หมดยุคสั่งคน สู่ยุคสั่ง AI แล้วเราจะปรับตัวอย่างไรให้เป็นคนควบคุม AI ที่คุมงานได้ทั้งองค์กรด้วยตัวคนเดียวกับ 5 เรื่องสำคัญที่จะเปลี่ยนวิธีทำงานของทุกคนไปตลอดกาล!
โลกการทำงานกำลังเปลี่ยนไปเรื่อย ๆ จนถึงจุดที่เราไม่ได้แข่งกันที่ใครเขียนโค้ดเก่งกว่า หรือใครมีทรัพยากรเเยอะกว่าอีกต่อไป แต่เรากำลังเข้าสู่ยุคที่คนหนึ่งคนสามารถคุม AI ทำงานแทนคนทั้งทีมได้! และนี่คืออีกหนึ่งเนื้อหาสำคัญของปีนี้เลยก็ว่าได้กับเรื่องราว AI Trends 2027 ที่เราสรุปมาให้ 5 เรื่องสำคัญ! ถึงทิศทางต่อจากนี้และในอนาคตซึ่งเราขอรวบตึงสรุปอินไซต์แบบเจาะลึกจาก คุณอัลวิน (Rise of Intelligence) และ คุณจิ๊บ (Brandbaker) ซึ่งเรื่องราวนี้เป็นส่วนหนึ่งของ AI NIGHT ในงาน CTC2026
1. The Age of Builder เมื่อไอเดีย สำคัญกว่าการเขียนโค้ด
หมดยุคของการรีวิวโค้ดทีละบรรทัดแบบสมัยก่อน เพราะ AI ช่วยทำหน้าที่นี้แทนไปแล้ว ทำให้กระบวนการพัฒนา Product สั้นลง และทุกคนเข้าถึงได้ง่ายขึ้น AI ทำให้คนสาย Non-Tech สามารถสร้าง Product/Application ได้เอง โดยไม่ต้องเรียนเขียนโค้ด เพียงแค่สั่งผลลัพธ์ หรือ output ที่ต้องการกับ AI
The Product Builder คืออีกหนึ่งอาชีพที่หาได้ยากมาก แต่ก็เป็นโอกาสใหม่ของคนยุคนี้ เพราะเป็นหนึ่งในกลุ่มอาชีพที่ต้องเข้าใจ Business Understanding และต้องมีความเข้าใจ Engineering Mind แต่ไม่จำเป็นต้องเขียนโค้ด หรือสรุปก็คือ คุณต้องมีทั้งความเข้าใจในธุรกิจ และมีวิธีคิดแบบ Engineering Mindset ใครที่เริ่มอัปสกิลตัวเองได้ก่อนจะได้เปรียบ! เพราะนี่คืออีกหนึ่งกลุ่มอาชีพที่ตลาดต้องการ
ในยุคที่ทุกคนเข้าถึง AI ได้เท่ากัน คนที่จะไปได้ไกลสุดคือคนที่มีส่วนผสมของ 3 ทักษะนี้
- Business Acumen มีความเข้าใจฝั่ง Business และมี Business sense
- Interpersonal Skill สื่อสารและคุยกับลูกค้าเข้าใจ
- Logical Thinking มีตรรกะที่เฉียบคม เพื่อนำไปสั่งงาน AI ได้อย่างแม่นยำ
Shortcut เครื่องมือสำหรับ Product Builder (Stack)
- Claude Code อีกหนึ่งเครื่องมือที่เป็น Main Interface หลักในการทำงาน
- Willow แอป Voice AI ที่ช่วยให้ Prompt สั่งงาน Claude Code ด้วยเสียงได้โดยตรง
- Skill Engineering การหยิบจับ Skill สำเร็จรูปที่คนเก่ง ๆ สร้างไว้ใน Claude มาใช้งานต่
- GitHub พื้นที่สำหรับจัดเก็บและจัดการ Source Code (เปรียบเหมือน Google Drive เวอร์ชั่นโปรแกรมเมอร์)
- Vercel แอปที่ช่วย Deploy โค้ดจาก GitHub ขึ้นไปบนระบบ Cloud เพื่อเปลี่ยนโค้ดดิบ ๆ ให้กลายเป็นเว็บไซต์หรือเว็บแอปพลิเคชันที่ใช้งานได้จริง
