาะที่สุดสำหรับองค์กรเรา สุด Exclusive กับการวาด Strategy โดยที่มีเราที่คอยเหมือนทาง Navigate ให้มันออกมา ณ จบวันนั้น คุณจะได้ทั้งการอัปเดตความรู้ด้าน AI จากโต๊ะกินข้าวนั้นน่ะ มาสู่ในมือคุณ พร้อมทั้งมีกลับบ้านว่าองค์กรเราควรจะต้องเตรียมตัวยังไงสำหรับ AI Agent ในยุค AI
และถ้าใครสนใจอยากจะดูรายละเอียดเพิ่มเติมแล้วจองที่นั่งเข้ามาใน Workshop สามารถเข้าไปดูรายละเอียดใน Line OA ของเราได้ ไปทักคุยกับทีมงานเรา เพื่อจะสอบถามข้อมูลเพิ่มเติม ดูวันที่ แล้วจองเข้ามาได้เลยนะครับผม แต่ถ้าใครไม่สะดวกมาเป็น Public Workshop แบบนี้ที่เราจัดกับผู้บริหารแล้วอยากให้เราเอาข้อมูลและความรู้เนี้ยไปจัดในองค์กรของท่าน เรามีอีก Series หนึ่งที่เราได้สร้างขึ้นมา เพราะหลายคน Request ว่าอยากให้ Brief Team Management อยากให้ Brief Board ของบริษัท เพื่อเขาจะได้เห็นภาพเดียวกันว่าในอีก 3 ปีข้างหน้าโลกมันกำลังจะเปลี่ยนยังไง แล้วเราต้อง Transform ยังไง อยากได้ Activity พวกเนี้ยภายในองค์กรเป็น Workshop กันเอง เราก็จัด Series ที่เรียกว่า Boardroom Briefing เป็น Workshop ที่เราจะเข้าไปทำในองค์กรกับ Boardroom หรือ Management Meeting เข้าไปโชว์แชร์ความรู้ทั้งหมดที่เราได้กลั่นมาอย่างที่พูดไป แต่เป็น Private Setting ในองค์กรของคุณ เพื่อช่วยคุณวาด Strategy แบบ Exclusive ที่สุด อ ถ้าใครสนใจในเวรนั้นก็สามารถทัก Line มาได้เหมือนกันครับ แล้วเดี๋ยวไปคุยกันเรื่องรายละเอียดต่อ
แต่ทั้งหมดเนี้ยที่ผมพูดไป ผมคิดว่า Workshop พวกเนี้ยมันมีไว้เพื่อที่จะสร้าง Clarity ครับ ผมว่าก่อนที่คุณจะสร้าง Action ที่ดีได้ คุณต้องมี Clarity ก่อนว่าโลกมันจะไปในด้านไหน อ แล้วตอนนี้ฝุ่นมันเริ่มนิ่งระดับนึงละ อ นิ่งพอที่เราจะเริ่มเดินในวันนี้ แถวใหม่มันเกิดขึ้น โลกมันกำลังไปในด้านนี้แล้วเราเริ่มเห็นทิศทางแล้ว ถ้าเรามี Clarity ใน Direction ถัดไปแล้วเราเดินก่อน ผมว่าเราจะเป็นผู้นำในแถวนั้นได้ด้วย แล้วผมว่าวันนี้ AI มันฉลาดพอแล้ว มันแค่ขาด 3 ก้อนนั้นคือตอนนี้สมองด้วย พื้นฐานมันคือคนที่ฉลาดคนนึง แต่ว่ามันมี Context พอหรือเปล่า แบบพูดเลยจริงๆ พอม True Use ที่เยอะพอหรือเปล่า ผมว่าวันนี้เราเตรียมตัวมันได้พร้อมที่จะ Plug in และใช้มันในฐานะ App Application เพื่อได้ Benefit จากการมี