18 การคาดการณ์เกี่ยวกับ AI และ UX ในปี 2026

• ปีนี้คือปีที่ ช่วงความแปลกใหม่ของ generative AI สิ้นสุดลง และไม่อาจยืนดูอยู่เฉยๆ ได้อีกต่อไป ทั้งในระดับบุคคล องค์กร และอาชีพ ต่างต้อง ปรับตัวอย่างมีเจตนา หรือ เลือกที่จะถูกทิ้งไว้ข้างหลัง
• ศูนย์กลางของการแข่งขันด้าน AI กำลังย้ายไปสู่ เอเจนต์อัตโนมัติ, UI แบบมอบหมายงาน, และอินเทอร์เฟซเชิงกำเนิด ทำให้ซอฟต์แวร์ไม่ใช่เครื่องมือที่รอการคลิกอีกต่อไป แต่กลายเป็น ระบบที่ลงมือทำร่วมกัน
• เมื่อโลกโมเดลแบบหลายโมดัลและ AI เชิงกายภาพแพร่หลาย UI แบบคงที่และเครื่องมือที่มีจุดประสงค์เดียวจะล้าสมัย และ การออกแบบ UX, ความน่าเชื่อถือ, และอินเทอร์เฟซเพื่อการตรวจสอบ จะกลายเป็นคูเมืองธุรกิจสำคัญ
• เมื่อข้อจำกัดด้านคอมพิวต์กลายเป็นเงื่อนไขถาวร ภาวะขาดแคลนการอนุมานและการแบ่งชั้นแบบเสียเงิน·ฟรี จะฝังแน่นขึ้น และการออกแบบผลิตภัณฑ์กับเวิร์กโฟลว์จะถูกจัดโครงสร้างใหม่โดยตั้งต้นจากต้นทุน โควตา และข้อจำกัดด้านความเร็ว
• คุณค่าของมนุษย์จะย้ายออกจากการผลิตผลลัพธ์ ไปสู่ การกำหนดเป้าหมาย การตัดสิน การตรวจสอบ และความรับผิดชอบ และสำหรับคนที่เข้าใจและเตรียมพร้อมต่อการเปลี่ยนผ่านนี้ ปี 2026 จะไม่ใช่ปีแห่งวิกฤต แต่เป็นปีที่น่าตื่นเต้นที่สุด

---

การคาดการณ์ 1: การเร่งความเร็วของการเปลี่ยนแปลงที่ไม่หยุดยั้ง

• การเปลี่ยนแปลงไม่ได้เกิดขึ้นด้วยความเร็วคงที่อีกต่อไป แต่อยู่ในภาวะ เร่งตัว
• CIO คนหนึ่งบอกกับ Deloitte ว่า “เวลาที่ใช้ในการศึกษาว่าเทคโนโลยีใหม่ทำอะไรได้บ้างนั้น ยาวนานกว่าช่วงเวลาที่เทคโนโลยีนั้นยังมีความเกี่ยวข้อง”
• ตาม ข้อมูลจาก METR ขอบเขตเวลาของงานที่ AI สามารถทำได้อย่างอัตโนมัติกำลังขยายตัว
  • ปี 2019 (GPT-2): AI จัดการงานในระดับที่มนุษย์ใช้เวลา 3 วินาที
  • ต้นปี 2025: จัดการงานในระดับที่มนุษย์ใช้เวลา 1.5 ชั่วโมง
  • ปลายปี 2025 (Claude Opus 4.5): ทำงานในระดับที่ผู้เชี่ยวชาญมนุษย์ใช้เวลา ราว 5 ชั่วโมง ได้อย่างอัตโนมัติ
• รอบการเติบโตแบบทวีคูณเร็วขึ้นอีก จาก 7 เดือนเหลือ 4 เดือน
• ภายในสิ้นปี 2026 มีความเป็นไปได้ว่า AI จะทำงานในระดับที่มนุษย์ใช้เวลา 39 ชั่วโมง ได้อย่างอัตโนมัติ
  • หากนับเวลาที่ไม่ใช่งานจริงอย่างการประชุมด้วย ก็ใกล้เคียงกับงาน 1 สัปดาห์ทำการ
• ภายในสิ้นปี 2027 อาจไปถึงระดับที่จัดการงานขนาด สองเดือน ของมนุษย์ได้ภายในราว 1 ชั่วโมง
  • โดยตั้งสมมติฐานว่าต้นทุนคอมพิวต์อยู่ที่ประมาณ $100
• ภายในสิ้นปี 2030 (ช่วงเวลาที่คาดว่า superintelligence จะเกิดขึ้น) อาจไปถึงระดับที่จัดการงานขนาด ราว 100 ปี ของมนุษย์ได้ภายใน 1 วัน
  • คนคนหนึ่งคงไม่ใช้เวลา 100 ปีกับโปรเจกต์เดียว แต่ในระดับทีม งานขนาด 100 คน-ปีก็เป็นไปได้
  • ตัวอย่างของงานระดับ 100 คน-ปี เช่น การถ่ายทำและตัดต่อภาพยนตร์ Bollywood งบประมาณ “ระดับกลาง” ซึ่งปัจจุบันใช้งบ ₹75 crore = ประมาณ ~$9M USD
  • ส่วนภาพยนตร์ Hollywood “ทุนสูง” (ปัจจุบันต้นทุนสร้าง $200M) อาจทำได้ในระดับ 1 วัน·$200 ภายในราวปี 2032
• หากยกตัวอย่างการทำอินโฟกราฟิก Nano Banana Pro สามารถสร้างอินโฟกราฟิกจากบทความได้ภายใน 1 นาที
  • ในเวลา 5 นาที มันสร้างตัวแปรได้ 16 แบบ แต่ครึ่งหนึ่งมีข้อผิดพลาดมากเกินกว่าจะเผยแพร่ได้
  • สุดท้ายเลือกมา 2 แบบ โดยมีต้นทุนรวม $0.48
  • หากไม่นับกระบวนการเลือกและเปรียบเทียบ ก็อาจทำได้ด้วยต้นทุนที่ต่ำกว่านี้
• ตัวอย่างของงานมนุษย์ 1 สัปดาห์: ในกรณีของ “discount usability test” ภายในสิ้นปี 2026 AI อาจยังไม่เก่งพอที่จะหาปัญหาการใช้งานจากการสังเกตพฤติกรรมได้ดี
  • แต่ก็มีแนวโน้มว่าจะทำกระบวนการทดสอบผู้ใช้ได้ทั้งชุด
  • อีกตัวอย่างของงาน 1 สัปดาห์ เช่น การร่างสัญญาธุรกิจที่ซับซ้อนโดยทนายความ หรือการสร้างคอมิกสั้นระดับซูเปอร์ฮีโร่ยุค ‘Silver Age’ (ปกติ 10 หน้า)
• ตอนนี้ก็สามารถสร้างคอมิก 14 หน้าได้ด้วย Nano Banana Pro แต่ยังต้องอาศัยการแทรกแซงจากมนุษย์หลายขั้นตอน
  • “ระยะเวลางาน (task duration)” หมายถึงขนาดของงานที่ AI ทำได้ จนจบแบบอัตโนมัติอย่างสมบูรณ์
  • การสร้างคอมิก 10 หน้าแบบอัตโนมัติเต็มรูปแบบอาจเป็นไปได้ภายในสิ้นปีนี้ แต่ตอนนี้ยังไม่ใช่

การคาดการณ์ 2: AGI จะยังไม่มาถึงในปี 2026

• ไม่คิดว่า ปัญญาประดิษฐ์ทั่วไป (AGI) จะปรากฏขึ้นในปี 2026
• ยังไม่มีฉันทามติเกี่ยวกับนิยามของ AGI และหากใช้นิยามแบบหลวมๆ ก็อาจมองได้ว่าเราไปถึงแล้ว
  • ในความเป็นจริง AI ได้ผ่านการทดสอบ Turing แบบดั้งเดิม (imitation game) แล้ว
• หากใช้นิยามที่เข้มงวดกว่า เกณฑ์ที่ Müller และ Bostrom เสนอไว้ในปี 2014 มักถูกอ้างถึงอย่างแพร่หลาย
  • “เมื่อเครื่องจักรที่ทำงานได้โดยไม่ต้องมีผู้ช่วย สามารถทำงานเฉพาะทุกอย่างได้ดีกว่าและถูกกว่าคนทำงานมนุษย์ทั่วไป จึงถือว่าไปถึง AGI”
• แต่ฉันให้น้ำหนักกับนิยามที่ François Chollet เสนอในปี 2019 มากกว่า
  • “AGI คือ ระบบที่สามารถเรียนรู้และแก้ปัญหาใหม่แบบเปิดกว้าง ซึ่งไม่มีอยู่ในข้อมูลฝึก ด้วยประสบการณ์ล่วงหน้าเพียงเล็กน้อย ได้อย่างมีประสิทธิภาพ”
• นิยามนี้ไม่ได้เน้นว่าทำงานเดิมได้หรือไม่ แต่เน้นที่ ความสามารถในการเรียนรู้ปัญหาใหม่
  • เหตุผลที่ความฉลาดเชิงชีวภาพทรงพลัง ก็เพราะมีความสามารถในการปรับตัวต่อการเปลี่ยนแปลงของสภาพแวดล้อมได้สูง
• หากยึดนิยามของ Chollet AGI อาจจะเป็นไปได้ก็หลัง ปี 2035
• ในทางกลับกัน superintelligence (ASI) มีโอกาสจะมาถึงเร็วกว่านั้น คือราว ปี 2030
  • หมายถึงภาวะที่มีสมรรถนะเหนือกว่ามนุษย์ที่ยังมีชีวิตอยู่ทุกคนในงานเดิมทั้งหมด
• อย่างย้อนแย้ง มีความเป็นไปได้ว่า ASI จะมาถึงก่อน AGI
  • เพราะหนึ่งในงานเดิมเหล่านั้นคือ “การออกแบบและพัฒนา AI ที่ดีกว่าเดิม”
• เมื่อไปถึงขั้นนี้ การพัฒนาตัวเองแบบเวียนกลับ (recursive self-improvement) จะเริ่มต้นขึ้น และแม้จะยังไม่ถึงระดับ singularity แบบสมบูรณ์ ความเร็วของการเปลี่ยนแปลงก็จะพุ่งขึ้นอย่างรุนแรง
• รอบการเติบโตแบบทวีคูณของขอบเขตงาน AI ที่ปัจจุบันอยู่ที่ราว ทุก 4 เดือน
  • หลัง ASI อาจสั้นลงเหลือเป็น รายเดือน
  • ในกรณีนั้น ตามทฤษฎีแล้วอาจเกิดการพัฒนาสมรรถนะได้ถึง ประมาณ 4,000 เท่า ต่อปี

