ต้องเปิด AI ทิ้งไว้ตลอดไหม กับความลับของ "สร้างครั้งเดียว"
คนส่วนใหญ่คิดว่าจะใช้ AI ทำงานให้ ต้องนั่งคุยกับมันทุกครั้ง เปิดทิ้งไว้ทั้งวัน ความจริงคือคุณใช้ AI เป็นคนสร้างระบบ แล้วระบบนั้นทำงานเองได้ บางทีไม่มี AI อยู่ในนั้นเลยตอนรัน บทนี้อธิบายกลไกที่ทำให้ "สร้างครั้งเดียวแล้วรันเอง" เป็นจริง พร้อมตัวอย่างเดินทีละ step
ต้องเปิด AI ทิ้งไว้ตลอดไหม กับความลับของ "สร้างครั้งเดียว"
คุณเริ่มใช้ AI คล่องขึ้นแล้ว มันช่วยร่างอีเมล สรุปเอกสาร ตอบคำถามได้ดี แต่พอคิดจะให้มันทำงานซ้ำ ๆ ให้ทุกวัน เช่น สรุปข่าวให้ทุกเช้า หรือเช็คยอดขายให้ทุกสิ้นวัน คุณก็เริ่มกังวล ถ้างั้นฉันต้องนั่งเปิดแชทคุยกับมันทุกเช้าเลยเหรอ ต้องเปิดคอมทิ้งไว้ให้ AI ทำงานทั้งวันไหม แล้วค่าใช้จ่ายจะบานไหมถ้ามันต้องคิดทุกครั้ง
คำถามพวกนี้มาจากภาพในหัวที่ฝังลึก คือภาพที่ว่า "ใช้ AI = ต้องคุยกับ AI" ทุกงานต้องมี AI นั่งทำอยู่ตรงนั้นตลอดเวลา บทนี้จะพลิกภาพนั้นทิ้ง และเป็นการพลิกที่เปลี่ยนวิธีที่คุณจะมองเครื่องมือพวกนี้ไปตลอด ความจริงคือ บ่อยครั้ง AI ทำหน้าที่เป็น คนสร้าง ไม่ใช่ คนทำงานประจำ คุณใช้ AI สร้างระบบขึ้นมาหนึ่งครั้ง แล้วระบบนั้นทำงานเองซ้ำ ๆ ได้เรื่อย ๆ บางทีไม่มี AI อยู่ในระบบนั้นเลยตอนมันทำงานจริง
ภาพในหัวที่ทำให้คนเข้าใจผิด
ลองนึกถึงเวลาคุณจ้างคนมาทำงาน มีสองแบบที่ต่างกันมาก
แบบแรก คุณจ้างผู้ช่วยมานั่งข้าง ๆ ทุกครั้งที่มีงาน คุณบอกเขาทีละอย่าง เขาทำให้ทีละอย่าง งานเสร็จแล้วเขาก็รอคำสั่งถัดไป ถ้าคุณไม่อยู่ ไม่สั่ง งานก็ไม่เดิน นี่คือภาพที่เกือบทุกคนมีเวลาคิดถึง AI
แบบที่สอง คุณจ้างช่างมาติดตั้งเครื่องรดน้ำต้นไม้อัตโนมัติ ช่างมาวันเดียว วางท่อ ตั้งเวลา แล้วกลับบ้าน หลังจากนั้นเครื่องรดน้ำทำงานเองทุกเช้า 6 โมง ช่างไม่ต้องกลับมาอีก ไม่ต้องมานั่งเฝ้า ตัวช่างไม่ได้อยู่ในระบบรดน้ำเลย เขาแค่ สร้าง มันขึ้นมา
AI ทำได้ทั้งสองแบบ และคนส่วนใหญ่รู้จักแค่แบบแรก เพราะนั่นคือสิ่งที่คุณเจอตอนเปิดแชทคุยกับมัน บทนี้จะพาไปดูแบบที่สอง ซึ่งทรงพลังกว่ามากสำหรับงานที่ต้องทำซ้ำ ๆ
💡 ใจความสำคัญ: "ใช้ AI" ไม่ได้แปลว่า "ต้องคุยกับ AI ทุกครั้ง" เสมอไป คุณใช้ AI เป็นช่างที่มาสร้างระบบให้ครั้งเดียว แล้วระบบนั้นทำงานเองได้ต่อ โดยที่คุณไม่ต้องกลับมาสั่งซ้ำ และบางครั้ง AI ก็ไม่ได้อยู่ในระบบที่มันสร้างเลย
สเปกตรัม: AI อยู่ตรงไหนของงาน
เพื่อให้เห็นภาพชัด ลองวางงานต่าง ๆ ลงบนเส้นยาวเส้นหนึ่ง ปลายข้างหนึ่งคือ "AI ทำงานอยู่ตลอดเวลา" อีกข้างคือ "AI สร้างไว้ แต่ตอนทำงานจริงไม่มี AI เลย" งานจริงกระจายอยู่ทั่วเส้นนี้ ไม่ได้อยู่แค่ปลายใดปลายหนึ่ง
