ในวันที่ผู้บริโภคไม่ได้เดินทางผ่านสื่อแบบเส้นตรงอีกต่อไป การทำการตลาดเริ่มวัดกันที่ว่าแบรนด์เห็นสัญญาณของผู้บริโภคเร็วพอหรือไม่ ตัดสินใจจากข้อมูลได้แม่นพอหรือเปล่า และปรับแผนได้ทันก่อนที่โอกาสจะหายไป มากพอ ๆ กับคำถามเรื่องขนาดงบหรือจำนวนคนที่เข้าถึง

ประเด็นนี้คือแกนหลักที่กลุ่มบริษัทเดนท์สุ ประเทศไทย นำเสนอในงาน dentsu DECODE 2026 | INTELLIGENCE IN MOTION | Smarter. Faster. Built for Growth. ผ่านแนวคิด 'Intelligence Operating System' หรือระบบปฏิบัติการอัจฉริยะสำหรับบริหารงานมีเดีย ที่ใช้ AI, ข้อมูล และเครื่องมือทำงานร่วมกันแบบครบกระบวนการ

พูดให้เข้าใจง่ายขึ้น dentsu.Connect ถูกวางเป็นระบบที่เชื่อมตั้งแต่การหากลุ่มเป้าหมาย วางแผน ซื้อสื่อ ปรับแคมเปญ วิเคราะห์คอนเทนต์ เชื่อมยอดขาย ไปจนถึงรายงานผล เพื่อให้นักการตลาดเห็นภาพรวมและตัดสินใจได้เร็วขึ้น แทนการใช้เครื่องมือเดี่ยว ๆ เพื่อช่วยงานบางส่วนของแคมเปญ

เมื่อ Scale อย่างเดียวไม่พอ

คุณวิสาส์น สิริจันทานนท์ ประธานเจ้าหน้าที่บริหารสายงานธุรกิจมีเดีย กลุ่มบริษัทเดนท์สุ ประเทศไทย และบริษัท คาราท (ประเทศไทย) จำกัด อธิบายว่า นักการตลาดยุคนี้ต้องรู้ให้ได้ว่าผู้บริโภคสนใจอะไร เมื่อไหร่ และเพราะอะไร รวมถึงต้องเข้าใจว่าจะเข้าถึงผู้บริโภคด้วยวิธีใด ช่องทางไหน และรูปแบบใดในบริบทที่เหมาะสม

คำพูดสำคัญของคุณวิสาส์นคือ ความได้เปรียบของแบรนด์กำลังขยับจาก Economy of Scale ไปสู่ Economy of Speed

ความหมายของประโยคนี้คือความสามารถในการจับสัญญาณ ตรวจสอบช่องทาง แก้ไขความผิดพลาดด้วยข้อมูล และขยายผลความสำเร็จได้ก่อนคู่แข่ง ไม่ใช่การทำงานให้เร็วขึ้นในเชิงปริมาณเท่านั้น ในโลกที่ผู้บริโภคถูกนำทางด้วยอัลกอริทึม ความล่าช้ากลายเป็นความเสี่ยงทางธุรกิจทันที เพราะกว่าทีมการตลาดจะเห็นปัญหา แก้แผน และอนุมัติงบ โอกาสบนแพลตฟอร์มอาจเปลี่ยนไปแล้ว

นี่ทำให้งานมีเดียยุคใหม่เริ่มคล้ายการควบคุมห้องปฏิบัติการแบบ Real-time มากกว่าการวางแผนแคมเปญแบบเดิม นักการตลาดต้องรู้ว่าอะไรเริ่มทำงาน อะไรกำลังเสียเงินโดยไม่สร้างผลลัพธ์ และอะไรควรถูกขยายผลทันที

dentsu.Connect คือระบบหลังบ้านของการตัดสินใจ

ในงานครั้งนี้ dentsu นำเสนอ dentsu.Connect ซึ่งเป็นระบบปฏิบัติการ AI ที่กลุ่มบริษัทเดนท์สุทั่วโลกใช้งาน เพื่อขับเคลื่อนงานมีเดียแบบ End-to-end โดยมีเครื่องมือหลายส่วนเชื่อมกัน เช่น Audience Builder, COPO หรือ Consumer in Your Pocket, Client IQ, Business Planner, Optisysta, KOLsphere และ TeraVue

หัวใจของระบบนี้อยู่ที่การเปลี่ยนงานมีเดียจากการทำงานเป็นชิ้น ๆ ไปสู่การทำงานเป็นวงจรเดียวกัน เพราะปัญหาของการตลาดจำนวนมากคือข้อมูลกระจัดกระจายเกินไป ทีมหนึ่งเห็นข้อมูลกลุ่มเป้าหมาย อีกทีมเห็นข้อมูลคอนเทนต์ อีกทีมเห็นยอดขาย ขณะที่การตัดสินใจจริงต้องใช้ข้อมูลทั้งหมดพร้อมกัน

ถ้ามอง dentsu.Connect เป็นระบบปฏิบัติการ หน้าที่ของมันจึงคล้ายศูนย์ควบคุมที่ทำให้สัญญาณจากหลายแหล่งถูกนำมาอ่านในบริบทเดียวกัน นักการตลาดต้องดูคุณภาพของการเข้าถึง ความตั้งใจของกลุ่มเป้าหมาย ต้นทุนต่อผลลัพธ์ และโอกาสในการต่อยอดเชิงพาณิชย์ไปพร้อมกัน แทนการดู Reach หรือ Impression เพียงไม่กี่ตัว

7 ขั้นตอนที่เปลี่ยนแคมเปญให้เป็นระบบพร้อมปรับ

dentsu วางกรอบการทำงานของ dentsu.Connect ไว้ 7 ขั้นตอน ตั้งแต่การค้นหาโอกาสการเติบโต ไปจนถึงการรายงานผลแบบอัจฉริยะ แต่ละขั้นตอนต่อกันเป็นวงจรที่ช่วยให้แบรนด์รู้ก่อน ปรับก่อน และขยายผลได้เร็วขึ้น

Growth Audiences คือการใช้ AI ช่วยจัดการกลุ่มเป้าหมาย เพื่อหาคนที่มีความต้องการจริง ลดการเดาจากข้อมูลประชากรหรือความสนใจแบบกว้าง ๆ เครื่องมือในกลุ่มนี้ เช่น Audience Builder, COPO, Cultural Insights และ Client IQ ถูกออกแบบมาเพื่อช่วยให้แบรนด์เห็นกลุ่มลูกค้าที่มีคุณภาพสูงขึ้น และลดงบที่สูญเปล่าจากการยิงสื่อกว้างเกินไป

Predictive Planning ขยับจากการวางแผนสื่อที่เน้น Reach ไปสู่การวางแผนจากคุณภาพของการมองเห็นจริง เพราะการเข้าถึงคนจำนวนมากไม่ได้แปลว่าผู้บริโภคมองเห็นหรือสนใจสื่อนั้นจริง เครื่องมืออย่าง Media Planner for Attentive Reach และ Attentive Frequency จึงเข้ามาช่วยประเมินว่าแบรนด์ควรซื้อสื่ออย่างไรให้ได้คุณภาพการมองเห็นที่ดีขึ้นและความถี่ที่เหมาะสมขึ้น

Intelligent Activation คือการนำข้อมูลพฤติกรรม ตำแหน่งสถานที่ กิจกรรมออนไลน์ การเดินทาง และการใช้จ่ายออนไลน์ มาใช้หา High-Intent Audience หรือกลุ่มที่มีแนวโน้มซื้อสินค้าและบริการสูงกว่าเดิม ในกรณีตัวอย่างที่ dentsu ระบุ เครื่องมือ TURBOCHARGE ช่วยเพิ่มประสิทธิภาพการลงทุนโฆษณา 1.4 เท่า ได้ลีดเพิ่มขึ้น 67% ในกลุ่มธุรกิจประกัน ลดราคาลีดลง 56% ในกลุ่มอสังหาริมทรัพย์ และเพิ่มอัตราการซื้อจากการมองเห็นสื่อ 145% ในกลุ่มอาหารและเครื่องดื่ม ทั้งหมดนี้เป็นผลลัพธ์เฉพาะกรณี และอาจแตกต่างกันไปตามธุรกิจ

Optimization Intelligence เป็นชั้นที่ช่วยให้ทีมการตลาดปรับการทำงานบนหลายแพลตฟอร์มจากสัญญาณจริงระหว่างทาง แทนการรอจบแคมเปญแล้วค่อยแก้ เครื่องมือ dentsu Optisysta ถูกยกเป็นตัวอย่างของระบบที่ช่วยลด CPL และ CPA เพิ่มคุณภาพทราฟฟิก และลดการสูญเปล่าจาก Placement หรือกลุ่มเป้าหมายที่ไม่ตอบสนอง

Content Intelligence ทำหน้าที่เชื่อมการบริหารคอนเทนต์ข้ามหลายช่องทาง ทั้งช่องทางของแบรนด์เอง KOL สื่อ และคอมมูนิตี้ เครื่องมืออย่าง tag ACE ช่วยดูประสิทธิภาพคอนเทนต์แยกตามรูปแบบและช่องทาง เช่น Engagement, Video Completion, Time on Site และ Scroll Depth เพื่อให้แบรนด์เข้าใจว่าคอนเทนต์แบบไหนสร้างผลลัพธ์จริง

Commerce Intelligence คือการเชื่อมสื่อ Social Listening คอนเทนต์ KOL และคอมเมิร์ซเข้าด้วยกัน เพื่อให้การทำมีเดียขยับจากการรับรู้แบรนด์ไปสู่การวัดผลเชิงพาณิชย์ เช่น ยอดขาย คำสั่งซื้อ Conversion Rate, GMV, ROAS, ROI และต้นทุนต่อคำสั่งซื้อ เครื่องมือที่ dentsu ยกตัวอย่างคือ KOLsphere

Reporting Intelligence ปิดวงจรด้วย Dashboard อัจฉริยะที่ช่วยลดงาน Manual และทำให้ทีมเห็นรายงานแบบ Real-time เครื่องมือ TeraVue ถูกออกแบบให้เชื่อมต่อ Data Source หลายแหล่ง พร้อม AI Analytics ที่ช่วยสรุปและตอบคำถามสำคัญทางธุรกิจได้เร็วขึ้น

เมื่อมองทั้ง 7 ขั้นตอนรวมกัน จะเห็นว่า dentsu กำลังเสนอภาพของมีเดียเอเจนซี่ในฐานะระบบช่วยตัดสินใจทางธุรกิจ ขอบเขตของงานจึงขยายจากการซื้อสื่อไปสู่การตอบคำถามว่า งบที่ใช้ไปสร้างการเติบโตจริงหรือไม่

Future Mandala เมื่อสัญญาณธุรกิจไม่ได้อยู่ในช่องทางเดียว

นอกจาก dentsu.Connect แล้ว เดนท์สุยังนำเสนอ dentsu Future Mandala ในฐานะกรอบความคิดที่ช่วยให้นักการตลาดมองเห็นโอกาสเร็วขึ้น โดยรวบรวมมิติของธุรกิจ วัฒนธรรม เทคโนโลยี และข้อมูลเข้าด้วยกัน

เหตุผลที่เครื่องมือนี้สำคัญคือสัญญาณของผู้บริโภคไม่ได้เกิดบนแพลตฟอร์มโฆษณาเพียงอย่างเดียว พฤติกรรมการซื้ออาจเชื่อมกับกระแสวัฒนธรรม คอนเทนต์ที่กำลังถูกพูดถึง เทคโนโลยีใหม่ หรือความเปลี่ยนแปลงเชิงสังคม การวิเคราะห์มีเดียจึงต้องอ่านสัญญาณนอกกรอบแคมเปญมากขึ้น

ถ้า dentsu.Connect คือระบบที่ช่วยขับเคลื่อนการทำงาน Future Mandala คือแผนที่ที่ช่วยให้แบรนด์รู้ว่าควรมองไปทางไหนก่อน การมีทั้งสองส่วนจึงทำให้แนวคิด Intelligence Operating System มีมิติมากกว่าการใช้ AI เพื่อเพิ่มความเร็ว เพราะเป้าหมายจริงคือการเปลี่ยนความซับซ้อนให้กลายเป็นแต้มต่อในการแข่งขัน

มีเดียเอเจนซี่กำลังขยับเข้าใกล้ Growth Partner

ภาพที่เดนท์สุพยายามสื่อสารในงาน dentsu DECODE 2026 คือบทบาทของมีเดียเอเจนซี่กำลังเปลี่ยนจากผู้วางแผนและซื้อสื่อ ไปสู่ Growth Partner ที่ช่วยแบรนด์ตัดสินใจได้ดีขึ้นในทุกจุดของเส้นทางผู้บริโภค

ความเปลี่ยนแปลงนี้สำคัญกับตลาดไทย เพราะแบรนด์จำนวนมากกำลังเผชิญโจทย์เดียวกัน งบการตลาดถูกกดดันให้ต้องพิสูจน์ผลลัพธ์ชัดขึ้น ช่องทางสื่อกระจายตัวมากขึ้น และพฤติกรรมผู้บริโภคเปลี่ยนเร็วกว่าแผนการตลาดแบบเดิมจะตามทัน

