ปัญหาใหญ่ของการเอา AI เข้ามาในองค์กร ไม่ใช่เรื่องเครื่องมืออย่างเดียว แต่คือคำถามว่า “จะเร็วขึ้นจริงไหม” โดยเฉพาะในบริษัทที่มีคนเยอะและระบบซับซ้อน คลิปจากช่อง AI Engineer โดย Sanja Grbic นักออกแบบผลิตภัณฑ์จาก Automattic เล่าการทดลอง Radical Speed Month ผ่านสามโปรเจกต์ที่เธอทำด้วยตัวเอง
ผู้พูดเล่าว่ารอบแรกมีคนประมาณ 500 คนพักแผนงานเดิมแล้วสร้างและส่งงานในเวลา 30 วัน สิ่งที่น่าสนใจคือการเปลี่ยนวิธีทำงาน ตั้งแต่บทบาทของวิศวกร วิธีทำต้นแบบ ไปจนถึงการให้คนที่ไม่ใช่สายโค้ดส่งงานขึ้นระบบจริง ตัวเลขและผลลัพธ์ในบทความนี้เป็นสิ่งที่ผู้พูดรายงาน ไม่ใช่ผลการทดสอบอิสระว่าทุกองค์กรจะเร็วขึ้นเท่ากัน
เริ่มจากเข้าใจว่า AI ให้ความเร็วไม่เท่ากันในทุกองค์กร
Sanja อธิบายว่า AI ถูกคาดหวังให้เพิ่มความเร็ว แต่ความเร็วนี้ไม่ได้หน้าตาเหมือนกันในทุกที่ ทีมเล็ก 1 ถึง 3 คนที่กำลังทำผลิตภัณฑ์ใหม่จากศูนย์ ย่อมมีเงื่อนไขต่างจากองค์กรใหญ่ที่มีระบบเดิมอายุ 5 ถึง 20 ปีและมีคนหลักพัน
เมื่อประยุกต์กับธุรกิจไทย VibeSolo ชวนดูข้อจำกัดของงานเดิม เช่น ความปลอดภัย การอนุมัติ เอกสาร ระบบเก่า และคนหลายฝ่ายที่เกี่ยวข้อง คำถามจึงไม่ใช่แค่ “เขียนโค้ดเร็วขึ้นไหม” แต่รวมถึง “ลดคอขวดตรงไหนได้บ้าง”
สำหรับร้านค้าออนไลน์ บริษัทบริการ หรือทีมที่มีหลายฝ่าย คำถามต่อไปนี้เป็นข้อเสนอของ VibeSolo สำหรับตรวจงานของตัวเอง:
- งานส่วนไหนติดคอขวดเพราะต้องรอคนเฉพาะทาง
- ขั้นตอนไหนเสียเวลาเพราะต้องส่งต่องานหลายรอบ
- ข้อมูลความรู้ในองค์กรพร้อมให้ AI เข้าใจหรือยัง
- ทีมมีสิทธิ์ทดลองจริงแค่ไหน
ปูพื้นฐานก่อนเร่งความเร็ว ด้วยการทำให้คนทั้งองค์กรใช้ AI เป็น
ตามที่ Sanja เล่า Automattic วางระบบรองรับมาก่อน มีทั้งเครื่องมือ หลักสูตรสองสัปดาห์ที่ออกแบบตามบทบาทงาน แนวทางด้านความปลอดภัย และเอกสารดีพอจนคนที่ไม่ใช่วิศวกรอย่างเธอเปิดสภาพแวดล้อมสำหรับพัฒนาได้
อีกจุดที่เธอใช้ในการค้นข้อมูลและวางแผนคือ MCP server ซึ่งเชื่อมเครื่องมือ AI กับความรู้และข้อมูลภายในที่องค์กรสะสมไว้ ข้อมูลนี้ช่วยให้ AI มีบริบทของบริษัท
เมื่อถอดบทเรียนเป็นข้อเสนอสำหรับธุรกิจไทย VibeSolo ชวนเตรียม 4 ด้าน:
- เครื่องมือ มีเครื่องมือให้คนใช้จริง
- การฝึก ฝึกตามบทบาทงานและให้เวลาลงมือทำ
- ความปลอดภัย รู้ว่า AI เข้าถึงข้อมูลและระบบส่วนใดได้
- ฐานความรู้ เอกสารต้องค้นหาได้ อ่านรู้เรื่อง และมีคนดูแล