- Supabase ระบบฐานข้อมูลและจัดการหลังบ้านสำเร็จรูป (Backend-as-a-Service)
Shortcut ต่อเนื่องจากเนื้อหาด้านบน 4 Step Workflow ในการทำงาน
Step 1: Open Claude Code & Install Skill Packs
Step 2: Define the build
กำหนดโจทย์และขอบเขตงาน โดยมีขั้นตอนการบรีฟงานกับ AI ผ่าน 2 คำสั่ง ดังนี้
/grill-me สั่งให้ AI รัวคำถามใส่เราเพื่อสัมภาษณ์และเค้นความต้องการ (Requirements) ที่แท้จริงของโปรดักต์ออกมาให้ชัดเจนที่สุด
/to-prd สั่งให้ AI นำข้อมูลทั้งหมดมาสรุปเป็นเล่มเอกสารความต้องการของโปรดักต์ (PRD - Product Requirement Document) ที่สะอาดและพร้อมนำไปเขียนโค้ดต่อทันที
Step 3: Build + test เมื่อได้บรีฟที่ชัดเจนแล้ว จะเข้าสู่ลูปการเขียนโค้ด
/prototype สั่งให้ AI สร้างหน้าตาดีไซน์ (UI Design) ออกมา 3 รูปแบบ ให้เราเลือกสไตล์ที่ชอบ
/tdd (Test-Driven Development) สั่งให้ AI เขียนโค้ดทดสอบ (Unit Tests) ควบคู่ไปกับการเขียนโค้ดหลัก เพื่อล็อกสเปกให้โค้ดทำงานถูกต้อง ไม่มีบั๊กตั้งแต่เริ่มสร้าง.
Step 4: Ship เมื่อตรวจสอบระบบเรียบร้อยแล้ว ก็ถึงเวลาเปิดตัวแอปได้
/ship สั่งปล่อยแอปขึ้นระบบ Cloud โดยตัวโค้ดจะถูกส่งไปจัดเก็บที่ GitHub และทำการ Deploy ขึ้นไปเปิดเป็นหน้าเว็บไซต์จริงผ่าน Vercel
2. Harness Engineering แทนที่จะสั่งทีละอย่าง แต่เราจะสร้างให้ AI ทำได้หลายอย่างมากขึ้น
Harness Engineering คือยุคใหม่ของการทำงานกับ AI ที่เปลี่ยนจากการ พิมพ์ถาม-ตอบเป็นคำ ๆ (Prompt Engineering) มาเป็นการสร้างสภาพแวดล้อมและระบบนิเวศ (Workplace Environment) เพื่อตีกรอบและควบคุมให้ AI ทำงานร่วมกันได้อย่างอัตโนมัติ โดยต้องเริ่มจาก
- ตั้ง Goal ตั้งเป้าหมายและผลลัพธ์ที่ต้องการให้ชัดเจน
- ตั้ง Gear Set up เครื่องมือและ Resource ที่ AI จำเป็นต้องใช้
- ตั้ง Guide คอยแนะนำ ทิศทาง และกำหนดว่า Agent ตัวไหน ต้องใช้ Skill อะไร
Environment จะเป็นส่วนสำคัญหลังจากนี้ เพราะถ้าคุณอยากทำงานแบบ Harness Engineering คุณต้อง Create Right Environments ก่อนเสมอ
- Agents ตัวไหนต้องมี Skills อะไรบ้าง
- Agents ตัวไหนต้องใช้เครื่องมืออะไรบ้าง
- Agents ตัวไหนมี MCP (เครื่องมือที่ AI ดึงไปใช้งานได้) และมี Data อะไรบ้าง
- หลังจากนั้น Agents จะเริ่มดีไซน์งาน โดย AI จะคุยกันเองว่าใครจะลงมือทำอะไรบ้าง
- เน้นย้ำว่า Harness Engineering ไม่ได้แปลว่าตัดมนุษย์ออกจากระบบ แต่เป็นการออกแบบ Touchpoint ที่ดีที่สุด ให้คนและ AI ทำงานร่วมกันแบบไร้รอยต่อ โดยมนุษย์จะขยับขึ้นไปทำหน้าที่ระดับสูง เช่น การวางกลยุทธ์ ตรวจสอบความถูกต้อง (ตามหลัก P-A-C-R) และป้อนข้อมูลสำคัญในส่วนที่ AI ยังตัดสินใจแทนไม่ได้