ในบริบทนี้ AI กลายเป็นโครงสร้างพื้นฐานใหม่ของการบริหารมีเดีย มากกว่าการเป็นเครื่องมือช่วยลดงานซ้ำ แบรนด์ที่ได้เปรียบคือแบรนด์ที่เปลี่ยนข้อมูลให้เป็นการตัดสินใจได้เร็วพอ และกล้าปรับการทำงานจากแคมเปญที่รอวัดผลปลายทาง ไปสู่ระบบที่พร้อมเรียนรู้และปรับตัวตลอดเวลา

ด่านทดสอบจริงของ Intelligence Operating System จึงอยู่ที่การทำให้ทีมการตลาด ทีมคอนเทนต์ ทีมมีเดีย และทีมขายอ่านข้อมูลชุดเดียวกัน แล้วตัดสินใจด้วยจังหวะเดียวกันได้เร็วแค่ไหน เพราะในวันที่อัลกอริทึมเปลี่ยนพฤติกรรมผู้บริโภคทุกวัน ความเร็วในการตัดสินใจอาจกลายเป็นต้นทุนใหม่ที่แบรนด์ไทยเลี่ยงไม่ได้อีกต่อไป

ผ่านไป 73 ปี ประเทศเดียวกันนี้กลายเป็นบ้านของ Samsung และ SK Hynix สองบริษัทที่ผลิตชิปหน่วยความจำรวมกันเกือบ 2 ใน 3 ของทั้งโลก ซึ่งชิปหน่วยความจำคือชิ้นส่วนที่คอมพิวเตอร์และเซิร์ฟเวอร์ใช้เก็บและประมวลผลข้อมูล และเป็นสิ่งที่ AI ทุกตัวต้องใช้ในการเทรนและรันโมเดล ยิ่ง AI ฮิตมากเท่าไหร่ ทั้งโลกก็ยิ่งต้องการชิปพวกนี้มากขึ้นเท่านั้น เมื่อปลายเดือนมิถุนายน 2026 รัฐบาลเกาหลีใต้จับมือสองบริษัทนี้ประกาศทุ่มเงิน 518,000 ล้านดอลลาร์สหรัฐฯ ก้อนเดียว สร้างโรงงานผลิตชิปเพิ่ม โดยประธานาธิบดีเกาหลีใต้เรียกมันว่าการก้าวกระโดดครั้งใหญ่ของชาติ

จาก 43 ปีที่สร้างชาติ สู่ 3 ปีที่ตัดสินใจ

เส้นทางแรกของเกาหลีใต้เริ่มปี 1961 เมื่อ Park Chung-hee นายพลที่ยึดอำนาจด้วยการรัฐประหาร เริ่มแผนพัฒนาเศรษฐกิจ 5 ปีฉบับแรกในปี 1962 รัฐบาลเลือกไม่ปล่อยให้กลไกตลาดทำงานเอง แต่จับมือกับตระกูลธุรกิจขนาดใหญ่ไม่กี่ตระกูลที่ภายหลังถูกเรียกรวมกันว่า ชาโบล (chaebol) เช่น Samsung, Hyundai, LG อัดฉีดเงินกู้และสิทธิพิเศษให้กลุ่มนี้ไปสร้างอุตสาหกรรมส่งออกแทนประเทศ

จากจุดนั้นเศรษฐกิจเกาหลีโตเฉลี่ย 8-9% ต่อปี ติดต่อกันเกือบ 30 ปี ภาคเกษตรที่เคยเป็นครึ่งหนึ่งของ GDP หดเหลือไม่ถึง 3% ภายในเวลาไม่กี่ทศวรรษ ประเทศไล่เปลี่ยนอุตสาหกรรมหลักทีละสเต็ป จากสิ่งทอ ไปเหล็กและต่อเรือ ไปจนถึงอิเล็กทรอนิกส์ ซึ่งช่วงเวลานี้เองที่โลกเรียกมันว่า ปาฏิหาริย์แม่น้ำฮัน (Miracle on the Han River) ตามชื่อแม่น้ำที่ไหลผ่านกรุงโซล

จุดเปลี่ยนสำคัญเกิดปี 1983 เมื่อ Lee Byung-chul ผู้ก่อตั้ง Samsung ประกาศสิ่งที่ภายหลังถูกเรียกว่า Tokyo Declaration ว่าบริษัทจะกระโดดเข้าสู่ธุรกิจ DRAM ชิปหน่วยความจำชนิดหนึ่งที่คอมพิวเตอร์ทุกเครื่องต้องมี ทั้งที่ตอนนั้นเทคโนโลยียังตามหลังคู่แข่งญี่ปุ่นกว่าสิบปี

Samsung ผลิตชิปตัวแรกได้ภายใน 10 เดือนหลังประกาศ และใช้เวลาไม่ถึง 10 ปีแซง Toshiba ขึ้นเป็นเบอร์หนึ่งของโลกด้าน DRAM ในปี 1992 และปีถัดมาเกาหลีผลิต DRAM มากกว่าบริษัทญี่ปุ่นทั้งหมดรวมกัน นี่คือจุดเริ่มต้นที่ทำให้เกาหลีใต้กลายเป็นเจ้าตลาดชิปหน่วยความจำของโลกมาจนถึงทุกวันนี้

ธันวาคม 1996 เกาหลีใต้เข้าเป็นสมาชิกลำดับที่ 29 ของ OECD กลุ่มประเทศเศรษฐกิจพัฒนาแล้วที่มีสมาชิกอย่างสหรัฐฯ ญี่ปุ่น และประเทศในยุโรปตะวันตก การเข้าเป็นสมาชิกกลุ่มนี้คือจุดที่โลกยอมรับอย่างเป็นทางการว่าเกาหลีใต้พัฒนาแล้ว นับจากปี 1953 ที่ยังจนกว่าโซมาเลีย ใช้เวลาไป 43 ปี กว่าจะมาถึงจุดนี้ GDP โตขึ้น 12 เท่า รายได้ต่อหัวโตขึ้น 7 เท่า

เทียบกับเส้นทางที่สอง หลัง ChatGPT เปิดตัวปลายปี 2022 กระแส generative AI หรือ AI ที่สร้างข้อความ รูปภาพ วิดีโอได้เองก็ระเบิดไปทั่วโลก ทำให้ความต้องการชิปหน่วยความจำความเร็วสูงที่เรียกว่า HBM (High Bandwidth Memory) ซึ่งใช้ในเซิร์ฟเวอร์ AI โดยเฉพาะ พุ่งทะยานตั้งแต่ราวปี 2023 นับจากจุดนั้นถึงวันที่เกาหลีประกาศเดิมพันก้อนใหม่มูลค่า 518,000 ล้านดอลลาร์ในเดือนมิถุนายน 2026 ใช้เวลาแค่ราว 3 ปี สั้นกว่าเส้นทางแรกเกือบ 15 เท่า

กองทัพชิปที่ประกาศเดิมพันซ้ำ

29 มิถุนายน 2026 ประธานาธิบดี Lee Jae Myung ยืนเคียงข้าง Lee Jae-yong ประธาน Samsung Electronics และ Chey Tae-won ประธาน SK Group ประกาศแผนลงทุนรัฐร่วมเอกชนมูลค่าราว 518,000 ล้านดอลลาร์สหรัฐฯ

Samsung และ SK Hynix ซึ่งรวมกันผลิตเมมโมรีชิปเกือบสองในสามของโลก จะสร้างโรงงานผลิตชิปแห่งใหม่บริษัทละ 2 แห่งที่เมือง Gwangju ทางตะวันตกเฉียงใต้ของประเทศ ห่างจากฐานผลิตเดิมแถบ Gyeonggi ทางใต้กรุงโซล แต่ละบริษัทลงเงินราว 400 ล้านล้านวอน หรือประมาณ 260,000 ล้านดอลลาร์สหรัฐฯ เป้าหมายคือเพิ่มกำลังผลิตเมมโมรีชิปของประเทศให้ได้ 2 เท่าภายใน 5 ปี โรงงานคาดว่าจะเสร็จช่วงกลางทศวรรษ 2030s

ถ้านับรวมโครงการที่เคยประกาศไว้ก่อนหน้า Samsung กับ SK Hynix ผูกพันเงินลงทุนสะสมไว้แล้วถึง 3,200 ล้านล้านวอน หรือราว 2.07 ล้านล้านดอลลาร์สหรัฐฯ

Lee เรียกแผนนี้ว่าการก้าวกระโดดครั้งใหญ่ บนแกนสามเสาหลัก ได้แก่ เซมิคอนดักเตอร์, Physical AI และ Data Center เขากล่าวในการแถลงข่าวว่าประเทศต้องยึดครององค์ประกอบหลักของ AI ให้เร็วกว่าประเทศอื่นทุกแห่ง

นอกจากโรงงานชิป รัฐบาลเกาหลีจัดสรรเงินอีกก้อนแยกต่างหาก 550 ล้านล้านวอน ไปสร้าง Data Center สำหรับ AI จำนวน 3 แห่ง โดยมี SK, GS และ Naver ร่วมลงทุนด้วย เป้ากำลังการผลิตไฟฟ้าเริ่มต้นที่ 8.4 กิกะวัตต์ ตัวเลขระดับที่เทียบเท่ากับความต้องการไฟของเมืองขนาดกลางทั้งเมือง

นี่คือสิ่งที่ทำให้แผนนี้ต่างจากการลงทุนโรงงานทั่วไป มันคือการวางโครงสร้างพื้นฐานทั้งระบบ ตั้งแต่การผลิตชิป ไปจนถึงที่ที่ชิปเหล่านั้นจะถูกนำไปใช้งานจริงในศูนย์ข้อมูล ผูกทั้งห่วงโซ่ไว้ในประเทศเดียว

คนที่รวยเร็วที่สุดในโลกตอนนี้อยู่ที่เกาหลี

รายงานจาก Bloomberg

เงินก้อนใหญ่ที่ไหลเข้าอุตสาหกรรมชิปไม่ได้อยู่แค่ในบัญชีบริษัท พนักงาน Samsung และ SK Hynix กำลังจะได้รับโบนัสรวมกัน 162,000 ล้านดอลลาร์สหรัฐฯ ระหว่างปี 2026-2028 เฉลี่ยแล้วพนักงาน Samsung ได้คนละราว 340,000 ดอลลาร์สหรัฐฯ ส่วนพนักงาน SK Hynix ได้คนละราว 476,000 ดอลลาร์สหรัฐฯ สูงกว่าเงินเดือนเฉลี่ยทั้งประเทศราว 3 เท่า

เม็ดเงินนี้กำลังเปลี่ยนหน้าตาตลาดการเงินเกาหลี Samsung Securities รายงานว่าจำนวนลูกค้าที่มีสินทรัพย์เกิน 100 ล้านวอนโตขึ้น 15% เป็น 449,000 ราย บริษัทหลักทรัพย์และธนาคารต่างแย่งกันเสนอบริการดูแลความมั่งคั่งให้กลุ่มพนักงานสายเทคที่เพิ่งรวยเร็ว ข้อมูลจาก UBS ระบุว่าความมั่งคั่งเฉลี่ยต่อผู้ใหญ่ของเกาหลีโตขึ้น 44% ตั้งแต่ปี 2020 ซึ่งถือว่าเร็วที่สุดในโลก

แต่ความมั่งคั่งที่โตเร็วขนาดนี้ก็มาพร้อมสัญญาณเตือน ธนาคารกลางเกาหลี (BOK) เตือนว่าเศรษฐกิจกำลังเดินเข้าสู่รูปแบบที่เรียกว่า K-shaped คือคนกลุ่มเล็กในอุตสาหกรรมชิปและ AI พุ่งขึ้นไปอย่างรวดเร็ว ขณะที่แรงงานส่วนใหญ่ในภาคอื่นแทบไม่ขยับ

ความเสี่ยงที่ BOK จับตาคือโบนัสก้อนใหญ่ในภาคเทคอาจจุดชนวนให้แรงงานภาคอื่นเรียกร้องขึ้นค่าแรงตาม กลายเป็นแรงกดดันเงินเฟ้อที่ลามข้ามอุตสาหกรรม ซึ่งต่างจากยุค Miracle on the Han River ที่การเติบโตกระจายไปทั่วทั้งประเทศพร้อมกัน ตั้งแต่ชาวนา คนงานโรงงานสิ่งทอ ไปจนถึงวิศวกรอิเล็กทรอนิกส์

3 ปีกับเดิมพันก้อนใหม่ที่ใหญ่กว่าเดิม

สิ่งที่เกิดขึ้นตอนนี้ไม่ใช่เรื่องใหม่สำหรับเกาหลีใต้ เกาหลีใต้เคยเล่นเกมนี้มาก่อน รัฐจับมือชาโบล ทุ่มเงินก้อนมหาศาลลงอุตสาหกรรมเดียว แล้วเดิมพันอนาคตทั้งประเทศไว้กับมัน นี่คือสูตรเดียวกับที่ Park Chung-hee ใช้ปลุกชาติขึ้นมาจากซากสงคราม สูตรเดียวกับที่ Samsung ใช้ตอนกระโดดเข้าสู่ DRAM ปี 1983 เกาหลีใต้ไม่ได้กำลังเขียนสูตรใหม่ แค่หยิบสูตรเดิมที่เคยพิสูจน์แล้วว่าได้ผล มาเล่นอีกรอบ

