สรุปจากคลิป ดูคลิปต้นฉบับ
ในโลกที่โมเดลภาษาและเครื่องมือสร้างซอฟต์แวร์พัฒนารวดเร็วมาก หลายคนมักถามว่า “จะสร้างอะไรต่อไป” แต่บทสนทนานี้ชี้ให้เห็นอีกมุมที่สำคัญไม่แพ้กัน คือ “สร้างเพื่อใคร” และ “สร้างให้ชีวิตสัมพันธ์กับความเป็นมนุษย์อย่างไร”
Ashe Magalhaes ผู้ก่อตั้ง Hearth AI เล่าเส้นทางจากวิศวกรรม ML ไปสู่การทำงานกับเอเจนต์เชิงระบบ รวมถึงประสบการณ์ด้านเทคระดับแนวหน้าอย่างรถแข่งพลังงานแสงอาทิตย์และงานด้านอวกาศ แนวคิดสำคัญที่ย้ำตลอดคือ การใช้ AI เพื่อเพิ่มความเชื่อมโยง (connection) ไม่ใช่แค่ทำให้คน “ทำงานเร็วขึ้น” อีกทั้งยังพูดถึงวิธีสร้างผลิตภัณฑ์และระบบส่วนตัวแบบ “Second brain” โดยให้ AI เป็นเหมือนสติปัญญาเชิงภาพรวมที่ช่วยให้ผู้ใช้มองไกลขึ้น
จาก ML สู่ Agentic CRM: การทำให้สิ่งที่ไม่แน่นอน “เสถียรพอใช้งานจริง”
Hearth AI ก่อตั้งในปี 2022 และถูกนิยามว่าเป็น agentic CRM รุ่นแรก ๆ ของสายนี้ โดยช่วงปี 2023 ทีมพยายามเดินหน้าเวิร์กโฟลว์แบบ agentic (หลายขั้นตอนและมีการประสานงาน) ทั้งหมดในขณะที่ระบบพื้นฐานยัง “เปราะ” และไม่แน่นอน
โจทย์ใหญ่ไม่ใช่แค่ทำให้โมเดลตอบได้ แต่คือการทำให้ประสบการณ์ผู้ใช้ “เสถียร” และ “ใช้งานได้จริง” ในโลกที่พฤติกรรมผู้ใช้ยังไม่คุ้นเคยกับแนวคิดเอเจนต์มากนัก ตัวอย่างที่สะท้อนภาพคือ ในปี 2023 ผู้คนจำนวนมากยังมองบอทใน Slack เป็นเพียงการส่งสัญญาณออกไป (outbound ping) มากกว่าการเป็นคู่มือที่ช่วยทำงานหลายขั้นตอน
สำหรับทีมที่มาจากพื้นฐาน ML แนวคิดแบบเดิมคือ “ทำท่อข้อมูลให้เสร็จ แล้วค่อยทำ prediction” แต่โลก agentic กลับทำให้วงจรการพัฒนาซ้ำ (iterate) ถี่ขึ้นมาก Ashe เล่าว่า ทีมต้อง “รื้อ stack ตัวแทน” อยู่บ่อยครั้งเพื่อหาสิ่งที่สามารถรักษาคุณภาพและความสม่ำเสมอให้ผู้ใช้รับรู้ได้
Structured outputs และการมองล่วงหน้าตั้งแต่ยังไม่มีเครื่องมือพร้อม
จุดที่น่าสนใจคือแนวคิดเรื่อง structured outputs ที่แม้จะยังไม่พร้อมในระบบในช่วงแรก ทีมก็พยายามปูรากฐานไว้ก่อน โดยพูดถึงการทำ retrieval ด้วย JSON schemas และการต้องการผลลัพธ์ที่เป็นโครงสร้างชัดเจน ตั้งแต่ก่อนที่ระบบจะมีตัวช่วยมาตรฐาน
แนวทางแบบนี้ชี้ให้เห็นสิ่งสำคัญสำหรับผู้สร้างผลิตภัณฑ์ AI: แม้โมเดลจะมีความสามารถสูง แต่ผลิตภัณฑ์ที่ดีต้องทำให้ผลลัพธ์ “อ่านต่อได้” สำหรับระบบอื่น ๆ และ “คาดเดาได้” พอสำหรับการใช้งานจริง
วิศวกรรมแนวพรมแดนกับความเสี่ยงที่ช่วยหล่อหลอมการตัดสินใจ
Ashe บอกว่าสายงานของเธอพยายามยึดติดกับเทคแนวพรมแดน (frontier tech) และประสบการณ์หนึ่งที่เธอเล่าว่า “เข้มงวดและใช้ความเสี่ยงจริง” คือการเข้าร่วมโครงการรถแข่งพลังงานแสงอาทิตย์ของทีม Stanford
เธอทำงานด้าน telemetry, CAD modeling, meshing และ autocross และยังเป็นหนึ่งในคนขับ ทีมส่งรถไปแข่งขันที่ออสเตรเลียในรายการ Bridgestone World Solar Challenge ซึ่งใช้เวลาลงเตรียมหลายสัปดาห์ และแข่งจริงต่อเนื่องหลายวัน เธอย้ำว่ารถถูกสร้าง end-to-end ทีมที่เกี่ยวข้องอาจประสบอุบัติเหตุ และเธอรับรู้ระดับความเสี่ยงตั้งแต่ต้น
สิ่งนี้กลายเป็น “บทเรียนเชิงวินัย” ที่ส่งผลต่อการสร้างผลิตภัณฑ์ในเวลาต่อมา เพราะมันสอนว่าการผลักขอบเขตของสิ่งที่เป็นไปได้ต้องมาพร้อมกับการตัดสินใจที่ปลอดภัยและมีความเข้มงวดกับกระบวนการ
แรงขับที่ลึกกว่า: Builder archetype ใกล้เคียงศิลปิน และการสร้างเพื่อ “ชีวิตที่มีความหมาย”
คำอธิบายของ Ashe ชัดเจนว่าเธอรู้สึกมีความสุขที่สุดตอน “นำสิ่งที่ยังไม่เกิดขึ้นให้เป็นรูปเป็นร่าง” เธอมองว่า builder archetype ใกล้เคียงกับ artist archetype และวิศวกรรมสำหรับเธอเป็นเหมือนเครื่องมือในการสร้างและทำให้ความคิดมีตัวตน
นอกจากนี้ เธอยังพูดถึงความคิดเรื่องสิ่งที่อยากรู้สึกในวันสุดท้ายของชีวิต ซึ่งทำให้เป้าหมายสูงสุดไม่ใช่แค่ความสำเร็จทางเทค แต่เป็นคำถามว่า “แล้วเรามีความสัมพันธ์กับตัวเองและคนอื่นมากแค่ไหน” “มีความรักและการอยู่พร้อมหน้า (presence) มากแค่ไหน”
ประเด็นนี้นำไปสู่แนวคิดหลักของเธอในเรื่องการเชื่อมโยง (connection) โดยเธอกล่าวว่าแนวโน้มความก้าวหน้าของมนุษย์โค้งไปทางความรักและการเชื่อมโยง และเชื่อว่า AI ควรถูกใช้เพื่อผลักเข็มในทิศทางนั้น
Relational Intelligence: AI ที่ทำให้คนรู้สึกเชื่อมต่อขึ้น
เมื่อพูดถึง “agentic CRM” ไม่ใช่แค่การจัดข้อมูลลูกค้า แต่เป็นความพยายามแบบผู้เล่นหลายคน (multiplayer) ต่อปัญหาเก่าแก่ของมนุษย์ยุคใหม่
- เราถูกเชื่อมต่อกับคนมากขึ้นกว่าเดิม
- แต่หลายคนกลับรู้สึกเหงาและรู้สึกว่าจัดการความสัมพันธ์หรือการลงมือร่วมมือได้ยาก
Ashe เรียกแนวคิดของเธอว่า relational intelligence หรือ “สติปัญญาเชิงความสัมพันธ์” ซึ่งเป็นความเชื่อว่า AI ควรเติมเต็มประสบการณ์มนุษย์ ทำให้คนรู้สึกเชื่อมต่อในเวลาที่มีจำกัด และช่วยให้สมองเหตุผลของมนุษย์ทำงานได้ดีขึ้นด้วยการช่วยคิดเรื่อง “เราเชื่อมต่อกับใคร” และ “เพราะอะไร”
Second brain: AI เป็นวงจรป้อนกลับต่อกระแสความคิด
Ashe ชอบคำว่า “second brain” เพราะมันสื่อภาพได้โดยไม่ต้องเป็นศัพท์เชิงเทคนิคเกินไป แนวคิดคือผู้คนจะมีความสัมพันธ์แบบสมมาตรกับผลิตภัณฑ์ AI ของตน
Key idea คือ ความสัมพันธ์ กับ AI ไม่ใช่การถามแล้วรับคำตอบจบ แต่เป็นวงจรป้อนกลับอย่างต่อเนื่องกับกระแสความคิดของเรา โดย AI ทำหน้าที่เป็น “bird’s eye intelligence” หรือสติปัญญามุมสูงที่ช่วยให้เราเห็นไกลเกินข้อจำกัดทางความคิดของตัวเอง
เธอยังเชื่อมโยงไปถึงประเด็น “สังคมและมารยาท” สำหรับระบบที่อาจรับรู้อะไรแบบต่อเนื่องมากขึ้นในอีก 6-12 เดือน โดยพูดถึงการต้องมี etiquette ว่าจะสื่อสารให้ AI เก็บข้อมูลอะไรได้บ้าง และถ้าใครไม่สบายใจก็ต้องมีวิธี “ดึงกลับ” เพื่อไม่ให้เกิดความรู้สึกไม่ปลอดภัย
สร้างในแบบ “sprint เล็ก” ด้วยการเชื่อมต่อ: จากความคิดไปเป็นผลิตภัณฑ์โดยเร็ว
เมื่อพูดถึงเวิร์กโฟลว์ปัจจุบัน เธอใช้แนวคิดว่าเป็นการ building while connected หรือสร้างไปพร้อมกับการเชื่อมต่อกับคนอื่น
ก่อนหน้านี้ในฐานะ founder เธอสร้างแบบอยู่ในห้องเงียบมากกว่า แต่ตอนนี้เธอให้ความสำคัญกับการสร้างในที่สาธารณะ (building in public) เพื่อรับคอมเมนต์จากคนอื่นและเรียนรู้จากความแปรปรวน (variance) ที่เกิดขึ้นเวลาคนจริงใช้งานหรือมีปฏิกิริยากับสิ่งที่ปล่อยออกไป
โครงสร้าง “พื้นที่ลับ” กับการสกัดเป็นผลิตภัณฑ์
หนึ่งในแนวทางที่ทำให้กระบวนการเร็วคือการมีพื้นที่ทดลองและพื้นที่เผยแพร่แยกกัน
Ashe มีเว็บไซต์สาธารณะ (ash.ai) ที่สะท้อนพอร์ตและผลิตภัณฑ์ แต่เธอยังมี “secrets page” สำหรับเทมเพลตและพื้นที่ทดลอง เมื่อมีไอเดีย เธอจะเริ่มต้นด้วยระบบของตน จากนั้นนำไปโพสต์บน X ถ้าพบแรงตอบรับ เธอจะสั่งให้ระบบ (เช่น Codex) แยกแนวคิดนั้นออกเป็น ผลิตภัณฑ์ที่พร้อมใช้งาน หรือแม้แต่เปิดซอร์สส่วนหนึ่ง
เธอย้ำว่า “ชื่อของเกมคือ speed” แต่ความเร็วต้องมาพร้อมกับฐานที่เชื่อถือได้ ไม่ใช่ผลิตภัณฑ์ที่อยู่ได้เพราะเพียง “vibe” โดยเธอให้ตัวอย่างผลิตภัณฑ์ที่เธอใช้งานจริงทุกวันคือแพลตฟอร์มวิดีโอสำหรับ aesthetic video ที่ทำให้แขกเข้าถึงสิ่งที่พูดได้ และสามารถจัดการข้อมูลแบบไวต่อความปลอดภัย
Instrumentation และ Observability: ความเร็วต้องมีระบบตรวจสอบ
ความโดดเด่นอีกอย่างคือเธอไม่ปล่อยให้ระบบเอเจนต์ทำงานแบบมองไม่เห็น (black box) เธอวาง “ชั้นการติดตามและการสังเกตได้” เพื่อให้ตรวจสอบได้ว่าใช้งานได้ตามที่คาดหรือไม่
เธอแบ่งเวิร์กโฟลว์เอเจนต์ตามช่อง (channels) ใน Slack และมี alert พร้อมข้อมูลความผิดพลาด ตัวอย่างที่เธอแสดงคือเห็น error เกี่ยวกับ drafts page และสั่งให้เริ่มแก้ไขทันที โดยยังพึ่งความเร็วของโมเดลให้ดำเนินการ แต่ต้องมีการยืนยันและการแพตช์เมื่อเกิดปัญหา
นี่คือแนวคิดสำคัญสำหรับทีมที่ทำ agentic workflows: ไม่พอแค่ให้ระบบ “ลองทำ” ต้องมีเครื่องมือที่ทำให้เกิดความมั่นใจว่าเมื่อทำซ้ำจะไม่พัง
OpenClaw และการกระจายเนื้อหา: ใช้เอเจนต์ช่วย distribution โดยไม่กลายเป็นสแปม
Ashe ยังพูดถึงการใช้ OpenClaw เพื่อช่วยเรื่องการกระจาย (distribution) โดยเธอไม่มีพื้นฐานด้านการตลาด แต่ต้องการให้ไอเดียไปถึงคนที่เหมาะสมบนแพลตฟอร์มต่าง ๆ
เธอมองว่าสิ่งที่ OpenClaw ช่วยได้คือการทำให้การแชร์ต่อบนแพลตฟอร์มต่าง ๆ ทำได้ในภาษาที่เหมาะกับบริบทนั้น ไม่ใช่การสแปมซ้ำข้อความเดิมทั้งหมด ในตัวอย่างหนึ่ง เธอเล่าว่าสำหรับ Reddit ระบบทำงานได้ค่อนข้างดีและตอบกลับในลักษณะที่ดูเป็นมนุษย์ได้เร็วพอ
Wearables และ “Second brain” แบบเป็นมิตรต่อสังคม
แม้พื้นฐานจะเป็นซอฟต์แวร์ แต่เธอกลับพูดถึงฮาร์ดแวร์และ wearables อย่างจริงจัง โดยเป้าหมายคือการลดเวลาอยู่หน้าจอและทำให้ชีวิต “อยู่พร้อมกับคนอื่น” มากขึ้น
เธอเริ่มจากประเด็น “social etiquette layer” คือไม่ชอบการบันทึกแบบ ambient recording และเห็นว่าระบบจะต้องมีวิธีบอกกันอย่างชัดเจนว่าอะไรจะถูกเก็บเป็นส่วนหนึ่งของ second brain เช่น เมื่อมีบางคนพูดสิ่งที่น่าสนใจ อาจมีขั้นตอนให้คนตรงหน้าเห็นด้วยหรือถ้าไม่สบายใจ AI ต้องสามารถหยุดหรือดึงกลับ
แนวคิดนี้เชื่อมกับ relational landscape ที่มนุษย์มีข้อจำกัดทางสมอง เพราะความสัมพันธ์คือ “ใครเป็นใครต่อกัน” และมีหลายมิติที่สะสมตามเวลา การมี intelligence ชั้นเพิ่มที่ช่วยไกด์ให้คนเห็นความอุดมสมบูรณ์ของความเชื่อมโยงที่มีจึงเป็นแรงผลักดันหลักของเธอ
บทเรียนสำหรับยุคสร้างสรรค์และความเป็นมนุษย์: Creativity คือ North Star
เมื่อเทคโนโลยีทำให้การเขียนโค้ดและสร้างฟีเจอร์ได้เร็วขึ้น บทบาทของวิศวกรจะเปลี่ยนไป Ashe มองว่าโมเมนต์นี้คือช่วงที่ควร “เอนไปทางความคิดสร้างสรรค์”
เธอยกภาพเปรียบจาก Bernini ว่าการทำงานเข้มงวดและใช้เวลาอย่างมีจังหวะ แล้วปล่อยให้ตัวเองไปเดินเล่นหรือมีความสุขในส่วนที่เหลือก็เป็นส่วนหนึ่งของงานศิลป์ และเชื่อมกับแนวคิดว่าผู้สร้างควรนำ “ตัวตนทั้งหมด” มาสร้าง เพราะตอนนี้มีเสียงรบกวน (noise) มากพอที่จะทำให้คนพยายามขายอะไรบางอย่างหรือสร้างเนื้อหาแบบอัตโนมัติจนกลายเป็นผิวเผิน ความพรีเมียมจึงอยู่ที่การกล้ารับความเสี่ยงของการเปิดเผยตัวเองและสร้างชั้นความไว้ใจ (trust layer)
เธอยังกล่าวถึงความรู้สึกของผู้อ่านต่อบทความที่เป็น AI เขียนและอาจทำให้รู้สึกไม่ถูกให้เกียรติ ซึ่งสะท้อนว่าในยุคนี้ “ความเชื่อมต่ออย่างแท้จริงกับคนที่อยู่หลังเครื่องมือ” มีค่ามาก
คุณภาพและ taste: คำแนะนำคือ “ให้สอดคล้องกับตัวเอง” แล้วเสี่ยงเพื่อแชร์
คำถามที่มักตามมาคือ แล้ววิศวกรควรมี taste หรือความสนใจแบบศิลปินมากขึ้นหรือไม่ Ashe ชี้ว่าให้เริ่มจากการ attune ตัวเอง ก่อน ถามว่ามีอะไรที่สวยงามสำหรับตัวเอง สิ่งที่ impactful ต่อใจคืออะไร และอยากนำอะไรออกไปสู่โลก
จากนั้นค่อยร่วมมือกับผู้อื่นเพื่อสร้าง เมื่อซอฟต์แวร์เริ่มเป็นแบบ personalized มากขึ้น ยิ่งเหมือนกระจกที่สะท้อนกลับมาถามตัวเองว่าอยากสร้างอะไรให้เป็นจริง
เธอย้ำคำแนะนำให้ตัวเองในวัยก่อน ๆ คือ “จงรู้สึกไม่สบายใจได้” เพราะความไม่สบายใจมักมาพร้อมการเติบโตและการออกไปให้คนเห็น การแชร์ส่วนเล็กที่มีตัวตนอยู่ในนั้นอาจน่ากลัว แต่เป็นการฝึกกล้ามเนื้อ และทำให้เกิด feedback จากโลกจริงที่ช่วยเพิ่มความคิดสร้างสรรค์
วิธีคว้า “brave new world” ของ AI: Curiosity และการสร้างเพื่อความเป็นไปได้ใหม่
เมื่อสรุปคำแนะนำให้ผู้เริ่มต้นหรือผู้ที่เริ่มสำรวจเครื่องมือ AI เธอชี้ไปที่สองเรื่องหลัก
- ความอยากรู้อยากเห็น (curiosity) และการสนุกกับสิ่งที่ค้นพบ
- การให้ความกล้าในการเสี่ยง เพราะความอยากรู้อยากเห็นเป็นแรงขับให้ลองทำ และได้รู้ว่าอะไรจะเกิดขึ้นเมื่อทำจริง
สำหรับ Ashe นี่คือเสาหลักเดียวกับประวัติศาสตร์ของวิศวกร: การใช้ความอยากรู้อยากเห็นเพื่อสร้างสิ่งใหม่ที่ “เพิ่งเป็นไปได้” ในเวลานี้
สรุป: AI ที่ดีไม่ใช่แค่เร็ว แต่ต้องทำให้คนเชื่อมต่อและมีชีวิตที่มีความหมาย
บทสนทนานี้รวมหลายธีมไว้ด้วยกัน แต่แก่นสำคัญมีชัดเจน: เมื่อเครื่องมือ AI เร่งความสามารถให้ทุกคนสร้างได้มากขึ้น สิ่งที่แยกผู้สร้างที่สร้าง “ของมีความหมาย” ออกจากคนที่แค่ตามกระแสคือ
- Relational intelligence หรือความตั้งใจให้เทคช่วยเพิ่มความเชื่อมโยงของคน
- Second brain ที่เป็นวงจรป้อนกลับอย่างไว้ใจได้
- ความเร็วที่มีฐานมั่นคง ผ่าน instrumentation และ observability
- การสร้างในที่สาธารณะ เพื่อรับ feedback และแปรปรวนไปสู่สิ่งที่คนต้องการจริง
- ความเป็นมนุษย์ ที่สะท้อนในความกล้ารับความเสี่ยงของการแชร์ตัวตน
ในยุคของเครื่องมือที่ทรงพลัง การสร้างจึงไม่ได้จบแค่การทำให้ “ทำได้” แต่ต้องตอบคำถามว่า “ทำแล้วดียังไงต่อความสัมพันธ์ ความสบายใจ และคุณค่าที่ผู้คนรู้สึกได้”
