สรุปจากคลิป ดูคลิปต้นฉบับ
เมื่อ AI ในวันนี้ไม่ใช่ปัญหาเรื่อง "ความเก่งกาจ" อีกแล้ว แต่กลายเป็นคำถามว่าเรากำลังยอมให้มันแทรกแซงและตัดสินใจแทนเรามากไปหรือเปล่า Building Pi in a World of Slop โดย Mario Zechner จากเวที AI Engineer ได้วิเคราะห์ประเด็นนี้อย่างตรงไปตรงมา ไม่ได้พูดแค่การสร้าง coding agent ชื่อ Pi แต่กำลังชี้ให้เห็นปัญหาเชิงโครงสร้างที่เครื่องมือ AI ก่อขึ้น ทั้งการทำให้คุณภาพซอฟต์แวร์ถดถอย ทำลายระบบ open source และหลอกให้เราคิดว่า "เร็วขึ้น" เท่ากับ "ดีขึ้น"
แม้พื้นเพจะเป็นโลก developer แต่แก่นของมันส่งผลสะเทือนถึงวงการธุรกิจโดยตรง เจ้าของกิจการหรือทีมที่กำลังใช้ AI ควรตระหนักชัดว่า หากเราไม่สามารถควบคุมเครื่องมือได้ ในที่สุดเครื่องมือก็จะกลับมาควบคุม workflow ของเราแทน และหากเราหนุนให้ AI ผลิตงานปริมาณมหาศาลโดยขาดการตรวจสอบคุณภาพ สิ่งที่ได้ก็อาจเป็นแค่ "ขยะจำนวนมาก" ที่ซ่อนต้นทุนล้นพ้นอยู่เบื้องหลัง
Pi ไม่ได้เกิดจากความอยากสร้างของใหม่ แต่มาจากความเบื่อของเดิม
Mario เล่าประสบการณ์การใช้ Claude Code ในช่วงแรกที่เขาประทับใจมาก เพราะเครื่องมือเรียบง่ายและคาดเดาได้ แต่เมื่อเวลาผ่านไป ทีมผู้พัฒนาขยายตัว มี feature ใหม่ๆ ถูกยัดเยียดเข้ามา และระบบเริ่มเปลี่ยนทิศในแบบที่เขาไม่ต้องการ
ปัญหาหลักไม่ได้อยู่ที่ feature จำนวนมากอย่างเดียว แต่อยู่ที่เครื่องมือเริ่ม "จัดการ" context เองโดยที่ผู้ใช้ไม่เห็น เช่น การแอบเปลี่ยน system prompt ระหว่าง release, ปรับ tool definitions, แทรกข้อความเตือนในจังหวะที่ไม่เหมาะสม โดยไม่มี observability ให้ตรวจสอบว่า agent กำลังทำอะไรอยู่เบื้องหลัง
สำหรับธุรกิจ นี่แปลผลได้ชัดเจน: หากพึ่งพา AI platform แบบ black box มากเกินไป เราอาจได้ผลลัพธ์ที่ขาดเสถียรภาพโดยไม่รู้สาเหตุ จนบางทีการตอบสนองของระบบอาจแปลกประหลาดแม้ใช้คำสั่งเดิม นี่คือความเสี่ยงที่ทีมงานมักมองข้าม โดยเฉพาะเมื่อนำ AI ไปใช้กับงานขาย งานบริการลูกค้า หรือการสร้างเอกสารสำคัญ Mario จึงเลือกสร้าง Pi ขึ้นมาแทน ด้วยแนวคิดที่เรียบง่ายว่า agent ควรปรับตัวเข้ากับ workflow ของเรา ไม่ใช่บังคับให้เราเปลี่ยนวิถีการทำงานไปตาม agent
บทเรียนแรกสำหรับธุรกิจ: อย่าหลงกับ feature ถ้ายังคุมระบบไม่ได้
เวลาองค์กรเลือกเครื่องมือ AI ส่วนใหญ่มักหลงทางกับสิ่งที่ขายง่าย เช่น ความสามารถจำนวนมาก จำนวน agent หรือการเชื่อมต่อกับระบบอื่น แต่สิ่งที่ Mario ให้ความสำคัญกลับเป็นพื้นฐานกว่า ได้แก่ การควบคุม context, การมี observability, ความสามารถในการขยายหรือแก้ไขระบบ และความถี่ที่ระบบล้มเหลว
นี่คือมุมคิดที่ธุรกิจไทยนำไปใช้ได้ทันที เพราะเวลาซื้อ AI เรามักถามแค่ "มันทำอะไรได้บ้าง" แต่คำถามที่ควรถามเพิ่มคือ "เมื่อผลลัพธ์ไม่เวิร์ก เราเข้าไปแก้เองได้แค่ไหน" และ "เราอธิบายการทำงานให้ทีมเข้าใจได้หรือไม่" ในธุรกิจจริง งานที่กระทบรายได้หรือความเชื่อมั่นของลูกค้าไม่ควรผูกติดกับระบบที่เปลี่ยนแปลงพฤติกรรมเองตลอดเวลาโดยไร้เครื่องมือตรวจสอบ
