สตาร์ทอัพเติบโตทบต้นที่กินยาเม็ด AI

• จากการเข้าไปเยี่ยมบริษัท AI-native ในซานฟรานซิสโกด้วยตนเองและสังเกตวิธีการทำงานจริง พบว่ากำลังเกิดโมเดลการดำเนินงานแบบใหม่ที่แตกต่างจากสตาร์ทอัพเดิมอย่างสิ้นเชิง ตั้งแต่การเลือนหายของบทบาทผู้จัดการผลิตภัณฑ์ (PM) ไปจนถึงการเร่งความเร็วของการทดลองทั่วทั้งองค์กร
• ใน 5 บริษัทที่เข้าไปเยี่ยม มี PM เฉพาะทางเพียง 1 คนเท่านั้น และกำลังเปลี่ยนไปสู่โครงสร้างที่วิศวกร คุยกับลูกค้าโดยตรงและรับผิดชอบการตัดสินใจด้านผลิตภัณฑ์ทั้งหมด
• เมื่อทุกอย่างสามารถสร้างได้ภายในวันเดียว แรงล่อใจของการกลายเป็น 'โรงงานผลิตฟีเจอร์ (feature factory)' ที่พยายามทำทุกคำขอ จึงกลายเป็นความเสี่ยงเชิงกลยุทธ์ที่ใหญ่ที่สุด
• เทคโนโลยีสแตกกำลังบรรจบกันที่ Slack, Claude Code, GitHub, Codex และ Linear โดย Slack ทำหน้าที่เป็นฮับหลักของการ orchestration สำหรับเอเจนต์
• จากต้นทุนการทดลองที่พังทลายลง บริษัทต่าง ๆ กำลังทำซ้ำได้ เร็วขึ้น 3~5 เท่า และช่องว่างระหว่างบริษัทที่ฝัง AI เข้าไปแล้วกับบริษัทที่ยังอยู่ในขั้นหารือเรื่องกลยุทธ์ กำลังห่างออกไปทุกสัปดาห์

---

การเลือนหายของบทบาท PM

• ใน 5 บริษัทที่ไปเยี่ยมภายในวันเดียว มี PM เฉพาะทางเพียง 1 คนเท่านั้น แม้จะรวมบริษัทขนาด 40 คนด้วยก็ตาม
• เป็นโครงสร้างที่วิศวกรพูดคุยกับลูกค้าทุกวันและ เป็นเจ้าของการตัดสินใจด้านผลิตภัณฑ์โดยตรงตั้งแต่ต้นจนจบ
• ไม่ใช่แค่ PM ถูก "ช่วยเสริม" แต่เป็นปรากฏการณ์ที่บทบาทนั้นเอง ถูกดูดซึมเข้าไปในงานวิศวกรรมและการออกแบบ

ผลข้างเคียงที่อันตรายที่สุด: โรงงานผลิตฟีเจอร์

• เมื่อสามารถทำตามคำขอของลูกค้าได้ภายในวันเดียว แรงล่อใจที่จะสร้างทุกอย่างจึงเพิ่มขึ้นอย่างท่วมท้น
• หลายบริษัทระบุว่านี่คือ ความเสี่ยงเชิงกลยุทธ์ที่ใหญ่ที่สุด ของบริษัทในตอนนี้
• บริษัทที่เอาชนะปัญหานี้ได้ต่างวางข้อจำกัดอย่างเข้มงวด
  • เอเจนต์ของบริษัทหนึ่งสามารถ เปลี่ยนแค่การตั้งค่าของฟังก์ชันที่มีอยู่ผ่าน JSON และไม่สามารถสร้างโค้ดแอปพลิเคชันใหม่ได้เลย
  • อีกบริษัทใช้ North Star metric ระดับสควอด เพื่อคัดไอเดียออกก่อนปล่อยใช้งาน
  • หลายบริษัทเน้นย้ำว่าผู้ก่อตั้งต้องเป็นคนตัดสินใจเองว่า ส่วนใดของผลิตภัณฑ์เป็น พื้นที่ที่มีจุดยืนชัดเจน และส่วนใดเป็นพื้นที่ที่ยืดหยุ่นได้
• เมื่อค่าลงมือทำจริงใกล้ศูนย์ taste จึงกลายเป็น moat แต่ในเชิงองค์กรยังอยู่ระหว่างการหาวิธีทำให้สิ่งนี้เกิดขึ้นได้จริง