ก่อนไปต่อ ต้องแยกคำสองคำให้ชัด คำว่า runtime แปลตรงตัวว่า "ตอนที่มันทำงานจริง" หมายถึงช่วงที่ระบบกำลังรันและให้ผลลัพธ์ออกมา ส่วน "ตอนสร้าง" คือช่วงที่คุณนั่งสร้างระบบนั้นขึ้นมาครั้งแรก คำถามสำคัญคือ ตอน runtime มี AI ทำงานอยู่ในนั้นไหม หรือ AI ทำงานแค่ตอนสร้าง
ปลายข้างหนึ่งของเส้น คือ มี AI ตลอด runtime ตัวอย่างที่ชัดที่สุดคือแชทบอทตอบลูกค้า ทุกครั้งที่ลูกค้าพิมพ์เข้ามา ต้องมี AI อ่านคำถามแล้วคิดคำตอบสด ๆ ตรงนั้น ถ้าไม่มี AI ระบบก็ตอบไม่ได้ งานแบบนี้ AI คือหัวใจที่เต้นอยู่ตลอด
ปลายอีกข้าง คือ AI สร้าง แต่ runtime ไม่มี AI ตัวอย่างเช่น คุณให้ AI เขียนโปรแกรมเล็ก ๆ ที่ดึงราคาทองจากเว็บมาบันทึกลงไฟล์ทุกวัน พอเขียนเสร็จ โปรแกรมนั้นก็เป็นแค่ชุดคำสั่งธรรมดา มันดึงราคาทองเองได้ทุกวันโดยไม่ต้องมี AI มาคิดอะไรเลย AI ทำงานแค่ตอนเขียนโปรแกรมครั้งเดียว หลังจากนั้นมันเดินจากไป เหมือนช่างรดน้ำต้นไม้
ตรงกลางเส้นก็มี เช่น ระบบที่รันเองเป็นส่วนใหญ่ แต่เรียก AI มาช่วยเฉพาะจุดที่ต้องใช้ความเข้าใจภาษา เช่น โปรแกรมดึงรีวิวลูกค้ามาเองทุกวัน (ส่วนนี้ไม่มี AI) แล้วส่งให้ AI ช่วยสรุปว่ารีวิววันนี้คนบ่นเรื่องอะไรมากที่สุด (ส่วนนี้มี AI) AI ทำงานแค่แวบเดียวต่อวัน ไม่ได้อยู่ตลอด
ทำไมต้องสนใจว่างานอยู่ตรงไหนบนเส้นนี้ เพราะตำแหน่งบนเส้นบอกสองอย่างที่สำคัญมากกับกระเป๋าเงินและความสบายใจของคุณ คือ ต้นทุน กับ ความเสถียร
ยิ่งงานอยู่ทางซ้าย (มี AI ตลอด) ยิ่งแพงและยิ่งคาดเดายาก เพราะทุกครั้งที่ระบบทำงาน ต้องจ่ายค่าให้ AI คิดใหม่ และ AI ก็มีโอกาสตอบไม่เหมือนเดิมในแต่ละครั้ง บางครั้งดี บางครั้งเพี้ยน บางครั้งหลอน เรื่องทำไม AI ตอบไม่เหมือนเดิมและหลอนได้ อยู่ใน บทเรื่องข้อจำกัดของ AI
ยิ่งงานอยู่ทางขวา (runtime ไม่มี AI) ยิ่งถูกและยิ่งเสถียร เพราะระบบที่รันเองเป็นชุดคำสั่งตายตัว ดึงราคาทองยังไงก็ดึงเหมือนเดิมทุกวัน ไม่มีค่า AI ต่อครั้ง ไม่มีอาการเพี้ยน จ่ายแค่ตอนสร้างครั้งเดียว แล้วใช้ฟรีไปเรื่อย ๆ
💡 ใจความสำคัญ: เวลาออกแบบงานอัตโนมัติ ให้พยายามผลักงานไปทางขวาของเส้นให้มากที่สุด ใช้ AI เฉพาะส่วนที่ จำเป็นต้องใช้ความเข้าใจ จริง ๆ ส่วนงานกลไกซ้ำ ๆ ที่ตายตัว ให้เป็นชุดคำสั่งธรรมดาที่ไม่ต้องพึ่ง AI ตอนรัน แบบนี้ทั้งถูกกว่าและเสถียรกว่ามาก
ลองทำดู: จับงานของคุณวางบนเส้น
นึกถึงงานซ้ำ ๆ ที่คุณทำทุกวันหรือทุกสัปดาห์ เช่น เช็คอีเมลสำคัญ สรุปยอดขาย ดึงข่าวในวงการ แล้วลองถามตัวเองทีละงานว่า ส่วนไหนของงานนี้ต้อง "เข้าใจภาษาหรือตัดสินใจ" จริง ๆ (ส่วนนี้ต้องใช้ AI) และส่วนไหนเป็นแค่ "หยิบของจากที่หนึ่งไปวางอีกที่" แบบตายตัว (ส่วนนี้ไม่ต้องใช้ AI)
ลองเปิดแชทแล้วพิมพ์งานของคุณเข้าไป เช่น
ฉันอยากได้ระบบที่ทุกเช้า 8 โมง ดึงหัวข้อข่าวจากเว็บข่าว 3 เว็บ
แล้วสรุปเป็น 5 บรรทัดส่งเข้าอีเมลฉัน ช่วยแยกให้หน่อยว่า
