ไอน้ำ เหล็กกล้า และจิตที่ไร้ขีดจำกัด | CEO Insights

ตลอดสามปีที่ผ่านมา ความเร็วของ AI ทำให้ทุกคนตั้งตัวไม่ทัน เงินทุนไหลเข้ามหาศาล โมเดลภาษาออกเวอร์ชันใหม่อย่างรวดเร็วในปี 2023 และ 2024 แทบทุกไตรมาสจะมี “โมเดลที่เก่งที่สุด” ตัวใหม่ออกมา พอเข้าสู่ปี 2025 และ 2026 สนามรบก็ย้ายไปที่ AI Agent ซึ่งไม่ได้แค่คุยได้ แต่ลงมือทำงานได้เอง

แรงกระแทกของเทคโนโลยีใหม่ไม่เคยลงจอดอย่างนุ่มนวล ตลาดตอนนี้อยู่ในช่วงปรับฐานที่วุ่นวาย มูลค่าบริษัทถูกนิยามใหม่ หุ้นเทคโนโลยีผันผวนรุนแรง ทุกคนวิ่งไล่ตาม AI ทั้งทุ่มเงิน ทำการพิสูจน์แนวคิด (POC) และออกข่าวประชาสัมพันธ์ แต่แทบไม่มีใครเจอวิธีนำไปใช้จริงได้อย่างลงตัว พูดอีกแบบคือ AI ยังหา PMF (Product-Market Fit) ไม่เจอ ปัญหาไม่ได้อยู่ที่เทคโนโลยียังไม่ดีพอ แต่อยู่ที่เรายังไม่รู้ว่าควรใช้มันออกแบบอะไรใหม่

มีบทกวีจีนโบราณบทหนึ่งว่า “อยู่ในภูเขาลูกนี้ แต่เมฆหนาจนไม่รู้ว่าอยู่ตรงไหน” ยิ่งเราอยู่กลางกระแสการเปลี่ยนแปลงทางเทคโนโลยี ก็ยิ่งมองภาพรวมของเทรนด์ได้ยาก ในช่วงเวลานั้นเอง ผมได้อ่านบทความ “Steam, Steel, and Infinite Minds” (ไอน้ำ เหล็กกล้า และจิตที่ไร้ขีดจำกัด) ของ Ivan Zhao ซีอีโอของ Notion เขาไม่รีบทำนายอนาคต แต่ย้อนมองประวัติศาสตร์ ตั้งแต่เหล็กกล้า เครื่องจักรไอน้ำ ไปจนถึงจิตที่ไร้ขีดจำกัด เพื่อมองภาพกว้างว่า AI อยู่ในขั้นไหนของการพัฒนา เขามองว่า ตอนนี้เรายังอยู่ในขั้น “เปลี่ยนกังหันน้ำ” คือเอา AI ไปแปะไว้บนกระบวนการทำงานแบบเดิม แต่ยังไม่มีใครถามจริงจังว่า ถ้าข้อจำกัดเดิมหายไปทั้งหมด องค์กรของเราและอุตสาหกรรมของเราควรเติบโตไปเป็นรูปแบบไหน

คำถามนี้คุ้มค่าที่ผู้บริหารทุกคนที่กำลังวางกลยุทธ์ AI จะหยุดคิดสักครู่ ด้านล่างคือคำแปลบทความต้นฉบับของ Ivan แนะนำให้ใช้เวลา 10 นาทีอ่านให้จบ

👉 อ่านบทความต้นฉบับ “Steam, Steel, and Infinite Minds” ของ Ivan Zhao

---

สารบัญ

• ไอน้ำ เหล็กกล้า และจิตที่ไร้ขีดจำกัด
• ระดับบุคคล: จากจักรยานสู่รถยนต์
• ระดับองค์กร: เหล็กกล้าและไอน้ำ
• ระดับเศรษฐกิจ: จากฟลอเรนซ์สู่มหานคร
• ก้าวข้ามกังหันน้ำ
• บทสรุปจากผู้เขียน