AI นี้จริงๆ อื ผมว่านั่นเลยกลายเป็นสิ่งสำคัญที่เราจะต้องเริ่มเพนภาพตอนนี้แล้ว ว่าเราจะทำยังไงบ้างกับไอ้เทคโนโลยี AI ที่มันเกิดขึ้น อ อย่าลืมเอา 3 Framework นี้ไปลองใช้ดูนะครับผมแนะนำมากๆ ในห้องประชุม ใน Management Meeting หรือใน Board Room เอา 3 Framework นี้ไปลองคิดกับมัน หาข้อสรุปว่าเราจะเพิ่มสิ่งนี้ได้ยังไง แล้วสร้างที่นั่งให้ AI ในออฟฟิศเราแบบที่มาร์คพูด ถ้ามองออกไปจากห้องกระจกวันนี้ คุณกำลังเตรียมพร้อมที่จะต้อนรับพนักงานใหม่เข้ามาทำงานแล้วหรือเปล่า อ แล้วเราจะทำยังไงเพื่อให้พนักงานคนนั้นทำงานได้ดีที่สุดแล้ว Work สำหรับองค์กรเรา เพราะโลกมันกำลังวิ่งไปในด้านนั้น มันคือ Hybrid อือ ผมไม่คิดว่ามันจะเป็น AI อย่างเดียว มันจะไม่ใช่ AI First มันยังจะคงเป็น Human First แต่ Human Human จะต้องทำงานกับ AI เป็น Teammate เป็น Collaboration มนุษย์จะถูก Upskill ลดเวลาการทำเอกสาร ลดเวลาการทำงานที่เป็นงาน Complex ในเชิงของการนั่ง Plan นั่งทำอะไรหลายๆ อย่าง แต่เราจะไปทำงาน Complex อีกแบบหนึ่ง งาน Complex ของเราจะเป็นงานคิดมากกว่าการตั้งโจทย์ การตีโจทย์ให้แตก การเข้าใจผู้คน การมี Soft Skill งานเราจะไปในเชิงนั้นมากกว่า มนุษย์เราจะถูก Upskill ไปเป็นแบบนะ แล้วเราจะสั่ง AI ให้ทำงานที่เป็นงานเชื่อมโยง การหาข้อมูล การเข้าใจเรื่องยากๆ แล้วมา Boil down มาย่อยให้เราฟัง แล้วเราก็จะไป Action ต่อเองได้เพิ่มนะครับ
ก็วันนี้ก็เป็นประมาณนี้นะครับ Episode นี้เราก็มาแชร์วิธีการคิด ข้อคิด ถ้าใครหลุดไปตรงไหน หรืออยากได้รายละเอียดเพิ่มเติมใน Framework ที่เมื่อกี้ผมเล่าไป เดี๋ยวเราจะมีแชร์เป็น Nexus Meeting Note ทุกคนสามารถ Access ข้างล่างได้ ไปคุยต่อกับ Nexus ได้ เพราะเราอัด Conversation ทั้งหมดนี้ไว้ใน Nexus ถ้าอยากจะถอดรหัสตรงไหน ถอดตรงนี้ หรืออยากจะได้ข้อมูลเพิ่มเติมตรงนี้ ไป Brainstorm กับ Nexus ต่อได้ แล้วถ้าใครชอบ Episode นี้ อย่าลืมกด Like รู้สึกว่ามันมีผู้บริหารหรือหัวหน้าองค์กรที่ไหนที่จะ Benefit Conversation นี้ อย่าลืมแชร์ไปให้เขาฟังด้วยครับ แล้วเราก็จะร่วมพัฒนาร่วมแชร์ความคิดใหม่ๆ นี้ด้วยกันใน Episode ถัดๆ ไปของ The R of Intelligence สำหรับวันนี้ขอบคุณมากๆ ที่ตามฟัง แล้วเดี๋ยวไว้เจอกันใหม่นะครับ สวัสดีครับ ขอบคุณ