การคาดการณ์ 3: กฎการสเกลใหม่ของ AI — ยังไม่แน่นอน

• ยังไม่แน่ชัดว่าในปี 2026 จะมี กระบวนทัศน์การสเกลใหม่ ที่ต่อยอดจากการ pre-training, reinforcement learning และ inference-time compute แบบเดิมหรือไม่
• ในซิลิคอนแวลลีย์มีข่าวลือว่า Google DeepMind กำลังเตรียมแนวทางที่เกี่ยวข้องกับ continuous learning
• ขณะเดียวกันก็มีการมองว่า OpenAI กำลังทำวิจัยที่ไม่ใช่แค่การขยายคอมพิวต์ตรงๆ แต่เป็นการเปลี่ยนแปลงเชิงโครงสร้างขนาดใหญ่
• สถาบันวิจัยในจีน, xAI, Meta และ Anthropic ก็อาจกำลังทดลองแนวทางการสเกลใหม่คนละทิศทางเช่นกัน
• อย่างไรก็ตาม ต่อให้ไม่มีการทะลุความก้าวหน้าทางวิจัย ความเร็วของความก้าวหน้า AI โดยรวมก็ยังคงอยู่
  • เพราะอย่างที่ “The Bitter Lesson” ชี้ให้เห็นมาโดยตลอด ไม่ใช่แค่ไอเดียเชิงอัลกอริทึม แต่ คอมพิวต์ที่มากขึ้นและสเกลที่ใหญ่ขึ้น ต่างหากที่ผลักดันสมรรถนะขึ้นอย่างต่อเนื่อง
• ผลวิจัยรายชิ้นคาดเดาได้ยาก และการจะมี breakthrough ในปีใดปีหนึ่งก็ใกล้เคียงกับเรื่องบังเอิญ
  • แต่หากมองระยะยาว เมื่อจำนวนคนทำวิจัยเพิ่มขึ้น โอกาสที่จะเกิด breakthrough ก็สูงขึ้นตาม
• เมื่อการลงทุนในวงการ AI เพิ่มขึ้นอย่างต่อเนื่อง บุคลากรความสามารถสูงจำนวนมากขึ้นก็กำลังไหลเข้าสู่งานวิจัย AI
  • ผลก็คือ แม้ไม่รู้ว่าจะมีกฎการสเกลใหม่เมื่อไร แต่แนวโน้มคือ วันหนึ่งมันน่าจะเกิดขึ้น
• ข้อสรุปของฉันเรียบง่าย
  • ปี 2026 อาจมีกฎการสเกลใหม่ หรืออาจไม่มีก็ได้
  • แต่หากมองระยะยาว การเพิ่มขึ้นของกำลังคนวิจัยเองก็กำลังทำงานราวกับเป็นกฎการสเกลอีกข้อหนึ่ง

การคาดการณ์ 4: ห้องแล็บ AI ไม่มีคูเมือง (moat)

• ตลอดปี 2025 เห็นชัดว่าความได้เปรียบทางเทคนิคของห้องแล็บ AI ใด ๆ ไม่สามารถยืนระยะได้
• เมื่อห้องแล็บหนึ่งพิสูจน์ความสามารถบางอย่างได้ก่อน ก็เกิดรูปแบบเดิมซ้ำ ๆ คือห้องแล็บอื่น ไล่ตามอย่างรวดเร็ว (fast follower) จนไปถึงระดับใกล้เคียงกันในไม่ช้า
• หากมองจากต้นปี 2026 ผู้นำในแต่ละด้านมีดังนี้
  • ปัญญาทั่วไป: Gemini 3 Pro
  • การสร้างภาพ: Nano Banana Pro
  • การสร้างวิดีโอ: Veo 3.1
• อย่างไรก็ตาม GPT 5.2 Pro, Seedream 4.5, Seedance 1.5 Pro และรุ่นอื่น ๆ ก็ยังมีช่องว่างด้านประสิทธิภาพไม่มาก
• ในด้านดนตรี เสียง และอวตารนั้น Suno, ElevenLabs, HeyGen ยังรักษาตำแหน่งผู้นำไว้ได้ตามลำดับ
• แม้จะเป็นโมเดลที่ครองอันดับ 1 ณ เดือนธันวาคม 2026 แต่ช่องว่างกับอันดับ 2 ก็น่าจะเหลือเพียง ไม่กี่เดือน เท่านั้น
  • และมีโอกาสสูงที่ความนำนี้จะหายไปก่อนจบไตรมาส 1 ของปี 2027
• สถานการณ์นี้นำไปสู่ ข้อสรุปเชิงปฏิบัติที่สวนทางกัน
  • หากต้องการประสิทธิภาพสูงสุดอยู่เสมอ ก็จำเป็นต้อง เตรียมพร้อมเปลี่ยนผู้ให้บริการ AI ทุกไม่กี่เดือน
    • การสมัครแบบรายปีหรือการผูกติดระยะยาวกลับกลายเป็นความเสี่ยง
  • หากยอมรับความต่างด้านประสิทธิภาพเล็กน้อยได้ กลยุทธ์ที่สมเหตุสมผลกว่าคือใช้ส่วนลดรายปีหรือแพ็กเกจรวมเพื่อคุมความคุ้มค่า
  • หากเป็น ผู้ให้บริการ AI แนวตั้ง ที่เชี่ยวชาญโดเมนเฉพาะ ก็ควรออกแบบสถาปัตยกรรมโดยตั้งอยู่บนสมมติฐานว่าสามารถสลับโมเดลฐานได้ง่าย หรือ
    • ใช้โครงสร้างที่ผสมหลายโมเดลเข้าด้วยกัน
  • หากสนใจหลัก ๆ ที่การสร้างภาพหรือวิดีโอ
    • การใช้ บริการ model aggregator อย่าง Freepik, Higgsfield, Krea จะมีประสิทธิภาพกว่า
    • เพราะบ่อยครั้งโมเดลใหม่ล่าสุดจะถูกเพิ่มเข้ามาอย่างรวดเร็วหลังเปิดให้ใช้งานในบริการต้นทาง

การคาดการณ์ 5: UX ในฐานะปัจจัยสร้างความแตกต่างของโมเดล AI

• โมเดล foundation หลัก ๆ ได้เข้าสู่ช่วง การลู่เข้าของโมเดล ในแง่ความสามารถด้านการให้เหตุผลดิบ
• หากมองจากมุมของพนักงานองค์กรทั่วไปหรือผู้บริโภคทั่วไป ความต่างของคุณภาพผลลัพธ์ระหว่างผู้ขาย AI รายใหญ่ แทบยากจะรับรู้ได้
• ในอดีตความได้เปรียบทางเทคนิคเคยอยู่ได้นานกว่าหนึ่งปี แต่ตอนนี้กลับ หายไปภายในไม่กี่สัปดาห์
• ผลลัพธ์คือ ประสบการณ์ผู้ใช้ (UX) กำลังก้าวขึ้นมาเป็น ปัจจัยสร้างความแตกต่างหลักที่ยั่งยืน แทนความฉลาดของโมเดล
• หากภาพการแข่งขันในปี 2024 คือ “ใครมีโมเดลที่ฉลาดที่สุด”
• ภาพการแข่งขันในปี 2026 จะย้ายไปสู่ “ใครมอบ workflow ที่ออกแบบมาดีที่สุด ได้”
• ยุคที่เน้น ‘แชตบอตทั่วไป’ แบบพิมพ์พรอมต์แล้วรอคำตอบนั้นได้สิ้นสุดลงแล้ว
• ผู้ชนะในปี 2026 คือแพลตฟอร์ม AI แนวตั้งที่สร้างบนโมเดลอเนกประสงค์ และ
  • มอบ workflow ที่ปรับให้ลึกตามโดเมนเฉพาะ เช่น กฎหมาย การแพทย์ หรือการรีแฟกเตอร์โค้ด
• คำว่า “AI wrapper” ซึ่งเคยถูกใช้ในเชิงดูแคลนนั้น
  • หากสามารถแก้ปัญหาด้านการใช้งานใน ช่วง ‘last mile’ ที่โมเดลดิบแก้ไม่ได้
  • ก็จะกลายเป็นคำที่หมายถึงโมเดลธุรกิจที่ทรงพลังและป้องกันการแข่งขันได้ดีที่สุด
• น่าขันตรงที่ปัญหาร่วมของห้องแล็บ AI รายใหญ่ในปัจจุบันคือ การใช้งานที่แย่มาก
  • แม้จะมีดีไซเนอร์หรือนักวิจัยอยู่บ้าง
  • แต่ยังไม่ใช่โครงสร้างที่การวิจัยผู้ใช้และ insight ด้าน UX เป็นตัวขับเคลื่อนกลยุทธ์ผลิตภัณฑ์
• วาทกรรม UX แบบดั้งเดิมจำนวนมากจากยุคเว็บและมือถือ
  • ปรับตัวไม่ทันต่อการเปลี่ยนแปลงในยุค AI และแข็งตัวเป็น แนวอนุรักษ์นิยมที่หันกลับไปยึดอดีต
• จากผู้เชี่ยวชาญ UX ราว 2 ล้านคนทั่วโลก
  • มีเพียงส่วนน้อยมากที่เข้าใจทิศทางของ AI-UX อย่างแท้จริง
  • ตามการประเมินของผู้เขียน ราว 99% ยังติดอยู่กับกระบวนทัศน์เดิม
• ข้อยกเว้นก็มี เช่น Luke Wroblewski
  • ที่ใช้ประสบการณ์จากยุคเว็บในการมองทะลุอนาคตของ AI-UX
• เงื่อนไขที่ทำให้ห้องแล็บ AI แห่งหนึ่งก้าวขึ้นเป็นผู้นำด้าน UX นั้นกลับเรียบง่ายกว่าที่คิด
  • แค่มีทีมผู้เชี่ยวชาญ UX ศักยภาพสูง ไม่ถึง 100 คน ก็เพียงพอ
  • ในจำนวนนี้ต้องเป็นระดับกูรูจริง ๆ เพียงไม่กี่คน ส่วนที่เหลือแค่มีทักษะปฏิบัติงานอยู่ในกลุ่มบนไม่กี่เปอร์เซ็นต์ก็พอ
• ในทางปฏิบัติ หากดูเฉพาะสหรัฐฯ และจีน
  • ก็มีฐานบุคลากรที่สามารถจ้างคนลักษณะนี้ได้เพียงพออยู่แล้ว
• อย่างไรก็ดี การคาดการณ์นี้ก็ยังมีโอกาสผิด
  • หากห้องแล็บใดทำ breakthrough แบบไม่เป็นเชิงเส้นที่ ดีกว่าคู่แข่งไม่ใช่ 10% แต่ 10 เท่า ได้
  • ช่องว่างด้าน ‘ความฉลาด’ ก็อาจเปิดกว้างอีกครั้ง และผู้ใช้อาจยอมทน UX ที่ย่ำแย่ต่อไป

การคาดการณ์ 6: Google AI เริ่มจัดระเบียบ

• ปี 2026 อาจเป็นปีที่ Google สร้าง สถาปัตยกรรม UX แบบบูรณาการที่เป็นระเบียบ ขึ้นมาครอบคลุมผลิตภัณฑ์และโมเดล AI ของตนได้ในที่สุด
• ปัจจุบันผลิตภัณฑ์ AI ของ Google กระจัดกระจายอยู่ในหลายบริการและหลายจุดเข้าใช้งานอย่าง แตกเป็นเสี่ยง ๆ
• โมเดล AI เดียวกัน
  • ถูกนำเสนออยู่ในคนละตำแหน่ง
  • ด้วยฟังก์ชันที่ต่างกันเล็กน้อย
  • จนผู้ใช้แทบไม่รู้ว่าเส้นทางไหนคือช่องทางทางการ
• ฟังก์ชัน AI บางส่วนยังต้องตั้งค่า การเรียกเก็บเงินแยกผ่าน API key จึงจะใช้งานได้
  • ซึ่งสำหรับคนที่ไม่ใช่นักพัฒนานั้นแทบเป็นไปไม่ได้ และแม้แต่นักเทคนิคก็ยังมองว่าเป็นขั้นตอนที่ยุ่งยากมาก
• เมื่อใช้เกินโควตารายเดือน ก็ยังไม่มีช่องทางที่สม่ำเสมอให้ซื้อเครดิตเพิ่มได้ทันที
  • ผู้ใช้กลับได้รับข้อความจำกัดอย่าง “วันนี้ใช้ Deep Think ต่อไม่ได้แล้ว”
  • หรือเจอสถานการณ์ที่คุณภาพการสร้างภาพลดลงเป็นความละเอียดต่ำแบบกะทันหัน
• ถ้าเป็นบริการ AI ที่สมเหตุสมผล
  • เมื่อใช้เครดิตที่รวมอยู่ในการสมัครหมดแล้ว
  • ก็ควรมีตัวเลือกให้ ซื้อเครดิตเพิ่มได้ทันที อย่างเป็นธรรมชาติ
• ในความเป็นจริง HeyGen ซึ่งมีองค์กรขนาดเพียงประมาณ 200 คน ก็แก้ปัญหานี้ได้แล้ว
  • ยิ่งทำให้เห็นชัดว่าเหตุใด Google จึงยังแก้ปัญหาเดียวกันไม่ได้
• ตลอดปี 2025 Google เปิดตัวโมเดล AI ที่แข็งแกร่งมากในเชิงเทคนิคออกมาต่อเนื่อง
  • แต่ด้านการใช้งาน สถาปัตยกรรมระหว่างผลิตภัณฑ์ ตลอดจนระบบราคาและการเรียกเก็บเงิน ยัง สับสนวุ่นวาย เหมือนเดิม
• อย่างไรก็ตาม ท่ามกลางการเปิดตัวบริการ AI ใหม่จำนวนมาก และแรงกดดันการแข่งขันอย่างหนักจาก OpenAI, xAI, Anthropic, Meta และผู้ขาย AI จากจีน
  • Google ก็มาถึง จุดที่ยากจะปล่อยความสับสนนี้ไว้ต่อไป แล้ว
• ดังนั้นปี 2026 จึงมีแนวโน้มสูงว่าจะเป็นจุดเปลี่ยนที่ Google ขยายความสามารถในการแข่งขันทางเทคนิคไปสู่ UX สถาปัตยกรรม และระบบการคิดค่าบริการ
  จนในที่สุดกลายเป็น “แพลตฟอร์ม AI ที่ใช้งานได้จริง”