ไอน้ำ เหล็กกล้า และจิตที่ไร้ขีดจำกัด

แปลจากบทความของ Ivan Zhao (@ivanhzhao) วันที่ 23 ธันวาคม 2025

ทุกยุคสมัยถูกหล่อหลอมด้วย “วัสดุมหัศจรรย์” อย่างหนึ่ง เหล็กกล้าหลอมสร้างยุคทอง (Gilded Age) เซมิคอนดักเตอร์จุดประกายยุคดิจิทัล และวันนี้ AI ได้มาถึงในฐานะ “จิตที่ไร้ขีดจำกัด” ประวัติศาสตร์บอกเราว่า ใครครองวัสดุมหัศจรรย์ของยุคนั้นได้ คนนั้นคือผู้กำหนดยุคสมัย

ซ้าย: แอนดรูว์ คาร์เนกี ในวัยรุ่นกับน้องชาย ขวา: โรงงานเหล็กในพิตต์สเบิร์กช่วงยุคทอง

ในทศวรรษ 1850 แอนดรูว์ คาร์เนกี (Andrew Carnegie) ยังเป็นเด็กส่งโทรเลขที่วิ่งไปตามถนนโคลนของพิตต์สเบิร์ก ตอนนั้นชาวอเมริกันหกในสิบคนเป็นเกษตรกร แต่ใช้เวลาไม่ถึงสองรุ่นคน คาร์เนกีและคนรุ่นเดียวกันก็หลอมสร้างโลกสมัยใหม่ขึ้นมา ม้าหลีกทางให้รถไฟ แสงเทียนหลีกทางให้ไฟฟ้า เหล็กหล่อหลีกทางให้เหล็กกล้า

นับจากนั้น งานก็ย้ายจากโรงงานเข้าสู่สำนักงาน วันนี้ผมบริหารบริษัทซอฟต์แวร์ในซานฟรานซิสโก สร้างเครื่องมือให้คนทำงานสายความรู้หลายล้านคน ในเมืองแห่งอุตสาหกรรมนี้ ทุกคนพูดถึง AGI แต่คนทำงานโต๊ะสองพันล้านคนทั่วโลกส่วนใหญ่ยังไม่รู้สึกถึงการมีอยู่ของมันด้วยตัวเอง อนาคตของงานสายความรู้จะหน้าตาเป็นอย่างไร จะเกิดอะไรขึ้นเมื่อโครงสร้างองค์กรรับเอาจิตที่ไม่เคยหลับใหลเข้ามา

ภาพยนตร์ยุคแรกมักดูเหมือนละครเวที ถ่ายด้วยกล้องตัวเดียวที่จ่อไปยังเวที

อนาคตนี้คาดเดายาก เพราะมันมักปลอมตัวมาในรูปของอดีต การโทรศัพท์ยุคแรกสั้นกระชับเหมือนโทรเลข ภาพยนตร์ยุคแรกดูเหมือนการบันทึกละครเวที (นี่คือสิ่งที่มาร์แชล แมคลูฮัน (Marshall McLuhan) เคยกล่าวไว้ว่า “เรามักขับรถมุ่งสู่อนาคตโดยมองผ่านกระจกมองหลัง”)

รูปแบบ AI ที่นิยมที่สุดในวันนี้ดูเหมือน Google Search ในอดีต ขอยืมคำของ Marshall McLuhan ว่า “เรามักขับรถมุ่งสู่อนาคตโดยมองผ่านหน้าต่างด้านหลัง”

วันนี้ รูปแบบ AI ที่นิยมที่สุดอย่างแชตบอตดูเหมือนช่องค้นหา เป็นเงาสะท้อนของ Google ยุคเก่า เรากำลังติดอยู่ในช่วงเปลี่ยนผ่านที่ชวนอึดอัด ซึ่งเกิดขึ้นทุกครั้งที่มีการเปลี่ยนผ่านทางเทคโนโลยี

ผมไม่ได้มีคำตอบทุกข้อ แต่ผมชอบยืมอุปมาทางประวัติศาสตร์มาคิดว่า AI จะส่งผลอย่างไรในแต่ละระดับ ตั้งแต่ตัวบุคคล ไปจนถึงองค์กร และเศรษฐกิจโดยรวม