ขั้นตอนไหนต้องใช้ AI จริง ๆ และขั้นตอนไหนเป็นแค่งานกลไกที่ไม่ต้องใช้ AI
คุณจะเห็นว่าส่วนใหญ่ของงาน (ดึงข่าว ส่งอีเมล ตั้งเวลา) เป็นงานกลไกล้วน ๆ มีแค่ "สรุปข่าว" ส่วนเดียวที่ต้องใช้ AI จริง นี่คือนาทีที่คุณเริ่มมองงานเป็นชิ้น ๆ แทนที่จะคิดว่าทั้งงานต้องมี AI
เครื่องยนต์ที่ทำให้ "สร้างครั้งเดียวแล้วรันเอง" เป็นจริง
ทีนี้คำถามที่ทุกคนสงสัยคือ แล้วระบบที่ "ทำงานเองตามเวลา" มันรันเองได้ยังไง ใครเป็นคนกดให้มันเริ่ม ถ้าฉันปิดคอมไปแล้วมันยังทำงานไหม
มีเครื่องมือสามตัวที่ตอบคำถามนี้ แต่ละตัวเหมาะกับสถานการณ์ต่างกัน เราจะไล่จากตัวที่ทำงานอยู่ "ไกลตัวคุณที่สุด" (บนเครื่องของบริษัทผู้สร้าง) มาจนถึงตัวที่อยู่ "ใกล้ตัวคุณที่สุด" (ในแชทที่เปิดค้างอยู่ตรงหน้า)
ตัวที่ 1: ตั้งให้ทำงานเองบนเครื่องของ Anthropic แม้ปิดคอม
เครื่องมือตัวแรกเรียกว่า Routines อ่านว่า "รูทีน" แปลว่า "งานประจำที่ทำซ้ำ ๆ ตามรอบ" มันคืออะไร
ปกติเวลาคุณใช้ Claude Code คุณต้องเปิดโปรแกรมบนเครื่องตัวเอง พิมพ์สั่ง แล้วมันทำงานบนเครื่องคุณ ถ้าคุณปิดเครื่อง ทุกอย่างก็หยุด แต่ Routines ต่างออกไป มันคือการบันทึกคำสั่งของคุณไว้ แล้วฝากให้ "เครื่องของบริษัท Anthropic" (บริษัทผู้สร้าง Claude) เป็นคนรันให้ตามเวลาที่ตั้งไว้
จุดสำคัญที่สุดคือ มันรันบนเครื่องของ Anthropic ในระบบคลาวด์ ไม่ใช่บนเครื่องคุณ เพราะฉะนั้น มันทำงานต่อแม้คุณปิดคอมหรือปิดโน้ตบุ๊กไปแล้ว ตามที่ Anthropic ระบุไว้ในเอกสาร งานพวกนี้รันบนโครงสร้างของ Anthropic จึงทำงานต่อได้แม้คุณปิดแล็ปท็อปไปแล้ว
ลองนึกว่าคุณกำลังตั้งนาฬิกาปลุกให้คนทำงานคนหนึ่ง คำถามคือจะปลุกเขาด้วยอะไร Routines มีสามวิธีให้มันเริ่มทำงาน หรือสาม "ตัวจุดชนวน"
- ตามเวลา ตั้งให้รันทุกชั่วโมง ทุกวัน ทุกวันธรรมดา หรือทุกสัปดาห์ก็ได้ เช่น "ทุกเช้า 9 โมง สรุป PR ที่ merge เมื่อวาน" รอบที่ถี่ที่สุดที่ตั้งได้คือทุก 1 ชั่วโมง จะตั้งให้ถี่กว่านั้นไม่ได้
- ตามการเรียกผ่านลิงก์ (API) ระบบอื่นยิงสัญญาณมาที่ลิงก์เฉพาะของ Routine นี้ แล้วมันก็เริ่มทำงาน เช่น ระบบเฝ้าระวังเซิร์ฟเวอร์เจอ error แล้วยิงสัญญาณมาให้ Claude มาช่วยดู
- ตามเหตุการณ์บน GitHub เช่น มีคนเปิด pull request ใหม่ ก็ให้ Claude มารีวิวโค้ดให้อัตโนมัติ
วิธีสร้าง Routine ง่ายมาก ในหน้าต่าง Claude Code พิมพ์คำสั่ง /schedule แล้วบอกเป็นภาษาคนได้เลย เช่น /schedule ทุกวัน 9 โมงเช้า รีวิว PR หรืองานครั้งเดียวก็ได้ เช่น /schedule อีกหนึ่งสัปดาห์ ลบ feature flag ตัวนี้ออก มันจะถามรายละเอียดที่เหลือแล้วบันทึกให้