สร้างพื้นที่ทดลองที่จริงพอจะมีผล แต่ปลอดภัยพอจะกล้าลอง
Radical Speed Month มีโจทย์ให้พักแผนงานเดิม จับคู่ทำงาน 30 วัน และส่งงานที่ใช้ได้จริง Sanja บอกว่าต้องแบ่งการทดลองเป็นรอบ โดยรอบแรกมีคนเข้าร่วมประมาณหนึ่งในสามของบริษัท หรือประมาณ 500 คน และเริ่มทำ 794 โปรเจกต์ ตัวเลขนี้ไม่ได้หมายความว่าทั้ง 794 โปรเจกต์ส่งมอบสำเร็จแล้ว
การใช้ AI เปิดให้เลือก แต่ไม่ได้บังคับ สำหรับ Sanja หลักสูตรฝึกที่เกิดขึ้นในช่วงเดียวกันทำให้ AI มีบทบาทมากกับสิ่งที่เธอส่งมอบได้
ข้อเสนอของ VibeSolo คือเริ่มทดลองในทีมเล็กที่ดูแลได้ก่อน โดยยืมองค์ประกอบจากกรณีนี้:
- มีกรอบเวลาชัดเจน
- มีโจทย์จริงที่ต้องการแก้
- มีสิทธิ์ตัดสินใจภายในขอบเขตงาน
- มีผลลัพธ์ที่ต้องส่งให้ใช้ได้จริง
ใช้โปรเจกต์เล็กเพื่อเปลี่ยนวิศวกรจากคนทำงานเป็นคนปลดล็อกทีม
โปรเจกต์แรกที่ Sanja เล่าคือแอปจัดการรอบเล่นบอร์ดเกม ซึ่งเป็นแบบฝึกระหว่างหลักสูตร AI ทีมสี่คนประกอบด้วยนักออกแบบสองคน วิศวกรหนึ่งคน และผู้ดูแลผลิตภัณฑ์หนึ่งคน มีเวลาสองชั่วโมง แอปที่เธอเล่าว่าทำได้มีการสร้างและเข้าร่วมรอบเล่น ดูที่ว่าง และแชตกัน จุดสำคัญสำหรับเธอคือวิธีร่วมมือกัน
วิศวกรในทีมช่วยตั้งโปรเจกต์บน GitHub อธิบายคำสั่งพื้นฐานและการใช้ Git จนคนอื่นบันทึกการแก้โค้ดร่วมกันได้ Sanja มองว่าคนที่เก่งทักษะหนึ่งอาจสร้างผลกระทบได้มากขึ้นด้วยการช่วยให้เพื่อนร่วมทีมทำงานได้ เธอย้ำด้วยว่าแบบฝึกนี้ไม่เกี่ยวกับผลิตภัณฑ์เดิม จึงเป็นพื้นที่เน้นการเรียนรู้
สำหรับทีมไทย VibeSolo ชวนมองบทบาทของคนเทคนิคเพิ่มจากผู้รับงาน เป็นคนสอน คนตรวจ และคนวางขอบเขตให้เพื่อนร่วมทีมทดลองได้ เหตุผลคือถ้า AI ช่วยคนต่างสายงานลงมือกับโค้ดได้ การช่วยตั้งต้นให้ถูกอาจมีค่าพอๆ กับการรับทำงานทุกชิ้นเอง
เปลี่ยนจากออกแบบใน Figma ก่อน ไปสร้าง prototype ก่อน
โปรเจกต์ที่สองเป็นเครื่องมือติดตามสถานะระบบออกแบบ หรือ Design System Tracker ตามคำอธิบายของ Sanja เครื่องมือนี้ดึงลิงก์จาก GitHub, Storybook และ Figma จัดกลุ่มตามสถานะและชื่อชุดส่วนประกอบ ค้นหาได้ และมีตัวอย่างส่วนประกอบที่ทำงานจริง
Sanja ไม่ได้เริ่มจาก Figma แล้วค่อยส่งต่อให้ทีมทำ เธอเริ่มจากการสร้างต้นแบบที่ใช้งานได้ หรือ prototype แล้วค่อยกลับไปใช้ Figma เก็บรายละเอียดภาพบางส่วนที่อธิบายให้เครื่องมือเขียนโค้ดเข้าใจยาก เธอบอกว่าต้นแบบใช้เวลาหนึ่งสัปดาห์ ก่อนใช้เวลาอีกประมาณหนึ่งสัปดาห์ครึ่งแก้ไข เตรียมที่ให้ระบบทำงาน และนำขึ้นใช้ภายใน รวมถึงเว็บไซต์สาธารณะที่คัดข้อมูลไว้บางส่วน
นี่เป็นประเด็นที่ VibeSolo ชวนคนทำงานสายธุรกิจลองพิจารณา ถ้างานนั้นเป็นเครื่องมือภายใน หน้าเว็บ หรือหน้าจอดูข้อมูล การเริ่มจากต้นแบบที่กดได้จริงอาจช่วยให้ถามคำถามกับงานได้เร็วขึ้น เช่น:
- ข้อมูลพอหรือยัง
- ลำดับการใช้งานทำงานได้จริงไหม
- ค้นหาเจอไหม
- เงื่อนไขการทำงานพังตรงไหน
คำถามเหล่านี้เป็นการประยุกต์ของ VibeSolo ไม่ใช่ผลวัดความเร็วของบริษัทไทยหรือข้อสรุปว่าทุกงานควรเริ่มจากต้นแบบก่อนงานออกแบบ
ให้เจ้าของงานมีสิทธิ์ตัดสินใจตั้งแต่คิดจนส่งมอบ
Sanja อธิบายคำว่า agency ในกรณีนี้ว่าเป็นการมีสิทธิ์ตัดสินใจและถือทั้งกระบวนการ เธอเห็นว่าโอกาสนี้ช่วยลดเวลาที่ต้องใช้เจรจาและส่งต่องานในองค์กรใหญ่
เครื่องมือติดตามระบบออกแบบใช้เวลารวมประมาณสองสัปดาห์ครึ่งตามที่เธอรายงาน และเป็นจุดเปลี่ยนที่ทำให้เธอมองบทบาทของตัวเองขยับจากนักออกแบบไปสู่คนที่ออกแบบและพัฒนาได้ด้วย เธอระบุว่าการส่งโค้ดขึ้นระบบจริงเกิดภายในองค์กรที่มีขั้นตอนเตรียมคนและความปลอดภัยรองรับ
เมื่อนำมาคิดต่อกับธุรกิจไทย VibeSolo ชวนตรวจรอยต่อระหว่างคนคิด คนออกแบบ คนเขียนข้อกำหนด และคนพัฒนา ว่าส่วนไหนยังจำเป็นต้องส่งต่อ และส่วนไหนเจ้าของงานสามารถทดลองเองภายใต้ขอบเขตที่กำหนดไว้
ตัวอย่างต่อไปนี้เป็นแนวทางทดลองที่ VibeSolo เสนอ ไม่ใช่โครงการของ Automattic หรือการรับรองว่าแต่ละฝ่ายทำได้โดยไม่ต้องมีคนตรวจ:
- นักการตลาดทำต้นแบบหน้าเว็บรับลูกค้า
- เจ้าของธุรกิจร่างหน้าจอดูข้อมูลภายใน
- ทีมบริการลูกค้าช่วยออกแบบขั้นตอนทำงานร่วมกับ AI
- ฝ่ายปฏิบัติการทำเครื่องมือย่อยสำหรับงานซ้ำ
เมื่อทีมเข้าใจวิธีทำงานร่วมกับ AI ตรงกัน
หลังจากสองโปรเจกต์แรก Sanja จับคู่กับนักออกแบบอีกคนและเล่าว่าสร้างต้นแบบแอปแชตบน iOS สำหรับร้านค้า WooCommerce ภายในหกวัน ต้นแบบนี้ใช้ตอบคำถามลูกค้าผ่านมือถือ หรือให้ AI ช่วยตอบได้ เป็นการพิสูจน์แนวคิด ไม่ใช่ประกาศเปิดบริการเชิงพาณิชย์
ตามที่ผู้พูดอธิบาย ต้นแบบมีการล็อกอินผ่าน WordPress.com เชื่อมต่อ Jetpack มีส่วนแชตบนเว็บที่ใช้รูปแบบเดียวกับธีม และมี AI ที่อ่านข้อมูลจากเว็บไซต์เพื่อตอบคำถาม เธอบอกว่าระบบพิจารณาได้ว่าคำถามไหนตอบได้ แต่คลิปไม่ได้ให้ผลทดสอบความแม่นยำของการตัดสินใจนี้