4 หน้าที่หลักที่ยังเป็นของมนุษย์ (P-A-C-R) ในโลกที่ Ai ทำงานส่วนใหญ่แทนเรา มนุษย์จะเหลือบทบาทสำคัญในการควบคุมภาพรวม 4 อย่าง
- Plan วางแผนและวางกลยุทธ์
- Act ลงมือทำในส่วนที่ต้องใช้การตัดสินใจของมนุษย์
- Check ตรวจสอบความถูกต้องและคุณภาพ
- Repeat วางระบบให้เกิดการทำงานซ้ำได้อย่างมีประสิทธิภาพ
เราสามารถออกแบบ Agents ได้หลายแบบ ไม่จำเป็นต้องเป็นแบบเดียวเหมือนกันหมด สามารถตั้งความสามารถได้ รวมไปถึงสามารถโคลนสกิลต่าง ๆ ได้อีก ยกตัวเช่น
- ORCHESTRATOR หน้าที่หลักคือ Plans, Coordinates and Delegatesเปรียบเหมือนหัวหน้าทีม มีหน้าที่มองภาพรวม วางแผนขั้นตอนการทำงาน ประสานงานระหว่างระบบ และคอยสั่งการหรือแจกจ่ายงาน ส่งไม้ต่อให้ AI ตัวอื่น ๆ ทำงานได้อย่างถูกต้องตามลำดับ.
- ACTOR หน้าที่หลักคือ ปฏิบัติงานและทำภารกิจให้สำเร็จ เปรียบเหมือนฝ่ายปฏิบัติการ ที่มีทักษะเฉพาะทาง มีหน้าที่รับคำสั่งมาจาก Orchestrator แล้วเน้นลงมือทำหน้างาน เช่น เขียนโค้ด, วาดรูป, คัดลอกข้อมูล หรือประกอบชิ้นงาน เพื่อปั้นโปรดักต์ออกมาให้เสร็จสมบูรณ์.
- EVALUATOR หน้าที่หลักคือ รีวิว ตรวจสอบความถูกต้อง และควบคุมคุณภาพ เปรียบเหมือนฝ่ายควบคุมคุณภาพ คอยทำหน้าที่ถือแว่นขยายตรวจเช็กผลงานที่ตัว Actor ทำเสร็จ ว่าถูกต้องไหม มีบั๊กตรงไหนหลุดรอดไปหรือเปล่า และประเมินผลให้ผ่านมาตรฐาน ก่อนที่จะส่งมอบงานขั้นสุดท้าย
3. AI Native Companies แล้วองค์กรจะเปลี่ยนไปอย่างไร ?
บริษัทที่มีรายได้แบบ Exponential ในช่วง 3 ปีที่ผ่านมาในสหรัฐอเมริกา เป็นบริษัทน้องใหม่ที่สามารถ Scale ตัวเองเป็น Unicorn ได้อย่างรวดเร็ว โดยเฉลี่ยแล้วพนักงาน 1 คน สามารถสร้างมูลค่า หรือ Revenue ได้สูงถึง 3.5 ล้านเหรียญสหรัฐ
- บริษัทที่ scale ได้ก้าวกระโดดขนาดนี้ไม่ได้เกิดจากการเพิ่มจำนวนคนทำงาน แต่มาจากการ Build AI Native Company แบบ Close loop
- Key concept is AI improving AI คือการที่สร้าง AI ขึ้นมาให้มันพัฒนาตัวเองได้
Use case >> Chatbot สำหรับคลินิคเสริมความงาม
ในอดีตเวลา Chatbot ตอบคำถามลูกค้าไม่ได้ มนุษย์ต้องเข้าไปอ่านประวัติ ค้นหา Pain Point และ Brainstorm กันเองในทีมเพื่อหาทางแก้ไข ซึ่งใช้เวลานาน แต่ปัจจุบันเราเปลี่ยนมาใช้ Data ที่เกิดขึ้นจริงในระบบป้อนให้ AI โดยตรง เช่น
- Internal Data บันทึกการประชุมภายใน ทีมคุยกันเอง หรือคุยกับลูกค้า
- Customer Data ประวัติการแชทจากหน้างาน
- External Data ข้อมูลเชิงลึกจาก Internet ที่เชื่อมต่อกับระบบ AI