ก่อนจะตื่นเต้นไปไกล มีข้อควรรู้ตามตรงสองสามอย่างที่จะกันคุณจากความผิดหวังทีหลัง อย่างแรก ตอนเขียนบทนี้ (มิถุนายน 2026) Routines ยังอยู่ในสถานะ "research preview" คือยังเป็นของใหม่ที่กำลังทดลอง รายละเอียดและขีดจำกัดอาจเปลี่ยนได้ อย่างที่สอง มันใช้ได้กับผู้ใช้แพ็กเกจ Pro, Max, Team และ Enterprise ที่เปิดใช้ Claude Code บนเว็บ ไม่ใช่ทุกคนจะมี อย่างที่สาม Routine รันเองโดยไม่ถามขออนุญาตระหว่างทาง (ไม่มีจังหวะให้คุณกดอนุมัติ) เหมือนปล่อยให้คนทำงานเดินไปทำงานคนเดียวโดยคุณไม่ได้อยู่ดูข้าง ๆ เพราะฉะนั้นต้องเขียนคำสั่งให้ชัดและจำกัดสิ่งที่มันทำได้ให้แคบ
ตัวที่ 2: ตั้งให้ทำงานเองบนเครื่องคุณเอง เข้าถึงไฟล์ในเครื่องได้
บางงานคุณไม่อยากให้รันบนคลาวด์ เพราะมันต้องยุ่งกับไฟล์ที่อยู่ในเครื่องคุณเองโดยตรง เช่น จัดระเบียบโฟลเดอร์รูป สรุปไฟล์งานในเครื่อง อ่านไฟล์ Excel ที่เก็บไว้ในคอม งานแบบนี้ใช้เครื่องมือตัวที่สอง คือ Desktop scheduled tasks แปลว่า "งานตั้งเวลาบนแอปเดสก์ท็อป"
มันคล้าย Routines ตรงที่ตั้งเวลาให้รันเองได้ แต่ต่างกันที่จุดสำคัญ คือมันรันบน เครื่องคุณเอง ไม่ใช่คลาวด์ ข้อดีคือมันเข้าถึงไฟล์และเครื่องมือในเครื่องคุณได้ตรง ๆ ข้อเสียคือ มันทำงานได้เฉพาะตอนที่แอปเปิดอยู่และเครื่องตื่นอยู่ ถ้าคอมหลับหรือปิดอยู่ตอนถึงเวลา รอบนั้นจะไม่รันตามเวลา แต่พอเครื่องตื่นหรือเปิดแอปอีกครั้ง ระบบจะรันชดเชยให้หนึ่งรอบ (เฉพาะรอบล่าสุดที่พลาด รอบเก่ากว่านั้นถูกทิ้ง)
นึกภาพง่าย ๆ ว่าคุณกำลังเลือกระหว่างคนทำงานสองคน คนหนึ่งทำงานจากที่ไหนก็ได้แต่แตะไฟล์ในคอมคุณไม่ได้ อีกคนนั่งทำงานที่โต๊ะในบ้านคุณ เปิดลิ้นชักหยิบเอกสารได้ แต่ทำงานได้เฉพาะตอนที่คุณเปิดไฟในห้องให้ ตามเอกสารของ Anthropic ความต่างสรุปได้สั้น ๆ แบบนี้ ถ้าอยากให้งานรันแน่นอนแม้ปิดเครื่อง ใช้ Routines (คลาวด์) ถ้างานต้องยุ่งกับไฟล์ในเครื่อง ใช้ Desktop scheduled tasks มันตั้งรอบได้ถี่ถึงทุก 1 นาที (ถี่กว่า Routines ที่ขั้นต่ำ 1 ชั่วโมง) วิธีสร้างก็เหมือนกัน คือพิมพ์บอกเป็นภาษาคนในแอป เช่น "ตั้งงานให้รีวิวโค้ดทุกเช้า 9 โมง" หรือไปสร้างผ่านหน้า Routines ในแอปเดสก์ท็อปแล้วเลือกแบบ Local
ตัวที่ 3: วน prompt ซ้ำในแชทที่เปิดค้างอยู่
เครื่องมือตัวที่สามอยู่ใกล้ตัวที่สุด มันคือคำสั่ง /loop คำว่า loop แปลว่า "วนซ้ำ" มันคือการให้ Claude รัน prompt เดิมซ้ำ ๆ ในแชทที่คุณเปิดค้างอยู่ตรงหน้า
ต่างจากสองตัวบนตรงที่ /loop ทำงานได้เฉพาะตอนที่แชทเปิดอยู่เท่านั้น ปิดแชทเมื่อไหร่มันก็หยุด (ถ้ากลับมาเปิด session เดิมต่อ loop ที่ยังไม่หมดอายุจะทำงานต่อได้) เพราะฉะนั้นมันเหมาะกับงาน "เฝ้าดูสั้น ๆ" ที่คุณนั่งรอผลอยู่ ไม่ใช่งานประจำที่ต้องรันทุกวัน ตัวอย่างเช่น /loop 5m เช็คว่า deploy เสร็จหรือยัง แปลว่าให้มันเช็คทุก 5 นาทีว่างานติดตั้งเสร็จหรือยัง ถ้าไม่ใส่ช่วงเวลา มันจะเว้นจังหวะเองระหว่างรอบ
