บทสรุปแนวคิดและมุมมองการเอาตัวรอดในเศรษฐกิจยุค AI จาก CEO ด้านคริปโตและนักลงทุน VC

ผมมีโอกาสได้ร่วมเสวนาบนเวทีกับ Alex Svanevik, CEO และ Co-Founder ของ Nansen ใน AI-VOLUTION The Series 2026 โดยเดิมทีเราตั้งใจจะคุยกันเรื่องจุดตัดระหว่าง AI กับคริปโต แต่สิ่งที่เกิดขึ้นจริงคือการเจาะลึกตลอด 45 นาทีว่า ทำไมบริษัทซอฟต์แวร์ส่วนใหญ่กำลังเดินหน้าไปสู่ความไร้ตัวตนโดยไม่รู้ตัว ทำไมการปลดพนักงานจึงเป็นกลยุทธ์ที่ผิดพลาดที่สุดในตอนนี้ และทำไม "การวางกลยุทธ์" ถึงเป็นสิ่งที่ AI ทำได้ดีแต่กลับถูกมองข้ามมากที่สุด สิ่งเหล่านี้คือประเด็นสำคัญที่อยากให้ทุกคนได้ฟัง และเป็นสิ่งที่ผู้นำธุรกิจส่วนใหญ่อาจจะยังเข้าใจผิดอยู่

เมื่อต้นทุนการผลิตสามารถมีราคา 3.50 ดอลลาร์

Alex ได้ตั้งคำถามไว้อย่างน่าสนใจว่า "อะไรคือสิ่งที่ขวางไม่ให้ลูกค้าของคุณ ลุกขึ้นมาสร้างซอฟต์แวร์เวอร์ชันของตัวเองด้วยงบเพียง 3.50 ดอลลาร์ ผ่าน Claude Code ภายในเวลาแค่ชั่วโมงเดียว?"

คำถามนี้ควรจะทำให้ผู้ก่อตั้ง SaaS ทุกคนต้องกลับมาตระหนัก เพราะคำตอบส่วนใหญ่คือ "ไม่มีเลย" ไม่มีอะไรขัดขวางไม่ให้ลูกค้าสร้างผลิตภัณฑ์เลียนแบบขึ้นมาใหม่ในช่วงพักเที่ยง และถ้าลูกค้าทำได้ คู่แข่งก็ทำได้เช่นกัน แถมยังอาจจะตัดราคาคุณในระหว่างที่ทำด้วย

สมมติฐานเดิมในยุค SaaS คือ "การสร้างซอฟต์แวร์เป็นเรื่องยาก" ต้องใช้ทีมวิศวกร ใช้เวลาพัฒนานับเดือน และมีขั้นตอนการตรวจสอบคุณภาพที่ซับซ้อน แต่สมมติฐานนั้นกำลังพังทลายลง เพราะ ต้นทุนในการผลิตซอฟต์แวร์กำลังวิ่งเข้าสู่ศูนย์ และหากโมเดลธุรกิจของคุณยังยึดติดอยู่กับความยากในการเขียนโค้ด คุณกำลังยืนอยู่บนพื้นที่ที่กำลังละลายกลายเป็นของเหลวใต้เท้าคุณเอง

เรื่องนี้ไม่ใช่แค่ทฤษฎี ผมเห็นสิ่งนี้เกิดขึ้นที่ SCB 10X ทุกวัน เมื่อสามปีก่อน ตอนที่เราใช้ Nansen ผู้ใช้ต้องคลิกผ่านแดชบอร์ดมากมายกว่าจะหาสิ่งที่ต้องการพบ มันทรงพลังแต่มันถูกสร้างมาเพื่อ "Power User" ที่เชี่ยวชาญจริงๆ แต่ในวันนี้ คุณแค่พิมพ์คำถามด้วยภาษาธรรมดา แล้ว AI Agent จะจัดการให้เสร็จสรรพ ตั้งแต่การค้นหา การตัดสินใจ ไปจนถึงการลงมือทำ ทุกอย่างจบลงในบทสนทนาเดียว เลเยอร์ของหน้าจอที่เคยเป็นตัวผลิตภัณฑ์ กำลังจางหายไปและถูกแทนที่ด้วย "การสนทนา"

SaaS ไม่ได้ตายไปเสียทีเดียว แต่ต้องมีการวิวัฒนาการ 

3 ทางรอดของบริษัทซอฟต์แวร์

Alex แบ่งเส้นทางอยู่รอดออกเป็น 3 ทาง คือ

1. Vertical Agent (ตัวแทนเฉพาะทาง): ไม่ใช่แค่แชทบอททั่วไปที่เปลี่ยนหน้ากากใหม่ แต่เป็น AI ที่เชี่ยวชาญเชิงลึกในงานเฉพาะด้าน ซึ่งทำได้ดีกว่าโมเดลทั่วไปจะทำได้ Nansen กำลังทำสิ่งนี้สำหรับการลงทุนบนเชน หรือ Cursor ที่ทำเรื่องการเขียนโค้ด หัวใจสำคัญคือคำว่า "Vertical" คุณเลือกนิช (Niche) ของคุณ เจาะให้ลึก สะสมข้อมูลที่เป็นกรรมสิทธิ์ และสร้าง Interface ที่ออกแบบมาเพื่อเป้าหมายนั้นโดยเฉพาะ จนไม่สามารถเลียนแบบได้เพียงแค่ใครบางคนสั่ง AI ว่า "ช่วยสร้างแอปเทรดให้หน่อย"
2. Component for Agents (องค์ประกอบสำหรับ Agent): คุณไม่ได้ให้บริการผู้ใช้ปลายทางโดยตรงอีกต่อไป แต่คุณกลายเป็นโครงสร้างพื้นฐานที่ AI Agent ตัวอื่นต้องพึ่งพา เช่น ระบบชำระเงินสำหรับ Agent แหล่งข้อมูล การเชื่อมต่อวอลเล็ต หรือ API Nansen ก็เล่นในพื้นที่นี้ด้วย API และ CLI ที่โมเดลอื่นๆ สามารถเรียกใช้งานได้
3. Infrastructure (โครงสร้างพื้นฐาน): แต่เกมนี้ถูกครอบครองโดยยักษ์ใหญ่เทคโนโลยี อย่าง Google, OpenAI และ Anthropic เว้นแต่คุณจะมีเงินทุนระดับพันล้านและเข้าถึงพลังประมวลผลมหาศาล เส้นทางนี้อาจไม่ใช่สำหรับคุณ

ส่วนที่เหลือนอกเหนือจาก 3 เส้นทางนี้? นั่นคือ "โซนอันตราย" 

ความเชี่ยวชาญ คือกลยุทธ์ที่แข็งแกร่ง

นี่คือจุดสำคัญที่บทสนทนาที่คนส่วนใหญ่มักมองข้ามไป หากลองถาม ChatGPT ว่า "วันนี้ควรออกกำลังกายท่าไหนดี?" คุณจะได้คำตอบแบบกว้างๆ ซึ่งอาจจะถูกต้องตามหลักการแต่ไร้ประโยชน์ในทางปฏิบัติ เพราะมันไม่รู้ข้อมูลส่วนตัวของคุณ ไม่ว่าจะเป็นประวัติการบาดเจ็บ ตารางซ้อม หรือเป้าหมายที่แท้จริง แต่โค้ชที่เป็น "มืออาชีพ" จะถามสิ่งเหล่านี้ทั้งหมดก่อนจะเริ่มสั่งงานคุณแม้แต่ท่าเดียว

ช่องว่างระหว่าง "ความสามารถทั่วไป" กับ "การนำไปประยุกต์ใช้อย่างเชี่ยวชาญ" คือกลยุทธ์ ที่สำคัญที่สุดในตอนนี้

ผมมองว่า AI คือ "เครื่องมือขยายขีดความสามารถ" คุณแค่เอาความเชี่ยวชาญที่คุณเชี่ยวชาญกว่าใคร ใส่เข้าไปใน AI แล้วความเชี่ยวชาญนั้นจะทำงานได้ในสเกลที่ใหญ่ขึ้นมหาศาล นี่ไม่ใช่การที่ AI มาแทนที่คนเก่ง แต่มันคือการ "ติดอาวุธ" ให้คนเก่งทำงานได้ทรงพลังขึ้นอย่างเหลือเชื่อ

คำถามสำหรับธุรกิจในวันนี้ไม่ใช่ "เราจะเข้าถึงลูกค้าได้อย่างไร?" แต่คือ "เราจะสร้างความแตกต่างจากแชทบอททั่วไปได้อย่างไร?" คำตอบยังคงอยู่ที่ "ความเชี่ยวชาญของคุณ" สิ่งที่คุณรู้จากประสบการณ์จริง จากการทำดีล หรือการฝ่าฟันในตลาด ซึ่งโมเดลทั่วไปไม่มีวันได้รับรู้ ความได้เปรียบของคุณ ไม่ใช่แค่โค้ดหรือแดชบอร์ด แต่คือ "องค์ความรู้" ที่คุณมี

การปลดพนักงาน คือการลดประสิทธิภาพงานลง 10 เท่า

หนึ่งในเรื่องเล่าที่น่ากลัวที่สุดคือ "AI จะมาแทนที่คน" หรือ "เราควรลดพนักงานลง 40%" แต่ผมอยากจะถามว่า คุณได้ลองคำนวณตัวเลขจริงๆ หรือยัง?

ในความเป็นจริง พนักงานหนึ่งคนที่ใช้ AI เป็น สามารถสร้างผลงานได้เพิ่มขึ้น 10 เท่า 50 เท่า หรือแม้แต่ 100 เท่าจากเดิม Alex พูดไว้อย่างชัดเจนว่า "สิ่งนี้ทำให้พวกเขามีค่ามากขึ้น ดังนั้นสิ่งที่ควรทำคือการ 'มีพวกเขาให้มากขึ้น' ไม่ใช่ลดจำนวนลง"

ผมสัมผัสเรื่องนี้กับตัว ในขณะที่ผมนั่งพูดคุยอยู่บนเวที ผมมี AI Agent ทำงานวิจัยบริษัท 115 แห่งไปพร้อมๆ กัน ซึ่งปีก่อนงานนี้ต้องใช้คนทำถึง 4 ชั่วโมงต่อหนึ่งบริษัท นั่นไม่ใช่การกำจัดคนทำออกไป แต่มันคือการบีบอัดงาน 4 ชั่วโมงเหลือเพียง 10 นาทีในขณะที่ผมไปทำอย่างอื่นที่สำคัญกว่า

คนที่วางระบบงานนั้น คนที่รู้ว่าต้องถามอะไร และควรมองหาสัญญาณอะไรจากผลลัพธ์ คนคนนั้นคือคนที่มีค่ามหาศาล หากคุณปลดเขาออก คุณจะสูญเสียความเชี่ยวชาญที่ทำให้ AI มีประโยชน์ไปทันที มันคือ "วิถีการทำงานแบบใหม่" คุณไปยิมหรือไปงานสัมมนาได้ในขณะที่ AI ทำงานวิจัยอยู่เบื้องหลัง ผลผลิตจะเพิ่มขึ้นแต่เวลาหน้าจอจะลดลง นี่คือสมการการทำงานที่ดีกว่า 

ปัญหาเรื่องของรสนิยม (Taste)

AI อาจเปลี่ยนให้คนที่มีความสามารถด้านการออกแบบเป็นศูนย์ กลายเป็นดีไซเนอร์ระดับมาตรฐานได้ แต่คำว่า "มาตรฐาน" นั้นไม่เพียงพออีกต่อไปเมื่อคู่แข่งของคุณสามารถใส่ "รสนิยมระดับเซียน" ลงในเครื่องมือเดียวกันและผลิตสิ่งที่เหนือกว่าออกมาได้ทันที

คนมักมองว่างาน AI เป็น "งานโหล" ที่ดูจืดชืด แต่ Alex คาดการณ์ว่าปีนี้ทุกอย่างจะเปลี่ยนไป เมื่อคนที่มีรสนิยมและความเชี่ยวชาญตัวจริงหยิบเครื่องมือเหล่านี้มาใช้ พวกเขาจะไม่ผลิตงานทั่วไปออกมา แต่จะสร้างงานที่ "ยอดเยี่ยม" ด้วยความเร็วที่คาดไม่ถึง

เขาเปรียบเปรียบหัวหน้าทีมออกแบบของเขาว่าเหมือนได้รับ "ชุดเกราะ Iron Man" ที่ยังคงใช้รสนิยมและการตัดสินใจที่ประณีตเดิม แต่มีขีดความสามารถที่ช่วยให้ทำงานได้ลึกและกว้างกว่าที่มนุษย์จะทำได้เพียงลำพัง

AI ไม่ได้มาแทนที่รสนิยม แต่มา "ขยาย" รสนิยม

• คนไม่มีเซนส์ด้านงานออกแบบ + AI = งานระดับมาตรฐาน
• คนที่มีรสนิยมประณีต + AI = งานที่เหนือชั้นด้วยความเร็วสูง

ผู้เชี่ยวชาญไม่ได้ล้าสมัย แต่พวกเขากำลังกลายเป็น "Superhuman"

เมื่อต้นทุนของ "งานความรู้" กลายเป็นศูนย์

งานวิเคราะห์หรืองานวางกลยุทธ์ (Knowledge Work) กำลังจะมีต้นทุนการผลิตเกือบเป็นศูนย์ การสร้างรายงานหรือบทวิเคราะห์เพิ่มอีกชิ้นแทบไม่มีค่าใช้จ่ายเพิ่มขึ้นเลย

ตัวอย่างจริงคือ เมื่อเช้าผมพยายามอธิบายเทคนิคการนำเสนอให้ทีมฟัง แต่บางคนนึกภาพไม่ออก ผมเลยสั่ง AI ให้ลองสร้างอนิเมชั่นสตอรี่บอร์ดคร่าวๆ ให้ดู พอกลับมาจากทานข้าวเที่ยง ผมก็ได้วิดีโอต้นแบบที่พร้อมใช้งานทันที

เวลาจาก "ไอเดีย" สู่ "ต้นแบบ" ลดลงจากหลายวันที่ต้องคุยกับดีไซเนอร์ เหลือเพียงหนึ่งคำสั่งและช่วงพักเที่ยงเดียว นั่นคือความหมายของต้นทุนที่เป็นศูนย์ คอขวดจึงไม่ใช่ "การผลิต" อีกต่อไป แต่มันคือการ "รู้ว่าควรจะผลิตอะไร"

AGI มาถึงแล้ว (ในทางปฏิบัติ)

ในทางวิชาการ เราอาจเถียงกันไม่จบว่า AGI คืออะไร แต่ในทางปฏิบัติ ลองนึกถึงผู้ช่วยที่เก่งที่สุดที่คุณจะจ้างได้ จบจากมหาวิทยาลัยชั้นนำ เขียนโปรแกรมเป็น วิเคราะห์สถิติได้ และสื่อสารได้ดีเยี่ยม ตอนนี้คุณสามารถเข้าถึงความสามารถระดับนั้นได้ในราคาไม่ถึง 250 ดอลลาร์ต่อเดือน สำหรับงานที่พวกเราทำกันอยู่ทุกวัน AGI ได้มาถึงแล้ว แม้โลกกายภาพ กฎระเบียบ หรือความปลอดภัยจะยังเป็นคอขวดอยู่บ้าง แต่ในโลกของ "งานความรู้" ข้อจำกัดเหล่านั้นกำลังหายไปอย่างรวดเร็ว

ความสวยงามของตัวเลข 

GPUs ไม่ได้ถูกสร้างมาเพื่อ AI แต่ถูกสร้างมาเพื่อ "การเล่นเกม" ความต้องการกราฟิกที่แรงขึ้นของเกมเมอร์เป็นตัวขับเคลื่อนการพัฒนาการคูณเมทริกซ์ (Matrix Multiplication) ให้ถึงขีดสุด และปรากฏว่ากลไกที่ใช้ฝึก AI ก็คือการคำนวณแบบเดียวกับการหมุนตัวละครในเกมบนหน้าจอของคุณนั่นเอง

มันน่าทึ่งที่กลุ่มเกมเมอร์กลายเป็นผู้สนับสนุนเงินทุนให้กับการค้นพบที่สำคัญที่สุดครั้งหนึ่งในประวัติศาสตร์มนุษย์โดยไม่ได้ตั้งใจ ฮาร์ดแวร์ตัวเดียวกับที่ใช้รันเกม Call of Duty ได้กลายเป็นรากฐานของระบบที่สามารถใช้เหตุผลและวางกลยุทธ์ได้ สำหรับผมที่เพิ่งมีลูกคนแรกเมื่อปีที่แล้ว และเคยสงสัยว่าจะรักษาสมดุลชีวิตกับการทำงานได้อย่างไร การที่ AI เข้ามาช่วยทำให้สมดุลนั้นเกิดขึ้นได้จริงในแบบที่ไม่เคยคาดคิด ทำให้ความบังเอิญนี้ดูเหมือน "สิ่งที่ถูกกำหนดไว้แล้ว" มากกว่าจะเป็นแค่เรื่องบังเอิญ

วิธีบริหาร AI เหมือนบริหารคนเก่ง

ผมขอทิ้งท้ายด้วย "Delegation Framework" หรือ กรอบการมอบหมายงาน ที่ใช้ได้ผลเพราะมันถอดแบบมาจากการบริหารคนเก่งๆ คนหนึ่ง:

1. สั่งงาน (Task): ให้ AI ทำร่างแรกออกมา มันอาจจะดูดีแต่มักจะผิดเพราะมันยังไม่รู้บริบทของคุณ ซึ่งเป็นเรื่องปกติ
2. ให้ข้อมูล (Context): ส่งเอกสาร SOP, แนวทางแบรนด์ หรือข้อมูลเก่าๆ ให้มันศึกษา
3. สั่งให้ปรับปรุง (Revise): ให้คำแนะนำเพิ่ม เช่น "ส่วนนี้ยังไม่ครอบคลุมเรื่องคู่ค้า ลองไปอ่านคู่มือจัดซื้อแล้วปรับมาใหม่"
4. สรุปการเรียนรู้: หลังจากผ่านไป 3-4 รอบ ผลลัพธ์จะออกมาดีจริงๆ และที่สำคัญที่สุดคือ ให้ AI สรุปสิ่งที่มันได้เรียนรู้จากคำติชมนั้นเก็บไว้เป็น Prompt ในครั้งถัดไป ระบบจะเก่งขึ้นเรื่อยๆ ในทุกครั้งที่ทำงาน

นี่คือวิธีที่เราใช้บริหารมนุษย์เช่นกัน เราไม่คาดหวังให้พนักงานใหม่ทำได้เป๊ะตั้งแต่วันแรก AI ก็เช่นกัน เพียงแต่รอบเวลาของมันคือ "หลักนาที" แทนที่จะเป็น "หลักเดือน"

ธุรกิจที่จะรุ่งเรืองในยุคนี้ไม่ใช่คนที่มีเครื่องมือ AI ดีที่สุด เพราะทุกคนเข้าถึงเครื่องมือเดียวกันหมด แต่คือองค์กรที่มี "ความเชี่ยวชาญที่ลึกซึ้งที่สุด" และรู้วิธีถ่ายทอดความเชี่ยวชาญนั้นลงสู่ระบบ AI อย่างเป็นขั้นตอน และมีวินัยในการปรับปรุงจนกว่าจะได้ผลลัพธ์ที่ตรงตามมาตรฐาน

“SaaS ของคุณอาจจะตายไปแล้ว แต่ความเชี่ยวชาญของคุณไม่มีวันตาย”