การบรรจบกันของเทคสแตก

• เกือบทุกบริษัทที่ไปเยี่ยมใช้สแตกหลักชุดเดียวกัน: Slack, Claude Code, GitHub, Codex สำหรับรีวิวโค้ด และ Linear
• Linear ไม่เพียงรอดพ้นจากวิกฤต SaaS แต่ยังค่อย ๆ สร้าง โรดแมปสู่ความรุ่งเรือง ของตัวเองขึ้นมา
• Slack กำลังกลายเป็น orchestration layer กลางของเอเจนต์
  • การรีแอ็กชันด้วยอีโมจิสร้างทิกเก็ตโดยอัตโนมัติ
  • บอตทำรายงานการวินิจฉัยและจัดหมวดหมู่ปัญหาของลูกค้า
  • เมื่อแท็กเอเจนต์ในเธรด งานแก้ไขจะเริ่มทันที
• เมื่อ 6 เดือนก่อน Cursor ถูกพูดถึงในทุกบทสนทนา แต่ตอนนี้ถูกเอ่ยถึงเพียงประปราย
• วิศวกรจำนวนมาก ใช้ชีวิตอยู่ใน Claude Code และมีนักวิจัยคนหนึ่งที่เคยใช้ Cursor กับ Claude ควบคู่กัน ก่อนจะเริ่มถามตัวเองว่าต่างหากอีกหนึ่งหน้าต่างนั้นจำเป็นไปเพื่ออะไร
• สิ่งที่น่ากังวลสำหรับแพลตฟอร์มการเขียนโค้ดคือ วิศวกร แทบไม่มีความภักดีหรือความผูกพันกับเครื่องมือโค้ดดิ้งใดเป็นพิเศษ
  • หากไม่สามารถใช้ข้อมูลที่วิศวกรสร้างขึ้นมาฝึกโมเดล ก็ยากจะรักษามูลค่าในระยะยาว และในจุดนี้ Anthropic อยู่ในตำแหน่งที่ได้เปรียบจากข่าว Mythos

การขยายขีดความสามารถทั่วทั้งองค์กร

• ผู้จัดการดูแลบัญชีลูกค้าองค์กรขอให้ทีมผลิตภัณฑ์ทำระบบอัปโหลดบัญชีอัตโนมัติมาหลายเดือนแต่ไม่เคยได้ลำดับความสำคัญ → พอขอผ่าน AI agent ใน Slack ก็แก้ได้ภายใน 1 ชั่วโมง
• ทีมบัญชี เขียนคำสั่ง query ฐานข้อมูลได้เอง และใช้ MCP วิเคราะห์ข้อมูลธุรกิจของบริษัท
• Chief of Staff สามารถทำ ไดเรกต์เมลและสื่อการตลาดได้ภายใน 30 นาที
• การเปลี่ยนแปลงที่ถูกประเมินต่ำที่สุดคือ AI ไม่ได้ทำเพื่อวิศวกรเท่านั้น แต่ทำเพื่อ ทุกคนที่เหลือนอกเหนือจากนั้น

ต้นทุนการทดลองที่พังทลายและผลแบบทบต้น

• นักวิจัยทำการทดลองด้วยการทดสอบดีไซน์อินเทอร์เฟซ 10 แบบ เปิดใช้งานแต่ละแบบวันละ 1 วัน แล้วทิ้งไป 9 แบบ
• ดีไซเนอร์สามารถ สร้างตัวเลือกการทำซ้ำหลายแบบของคู่แข่งในแท็บแยกได้ภายใน 6 นาที
• โกรท PM ที่ไม่มีประสบการณ์เขียนโค้ดเลยสามารถสร้าง Meta Ads pipeline ทั้งชุด (strategy brief, วิดีโอโฆษณาที่ AI สร้าง, การโพสต์ขึ้น Meta อัตโนมัติ) ได้ภายใน 2 วัน
• ใช้ AI ทำ การจำลองลูกค้า ก่อนสัมผัสลูกค้าจริง
  • ทีมหนึ่งสร้าง AI agent ที่สวมบทเป็น persona ของผู้ใช้หลากหลายแบบ เพื่อ stress test ผลิตภัณฑ์ โดยไม่ต้องรอฟีดแบ็กจริง
  • อีกทีมทำรีเสิร์ชอินเทอร์วิว หลายร้อยครั้งต่อสัปดาห์ แทนที่จะเป็น 50 ครั้งต่อไตรมาส
  • บริษัทหนึ่งสร้าง persona ของลูกค้า ที่รวมทั้งประวัติการเจรจา ความชอบด้านการสื่อสาร และรูปแบบการตัดสินใจ เพื่อนำไปใช้เตรียมตัวสำหรับเซลส์คอล
• บริษัทต่าง ๆ ทำซ้ำได้ เร็วขึ้น 3~5 เท่า และความเร็วนั้นแสดงออกมา 2 แบบ
  • ทำการทดลองเดี่ยวให้เสร็จเร็วขึ้น จึงทำการทดลองได้มากขึ้นในช่วงเวลาเดียวกัน
  • ดำเนินการหลายการทดลอง พร้อมกันแบบขนาน
• ขั้นตอนการสร้างและการเรียนรู้ถูกบีบอัดลงทั่วทั้งองค์กร ทำให้ ความรู้สะสมแบบทบต้น
• การเปลี่ยนแปลงนี้คล้ายกับการเปลี่ยนรูปแบบสงครามจากเครื่องบินรบไปสู่ ฝูงโดรน ซึ่งตอนนี้กำลังเกิดขึ้นกับการดำเนินงานของบริษัทเช่นกัน

มุมมองต่อจากนี้

• จะยังคงเดินหน้าเยี่ยมบริษัทเพิ่มเติม และเตรียมเผยแพร่ เคสสตัดดีเชิงลึก พร้อมตัวอย่างที่เฉพาะเจาะจงยิ่งขึ้น
• รูปแบบที่ชัดเจนอยู่แล้วคือ ช่องว่างระหว่างบริษัทที่ซึมซับวิธีนี้เข้าไปแล้ว กับบริษัทที่ยังคุยกันเรื่อง "กลยุทธ์ AI" นั้นใหญ่โตมาก และกำลังกว้างขึ้นทุกสัปดาห์

[daumkakao]

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