สิ่งที่ต่างคือเวลา ครั้งแรกใช้เวลาสร้างทีละอุตสาหกรรม กว่าจะขึ้นมาเป็นชาติพัฒนาแล้วใช้เวลา 43 ปี ครั้งนี้ตัดสินใจเดิมพันก้อนที่ใหญ่กว่าเดิมภายในเวลาไม่ถึง 3 ปีนับจากที่กระแส AI เริ่มชัดเจน

ตัวเลข 3 ปีนี้ไม่ได้แปลว่าเกาหลีใต้สร้างศักยภาพด้านชิปขึ้นมาจากศูนย์ภายในเวลาสั้น ๆ งานหนักส่วนใหญ่ทำไปล่วงหน้าแล้วกว่า 40 ปี นับตั้งแต่ Tokyo Declaration ปี 1983 เกาหลีใต้ใช้เวลาหลายสิบปีสั่งสมโรงงาน วิศวกร และซัพพลายเชนการผลิตชิปหน่วยความจำ โดยไม่มีทางรู้ล่วงหน้าว่าวันหนึ่งโลกจะต้องการมันมากขนาดนี้เพราะ AI 

สิ่งที่ต้องตัดสินใจในปี 2023-2026 จึงเป็นแค่คำถามว่าจะขยายฐานเดิมให้ใหญ่ขึ้นแค่ไหน ไม่ใช่คำถามว่าจะเริ่มต้นจากศูนย์อย่างไร นี่คือสิ่งที่ทำให้เกาหลีใต้ตอบสนองได้เร็วกว่าประเทศอื่นที่เพิ่งเริ่มคิดเรื่องอุตสาหกรรมชิปตอนกระแส AI มาแล้ว และแน่นอนว่ากติกาของสงครามชิปยุค AI ก็ไม่ให้เวลาใครรอ คู่แข่งอย่างไต้หวันและสหรัฐฯ กำลังทุ่มเงินระดับเดียวกัน

คำถามที่ยังไม่มีคำตอบคือ การเติบโตรอบใหม่นี้จะยกทั้งประเทศขึ้นมาพร้อมกันเหมือนรอบแรก หรือจะสร้างเกาหลีใต้ในแบบที่แบ่งเป็นชนชั้นคนในประเทศสองชั้น ชั้นบนคือคนหลักหมื่นในอุตสาหกรรมชิปที่รวยเร็วที่สุดในโลก ชั้นล่างคือคนส่วนใหญ่ที่มองเห็นตัวเลขพันล้านเหล่านี้ผ่านหน้าจอข่าวเท่านั้น

เกาหลีใต้ใช้เวลา 43 ปีพิสูจน์ว่าประเทศยากจนที่สุดในโลกกลายเป็นชาติมหาอำนาจได้ ตอนนี้กำลังจะพิสูจน์อีกครั้ง ในเวลาที่สั้นกว่าเดิมมาก ว่าจะทำแบบเดิมซ้ำได้ไหม

อ้างอิง: edition.cnn, cnbc, asia.nikkei, bloomberg, macrotrends, britannica, bloomberg, bloomberg

หลายสิบปีที่ผ่านมาการผลิตยา วัคซีน หรือสารชีวภาพต่าง ๆ ล้วนต้องอาศัยการดัดแปลงจาก 'เซลล์ธรรมชาติ' เป็นจุดเริ่มต้นเสมอ แต่วันนี้วงการวิทยาศาสตร์ก้าวไปอีกขั้น เมื่อนักวิจัยสามารถประกอบเซลล์ขึ้นมาจากสารเคมีที่ไม่มีชีวิตได้สำเร็จเป็นครั้งแรก แถมเซลล์ที่สร้างขึ้นนี้ยังสามารถกินอาหาร เติบโตและแบ่งตัวได้คล้ายกับเซลล์จริง

ความสำเร็จนี้นับเป็นจุดเปลี่ยนสำคัญของวงการชีววิทยาสังเคราะห์ เพราะการสร้างระบบคล้ายเซลล์ขึ้นมาจากศูนย์ ทำให้เราเข้าใจกลไกและรู้จักส่วนประกอบทุกชิ้นอย่างทะลุปรุโปร่ง ซึ่งจะปูทางไปสู่การออกแบบเซลล์ให้ทำงานเฉพาะเจาะจงตามที่เราต้องการได้อย่างแม่นยำในอนาคต

การสร้างเซลล์ขึ้นใหม่ตั้งแต่ศูนย์ 

เซลล์คือหน่วยพื้นฐานของทุกสิ่งมีชีวิตบนโลก ไม่ว่าจะเป็นคน สัตว์ พืช หรือแบคทีเรีย แม้จะมีขนาดจิ๋ว แต่กลับมีความซับซ้อนมหาศาล อย่างร่างกายมนุษย์เราก็ประกอบไปด้วยเซลล์มากถึง 37 ล้านล้านเซลล์ ซึ่งจนถึงวันนี้นักวิทยาศาสตร์ก็ยังไขความลับการทำงานของมันได้ไม่ครบทุกประเภท

ที่ผ่านมาความสำเร็จของวงการวิทยาศาสตร์คือการนำเซลล์ธรรมชาติมาดัดแปลงพันธุกรรมให้ทำหน้าที่ใหม่ ๆ ซึงตัวอย่างที่เห็นภาพชัดที่สุดคือการใส่ยีนมนุษย์เข้าไปในแบคทีเรีย E. coli เพื่อให้มันผลิตอินซูลินสำหรับรักษาโรคเบาหวาน แต่การสร้างเซลล์ขึ้นมาใหม่ทั้งหมดจากสารเคมีถือเป็นความท้าทายที่ยกระดับไปอีกขั้น เพราะมันไม่ใช่แค่การเอาสิ่งที่มีอยู่แล้วมาดัดแปลง แต่คือการประกอบ 'ระบบของชีวิต' ขึ้นมาใหม่ตั้งแต่เริ่มต้นนับหนึ่ง

SpudCell เซลล์ต้นแบบจากสารเคมีที่มนุษย์ควบคุมได้เกือบ 100% 

ทีมวิจัยที่นำโดย Kate Adamala นักชีววิทยาจากมหาวิทยาลัยมินนิโซตา ได้นำสารเคมีที่ไม่มีชีวิตมาประกอบเข้าด้วยกันทีละส่วนจนเกิดเป็นเซลล์ต้นแบบที่ตั้งชื่อว่า SpudCell โดยมันไม่ได้มาจากเซลล์ของคน พืช หรือสัตว์ แต่มีลักษณะการทำงานคล้ายกับแบคทีเรียโครงสร้างพื้นฐาน

ความพิเศษของ SpudCell คือนักวิจัยรับรู้ส่วนประกอบทุกอณูภายในเซลล์อย่างละเอียดแบบ 100% ไม่ว่าจะเป็นชนิดของสารเคมี โมเลกุล หรือระดับความเข้มข้นที่ใส่ลงไป

เธอได้อธิบายว่าข้อได้เปรียบนี้ทำให้ SpudCell สามารถออกแบบและควบคุมได้ง่ายกว่าเซลล์ธรรมชาติมาก เพราะเซลล์ตามธรรมชาติมักมีความซับซ้อนสูงจากกระบวนการวิวัฒนาการที่กินเวลานับพันล้านปี พูดง่าย ๆ คือแทนที่จะต้องลองผิดลองถูกกับการดัดแปลงระบบที่ธรรมชาติสร้างไว้แล้ว นักวิทยาศาสตร์สามารถประกอบ 'ระบบชีวิต' ขึ้นมาใหม่และกำหนดให้มันทำงานตามเป้าหมายที่ต้องการได้เลยตั้งแต่แรกเริ่ม

SpudCell ทำอะไรได้แล้วบ้าง 

ถึงจะได้ชื่อว่าเป็นเซลล์ แต่ความสามารถของ SpudCell ในตอนนี้ยังมีจำกัดอยู่มาก มันทำได้เพียงกินอาหาร เติบโต และแบ่งตัวสร้างเซลล์ลูกได้ประมาณ 5 รุ่น ก่อนจะหยุดทำงานไป

ที่สำคัญคือทุกครั้งที่มีการแบ่งตัว นักวิจัยต้องคอยป้อนสารอาหารและส่วนประกอบที่จำเป็นให้ตลอดเวลา เพราะตัวเซลล์เองยังไม่สามารถอยู่รอดได้ด้วยตัวเอง Kate Adamala เปรียบเปรยว่า SpudCell ในระยะนี้เป็นเหมือน 'สิ่งมีชีวิตที่อ่อนแอมาก' ซึ่งแทบไม่ได้ทำหน้าที่อะไรเป็นชิ้นเป็นอัน นอกจากการกินอาหารและแบ่งตัวเป็นครั้งคราวเท่านั้น

นอกจากนี้กระบวนการทำงานของมันยังค่อนข้างช้า โดยต้องใช้เวลานานถึง 12 ชั่วโมงในการแบ่งตัวแต่ละรุ่น (ในอุณหภูมิ 30 องศาเซลเซียส) ซึ่งต่างกันมากกับแบคทีเรีย E. coli ตามธรรมชาติที่ใช้เวลาในการแบ่งตัวเพียงแค่ 30 นาที

อะไรทำให้ SpudCell แตกต่างจากเซลล์ธรรมชาติ 

แม้ SpudCell จะมีลักษณะการทำงานคล้ายเซลล์จริง แต่โครงสร้างและกลไกภายในกลับแตกต่างจากเซลล์ธรรมชาติอย่างสิ้นเชิง เริ่มตั้งแต่ขนาดของจีโนมที่เล็กจิ๋วเพียงประมาณ 90,000 คู่เบส ซึ่งถือว่าน้อยมากเมื่อเทียบกับแบคทีเรีย E. coli ที่มีรหัสพันธุกรรมมากถึง 4.6 ล้านคู่เบส

นอกจากนี้กลไกการแบ่งตัวก็ไม่เหมือนกัน โดยปกติเซลล์ธรรมชาติจะอาศัยโครงสร้างที่เรียกว่า ไซโทสเกเลตัน (Cytoskeleton) ช่วยดึงให้เซลล์แยกออกจากกัน แต่ในเมื่อ SpudCell ไม่มีโครงสร้างนี้มันจึงเปลี่ยนไปใช้วิธีเร่งสร้างโปรตีนขึ้นมาจำนวนมาก เพื่อให้เกิดแรงดันบริเวณเยื่อหุ้มเซลล์ แล้วดันให้เซลล์ขาดออกจากกันเป็นสองส่วนแทน

ข้อจำกัดสำคัญอีกประการคือ SpudCell ยังไม่สามารถสร้างไรโบโซม (Ribosome) ซึ่งทำหน้าที่เสมือนเครื่องผลิตโปรตีนของเซลล์ได้เอง นักวิจัยจึงต้องคอยสกัดไรโบโซมจาก E. coli ผสมลงไปในสารอาหารให้มันอยู่เสมอ ด้วยเหตุผลทั้งหมดนี้ SpudCell จึงยังเป็นเพียงเซลล์ต้นแบบที่ไม่สามารถดำรงชีวิตอยู่ได้ด้วยตัวเองอย่างอิสระแบบร้อยเปอร์เซ็นต์

การสร้างเซลล์ = การสร้างสิ่งมีชีวิตได้หรือไม่ ? 