ทำไม Pi ถึงตั้งใจเรียบง่ายมาก
ข้อที่น่าสนใจคือ Mario ไม่ได้พยายามสร้าง agent ที่ซับซ้อน แต่ตัดทุกอย่างที่ไม่จำเป็นออก เหลือไว้เพียงแกนกลางที่ยืดหยุ่นพอสำหรับการต่อยอด Pi ประกอบด้วยส่วนหลักไม่กี่อย่าง เช่น abstraction สำหรับรองรับหลาย provider, agent core แบบ while loop ที่ผสาน tool calling, UI framework และ coding agent เอง ส่วน system prompt ก็สั้นกระชับ เครื่องมือพื้นฐานมีเพียง read, write, edit, bash
เขาเชื่อว่า model รุ่นใหม่ถูกเทรนมาให้เข้าใจบริบทของการทำงานเป็น coding agent อยู่แล้ว จึงไม่จำเป็นต้องเขียนคำสั่งยาวยืด สำหรับคนทำงาน นี่เป็นนัยสำคัญว่า AI workflow ที่ดีไม่จำเป็นต้องซับซ้อน หลายองค์กรเสียเวลาไปกับการสร้าง prompt ซ้อน prompt, chain ซ้อน chain ทั้งที่ปัญหาอาจแก้ได้ด้วย flow ที่สั้นและชัดเจนกว่า
ความน่าสนใจของ Pi คือ “แก้ตัวเองได้”
Pi ถูกออกแบบให้ agent ปรับแต่งตัวเองได้ผ่าน extension ซึ่งเป็นแค่ TypeScript module ธรรมดา สามารถเก็บใน disk, ลง NPM หรือแชร์ผ่าน GitHub ได้ ระบบยังรองรับ hot reload ทำให้สามารถแก้ไขและเห็นผลทันทีใน session เดียวกัน Mario ย้ำว่า วิธีสร้าง Pi extension ที่ดีที่สุดคือไม่ต้องลงมือสร้างเองตั้งแต่ต้น แต่ให้ Pi ช่วย generate จากสเปกที่เรากำหนด แล้วค่อยมาปรับแต่งร่วมกัน
ในมุมธุรกิจ สิ่งนี้สะท้อนแนวคิดที่ใหญ่กว่า: เราไม่จำเป็นต้องซื้อ platform ที่เคลมว่าทำได้ทุกอย่าง แต่ควรมียืดหยุ่นให้ดัดแปลงเข้ากับหน้างานจริงของแต่ละแผนก เช่น ทีมขายใช้ AI ช่วยเตรียมบทสรุปเฉพาะตัว ทีมบริการลูกค้าใช้สร้าง draft ตอบคำถามในโทนเสียงของแบรนด์ หรือทีมปฏิบัติการใช้สรุปรายงาน หากระบบมีความยืดหยุ่น เราจะไม่ถูกบังคับให้ทุกทีมใช้ workflow เดียวกัน ซึ่งมักเป็นเหตุให้การใช้ AI "รู้สึกไม่เวิร์ก" ทั้งที่จริงแล้ว workflow นั้นไม่ได้ถูกออกแบบให้เหมาะกับเนื้องาน
Mario ไม่ได้บอกให้ทุกคนใช้ Pi เขากำลังบอกให้ทุกคน “เอาอำนาจกลับมา”
ใจความสำคัญของเรื่องทั้งหมดไม่ใช่แค่การใช้ Pi แต่คือคนทำงานต้องดึงอำนาจในการควบคุมเครื่องมือและ workflow กลับมาอยู่ในมือตัวเอง นี่คือข้อคิดที่เจ้าของธุรกิจไทยต้องตระหนัก ขณะนี้หลายองค์กรเร่งซื้อ AI เพราะกลัวตกขบวน แต่ยิ่งรีบโดยไม่เข้าใจความต้องการจริง ยิ่งเสี่ยงได้เครื่องมือที่ดูเก่งตอนเดโมแต่ใช้จริงไม่ตอบโจทย์
AI ที่ดีสำหรับธุรกิจไม่ใช่ตัวที่เดโมแล้วว้าวที่สุด แต่คือตัวที่ตอบคำถามเหล่านี้ได้: เราแก้ไข flow ได้เองไหม เรากำหนดขอบเขตงานให้มันได้ไหม เราตรวจผลงานมันได้ง่ายไหม และถ้าวันหนึ่งต้องเปลี่ยน model หรือ provider เราย้ายออกได้ไหม
Act 2: เมื่อ AI agents เริ่มทำลาย open source
เรื่องราวเริ่มทวีความรุนแรงเมื่อ Pi ถูก...
อ่านต้นฉบับ:
