สร้างบริษัทด้วย Claude Code ใน 30 นาที จากทีมวิศวร Google และ Anthropic พิมพ์เขียวสำคัญที่กำลังขับเคลื่อนโลก AI Agent

ในช่วงที่ผ่านมา โลก AI เต็มไปด้วยเดโม AI Agent ที่ดูน่าตื่นเต้น ตั้งแต่ผู้ช่วยเขียนโค้ด จัดการ Workflow ไปจนถึงระบบที่สามารถใช้เครื่องมือต่าง ๆ และทำงานแทนมนุษย์ได้เอง แต่เบื้องหลังความน่าทึ่งเหล่านั้น หลายบริษัทเริ่มเจอปัญหาเดียวกัน นั่นคือ การสร้าง AI ให้ดูฉลาดอาจไม่ใช่เรื่องยากอีกต่อไป แต่การทำให้มันกลายเป็น 'ระบบ' ที่ใช้งานได้จริงในระดับองค์กรต่างหากที่ยากกว่า

เพราะในโลกธุรกิจ AI ไม่ได้มีหน้าที่แค่ตอบคำถาม แต่มันต้องเชื่อมกับ Calendar, Database, เครื่องมือภายในองค์กร รวมถึง Workflow ที่ซับซ้อนของบริษัท ยิ่งเริ่มมี AI หลายตัวทำงานร่วมกัน ความท้าทายก็ยิ่งเพิ่มขึ้นทันที ตั้งแต่การจัดการ Infrastructure ไปจนถึงการทำให้ AI แต่ละตัวสื่อสารและประสานงานกันได้จริง

Anthropic และ Google Cloud จึงออกมาเปิดสิ่งที่เปรียบได้กับ Official Playbook สำหรับ 'การสร้างบริษัทด้วย Claude Code' ผ่านเซสชัน “Building AI agents with Claude in Google Cloud’s Vertex AI” ซึ่งใช้เวลาเพียง 30 นาที แต่สะท้อนภาพชัดเจนว่า โลก AI กำลังเดินจากยุค Chatbot ไปสู่ยุค AI Workforce ที่ AI เริ่มกลายเป็น 'ทีมงานดิจิทัล' ที่สามารถแบ่งหน้าที่ ทำงานร่วมกัน และขับเคลื่อน Workflow ภายในองค์กรได้จริง

1. ปัญหาของ AI วันนี้ คือ “ทำงานจริงได้ไหม?”

ทีมงานอธิบายว่า ปัญหาสำคัญของ AI ยุคนี้ไม่ใช่เรื่องความฉลาดของโมเดลเพียงอย่างเดียว แต่คือการทำให้ AI ทำงานร่วมกับระบบจริงขององค์กรได้

เพราะในโลกธุรกิจ AI ไม่ได้มีหน้าที่แค่ตอบคำถาม แต่มันต้องเชื่อมกับ Calendar, Database, Workflow ภายในองค์กร รวมถึง Tools และ Services จำนวนมาก ยิ่งองค์กรเริ่มมี AI หลายตัว ความซับซ้อนก็ยิ่งเพิ่มขึ้นทันที นี่คือเหตุผลที่ AI Agent จำนวนมากยังติดอยู่ในระดับ Prototype แม้ตัวโมเดลจะเก่งขึ้นเรื่อย ๆ ก็ตาม

2. Google กำลังสร้าง “Operating System” สำหรับโลก AI Agent

เพื่อแก้ปัญหานี้ Google จึงสร้างสิ่งที่เรียกว่า Agentic Stack ซึ่งเปรียบเหมือนโครงสร้างพื้นฐานสำหรับบริษัทที่ขับเคลื่อนด้วย AI โดยเฉพาะ

แนวคิดของ Stack นี้ไม่ใช่แค่การสร้าง AI Agent ให้ตอบเก่งขึ้น แต่คือ การสร้างระบบที่ทำให้ AI สามารถทำงานร่วมกับองค์กรได้จริง ตั้งแต่การสร้าง Agent การเชื่อมต่อกับ Tools และ Services ต่าง ๆ การ Deploy ระบบในระดับ Production ไปจนถึงการ Monitor การทำงาน และทำให้ AI หลายตัวสามารถสื่อสารและประสานงานกันได้อย่างเป็นระบบ

3. Claude กำลังถูกใช้เป็น “สมองของบริษัท”

ภายในเดโม ทีมงานเลือกใช้ Claude 3.7 Sonnet ผ่าน Vertex AI ของ Google Cloud เป็นแกนหลักของระบบ

แต่สิ่งที่น่าสนใจคือ Claude กำลังถูกวางบทบาทให้เป็น 'สมอง' ของ Workflow ภายในองค์กร ที่สามารถคิด วางแผน เรียกใช้ Tools และทำงานร่วมกับระบบอื่นได้

ทีมงานเริ่มจากการสร้าง “Birthday Planner Agent” ซึ่งเป็น AI สำหรับช่วยวางแผนงานวันเกิด แม้จะเป็นเดโมเรียบง่าย แต่เบื้องหลังสะท้อนแนวคิดสำคัญของ AI Agent ยุคใหม่ นั่นคือ AI ไม่ได้ถูกออกแบบมาเพื่อแค่โต้ตอบกับมนุษย์ แต่ถูกออกแบบให้ทำหน้าที่คล้าย 'พนักงานดิจิทัล' ที่มีบทบาทเฉพาะของตัวเอง มี Memory สำหรับจดจำบริบท และมี Tools สำหรับลงมือทำงานจริงภายใน Workflow ของบริษัท

4. MCP คือ “USB-C” ของโลก AI

หนึ่งในส่วนสำคัญที่สุดของเซสชันนี้คือ MCP หรือ Model Context Protocol ซึ่งถูกออกแบบมาให้เป็น 'มาตรฐานกลาง' สำหรับเชื่อม AI เข้ากับ Tools และ Services ต่าง ๆ

หากอธิบายแบบง่ายที่สุด MCP เปรียบเหมือน 'ภาษากลาง' ที่ทำให้ AI สามารถสื่อสารและใช้งานระบบภายนอกได้ผ่านรูปแบบมาตรฐานเดียว แทนที่นักพัฒนาจะต้องสร้าง Integration ใหม่ทุกครั้งเมื่อ AI ต้องเชื่อมกับระบบใหม่

ในโลกปัจจุบัน หากบริษัทต้องการให้ AI ทำงานร่วมกับ Calendar, Slack, Database, CRM หรือ Internal tools ต่าง ๆ นักพัฒนามักต้องเขียน Connector และ Logic แยกกันสำหรับแต่ละระบบ ทำให้ Workflow ซับซ้อน ดูแลยาก และขยายต่อได้ลำบาก

MCP ถูกออกแบบมาเพื่อแก้ปัญหานี้โดยตรง ด้วยแนวคิดที่ทำให้ AI มอง Tools ต่าง ๆ ผ่าน Interface มาตรฐานเดียวกัน คล้ายกับที่ API กลายเป็นมาตรฐานของโลก Software หรือ USB-C กลายเป็นมาตรฐานของอุปกรณ์ยุคใหม่

ในเดโม Claude ถูกเชื่อมเข้ากับ Calendar Service ผ่าน MCP ทำให้ AI สามารถสร้าง Reminder จัดการตารางงาน และทำงานร่วมกับ Workflow ต่าง ๆ ได้อัตโนมัติ โดยไม่ต้องให้มนุษย์คอยสั่งทีละขั้นตอน

5. อนาคตของบริษัท อาจไม่ใช่ AI ตัวเดียว แต่คือ “ทีม AI”

หลังจากสร้าง Birthday Planner Agent แล้ว ทีมงานเริ่มขยายระบบด้วยการเพิ่ม Calendar Agent และ Orchestrator Agent เข้าไปอีก เพื่อให้ AI หลายตัวสามารถทำงานร่วมกันได้ภายใน Workflow เดียว

โดย Orchestrator ทำหน้าที่คล้ายผู้จัดการทีม ที่คอยวิเคราะห์คำสั่งของผู้ใช้ ตัดสินใจว่าแต่ละงานควรถูกส่งต่อไปให้ AI ตัวไหน และประสานการทำงานระหว่าง Agent ต่าง ๆ ภายในระบบให้ทำงานต่อเนื่องกันได้

ตัวอย่างเช่น หากผู้ใช้ต้องการวางแผนงานวันเกิด ระบบอาจให้ Birthday Planner Agent เป็นคนจัดลำดับกิจกรรม จากนั้นส่งต่อไปยัง Calendar Agent เพื่อเช็กเวลาว่างและสร้างนัดหมายอัตโนมัติ ขณะที่อีก Agent หนึ่งอาจทำหน้าที่ค้นสถานที่หรือจัดการข้อมูลเพิ่มเติม ทุกอย่างเกิดขึ้นเป็น Workflow เดียว โดยที่ผู้ใช้แทบไม่เห็นการทำงานเบื้องหลัง

แนวคิดนี้สะท้อนภาพสำคัญของบริษัทยุค AI ได้ชัดเจนว่า ในอนาคตองค์กรจะประกอบด้วย AI หลายตัวซึ่งเชี่ยวชาญคนละด้าน และทำงานร่วมกันเหมือนทีมงานจริงภายในบริษัท โดยบางตัวอาจทำหน้าที่ด้านวางแผน บางตัวดูแลข้อมูล บางตัวเชื่อมระบบภายนอก หรือบางตัวทำหน้าที่ประสาน Workflow ทั้งหมดเข้าด้วยกัน

6. ปัญหาที่ใหญ่ที่สุดของ AI Agent คือ 'หลังจากสร้างเสร็จ'

อีกส่วนที่ทีมงานให้ความสำคัญอย่างมากคือเรื่อง Deployment และ Infrastructure ซึ่งถือเป็นหนึ่งในปัญหาใหญ่ที่สุดของ AI Agent ในโลกจริง

เพราะในทางปฏิบัติ ต่อให้ AI มีความสามารถมากแค่ไหน หากระบบ Deploy ยุ่งยาก Monitor การทำงานไม่ได้ หรือไม่สามารถ Scale รองรับผู้ใช้งานจำนวนมากได้ มันก็ยากที่จะถูกนำไปใช้ในระดับธุรกิจจริง ยิ่งเมื่อ AI Agent เริ่มเชื่อมกับ Workflow สำคัญขององค์กร ความเสถียร ความสามารถในการตรวจสอบ และการควบคุมระบบก็ยิ่งกลายเป็นเรื่องสำคัญ ไม่ต่างจาก Infrastructure ของ Software enterprise ทั่วไป

Google จึงสร้าง Vertex AI Agent Engine ขึ้นมาเพื่อช่วยจัดการสิ่งเหล่านี้โดยเฉพาะ ตั้งแต่ Runtime, Monitoring, Scaling ไปจนถึง Observability แบบอัตโนมัติ เพื่อให้นักพัฒนาสามารถ Deploy และดูแล AI Agent ในระดับ Production ได้ง่ายขึ้น โดยไม่ต้องสร้าง Infrastructure ทั้งหมดเองตั้งแต่ต้น

ภายในระบบ นักพัฒนาสามารถติดตามได้ว่า AI Agent กำลังทำอะไรอยู่ ใช้ Resource มากแค่ไหน มี Latency เท่าไร หรือ Workflow ภายในเกิดปัญหาตรงไหน ซึ่งทั้งหมดนี้เป็นสิ่งจำเป็นมากเมื่อ AI เริ่มกลายเป็นส่วนหนึ่งของระบบงานจริงภายในองค์กร

7. A2A คือภาพอนาคตที่ AI จะเริ่ม “คุยกันเอง”

ช่วงท้ายของเซสชัน ทีมงานเปิดตัว Agent-to-Agent Protocol หรือ A2A ซึ่งเป็น Protocol ที่ออกแบบมาเพื่อให้ AI Agent จากต่าง Framework หรือคนละระบบสามารถสื่อสารและทำงานร่วมกันได้ 

หาก MCP คือ Protocol สำหรับเชื่อม AI เข้ากับ Tools และ Services ต่าง ๆ A2A ก็คือ Protocol สำหรับเชื่อม 'AI กับ AI' โดยตรง แนวคิดนี้สะท้อนภาพสำคัญของบริษัทยุค AI ได้อย่างชัดเจน เพราะในอนาคต Workflow ภายในองค์กรอาจไม่ได้ไหลผ่านมนุษย์ทั้งหมดอีกต่อไป แต่กลายเป็น Network ของ AI Agent หลายตัวที่สามารถคุยกันเอง แบ่งหน้าที่กันเอง และประสานการทำงานกันแบบอัตโนมัติ 

โครงสร้างบริษัทแบบใหม่

เมื่อมองภาพรวมทั้งหมด สิ่งที่ Anthropic และ Google กำลังพยายามสร้าง คือ “โครงสร้างบริษัทแบบใหม่” ที่ AI สามารถกลายเป็นส่วนหนึ่งของระบบการทำงานได้จริง ผ่านแนวคิดสำคัญดังนี้

• AI Agent แต่ละตัวถูกออกแบบให้มีหน้าที่เฉพาะของตัวเอง เหมือนพนักงานที่มีความเชี่ยวชาญต่างกัน บางตัวทำหน้าที่วางแผน บางตัวจัดการ Calendar บางตัวเชื่อมระบบภายนอก หรือบางตัวดูแลข้อมูลภายในองค์กร
• MCP ก็เปรียบเหมือนระบบที่ทำให้พนักงาน AI เหล่านี้สามารถเข้าถึง Tools และ Services ต่าง ๆ ของบริษัทได้ ไม่ว่าจะเป็น Calendar, CRM, Database หรือระบบภายในองค์กร คล้ายกับที่พนักงานจริงต้องใช้ software และระบบกลางของบริษัทในการทำงาน
• A2A ทำหน้าที่เหมือนช่องทางสื่อสารภายในองค์กรที่เปิดให้ AI หลายตัวสามารถคุยกัน ส่งต่องานกัน และประสานการทำงานกันเองได้ โดยไม่ต้องมีมนุษย์คอยสั่งทุกขั้นตอน
• Orchestrator Agent มีบทบาทคล้าย 'ผู้จัดการทีม' ที่คอยวิเคราะห์ว่าแต่ละงานควรถูกส่งไปให้ AI ตัวไหน ดูลำดับการทำงาน และบริหาร Workflow ทั้งหมดให้ทำงานต่อเนื่องกันอย่างมีประสิทธิภาพ
• Google สร้าง Infrastructure กลางสำหรับบริษัท AI ยุคใหม่ ตั้งแต่ระบบ Deploy, Monitor และ Scale AI Agent ไปจนถึงระบบตรวจสอบการทำงานเบื้องหลังทั้งหมด ไม่ต่างจาก Infrastructure ที่ใช้ดูแลพนักงานและระบบ Software ภายในองค์กรขนาดใหญ่

ทั้งหมดนี้ทำให้ภาพของ 'บริษัทที่สร้างด้วย AI' เริ่มชัดขึ้นเรื่อย ๆ เพราะในอนาคต Workflow จำนวนมากอาจไม่ได้ขับเคลื่อนโดยมนุษย์เพียงอย่างเดียวอีกต่อไป แต่ดำเนินการผ่านทีม AI Agent ที่สามารถแบ่งหน้าที่ ทำงานร่วมกัน และขับเคลื่อนองค์กรอยู่เบื้องหลังได้แบบอัตโนมัติ

อ้างอิง: Anthropic