---

ระดับบุคคล: จากจักรยานสู่รถยนต์

สัญญาณแรกสุดปรากฏขึ้นในกลุ่ม “นักบวชชั้นสูง” ของงานสายความรู้ นั่นคือโปรแกรมเมอร์

Simon ผู้ร่วมก่อตั้งของผม เคยเป็นสิ่งที่เราเรียกว่า “วิศวกร 10 เท่า” แต่ตอนนี้เขาแทบไม่ได้เขียนโค้ดเองแล้ว ถ้าเดินผ่านโต๊ะเขา คุณจะเห็นเขาสั่งงาน AI coding agent สามสี่ตัวพร้อมกัน พวกมันไม่ได้แค่พิมพ์เร็วขึ้น แต่ยังคิดเป็นด้วย นั่นทำให้เขากลายเป็นวิศวกร 30 ถึง 40 เท่า เขาจัดคิวงานไว้ก่อนพักเที่ยงหรือก่อนนอน แล้วปล่อยให้ agent ทำงานต่อขณะที่เขาไม่อยู่ เขากลายเป็นผู้จัดการของจิตที่ไร้ขีดจำกัดไปแล้ว

งานวิจัยเรื่องประสิทธิภาพการเคลื่อนที่ใน Scientific American ช่วงทศวรรษ 1970 เป็นแรงบันดาลใจให้ Steve Jobs เปรียบคอมพิวเตอร์ว่าเป็น “จักรยานสำหรับจิตใจ” อันโด่งดัง เพียงแต่เราปั่นจักรยานอยู่บนทางด่วนข้อมูลมาหลายสิบปีแล้ว

ในทศวรรษ 1980 สตีฟ จ็อบส์ (Steve Jobs) เรียกคอมพิวเตอร์ส่วนบุคคลว่า “จักรยานสำหรับจิตใจ” สิบปีต่อมา เราสร้าง “ทางด่วนข้อมูล” ซึ่งก็คืออินเทอร์เน็ต แต่จนถึงทุกวันนี้ งานสายความรู้ส่วนใหญ่ยังขับเคลื่อนด้วยแรงคน เหมือนเรากำลังปั่นจักรยานอยู่บนทางด่วน

เมื่อมี AI agent คนอย่าง Simon ก็อัปเกรดจากการปั่นจักรยานไปเป็นการขับรถยนต์แล้ว

แล้วคนทำงานสายความรู้กลุ่มอื่นจะได้ขับรถเมื่อไร มีปัญหาสองข้อที่ต้องแก้ให้ได้ก่อน

ทำไม AI ช่วยงานสายความรู้ได้ยากกว่างานเขียนโค้ด เพราะงานสายความรู้กระจัดกระจายกว่าและตรวจสอบได้ยากกว่า

ข้อแรกคือ บริบทที่กระจัดกระจาย (context fragmentation) ในการเขียนโปรแกรม เครื่องมือและบริบทมักรวมอยู่ในที่เดียว คือ IDE, รีโพสิทอรี และเทอร์มินัล แต่งานสายความรู้ทั่วไปกระจายอยู่ในเครื่องมือหลายสิบตัว ลองนึกภาพ AI agent ที่ต้องร่างบรีฟสินค้า มันต้องดึงข้อมูลจากเธรดใน Slack เอกสารกลยุทธ์ ข้อมูลบนแดชบอร์ดของไตรมาสก่อน และความทรงจำขององค์กรที่อยู่แค่ในหัวของใครบางคน ทุกวันนี้ มนุษย์คือกาวที่เชื่อมทุกอย่างเข้าด้วยกัน ด้วยการคัดลอก วาง และสลับแท็บเบราว์เซอร์ ตราบใดที่บริบทยังไม่ถูกรวมเป็นหนึ่งเดียว agent ก็จะยังติดอยู่กับกรณีการใช้งานที่แคบ