หลายคนอาจมองว่าการนำสารเคมีมาประกอบเป็นเซลล์ได้สำเร็จก็เท่ากับเราสร้างสิ่งมีชีวิตได้แล้ว แต่ผู้เชี่ยวชาญส่วนใหญ่ยังไม่คิดเช่นนั้น Drew Endy ศาสตราจารย์ด้านวิศวกรรมชีวภาพจากมหาวิทยาลัยสแตนฟอร์ด ให้มุมมองที่น่าสนใจว่าจนถึงทุกวันนี้มนุษย์เรายังไม่เข้าใจอย่างถ่องแท้ด้วยซ้ำว่า 'ชีวิต' คืออะไรกันแน่ เขาจึงมองว่าผลงานชิ้นนี้คือการ 'สร้างเซลล์' ได้สำเร็จ แต่ยังไม่ถึงขั้นสร้างชีวิต

เหตุผลสำคัญคือ SpudCell ยังไม่สามารถเอาชีวิตรอดได้ด้วยตัวเอง เพราะมันต้องพึ่งพาสารอาหารและไรโบโซมที่นักวิจัยคอยป้อนให้ตลอดเวลา ยิ่งไปกว่านั้นมันยังขาดคุณสมบัติหลักของสิ่งมีชีวิตตามธรรมชาติ นั่นคือความสามารถในการวิวัฒนาการด้วยตัวเอง

แม้ในการทดลองจะพบว่าเซลล์ชนิดนี้สามารถตอบสนองต่อการเปลี่ยนแปลงได้ เช่น ถ้านักวิจัยลองใส่ยีนที่ช่วยให้ผลิตโปรตีนได้มากขึ้น มันก็จะเติบโตและแบ่งตัวได้เร็วขึ้น แต่พัฒนาการเหล่านี้ล้วนเกิดจากการตั้งใจออกแบบโดยมนุษย์ ไม่ใช่การกลายพันธุ์หรือการปรับตัวตามกลไกธรรมชาติแต่อย่างใด

ทำไมความสำเร็จครั้งนี้จึงสำคัญ

ถึงตอนนี้ SpudCell จะยังทำอะไรไม่ได้มากนัก แต่ในมุมมองของผู้เชี่ยวชาญ นี่คือก้าวกระโดดครั้งสำคัญของวงการชีววิทยาสังเคราะห์ เพราะหากในอนาคตเราสามารถพัฒนาเซลล์ต้นแบบนี้ให้ทำงานซับซ้อนขึ้นได้ มันจะกลายเป็นรากฐานของการสร้างสิ่งมีชีวิตหรือเซลล์ที่ถูกออกแบบมาเพื่อแก้ปัญหาเฉพาะด้านได้อย่างตรงจุด

เป้าหมายของการพัฒนา คือการออกแบบเซลล์ให้สามารถผลิตยาและสารชีวภาพรูปแบบใหม่ ๆ ช่วยยกระดับแนวทางการรักษาโรคมะเร็ง ทำหน้าที่ดูดซับก๊าซคาร์บอนไดออกไซด์เพื่อบรรเทาภาวะโลกร้อน หรือผลิตสารเคมีและวัสดุชีวภาพที่เป็นมิตรต่อสิ่งแวดล้อม รวมไปถึงการใช้เป็นกุญแจในการช่วยตอบคำถามว่าสิ่งมีชีวิตแรกบนโลกเกิดจากสารเคมีได้อย่างไร 

ด้วยศักยภาพที่พร้อมนำไปต่อยอดได้อีกไกล ผู้เชี่ยวชาญจากสถาบันระดับโลกอย่าง Imperial College London และ NIST ของสหรัฐฯ ต่างยอมรับว่านี่คือความก้าวหน้าครั้งใหญ่ที่สุดของวงการเซลล์สังเคราะห์ในรอบหลายปี

ความปลอดภัยและข้อกังวลที่ต้องจับตา

และเมื่อพูดถึงการสร้างเซลล์ขึ้นมาใหม่ หลายคนอาจอดกังวลไม่ได้ว่าเทคโนโลยีนี้จะถูกนำไปใช้สร้างเชื้อโรคหรืออาวุธชีวภาพหรือไม่ เรื่องนี้ทีมวิจัยยืนยันว่า SpudCell ในปัจจุบันยังไม่มีความเสี่ยงด้านความปลอดภัยแต่อย่างใด เพราะมันไม่สามารถเอาชีวิตรอดหรือเพิ่มจำนวนได้เองหากไม่ได้รับสารอาหารและส่วนประกอบสำคัญอย่างไรโบโซมจากภายนอก

นักวิทยาศาสตร์ยอมรับว่าถ้าหากในอนาคตเทคโนโลยีนี้ก้าวหน้าไปมากกว่านี้ เราจำเป็นต้องมีมาตรการควบคุมที่รัดกุม ทั้งในแง่ของความปลอดภัย ความมั่นคง และจริยธรรม

เพื่อเป็นการวางรากฐานที่ดี Kate Adamala และทีมจึงก่อตั้งองค์กรไม่แสวงหากำไรชื่อ Biotic ขึ้นมา โดยมีเป้าหมายคือการผลักดันให้ SpudCell กลายเป็นมาตรฐานกลางของวงการเซลล์สังเคราะห์ โดยเปิดกว้างให้นักวิจัยทั่วโลกสามารถเข้าถึงและนำไปพัฒนาต่อยอดร่วมกันได้ ให้อารมณ์คล้ายกับการสร้างซอฟต์แวร์แบบโอเพนซอร์ส 

หรือนี่คือจุดเริ่มต้นของการออกแบบเซลล์แห่งอนาคต

SpudCell ยังคงห่างไกลจากคำว่าสิ่งมีชีวิตที่สมบูรณ์ และตัวงานวิจัยเองก็กำลังอยู่ในขั้นตอนรอการตรวจสอบเพื่อตีพิมพ์ แต่ผู้เชี่ยวชาญหลายฝ่ายต่างเห็นพ้องต้องกันว่า นี่คือหมุดหมายสำคัญของวงการชีววิทยาสังเคราะห์ เพราะนับเป็นครั้งแรกที่เราสามารถประกอบสารเคมีล้วน ๆ ขึ้นมาเป็นเซลล์ที่ทำหน้าที่พื้นฐานได้จริง

ก้าวต่อไปจากนี้จึงไม่ใช่แค่การพยายามเลียนแบบธรรมชาติ แต่คือการทำความเข้าใจอย่างลึกซึ้งว่า 'ชีวิต' ถือกำเนิดขึ้นมาได้อย่างไร เพื่อที่วันหนึ่งข้างหน้า เราอาจนำองค์ความรู้นี้ไปออกแบบเซลล์ที่ช่วยแก้ปัญหาสำคัญของมนุษยชาติได้ ไม่ว่าจะเป็นการรังสรรค์วิธีรักษาโรคแบบใหม่ ๆ ไปจนถึงการรับมือกับวิกฤตสิ่งแวดล้อมในอนาคต

อ้างอิง: edition

XBOX ไม่ได้เกิดจากความฝันของคนที่อยากทำเกม แต่เกิดจากความกลัวของบริษัทซอฟต์แวร์ที่ใหญ่ที่สุดในโลก กลัวว่า PlayStation 2 จะเข้ามายึดห้องนั่งเล่น ซึ่ง Microsoft มองว่าเป็นสมรภูมิต่อไปของ PC ผ่านมากว่าสองทศวรรษ เครื่องเกมที่เกิดจากการตั้งรับในครั้งนั้นกลับกลายเป็นฝ่ายต้องผ่าตัดตัวเองครั้งใหญ่ที่สุดนับตั้งแต่วันแรกที่วางขาย

เมื่อวันที่ 6 กรกฎาคม 2026 ตามเวลาสหรัฐฯ Asha Sharma ประธานเจ้าหน้าที่บริหารของ Microsoft Gaming ส่งจดหมายภายในถึงพนักงานทั้งองค์กร ก่อนนำฉบับเต็มมาโพสต์ผ่านบัญชี X ของตัวเอง ประกาศสิ่งที่ Asha เรียกว่า 'การปรับโครงสร้างครั้งใหญ่ที่สุดในประวัติศาสตร์ XBOX' ด้วยการลดพนักงานราว 3,200 ตำแหน่งภายในปีงบประมาณ 2027 โดย 1,600 ตำแหน่งแรกมีผลทันที พร้อมปล่อยสตูดิโอเกมดัง 4 แห่งออกจากเครือ

โดย Fast Company ชี้ว่าหากนับรวมพนักงานที่ย้ายออกไปพร้อมสตูดิโอเหล่านั้น การลดกำลังคนรอบนี้จะกระทบรวมราว 4,800 ตำแหน่ง แต่สิ่งที่ทำให้จดหมายฉบับนี้สะเทือนวงการยิ่งกว่าตัวเลขปลดคน คือคำสารภาพจากปากซีอีโอเองว่า 'ธุรกิจของเราในวันนี้ไม่แข็งแรง'

กำเนิด XBOX: เครื่องเกมที่สร้างขึ้นเพื่อกันบ้าน ไม่ใช่เพื่อบุกตลาด

ย้อนกลับไปปี 1999 Sony เปิดตัว PlayStation 2 พร้อมวางตำแหน่งให้เป็นมากกว่าเครื่องเกม เพราะเล่นแผ่นภาพยนตร์ DVD ได้ในตัว ราคาถูกกว่าคอมพิวเตอร์ทั้งเครื่อง และตั้งเป้าเป็นศูนย์กลางความบันเทิงประจำห้องนั่งเล่น

สำหรับ Microsoft ที่ครองโลกการทำงานด้วย Windows มาตลอด นี่คือสัญญาณอันตรายชัด ๆ เพราะถ้าคอนโซลกลายเป็นคอมพิวเตอร์ประจำบ้านเครื่องถัดไป Windows จะโดนเขี่ยออกจากสมการทันที ซ้ำร้ายนักพัฒนาเกมจำนวนไม่น้อยยังเริ่มไหลออกจากฝั่งคอมพิวเตอร์ส่วนบุคคลไปทำเกมลง PlayStation กันอีกด้วย

จุดเริ่มต้นของ XBOX จึงไม่ได้มาจากวิสัยทัศน์บนหอคอย แต่มาจากวิศวกร 4 คนในทีม DirectX ได้แก่ Kevin Bachus, Seamus Blackley, Ted Hase และ Otto Berkes ที่จับโน้ตบุ๊ก Dell มาแกะประกอบเป็นเครื่องเกมต้นแบบที่รันบนเทคโนโลยีของ Windows ตั้งแต่ปี 1998 พร้อมชื่อเล่นว่า DirectX Box ก่อนถูกตัดให้เหลือสั้นๆ ว่า XBOX 

ไอเดียนอกสายตานี้เดินทางไปถึงโต๊ะของ Bill Gates ผู้ร่วมก่อตั้ง Microsoft จนนำไปสู่การประกาศเปิดตัวอย่างเป็นทางการบนเวที Game Developers Conference (GDC) วันที่ 10 มีนาคม 2000 และภาพจำที่ Bill ขึ้นเวที Consumer Electronics Show (CES) ต้นปี 2001 คู่กับนักมวยปล้ำ The Rock เพื่อโชว์เครื่องจริงต่อสายตาคนทั้งโลก

XBOX รุ่นแรกวางขายในสหรัฐฯ วันที่ 15 พฤศจิกายน 2001 ราคา 299 ดอลลาร์สหรัฐฯ พร้อมเกมเปิดตัวอย่าง Halo: Combat Evolved ที่กลายเป็นตำนานประจำแพลตฟอร์มมาจนถึงวันนี้ เอกสารข่าวของ Microsoft เองบันทึกไว้ว่าเครื่องขายได้ 1.5 ล้านเครื่องในอเมริกาเหนือภายในสิ้นปี 2001 ส่วนยอดขายตลอดอายุ IGN รวบรวมไว้ที่ราว 21-24 ล้านเครื่อง ยังห่างชั้นจาก PS2 ที่ Sony ประกาศอย่างเป็นทางการว่าขายทะลุ 150 ล้านเครื่องตั้งแต่ปี 2011 และยืนยันภายหลังผ่านรายงานของ Nintendo Life ว่ายอดรวมสุดท้ายเกิน 160 ล้านเครื่อง ครองแชมป์คอนโซลขายดีที่สุดในประวัติศาสตร์ 

ที่สำคัญ Robbie Bach อดีตหัวหน้าธุรกิจ XBOX เคยยอมรับในรายการของ GeekWire ว่า XBOX รุ่นแรกขาดทุนไปราว 5,000-7,000 ล้านดอลลาร์สหรัฐฯ แล้วแต่วิธีคิดบัญชี แต่ Microsoft มองเงินก้อนนั้นเป็นการลงทุน เพราะภารกิจของ XBOX ตั้งแต่วันแรกไม่ใช่การทำกำไร แต่คือการไม่ปล่อยให้ Sony ยึดพื้นที่ตรงนั้นไปคนเดียว

จากคำสารภาพว่า 'แพ้สงครามคอนโซล' สู่ทศวรรษทุ่มซื้อกิจการเกือบ 8 หมื่นล้านดอลลาร์สหรัฐฯ

XBOX เคยมียุครุ่งเรืองกับ XBOX 360 ในปี 2005 ที่ขายได้กว่า 84 ล้านเครื่อง ไล่บี้ PlayStation 3 แบบหายใจรดต้นคอ แต่พอมาถึง XBOX One ในปี 2013 ที่เปิดตัวพลาดทั้งเรื่องราคาและนโยบายบังคับต่ออินเทอร์เน็ต ยอดขายก็ถูก PlayStation 4 ทิ้งห่างเกือบเท่าตัว 

จุดนั้นเองที่ Phil Spencer ผู้บริหารที่คลุกคลีกับ XBOX มายาวนาน ขึ้นมากุมบังเหียนในปี 2014 แล้วพาทั้งองค์กรเปลี่ยนเกม จากการขายเครื่องแข่งยอด ไปสู่การขายบริการสมัครสมาชิก Game Pass ที่เปิดตัวในปี 2017 พร้อมเดินหน้ากว้านซื้อสตูดิโอเกมแบบจัดหนัก ตั้งแต่ 

• Mojang เจ้าของ Minecraft ในราคา 2,500 ล้านดอลลาร์สหรัฐฯ
• ZeniMax บริษัทแม่ของ Bethesda ในราคา 7,500 ล้านดอลลาร์สหรัฐฯ
• และปิดท้ายด้วยดีลประวัติศาสตร์ Activision Blizzard มูลค่า 68,700 ล้านดอลลาร์สหรัฐฯ ในปี 2023 ซึ่งเป็นการซื้อกิจการที่ใหญ่ที่สุดเท่าที่วงการเกมเคยเห็นมา รวมแล้วเกือบ 8 หมื่นล้านดอลลาร์สหรัฐฯ ตลอดหนึ่งทศวรรษ

แต่เงินก้อนโตซื้อทุกอย่างไม่ได้ และดีล Activision Blizzard นี่เองที่บังคับให้ Microsoft ต้องพูดความจริงของตัวเองออกมา เพราะดีลใหญ่ระดับนี้ทำให้ Federal Trade Commission (FTC) หน่วยงานกำกับดูแลการแข่งขันทางการค้าของสหรัฐฯ ยื่นฟ้องขวางการควบรวม ด้วยเหตุผลว่าอาจเปิดทางให้ Microsoft ผูกขาดตลาดเกม กลยุทธ์แก้เกมในชั้นศาลของ Microsoft จึงกลายเป็นการยอมหงายไพ่

ซึ่ง GameSpot รายงานว่าบริษัทเขียนในเอกสารสู้คดีแบบตรงไปตรงมาว่า XBOX ได้ 'แพ้สงครามคอนโซล' ให้ Sony และ Nintendo ไปเรียบร้อยแล้ว จึงไม่อยู่ในสถานะที่จะผูกขาดอะไรได้ สุดท้าย Microsoft ชนะคดีและปิดดีลสำเร็จปลายปี 2023 แต่คำสารภาพกลางศาลครั้งนั้นก็สอดคล้องกับตัวเลขที่นักวิเคราะห์ประเมินว่า XBOX Series X/S ขายได้ราว 30 ล้านเครื่อง ขณะที่ PlayStation 5 ทะลุ 80 ล้านเครื่องไปตั้งแต่กลางปี 2025

สัญญาณเตือนยิ่งดังขึ้นเรื่อยๆ เมื่อ Microsoft ปลดพนักงานเกม 1,900 คนต้นปี 2024 ปิดสตูดิโอ Tango Gameworks กับ Arkane Austin กลางปีเดียวกัน ก่อนเจอรอบใหญ่กลางปี 2025 ที่กระทบฝั่งเกมอย่างหนักจนต้องยกเลิกเกมอย่าง Perfect Dark และ Everwild ตามด้วยการขึ้นราคา Game Pass Ultimate ถึง 50% ในเดือนตุลาคม 2025 ที่ IGN รายงานว่าทำให้สมาชิกหายไปหลายล้านราย

จุดเปลี่ยนสำคัญมาถึงเดือนกุมภาพันธ์ 2026 เมื่อ Phil ประกาศเกษียณหลังทำงานกับ Microsoft มา 38 ปี และคุม XBOX มา 12 ปี ส่วน Sarah Bond ประธานของ XBOX ก็ลาออกในช่วงเดียวกัน โดย CNBC รายงานว่าคนที่ถูกเลือกมารับไม้ต่อคือ Asha ผู้บริหารสายผลิตภัณฑ์ AI ของ Microsoft ที่เคยนั่งเก้าอี้ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของ Instacart และผู้บริหารของ Meta มาก่อน การส่งคนนอกวงการเกมเข้ามาคุมอาณาจักรนี้ คือสัญญาณแรกว่า Microsoft ต้องการมุมมองใหม่แบบไม่เกรงใจของเดิม

เปิดจดหมาย Resetting XBOX: ลงทุน 1 ดอลลาร์สหรัฐฯ ขาดทุน 64 เซนต์

หลังรับตำแหน่งได้ราวสี่เดือน Asha กับ Matt Booty ประธานเจ้าหน้าที่ฝ่ายคอนเทนต์ ก็ส่งจดหมายถึงทีมงานเมื่อวันที่ 10 มิถุนายน เล่าถึงความจริงของธุรกิจที่ Variety สรุปว่า 'น่าประหลาดใจและน่าหงุดหงิด' ด้าน Bloomberg รายงานในวันเดียวกันว่าแผนปลดพนักงานครั้งใหญ่กำลังจะตามมา และทุกอย่างก็ชัดเจนในจดหมายฉบับวันที่ 6 กรกฎาคม

สิ่งที่ Asha ยอมรับในจดหมายฉบับนี้ตรงไปตรงมาชนิดที่หาได้ยากจากผู้บริหารระดับนี้ เริ่มจากอัตรากำไรของ XBOX ที่ต่ำกว่าธุรกิจแพลตฟอร์มและผู้จัดจำหน่ายเกมรายอื่นที่เทียบเคียงกันได้ถึง 3-10 เท่า การเข้าสู่คอนโซลเจเนอเรชันที่ 9 ด้วยฐานผู้เล่นที่เล็กกว่าคู่แข่งแต่โครงสร้างต้นทุนที่สูงกว่า และเดิมพันหลักทั้ง Game Pass กลยุทธ์หลายแพลตฟอร์ม รวมถึงการขยายคลังคอนเทนต์ ที่แม้จะสร้างคุณค่าอยู่บ้าง แต่ 'ไม่เติบโตในจังหวะที่เราคาดหวัง' ส่วนการกว้านซื้อสตูดิโอที่เดินหน้ามาตั้งแต่ปี 2018 

Asha สรุปบทเรียนว่าการเป็นเจ้าของสตูดิโออิสระดีๆ ทุกแห่งนั้น 'เป็นไปไม่ได้และไม่ใช่เรื่องที่ควรทำ' พร้อมตัวเลขที่แรงที่สุดของจดหมายทั้งฉบับ นั่นคือ 'ในปีปกติ เราขาดทุน 64 เซนต์ต่อทุก 1 ดอลลาร์สหรัฐฯ ที่ลงทุนไป'

ปัญหาภายในองค์กรถูกแฉออกมาไม่แพ้กัน Asha เล่าว่างานบางส่วนในองค์กรต้องไหลผ่านชั้นบริหารมากถึง 14 ระดับ ส่วนทีมแพลตฟอร์มก็ขยายใหญ่ขึ้นถึง 40% เมื่อเทียบกับช่วงเริ่มต้นของคอนโซลยุคนี้ สวนทางกับฐานผู้เล่นและชั่วโมงการเล่นที่ลดลง ความซับซ้อนนี้ทำให้การตัดสินใจช้า ความรับผิดชอบพร่าเลือน จนแผนแก้คือการหั่นชั้นบริหารให้เหลือไม่เกิน 5 ระดับ หรือ 3 ระดับในจุดที่ทำได้ ลดค่าใช้จ่ายผู้รับจ้างภายนอกลงครึ่งหนึ่ง และที่สะท้อนปัญหาได้ชัดที่สุดคือการแต่งตั้งประธานเจ้าหน้าที่ฝ่ายปฏิบัติการที่ถือความรับผิดชอบต่อกำไรขาดทุนแบบครบวงจรทั้งคอนเทนต์ ฮาร์ดแวร์ แพลตฟอร์ม และบริการ เป็นครั้งแรกขององค์กร โดยเก้าอี้ตัวนี้ตกเป็นของ Helen Chiang ลูกหม้อ XBOX เกือบ 20 ปีผู้ปลุกปั้นธุรกิจ Minecraft ซึ่งเท่ากับยอมรับกลายๆ ว่าตลอดที่ผ่านมา อาณาจักรเกมมูลค่ามหาศาลแห่งนี้ไม่เคยมีใครถือภาพรวมกำไรขาดทุนแบบเบ็ดเสร็จมาก่อนเลย

ด้านชะตากรรมของสตูดิโอในเครือ Compulsion Games กับ Double Fine Productions จะแยกตัวเป็นสตูดิโออิสระพร้อมทรัพย์สินทางปัญญาของตัวเอง ส่วน Ninja Theory กับ Undead Labs อยู่ระหว่างเจรจาย้ายไปอยู่กับเจ้าของใหม่พร้อมเงินทุนสานต่อแฟรนไชส์ Senua และ State of Decay 3 ด้าน Arkane ในฝรั่งเศสกำลังเข้าสู่กระบวนการหารือกับคณะกรรมการลูกจ้างตามกฎหมายแรงงานท้องถิ่น โดย Asha ยืนยันว่าเกมที่พัฒนาเองและประกาศต่อสาธารณะแล้วทุกเกมจะไม่ถูกยกเลิก นอกจากนี้ Mojang และ King สองสตูดิโอที่มีผู้เล่นต่อเดือนมากที่สุดในเครือ จะขึ้นตรงกับ Asha เอง เมื่ออ่านครบทั้งฉบับจะเห็นว่านี่ไม่ใช่แค่การปรับโครงสร้างองค์กรตามวัฏจักรธุรกิจ แต่คือการยอมรับอย่างเป็นลายลักษณ์อักษรว่า XBOX สะสมปัญหาด้านการบริหารและการดำเนินงานมานานหลายปี

เดิมพันครั้งใหม่ชื่อ Project Helix กับคำสัญญาว่าจะกลับมาโตในปี 2027

ถึงจดหมายจะเต็มไปด้วยข่าวร้าย แต่ Asha ยืนยันว่าปีนี้ XBOX จะยังลงทุนมากเท่าที่เคยลงทุนมา เพียงแต่ต้องโฟกัสและมีวินัยกว่าเดิม พร้อมประกาศเป้าหมายว่าธุรกิจจะกลับมาเติบโตอีกครั้งในปี 2027 และวาดวิสัยทัศน์ระยะยาวให้ XBOX เป็นหนึ่งในไม่กี่บริษัทที่มอบความบันเทิงให้คนมากกว่าพันล้านคนต่อวัน โดยความหวังสำคัญคือคอนโซลรุ่นถัดไปในชื่อ Project Helix ที่ Asha เปิดตัวผ่านงาน GDC เมื่อเดือนมีนาคม 2026 หลังรับตำแหน่งได้เพียงไม่กี่สัปดาห์ ซึ่งXBOX Wire อธิบายว่าเป็นเครื่องลูกผสมระหว่างคอนโซลกับ PC ใช้ชิปที่ออกแบบร่วมกับ AMD และรองรับเกมจากร้านค้าฝั่ง PC อย่าง Steam ได้ในเครื่องเดียว โดยนักวิเคราะห์คาดว่าจะวางขายจริงราวปี 2028

Asha ปิดจดหมายด้วยประโยคที่น่าจะถูกพูดถึงไปอีกนานว่า

'ประวัติศาสตร์เต็มไปด้วยบริษัทที่เข้าใจผิดว่าการอยู่มานาน หมายถึงการอยู่รอดได้ตลอดไป และเราจะไม่เป็นหนึ่งในนั้น' 

นับเป็นบทสรุปที่ย้อนแย้งอย่างมีชั้นเชิง เพราะเครื่องเกมที่ถือกำเนิดจากความกลัวเมื่อกว่าสองทศวรรษก่อน กำลังต้องเรียนรู้ที่จะกลัวอีกครั้ง เพียงแต่คราวนี้ศัตรูไม่ใช่ Sony แต่เป็นโครงสร้างองค์กรของตัวเอง

การปลดพนักงานล็อตแรก 1,600 ตำแหน่งมีผลแล้วตั้งแต่วันประกาศ ส่วนที่เหลือจะทยอยดำเนินการตลอดปีงบประมาณ 2027 และรายละเอียดเพิ่มเติมของ Project Helix น่าจะได้เห็นกันภายในปีนี้

ที่มา: Fast Company, Variety, Bloomberg, GeekWire, Insider Gaming, IGN, CNBC, XBOX Wire, Microsoft, Sony Interactive Entertainment, IGN (ยอดขายคอนโซลตลอดกาล), GeekWire (สัมภาษณ์ Robbie Bach), Nintendo Life, GameSpot, Britannica

แต่ในความเป็นจริง... ทั้ง 3 คนนี้เป็นเพียงผู้สร้างนวัตกรรมที่วิ่งอยู่บนอินเทอร์เน็ตเท่านั้น ไม่มีใครในนั้นสร้างอินเทอร์เน็ตขึ้นมาเอง

เพราะเบื้องหลังทุกข้อความ ทุกวิดีโอคอล และทุกแพ็กเก็ตข้อมูลที่ส่งถึงกันในทุกวันนี้ มีชายคนหนึ่งที่เขียนกฎพื้นฐาน ทิ้งไว้ตั้งแต่ก่อนที่มหาเศรษฐีเหล่านั้นจะมีไอเดียทำธุรกิจด้วยซ้ำ ชายที่ไม่มีใครคุ้นหน้า ไม่มีใครพูดถึงชื่อ แต่ทุกคนบนโลกต้องพึ่งพาสิ่งที่เขาสร้างทุกครั้งที่ออนไลน์

ชายคนนั้นคือ Vint Cerf ผู้ได้รับฉายาว่า บิดาแห่งอินเทอร์เน็ต ซึ่งปัจจุบันในวัย 83 ปี เขาเพิ่งประกาศเตรียมเกษียณอายุจาก Google หลังทำงานร่วมกันมานานกว่า 20 ปี

จากข้อจำกัดด้านการได้ยิน สู่ชายผู้แก้ปัญหาให้โลกคุยกันรู้เรื่อง

Vint Cerf เกิดเมื่อปี 1943 ที่รัฐคอนเนตทิคัต ในวัยเด็กเขาเคยถูกมองว่าเป็นเด็กพัฒนาการช้าจนหมอสงสัยว่าอาจมีความบกพร่องทางสมอง แต่แม่ของเขาไม่เชื่อ เพราะสังเกตเห็นว่าลูกชายมีสมาธิจดจ่อกับสิ่งต่าง ๆ ได้นานผิดปกติ

ความจริงที่ซ่อนอยู่คือ Cerf หูตึงมาแต่กำเนิด และอาการจะแย่ลงเรื่อย ๆ ตามอายุ เขาต้องเรียนการอ่านปากหลังเลิกเรียนและใส่เครื่องช่วยฟังตั้งแต่ยังเล็ก แต่ใครจะรู้ว่าปัญหาเรื่องการได้ยินนี้เอง ที่นำพาเขาไปพบกับภรรยาที่ร้านขายเครื่องช่วยฟังในยุค 60s (ทั้งคู่มีปัญหาทางการได้ยินเหมือนกัน)

ข้อจำกัดที่คนอื่นมองว่าเป็นความพิการ กลับหล่อหลอมให้ Cerf กลายเป็นคนที่ใช้ชีวิตทั้งชีวิตไปกับการแก้ปัญหาที่ว่า "จะทำอย่างไรให้สองสิ่งที่คุยกันไม่รู้เรื่อง สามารถสื่อสารกันได้?"

กำเนิด TCP/IP: ภาษากลางที่เชื่อมโลกทั้งใบ

ด้วยความหลงใหลในระบบการสื่อสาร Cerf เรียนจบด้านคณิตศาสตร์ที่ Stanford ไปเป็นวิศวกรที่ IBM อยู่ 2 ปี แล้วจึงไปเรียนต่อปริญญาเอกที่ UCLA ที่นั่นเขาได้พบกับ Robert Kahn ผู้กำลังพัฒนาระบบเครือข่าย ARPANET ให้กองทัพสหรัฐฯ

ในปี 1973 Kahn ชวน Cerf มาแก้ปัญหาใหญ่ระดับชาติ ในตอนนั้นเครือข่ายทหารส่งข้อมูลผ่านทั้งดาวเทียม คลื่นวิทยุ และสายโทรศัพท์ แต่ปัญหาคือ ระบบพวกนี้คุยกันไม่รู้เรื่อง เพราะต่างฝ่ายต่างใช้ภาษาของตัวเอง

Cerf และ Kahn ใช้เวลา 5 ปี ในการคิดค้นสิ่งที่ต่อมาเปลี่ยนโลกไปตลอดกาล นั่นคือ TCP/IP (Transmission Control Protocol/Internet Protocol) กฎเกณฑ์ที่เปรียบเสมือนภาษากลางที่ทำให้ข้อมูลสามารถเดินทางข้ามเครือข่ายที่ไม่รู้จักกันมาก่อนได้ โดยไม่ต้องสนใจว่าปลายทางจะเป็นเครื่องคอมพิวเตอร์แบบไหน

แต่เส้นทางของอินเทอร์เน็ตไม่ได้โรยด้วยกลีบกุหลาบ ในยุค 80s มาตรฐานที่ถูกผลักดันให้เป็นทางการระดับโลกไม่ใช่ TCP/IP แต่เป็น OSI Model ที่มีบริษัทโทรคมนาคมยักษ์ใหญ่และองค์กรมาตรฐานสากลหนุนหลัง ส่วนโปรโตคอลของ Cerf ถูกมองว่าเป็นแค่โปรเจกต์วิจัยของพวกนักวิชาการ

Cerf ไม่มีทรัพยากรหรือเส้นสายอำนาจแบบบริษัทยักษ์ใหญ่ เขามีเพียงระบบที่ผ่านการทดสอบว่าใช้งานได้จริงในสนาม และในท้ายที่สุดโลกก็เลือกสิ่งที่ทำงานได้จริง TCP/IP จึงเอาชนะคู่แข่งและกลายเป็นแกนสันหลังของอินเทอร์เน็ตจนถึงทุกวันนี้

จากเบื้องหลังสู่เบื้องหน้า สไตล์ที่โดดเด่นและตำแหน่งใน Google

ความสำเร็จในการปั้น TCP/IP ให้กลายเป็นภาษากลางของโลก ทำให้เขาและ Kahn ผงาดคว้ารางวัล Turing Award (ที่ยอมรับกันว่าเป็นรางวัลโนเบลแห่งวงการวิทยาการคอมพิวเตอร์) ในปี 2004

และความพีกก็คือ ในปี 2005 ยักษ์ใหญ่อย่าง Google ได้ดึงตัวเขามาร่วมงาน ตอนที่ต้องคิดชื่อตำแหน่ง Cerf ดันเสนอไอเดียสุดกวนว่าขอใช้ชื่อตำแหน่งเท่ ๆ อย่าง Archduke (อาร์คดยุก) ได้ไหม? 

แต่งานนี้สองผู้ก่อตั้งอย่าง Larry Page และ Sergey Brin ต้องรีบปราม พร้อมให้เหตุผลช็อตฟีลว่า อาร์คดยุกคนก่อน (Franz Ferdinand) ถูกลอบสังหารจนเป็นชนวนสงครามโลกครั้งที่ 1 เอาชื่อ Chief Internet Evangelist ไปใช้แทนเถอะ

ซึ่งสำหรับชีวิตของ Vint Cerf ก็มีเกร็ดที่น่าสนใจอีกเรื่อง คือ แม้ผลงานระดับ Masterpiece ของเขาอย่างโปรโตคอลจะเป็นสิ่งที่มองไม่เห็นเพราะรันอยู่หลังบ้านแบบเงียบ ๆ แต่ตัวตนของ Cerf ไม่เคยจมหาย เขาคือคนแรก ๆ ที่กล้าออกมาฉีกภาพจำของ เนิร์ดคอมพิวเตอร์ยุค 70s ทิ้ง ด้วยการสร้าง Signature Look สุดเนี้ยบ ทั้งเสื้อเชิ้ต เนคไท และเสื้อกั๊กจัดเต็ม เพื่อให้ตัวเองโดดเด่นออกมา จนเพื่อนร่วมวงการเทคฯ ถึงกับยกให้เขาเป็น "นักวิทยาศาสตร์คอมพิวเตอร์ที่แต่งตัวดูดีที่สุด"

อินเทอร์เน็ตแห่งอวกาศ และคำเตือนสุดท้ายก่อนวางมือ

บิดาอินเทอร์เน็ต คนนี้ไม่ได้หยุดผลงานไว้แค่บนโลก ช่วงหลังเขาจับมือกับ NASA เพื่อสร้าง Interplanetary Internet มาตรฐานการสื่อสารข้ามดาวเคราะห์ที่ทนต่อความหน่วงและสัญญาณขาดหาย

"มันอาจจะฟังดูเป็นเรื่องไซไฟ แต่จริงๆ แล้วมันคือวิศวกรรมล้วน ๆ นี่แหละคือสิ่งที่วิศวกรเขาทำกัน... เอาไซไฟมาทำให้เป็นความจริง" - Vint Cerf บิดาอินเทอร์เน็ต

และเขาบอกว่าในยุคที่บริษัทเทคฯ แข่งกันสร้าง AI Agent สิ่งที่จะเกิดขึ้นแน่ ๆ คือ AI จากสารพัดค่ายจะต้องเริ่มคุยกันเอง และทำงานข้ามระบบกัน ซึ่ง Cerf มองว่าวงการเทคฯ กำลังจะเดินไปชนกำแพงแบบเดียวกับที่เขาเคยเจอเมื่อ 50 ปีก่อน นั่นคือความจำเป็นที่ต้องสร้าง มาตรฐานกลางที่ทุกฝ่ายยอมรับ 

เขาชี้ให้เห็นจุดบอดสำคัญว่า การพึ่งพาแค่ภาษาธรรมชาติ (อย่างภาษาอังกฤษ) ให้ AI สื่อสารกันนั้นไม่รอดแน่ ๆ เพราะขนาดมนุษย์คุยกันเองยังตีความเพี้ยนได้ตลอดเวลา การหวังพึ่งภาษาพูดจึงไม่สามารถให้ความแม่นยำในระดับที่ระบบคอมพิวเตอร์ต้องการได้เลย

ต่อให้ AI จะฉลาดล้ำหน้าแค่ไหน แต่ถ้าพวกมันทำงานร่วมกันโดยไร้กฎร่วม สิ่งนั้นก็ไม่ใช่การสื่อสารที่แท้จริง แต่มันเป็นเพียงความบังเอิญที่ทำงานได้ชั่วคราวเท่านั้น

อ้างอิง: techcrunch, nationalmedals, amturing, ebsco, lemelson, cloud.google

Kalguroo (แคลกูรู) แอปนับแคลอรีด้วย AI สัญชาติไทย ประกาศความสำเร็จปิดการระดมทุนรอบ Seed นำโดยกลุ่มแพทย์และผู้เชี่ยวชาญด้านเฮลท์เทค เพื่อเร่งพัฒนาแอปจากเครื่องมือนับแคลอรีสู่ “โค้ชสุขภาพส่วนตัวในกระเป๋า” พร้อมขยายฐานผู้ใช้ในประเทศไทยและตลาดต่างประเทศ

Kalguroo มาจากแนวคิดที่ต้องการทำให้การลดน้ำหนักและการดูแลสุขภาพเป็นเรื่องที่คนทั่วไปเริ่มต้นได้ง่ายขึ้น แอปจึงถูกพัฒนาขึ้นเพื่อลดความยุ่งยากของการจดบันทึกอาหาร และช่วยให้ผู้ใช้ติดตามโภชนาการในชีวิตประจำวันได้สะดวกขึ้น โดยผู้ใช้สามารถถ่ายภาพอาหารผ่านแอป เพื่อให้ AI วิเคราะห์และแสดงข้อมูลแคลอรี รวมถึงสารอาหารหลักได้ภายในไม่กี่วินาที

เทคโนโลยีหลักของ Kalguroo คือการผสาน Multimodal AI สำหรับวิเคราะห์ภาพอาหาร เข้ากับ RAG Pipeline ที่เชื่อมต่อกับฐานข้อมูลอาหารไทยเฉพาะของบริษัท (Proprietary Thai Food Database) เพื่อดึงข้อมูลแคลอรีและสารอาหารที่ผ่านการตรวจสอบแล้วมาใช้ในการคำนวณ แนวทางนี้ช่วยให้ผลลัพธ์ไม่ได้มาจากการให้ AI คาดเดาตัวเลขโภชนาการเพียงอย่างเดียว แต่มีฐานข้อมูลจริงเป็นส่วนประกอบสำคัญในการประเมิน จึงช่วยลดความคลาดเคลื่อน โดยเฉพาะกับอาหารไทยและอาหารเอเชียที่มีความซับซ้อนทั้งด้านวัตถุดิบ วิธีปรุง และปริมาณต่อจาน

นับตั้งแต่เปิดให้บริการในเดือนกรกฎาคม 2568 Kalguroo มียอดดาวน์โหลดสะสมมากกว่า 1 ล้านครั้ง จากผู้ใช้งานใน 152 ประเทศทั่วโลก พร้อมสร้างรายได้ประจำต่อปี หรือ Annual Recurring Revenue (ARR) ราว 20 ล้านบาท ภายใต้ทีมงานหลักเพียง 8 คน สะท้อนศักยภาพของผลิตภัณฑ์ที่เริ่มต้นจากตลาดไทย แต่สามารถขยายไปสู่ผู้ใช้ในหลายประเทศได้

จากฐานการเติบโตดังกล่าว Kalguroo วางทิศทางต่อยอดสู่การเป็นแพลตฟอร์มดูแลสุขภาพส่วนบุคคลแบบครบวงจร โดยจะนำเงินทุนรอบนี้ไปพัฒนาผลิตภัณฑ์และเทคโนโลยี ทั้งระบบ Personalized AI Coach ที่ให้คำแนะนำด้านโภชนาการและสุขภาพจากข้อมูลจริงของผู้ใช้ พร้อมปรับแผนให้เหมาะสมกับเป้าหมายของแต่ละคน ควบคู่กับการพัฒนาฐานข้อมูลอาหารเฉพาะของแต่ละประเทศ เพื่อเพิ่มความแม่นยำในการวิเคราะห์อาหารท้องถิ่นและรองรับการขยายสู่ตลาดต่างประเทศ 

นอกจากนี้ บริษัทยังเตรียมพัฒนาบริการ Health Commerce เพื่อช่วยให้ผู้ใช้งานแอปเข้าถึงสินค้าและบริการด้านสุขภาพที่เกี่ยวข้องได้สะดวกขึ้น ไม่ว่าจะเป็นผลิตภัณฑ์โปรตีน อาหารสุขภาพ หรืออุปกรณ์ออกกำลังกาย พร้อมต่อยอดความร่วมมือกับพันธมิตรด้านสุขภาพในประเทศ ทั้งโรงพยาบาล ผู้เชี่ยวชาญทางการแพทย์ ฟิตเนส และองค์กรด้านสุขภาพ เพื่อยกระดับบริการให้ตอบโจทย์ผู้ใช้ได้ครอบคลุมมากขึ้น