การคาดการณ์ 7: วิกฤตคอมพิวต์ยังคงต่อเนื่อง

• ในปี 2026 วิกฤตคอมพิวต์จะยังไม่ใช่แค่ปัญหา “GPU ขาดแคลน” ชั่วคราว แต่จะคงอยู่ในฐานะ เงื่อนไขการดำเนินงานถาวร ที่กำหนดทั้งอุตสาหกรรม AI
• ข้อจำกัดนี้ส่งผลโดยตรงต่อสิ่งที่ผู้ขาย AI จะเปิดตัวได้ วิธีตั้งราคา และขนาดที่ลูกค้าสามารถนำไปใช้งานได้
• บริษัท AI รายใหญ่ได้เข้าสู่สงครามโครงสร้างพื้นฐานเพื่อแย่งชิงคอมพิวต์แล้ว
  • OpenAI และ SoftBank ลงทุนโดยตรงในโครงสร้างพื้นฐานด้านพลังงานและดาต้าเซ็นเตอร์ผ่านโครงการ “Stargate” ซึ่งรวมถึงสถานที่ขนาด 1.2GW ในเท็กซัส
  • xAI กำลังก่อสร้าง ดาต้าเซ็นเตอร์ 2GW ในมิสซิสซิปปี และคาดว่าจะเริ่มเดินเครื่องในเดือนกุมภาพันธ์ 2026
  • Meta ก็ได้ทำ สัญญาที่เกี่ยวข้องกับพลังงานนิวเคลียร์ เพื่อรองรับดาต้าเซ็นเตอร์ AI เช่นกัน
• ถึงอย่างนั้น การขยายตัวเหล่านี้ก็ยัง ไม่เพียงพออย่างมาก ต่อการตามให้ทันอุปสงค์ที่พุ่งขึ้น
• ปี 2026 จะเป็นปีที่เข้าสู่ภาวะ “Inference Famine” อย่างจริงจัง
• Jevons paradox จะยังทำงานตรงตัว คือยิ่งประสิทธิภาพสูงขึ้น การใช้งานก็ยิ่งระเบิดตัว
  • ยิ่ง AI ฉลาดขึ้น ก็ยิ่งถูกนำไปใช้กับงานที่หนักกว่าข้อความธรรมดามาก เช่น autonomous agent หรือการสร้างวิดีโอ
• ผลลัพธ์คือการเข้าถึงคอมพิวต์จะถูกแบ่งชั้น
  • พรีเมียมคอมพิวต์: โมเดลที่ทรงพลังที่สุดและมี context ยาวที่สุดจะกลายเป็น luxury tier ที่มีทั้ง waiting list และราคาพุ่งสูงในช่วงเวลางาน
  • ตลาดมวลชน: AI ราคาถูกประสิทธิภาพต่ำที่ให้บริการผ่าน “eco model” แบบ quantized อย่างหนักเป็นหลัก
• ทั้ง OpenAI และ Google ต่างมีแนวโน้มให้ความสำคัญกับการกระจาย eco model มากกว่าการเปิดเผยโมเดลระดับสูงสุด
• ขณะนี้ยังมีการสังเกตเห็นปรากฏการณ์ “brownout” ของอุตสาหกรรม AI แล้ว โดยลดประสิทธิภาพโมเดลลงทั่วโลกเพื่อหลีกเลี่ยงความร้อนเกินของดาต้าเซ็นเตอร์ในช่วงคลื่นความร้อน
• วิสัยทัศน์แบบ “AI ในทุกสิ่ง” เริ่มชะงักเมื่อเจอความคุ้มค่าทางเศรษฐศาสตร์ต่อหน่วยในโลกจริง
  • เครื่องปิ้งขนมปังอัจฉริยะหรืออุปกรณ์ IoT จุกจิกจะยังไม่ถูกทำให้ฉลาดในเร็ว ๆ นี้ เพราะแบกรับต้นทุน cloud inference ไม่ไหว
• การเปลี่ยนแปลงที่เป็นรูปธรรมในปี 2026:
  • “การออกแบบผลิตภัณฑ์ที่ตระหนักถึงคอมพิวต์” จะกลายเป็นสิ่งจำเป็น
  • การตั้งราคาแบบแบ่งชั้น การจำกัดความเร็ว การเข้าคิว การประมวลผลแบบแบตช์ และแรงจูงใจให้ใช้งานนอกช่วงพีค
  • จะไม่ใช่มาตรการชั่วคราวอีกต่อไป แต่จะกลายเป็น แพตเทิร์น UX ถาวร

การคาดการณ์ 8: AI Agent

• ปี 2025 ถูกคาดหวังว่าจะเป็นปีแห่ง AI Agent แต่ในความเป็นจริงกลับลงเอยเป็น ปีแห่งการสร้างภาพและวิดีโอ
• ปี 2026 มีแนวโน้มสูงที่จะเป็นปีที่ AI เริ่ม ทำงานในรูปแบบ Agent อย่างจริงจัง
• AI จะเปลี่ยนจาก เครื่องมือแชตแบบรับคำสั่ง ที่รอพรอมป์ต ไปสู่ ระบบ Agentic เชิงรุก ที่สามารถวางแผน ลงมือทำ และทำซ้ำได้ด้วยตัวเอง
• ในมุมมองของ UX ก็จะเกิดการเปลี่ยนจากแบบสนทนาไปสู่แบบมอบหมายงาน
  • Conversational UI: วิธีการตั้งคำถามกับ AI
  • Delegated UI: วิธีการมอบหมายเป้าหมายให้ AI และจัดการผลลัพธ์
• Meta ลงเดิมพันกับกระแสนี้ด้วยการเข้าซื้อ Manus บริษัทผู้นำด้าน Agent ด้วยมูลค่า 2.5 พันล้านดอลลาร์
• ภายในปลายปี 2026 ตัวชี้วัดผลลัพธ์ AI ในองค์กรจะเปลี่ยนจาก
  • “สร้างโทเค็นได้มากแค่ไหน” ไปเป็น
  • “ทำงานให้เสร็จได้มากแค่ไหนโดย อัตโนมัติ”
• ระบบหลายเอเจนต์ (MAS) จะแพร่หลาย
  • เอเจนต์เฉพาะทางจะร่วมมือกันเพื่อบรรลุเป้าหมายร่วมโดยไม่ต้องมีมนุษย์เข้ามาแทรกแซง
  • ทำหน้าที่ใกล้เคียงกับ พนักงานดิจิทัล มากกว่าเป็นเพียงเครื่องมือช่วยเหลือ
• เอเจนต์เหล่านี้จะต่อรองกับเอเจนต์อื่น จัดการเวิร์กโฟลว์การปฏิบัติงาน และดำเนินลำดับงานที่ซับซ้อน เช่น การสั่งซื้อในซัพพลายเชนซ้ำ หรือการ deploy โค้ดแบบฟูลสแตก
• เหล่า hyperscaler รวมถึง Microsoft มองสิ่งนี้ว่าเป็นการเปลี่ยนผ่านจาก AI ที่เน้นการให้เหตุผล ไปสู่ AI ที่เน้นการทำงานร่วมกัน
  • ทีมขนาดเล็กจะสามารถทำงานที่ในอดีตต้องใช้คนหลายสิบคนได้
• ขณะเดียวกัน ปฏิทรรศน์ของการรีวิว ก็จะเด่นชัดขึ้น
  • การตรวจสอบผลลัพธ์ที่ AI สร้างขึ้นมักยากกว่าในเชิงการรับรู้ เมื่อเทียบกับการทำขึ้นมาเองโดยตรง
  • ถึงอย่างนั้น การตรวจสอบก็ยังเป็นบทบาทหลักที่เหลืออยู่ของมนุษย์
• ในปี 2026 ความล้าจากการรีวิว จะขยายวงกว้าง
  • เมื่อต้นทุนในการตรวจสอบตรรกะของเอเจนต์สูงกว่าเวลาที่ประหยัดได้ ก็จะมีกรณีที่อนุมัติโดยแทบไม่เข้าใจจริงเพิ่มขึ้น
• โจทย์ UX สำคัญถัดไปคือ
  • ไม่ใช่อินเทอร์เฟซสำหรับพรอมป์ต แต่เป็นการออกแบบ อินเทอร์เฟซสำหรับการตรวจสอบ ที่สรุปกระบวนการคิดหลายสิบขั้นของเอเจนต์
  • เพื่อให้ผู้จัดการที่เป็นมนุษย์ ตัดสินได้อย่างรวดเดียวว่าควรเชื่อถือหรือไม่
• ปัจจัยเสี่ยงหลัก
  • Agentic gridlock: เอเจนต์จากผู้ขายต่างรายอย่าง Salesforce, SAP ฯลฯ โต้ตอบกันไม่สำเร็จเพราะ ecosystem แบบปิดและ governance ที่ขัดแย้งกัน
  • ความเปราะบางของความเป็นอิสระ: ข้อผิดพลาดสะสมในลูปที่ไม่มีการกำกับดูแล จนลุกลามเป็นอุบัติเหตุในการปฏิบัติงานจริง