ส่วนที่ขาดหายไปข้อที่สองคือ การตรวจสอบได้ (verifiability) โค้ดมีคุณสมบัติมหัศจรรย์อย่างหนึ่ง คือคุณตรวจสอบมันได้ด้วยการทดสอบและข้อความแจ้งข้อผิดพลาด ผู้พัฒนาโมเดลใช้จุดนี้ฝึก AI ด้วยการเรียนรู้แบบเสริมกำลัง ให้เขียนโค้ดเก่งขึ้นเรื่อยไป แต่คุณจะตรวจสอบได้อย่างไรว่าโปรเจกต์หนึ่งบริหารได้ดีหรือไม่ บันทึกกลยุทธ์ฉบับหนึ่งดีพอหรือเปล่า เรายังหาวิธีให้โมเดลพัฒนาต่อเนื่องในงานสายความรู้ทั่วไปไม่ได้ มนุษย์จึงยังต้องอยู่ในวงจร คอยกำกับ ชี้ทิศทาง และทำให้ดูว่าอะไรคือ “ดี”

กฎหมายธงแดง (Red Flag Act) ปี 1865 กำหนดให้มีคนถือธงเดินนำหน้ายานพาหนะขณะแล่น (ยกเลิกในปี 1896) นี่คือตัวอย่างของ “มนุษย์ในวงจร” ที่ไม่ได้ดีนัก

ปีนี้ จากพัฒนาการของ coding agent เราได้เรียนรู้ว่า “มนุษย์ในวงจร” (human in the loop) ไม่ได้ดีที่สุดเสมอไป มันเหมือนการให้คนตรวจน็อตทีละตัวบนสายพานการผลิต หรือให้คนถือธงเดินนำหน้ารถยนต์ (ดูกฎหมายธงแดงปี 1865) เราอยากให้มนุษย์กำกับดูแลทั้งวงจรจากจุดสูงที่มีแรงงัด ไม่ใช่ติดอยู่ข้างใน เมื่อบริบทถูกรวมเป็นหนึ่งและงานตรวจสอบได้ คนทำงานหลายพันล้านคนจะอัปเกรดจากปั่นจักรยานเป็นขับรถ แล้วจากขับรถเป็นรถขับเคลื่อนอัตโนมัติ

---

ระดับองค์กร: เหล็กกล้าและไอน้ำ

บริษัทเป็นสิ่งประดิษฐ์ที่เพิ่งเกิดขึ้นไม่นาน บริษัทเสื่อมถอยลงเมื่อขยายขนาด และสุดท้ายย่อมชนเพดาน

แผนผังองค์กรของบริษัทรถไฟนิวยอร์กและอีรีในปี 1855 บริษัทสมัยใหม่และแผนผังองค์กรพัฒนาขึ้นพร้อมกับบริษัทรถไฟ ซึ่งเป็นธุรกิจกลุ่มแรกที่ต้องประสานงานคนนับพันข้ามระยะทางไกล

หลายร้อยปีก่อน บริษัทส่วนใหญ่เป็นโรงงานขนาดเล็กที่มีคนสิบกว่าคน วันนี้เรามีบริษัทข้ามชาติที่มีพนักงานหลายแสนคน สมองมนุษย์ในฐานะโครงสร้างพื้นฐานด้านการสื่อสาร ที่เชื่อมกันด้วยการประชุมและข้อความ กำลังรับภาระที่เพิ่มขึ้นแบบทวีคูณจนแทบไม่ไหว เราพยายามแก้ด้วยลำดับชั้น กระบวนการ และเอกสาร แต่เราใช้เครื่องมือขนาดมนุษย์มาแก้ปัญหาขนาดอุตสาหกรรมมาตลอด เหมือนสร้างตึกระฟ้าด้วยไม้

อุปมาทางประวัติศาสตร์สองเรื่องแสดงให้เห็นว่า ด้วยวัสดุมหัศจรรย์ชนิดใหม่ องค์กรในอนาคตอาจมีหน้าตาแตกต่างไปโดยสิ้นเชิง

ปาฏิหาริย์ของเหล็กกล้า: เมื่ออาคาร Woolworth สร้างเสร็จในนิวยอร์กซิตี้ปี 1913 อาคารนี้คืออาคารที่สูงที่สุดในโลกในเวลานั้น

เรื่องแรกคือ เหล็กกล้า ก่อนมีเหล็กกล้า อาคารในศตวรรษที่ 19 สร้างได้สูงสุดเพียงหกเจ็ดชั้น เหล็กหล่อแข็งแต่เปราะ ยิ่งต่อเติมชั้นมาก โครงสร้างก็ยิ่งพังลงด้วยน้ำหนักของตัวเอง เหล็กกล้าเปลี่ยนทุกอย่าง มันทั้งแข็งแรงและยืดหยุ่น โครงจึงเบาลง ผนังบางลงได้ และทันใดนั้นอาคารก็สูงขึ้นไปได้หลายสิบชั้น อาคารประเภทใหม่ทั้งหมดจึงเป็นไปได้

AI สำหรับองค์กร ก็เหมือนเหล็กกล้าสำหรับงานสถาปัตยกรรม มันมีศักยภาพที่จะรักษาบริบทตลอดทั้งกระบวนการทำงาน ดึงประเด็นที่ต้องตัดสินใจขึ้นมาเมื่อจำเป็น และกรองสิ่งรบกวนออกไป การสื่อสารของมนุษย์ไม่จำเป็นต้องเป็นผนังรับน้ำหนักอีกต่อไป การประชุมปรับความเข้าใจสองชั่วโมงทุกสัปดาห์อาจกลายเป็นการเช็กแบบ async ห้านาที การตัดสินใจระดับสูงที่ต้องผ่านการอนุมัติสามชั้น อาจทำเสร็จได้ในไม่กี่นาทีในอีกไม่ช้า บริษัทจะขยายขนาดได้จริง โดยไม่ต้องยอมรับความเสื่อมถอยที่เราเคยคิดว่าเป็นเรื่องธรรมดา

โรงโม่ที่ขับเคลื่อนด้วยกังหันน้ำ พลังน้ำแม้จะแรงแต่ไม่สม่ำเสมอ ทำให้โรงโม่ถูกจำกัดอยู่ในไม่กี่ทำเล และขึ้นอยู่กับฤดูกาล

เรื่องที่สองคือ เครื่องจักรไอน้ำ ช่วงต้นของการปฏิวัติอุตสาหกรรม โรงงานทอผ้ายุคแรกตั้งอยู่ริมแม่น้ำและขับเคลื่อนด้วยกังหันน้ำ เมื่อเครื่องจักรไอน้ำเกิดขึ้น เจ้าของโรงงานในตอนแรกแค่เปลี่ยนกังหันน้ำเป็นเครื่องจักรไอน้ำ ส่วนอย่างอื่นยังเหมือนเดิม ผลิตภาพจึงเพิ่มขึ้นเพียงเล็กน้อย

จุดเปลี่ยนที่แท้จริงเกิดขึ้นเมื่อเจ้าของโรงงานตระหนักว่าพวกเขา ไม่ต้องพึ่งแม่น้ำอีกต่อไป พวกเขาสร้างโรงงานที่ใหญ่ขึ้นใกล้แรงงาน ท่าเรือ และวัตถุดิบ แล้วออกแบบทั้งโรงงานใหม่โดยมีเครื่องจักรไอน้ำเป็นศูนย์กลาง (ต่อมาเมื่อมีไฟฟ้า เจ้าของโรงงานก็กระจายศูนย์ไปอีกขั้น เลิกพึ่งเพลาส่งกำลังกลางเพียงเพลาเดียว แล้ววางมอเตอร์ขนาดเล็กไว้ข้างเครื่องจักรแต่ละตัว) ผลิตภาพจึงพุ่งทะยาน และการปฏิวัติอุตสาหกรรมครั้งที่สองก็ออกตัวอย่างแท้จริง

ภาพพิมพ์ปี 1835 โดย Thomas Allom แสดงโรงงานทอผ้าที่ขับเคลื่อนด้วยเครื่องจักรไอน้ำในแลงคาเชียร์ ประเทศอังกฤษ