หลังจากเติบโตอย่างต่อเนื่องในประเทศไทยและเริ่มมีฐานผู้ใช้งานในหลายประเทศ Kalguroo วางแผนขยายธุรกิจสู่ภูมิภาคเอเชียตะวันออกเฉียงใต้เป็นลำดับถัดไป ซึ่งเป็นหนึ่งในตลาด Digital Health ที่ยังมีแนวโน้มเติบโตต่อเนื่อง โดยข้อมูลจาก IMARC Group ระบุว่าตลาด Digital Health ในภูมิภาคมีมูลค่าราว 1.84 หมื่นล้านดอลลาร์สหรัฐในปี 2568 และคาดว่าจะเติบโตเฉลี่ยราว 8% ต่อปี ภายใต้ทิศทางดังกล่าว บริษัทตั้งเป้าผลักดันรายได้ประจำต่อปี หรือ ARR ให้แตะระดับ 100 ล้านบาทภายในปีนี้

คนญี่ปุ่นคุ้นเคยกับค่านิยม 'ทำงานให้เต็มที่' แต่ในบางองค์กรเส้นแบ่งของคำนี้กลับถูกยกระดับให้สูงขึ้นเรื่อยๆ จนกลายเป็นการโหมงานหนักจนไม่เหลือเวลาให้ชีวิต 

ญี่ปุ่นเป็นประเทศที่ขึ้นชื่อเรื่องการมีระเบียบวินัยสูงในทุก ๆ อย่าง แต่เบื้องหลังภาพลักษณ์เหล่านั้นกลับมีด้านมืดที่เรื้อรังมานาน นั่นคือ Karoshi (คาโรชิ) หรือปรากฏการณ์การเสียชีวิตจากการทำงานหนัก

ที่เกิดจากการที่พนักงานต้องแบกรับความเครียดสูงเกินไปและโหมงานล่วงเวลาจนร่างกายรับไม่ไหว นำไปสู่การเสียชีวิตกะทันหันด้วยโรคหัวใจวาย หลอดเลือดสมองไปจนถึงการตัดสินใจจบชีวิตตัวเองเพราะโดนแรงกดดัน โดยปรากฏการณ์นี้มีรากฐานมาจากวัฒนธรรมองค์กรที่บีบคั้นให้คนทุ่มเททำงานจนลืมดูแลสุขภาพ ซึ่งแม้ญี่ปุ่นจะออกกฎหมายและพยายามปรับเปลี่ยนวัฒนธรรมการทำงาน แต่ปัญหานี้ก็ยังคงฝังรากลึกและไม่เคยหายไปจากสังคมญี่ปุ่น 

จุดเปลี่ยนที่ทำให้ญี่ปุ่นเริ่มหันมามองปัญหานี้

ช่วงปลายปี 2015 เรื่องราวของมัตซึริ ทากาฮาชิ (Matsuri Takahashi) กลายเป็นข่าวใหญ่ที่สะเทือนใจคนทั้งญี่ปุ่น เมื่อพนักงานสาววัยเพียง 24 ปีจากบริษัท Dentsu ตัดสินใจจบชีวิตตัวเอง โดยก่อนหน้านั้นเธอได้โพสต์ระบายบนโซเชียลมีเดียหลายครั้ง ซึ่งข้อความทั้งหมดสะท้อนว่าทั้งร่างกายและจิตใจของเธอรับไม่ไหวแล้ว ซึ่งเมื่อมีหน่วยงานเข้ามาตรวจสอบก็พบความจริงว่าเธอถูกหัวหน้าสั่งให้ทำ OT ทะลุ 100 ชั่วโมงภายในเดือนเดียว

โศกนาฏกรรมครั้งนี้กลายเป็นจุดเปลี่ยนสำคัญที่ผลักดันให้สังคมญี่ปุ่นต้องประกาศใช้ 'กฎหมายปฏิรูปการทำงาน' (Work Style Reform Act) ในปี 2018 โดยกำหนดเพดานให้ทำโอทีได้ไม่เกิน 45 ชั่วโมงต่อเดือน แต่ในโลกความเป็นจริงการแก้กฎหมายบนหน้ากระดาษอย่างเดียว ไม่สามารถถอนรากถอนโคนปัญหานี้ให้หายไปจากสังคมญี่ปุ่นได้ทั้งหมด

ทำไมการทำงานแบบ Karoshi ยังไม่หายไป 

คำว่า ‘คาโรชิ’ เริ่มถูกพูดถึงมาตั้งแต่หลายสิบปีก่อน ในยุคแรกคนส่วนใหญ่มักจะเสียชีวิตเพราะร่างกายรับไม่ไหว เช่น หัวใจวายหรือเส้นเลือดในสมองแตก เพราะโหมงานหนักติดต่อกันจนแทบไม่ได้หลับไม่ได้นอน

แต่ในยุคปัจจุบันรูปแบบการทำงานแบบนี้ได้เปลี่ยนไปแล้ว เพราะ ฮิโรชิ คาวาฮิโตะ (Hiroshi Kawahito) ทนายความที่ทำคดีด้านนี้มานานกว่า 45 ปี เล่าให้ฟังว่าเดี๋ยวนี้คนทำงานไม่ได้เสียชีวิตเพราะป่วยทางกายอย่างเดียว แต่หลายคนเลือกที่จะ 'จบชีวิตตัวเอง' เพราะทนแบกรับความเครียด ความกดดัน หรือการถูกกลั่นแกล้ง คุกคามในที่ทำงานจนไม่ไหว

ตลอด 45 ปีที่ทำงานมาทนายฮิโรชิต้องดูแลคดีคนทำงานจนตายมาแล้วราว ๆ 1,000 คดี และที่น่าตกใจคือ ตัวเลขคนเสียชีวิตเหล่านี้ไม่ได้ลดน้อยลงเลย แม้ว่าที่ผ่านมาทั้งรัฐบาลและหลาย ๆ ฝ่ายจะพยายามหาทางแก้ปัญหานี้มาโดยตลอดก็ตาม

อีกหนึ่งความเปลี่ยนแปลงที่น่าสนใจคือ ‘กลุ่มคนที่ตกเป็นเหยื่อสมัยก่อน’ เพราะภาพจำของปัญหานี้มักจะเกิดกับมนุษย์เงินเดือนผู้ชายวัยกลางคนเป็นหลัก แต่เมื่อญี่ปุ่นเจอปัญหาคนเกิดน้อยลง ผู้หญิงจึงต้องก้าวเข้าสู่ตลาดแรงงานมากขึ้น ส่งผลให้ตัวเลขของผู้หญิงที่ได้รับผลกระทบจากปัญหานี้เพิ่มสูงขึ้นตามไปด้วย ทนายเปิดเผยว่าเมื่อก่อนคดีที่เขาทำกว่า 95% เป็นผู้ชาย แต่ปัจจุบันสัดส่วนของคดีที่เป็นผู้หญิงขยับขึ้นมาถึง 20% แล้ว

ประเด็นนี้ยิ่งน่ากังวล เพราะผู้หญิงในสังคมการทำงานของญี่ปุ่นต้องแบกรับปัญหาที่ต่างออกไปจากผู้ชาย โดยเฉพาะปัญหาการถูกคุกคามทางเพศในที่ทำงาน ซึ่งเป็นตัวการสำคัญที่บั่นทอนจิตใจอย่างรุนแรงจนนำไปสู่โรควิตกกังวล ภาวะซึมเศร้า และการเพิ่มความเสี่ยงในการตัดสินใจจบชีวิตตัวเอง

4 สาเหตุที่ทำให้ Karoshi ยังคงเกิดขึ้น  

แม้ญี่ปุ่นจะมีการประกาศใช้กฎหมายจำกัดชั่วโมงทำงานแล้ว แต่หลายคนกลับมองว่ารากเหง้าของปัญหานี้ยังถูกฝังลึกอยู่และยังไม่หายไป 

ยูสุเกะ คาซางิ (Yusuke Kasagi) ทนายความผู้รับทำคดีที่เกี่ยวกับคาโรชิมามาแล้วกว่า 150 คดี ได้ชี้ปัญหาที่ซ่อนอยู่เบื้องหลักของเหตุการณ์นี้ คือ   

1.ไม่มีใครกล้าเป็นปากเป็นเสียงให้พนักงาน   

เขาเล่าว่ากลุ่มคนที่ควรจะทำหน้าที่ปกป้องสิทธิ์ให้พนักงาน กลับไม่กล้าชนกับผู้บริหาร เพราะวัฒนธรรมการทำงานของญี่ปุ่นเน้นเรื่องความประนีประนอม ไม่อยากให้มีการทะเลาะเบาะแว้งกันในบริษัท และตลอด 10 ปีที่เขาทำคดีมาเขาไม่เคยเห็นกลุ่มตัวแทนลุกขึ้นมางัดข้อกับเบื้องบนหรือประท้วงเวลาที่บริษัทเอาเปรียบคนทำงานเลยสักครั้งเดียว 

2. ปัญหาการบิดเบือนโอทีของพนักงาน

แม้ตอนนี้จะมีกฎหมายควบคุมชั่วโมงทำงานล่วงเวลา แต่ในความเป็นจริงพนักงานจำนวนมากกลับถูกหัวหน้าสั่งให้รายงานชั่วโมงโอทีต่ำกว่าที่ทำจริง ขณะที่บางคนก็ไม่กล้ากรอกเวลาทำงานตามจริง เพราะกลัวถูกมองว่าทุ่มเทให้งานไม่พอ ทำให้ข้อมูลที่ถูกบันทึกไว้ไม่ตรงกับความเป็นจริง ทนายคาซางิจึงเสนอว่าควรใช้ระบบ AI เข้ามาช่วยบันทึกเวลาทำงานโดยตรง เพื่อป้องกันการบิดเบือนข้อมูลและให้เห็นชั่วโมงการทำงานที่แท้จริง 

3. วิกฤตคนเกิดน้อย ทำให้เกิดปัญหางานล้นคน 

ปัญหาใหญ่ที่สังคมการทำงานญี่ปุ่นกำลังเผชิญ คือจำนวนคนวัยทำงานลดลงอย่างต่อเนื่อง แต่ภาระงานกลับไม่ได้ลดตามหรือบางครั้งก็เพิ่มขึ้นด้วยซ้ำ ส่งผลให้พนักงานหนึ่งคนต้องแบกความรับผิดชอบหลายหน้าที่พร้อมกัน

ทนายยูสุเกะ ยกตัวอย่างให้เห็นภาพว่าคดีของพนักงานหนุ่มบริษัท Shimizu Corporation ที่ตัดสินใจจบชีวิตตัวเองในปี 2021 ผู้เป็นแม่เล่าว่าลูกชายต้องเหมาทำสารพัดหน้าที่ ซึ่งเมื่อโปรเจกต์ล่าช้า (ซึ่งไม่ได้เกิดจากความผิดของเขา) เขากลับรู้สึกกดดันและมองว่าเป็นความรับผิดชอบของตัวเอง จึงยิ่งโหมทำโอทีหนักขึ้นเรื่อย ๆ ประกอบกับบริษัทยักษ์ใหญ่ในญี่ปุ่นมักมีกำหนดส่งงานที่ตายตัวและไม่มีการผ่อนปรน ท้ายที่สุดเขาก็ยุ่งจนไม่มีเวลาแม้แต่จะไปพบแพทย์เพื่อดูแลรักษาสุขภาพ

อีกหนึ่งกรณีที่สะท้อนปัญหานี้ได้ดีคือ คดีที่ฐานทัพเรือสหรัฐฯ ในเมืองโยโกสุกะ ลูกความอีกคนต้องเผชิญกับสถานการณ์ 'งานเพิ่มแต่คนไม่เพิ่ม' เช่นกัน เมื่อจำนวนเรือที่รอคิวซ่อมบำรุงมีมากขึ้นเรื่อย ๆ แต่พนักงานกลับมีจำนวนเท่าเดิม ความเครียดและแรงกดดันมหาศาลจึงตกมาอยู่ที่คนทำงานอย่างหลีกเลี่ยงไม่ได้

4. วัฒนธรรมองค์กรที่สุดโต่งเกินไป

หลังโศกนาฏกรรมของมัตซึริ ทากาฮาชิ ผู้เป็นแม่ก็ได้ก้าวขึ้นมาเป็นแกนนำคนสำคัญในการรณรงค์ต่อต้านวัฒนธรรมการทำงานแบบคาโรชิ เธอเปิดเผยว่าในช่วงที่ลูกสาวทำงานที่บริษัท มีกฎเหล็กภายในที่เรียกกันว่า ‘กฎ 10 ข้อของปีศาจ’ หรือ Ten Rules of Demon ซึ่งมีข้อหนึ่งระบุไว้ชัดเจนว่าเมื่อได้รับงานแล้ว ห้ามปล่อยมือเด็ดขาด แม้จะหนักแค่ไหนก็ตาม ซึ่งเธอจะย้ำและพูดอยู่เสมอว่า ‘ไม่มีงานไหนสำคัญไปกว่าชีวิตของคุณ’