การคาดการณ์ 9: Generative UI (GenUI) และอินเทอร์เฟซใช้ครั้งเดียว

• อินเทอร์เฟซแบบคงที่ ที่ผู้ใช้ทุกคนเห็นเมนู ปุ่ม และเลย์เอาต์เหมือนกัน กำลังล้าสมัยอย่างรวดเร็ว
• ปี 2026 จะเป็นช่วงที่การเปลี่ยนผ่านสู่ Generative UI (GenUI) เริ่มต้นอย่างจริงจัง
• อินเทอร์เฟซจะไม่ถูกฮาร์ดโค้ดอีกต่อไป แต่จะถูกสร้างแบบเรียลไทม์ตาม เจตนา บริบท และประวัติ ของผู้ใช้
• ตัวอย่างเช่น เมื่อพยายามโต้แย้งธุรกรรมบางรายการในแอปธนาคาร
  • แทนที่จะต้องนำทางซับซ้อนแบบ เมนู > ช่วยเหลือ > เคลม > ประวัติ
  • AI จะคาดเดาเจตนาและสร้าง ไมโครอินเทอร์เฟซแบบปรับเฉพาะบุคคล ที่มีข้อมูลธุรกรรมนั้นกับปุ่ม “โต้แย้งรายการ” ให้ทันที
  • เมื่อทำงานเสร็จ อินเทอร์เฟซนั้นก็จะ หายไป ทันที
• ในสภาพแวดล้อมแบบ GenUI บทบาทของนักออกแบบ UX จะไม่ใช่การวาดหน้าจอคงที่อีกต่อไป แต่จะย้ายไปสู่
  • การออกแบบ ข้อจำกัดและระบบดีไซน์โทเค็น ที่ AI ใช้ประกอบอินเทอร์เฟซ
• ผลลัพธ์คือสามารถให้หน้าจอที่เรียบง่ายสุดขีดซึ่งมีเพียงปุ่มเดียวกับผู้ใช้มือใหม่ได้
  • และในเวลาเดียวกันก็ให้ผู้ใช้ระดับสูงเห็นอินเทอร์เฟซที่มีความหนาแน่นของข้อมูลสูงได้ โดยไม่ต้องเพิ่มโค้ดฟรอนต์เอนด์
• แต่ราคาของความยืดหยุ่นนี้คือ การสูญเสีย muscle memory
  • ในอดีตผู้ใช้สร้างความชำนาญได้จากการจำความสม่ำเสมอเชิงพื้นที่
  • แต่เมื่ออินเทอร์เฟซเปลี่ยนไปตามสถานการณ์ การชำนาญจากการท่องจำก็เป็นไปไม่ได้
• กล่าวคือ เป็น โครงสร้างที่แลกความสามารถในการเรียนรู้ (learnability) กับความฉับไว (immediacy)
• GenUI ตั้งอยู่บนสมมติฐานของ ความเชื่อใจในระดับสูง ระหว่างผู้ใช้กับ AI
  • ผู้ใช้ต้องเชื่อว่า AI จะเปิด “เครื่องมือที่จำเป็นในตอนนี้” ให้ได้อย่างถูกต้องเสมอ
• ภายในปี 2026 ซอฟต์แวร์ทั้งหมดจะยังไม่เปลี่ยนเป็น GenUI: แรงเฉื่อยและโครงสร้างต้นทุนของ UI แบบ legacy ยังมีสูง
• ถึงอย่างนั้น แม้ในระบบที่ยังคง UI แบบคงที่ จุดศูนย์กลางของงาน UX ก็จะย้ายจากการออกแบบหน้าจอไปสู่ การนิยามพฤติกรรมของระบบ
• นโยบาย พรอมป์ต guardrail และเกณฑ์การประเมิน จะไม่ใช่องค์ประกอบเสริมอีกต่อไป แต่จะกลายเป็น ผลลัพธ์การออกแบบระดับแรก
• ผลงานที่ได้จะไม่ใช่ “โฟลว์” แบบดั้งเดิมอีกต่อไป แต่ใกล้เคียงกับ
  • สัญญาเชิงพฤติกรรม (behavioral contract)
  • ที่ระบุว่าอะไรอนุญาตให้ทำ
  • อะไรห้ามทำ
  • และเมื่อเกิดความล้มเหลวจะกู้คืนอย่างไร

การคาดการณ์ 10: Dark pattern ย้ายไปอยู่ที่ชั้นโมเดล

• Dark pattern ที่อันตรายที่สุดในปี 2026 จะไม่ใช่ปุ่มหลอกลวงหรือกลลูกเล่นของ UI แต่คือ ตัวระบบเอง ที่ทำหน้าที่โน้มน้าวผู้ใช้
• การถกเถียงเรื่อง dark pattern แบบเดิมยังคงอยู่แค่ระดับอินเทอร์เฟซ เช่น checkbox, toggle ค่าเริ่มต้น หรือขั้นตอนยกเลิกที่ซับซ้อน
• แนวหน้าถัดไปของความมืดคือ การชักจูงด้วย AI
• มีความเป็นไปได้ที่บางบริษัทจะทดลองใช้ ‘behavioral dark flow’ ที่ขับเคลื่อนด้วย AI personalization
• แทนที่จะใช้การสะกิดแบบเดียวกันกับผู้ใช้ทุกคน
  • ระบบจะเรียนรู้ว่าถ้อยคำ การวางกรอบ และจังหวะแบบใดเพิ่ม conversion ได้สูงสุดสำหรับแต่ละบุคคล
• ภายนอกอาจดูเหมือน personalization ที่มีประโยชน์ แต่ในความเป็นจริงมันทำงานเป็น แรงกดดันที่ปรับเฉพาะบุคคล
• ตัวอย่างเช่น หลังจาก AI ตรวจพบความเครียดผ่านการวิเคราะห์เสียงแล้ว
  > “ตอนนี้คุณดูเหนื่อยมากนะ Dave. ฉันไม่อยากเพิ่มภาระให้คุณ
  > แทนที่จะยกเลิก ฉันจะ พักการเรียกเก็บเงินไว้หนึ่งเดือน ให้ เพราะเราให้ความสำคัญกับความสัมพันธ์ของเรา”
  ระบบอาจใช้วิธีนี้เพื่อหน่วงการยกเลิกได้
• นี่คือ gaslighting เชิงอัลกอริทึม ที่ใช้การจำลองอารมณ์ เสียงถอนหายใจ และความหน่วงที่จงใจสร้างขึ้นเพื่อกระตุ้นความรู้สึกว่ามีภาระผูกพันทางสังคม
• มนุษย์วิวัฒนาการมาให้ตอบสนองอย่างสุภาพต่อสิ่งที่ฟังดูเหมือนมนุษย์
  • ดังนั้น กับดักแห่งความเห็นอกเห็นใจ นี้จึงมีประสิทธิภาพมากในการรั้งลูกค้าที่กำลังจะจากไป
• ผลลัพธ์คือเราอาจเข้าสู่ยุคของ ‘การตั้งราคาแบบกึ่งสังคม’
  • โครงสร้างที่ AI ใช้ความใกล้ชิดหรือมิตรภาพที่ผู้ใช้รับรู้ เพื่อดึงอัตราการต่ออายุให้สูงขึ้น
• ปี 2026 จะเป็นการแข่งขันระหว่างสองแรง
  • ความซับซ้อนของการชักจูง
  • ความซับซ้อนของการตรวจจับ
• ฝั่งผู้บริโภคจะเริ่มใช้ เอเจนต์เชิงป้องกัน เพื่อถ่วงดุลสิ่งนี้
• ‘Gatekeeper agent’ รุ่นแรกที่เข้าสู่กระแสหลักจะปรากฏขึ้น โดยทำหน้าที่กรองสาย จัดการกล่องจดหมาย และต่อรองกับบอตฝ่ายบริการลูกค้าแทนผู้ใช้
• สมรภูมิ UX สำคัญของปีนี้จะไม่ใช่มนุษย์ปะทะคอมพิวเตอร์ แต่เป็น
  • AI ของคุณพยายามหลบเลี่ยงตัวกรองสแปม AI ของฉัน

การคาดการณ์ 11: AI แบบมัลติโหมด

• เมื่อถึงปลายปี 2026 “โมเดลแนวหน้า” จะไม่ได้หมายถึงโมเดลที่เป็นเพียงข้อความแล้วเพิ่มความสามารถบางอย่างเข้าไปอีกต่อไป แต่จะหมายถึง ระบบเดียวที่พูด·ฟัง·มองเห็น·จินตนาการ·และตัดต่อได้
• โมดาลิตีทั้งหมด เช่น ข้อความ ภาพ เสียง วิดีโอ จะถูกปฏิบัติเป็น องค์ประกอบชั้นหนึ่งที่เท่าเทียมกัน
• ยุคที่มี โมเดลภาษาขนาดใหญ่ (LLM) เป็นศูนย์กลาง ซึ่งเคยถูกมองว่าเป็นภาพแทนของ AI จะสิ้นสุดลง
• และจะถูกแทนที่ด้วย โมเดลโลกขนาดใหญ่ (LWM)
• AI ชั้นนำที่จัดการได้เฉพาะข้อความจะถูกมองว่าล้าสมัย เหมือน บรรทัดคำสั่ง DOS ในอดีต
• ตอนนี้ก็มีโมเดลที่สร้างทั้งวิดีโอและเสียงพร้อมกันแล้ว
  • Google Veo 3.1 ชูจุดเด่น “วิดีโอพบกับเสียง” อย่างชัดเจน
  • OpenAI Sora 2 เน้นการซิงก์บทพูดและเอฟเฟกต์เสียง
• การเปลี่ยนแปลงสำคัญของปี 2026 คือ “มัลติโหมด” จะ ถูกรวมเป็นหนึ่งจริงๆ
  • ไม่ใช่วิธีส่งต่องานกันเป็นทอดๆ ด้วยการเรียกใช้โมเดลผู้เชี่ยวชาญต่างชนิดต่อเนื่องกัน
• การสร้างวิดีโอถูกตีความแล้วว่าเป็น เส้นทางสู่การจำลอง
  • OpenAI มองโมเดลสร้างวิดีโอขนาดใหญ่ว่าเป็น “ตัวจำลองอเนกประสงค์ของโลกกายภาพ”
  • DeepMind อธิบาย Genie 3 ว่าเป็น โมเดลโลกอเนกประสงค์ที่สร้างสภาพแวดล้อมแบบอินเทอร์แอกทีฟได้หลากหลาย
• โมเดลแนวหน้าในปี 2026 จะเป็น omnimodal โดยพื้นฐาน
  • ประมวลผล ข้อมูลประสาทสัมผัสดิบโดยตรง โดยไม่ต้องแปลงภาพหรือเสียงเป็นข้อความก่อน
• โมเดลเดียวสามารถ
  • รับคลิปวิดีโอเป็นอินพุต
  • ประพันธ์ดนตรีให้สอดคล้องกับกระแสอารมณ์
  • สร้างบทพูด
  • และส่งออกผลลัพธ์เป็น ไฟล์วิดีโอที่เรนเดอร์สมบูรณ์แล้ว
  • โดยทำทั้งหมดนี้ใน single inference pass เดียว
• โมเดลเหล่านี้จะเริ่มมี เอนจินฟิสิกส์เชิงสัญชาตญาณขั้นพื้นฐาน หรือก็คือ world model
• ต่างจากตัวสร้างวิดีโอในปี 2024 ที่ยังหลอนบ่อย โมเดลปลายปี 2026 จะเข้าใจ ความคงอยู่ของวัตถุ แรงโน้มถ่วง และเหตุเป็นผล
• ตัวอย่างเช่น หากสั่งฉากที่แก้วตกลงมา มันจะไม่ใช่แค่บิดเบือนพิกเซล แต่จะสะท้อนว่า
  แก้วควรแตกเมื่อกระแทก ตามคุณสมบัติของวัสดุผิว
• ความน่าเชื่อถือระดับนี้จะยกระดับวิดีโอที่สร้างขึ้นจากเครื่องมือศิลปะแนวเหนือจริง ไปเป็น เครื่องมือสร้างแบบแปลนอุตสาหกรรม
  • สถาปนิกหรือวิศวกรสามารถขอให้ “ใช้แรงดันลม” กับโครงสร้าง 3D ที่สร้างขึ้นเพื่อทำ stress test ได้
• ในเชิงผลลัพธ์การใช้งานจริง การสร้างสรรค์เองจะกลายเป็นสิ่งที่ ข้ามโมดัลโดยพื้นฐาน
  • จะไม่มีการเขียน ทำสตอรีบอร์ด อัดเสียง และแต่งเพลงแยกจากกันอีกต่อไป
  • เพียงอธิบายเจตนา一次เดียว จากนั้นโมเดลจะคง การแทนภาพภายในของฉากอย่างต่อเนื่อง ไว้ พร้อมปรับผลลัพธ์ผ่านการแก้ไขเสียงและภาพ

การคาดการณ์ 12: ผู้ให้บริการ AI แบบโหมดเดียวจะถูกห้องวิจัย AI มัลติโหมดเข้าซื้อกิจการ

