งานวิจัยจาก OpenAI ชี้ คนกำลังเลิกพิมพ์ถาม ChatGPT แต่เริ่มหันไปสั่งงานใน Codex แทน เพราะช่วยพนักงานสร้างงานมากขึ้น 50 เท่า!

เดือนมิถุนายน 2026 พนักงานสายวิจัยของ OpenAI ในระดับกลาง (Median) สร้างโทเคนผลลัพธ์ (Output Tokens) ต่อเดือนมากกว่าตอนเดือนพฤศจิกายน 2025 ถึงกว่า 50 เท่า ส่วนทีมกฎหมายที่ปกติแล้วเป็นสายงานที่นำ AI มาใช้ช้าที่สุดก็ยังเพิ่มขึ้นถึง 13 เท่า ตัวเลขนี้ไม่ได้มาจากการที่คนพิมพ์แชตถี่ขึ้น แต่มาจากการที่พนักงานเปลี่ยนวิธีทำงานกับ AI ไปอย่างสิ้นเชิง จากการ 'ถามเพื่อขอคำตอบ' ไปสู่การ 'มอบหมายงานให้ทำแทน'

นี่คือแก่นของงานวิจัยชิ้นใหม่ชื่อ 'The Shift to Agentic AI: Evidence from Codex' ที่ทีมนักวิจัยจาก OpenAI ร่วมกับนักวิชาการจาก Columbia Business School, Wharton School และ Duke University เผยแพร่ออกมา โดยวิเคราะห์ข้อมูลการใช้งานจริงของ Codex ซึ่งเป็นแพลตฟอร์มเขียนโค้ดและทำงานแบบ Agentic ของ OpenAI ที่เปิดตัวครั้งแรกเมื่อเดือนเมษายน 2025 ผ่านระบบประมวลผลอัตโนมัติที่ปกป้องความเป็นส่วนตัว นั่นคือนักวิจัยไม่ได้อ่านข้อความของผู้ใช้โดยตรง แต่ใช้ตัวจำแนกอัตโนมัติ (Classifier) สกัดข้อมูลเชิงรวมแบบไม่ระบุตัวตนออกมา

ความน่าสนใจคืองานวิจัยชิ้นนี้เปรียบเทียบผู้ใช้สามกลุ่มที่อยู่คนละจุดของเส้นทางการนำเทคโนโลยีมาใช้ ได้แก่ ผู้ใช้บัญชีส่วนบุคคล (Individual users ที่อยู่บนแพ็กเกจ Free, Go, Plus, Pro), ผู้ใช้บัญชีองค์กร (Organizational users บนแพ็กเกจ Business และ Enterprise) และพนักงานภายใน OpenAI เอง ซึ่งกลุ่มหลังนี้ทำหน้าที่เหมือนหน้าต่างที่ให้เราเห็นว่า เมื่ออุปสรรคในการนำ AI มาใช้แทบจะหมดไป รูปแบบการทำงานในอนาคตจะหน้าตาเป็นอย่างไร

เส้นแบ่งระหว่าง 'แชตบอต' กับ 'เอเจนต์' ที่เปลี่ยนนิยามของการใช้งาน

ก่อนจะไปดูตัวเลข ต้องเข้าใจก่อนว่าทำไม Agentic AI ถึงต่างจากแชตบอตแบบเดิม งานวิจัยอธิบายว่า แชตบอตอย่าง ChatGPT นั้นเป็นการสนทนาเป็นหลัก ผู้ใช้ถามคำถามหรือให้คำสั่ง แล้วโมเดลก็ตอบกลับมา แต่เครื่องมือแบบ Agentic ขยายกรอบนี้ออกไป ด้วยการเปิดให้ผู้ใช้ 'มอบหมาย' งานที่มีหลายขั้นตอนให้ระบบ AI ทำเองได้ ทั้งการเรียกใช้เครื่องมือภายนอก ตรวจสอบไฟล์ รันคำสั่ง ไปจนถึงสร้างหรือแก้ไขชิ้นงานออกมา

ความต่างนี้สะท้อนชัดในข้อมูลการใช้เครื่องมือภายนอกในสัปดาห์ก่อนวันที่ 11 มิถุนายน 2026 มีการสนทนาบน Codex ถึง 60.3% ที่เรียกใช้เครื่องมือภายนอกอย่างน้อยหนึ่งครั้ง เทียบกับ ChatGPT ที่อยู่เพียง 21.9% นั่นหมายความว่าการใช้งาน Codex ส่วนใหญ่ไม่ใช่แค่การคุยโต้ตอบ แต่เป็นการลงมือทำงานจริง

โตเร็วแต่ไม่เท่ากัน เมื่อวัดด้วยโทเคน

ข้อค้นพบหลักข้อแรกคือ การเปลี่ยนผ่านสู่ Agentic AI เกิดขึ้นอย่างรวดเร็วแต่ไม่สม่ำเสมอ จำนวนผู้ใช้ Codex รายสัปดาห์เพิ่มขึ้นมากกว่าห้าเท่าในช่วงครึ่งแรกของปี 2026 (ทะลุ 3 ล้านรายต่อสัปดาห์) และที่น่าสนใจคือการเติบโตที่เร็วที่สุดกลับเกิดขึ้นนอกกลุ่มนักพัฒนาซอฟต์แวร์ซึ่งเป็นฐานผู้ใช้ดั้งเดิม

แต่จุดที่งานวิจัยเน้นย้ำคือ ถ้าวัดการเปลี่ยนผ่านนี้ด้วยจำนวนผู้ใช้อย่างเดียวจะมองไม่เห็นภาพจริง เพราะคนที่หันมาใช้ Codex มักใช้งานหนักกว่าคนที่ยังอยู่กับแชตบอตมาก เมื่อหันไปวัดด้วย 'สัดส่วนของโทเคนผลลัพธ์ที่ถูกสร้างผ่าน Codex เทียบกับ ChatGPT' ความเหลื่อมล้ำระหว่างสามกลุ่มจึงปรากฏชัด

ในกลุ่มพนักงาน OpenAI นั้น Codex แทบจะเข้ามาแทนที่ ChatGPT ในฐานะหน้าจอหลักของการทำงานกับ AI ไปแล้ว ณ วันที่ 11 มิถุนายน 2026 โทเคนผลลัพธ์ที่พนักงานกลุ่มนี้สร้างขึ้นถึง 99.8% มาจาก Codex ขณะที่ผู้ใช้องค์กรอยู่ที่ 63.3% และผู้ใช้ส่วนบุคคลอยู่เพียง 16.5% ยิ่งไปกว่านั้น ในกลุ่มผู้ใช้ส่วนบุคคล มีเพียงไม่ถึง 1% เท่านั้นที่ใช้ Codex ในรอบ 28 วันที่ผ่านมา ส่วนผู้ใช้องค์กรอยู่ที่ 17.3% ซึ่งสูงกว่าหลายเท่าตัว

นักพัฒนาเปิดทาง แต่คนที่วิ่งตามมาเร็วกว่าคือคนทำงานสายอื่น

แม้ Codex จะถูกออกแบบมาเพื่องานพัฒนาซอฟต์แวร์ตั้งแต่ต้น แต่ข้อมูลชี้ว่าการเติบโตไม่ได้จำกัดอยู่แค่ฐานนักพัฒนาเดิมอีกต่อไป งานวิจัยจำแนกผู้ใช้ออกเป็นสามบุคลิก คือ นักพัฒนา (Developers), คนทำงานความรู้ทั่วไป (General Knowledge Workers) และผู้ใช้ส่วนตัว (Personal) แล้วพบว่ากลุ่มที่ไม่ใช่นักพัฒนา (Non-developers) เติบโตเร็วกว่า โดยเมื่อเทียบกับเดือนสิงหาคม 2025 ผู้ใช้ส่วนบุคคลที่ไม่ใช่นักพัฒนาเพิ่มขึ้นถึง 137 เท่า ผู้ใช้องค์กรกลุ่มเดียวกันเพิ่มขึ้น 189 เท่า และพนักงาน OpenAI ที่ไม่ใช่นักพัฒนาเพิ่มขึ้น 12 เท่า

เมื่อมองลึกลงไปตามตำแหน่งงานในองค์กร พบว่าวิศวกรโดยเฉลี่ยสร้างโทเคน 26.8% ผ่าน Codex ซึ่งเป็นสัดส่วนที่เพิ่มขึ้นห้าเท่าตั้งแต่ต้นปี ส่วนสายข้อมูลและการวิเคราะห์ อยู่ที่ราว 15.2% ขณะที่ทีมกฎหมายโดยเฉลี่ยยังอยู่เพียง 1.9% เท่านั้น

แต่ตัวเลขเฉลี่ยที่ดูต่ำในสายงานที่ไม่ใช่เทคนิคนี้ซ่อนความจริงอีกชั้นไว้ เพราะมันต่ำเนื่องจากยังมีคนใช้ Codex น้อย ไม่ใช่เพราะคนที่ใช้แล้วใช้น้อย พอเจาะดูเฉพาะคนที่นำ Codex มาใช้จริง สัดส่วนกลับพุ่งสูง ในกรณีวิศวกรองค์กร โทเคนรวมทั้งหมดของกลุ่มนี้มาจาก Codex ถึง 88.3% ส่วนทีมกฎหมายที่ใช้ Codex ก็มีสัดส่วนสูงถึง 17.6% สะท้อนว่าเมื่อใครเริ่มใช้แล้ว มักจะใช้แบบเต็มที่

ภายใน OpenAI คือภาพอนาคต ทุกแผนกข้าม 90% ภายในไม่กี่เดือน

พนักงาน OpenAI ทำหน้าที่เหมือนตัวอย่างของอนาคตที่อุปสรรคต่างๆ ถูกขจัดออกไป เพราะภายในบริษัทไม่มีข้อจำกัดด้านปริมาณการใช้ AI ทุกคนคุ้นเคยกับโมเดลรุ่นใหม่ มีการอบรมและแลกเปลี่ยนความรู้กันอย่างสม่ำเสมอ งานวิจัยระบุว่าในครึ่งหลังของปี 2025 รูปแบบการใช้งานภายใน OpenAI ยังคล้ายกับองค์กรภายนอกในวันนี้ คือวิศวกรนำหน้าไปก่อน ส่วนสายงานอื่นตามหลัง

จากนั้นทุกอย่างก็เร่งตัวขึ้นอย่างรวดเร็ว พอถึงเดือนมีนาคม 2026 Codex กินสัดส่วนเกิน 90% ของการใช้งานของวิศวกรโดยเฉลี่ย และเกือบทุกแผนกก็ทะลุ 90% ในเวลาต่อมา ที่น่าทึ่งคือสายงานที่นำมาใช้ทีหลังกลับเปลี่ยนผ่านเร็วกว่าสายเทคนิคที่นำมาใช้ก่อน อย่างทีมกฎหมายและทีมสรรหาบุคลากร ที่ในเดือนมกราคม 2026 ยังใช้ Codex แทบเป็นศูนย์ ค่อยๆ ขยับขึ้นไปราว 20% ในต้นเดือนเมษายน แล้วพุ่งจาก 20% ไปเป็น 75% ภายในเดือนเดียว

คนไม่ได้แค่ถามมากขึ้น แต่กล้ามอบหมาย 'งานที่ใช้เวลาทำเป็นวัน'

ข้อค้นพบที่สำคัญอีกข้อคือ ความซับซ้อนของงานที่ผู้ใช้กล้ามอบหมายให้ Codex เพิ่มขึ้นอย่างมีนัยสำคัญ งานวิจัยใช้ตัวจำแนกประเมินว่า แต่ละคำสั่งที่ผู้ใช้ส่งเข้ามานั้น ถ้าให้คนที่มีประสบการณ์ทำเองโดยไม่มี AI ช่วย จะใช้เวลานานแค่ไหน

ผลลัพธ์ชี้ว่าในเดือนธันวาคม 2025 มีผู้ใช้ส่วนบุคคลเพียง 35.4% ที่เคยส่งคำสั่งซึ่งประเมินว่าต้องใช้เวลาทำอย่างน้อยหนึ่งชั่วโมง แต่พอถึงเดือนพฤษภาคม 2026 สัดส่วนนี้พุ่งขึ้นเป็น 70.2% และเมื่อมองงานที่ยากขึ้นไปอีก สัดส่วนของผู้ใช้ที่เคยส่งคำสั่งซึ่งต้องใช้เวลาทำถึง 8 ชั่วโมง หรือเทียบเท่างานเต็มวันของคนหนึ่งคน เพิ่มจาก 2.1% ขึ้นไปเป็น 25.6% หรือโตเกือบสิบเท่าในเวลาไม่ถึงครึ่งปี

อีกข้อสังเกตที่น่าสนใจคือ งานที่ซับซ้อนที่สุดมักกระจุกอยู่ที่จุดเริ่มต้นของแต่ละเซสชัน คำสั่งแรกของบทสนทนามีโอกาสเป็นงานที่ต้องใช้เวลาทำเกินหนึ่งชั่วโมงมากกว่าคำสั่งที่สี่ถึงสองเท่า สะท้อนว่าผู้ใช้มักโยนงานก้อนใหญ่ที่สุดให้ก่อน แล้วค่อยตามด้วยการปรับแต่งรายละเอียดทีหลัง

เมื่อผู้ใช้ตัวจริงกลายเป็น 'ผู้จัดการทีมเอเจนต์' แทนที่จะลงมือเองทุกอย่าง

ข้อค้นพบที่ทำให้เห็นความต่างของ Agentic AI ชัดที่สุดคือ ผู้ใช้กลุ่ม Intensive Users เริ่มจัดระเบียบการทำงานรอบๆ การมอบหมายงานแบบขนานและทำซ้ำได้ งานวิจัยวัดเรื่องนี้ผ่านการรันเอเจนต์พร้อมกัน ซึ่งหมายถึงการที่ผู้ใช้สั่งงานหลายเอเจนต์ในเวลาเดียวกันโดยไม่ต้องรอให้งานหนึ่งเสร็จก่อน

ในกลุ่มผู้ใช้องค์กรและส่วนบุคคล พฤติกรรมนี้ยังพบน้อย ราว 67.4% ของผู้ใช้องค์กรและ 63.9% ของผู้ใช้ส่วนบุคคลไม่เคยรันงานพร้อมกันเลยในช่วงที่สำรวจ แต่ในกลุ่มพนักงาน OpenAI ภาพกลับตรงกันข้าม มีเพียง 10.7% เท่านั้นที่ทำงานทีละหนึ่งเอเจนต์ ขณะที่เกือบ 28.6% บริหารเอเจนต์พร้อมกันตั้งแต่ห้าตัวขึ้นไป งานวิจัยอธิบายว่านี่คือรูปแบบการทำงานที่มนุษย์ทำหน้าที่กำกับดูแลทีมเอเจนต์ มอบหมายงานให้คนงานหลายตัวพร้อมกัน ซึ่งต่างจากผู้ใช้ภายนอกส่วนใหญ่ที่มนุษย์ยังลงมือทำงานเองเป็นหลัก

เรื่องระยะเวลาทำงานของเอเจนต์ก็สะท้อนภาพเดียวกัน พนักงาน OpenAI ระดับกลางมีเอเจนต์ Codex ทำงานรวมราว 2.5 ชั่วโมงต่อวัน แต่กลุ่มผู้ใช้แนวหน้าที่เปอร์เซ็นไทล์ที่ 99 มีเอเจนต์ทำงานรวมกันถึงราว 71 ชั่วโมงต่อวัน ซึ่งเป็นไปได้ก็ต่อเมื่อมีเอเจนต์หลายตัวรันพร้อมกันตลอดเวลา และตัวเลขนี้ยังเพิ่มขึ้นเกือบ 88% นับตั้งแต่วันที่ 7 เมษายน 2026 เป็นต้นมา

'Skills' กุญแจที่เปลี่ยนงานครั้งเดียวจบ ให้เป็นกระบวนการทำซ้ำได้

สัญญาณสุดท้ายที่บ่งบอกว่าคนเริ่มออกแบบงานใหม่รอบ Agentic AI คือสิ่งที่งานวิจัยเรียกว่าการทำให้เป็นระบบ (Systematization) นั่นคือการที่ผู้ใช้เลิกอธิบายบริบทงานซ้ำๆ ทุกครั้ง แล้วหันมาใช้ทักษะสำเร็จรูป และปลั๊กอินที่รวมคำสั่ง ซอฟต์แวร์ และการเชื่อมต่อเครื่องมือภายนอกเข้าด้วยกัน เพื่อเรียกใช้ซ้ำและแบ่งปันกันในทีมได้

ในนิยามของ OpenAI ทักษะสำเร็จรูป คือรูปแบบการเขียนกระบวนการทำงานที่นำกลับมาใช้ใหม่ได้ ประกอบด้วยไฟล์ SKILL.md พร้อมข้อมูลกำกับและสคริปต์เสริม ส่วนปลั๊กอิน คือหน่วยที่ติดตั้งได้ ซึ่งห่อรวมทักษะหลายตัวเข้ากับการเชื่อมต่อแอป การตั้งค่า Model Context Protocol (MCP) และส่วนประกอบอื่นไว้ด้วยกัน

ข้อมูลชี้ว่าการใช้ทักษะสำเร็จรูปแพร่หลายและโตเร็วมาก สัดส่วนผู้ใช้ Codex รายสัปดาห์ที่เรียกใช้ทักษะอย่างน้อยหนึ่งตัว เพิ่มจาก 5.4% ในวันที่ 1 มีนาคม 2026 มาเป็น 26.6% ในวันที่ 11 มิถุนายน 2026 โดยในช่วงเจ็ดวันก่อนวันที่ 11 มิถุนายน มีผู้ใช้ส่วนบุคคล 25.7% และผู้ใช้องค์กร 30.4% ที่เรียกใช้ทักษะ ขณะที่ภายใน OpenAI ตัวเลขนี้แทบจะครอบคลุมทุกคนที่ 96.2% การเติบโตมาจากปลั๊กอินและทักษะแบบกำหนดเอง (Custom Skills) เป็นหลัก ซึ่งสะท้อนว่าผู้ใช้ให้คุณค่ากับการแนบบริบทเฉพาะขององค์กรหรือทีมไว้กับงานที่ต้องทำซ้ำ มากกว่าจะพึ่งความสามารถทั่วไปของโมเดลเพียงอย่างเดียว

บทเรียนจากยุคไฟฟ้า และความหมายต่อโครงสร้างการทำงานในอนาคต

งานวิจัยเชื่อมโยงปรากฏการณ์นี้กับงานคลาสสิกของ David (1990) ที่ศึกษาการเปลี่ยนจากพลังไอน้ำมาเป็นพลังไฟฟ้าในโรงงานยุคอุตสาหกรรม โดยชี้ว่าในช่วงแรกโรงงานเพียงแค่เปลี่ยนมอเตอร์ไอน้ำกลางเป็นมอเตอร์ไฟฟ้ากลาง โดยยังคงผังโรงงานแบบเดิมไว้ ทำให้ประโยชน์ด้านผลิตภาพยังไม่ปรากฏ จนกระทั่งมีการออกแบบกระบวนการผลิตใหม่ทั้งหมดรอบความสามารถของไฟฟ้า ผลตอบแทนที่แท้จริงจึงเกิดขึ้น แต่ก็ใช้เวลานานหลายทศวรรษ

ความต่างคือ Agentic AI เป็นกระบวนการผลิตแบบดิจิทัล ผู้ใช้และองค์กรจึงทดลองออกแบบรูปแบบการทำงานใหม่ได้ด้วยต้นทุนที่ต่ำกว่ามาก ทำให้วิธีการผลิตแบบใหม่อาจแพร่กระจายเร็วกว่าการเปลี่ยนผ่านเทคโนโลยีครั้งก่อนๆ และนั่นคือเหตุผลว่าทำไมการเปลี่ยนแปลงภายใน OpenAI ถึงเกิดขึ้นภายในไม่กี่เดือน ไม่ใช่หลายปี

บทสรุปของงานวิจัยระบุชัดว่า การแพร่กระจายของ Agentic AI ไม่ใช่แค่การเปลี่ยนว่าคนใช้เครื่องมือ AI ตัวไหน แต่เป็นการเปลี่ยนว่าคนจัดระเบียบการทำงานรอบ AI อย่างไร เมื่อ AI ขยับจากการให้คำปรึกษามาสู่การรับมอบหมายงาน องค์กรอาจต้องคิดใหม่ว่าจะจัดสรร ตรวจสอบ และประสานงานกันอย่างไร บทบาทของคนทำงานเข้มข้นเริ่มเปลี่ยนไปเป็นการกำกับ ดูแล และบูรณาการผลงานของเอเจนต์ แทนที่จะลงมือทำทุกขั้นตอนเอง ซึ่งอาจส่งผลถึงการจัดทีม ความต้องการในการจ้างงาน เส้นทางอาชีพ และการกระจายงานข้ามระดับทักษะ งานวิจัยปิดท้ายว่าพรมแดนของการนำ AI มาใช้กำลังเคลื่อนจากการ 'ขอคำตอบจากระบบ' ไปสู่การ 'บริหารระบบที่ลงมือทำงาน'

ทั้งนี้ ทีมวิจัยย้ำว่าข้อมูลจากภายใน OpenAI ไม่ได้เป็นตัวแทนขององค์กรทั่วไปในวันนี้ เนื่องจากเป็นสภาพแวดล้อมที่เอื้อต่อการใช้ AI เป็นพิเศษ และข้อมูลทั้งหมดมาจากการใช้งานบนแพลตฟอร์มของ OpenAI เอง แต่มันก็ให้ภาพว่ารูปแบบการทำงานจะเป็นอย่างไรเมื่ออุปสรรคในการนำมาใช้แทบหมดไป

ที่มา: OpenAI, Axios, The Next Web