เมื่อ Data ไหลเข้ามา มนุษย์จะทำหน้าที่สร้าง Policy Layer เป็นกฏเหล็กเพื่อกำหนดกรอบว่า AI สามารถทำอะไรกับข้อมูลเหล่านี้ได้บ้าง ซึ่งเราสามารถดึง Harness Engineering มาประยุกต์ใช้ได้ เช่น
- Goal กำหนดเป้าหมายการเรียนรู้และพัฒนาของระบบ
- Gear ให้สิทธิ์และเครื่องมือ เช่น อนุญาตให้ AI เขียนโค้ดเองเพื่อปรับปรุงระบบ หรือ อนุญาตให้ AI browse internet เพื่ออัปเดตข้อมูลใหม่ ๆ
- Guide มนุษย์ตั้งเกณฑ์มาตรฐานไว้ แล้วปล่อยให้ AI ทำหน้าที่เป็น Evaluator ประเมินผลงานของตัวมันเอง ว่าผ่านเกณฑ์ที่ตั้งไว้หรือไม่
กระบวนการ หรือ loop นี้เริ่มตั้งแต่รับข้อมูล >> เรียนรู้ >> ปรับปรุงโค้ด >> ตรวจสอบคุณภาพสามารถเกิดขึ้นและจบได้ภายในชั่วข้ามคืน ทำให้ Product พัฒนาแบบก้าวกระโดดโดยไม่ต้องรอมนุษย์มานั่งแก้ทีละจุด
หน้าที่ของคนจะขยับขึ้นไปเป็นผู้ควบคุมและตรวจสอบ เป็นผู้ออกแบบกฎ วางกรอบ และกำหนดระดับคุณภาพที่ต้องการ รวมถึงเป็นผู้มอนิเตอร์ภาพรวม ดูว่าผลลัพธ์ที่ AI พัฒนาออกมานั้นดีจริงหรือไม่ หากไม่ผ่านเกณฑ์หรือหลุดกรอบ มนุษย์จะเป็นคนสั่งปรับแก้ทิศทางทันที
จาก Skill Engineering สู่การ Outsource Skill
ต้องทำความเข้าใจก่อนว่าของเดิม เท่ากับ Skill engineering มนุษย์สร้าง Skill เช่น ทักษะ/ชุดคำสั่ง/กระบวนการทำงานเพื่อติดตั้งและสอนให้ AI รู้ว่าต้องใช้เครื่องมือต่างๆ อย่างไรให้ได้ผลลัพธ์ตามต้องการ แต่ในวันนี้ของใหม่เท่ากับ Outsource skill ความสามารถเหล่านี้จะไม่ถูกจำกัดอยู่แค่ในระบบของเรา หรือตัวเราคนเดียวอีกต่อไป แต่เราสามารถ Export เพื่อย้ายไปติดตั้งให้ Agent ตัวอื่น ๆ หรือส่งต่อให้คนอื่นนำไปใช้งานได้ทันที
พื้นที่การสร้างรายได้ในยุคถัดไปคือ Skill Marketplace
- ปัจจุบัน การแชร์ Skill ยังเป็นการแจกฟรี หรือเป็น Open-source เป็นหลัก
- อนาคต กำลังจะขยับไปสู่ Skill Marketplace อย่างเต็มรูปแบบ หรือ Skills MP (ปัจจุบันมีแล้ว)
- นี่คือแหล่งรวบรวม Premium Skills จากคนเก่ง ๆ ทั่วโลก ใครอยากให้ AI ของตัวเองทำงานได้เก่งด้านไหน ก็แค่มา กดซื้อและติดตั้ง Skills นั้นไป
- Agent 1 ตัวของเรา จะทำงานได้ทรงพลังมาก เพราะมันสามารถดึงทักษะจากมันสมองของ Top Talent หรือคนเก่งๆทั่วโลกมารวมกันไว้ในที่เดียว
- โมเดลนี้กำลังเปลี่ยนความรู้และประสบการณ์ของคน ให้กลายเป็นสินค้าที่จับต้องได้และทำเงินได้สิ่งที่เราต้องกลับมาคิดและเตรียมตัวตั้งแต่วันนี้คือ ตัวเรามีทักษะ หรือ Skill อะไรที่สามารถแปลงเพื่อส่งต่อ ขาย หรือเป็น Outsource ให้ Agent ของคนอื่นมาใช้ เพื่อสร้างรายได้ในอนาคตได้บ้าง
