AI มันเก่งพอจะเป็นผู้ช่วยเราได้จริงแล้ว
AI มันเก่งพอจะเป็นผู้ช่วยเราได้จริงแล้ว — ปัญหาที่เหลืออยู่อย่างเดียว คือคนในองค์กรยังปรับตัวตามไม่ทัน
— คุณแนช จรัญพัฒณ์ บุญยัง, CEO บริษัท รุ่งเรืองตลอดไป (มหาชน) — GLORY เจ้าของแพลตฟอร์มหนังสือออนไลน์ Kawebook
ผมไปฟัง session "ติดสปีด 10X ให้องค์กร ด้วย Claude Cowork & Code" จากงาน Claude Thailand Community Meetup ครั้งที่ 2 มา
session นี้ต่างจากอันอื่นตรงที่ไม่ได้พูดว่า AI ทำอะไรได้บ้าง แต่พูดว่า "จะเอา Claude ไปใช้จริงทั้งองค์กรระดับมหาชนยังไง" — เหมาะมากกับหัวหน้าทีม ผู้บริหาร เจ้าของกิจการ ที่อยากให้ทั้งทีมใช้ AI เป็น ไม่ใช่แค่ตัวเองเล่นคนเดียว มาแชร์ให้ฟังครับ
(Claude Cowork = ตัว agentic ตัวใหม่ของ Anthropic ที่ลงมาทำงานบนไฟล์/โฟลเดอร์ในเครื่องเราได้เลย ออกแบบมาให้คนไม่เขียนโค้ดก็ใช้ได้ / Claude Code = ตัวสายเขียนโปรแกรมที่รันบน terminal — คุณแนชใช้ทั้งคู่ในองค์กร)
1. จาก startup สู่มหาชน — เอา Claude ไปใช้จริง ไม่ใช่แค่ทดลอง
บริษัทรุ่งเรืองตลอดไป (เจ้าของแพลตฟอร์มหนังสือออนไลน์ Kawebook) โตจาก startup จนเข้าตลาดหลักทรัพย์ คุณแนชเลยเล่าจากมุมของคนที่เอา AI ลงไปใช้ในองค์กรจริง ไม่ใช่ทฤษฎีในสไลด์
2. ยุคเปลี่ยนจาก "แชทบอท" เป็น "AI Agent"
เมื่อก่อน AI ในองค์กรคือแชทบอทตอบคำถามไปเรื่อยๆ พอมาถึงยุค AI Agent ที่ฉลาดขึ้น มันทำงานเป็นผู้ช่วยได้จริง ช่วยได้เยอะมหาศาล — แต่ของจริงที่ติดอยู่ไม่ใช่ตรงนี้
3. ปัญหาไม่ใช่ AI ไม่เก่ง แต่คนยัง adopt ไม่ทัน
คุณแนชชี้ว่าสิ่งที่ขวางอยู่ไม่ใช่ความสามารถของ AI แต่คือการปรับตัว — ทั้งตัวพนักงานและตัวองค์กรเอง เทคโนโลยีพร้อมแล้ว แต่คนต้องเรียนรู้ว่าจะใช้มันให้เกิดผลจริงยังไง อันนี้คือคอขวดตัวจริง
4. ทำไมยุค AI ยิ่งทำให้ "ซีเนียร์" สำคัญ
เพราะซีเนียร์คือคนที่รู้ว่างานแบบไหนดี/ไม่ดี ถูก/ผิด หน้าตาผลงานที่ใช้ได้จริงเป็นยังไง — ทักษะนี้แหละที่ทำให้ซีเนียร์ 1 คน manage AI แล้วได้ผลเทียบเท่าจูเนียร์หลายสิบคน คนที่ตรวจงาน AI เป็น = คนที่มีของ
5. เทคนิคหัวใจ: เขียน context ไฟล์เดียว ดีกว่าลุ้นให้ทุกคนเก่ง prompt
แทนที่จะไปลุ้นว่าพนักงานแต่ละคนจะสั่ง AI เก่งไม่เก่ง สู้ให้ซีเนียร์เขียนไฟล์ context ขึ้นมาไฟล์เดียว (เช่น CLAUDE.md — ไฟล์ที่บอก AI ว่าองค์กรเราเป็นใคร ทำงานยังไง มาตรฐานงานคืออะไร) แล้วให้ทั้งทีมใช้ร่วมกัน คุณภาพงานจะนิ่งกว่ากันเยอะ
6. mindset จัดการ AI: ผลรอบแรกคือ "ร่างที่ 1" ไม่ใช่ของเสร็จ
อย่าคาดหวังว่า AI จะออกมา perfect ตั้งแต่รอบเดียว ให้คิดว่าผลรอบแรกคือร่างที่ 1 แล้วเราค่อยๆ สอนมันเพิ่ม — manage AI เหมือน manage คน ค่อยๆ ปั้นให้เข้าที่
7. ผลลัพธ์ที่จับต้องได้: บริษัทเล็กที่ใช้ AI เป็น สู้บริษัทใหญ่ได้
ลดต้นทุน เพิ่มประสิทธิภาพ ลดความเสี่ยง (ตั้ง dashboard ให้เช็คสถานะทุกวันได้) คุณแนชยกภาพว่าบริษัท 60 คนที่ใช้ AI คล่อง สามารถแข่งด้านต้นทุนกับบริษัท 300 คนได้สบาย ถ้าสินค้า/โปรดักต์เท่ากัน
8. use case จริง: งานเอกสารหลากรูปแบบ
transaction ในองค์กรมีทั้งบิล ใบเสร็จ กระดาษเขียนมือ อีเมล PDF สารพัดรูปแบบ — AI ช่วยอ่านและประมวลผลพวกนี้ ลดงานกรอกมือได้เยอะ (แต่งานบัญชี/การเงินยังต้องบอกให้ AI อ้างอิงกฎหมายไทยด้วย และต้องมีมืออาชีพคอยตรวจอยู่ดี ไม่ใช่ปล่อย AI ล้วน)
9. ปิดท้ายด้วยเทคนิคคุมคุณภาพ: ให้ AI ตรวจงาน AI
พอ AI ทำงานหรือเขียนโค้ดเสร็จ อย่าเพิ่งเชื่อทันที — ใช้ AI อีกตัวมา review งานตัวเองก่อน คุณแนชแนะเครื่องมืออย่าง CodeRabbit (ตัวรีวิวโค้ดที่มีโมเดลฝั่ง OpenAI อยู่หลังบ้าน) มาเป็นด่านตรวจ = ให้ AI คนละตัว cross-check กันก่อนส่งงานจริง คุณภาพจะแน่นขึ้นเยอะ
สิ่งที่ผมได้จาก session นี้คือ การเอา AI ไปใช้ในองค์กรไม่ได้ชนะกันที่ใครมีโมเดลแรงกว่า แต่ชนะกันที่ใครวางระบบให้คนทั้งองค์กรใช้ AI ได้เป็นมาตรฐานเดียวกัน — เขียน context ให้ชัด ตั้งซีเนียร์เป็นคนคุมคุณภาพ แล้วให้ AI ตรวจ AI อีกที เทคโนโลยีเก่งแค่ไหน ก็แพ้องค์กรที่ปรับตัวเป็นครับ
ที่มา: YouTube – Claude Thailand Community Meetup ครั้งที่ 2 (Part 1) นาที 2:02:20
https://www.youtube.com/watch?v=FyEJnuvMzms&t=7340s
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac