สตาร์ตอัปการเติบโตแบบทบต้นที่กินยา AI

• จากการเข้าไปเยี่ยมชม บริษัท AI-native ในซานฟรานซิสโกด้วยตนเองและสังเกตวิธีทำงานจริง พบว่ากำลังก่อรูปโมเดลการดำเนินงานแบบใหม่ที่แตกต่างจากสตาร์ตอัปเดิมอย่างรากฐาน ตั้งแต่การหายไปของบทบาทผู้จัดการผลิตภัณฑ์ (PM) ไปจนถึงการเร่งความเร็วในการทดลองทั้งองค์กร
• ใน 5 บริษัทที่เข้าไปเยี่ยมชม มี PM เฉพาะทางเพียง 1 คนเท่านั้น และกำลังเปลี่ยนไปสู่โครงสร้างที่วิศวกร พูดคุยกับลูกค้าโดยตรงและรับผิดชอบการตัดสินใจด้านผลิตภัณฑ์ทั้งหมด
• เมื่ออะไรก็สร้างได้ภายในวันเดียว แรงล่อใจของการพยายามทำทุกคำขอให้เป็นจริงแบบ 'feature factory' ได้กลายเป็นความเสี่ยงเชิงกลยุทธ์ที่ใหญ่ที่สุด
• เทคสแตกกำลังบรรจบไปที่ Slack, Claude Code, GitHub, Codex และ Linear โดย Slack ทำหน้าที่เป็นฮับหลักสำหรับการ orchestration ของเอเจนต์
• จากต้นทุนการทดลองที่พังทลายลง บริษัทต่าง ๆ กำลังทำรอบการทำซ้ำได้เร็วขึ้น 3~5 เท่า และช่องว่างระหว่างบริษัทที่ฝัง AI เข้าไปแล้วกับบริษัทที่ยังอยู่ในขั้นถกเถียงเรื่องกลยุทธ์กำลังกว้างขึ้นทุกสัปดาห์

---

การหายไปของบทบาท PM

• จาก 5 บริษัทที่ไปเยี่ยมชมในวันเดียว มี PM เฉพาะทางเพียง 1 คนเท่านั้น แม้จะรวมบริษัทขนาด 40 คนแล้วก็ตาม
• วิศวกรพูดคุยกับลูกค้าทุกวัน และ เป็นเจ้าของการตัดสินใจด้านผลิตภัณฑ์ด้วยตัวเองตั้งแต่ต้นจนจบ
• นี่ไม่ใช่การที่ PM ถูก “ช่วยงาน” แต่เป็นปรากฏการณ์ที่บทบาทนั้นเอง ถูกดูดซับเข้าไปในวิศวกรรมและดีไซน์

ผลข้างเคียงที่อันตรายที่สุด: feature factory

• เมื่อสามารถสร้างคำขอของลูกค้าได้ภายในวันเดียว แรงล่อใจที่จะสร้างทุกอย่างก็เพิ่มสูงขึ้นอย่างท่วมท้น
• หลายบริษัทระบุว่านี่คือ ความเสี่ยงเชิงกลยุทธ์ที่ใหญ่ที่สุด ของตนในตอนนี้
• บริษัทที่รับมือปัญหานี้ได้กำลังกำหนดข้อจำกัดอย่างเข้มงวด
  • เอเจนต์ของบริษัทหนึ่งสามารถ เปลี่ยนได้เฉพาะการตั้งค่าของฟีเจอร์เดิมผ่าน JSON และไม่สามารถสร้างโค้ดแอปพลิเคชันใหม่ได้เลย
  • อีกบริษัทใช้ North Star metric ระดับสควอด เพื่อตัดไอเดียทิ้งก่อนปล่อยใช้งาน
  • หลายบริษัทเน้นย้ำว่าผู้ก่อตั้งต้องเป็นคนตัดสินใจเองว่า ส่วนใดของผลิตภัณฑ์เป็น พื้นที่ที่มีจุดยืนชัดเจน และส่วนใดเป็นพื้นที่ที่ยืดหยุ่นได้
• เมื่อต้นทุนในการลงมือทำเข้าใกล้ศูนย์ รสนิยม (taste) ก็กลายเป็นคูเมือง (moat) แต่ยังไม่มีข้อสรุปว่าจะทำสิ่งนี้ให้เกิดขึ้นในระดับองค์กรอย่างไร

การบรรจบกันของเทคสแตก

• เกือบทุกบริษัทที่ไปเยี่ยมชมใช้สแตกหลักชุดเดียวกัน: Slack, Claude Code, GitHub, Codex สำหรับรีวิวโค้ด และ Linear
• ท่ามกลางวิกฤต SaaS นั้น Linear ไม่เพียงแค่อยู่รอด แต่ยังกำลังสร้าง โรดแมปสู่ความรุ่งเรือง
• Slack กำลังก้าวขึ้นมาเป็น orchestration layer ส่วนกลางของเอเจนต์
  • รีแอ็กชันอีโมจิสร้างตั๋วงานอัตโนมัติ
  • บอตทำรายงานวินิจฉัยและจัดหมวดหมู่ปัญหาของลูกค้า
  • เมื่อแท็กเอเจนต์ในเธรด ก็จะเริ่มงานแก้ไขทันที
• เมื่อ 6 เดือนก่อน Cursor ปรากฏอยู่ในทุกบทสนทนา แต่ตอนนี้ถูกพูดถึงเพียงประปราย
• วิศวกรจำนวนมาก ใช้ชีวิตอยู่ใน Claude Code และมีนักวิจัยคนหนึ่งที่ใช้ทั้ง Cursor และ Claude ควบคู่กัน ก่อนจะถามตัวเองว่าจริง ๆ แล้วทำไมถึงยังต้องมีหน้าต่างที่สอง
• สิ่งที่น่ากังวลสำหรับแพลตฟอร์มเขียนโค้ดคือ วิศวกร แทบไม่มีความภักดีหรือความผูกพันกับเครื่องมือเขียนโค้ดใดเป็นพิเศษ
  • หากไม่ได้ฝึกโมเดลด้วยข้อมูลที่วิศวกรสร้างขึ้น ก็ยากจะรักษามูลค่าระยะยาวไว้ได้ และในจุดนี้ Anthropic อยู่ในตำแหน่งที่ได้เปรียบพร้อมข่าว Mythos

การขยายขีดความสามารถทั้งองค์กร

• ผู้จัดการบัญชีลูกค้าองค์กรขอให้ทีมผลิตภัณฑ์ช่วยทำระบบอัปโหลดบัญชีอัตโนมัติมาหลายเดือนแต่ไม่เคยได้คิว → เมื่อไปขอกับ AI agent ใน Slack ก็แก้ได้ภายใน 1 ชั่วโมง
• ทีมบัญชี เขียน database query ได้เอง และใช้ MCP เพื่อวิเคราะห์ข้อมูลธุรกิจของบริษัท
• Chief of Staff สร้าง ไดเร็กต์เมลและสื่อการตลาดได้ภายใน 30 นาที
• การเปลี่ยนแปลงที่ถูกประเมินค่าต่ำที่สุดไม่ใช่สิ่งที่ AI ทำเพื่อวิศวกร แต่คือสิ่งที่มันทำเพื่อ ทุกคนที่เหลือ

ต้นทุนการทดลองที่พังทลายและผลแบบทบต้น

• นักวิจัยทดลองดีไซน์อินเทอร์เฟซ 10 แบบ แล้วรันแต่ละแบบวันละหนึ่งวันก่อนคัดทิ้ง 9 แบบ
• ดีไซเนอร์สร้างตัวเลือก iteration คู่แข่งหลายแบบ ในแท็บแยกได้ภายใน 6 นาที
• โกรท PM ที่ไม่มีประสบการณ์เขียนโค้ดเลยสามารถสร้าง Meta Ads pipeline ทั้งระบบ ได้ภายใน 2 วัน ทั้ง strategy brief, วิดีโอโฆษณาที่สร้างด้วย AI และการโพสต์อัตโนมัติบน Meta
• มีการทำ customer simulation ด้วย AI ก่อนสัมผัสลูกค้าจริง
  • ทีมหนึ่งสร้าง AI agent ที่เล่นบทเป็นผู้ใช้หลาย persona เพื่อ stress test ผลิตภัณฑ์ โดยไม่ต้องรอ feedback จริง
  • อีกทีมทำรีเสิร์ชอินเทอร์วิวได้ หลายร้อยครั้งต่อสัปดาห์ แทนที่จะเป็น 50 ครั้งต่อไตรมาส
  • บริษัทหนึ่งสร้าง customer persona ที่รวมประวัติการเจรจาทั้งหมด ความชอบในการสื่อสาร และรูปแบบการตัดสินใจ เพื่อนำไปใช้เตรียมตัวสำหรับเซลส์คอล
• บริษัทต่าง ๆ กำลังทำรอบการทำซ้ำได้เร็วขึ้น 3~5 เท่า และความเร็วนี้ปรากฏใน 2 รูปแบบ
  • ทำการทดลองเดียวให้เสร็จเร็วขึ้น จึงทำการทดลองได้มากขึ้นในช่วงเวลาเดียวกัน
  • ทำหลายการทดลอง พร้อมกันแบบขนาน
• ขั้นตอนการสร้างและการเรียนรู้ถูกบีบอัดลงทั่วทั้งองค์กร ทำให้ ความรู้สะสมแบบทบต้น
• การเปลี่ยนแปลงนี้คล้ายกับการที่รูปแบบสงครามเปลี่ยนจากเครื่องบินขับไล่ไปเป็น ฝูงโดรน และสิ่งเดียวกันนี้กำลังเกิดขึ้นกับการดำเนินงานของบริษัท

มุมมองต่อจากนี้

• จะยังคงเดินหน้าเยี่ยมชมบริษัทเพิ่มเติม และเผยแพร่ เคสสตัดดีเชิงลึก ที่มีตัวอย่างเฉพาะเจาะจงมากขึ้น
• ตอนนี้มีรูปแบบที่ชัดเจนแล้ว: ช่องว่างระหว่างบริษัทที่ซึมซับวิธีการแบบนี้เข้าไปแล้ว กับบริษัทที่ยังคงถกเถียงเรื่อง "กลยุทธ์ AI" นั้นใหญ่มาก และกำลังกว้างขึ้นทุกสัปดาห์

[daumkakao]

ช่องว่างระหว่างบริษัทที่ซึมซับแนวทางแบบนี้เข้าไปแล้ว กับบริษัทที่ยังคงถกเถียงเรื่อง "กลยุทธ์ AI" อยู่นั้นใหญ่มากและกำลังห่างออกไปทุกสัปดาห์ ประโยคนี้โดนใจผมมากจริงๆ...ฝั่งเรายังอยู่แค่ขั้นคุยเรื่องกลยุทธ์(??)กันอยู่เลย แบบนี้จะตามไม่ทันเมื่อไหร่กันนะ..คงตามไม่ทันไปแล้วแน่ๆ ฮือ