• หากไม่มีการผสานรวมเข้ากับ world model แบบฟูลสแตก และ โมเดลภาษา อเนกประสงค์
  • ยุคของการสร้างโมเดล AI คุณภาพสูงสำหรับโมดาลิตีเดียวแบบอิสระนั้นผ่านพ้นไปแล้ว
• โมเดลภาพอย่าง GPT Image 1·1.5, Nano Banana Pro, Seedance 4.5
  • ด้วยการสนับสนุนจาก LLM ที่แข็งแกร่ง
  • และความเข้าใจว่าผู้ใช้ต้องการสื่ออะไร
  • จึงสร้างผลลัพธ์ที่ดีกว่าได้
• จนถึงปี 2024 ยังสามารถใช้กลยุทธ์ที่เน้นภาพ วิดีโอ หรือดนตรีอย่างใดอย่างหนึ่ง
  • และเพิ่มประสิทธิภาพอย่างบริสุทธิ์ให้กับสื่อเฉพาะประเภทได้
• แม้ห้องวิจัย AI รายใหญ่ยังไม่ได้เปิดตัวโมเดลดนตรีอย่างจริงจัง แต่มีโอกาสสูงที่จะเห็นในปี 2026
• ณ ปัจจุบัน ผู้เล่นที่สร้างเพลงด้วย AI ได้สมบูรณ์ที่สุดคือ Suno แต่ยังไม่แน่ว่าสถานะนี้จะอยู่รอดถึงปลายปี 2026 หรือไม่
• วิดีโอและภาพคือประเภทสื่อที่มีแนวโน้มสูงสุดที่จะ สูญเสียความเป็นอิสระก่อน ในปี 2026
• โมเดลโหมดเดียวอย่าง Flux, Ideogram, Leonardo, Midjourney, Reve
  • อาจถูก เข้าซื้อกิจการ โดยห้องวิจัย AI มัลติโหมดอย่าง Google, Meta, OpenAI, xAI
  • หรือไม่ก็ ค่อยๆ หายไปเองตามธรรมชาติ เพราะสู้การแข่งขันไม่ได้
• Midjourney อยู่ในตำแหน่งที่เป็นข้อยกเว้น
  ยังมีสไตล์ที่โดดเด่นและทรงพลังที่สุด ทำให้มีมูลค่าสูงสำหรับผู้ซื้อ
  แต่ขณะเดียวกันก็ดำเนินการโดยผู้ก่อตั้งที่มีความเป็นอิสระสูงมาก จึงอาจต้านทานการถูกซื้อกิจการ
• Reve มีจุดแข็งด้านเครื่องมือตัดต่อที่ยอดเยี่ยม จึงอยู่ในตำแหน่งที่ได้เปรียบในฐานะเป้าหมายการเข้าซื้อ เมื่อมองจากพัฒนาการในระยะถัดไป

การคาดการณ์ 13: การตัดต่อภาพที่สร้างด้วย AI

• ในปี 2026 ประสบการณ์การสร้างภาพจะเปลี่ยนจากความรู้สึกแบบ สล็อตแมชชีน ไปใกล้เคียงกับ ซอฟต์แวร์ออกแบบ
• การเปลี่ยนแปลงสำคัญไม่ใช่คุณภาพด้านสุนทรียะ แต่คือการที่ภาพกลายเป็น วัตถุที่แก้ไขได้ซึ่งมี handle, layer และ constraint
• รูปแบบตั้งต้นได้เริ่มปรากฏในเวิร์กโฟลว์กระแสหลักแล้ว
  • Reve แยกภาพออกเป็นโครงสร้างต้นไม้แบบลำดับชั้นขององค์ประกอบที่แก้ไขได้
  • โมเดล Alibaba Qwen-Image-Layered แยกภาพออกเป็นเลเยอร์ที่แก้ไขได้โดยอัตโนมัติ
• บทบาทของเครื่องมือแบบดั้งเดิมที่เน้นการแก้ไขพิกเซลกำลังหดตัวลงอย่างรวดเร็ว: คำว่า “ลาก่อน Photoshop” ไม่ได้เกินจริง
• เครื่องมือออกแบบก็เคลื่อนไปในทิศทางเดียวกัน โดย Figma มีเครื่องมือภาพแบบ AI สำหรับลบ แยก และขยายภายในแคนวาสเป็นฟีเจอร์พื้นฐานอยู่แล้ว
• AI เข้าใจวัตถุในภาพเป็น เอนทิตีในระดับความหมาย
  • แยกแมวกับโซฟาออกจากกันในภาพ “แมวนั่งอยู่บนโซฟา”
  • หากลากแมวลงพื้น มันจะทำ inpainting ฉากหลังของโซฟาทันที และปรับแสงเงาของแมวให้ตรงกับตำแหน่งใหม่โดยอัตโนมัติ
• ผู้สร้างสามารถใช้ semantic slider เพื่อ
  • ปรับคุณสมบัตินามธรรมอย่างอารมณ์ ความเข้มของแสง หรืออายุของตัวแบบ
  • ได้แบบ ไม่ทำลายต้นฉบับ โดยไม่ต้องสร้างใหม่ด้วยพรอมป์ต์ใหม่
• จุดเปลี่ยนของปี 2026 คือ การหลุดพ้นจากวิธี “สร้างภาพทั้งภาพใหม่แล้วหวังว่าจะตรง”
• โมเดลจะคืนค่าเป็น การแทนภาพแบบมีโครงสร้าง ไม่ใช่แค่พิกเซล
  • เช่น segmentation mask, ข้อมูลความลึก, lighting hint, typography layer, identity lock
• ผลลัพธ์คืออินเทอร์เฟซจะจัดการ องค์ประกอบแต่ละชิ้น โดยตรง ไม่ใช่ทั้งเฟรม
  • คลิกที่แจ็กเก็ตเพื่อเปลี่ยนจากเดนิมเป็นหนัง
  • แก้ข้อความบนป้ายเป็น ข้อความจริง ไม่ใช่ระดับพิกเซล
  • ย้ายโคมไฟไม่กี่เซนติเมตร แล้วเงาจะอัปเดตอย่างสอดคล้องกัน
• ปฏิสัมพันธ์หลักคือ การควบคุมโดยตรง ส่วนการป้อนภาษาจะเป็นเครื่องมือเสริมเวลาที่ไม่อยากไล่หาเมนู
• เครื่องมือภาพที่อยู่รอดได้จนถึงปลายปี 2026 จะไม่ใช่ chat UI
  • แต่จะใกล้เคียงกับ “Photoshop ที่ใช้งานดี” ซึ่งมีทั้ง layer·selection·constraint·history·การส่งออกเวอร์ชันดัดแปลง
  • โดยมีโมเดล AI ที่เข้าใจว่าพิกเซลแต่ละจุดมีไว้เพื่ออะไรเป็นแกนกลาง

การคาดการณ์ 14: โลก AI แบบสองชั้น

• จะเกิด ระบบชนชั้นทางการรับรู้ ที่ชัดเจน ซึ่งนิยามด้วย ระดับการสมัครสมาชิก ไม่ใช่การศึกษา ครอบคลุมทั่วทั้งกำลังแรงงาน
• ตรงข้ามกับวาทกรรมเรื่อง “การทำให้ AI เป็นประชาธิปไตย” ความเป็นจริงคือการขยายตัวของ ช่องว่างจากการสมัครสมาชิก
• ช่องว่างระหว่างกลุ่มมืออาชีพที่ใช้ โมเดล AI พรีเมียม (~$200/เดือน) ซึ่งให้การให้เหตุผลขั้นสูงและคอนเท็กซ์ขนาดใหญ่ กับมวลชนที่พึ่งพาโมเดลฟรีหรือรุ่นเก่า จะกว้างขึ้นอย่างรวดเร็ว
• ชั้นพรีเมียม จะผสาน AI เข้ากับเวิร์กโฟลว์เชิงลึก การคาดการณ์เชิงกลยุทธ์ การเขียนโค้ดที่ซับซ้อน และการจำลองการเจรจาที่ละเอียดอ่อน พร้อมเข้าใจทั้งสถานะปัจจุบันและขั้นต่อไปของ AI แนวหน้า
• ผู้ใช้ฟรี จะถูกผูกอยู่กับโมเดลที่เล็กกว่าและเชื่อถือได้น้อยกว่า ทำงานจริงจังไม่ได้เพราะทั้งอาการหลอนบ่อยและข้อจำกัดต่างๆ
• ผลลัพธ์ในปี 2026 ชัดเจนมาก
  • กลุ่ม power user ด้าน AI จำนวนน้อย จะสามารถจ่ายเงินเองหรือเบิกค่าใช้จ่ายเพื่อเรียนรู้เวิร์กโฟลว์จริงที่ทำให้ใช้ long context, การให้เหตุผลแบบมัลติโหมด, การมอบหมายงานให้ agent, การแก้ไขงานสร้างสรรค์แบบวนซ้ำ, และการทดลองขนาดใหญ่ ได้
  • ขณะที่กลุ่มใช้ฟรีซึ่งมีขนาดใหญ่กว่ามาก จะยังติดอยู่กับภาพจำว่าเป็น “แชตบอตที่บางทีก็ปฏิเสธ บางทีก็หมดเวลา”
• ส่งผลให้ผู้ใช้ฟรีสรุปว่า “AI เป็นกระแสที่ถูกปั่นเกินจริง” และ “ใช้กับงานจริงไม่ได้”
  จนไม่สามารถสร้าง ความรู้เท่าทัน AI ซึ่งจำเป็นต่อเศรษฐกิจยุคใหม่ได้
• แม้ทั้งสองกลุ่มจะพูดว่า “ใช้ AI” เหมือนกัน แต่ในความเป็นจริงหมายถึง เครื่องมือและประสบการณ์ที่แตกต่างกันโดยสิ้นเชิง
• การกระจายการใช้งานในปัจจุบันคือ ผู้ใช้ AI ราว 90% อยู่ในฟรีเทียร์ และพรีเมียมเทียร์ราว 10%
• ผู้ใช้พรีเมียมจะใช้ AI อย่างเหมาะสมจนเกิดประสิทธิภาพสูง
  • ทำให้บริการ AI จำนวนมากมี อัตราการรักษารายได้เกิน 100%
  • หมายถึงหลังผ่านไป 1 ปี รายได้จากโคฮอร์ตเดิมสูงกว่ารายได้ตั้งต้น จากการอัปเกรดไปเทียร์สูงขึ้นและการซื้อเครดิตเพิ่ม
• ในปี 2026
  • การไม่เข้าใจเวิร์กโฟลว์ AI ขั้นสูง
  • อาจกลายเป็นข้อบกพร่องด้านคุณสมบัติแบบเดียวกับ “ใช้ Excel ไม่เป็น” ในอดีต

การคาดการณ์ 15: การเจาะกลุ่มเฉพาะขั้นสุด — ผู้ใช้หนึ่งคน ในเวลานี้เลย

• ในปี 2026 แนวคิดเรื่อง “กลุ่มเป้าหมาย” เองจะกลายเป็นสิ่งที่ ล้าสมัย
• หน่วยที่แท้จริงของการทำ targeting จะหดจากกลุ่มหรือเซกเมนต์ลงเหลือ บุคคลนั้น ช่วงเวลานั้น บริบทปัจจุบัน
• AI จะทำหน้าที่เป็นเครื่องจักรที่ดำเนินสิ่งนี้ได้ในระดับมหาศาล
• แก่นของการเปลี่ยนแปลงไม่ใช่การทำระบบแนะนำให้แม่นขึ้น แต่คือการที่คอนเทนต์ ข้อเสนอ และแอสเซ็ตเชิงสร้างสรรค์ถูก ประกอบขึ้นสดๆ ให้เหมาะกับแต่ละบุคคล
• วิธีที่แพลตฟอร์มเก็บเกี่ยวเจตนาของผู้ใช้กำลังเปลี่ยนไปแล้ว
  • Meta ระบุอย่างชัดเจนว่าจะนำบทสนทนากับ AI assistant ไปใช้กับการปรับโฆษณาและคำแนะนำให้เป็นส่วนบุคคล
    ไม่สามารถ opt-out แบบสมบูรณ์ได้ และ AI chat เป็นอินพุตที่มี สัญญาณสูง กว่าการกดไลก์หรือคลิกมาก
  • Meta GEM (โมเดลแนะนำโฆษณาเชิงกำเนิด) ถูกออกแบบมาเพื่อเพิ่มประสิทธิภาพโฆษณาและ ROI
    โดยตั้งเป้าว่าภายในปลายปี 2026 แบรนด์เพียงแค่ส่งรูปสินค้าและงบประมาณมา แล้ว AI จะรับผิดชอบทั้งการสร้างโฆษณาและการทำ targeting
• ในกระแสนี้ บทบาทแบบดั้งเดิมของ เอเจนซีโฆษณา จะอ่อนแรงลงอย่างรวดเร็ว
• Google ก็เดินไปในทิศทางเดียวกัน: ผสานเครื่องมือ generative AI สำหรับสร้างแอสเซ็ตภาพเข้าใน Google Ads เป็นค่าเริ่มต้น
• เมื่อสามารถสร้างความหลากหลายได้ไม่จำกัด คอขวดจึงไม่ใช่การผลิตอีกต่อไป แต่คือ feedback loop
  ระบบจะเรียนรู้จากทุกการแสดงผลและปรับองค์ประกอบเชิงสร้างสรรค์แบบเรียลไทม์
• ในอุตสาหกรรมการตลาด มีการนิยามสิ่งนี้ไว้แล้วว่า dynamic creative optimization
• จุดเปลี่ยนในปี 2026: “งานสร้างสรรค์” และ “targeting” จะไม่ใช่สองขั้นตอนแยกกันอีกต่อไป แต่ยุบรวมเป็น ชั้นการเพิ่มประสิทธิภาพเดียว
• แบรนด์จะไม่ส่งแคมเปญเดียวออกไปหามวลชนอีกต่อไป
  • แต่จะส่งเพียง ชุดข้อจำกัด เช่น กฎด้านภาพ ข้อความที่อนุญาต ราคาขั้นต่ำ สต็อก และโทน
  • แล้ว AI จะจัดองค์ประกอบภาพ ข้อความ ข้อเสนอ และ landing page เป็น ชุดผสมเฉพาะตัว สำหรับแต่ละเซสชันของผู้ใช้
• การเปลี่ยนแปลงนี้จะเห็นในโฆษณาก่อน แต่คอนเทนต์ด้านอื่นก็จะตามมาอย่างรวดเร็ว
• เมื่อเข้าเว็บอีคอมเมิร์ซหรือเว็บไซต์ข่าว คอนเทนต์จะไม่ได้ถูกแนะนำจากฐานข้อมูลอีกต่อไป
  แต่จะถูก สร้างหรือเขียนใหม่ ให้เข้ากับสภาพจิตใจและบริบทส่วนตัว ณ ขณะนั้น
  • หาก AI ตรวจพบว่าผู้ใช้อยู่ใน “โหมดรีบปิดดีล”
    • ก็จะย่อคำอธิบายให้เป็น bullet point ตัดสิ่งไม่จำเป็นออก และเน้นปุ่ม “ซื้อเลย”
  • หากตรวจพบว่าอยู่ใน “โหมดสำรวจ·ค้นพบ” ก็จะเติมบริบทเชิงเรื่องเล่าและเรื่องราวรอบตัวสินค้า
• สิ่งที่ผู้ใช้เห็นจะไม่ใช่คอนเทนต์สำหรับสาธารณะทั่วไป
  แต่เป็นหน้าจอที่สร้างมาเพื่อ คุณ ณ ตอนนี้
  ผู้ที่เมื่อวานซื้ออะไรไป และตอนนี้มีแนวโน้มจะสนใจอะไร
• เว็บจะไม่ใช่สื่อแบบคงที่อีกต่อไป แต่จะกลายเป็น กระจกที่สะท้อนเจตนาในทันที

การคาดการณ์ 16: AI เชิงกายภาพ — สมองได้ร่างกาย

• ตลอดหลายปีที่ผ่านมา AI อยู่บนหน้าจอเป็นหลัก แต่ปี 2026 จะเป็นจุดเปลี่ยนที่มัน รุกเข้าสู่โลกกายภาพอย่างจริงจัง
• การเปลี่ยนแปลงที่เห็นชัดที่สุดคือ การทะลุผ่านเชิงปฏิบัติของรถยนต์ไร้คนขับ
  มันจะขยายจากโซนนำร่องในพื้นที่เทคโนโลยีชั้นสูงไปสู่หลายเมือง และแท็กซี่หรือรถรับส่งไร้คนขับอาจกลายเป็นภาพชินตาในชีวิตประจำวัน
• Zoox และ Waymo กำลังเตรียมขยายการดำเนินงาน ขณะที่ผู้เล่นจากจีนก็เข้าร่วมโดยเน้นตลาดนอก NATO
• ภายในปลายปี 2026 รถยนต์ไร้คนขับอาจกลายเป็นสัดส่วนส่วนใหญ่บนถนนของบางเมือง
  คล้ายกับตอนที่สกู๊ตเตอร์ไฟฟ้าเข้ามาเต็มเมืองอย่างฉับพลันเมื่อไม่กี่ปีก่อน
• ในซานฟรานซิสโก ทุกวันนี้ภาพ รถ Waymo หลายคันต่อแถวรอสัญญาณไฟ เป็นเรื่องพบเห็นได้บ่อยแล้ว
• นอกจากรถยนต์แล้ว หุ่นยนต์ที่ขับเคลื่อนด้วย AI ก็จะค่อยๆ เคลื่อนออกจากโรงงานและสภาพแวดล้อมนำร่อง ไปสู่พื้นที่ในชีวิตประจำวันมากขึ้น
• สาขาที่การแพร่กระจายของหุ่นยนต์จะเร็ว
  • ค้าปลีก·บริการต้อนรับ: ผู้ช่วยหุ่นยนต์ในร้าน บาริสต้าอัตโนมัติ
  • การแพทย์: หุ่นยนต์ดูแลผู้สูงอายุ โดรนส่งเวชภัณฑ์
  • คลังสินค้า·โลจิสติกส์: การขยายขนาดใหญ่ของการปฏิบัติการหุ่นยนต์ที่กำลังดำเนินอยู่แล้ว
• หุ่นยนต์ใช้ในบ้านยังต้องใช้เวลาอีกหน่อย แต่ก่อนที่การยกหม้อหนักๆ จะกลายเป็นเรื่องยาก มันก็มีโอกาสสูงที่จะเป็นจริงได้ทัน
• กรณี โดรนดับเพลิงเชิงทดลอง ที่เปิดตัวในจีน
  • บินเข้าสู่พื้นที่อันตรายที่รถดับเพลิงหรือบันไดเข้าถึงได้ยาก
  • ทำแผนที่แหล่งความร้อน วิเคราะห์ความเสี่ยงในการกู้ภัย และระบุตำแหน่งผู้ที่ติดค้างอยู่
  • บางรุ่นสามารถ ฉีดสารดับเพลิงโดยตรง ในเหตุเพลิงไหม้อาคารสูงหรือไฟป่าระยะไกล
• ระบบลักษณะนี้มีศักยภาพในการช่วยชีวิตนักผจญเพลิงมนุษย์ได้จำนวนมาก
• Xpeng กำลังวางแผนผลิตหุ่นยนต์ฮิวแมนนอยด์จำนวนมากในช่วงปลายปี 2026
  โดยจะเริ่มจากงานอุตสาหกรรมและงานที่มีขอบเขตจำกัดก่อน และคาดว่าจะขยายขอบเขตการใช้งานหลังปี 2027

การคาดการณ์ 17: การกลับมาของระบบฝึกงานแบบช่างฝีมือ (Apprenticeship)

• นับจากปี 2025 เป็นต้นมา ตำแหน่งงานระดับจูเนียร์เริ่ม หายไป โดยเฉพาะในสาย UX จูเนียร์แบบดั้งเดิม และแนวโน้มนี้จะดำเนินต่อไป
• เมื่อ AI ทำงานแบบเดียวกันได้ ดีกว่า และถูกกว่า พื้นที่ยืนของบทบาทจูเนียร์แบบเดิมก็ยิ่งลดลง
• ฉากทัศน์เชิงบวกของปี 2026 ไม่ใช่การหายไปของงานจูเนียร์ แต่คือการเกิดขึ้นของ งานจูเนียร์ที่มีรูปแบบแตกต่างไปโดยสิ้นเชิง
  • บทบาทจูเนียร์แบบใหม่นี้จะมีขอบเขตแคบลง และมีโครงสร้างแบบ ฝึกงานกับพี่เลี้ยง ที่ชัดเจน
• ฉากทัศน์เชิงลบคือการเกิดขึ้นของ คนรุ่นจูเนียร์ที่หลงทาง ซึ่งมีพอร์ตโฟลิโอดูน่าประทับใจภายนอก แต่เป็นเพียงการประกอบเอาต์พุตจาก AI โดยไม่มีวิจารณญาณ
• ภายในปลายปี 2026 เส้นทางเข้าสู่วงการ UX มีแนวโน้มจะแตกต่างอย่างมากจากเส้นทางเดิมของ UX รุ่นซีเนียร์
• เมื่อ AI เร่งการลงมือทำอย่างสุดขีด คอขวดจะย้ายจากการผลิตไปอยู่ที่ การตัดสินใจ
• ปัญหาคือจะเรียนรู้การตัดสินใจนั้นได้อย่างไร ซึ่งเป็นสิ่งที่เรียนจากคอร์สหรือทิวทอเรียลไม่ได้
  วิธีเดียวคือ ใช้เวลาอยู่ข้างกายมาสเตอร์ที่ใช้วิจารณญาณเหนือกว่าอย่างสม่ำเสมอ
• ด้วยเหตุนี้ การรับคน UX ระดับเริ่มต้นจึงมีแนวโน้มจะเข้าใกล้ ระบบฝึกงานแบบช่างฝีมือ มากขึ้นเรื่อยๆ
• บริษัทจะลดการรับเด็กใหม่สาย generalist แบบกว้างๆ
  และจะชอบผู้ฝึกงานที่ผูกกับโดเมนเฉพาะอย่าง accessibility, content, design systems, research operations หรือ growth มากกว่า
• สิ่งที่คาดหวังจากจูเนียร์คือความสามารถในการใช้ AI อย่างคล่องแคล่วกับงานเชิงผลิต: ไม่ใช่ปริมาณผลลัพธ์ แต่คือ คุณภาพของการตัดสินใจ
• ความเสี่ยงที่ใหญ่ที่สุดในกระบวนการนี้คือ แรงยั่วยวนของผู้ใช้สังเคราะห์
  • ตอนนี้สามารถรัน usability test ได้ภายในไม่กี่วินาทีด้วยคำสั่งอย่าง “แกล้งเป็นผู้ใช้สูงอายุที่สับสนและกำลังจะซื้อประกัน”
• วิธีนี้มีประโยชน์ในการหาบั๊กที่ชัดเจน แต่ เป็นพิษร้ายแรงต่อการฝึกแบบ apprenticeship
• การเฝ้าดูเครื่องจักรไม่สามารถสร้างวิจารณญาณแบบยึดมนุษย์เป็นศูนย์กลางได้
• หาก UXer จูเนียร์ในปี 2026 เลี่ยงความยุ่งยากของการหาผู้ใช้จริงและพึ่งพาข้อมูลสังเคราะห์
  • ก็จะเกิดคนรุ่นนักออกแบบที่ไม่ได้เรียนรู้ว่า “ผู้คนจริงๆ มีพฤติกรรมอย่างไร”
  • แต่เรียนรู้จาก วิธีที่ AI คาดเดาว่าผู้คนจะทำตัวอย่างไร
• หากการทดสอบกับผู้ใช้สังเคราะห์จะกลายเป็นเครื่องมือการเรียนรู้หลักได้จริง ก็ต้องอาศัยความก้าวหน้ามากในด้านการฝึก AI บนข้อมูล usability จริง ซึ่งน่าจะเป็นเรื่องอีกอย่างน้อย 10 ปีข้างหน้า
• สิ่งที่จะทำให้วิสัยทัศน์เชิงบวกของ apprenticeship นี้สะดุดคือ ความคิดระยะสั้น ของทั้งบริษัทและจูเนียร์
  • หากบริษัทต้องการแต่ซีเนียร์ที่พร้อมทำงานทันทีและหลีกเลี่ยงการฝึกจูเนียร์ สุดท้ายระยะกลางถึงยาวจะเกิดภาวะขาดแคลนบุคลากร
  • ในทางกลับกัน หากจูเนียร์คาดหวังว่าตำแหน่งฝึกงานจะได้ค่าตอบแทนเท่ากับงานระดับเริ่มต้นในอดีต แม้แต่บริษัทที่มีแนวคิดก้าวหน้าก็จะตั้งระบบนี้ได้ยาก
• การฝึกงานแบบ apprenticeship ควรถูกมองว่าโครงสร้างค่าจ้างต่ำกว่าไม่ใช่ความสูญเสีย แต่เป็น การลงทุนเพื่อการเรียนรู้ที่ดีกว่าค่าเล่าเรียน
  กล่าวคือควรมองเป็นหลักสูตรการฝึกอบรมช่วงเวลาหนึ่ง

การคาดการณ์ 18: สัมผัสของมนุษย์ในฐานะความหรูหรา — No

• อินฟลูเอนเซอร์บางส่วนคาดว่า คอนเทนต์ที่ทำด้วยมือจะกลายเป็นความหรูหราขั้นสูงสุด และผู้บริโภคจะ ยอมจ่ายพรีเมียม ให้กับการ์ตูนที่มนุษย์วาด นวนิยายที่มนุษย์เขียน และภาพยนตร์ที่มีนักแสดงมนุษย์แสดง
• แต่หากไม่นับข้อยกเว้นบางกรณี แนวโน้มนี้มี โอกาสสูงที่จะไม่เกิดขึ้น
• ในช่วงเปลี่ยนผ่าน ผู้คนอาจยอมจ่ายมากขึ้นชั่วคราวให้กับภาพยนตร์ที่มีนักแสดงรุ่นเก่า หรือเพลงของนักดนตรีมนุษย์ที่ตนคุ้นเคยอยู่แล้ว
• แต่ในระยะยาว สิ่งสำคัญคือ คุณภาพของคอนเทนต์ ไม่ใช่วิธีการผลิต
• แม้ในปัจจุบัน ผู้ชมก็แทบไม่สนใจแล้วว่าเอฟเฟกต์พิเศษถูกสร้างขึ้นอย่างไร แอนิเมชันเป็นงานวาดมือหรือสร้างด้วยคอมพิวเตอร์ หรือภาพยนตร์ถ่ายทำที่ไหน
• ในบริบทเดียวกัน ปี 2026 ก็อาจเป็นปีที่ วิดีโอเกมฮิตถล่มทลายเกมแรกที่สร้างด้วยเพียง natural language prompt โดยไม่ต้องมีทักษะการเขียนโปรแกรมอย่างเป็นทางการถือกำเนิดขึ้น
• สิ่งนี้จะทำให้นิยามของ “นักพัฒนาเกม” เปลี่ยนจากสถาปนิกด้านเทคนิคไปสู่ ผู้กำกับตรรกะ
• และยังอาจเกิดเกม AI-native ที่มี sentient mechanics
  • แทนที่จะยิงศัตรู ผู้เล่นจะต้อง โน้มน้าว NPC ที่ขับเคลื่อนด้วย AI ผ่านบทสนทนาเสียงที่เป็นธรรมชาติ
  • NPC จะมีโปรไฟล์ทางจิตวิทยาเฉพาะตัว มีเจตนาที่ซ่อนอยู่ และจดจำทุกปฏิสัมพันธ์
  • พวกมันจะตอบสนองแบบไดนามิกตามวิธีการโน้มน้าวของผู้เล่น ทำให้การเล่นซ้ำตามคู่มือเพื่อเคลียร์แบบเดิม ๆ เป็นไปไม่ได้
• กระแสนี้อาจขยายไปสู่แนวเกมใหม่อย่าง RPG เชิงสนทนา ที่การโน้มน้าวทางสังคมคือ core loop
• บทบาทของดีไซเนอร์ก็จะเปลี่ยนไป โดยหันไปโฟกัสที่ภูมิหลังเรื่องเล่าและตรรกะภายในของตัวละคร มากกว่าการเขียนสคริปต์แผนผังบทสนทนาที่ซับซ้อน
• เกมเพลย์และการเล่าเรื่อง คือสิ่งที่จะดึงดูดผู้ใช้ และไม่สำคัญนักว่าคอนเทนต์นั้นจะ สร้างจากเนื้อหนังหรือจากซิลิคอน
• อาชีพที่มนุษย์อาจยังเหนือกว่าเครื่องจักรได้มีอยู่อย่างจำกัดมาก
  • ตัวอย่างเด่นคือ ผู้ให้บริการทางเพศและครูประถมศึกษา
• อีก 20 ปีข้างหน้า ครูอาจแทบไม่ได้ทำหน้าที่ถ่ายทอดความรู้อีกต่อไป เพราะ AI จะสามารถจัดหลักสูตรและความเร็วในการเรียนให้เหมาะกับ ความสามารถและความสนใจเฉพาะบุคคล ของนักเรียนได้ อย่างมีประสิทธิภาพกว่ามาก
• ถึงอย่างนั้น เหตุผลที่การศึกษาระดับประถมยังต้องการมนุษย์ ก็คือเพื่อช่วยให้เด็ก ๆ อยู่บนเส้นทางการเรียนรู้ และทำหน้าที่เป็น แบบอย่างของผู้ใหญ่
• ต่อให้เด็กเรียนจาก AI ได้ ก็ไม่ได้แปลว่าเด็กจะเมินเกมหรือสิ่งเร้าที่สนุกกว่า
• การศึกษาโดย AI อาจดื่มด่ำกว่าระบบโรงเรียนปัจจุบัน แต่เกมในอนาคตก็จะน่าดึงดูดยิ่งขึ้นเช่นกัน
  • ดังนั้นครูมนุษย์ก็ยังคงจำเป็นอยู่
• การนิยามบทบาทของผู้ใหญ่ที่เป็นมนุษย์ใหม่เช่นนี้
  กำลังเกิดขึ้นแล้วใน โรงเรียนอิสระก้าวหน้าอย่าง Alpha School
  ที่ซึ่ง AI รับหน้าที่ด้านการศึกษา และผู้ใหญ่ทำหน้าที่เป็น โค้ช ของนักเรียน

บทสรุป: จุดจบของช่วงความแปลกใหม่

• ข้อสรุปร่วมที่การคาดการณ์ทั้ง 18 ข้อชี้ไป ไม่ใช่ทั้งมุมมองแบบมองโลกในแง่ดีหรือแง่ร้าย แต่คือ ปี 2026 จะเป็นจุดสิ้นสุดของการยืนดูสถานการณ์
• ยุคที่ AI ถูกมองเป็นปรากฏการณ์น่าสนใจซึ่งเราสามารถยืนดูจากระยะปลอดภัยได้จบลงแล้ว
• มันจะเป็นปีที่ทั้งปัจเจก องค์กร และทั้งสายอาชีพ ต้องเลือกระหว่าง ปรับตัวอย่างตั้งใจ หรือ ถูกบังคับให้ปรับตัว
• ความจริงอันไม่น่าสบายใจที่เชื่อมโยง autonomous agent, generative interface, multimodal world model และช่องว่างด้านการสมัครสมาชิกเข้าด้วยกัน ก็คือ ชั้นนามธรรม ที่เคยทำให้ยุคเทคโนโลยีก่อนหน้าจัดการได้ กำลัง สลายตัวลง
• ในอดีต เราออกแบบหน้าจอ เขียนข้อความ สร้างฟีเจอร์ และจ้างงานตามบทบาทหน้าที่ แต่

• ในปี 2026
  • การออกแบบหน้าจอ จะเปลี่ยนเป็น การออกแบบข้อจำกัดของระบบที่สร้างหน้าจอ
  • การเขียนข้อความ จะเปลี่ยนเป็น การออกแบบพรอมป์ต์ที่หล่อหลอมข้อความ
  • การพัฒนาฟีเจอร์ จะเปลี่ยนเป็นการกำหนด สเปกพฤติกรรม แทนตัวฟีเจอร์
  • การจ้างงานที่เน้นการลงมือทำ จะเปลี่ยนเป็นการจ้างงานที่เน้น วิจารณญาณ มากกว่าการปฏิบัติการ

• คำนามของอาชีพเฉพาะทางจะกลายเป็นคำกริยา และคำกริยาจะกลายเป็นนโยบาย
• เหตุผลที่การเปลี่ยนแปลงนี้ชวนสับสน เพราะมันต้องการ ทฤษฎีใหม่ของการมีส่วนร่วม
• เป็นเวลานานที่อัตลักษณ์และคุณค่าของแรงงานความรู้ผูกอยู่กับ ผลลัพธ์ที่จับต้องได้ อย่างรายงาน งานออกแบบ โค้ด หรือแคมเปญ
• เมื่อ AI สามารถสร้างผลลัพธ์เหล่านี้ได้เร็วกว่า และบ่อยครั้งดีกว่าด้วยซ้ำ การอธิบายว่ามนุษย์ยังมีส่วนร่วมตรงไหนจึงยากขึ้น
• คำตอบที่การคาดการณ์เหล่านี้ชี้ไปคือ คุณค่าของมนุษย์กำลัง ขยับขึ้นไปต้นน้ำ
  • กำหนดว่าควรสร้างอะไร
  • ตรวจสอบว่าผลลัพธ์ที่สร้างขึ้นเชื่อถือได้หรือไม่
  • ครอบครองเป้าหมายที่ระบบควรใช้ในการเพิ่มประสิทธิภาพ
• สิ่งเหล่านี้มองเห็นได้น้อยกว่า และสำหรับหลายคนก็ให้ความพึงพอใจน้อยกว่า แต่เป็นจุดที่ยังมี leverage อยู่ในเวลานี้

• สำหรับผู้เชี่ยวชาญ UX ข้อความนี้แม้จะเย็นชา แต่ไม่ถึงกับสิ้นหวัง
• หากยังปล่อยวางความโหยหาในยุคที่งานคือการออกแบบ checkout flow ที่เรียบร้อยไม่ได้ ก็ยากจะอยู่รอด
• งาน UX แบบใหม่คือ
  • หล่อหลอมพฤติกรรมของ AI
  • ตรวจสอบการตัดสินใจของเอเจนต์
  • ออกแบบความไว้วางใจในระบบที่ไม่อาจเข้าใจได้ทั้งหมด
  • เป็นตัวแทนของผู้ใช้ที่ถูก target อย่างซับซ้อนขึ้นเรื่อย ๆ โดย personalization engine
• ปัญหาเหล่านี้ยากกว่าการจัดวางพิกเซลมาก และในขณะเดียวกันก็สำคัญกว่ามากด้วย

• ปี 2026 จะเป็นช่วงที่ ยุค ‘party trick’ ของ AI จบลงและเข้าสู่ยุคแห่งการบูรณาการ
• ตลอด 3 ปีที่ผ่านมา จุดสนใจคือการแข่งขันด้าน สติปัญญาดิบ ว่าใครจะตอบพรอมป์ต์ได้ฉลาดที่สุด
• เมื่อประสิทธิภาพของโมเดลเริ่มบรรจบกัน และคูเมืองทางเทคโนโลยีหายไป สติปัญญาดิบจึงค่อย ๆ กลายเป็นสินค้าโภคภัณฑ์
• ความได้เปรียบเชิงการแข่งขันที่ชี้ขาดในปี 2026 จะย้ายไปอยู่ที่ ประสบการณ์ผู้ใช้ (UX) และ Agency

• นี่หมายถึง จุดจบของซอฟต์แวร์แบบสถิต
• การเปลี่ยนผ่านจาก UI แบบสนทนา (คุยกับบอต) ไปสู่ UI แบบมอบหมายงาน (บริหารแรงงานดิจิทัล)
• AI agent จะต่อรองแทนเรา, generative UI จะวาดอินเทอร์เฟซให้แบบสด ๆ และ physical AI จะเคลื่อนที่ไปตามท้องถนน
• ซอฟต์แวร์จะไม่รอให้เราคลิกอีกต่อไป แต่จะ ลงมือทำร่วมกับเรา

• แต่การเปลี่ยนผ่านจากเครื่องมือไปสู่เพื่อนร่วมงาน มาพร้อมความจริงชุดใหม่
• ตำนานเชิงมองโลกสวยเรื่อง AI ที่เป็นประชาธิปไตยสำหรับทุกคน กำลังปะทะกับข้อจำกัดของฟิสิกส์และเศรษฐศาสตร์
• ยิ่ง AI ซึมเข้าไปเป็นองค์ประกอบเชิงโครงสร้างของเศรษฐกิจมากเท่าไร โลกแบบ สองชั้น ก็ยิ่งก่อตัวขึ้น
• ช่องว่างดิจิทัลแบบใหม่จะไม่ใช่เรื่องการเข้าถึงอินเทอร์เน็ต แต่คือ จะสามารถจ่ายค่าคอมพิวต์ระดับพรีเมียมที่ทำให้เกิดการให้เหตุผลและ agency ที่แท้จริงได้หรือไม่

• ผู้ที่ใช้ frontier model ผ่านการสมัครแบบเสียเงิน จะ “เข้าใจ” AI
• ส่วนผู้ที่ยังอยู่ในฟรีเทียร์ จะมอง AI ว่าเป็น “แชตบอตไร้ประโยชน์”
• การคาดการณ์เรื่องการแบ่งชั้นนี้สำคัญอย่างยิ่ง
  • สังคมที่มีเพียง 10% เท่านั้นที่เข้าใจความสามารถที่แท้จริงของ AI และ
  • 90% เชื่อว่ามันเป็นแค่กระแสเกินจริง ไม่เพียงไร้ประสิทธิภาพ แต่ยัง ไม่มั่นคง
• ช่องว่างทางการรับรู้จะส่งต่อไปเป็นช่องว่างทางเศรษฐกิจ และช่องว่างทางเศรษฐกิจก็จะกลายเป็นช่องว่างทางการเมือง
• ในปี 2026 การที่ ภาคธุรกิจ รัฐบาล และสถาบันการศึกษา จะลงมือเพื่อลดช่องว่างนี้หรือไม่ จะเป็นสิ่งที่ กำหนดโครงสร้างทางสังคมของคนทั้งรุ่น

• ข้อเท็จจริงที่ย้อนแย้งที่สุดคือ ปี 2026 จะไม่ให้ความรู้สึกเหมือนการปฏิวัติในขณะที่มันกำลังเกิดขึ้น
• ผู้คนที่มีชีวิตอยู่ในยุคแรกของแท่นพิมพ์ รถยนต์ หรืออินเทอร์เน็ต ก็ไม่ได้สัมผัสถึงภาพก่อนและหลังแบบชัดเจนดราม่าเช่นกัน แต่สัมผัสถึงความอึดอัด ความสับสน และการปรับตัวอย่างค่อยเป็นค่อยไป
• ปี 2026 ก็จะเป็นแบบเดียวกัน
  • AI จะทำลายบาง workflow และปรับปรุงบาง workflow
  • มันจะสร้างความผิดหวังในบางพื้นที่ที่ไม่มีใครคาดคิด และมอบความน่าประหลาดใจในอีกบางพื้นที่
  • บริษัทต่าง ๆ จะพลาดในการบูรณาการ และเอเจนต์ก็จะล้มเหลวในแบบที่ชวนกระอักกระอ่วน
  • วงจรไฮป์จะยังคงสั่นไหวต่อไป

• ถึงอย่างนั้น นี่ก็คือการปฏิวัติ
  • ในภายหน้า นักประวัติศาสตร์อาจบันทึกปี 2026 ว่าเป็น ปีที่วางโครงสร้างพื้นฐานของยุค AI
• สิ่งที่ถูกวางนั้นไม่ใช่แค่ดาต้าเซ็นเตอร์ แต่คือการก่อตัวของ นิสัย ความคาดหวัง และการจัดวางเชิงสถาบัน ที่กำหนดว่าเทคโนโลยีจะซึมเข้าสู่ชีวิตประจำวันอย่างไร
• การตัดสินใจที่เกิดขึ้นในปี 2026
  • วิธีฝึกคนจูเนียร์
  • การตั้งราคาที่เข้าถึงได้
  • การออกแบบเพื่อความไว้วางใจ
  • วิธียับยั้งการชักจูงบิดเบือน
    สิ่งเหล่านี้จะส่งผลต่อไปอีกหลายทศวรรษ
• ท่าทีที่ถูกต้องในช่วงเวลานี้ ไม่ใช่ความตื่นตระหนกหรือความนิ่งนอนใจ แต่คือ การจดจ่ออย่างต่อเนื่องเพื่อสร้างทักษะ ความสัมพันธ์ และแบบจำลองทางความคิดที่ยังสำคัญแม้หลังฝุ่นจะจางลง
• สำหรับผู้ที่พร้อมแบกรับงานนี้ ปี 2026 ไม่ใช่ภัยคุกคาม แต่เป็น ปีที่น่าตื่นเต้นที่สุดที่จะได้มีชีวิตอยู่

[xguru]

ผู้เขียนบทความนี้ เจคอบ นีลเซน เป็นผู้เชี่ยวชาญด้าน UX ที่มีประสบการณ์มา 42 ปี
เขาเคยคาดการณ์ไว้ตั้งแต่ตอนที่ WWW ถูกเปิดเผยสู่สาธารณะว่า "ไฮเปอร์เท็กซ์จะกลายเป็นส่วนติดต่อผู้ใช้แห่งอนาคต"
ด้วยเหตุนี้ เขาจึงเขียนหนังสือชื่อ "Hyper Text and Hypermedia" ตั้งแต่ปี 1990 แล้ว

เขายังเป็นผู้ร่วมก่อตั้ง Nielsen Norman Group ซึ่งเป็นบริษัทที่ปรึกษาด้าน UX ที่เป็นที่รู้จักมากที่สุดแห่งหนึ่ง (https://www.nngroup.com/) และโดนัลด์ นอร์แมนก็คือคนที่บัญญัติคำว่า UX

บทความ 10 Usability Heuristics for UI Design ก็มีชื่อเสียงมากเช่นกัน.

[shincad]

นี่คือเนื้อหาที่ประกาศการสิ้นสุดของยุคที่ AI เป็นเพียงเครื่องมือ และระบุตำแหน่งสุดท้ายของมนุษย์ไว้อย่างชัดเจนในฐานะผู้มีวิจารณญาณและความรับผิดชอบ
อ่านได้เพลินมากครับ

[chytonpide]

นี่เป็นบทความที่ให้มุมมองอันเฉียบคมที่สุดบทความหนึ่งในบรรดางานเขียนที่ผมได้อ่านมาในช่วงนี้ อ่านได้เพลินมากครับ

[pencil6962]

> ในบริบทเดียวกัน ก็มีความเป็นไปได้ว่าในปี 2026 จะมีวิดีโอเกมดังถล่มทลายเกมแรกที่สร้างขึ้นด้วยเพียงพรอมต์ภาษาธรรมชาติ โดยไม่ต้องมีทักษะการเขียนโปรแกรมอย่างเป็นทางการ

ก็อาจเป็นไปได้นะ แต่ความดังของเกมขึ้นอยู่กับการออกแบบและกราฟิก ดังนั้นถ้า AI ไม่ได้ทำส่วนนี้ให้ แล้วทำแค่การเขียนโปรแกรม ผมก็สงสัยว่าจะมีความหมายมากแค่ไหน

แล้วเรื่องการเขียนโปรแกรมเอง ถ้าอิงจากปี 2026 ก็ดูเหมือนว่าให้ AI วางโครงหลักไว้ แล้วให้มนุษย์มาปรับรายละเอียดต่อ น่าจะเร็วกว่าด้วย คุณคิดว่าได้ไหมว่าภายในปีนี้ คุณภาพของผลงานที่ AI สร้างจะสูงขึ้นจนแยกไม่ออกแล้วหรือเปล่าว่าเป็นสิ่งที่ AI ทำหรือมนุษย์ทำ?

[ffdd270]

ถ้ามองเฉพาะส่วนที่ว่า "โดยไม่ต้องมีทักษะการเขียนโปรแกรมอย่างเป็นทางการ" เรื่องนี้ก็นับว่าเป็นสิ่งที่ค่อย ๆ เกิดขึ้นมาอยู่แล้วจากพัฒนาการของเทคโนโลยีเกมเอนจิน ผมคิดว่าด้วย AI จะมีคนจำนวนมากขึ้นที่สามารถทำความฝันที่ใหญ่กว่าเดิมให้เป็นจริงได้ ก่อนยุค AI ก็มีคนที่สร้าง Spelunky ขึ้นมาได้ (ในหนังสือที่เขาเขียนก็เคยบอกว่าดีใจมากที่สามารถทำมันได้ด้วยเครื่องมือชื่อ GameMaker โดยไม่ต้องใช้การเขียนโปรแกรมแบบดั้งเดิมจริง ๆ) แล้วก็น่าจะมีผู้พัฒนา Undertale ที่เอาทุก branch ไปยัดไว้ใน switch เดียว และไม่ได้สนใจการเขียนโปรแกรมมากนักอยู่แล้วด้วย ผมคิดว่ากระแสที่พยายามลดการเขียนโปรแกรมลงในปัจจุบัน ก็อยู่บนเส้นทางเดียวกันนี้....

แต่ในด้านการวางแผนและงานศิลป์ ถ้าคิดดูว่าตอนนี้เหล่าเกมเมอร์เองก็เริ่มเอือมกับสิ่งที่เรียกกันว่า "งานสูตรสำเร็จผลิตซ้ำ" มากแค่ไหน สุดท้ายแล้วการตัดสินขั้นสุดท้ายของมนุษย์ตามที่ต้นฉบับพูดถึงก็น่าจะยิ่งสำคัญขึ้นไม่ใช่หรือครับ เพราะอย่างนั้น สิ่งที่จะยังสำคัญต่อไปก็คือความสามารถในการเขียนเพื่อถ่ายทอดสิ่งที่ตัวเองคิดได้ และพลังของรสนิยมว่าตัวเองคิดว่าสิ่งไหนดี ไม่ได้เป็นปัญหาเฉพาะของเกมเท่านั้นหรอกครับ

[cshj55]

แน่นอน

[hpark]

> ระบบฝึกงานมองว่าโครงสร้างค่าจ้างต่ำไม่ใช่ความสูญเสีย แต่เป็นการลงทุนเพื่อการเรียนรู้ที่ดีกว่าค่าเล่าเรียน

[eastkim64]

ผมก็คิดว่าส่วนนี้น่าประทับใจที่สุดเหมือนกันครับ