💡 เลือกตัวไหนดี: อยากให้รันแน่ ๆ แม้ปิดคอม และไม่ต้องยุ่งกับไฟล์ในเครื่อง เลือก Routines (คลาวด์) อยากให้รันเองตามเวลาแต่ต้องเข้าถึงไฟล์ในเครื่อง เลือก Desktop scheduled tasks (รันบนเครื่องคุณ ต้องเปิดเครื่องไว้) แค่อยากเฝ้าดูอะไรสั้น ๆ ระหว่างนั่งทำงานอยู่ เลือก
/loop
นี่แหละคือกลไกที่เปลี่ยน AI จาก "ผู้ช่วยที่ต้องสั่งทุกครั้ง" ให้กลายเป็น "ระบบที่ทำงานเองตามเวลาหรือตามเหตุการณ์" คุณสั่งครั้งเดียว ตั้งรอบ แล้วมันก็เดินเองต่อ คุณไม่ต้องนั่งเฝ้า ไม่ต้องเปิดแชทคุยทุกเช้าอีกแล้ว
ตัวอย่างจริงเดินทีละ step
ทฤษฎีพอแล้ว มาดูของจริงสามตัวอย่าง แต่ละตัวอย่างเราจะแยกให้ชัดว่า ส่วนไหน "AI เป็นคนสร้าง" และส่วนไหน "รันเองโดยไม่มี AI" และจะพูดความจริงตรง ๆ ว่าอันไหนทำได้จริงแค่ไหน
ขอบอกกันไว้ก่อนตรง ๆ ตัวอย่างทั้งสามนี้เป็น ภาพประกอบความคิด เพื่อให้คุณเห็นโครงสร้าง ตัวเลขรายได้และรายละเอียดเป็นการสมมติและประมาณการเพื่ออธิบาย ไม่ใช่เคสจริงของบริษัทหรือคนใดคนหนึ่งที่ยืนยันได้ โดยเฉพาะตัวอย่าง YouTube เราพยายามหาเคสคนไทยหรือคนในเอเชียตะวันออกเฉียงใต้ที่ยืนยันได้จริงมาเล่า แต่ยังหาที่เชื่อถือได้ไม่เจอ สิ่งที่เล่าต่อไปนี้จึงเป็นภาพประกอบ ส่วนตัวเลขที่อ้างอิงวงการ เราจะใส่คำว่า "ประมาณ" หรือ "บางแหล่งอ้างว่า" กำกับไว้ให้เห็นชัดว่ามันเป็นการประมาณ ไม่ใช่ตัวเลขที่ตรวจสอบยืนยันได้
4.3.1 ทำคอนเทนต์ลง YouTube แบบไม่โชว์หน้า
ลองนึกภาพว่าคุณอยากทำช่อง YouTube แบบ "ไม่โชว์หน้า" คือไม่ต้องออกกล้องเอง ใช้เสียงบรรยายกับภาพประกอบ เล่าเรื่องน่าสนใจ เช่น เรื่องประวัติศาสตร์ เรื่องวิทยาศาสตร์ คอนเทนต์แบบนี้มีจริงและทำเงินได้จริง บางแหล่งในวงการอ้างว่าต้นทุนการผลิตคลิป 10 นาทีลดลงจากหลักหลายร้อยดอลลาร์และใช้เวลาหลายวัน เหลือเพียงไม่กี่ดอลลาร์และใช้เวลาไม่กี่ชั่วโมง เพราะเครื่องมือ AI เข้ามาช่วย (ตัวเลขนี้เป็นการประมาณจากแหล่งในวงการ ไม่ใช่ค่าที่ยืนยันได้)
มาดูว่าระบบแบบนี้แบ่งเป็นชิ้นไหนบ้าง
ขั้นที่ 1 ถึง 4 เป็นสายการผลิตที่งานไหลต่อกันเป็นทอด ๆ วงการเรียกการต่อขั้นตอนแบบนี้ว่า pipeline (แปลว่า "ท่อส่งงานต่อเป็นทอด ๆ") คือ หาหัวข้อที่กำลังเป็นกระแส แล้วเขียนสคริปต์ แล้วแปลงสคริปต์เป็นเสียงบรรยาย แล้วจับคู่เสียงกับภาพประกอบและซับไตเติล จากนั้นขั้นที่ 5 คืออัปโหลดขึ้น YouTube พร้อมตั้งชื่อกับคำอธิบาย
แยกให้ชัดว่าตรงไหนใช้ AI ตรงไหนไม่ใช้
- ส่วนที่ AI ทำ (ตอนสร้างและตอนผลิต) คิดหัวข้อ เขียนสคริปต์ เลือกคำพูดให้ลื่น ทำเสียงบรรยาย ส่วนพวกนี้ต้องใช้ความเข้าใจภาษา จึงต้องมี AI
- ส่วนที่รันเองได้ (ไม่ต้องมี AI คิด) การจับคู่ภาพ การใส่ซับ การอัปโหลดตามเวลา การตั้งชื่อไฟล์ พวกนี้เป็นงานกลไกที่เขียนเป็นชุดคำสั่งให้ทำเองซ้ำ ๆ ได้
คุณใช้ Routines ตั้งให้ระบบนี้ทำงานทุกวันได้ เช่น ทุกเช้าผลิตคลิปใหม่หนึ่งคลิปแล้วตั้งคิวอัปโหลด
แต่นี่คือความจริงที่ต้องพูด เดือนกรกฎาคม 2025 YouTube ปรับถ้อยคำนโยบายให้ชัดขึ้น (เปลี่ยนชื่อจาก "repetitious content" เป็น "inauthentic content") เพื่อย้ำว่าคอนเทนต์ที่ผลิตแบบโรงงาน ทำจากแม่แบบซ้ำ ๆ ไม่มีความคิดสร้างสรรค์จริง ไม่มีสิทธิ์หารายได้อยู่แล้วตั้งแต่ก่อนหน้านี้ ตัว YouTube เองอธิบายว่านี่เป็นการทำให้นโยบายเดิมชัดเจนขึ้น ไม่ใช่กฎใหม่ที่เพิ่งมาเล่นงาน และมีรายงานว่าบางช่องได้รับผลกระทบ พูดง่าย ๆ คือ "เอา AI พ่นคลิปสำเร็จรูปเยอะ ๆ แล้วรวย" ไม่ได้ผล สิ่งที่ยังเวิร์กคือคอนเทนต์ที่ค้นคว้าจริง มีมุมที่คนอื่นไม่มี เรียบเรียงดี AI ช่วยร่นเวลาการผลิตได้ แต่แทนความคิดของคนไม่ได้ และรายได้ก็ไม่ได้มาเร็ว โดยทั่วไปช่องที่ทำจริงจังมักใช้เวลาหลายเดือนถึงราวหนึ่งปีกว่าจะเริ่มมีรายได้เข้า (เรื่องนโยบาย YouTube อ้างอิงจาก Social Media Today, socialmediatoday.com)
ดังนั้นภาพที่ถูกต้องคือ AI เป็นเครื่องมือลดต้นทุนและเวลาการผลิต ไม่ใช่ปุ่มพิมพ์เงิน
4.3.2 "ออฟฟิศที่เต็มไปด้วยตัวการ์ตูนทำงานกันเอง"
คุณอาจเคยเห็นคลิปในโซเชียลที่โชว์ "ออฟฟิศ AI" เป็นจอที่มีตัวการ์ตูนเล็ก ๆ (pixel) เดินไปเดินมา นั่งโต๊ะทำงาน คุยกัน ราวกับมีพนักงาน AI หลายคนทำงานในบริษัทจำลอง ภาพดูตื่นตามาก คำถามคือ อะไรจริง อะไรคือการแสดง
เริ่มจากของจริงก่อน สิ่งที่จริงคือ AI สามารถทำงานเป็น "ทีม" ได้ คุณตั้ง AI ตัวหนึ่งเป็นหัวหน้าที่แตกงานใหญ่เป็นงานย่อย แล้วส่งงานย่อยให้ AI ตัวอื่นทำคนละส่วน เช่น ตัวหนึ่งค้นข้อมูล ตัวหนึ่งเขียนร่าง ตัวหนึ่งตรวจทาน แล้วเอาผลมารวมกัน กลไกนี้มีจริงและทำงานได้ เรียกว่า sub-agents คือการแตก AI ออกเป็นผู้ช่วยย่อยหลายตัวที่ทำงานขนานกัน (กลไกนี้อธิบายเต็ม ๆ ใน บทเรื่องทีม AI และ sub-agents)
ทีนี้ส่วนที่เป็น "การแสดง" คือตัวการ์ตูนเดินไปเดินมาในจอ พนักงาน pixel ที่นั่งโต๊ะ เดินไปคุยกัน พวกนั้นเป็น หน้าตา ที่คนทำขึ้นมาให้ดูน่าสนใจสำหรับโซเชียล มันคือภาพประกอบสวย ๆ ที่แปะทับการทำงานจริงซึ่งเป็นแค่ข้อความส่งไป-กลับระหว่าง AI หลายตัว ตัวการ์ตูนไม่ได้ "ทำงาน" จริง มันคือ animation ที่วาดให้ตรงกับสถานะของ AI ข้างหลัง
แยกให้ชัด
- ส่วนที่จริง (และมีประโยชน์) การแตกงานให้ AI หลายตัวช่วยกันทำคนละส่วนแล้วรวมผล อันนี้ใช้ได้จริงกับงานที่ซับซ้อน
- ส่วนที่เป็นการแสดง ตัวการ์ตูนเดินในออฟฟิศจำลอง เป็นเปลือกนอกเพื่อความตื่นตาในคลิป ไม่ได้เพิ่มความสามารถอะไรให้ระบบ
ทำไมต้องแยกให้ออก เพราะถ้าคุณดูคลิปพวกนี้แล้วคิดว่า "ต้องมีออฟฟิศการ์ตูนถึงจะทำได้" คุณจะหลงทาง ความสามารถจริงอยู่ที่การแตกงานให้ AI หลายตัว ซึ่งทำได้ด้วยคำสั่งธรรมดา ไม่ต้องมีจอการ์ตูนอะไรเลย
💡 ใจความสำคัญ: เวลาเห็นเดโม AI ตื่นตาในโซเชียล ให้แยกเสมอว่าส่วนไหนคือ "ความสามารถจริง" ส่วนไหนคือ "หน้าตาที่ทำให้ดูน่าตื่นเต้น" ความสามารถที่เอาไปใช้ได้จริงมักเรียบกว่าภาพในคลิปมาก
4.3.3 บอทเทรดหุ้นหรือคริปโต กับความจริงที่ต้องพูดให้ชัด
ตัวอย่างสุดท้าย และเป็นตัวอย่างที่ต้องระวังที่สุด คือการให้ AI สร้าง "บอทเทรด" คือโปรแกรมที่ซื้อขายหุ้นหรือคริปโตอัตโนมัติตามเงื่อนไขที่ตั้งไว้
ในแง่การสร้าง มันเข้ากับเรื่องของบทนี้พอดี เพราะบอทเทรดเป็นตัวอย่างชัดของ "AI สร้าง แต่ runtime ไม่มี AI" คุณใช้ AI ช่วยเขียนโปรแกรมที่มีกฎตายตัว เช่น ถ้าราคาลงถึงจุดนี้ให้ซื้อ ถ้าขึ้นถึงจุดนั้นให้ขาย พอเขียนเสร็จ โปรแกรมก็ทำตามกฎเองโดยไม่ต้องมี AI คิดอะไรอีก มันคือชุดเงื่อนไขธรรมดาที่รันซ้ำ ๆ
ฟังดูเหมือนเครื่องพิมพ์เงิน และนี่คือจุดที่ต้องหยุดแล้วพูดความจริงแบบไม่อ้อมค้อม
ความจริงข้อที่ 1 การเขียนบอทได้ ไม่เท่ากับบอททำกำไรได้ AI ช่วยคุณ เขียนโปรแกรม ที่ทำงานไม่พังได้ก็จริง แต่มันไม่ได้ทำให้ กลยุทธ์การเทรด ของคุณทำกำไร โปรแกรมที่รันลื่นแต่ใช้กลยุทธ์ที่ผิด ก็แค่ขาดทุนได้เร็วและเป็นระบบมากขึ้นเท่านั้น
ความจริงข้อที่ 2 ตลาดเปลี่ยนตลอด กฎที่เคยได้ผลกับข้อมูลเก่า มักใช้ไม่ได้กับอนาคต มืออาชีพที่ทำเรื่องนี้เป็นอาชีพยังขาดทุนกันเป็นเรื่องปกติ การที่บอททดสอบกับข้อมูลในอดีตแล้วดูสวย ไม่ได้แปลว่ามันจะรอดของจริง
ความจริงข้อที่ 3 บอทที่รันเองคือดาบสองคม ข้อดีของ "รันเองไม่มี AI" คือมันทำตามกฎเป๊ะ ๆ แต่นั่นก็คือข้อเสียด้วย ลองนึกภาพตอนตีสามที่คุณหลับสนิท ตลาดเหวี่ยงแรงผิดปกติแบบที่ไม่เคยเจอ บอทไม่รู้สึกอะไร มันแค่เห็นว่าเงื่อนไข "ถ้าราคาลงให้ซื้อ" เป็นจริง แล้วก็ซื้อ ราคาลงอีกมันก็ซื้ออีก ทำคำสั่งผิด ๆ ซ้ำ ๆ ด้วยความเร็วเครื่องจักร ไม่มีใครเบรก พอคุณตื่นมาตอนเช้า เงินในพอร์ตอาจหายไปแล้วทั้งที่คุณนอนอยู่เฉย ๆ ของจริงเป็นแบบนี้ได้ภายในไม่กี่นาที
ดังนั้นถ้าจะลองเรื่องนี้ ให้ลองด้วยเงินสมมติหรือเงินที่พร้อมจะเสียทั้งหมดได้เท่านั้น และเข้าใจตรง ๆ ว่าส่วนยากไม่ใช่การเขียนโปรแกรม (ส่วนนั้น AI ช่วยได้) แต่คือการมีกลยุทธ์ที่ทำกำไรได้จริง ซึ่ง AI การันตีให้ไม่ได้ จุดประสงค์ของบทนี้คือให้ความรู้ ไม่ใช่ชวนให้คุณเอาเงินไปเสี่ยงกับภาพฝันว่าจะมีเครื่องพิมพ์เงินอัตโนมัติ
ลองทำดู: ให้ AI สร้างของชิ้นเล็กที่รันเองได้
ไม่ต้องเริ่มจากของใหญ่ ลองของเล็กที่ปลอดภัยก่อน เปิด Claude Code แล้วลองสั่งงานที่ "สร้างครั้งเดียวแล้วรันเอง" เช่น
ช่วยเขียนสคริปต์เล็ก ๆ ที่ดึงอัตราแลกเปลี่ยนเงินบาทต่อดอลลาร์
จากเว็บ แล้วบันทึกลงไฟล์พร้อมวันที่ ทุกครั้งที่รัน
อธิบายให้ฟังด้วยว่าส่วนไหนของสคริปต์นี้ไม่ได้ใช้ AI เลย
เมื่อมันเขียนเสร็จ คุณจะเห็นว่าสคริปต์นั้นเป็นชุดคำสั่งธรรมดา ไม่มี AI อยู่ในนั้น มันดึงค่าเงินเองได้ทุกครั้งที่รัน นี่คือ "ของที่ AI สร้าง แต่รันเองโดยไม่มี AI" ชิ้นแรกของคุณ
ขั้นต่อไปถ้าอยากให้มันรันเองทุกวัน ลองพิมพ์ /schedule แล้วบอกว่าอยากให้ดึงค่าเงินทุกเช้า คุณจะได้สัมผัสการเปลี่ยน "สคริปต์ที่ต้องสั่งเอง" ให้เป็น "ระบบที่ทำงานเองตามเวลา" ด้วยมือตัวเอง
ปิดท้ายแบบซื่อสัตย์ อันไหนทำได้จริงใน 6 เดือน อันไหนเป็นเรื่องของปี
มาสรุปกันแบบไม่ขายฝัน ว่าตัวอย่างพวกนี้ของคนทั่วไปที่ไม่ใช่โปรแกรมเมอร์ อันไหนทำได้จริงเร็ว อันไหนต้องใช้เวลาสะสมเป็นปี
ทำได้จริงในไม่กี่สัปดาห์ถึงไม่กี่เดือน คืองานอัตโนมัติเล็ก ๆ ที่ช่วยชีวิตประจำวัน เช่น สรุปข่าวส่งเข้าอีเมลทุกเช้า ดึงข้อมูลจากเว็บมาเก็บเป็นไฟล์ จัดระเบียบไฟล์ตามกฎ เตือนงานตามปฏิทิน พวกนี้ใช้ Routines หรือ Desktop scheduled tasks ตั้งได้ไม่ยาก ผลตอบแทนคือเวลาที่ประหยัดได้ทุกวัน นี่คือจุดที่คุ้มที่สุดและเริ่มได้เลย
ทำได้แต่ต้องลงแรงและใช้เวลาเป็นเดือน ๆ ถึงปี คือการทำคอนเทนต์ลง YouTube ให้ได้รายได้จริง มันไม่ใช่เปิดเครื่องพ่นคลิปแล้วรวย โดยทั่วไปมักใช้เวลาหลายเดือนถึงราวหนึ่งปีกว่าจะเริ่มมีรายได้ และต้องมีคุณภาพจริงเพราะนโยบายแพลตฟอร์มย้ำชัดว่าคอนเทนต์โรงงานไม่มีสิทธิ์หารายได้ AI ช่วยร่นเวลา แต่ไม่ลัดคิวความพยายาม
อย่าคาดหวังว่าจะรวยทางลัด คือบอทเทรด ส่วนการสร้างโปรแกรมทำได้จริงและเร็ว แต่ส่วนที่ทำให้ได้กำไรคือกลยุทธ์ ซึ่งยากและเสี่ยง ไม่มี AI ตัวไหนการันตีให้ได้ ใครบอกว่ามีบอทที่ทำกำไรแน่นอน ให้สงสัยไว้ก่อน
ภาพรวมที่อยากให้ติดตัวไปคือสิ่งนี้ คุณไม่จำเป็นต้องเปิด AI ทิ้งไว้ตลอด และไม่ต้องนั่งคุยกับมันทุกครั้งที่อยากได้งาน สำหรับงานซ้ำ ๆ จำนวนมาก คุณใช้ AI เป็นช่างที่มาสร้างระบบให้ครั้งเดียว แล้วระบบนั้นทำงานเองต่อ ยิ่งคุณผลักงานไปทางขวาของสเปกตรัม คือให้ AI ทำเฉพาะส่วนที่ต้องใช้ความเข้าใจ ส่วนงานกลไกให้เป็นชุดคำสั่งที่รันเอง คุณก็ยิ่งได้ระบบที่ถูกกว่า เสถียรกว่า และคาดเดาได้มากกว่า
ความเข้าใจนี้เปลี่ยนคำถามในหัวคุณ จากเดิม "ฉันต้องคุยกับ AI ยังไงให้ได้งานนี้" กลายเป็น "ฉันจะให้ AI สร้างระบบอะไรที่ทำงานนี้ให้ฉันเองได้ตลอดไป" และนั่นคือก้าวจากคนใช้ AI เป็น คนที่ให้ AI สร้างเครื่องมือให้ตัวเอง
ก้าวแรกที่ดีที่สุดคือเล็กและปลอดภัย หางานซ้ำ ๆ น่าเบื่อหนึ่งอย่างในชีวิตคุณ เช่น สรุปข่าวในวงการส่งเข้าอีเมลทุกเช้า แล้วลองให้ AI สร้างระบบที่ทำมันให้คุณเองตามที่เดินมาในบทนี้
อ่านต่อ: อภิธานศัพท์ AI ฉบับภาษาคน ไว้เปิดทบทวนศัพท์ทุกตัวที่เจอมาในเล่ม