Block ของ Jack Dorsey อดีต CEO Twitter กำลังสร้าง…
สิ่งที่ Block กำลังท้าทายคือความเชื่อพื้นฐานของโลกธุรกิจว่า บริษัทต้องมีลำดับชั้นเพื่อให้คนจำนวนมากทำงานร่วมกันได้ แต่จริง ๆ แล้ว hierarchy เกิดขึ้นเพราะ “ข้อจำกัดของมนุษย์” ทั้งเรื่องความจำ การรับรู้ และจำนวนคนที่ดูแลได้ในเวลาเดียวกัน 
ลองนึกภาพองค์กรแบบเดิม
• คนหน้างานทำ → รายงานสถานะ
• ผู้จัดการ → รวบรวม + แปลข้อมูล
• ผู้บริหาร → ตัดสินใจ
• แล้วส่งคำสั่งลงมา
ทั้งระบบคือ pipeline ของ “การส่งข้อมูล” มากกว่าสร้างคุณค่าใหม่
ปัญหาคือ
• layer ยิ่งเยอะ → ข้อมูลยิ่งช้า
• context หายระหว่างทาง
• การตัดสินใจ delay
Block เลยมองว่า bottleneck จริงขององค์กรใหญ่คือ “coordination” ไม่ใช่ “productivity”
แล้วอะไรเปลี่ยนในวันนี้
โดยเฉพาะบริษัทแบบ remote-first อย่าง Block ทุกอย่างกลายเป็น digital trace
• การคุย → มี log
• งาน → มี history
• การตัดสินใจ → ถูกบันทึก
• progress → track ได้
ข้อมูลทั้งหมดกลายเป็นสิ่งที่ AI อ่านและเข้าใจได้
คำถามคือ ถ้า AI เห็นภาพรวมทั้งหมดแบบ real-time แล้ว ยังต้องมีคนคอยส่งสถานะขึ้นลงอีกไหม
นี่คือจุดเริ่มของสิ่งที่ Block สร้าง
Company World Model
มันไม่ใช่ dashboard ธรรมดา แต่คือ “ภาพความเข้าใจของทั้งบริษัท”
• รู้ว่าอะไรเกิดขึ้น
• รู้ว่าอะไรติด
• รู้ว่าคอขวดอยู่ตรงไหน
• รู้ว่า resource ถูกใช้ยังไง
• รู้ว่าอะไรสร้าง impact จริง
และอัปเดตตลอดเวลา ไม่ต้องรอรายงาน
พูดง่าย ๆ คือ สิ่งที่ผู้จัดการเคยต้อง “คอยตาม คอยจำ คอยถาม”
ถูกย้ายไปอยู่ในระบบแทน
อีกด้านหนึ่งคือ
Customer World Model
จุดแข็งของ Block คือเห็น “พฤติกรรมการเงินจริง”
• ลูกค้าซื้ออะไร
• ร้านค้าขายได้เท่าไหร่
• cash flow เป็นยังไง
• ใครเริ่มมีปัญหา
ข้อมูลนี้ไม่ใช่ opinion แต่เป็น fact ที่เกิดขึ้นจริง 
และที่สำคัญคือ Block เห็นทั้งสองฝั่ง
• ฝั่งผู้ซื้อ (Cash App)
• ฝั่งผู้ขาย (Square)
เลยได้ภาพที่ลึกมาก
เมื่อ Company World Model + Customer World Model เชื่อมกัน
จะเกิดสิ่งที่เป็นหัวใจของทั้งหมด
Intelligence Layer
หน้าที่ของมันคือ
• เอา capability ต่าง ๆ (payment, lending, payroll ฯลฯ)
• มาประกอบเป็น solution
• ให้ “ถูกคน ถูกเวลา ถูกสถานการณ์”
แบบอัตโนมัติ
วิธีคิดเปลี่ยนทันที
จากเดิม
• ทีม product คิด → วาง roadmap → build → launch
กลายเป็น
• AI เห็น situation → compose → deploy
แบบ realtime
ตัวอย่าง
• ร้านค้ากำลังจะเงินตึง
→ AI จัด loan + repayment plan ให้ก่อนเกิดปัญหา
• user มี pattern บอกว่าอาจย้ายเมือง
→ AI setup การเงินใหม่ให้ทันที
นี่ไม่ใช่ automation ธรรมดา
แต่มันคือ “การตัดสินใจ + การลงมือทำ” ในระบบเดียวกัน
อีกส่วนที่สำคัญมากคือ capability
Block ไม่ได้สร้าง “โปรดักต์” เป็นชิ้น ๆ
แต่สร้างเป็น building blocks
• payment
• lending
• payroll
• card
• banking
แต่ละอย่างไม่มี UI ของตัวเอง
เป็นเหมือน LEGO ที่รอถูกประกอบ
ความฉลาดจริง ๆ อยู่ที่ “การประกอบ” ไม่ใช่ตัว feature
และนี่คือหน้าที่ของ Intelligence Layer
อีก insight ที่ลึกมากคือเรื่อง roadmap
ในโมเดลนี้