4. Middle Management is Disappearing โครงสร้างองค์กรที่กำลังเปลี่ยนไป แม้การเปลี่ยนแปลงจะยังไม่แรงมากในไทย!
โครงสร้างองค์กรแบบเดิมที่เคยเป็นรูปปิรามิดกำลังเปลี่ยนไปอย่างสิ้นเชิง
- ยอดปิรามิด ยังคงสำคัญมาก ทำหน้าที่คิดกลยุทธ์ ทิศทาง และกำหนดวิสัยทัศน์ขององค์กร
- ฐานปิรามิด คนลงมือทำ หรือ กลุ่ม Individual Contributor ที่ขับเคลื่อนงานในแต่ละวัน
- ชั้นตรงกลางที่เริ่มจะถูกบีบให้หายไป หรือ Middle Management เดิมมีหน้าที่คอยบริหารคน บริหาร Project หรือส่งต่อคำสั่ง กำลังถูกบีบอย่างหนักให้เลือกทางใดทางหนึ่ง ถ้าไม่พัฒนาขึ้นไปอยู่ระดับบน ก็ต้องลงมาควบรวมทักษะหน้างานด้านล่าง
บทบาทของหัวหน้างานยุคใหม่จะเปลี่ยนจากการสั่งคน ไปสู่การสั่ง AI อย่างเต็มรูปแบบ เช่น Marketing Manager จากเดิมที่ต้องคุมลูกน้อง 5 คน เช่น ทำกราฟิก, คนยิงแอด, คนคิดแคมเปญ, นักวิเคราะห์, คน Optimise แอด แต่ในปัจจุบัน 1 คนสามารถทำพร้อม ๆ กันได้ 5 อย่าง ควบคุมและสั่งการ Agent แต่ละตัวให้ทำงานร่วมกัน ทำให้คนเพียงคนเดียวมี Capability สูงเทียบเท่าองค์กร หรือบริษัทเล็ก ๆ ไปเลย
ไอเดียดีอย่างเดียวไม่พอ ต้องทำเป็นด้วย เกิดการวัดมาตรฐานใหม่ในการคัดเลือกคนเข้าทำงาน
- ไอเดียดี + ทำไม่เป็น เท่ากับ คนที่มีแต่ไอเดียหรือเก่งแต่สั่งงานคนอื่น แต่ใช้ AI ไม่เป็น/ทำเองไม่ได้ จะเริ่มหมดความสำคัญลง
- ไอเดียดี + ทำเป็นเองด้วย องค์กรต้องการคนที่ มีไอเดียทางธุรกิจ และสามารถสั่ง AI เพื่อทำผลลัพธ์ออกมาได้ด้วยตัวเอง กลายเป็นคนคนเดียวที่ทำได้สารพัดประโยชน์
ในอนาคตอันใกล้นี้จะเกิดภาวะ Job Loss หรือคนตกงานครั้งใหญ่ในกลุ่มบริหารระดับกลางที่ไม่ยอมปรับตัว แต่ก็ยังมี Opportunity ซึ่งนั่นคือการ Upskill ครั้งใหญ่ ซึ่งในตลาดแรงงานปัจจุบันทุกคนอยากได้คนที่เป็น AI Builder ที่มีส่วนผสมนี้ ใครปรับตัวได้ก่อนจะกลายเป็นทรัพยากรที่มีมูลค่าสูงมาก
ข้อจำกัดของ AI ในปัจจุบัน
- คุยนานแล้วมึน เพราะ AI มีข้อจำกัดเรื่องความจำระยะยาว เมื่อคุยไปสักพักมันจะเริ่มลืม Context ที่คุยมาก่อนหน้า หรือทำการยุบรวมข้อมูลเอง ซึ่งมักจะตัดข้อมูลสำคัญที่เราต้องการทิ้งไป ทำให้ AI เริ่มมึนและให้ลัพธ์ที่ไม่ตรงใจ
- มองไม่เห็นภาพใหญ่ AI ยังไม่สามารถมองเห็น Project ในภาพรวมทั้งหมดได้ด้วยตัวเอง และยังไม่สามารถแก้โจทย์ใหญ่ ๆ ที่ซับซ้อนโดยไม่มีคนไกด์ได้
- เหตุผลที่ Top Management ยังอยู่ เพราะข้อจำกัดด้านการมองภาพรวมและการตัดสินใจเชิงกลยุทธ์นี้ ทำให้ผู้บริหารระดับสูง หรือคนที่เป็น Expert ในสายงานตัวเอง ยังไม่ถูก AI Disrupt ไปง่าย ๆ
Agent Resource Management บริหารยังไงให้คุ้มค่า ROI
ค่าใช้จ่ายในการรัน AI Agent ในปัจจุบันสูงขึ้นเรื่อย ๆ Token มีราคาแพง หากปล่อยให้มันทำงานโดยไม่มีการควบคุม จะเหมือน ลงทุน 100 บาท แต่ได้ผลงานกลับมาแค่ 18 บาท.
วิธีควบคุมหน่วยความจำและค่าใช้จ่ายให้คุ้มค่า
- คุม Context และ แพลนล่วงหน้า ก่อนเริ่มงานต้องวางแผนการส่งข้อมูลให้ดี ไม่ป้อนข้อมูลที่ไม่จำเป็นเข้าไปให้ AI อ่าน เพื่อไม่ให้เสีย Token ไปฟรี ๆ
- กลับมาตั้งคำถามกับตัวเองเสมอเพื่อสร้างสิ่งแวดล้อมการทำงานที่ประหยัดและแม่นยำให้ AI สูตรเดิมเลยตั้งแต่การตั้ง Goal ตัวเราต้องการผลลัพธ์อะไรที่ชัดเจนที่สุด // Gear เรามี Skill/Workflow อะไรที่คนอื่นสร้างไว้แล้ว (Pre-built) ที่สามารถหยิบมาใช้ได้เลยโดยไม่ต้องสร้างใหม่ตั้งแต่ศูนย์ // Guide เราจะควบคุมและไกด์ AI อย่างไรให้ใช้ Resource น้อยแต่ได้ประสิทธิภาพสูงสุด
- เริ่มจากโปรเจกต์เล็ก อย่าเพิ่งกระโดดไปทำระบบใหญ่โต ให้ตั้งต้นจากโปรเจกต์ง่าย ๆ ที่วัดผล ROI ได้ชัดเจนก่อน เพื่อดูความคุ้มค่าของเงินที่ลงไปกับค่า Token
5. Next waves เทรนด์ใหม่ที่กำลังจะมาแน่ ๆ
Agentic Commerce ยุคที่ AI เป็นคนช้อปปิ้งแทนมนุษย์
ลูกค้าจะเลิกนั่งหาข้อมูลหรือเปรียบเทียบสินค้าเอง แต่จะส่ง AI Agent ของตัวเองออกไปสืบราคา อ่านรีวิว และตัดสินใจเลือกซื้อของให้แทนมนุษย์.
AI Ads เมื่อผู้ซื้อเปลี่ยนจากมนุษย์ เป็น AI Agent เม็ดเงินโฆษณาและช่องทาง Media จะถูก
ปรับใหม่ทั้งหมด การยิงแอดจะไม่ได้แข่งกันเพื่อให้คนเห็น แต่จะแข่งกันทำอย่างไรให้ AI เลือกแนะนำแบรนด์ของเรา
โดยสรุป จุดเปลี่ยนขององค์กรและคนทำงาน
องค์กรเปลี่ยนทิศแน่นอน โครงสร้างจะกระชับขึ้น และขับเคลื่อนด้วยระบบอัตโนมัติ คนที่เป็น Builder คือผู้รอดชีวิต ในโลกที่ Agent ทำงานแทนเราได้เยอะ คนที่รู้วิธีสร้าง คุมลูป และบริหารจัดการ Resource ของ AI ได้อย่างคุ้มค่า จะเป็นกลุ่มคนที่ทุกองค์กรต้องการตัวมากที่สุด ดังนั้นเราต้อง Upgrade Prompting to Harnessing ไม่ใช่แค่อ่านว่าเทรนด์อะไรกำลังมา แต่ต้องอัปเกรดตัวเองให้ทันด้วย โดย 3 ส่วนที่อยากให้ทุกคนคำนึงมาก ๆ คือ
1. Prepare for Export Skills vs Outsourcing Skills
คุณต้องเตรียมพร้อมสู่ยุคซื้อ-ขายทักษะ AI ต่อจากนี้ความรู้ ประสบการณ์ หรือกระบวนการทำงานเฉพาะทางของมนุษย์ จะถูกแปลงให้อยู่ในรูปของ Skill Pack สิ่งที่ต้องทำคือ เราต้องเตรียมตัวทั้งการ Export Skills หรือแพ็กทักษะที่เจ๋งที่สุดของเราออกไปขายหรือแชร์ใน Skill Marketplace เพื่อสร้างรายได้ และการ Outsourcing Skills กดซื้อหรือดึงทักษะระดับ Premium ของ Top Talent ทั่วโลกมาติดตั้งให้ AI Agent ของเราทำงานได้เก่งขึ้นทันที
2. Manage Agent Resources / ROI
เราต้องบริหารต้นทุนทีม AI ให้คุ้มค่าและเห็นผลลัพธ์ชัดเจน เพราะการใช้งาน AI Agents มีค่าใช้จ่าย (เช่น ค่า Token) ที่สูงขึ้นเรื่อย ๆ หากปล่อยให้รันโดยไม่มีการควบคุม ต้นทุนจะบานปลายแต่ได้ผลงานไม่คุ้มเงิน ดังนั้นสิ่งที่ต้องทำคือ ต้องรู้จักวางแผนล่วงหน้า ควบคุม Context ของข้อมูล ไม่ป้อนสิ่งที่ไม่จำเป็น และวัดผลลัพธ์เชิงธุรกิจ (ROI) ให้ชัดเจน โดยเริ่มจากโปรเจกต์ขนาดเล็กก่อน เพื่อให้มั่นใจว่าเงินที่ลงทุนไปกับ AI นั้นคุ้มค่าและได้ประสิทธิภาพสูงสุด
3. Utilize Agentic Commerce and Ads
ใช้ประโยชน์จากยุค AI ช้อปปิ้งและโฆษณาแนวใหม่ ในวันนี้ Next Waves ที่กำลังจะมาถึง คือยุคที่ AI ของผู้บริโภคจะเป็นคนออกไปสืบค้น เปรียบเทียบ และตัดสินใจซื้อของแทนมนุษย์ (Agentic Commerce) สิ่งที่ต้องทำคือ ทั้งคนทำงานและนักการตลาดต้องปรับตัวเพื่อ Utilize หรือใช้ประโยชน์จากเทรนด์นี้ วางกลยุทธ์การทำโฆษณาหรือปรับแต่งข้อมูลแบรนด์ (AI Ads) เพื่อทำอย่างไรก็ได้ให้ AI ของลูกค้า เลือกแนะนำและตัดสินใจซื้อสินค้าจากแบรนด์ของเรา
ใครที่อยากทบทวน Session ที่ชอบ เก็บ Session ที่ฟังไม่ทัน หรือกลับไปอัปเดตไอเดียอีกครั้ง สามารถเข้าไปรับชมย้อนหลังได้แล้วตั้งแต่วันนี้ หากมีข้อสงสัยเพิ่มเติม สามารถติดต่อสอบถามทีมงานได้ทาง Facebook ของ CREATIVE TALK
ติดตามรับชมเนื้อหาเต็ม ๆ ย้อนหลังได้ที่ https://creativetalkonline.com
.ส่วนใครที่ไม่มีบัตร สามารถซื้อ Rerun Ticket ในราคา 990.- ได้ที่ https://www.zipeventapp.com/e/ctc2026
Zipevent Co.,Ltd.