Sanja เล่าว่าการตกลงแนวคิดและกำหนดคุณสมบัติร่วมกันทำได้ง่ายขึ้น ทั้งคู่เริ่มสำรวจงานในโฟลเดอร์โปรเจกต์ของเครื่องมือเขียนโค้ด AI และเก็บแชตกับไอเดียไว้ในระบบไฟล์ เธอสังเกตว่าวิธีนี้ช่วยให้ร่วมมือและสร้างงานต่อได้เร็วขึ้น สิ่งที่ใช้คุยงานหลักยังเป็นต้นแบบ ก่อนกลับไปเก็บรายละเอียดภาพใน Figma
สำหรับคนทำธุรกิจ VibeSolo มองว่านี่เป็นแนวทางจัดเก็บบริบทและทำงานกับต้นแบบร่วมกัน มากกว่าหลักฐานว่าทีมทุกประเภทจะสร้างระบบบริการลูกค้าได้ในหกวัน
การเปลี่ยนวิธีทำงานในองค์กรใหญ่เกี่ยวข้องกับพฤติกรรมคน
ช่วงท้าย Sanja เสนอว่า การเปลี่ยนขั้นตอนหรือเครื่องมือในองค์กรใหญ่ต้องเปลี่ยนพฤติกรรมที่อยู่เบื้องหลังด้วย เธอชวนเริ่มได้แม้ในระดับทีม
ข้อเสนอของเธอมี 4 ด้าน:
- ให้คนเข้าถึงเครื่องมือใหม่
- หาคนช่วยให้เพื่อนร่วมทีมทำได้และคนผลักดันการใช้งาน
- สร้างพื้นที่ให้ทดลอง
- ให้คนทำงานมีสิทธิ์ตัดสินใจ
ในมุมของ VibeSolo การซื้อสิทธิ์ใช้เครื่องมือจึงควรมาคู่กับการตรวจขั้นตอนตัดสินใจ เวลาในการทดลอง และความช่วยเหลือที่ทีมได้รับ ประเด็นนี้เป็นการตีความบทเรียนจากคลิป ไม่ใช่ข้อสำรวจว่าองค์กรไทยกำลังทำงานแบบใด
นำบทเรียนมาลองกับงานของตัวเอง
ข้อเสนอของ VibeSolo คือมองการสร้างต้นแบบและแก้ปัญหาเฉพาะงานควบคู่กับระบบรองรับ ไม่จำเป็นต้องตั้งเป้าให้ทุกคนกลายเป็นนักพัฒนา ตัวอย่างต่อไปนี้เป็นแนวคิดสำหรับทดลอง ไม่ใช่ผลลัพธ์ที่คลิปยืนยัน:
- ร้านค้าออนไลน์ทำ AI ช่วยตอบคำถามจากข้อมูลสินค้าและคำถามที่พบบ่อย
- บริษัทบริการทำเครื่องมือค้นคู่มือ ขั้นตอน และนโยบาย
- ทีมการตลาดทำหน้าเว็บทดลองแคมเปญ
- ฝ่ายบุคคลทำผู้ช่วยตอบคำถามสวัสดิการและการเริ่มงาน
- ฝ่ายปฏิบัติการทำหน้าจอดูข้อมูลหรือเครื่องมือจัดขั้นตอนงานซ้ำ
กรณีที่ Sanja เล่าเกิดในองค์กรที่มีเอกสารและลงทุนเรื่องการฝึกมาก่อนแล้ว หากทีมของเรายังมีข้อมูลกระจัดกระจาย ไม่มีคนรับผิดชอบข้อมูล หรือความปลอดภัยไม่พร้อม สิ่งเหล่านี้เป็นเงื่อนไขที่ควรตรวจเพิ่มก่อนคาดหวังผลแบบเดียวกัน
แหล่งที่มา: 500 people vibe-coded for 30 days. I was one of them. โดย Sanja Grbic, Automattic ทางช่อง AI Engineer อัปโหลดวันที่ 7 กรกฎาคม 2026 เวลาไทย ผลงาน ระยะเวลา และตัวเลของค์กรเป็นสิ่งที่ผู้พูดรายงาน บทความนี้แยกข้อเสนอของ VibeSolo ไว้ในส่วนประยุกต์ วันอัปโหลดไม่ใช่วันจัดงานซึ่งยังไม่ยืนยัน และไม่ใช่วันที่เผยแพร่บทความนี้