• ถ้า AI ประกอบได้ → งานสำเร็จ
• ถ้าประกอบไม่ได้ → ช่องว่างนั้น = roadmap
แปลว่า roadmap ไม่ได้มาจากการ brainstorm
แต่มาจาก “สิ่งที่ระบบพยายามทำแล้วทำไม่ได้”
นี่คือ shift จาก
• คิดก่อน → ทำ
ไปเป็น
• เจอของจริง → แล้วค่อยสร้าง
แล้วบทบาทของคนเปลี่ยนยังไง
Block แบ่ง role ใหม่แบบชัดเจน
• Individual Contributors (IC)
= คนที่ลงมือสร้างระบบ โมเดล และ capability ต่าง ๆ
มี context ครบจาก world model ไม่ต้องรอคำสั่ง
• Directly Responsible Individual (DRI)
= คนที่รับผิดชอบปัญหาหนึ่งแบบ end-to-end
เช่น แก้ churn ของลูกค้ากลุ่มหนึ่ง
• Player-Coach
= คนที่ยังทำงานจริง แต่โฟกัสพัฒนาคน
สิ่งที่หายไปคือ middle management แบบเดิม
เพราะงานหลักของมันคือ
• update status
• align งาน
• ส่งข้อมูล
ซึ่ง AI ทำได้เร็วและแม่นกว่า
แต่คนยังสำคัญมากในสิ่งที่ AI ยังทำไม่ได้
• judgment
• creativity
• ethics
• context ทางสังคม
• trust
Block เรียกจุดนี้ว่า “edge”
คือจุดที่ระบบต้องเจอกับโลกจริง
และคนต้องเป็นคนตัดสินใจ
อีก insight ที่ลึกมากคือเรื่อง constraint
ตลอด 2,000 ปีที่ผ่านมา
องค์กรติดข้อจำกัดเดียวกัน
• คนดูแลคนได้จำกัด (span of control)
• คนเยอะ → ต้องเพิ่ม layer
• layer เพิ่ม → ข้อมูลช้า
ไม่มีใครแก้ได้จริง
แม้แต่ model ใหม่ ๆ อย่าง Spotify squad, Valve หรือ holacracy
สุดท้ายก็ต้องมี hierarchy กลับมาบางส่วน
เพราะไม่มีระบบที่ทำ “coordination” แทนคนได้จริง
AI คือครั้งแรกที่มีโอกาสนั้น
เพราะมันสามารถ
• เห็นภาพทั้งองค์กร
• อัปเดต realtime
• route ข้อมูลทันที
• ทำให้ทุกคนมี context เท่ากัน
นี่คือการ break constraint ที่อยู่มานานมาก
แต่ก็มีความเสี่ยงจริง
• accountability → AI พลาด ใครรับผิดชอบ
• incentive → การเมืองในองค์กรยังมี
• data → บริษัทส่วนใหญ่ไม่มี data ดีพอ
• adoption → คนจะเชื่อระบบไหม
และอีกจุดที่ต้องพูดตรง ๆ
Block เพิ่งลดพนักงานจำนวนมากก่อน push แนวคิดนี้
เลยมีทั้งมุมที่มองว่า
• นี่คืออนาคตจริง
หรือ
• นี่คือ narrative รองรับ cost cutting
สุดท้ายต้องดู execution
สรุปแบบชัด ๆ
ตอนนี้ Block ใช้ AI แบบนี้ “ภายในองค์กร” เพื่อ transform ตัวเองก่อน 
ยังไม่ได้ขายเป็น product ภายนอก
แต่ถ้าทำสำเร็จ
สิ่งที่จะเกิดขึ้นคือ
• บริษัทเล็กลง แต่เร็วขึ้น
• การตัดสินใจ realtime มากขึ้น
• product กลายเป็น dynamic system
• roadmap มาจาก reality ไม่ใช่ assumption
และในระยะยาว
Block อาจกลายเป็น
• intelligent financial infrastructure
• ที่ประกอบบริการให้ลูกค้าแบบอัตโนมัติ
ในมุมผม สิ่งที่น่าสนใจที่สุดไม่ใช่ AI เก่งขึ้น
แต่คือคำถามใหม่ที่มันเปิด
“ถ้าวันหนึ่งข้อมูลไหลได้ทันที และระบบเข้าใจทุกอย่างได้ตลอดเวลา
เรายังต้องสร้างองค์กรแบบเดิมอยู่ไหม”
ที่ผ่านมาเราสร้างบริษัทตามข้อจำกัดของมนุษย์
แต่วันนี้ constraint นั้นเริ่มหายไป
และ Block คือหนึ่งในบริษัทแรก ๆ ที่กำลังลองสร้างคำตอบใหม่ตั้งแต่ศูนย์
อยากใช้ AI กับงานจริงเป็นระบบ?
เรียน Claude Method — วิธีคิดและลงมือใช้ Claude/AI กับงานจริง ตั้งแต่วันแรก
📍 โพสต้นฉบับบน Facebook: AI กับ Peesamac