ตอนนี้เรายังอยู่ในขั้น “เปลี่ยนกังหันน้ำ” แชตบอต AI ถูกยัดเข้าไปในเครื่องมือเดิมที่ออกแบบมาเพื่อมนุษย์ เรายังไม่ได้จินตนาการใหม่ว่า เมื่อข้อจำกัดเดิมหายไป เมื่อบริษัทดำเนินงานบนจิตที่ไร้ขีดจำกัดซึ่งไม่เคยหลับใหล องค์กรจะมีหน้าตาแบบไหน

ที่ Notion บริษัทของผม เราเริ่มทดลองแล้ว นอกจากพนักงาน 1,000 คน ยังมี agent มากกว่า 700 ตัวที่จัดการงานซ้ำซาก ทั้งจดบันทึกการประชุม ตอบคำถามเพื่อรวบรวมความรู้แฝงในองค์กร จัดการคำขอด้าน IT บันทึกความคิดเห็นของลูกค้า ช่วยพนักงานใหม่ทำความเข้าใจสวัสดิการ และเขียนรายงานสถานะประจำสัปดาห์ เพื่อให้ไม่มีใครต้องเหนื่อยคัดลอกและวางอีก ทั้งหมดนี้เป็นเพียงจุดเริ่มต้น พื้นที่การเติบโตที่แท้จริงถูกจำกัดด้วยจินตนาการและความเฉื่อยของเราเท่านั้น

---

ระดับเศรษฐกิจ: จากฟลอเรนซ์สู่มหานคร

เหล็กกล้าและไอน้ำไม่ได้เปลี่ยนแค่อาคารและโรงงาน แต่เปลี่ยนเมืองทั้งเมือง

หลายร้อยปีก่อน เมืองมีขนาดตามสเกลของมนุษย์ คุณเดินข้ามฟลอเรนซ์ได้ในสี่สิบนาที จังหวะชีวิตถูกกำหนดด้วยระยะที่คนหนึ่งเดินไปถึง และระยะที่เสียงหนึ่งส่งไปถึง

ต่อมา โครงเหล็กกล้าทำให้ตึกระฟ้าเป็นไปได้ รถไฟที่ขับเคลื่อนด้วยเครื่องจักรไอน้ำเชื่อมใจกลางเมืองเข้ากับพื้นที่รอบนอก ลิฟต์ รถไฟใต้ดิน และทางด่วนตามมาทีละอย่าง เมืองเติบโตแบบก้าวกระโดดทั้งขนาดและความหนาแน่น โตเกียว ฉงชิ่ง ดัลลัส

เมืองเหล่านี้ไม่ใช่แค่ฟลอเรนซ์ที่ใหญ่ขึ้น แต่เป็นวิถีชีวิตที่ต่างออกไปโดยสิ้นเชิง มหานครทำให้คนหลงทิศ ไร้ตัวตน และควบคุมได้ยาก ความ “อ่านไม่ออก” นี้คือราคาของขนาด แต่ก็ให้โอกาสและอิสระมากกว่า ผู้คนมากขึ้นทำสิ่งที่หลากหลายมากขึ้นในรูปแบบผสมผสานที่หลากหลายขึ้น เกินกว่าที่เมืองยุคเรอเนซองส์ขนาดมนุษย์จะรองรับได้

ผมเชื่อว่าเศรษฐกิจฐานความรู้กำลังจะผ่านการเปลี่ยนแปลงแบบเดียวกัน

วันนี้ งานสายความรู้คิดเป็นเกือบครึ่งหนึ่งของ GDP สหรัฐฯ แต่ส่วนใหญ่ยังดำเนินไปในสเกลของมนุษย์ ทีมละไม่กี่สิบคน จังหวะงานที่ขับเคลื่อนด้วยการประชุมและอีเมล องค์กรที่เริ่มพังเมื่อเกินไม่กี่ร้อยคน เรายังสร้างฟลอเรนซ์ด้วยหินและไม้อยู่

เมื่อ AI agent ออนไลน์ในวงกว้าง เราจะเริ่มสร้างโตเกียว องค์กรที่ครอบคลุม agent และมนุษย์นับพัน กระบวนการทำงานที่เดินต่อเนื่องข้ามเขตเวลาโดยไม่ต้องรอใครตื่น และโครงสร้างที่มี “มนุษย์ในวงจร” ในปริมาณที่พอดีคอยสังเคราะห์การตัดสินใจ

สิ่งนี้จะให้ความรู้สึกแปลกใหม่ เร็วกว่า มีแรงงัดมากกว่า แต่ช่วงแรกก็ชวนหลงทิศมากกว่า จังหวะการประชุมประจำสัปดาห์ รอบการวางแผนรายไตรมาส การประเมินผลงานประจำปี ทั้งหมดนี้อาจใช้ไม่ได้อีกต่อไป จังหวะใหม่จะเกิดขึ้น เราสูญเสียความชัดเจนไปบ้าง เพื่อแลกกับขนาดและความเร็ว

---

ก้าวข้ามกังหันน้ำ

วัสดุมหัศจรรย์ทุกชนิดต้องการใครสักคนที่เลิกมองโลกผ่านกระจกมองหลัง แล้วเริ่มจินตนาการถึงความเป็นไปได้ใหม่ทั้งหมด คาร์เนกีมองเหล็กกล้าแล้วเห็นเส้นขอบฟ้าของเมือง เจ้าของโรงงานในแลงคาเชียร์มองเครื่องจักรไอน้ำแล้วเห็นโรงงานที่ไม่ต้องพึ่งแม่น้ำอีกต่อไป

เรายังอยู่ในขั้นกังหันน้ำของ AI ฝืนแปะแชตบอตลงบนกระบวนการทำงานที่ออกแบบมาเพื่อมนุษย์ เราต้องเลิกขอให้ AI เป็นแค่ผู้ช่วยนักบินของเรา เราต้องจินตนาการว่า เมื่อองค์กรของมนุษย์ถูกเสริมด้วยเหล็กกล้า และงานจุกจิกถูกส่งต่อให้จิตที่ไม่เคยหลับใหล งานสายความรู้จะมีหน้าตาเป็นอย่างไร

เหล็กกล้า ไอน้ำ จิตที่ไร้ขีดจำกัด

เส้นขอบฟ้าถัดไปอยู่ตรงนั้นแล้ว รอให้เราลงมือสร้าง

---

บทสรุปจากผู้เขียน

การเติบโตย่อมล้มลุกคลุกคลานเสมอ การเปลี่ยนผ่านทางเทคโนโลยียิ่งเป็นเช่นนั้น ไม่มีใครเจอคำตอบที่ดีที่สุดได้ตั้งแต่ครั้งแรก แต่คนที่มุ่งมั่นลองต่อไปจะเจอมันในที่สุด

Ivan บอกว่าตอนนี้ Notion มี agent 700 ตัวทำงานเคียงข้างพนักงาน 1,000 คน นี่คือจุดเริ่มต้น ไม่ใช่เส้นชัย ภายใน OakMega เองเราก็สร้าง agent ไว้หลายตัวเพื่อจัดการงานประจำ พูดตามตรง การใช้ AI ของเราตอนนี้อยู่ในสถานะ “ทำงานสำเร็จได้ แต่ยังไม่ได้ปรับให้มีประสิทธิภาพสูงสุด” ซึ่งเป็นเรื่องปกติ เพราะช่วงสำรวจก็เป็นแบบนี้ เราจึงจะลงทุนกับ AI ต่อไป ลองแล้วลองอีก ล้มแล้วล้มอีก แก้แล้วแก้อีก จนกว่าจะเจอคำตอบที่ดีที่สุด

คำถามไม่ใช่ว่า AI พร้อมหรือยัง แต่คือ คุณพร้อมจะจินตนาการองค์กรของคุณใหม่หรือยัง พร้อมจะลอง ล้ม และแก้ไขซ้ำไปเรื่อยจนกว่าจะเจอคำตอบหรือยัง

แสดงความคิดเห็นมาบอกผมได้เลยว่าคุณคิดอย่างไร

👉 ติดต่อเรา