นอกจากนี้วัฒนธรรมการทำงานยังกดดันให้พนักงานใหม่ต้องอยู่ดึก โดยมีธรรมเนียมว่าห้ามเลิกงานก่อนหัวหน้าหรือรุ่นพี่ และที่แย่ไปกว่านั้นคือการบังคับให้ปกปิดเวลาทำงานจริง หัวหน้าเคยประกาศกลางที่ประชุมว่า 'ห้ามเบิกโอทีเกิน 70 ชั่วโมง' เพื่อสร้างภาพให้บริษัทยังดูทำตามกฎหมาย ทั้งที่ความจริงพนักงานส่วนใหญ่ต้องโหมทำงานล่วงเวลา 

ซึ่งสุดท้ายต่อให้ญี่ปุ่นจะออกกฎหมายใหม่มาจำกัดชั่วโมงการทำงาน แต่ถ้าวัฒนธรรมองค์กรยังคงเชิดชูการทำงานหนัก พนักงานไม่กล้าปฏิเสธงาน และมองว่าการสละชีวิตส่วนตัวคือความทุ่มเท ปัญหานี้ก็คงไม่มีวันจบลงง่าย ๆ

ท้ายที่สุดแล้ววัฒนธรรมการทำงานแบบ Karoshi จึงไม่ใช่แค่เรื่องของการทำงานหนัก แต่เป็นคำถามสำคัญว่า สังคมกำลังให้ค่ากับ ‘งาน’ มากกว่า ‘ชีวิตคน’ หรือเปล่า เพราะถ้าค่านิยมนี้ยังไม่เปลี่ยน เหตุการณ์น่าเศร้าแบบที่เกิดกับมัตสึริ ก็พร้อมจะวนลูปกลับมาเกิดซ้ำได้เสมอ

อ้างอิง: pulitzercenter

Loop Engineering คืออะไร?

Boris Cherny หัวหน้าทีม Claude Code แห่ง Anthropic พูดประโยคหนึ่งที่สรุปความเปลี่ยนแปลงของวงการ AI ปีนี้ได้คมที่สุด นั่นคือ 'ผมไม่พิมพ์สั่ง Claude เองอีกแล้ว แต่ผมมีลูปคอยสั่ง Claude ให้แทน' ประโยคสั้น ๆ นี้คือหัวใจของเทรนด์ที่กำลังร้อนแรงในชื่อ Loop Engineering หรือการออกแบบวงรอบการทำงาน (Loop) ให้ AI ทำงานวนซ้ำเองจนกว่าจะถึงเป้าหมายที่ตั้งไว้

แนวคิดนี้ถูกหยิบมาวิเคราะห์อย่างละเอียดโดย Lance Eliot คอลัมนิสต์สาย AI ของ Forbes ที่ชี้ว่า Loop Engineering กำลังกลายเป็นทักษะใหม่ที่คนทำงานกับ AI ต้องมี โดยแก่นของมันคือการบอก AI ว่า 'ให้ทำงานนี้ด้วยการวนลูปไปเรื่อย ๆ จนกว่าจะถึงเงื่อนไขที่กำหนด' แทนที่จะคุยกับ AI แบบถาม-ตอบทีละครั้งอย่างที่เราคุ้นเคย ภาระตกอยู่ที่คนออกแบบลูปว่าจะวางกติกาให้รัดกุมแค่ไหน เพราะถ้าออกแบบพลาด AI อาจวิ่งวนไม่รู้จบและเผาพลังประมวลผลราคาแพงทิ้งไปเปล่า ๆ

เทรนด์นี้พุ่งแรงขึ้นมาในเดือนมิถุนายน 2026 หลัง Peter Steinberger นักพัฒนาเจ้าของโปรเจกต์เอเจนต์ชื่อ OpenClaw โพสต์ความเห็นที่กลายเป็นไวรัลว่า ทักษะที่สำคัญตอนนี้ไม่ใช่การพิมพ์สั่งเอเจนต์เขียนโค้ดอีกต่อไป แต่คือการออกแบบลูปที่คอยสั่งเอเจนต์ให้แทน ก่อนที่ Addy Osmani วิศวกรระดับหัวหน้าของทีม Google Chrome จะหยิบแนวคิดของคุณ Steinberger และคุณ Cherny มาเรียบเรียงเป็นกรอบความคิดที่เรียกว่า Loop Engineering อย่างเป็นทางการบนบล็อกส่วนตัว ของตัวเอง

จุดที่ต้องแยกให้ชัดคือ Loop Engineering ไม่ใช่ตัวลูปของเอเจนต์เอง เพราะเอเจนต์ AI ทุกตัวมีวงรอบภายในของมันอยู่แล้ว นั่นคือวงจรรับรู้-คิด-ลงมือ-สังเกตผล (Perceive, Reason, Act, Observe) ที่หมุนวนจนกว่าจะถึงเงื่อนไขหยุด ส่วน Loop Engineering คือการสร้างลูปชั้นนอกที่อยู่เหนือขึ้นไปอีกชั้น เป็นลูปที่ทำงานตามตารางเวลา คอยป้อนงานให้ตัวเอง เรียกเอเจนต์ผู้ช่วยมาเสริม และเดินหน้าข้ามวงรอบภายในหลาย ๆ รอบโดยที่คนไม่ต้องนั่งเฝ้าหน้าจอทุกครั้ง

Loop Design จาก Andrew Ng

ล่าสุด Andrew Ng ศาสตราจารย์ด้าน AI ชื่อดัง ได้ออกมาสรุปแนวคิดนี้ไว้อย่างน่าสนใจ โดยบอกว่าในยุคที่ AI เขียนโค้ดแทนเราได้ หน้าที่ของมนุษย์ไม่ใช่การลงไปนั่งพิมพ์โค้ดทีละบรรทัดอีกต่อไป แต่คือการออกแบบวงลูปการทำงาน เพื่อสั่งให้ AI วนแก้โค้ดจนเสร็จ และเพื่อตรวจเช็กว่าเรากำลังสร้างโปรแกรมที่ตอบโจทย์คนใช้งานจริงหรือไม่

1. ให้ AI เขียนโค้ด เทสเอง และแก้บั๊กเอง (Agentic Coding Loop)

นี่คือวงลูปที่หมุนเร็วที่สุดและทำงานอยู่ชั้นล่างสุด เป็นช่วงเวลาที่เราส่งมอบงานกรรมกรเขียนโค้ดไปให้ AI Agent ทำงานอัตโนมัติ โดยเฉลี่ยแล้วลูปนี้จะใช้เวลาวนรอบละ แค่ไม่กี่นาที

เริ่มต้นจากการที่มนุษย์เขียน สเปกโปรแกรม (Product Spec) ที่ระบุขอบเขตงานอย่างชัดเจน และอาจเพิ่ม ชุดเกณฑ์ประเมินผล (Evals) หรือข้อสอบมาตรฐานเตรียมไว้ให้ระบบ

เมื่อรับคำสั่งแล้ว AI Agent จะลงมือเขียนโค้ด เปิดหน้าเว็บเบราว์เซอร์ขึ้นมาลองคลิกลองพิมพ์ เพื่อทดสอบการทำงานด้วยตัวเอง

ถ้าโปรแกรมแฮงค์หรือเจอ Error ตัว AI จะอ่านข้อความแจ้งเตือนความผิดพลาดนั้น แล้ววนลูปกลับไปแก้โค้ดของตัวเองซ้ำๆ ทุก 2–3 นาที จนกว่าโค้ดจะเนี๊ยบ ไม่มีบั๊ก และรันผ่านทุกข้อสอบ เราถึงจะเข้าไปตรวจรับงาน

2. มนุษย์ใช้ความเข้าใจมนุษย์ คุมทิศทางโปรแกรม (Developer Feedback Loop)

เมื่อ AI ปิดจบการเขียนโค้ดที่ไม่พังมาให้แล้ว ก็จะเข้าสู่วงลูปที่สองซึ่งเป็นพื้นที่ของมนุษย์ ลูปนี้มักจะใช้เวลาวนรอบละ หลักสิบนาทีไปจนถึงไม่กี่ชั่วโมง

ในอดีต นักพัฒนาต้องเสียเวลาไปกับการทำหน้าที่เป็น QA คอยงมหาบั๊กเล็กๆ น้อยๆ แล้วสั่งให้ AI แก้ แต่เมื่อ AI ตรวจงานตัวเองในลูปแรกได้เก่งขึ้น เราจึงเหลือเวลาไปโฟกัสภาพใหญ่ระดับผู้กำกับผลิตภัณฑ์

สิ่งสำคัญในลูปนี้คือคำว่า Context Advantage (ข้อได้เปรียบด้านบริบท) Andrew Ng บอกว่าต่อให้ AI จะฉลาดแค่ไหน แต่มันไม่มีทางเข้าใจอารมณ์ความรู้สึก หรือรู้จักผู้ใช้งานของเราดีเท่ามนุษย์

หน้าที่ของเราคือการทดลองเล่นโปรแกรมเพื่อประเมินความรู้สึกและประสบการณ์ใช้งาน (UX/UI) เช่น ตอนที่ Andrew Ng สร้างแอปฝึกพิมพ์ดีดให้ลูกสาว เขารู้บริบทโลกจริงว่าลูกสาวชอบแมวมาก เขาจึงปรับสั่งงานให้ AI เพิ่มฟีเจอร์ปลดล็อกคอสตูมน้องแมวเข้าไป

เมื่อเราอยากปรับดีไซน์หรือเพิ่มฟีเจอร์ วิธีการไม่ใช่การลงไปแก้โค้ดเอง แต่คือการ อัปเดตเอกสารสเปก ให้ชัดเจนขึ้น แล้วส่งคำสั่งกลับลงไปให้ AI ในลูปแรกวนรันใหม่อีกรอบ

3. เอาโปรแกรมไปปะทะความจริงของตลาด (External Feedback Loop)

ต่อให้มนุษย์กับ AI จะปั้นโปรแกรมออกมาได้ลื่นไหลแค่ไหนในสองลูปแรก แต่นั่นยังเป็นแค่ "สิ่งที่คิดว่าดีในห้องทดลอง" วงลูปสุดท้ายจึงเป็นการเอาซอฟต์แวร์ออกไปให้คนนอกใช้งานจริง ซึ่งเป็นวงจรที่หมุนช้าที่สุด ใช้เวลาระดับ หลักวันหรือหลายสัปดาห์

เอาโปรแกรมที่สร้างเสร็จไปให้กลุ่มเป้าหมายลองใช้งาน ตั้งแต่ส่งให้เพื่อนลองเล่น ปล่อยกลุ่มทดสอบ Alpha หรือเอาขึ้นระบบจริงแล้วทำ A/B Testing

สำหรับทีมงานยุค AI-Native เราสามารถใช้ AI เข้ามาช่วยดูดซับคอมเมนต์ลูกค้าและข้อมูลสถิติมหาศาล เพื่อสรุปออกมาอย่างรวดเร็วว่า ฟีเจอร์ไหนที่คนชอบจริง หรือหน้าจอไหนที่คนเล่นแล้วสับสนจนกดปิดแอป

ข้อมูลจริงจากตลาดตรงนี้ จะถูกนำกลับมากะเทาะและขัดเกลาวิสัยทัศน์ของนักพัฒนาให้เฉียบคมขึ้น เพราะบางทีสิ่งที่เราคิดว่าเจ๋ง อาจไม่มีใครอยากใช้เลยก็ได้ เมื่อวิสัยทัศน์เปลี่ยน เราก็นำไปแก้อัตลักษณ์ของสเปกโปรแกรม แล้วส่งต่อให้ AI ไปปั้นโค้ดออกมาใหม่ เป็นอันครบวงจร

อ้างอิง: https://x.com/AndrewYNg

ในขณะที่คนส่วนใหญ่ยังไม่ค่อยไว้ใจ AI แต่มหาเศรษฐีอเมริกันบางกลุ่ม โดยเฉพาะใน Silicon Valley กลับมองว่า AI อาจเป็นอนาคตของระบบการศึกษา พวกเขาจึงยอมจ่ายค่าเรียนปีละหลายล้านบาท เพื่อส่งลูกเข้าเรียนในโรงเรียนที่ใช้ AI เป็นแกนหลักของการเรียนการสอนแทนการเรียนในห้องเรียนแบบเดิม

ผู้ปกครองกลุ่มนี้เชื่อว่าระบบการศึกษาในปัจจุบันไม่ทันต่อโลกที่เปลี่ยนแปลงอย่างรวดเร็ว ขณะที่ AI อาจสามารถปรับเนื้อหาให้เหมาะกับเด็กแต่ละคนได้และอาจช่วยพัฒนาทักษะที่จำเป็นต่อโลกยุคใหม่ได้มากกว่าแนวทางการเรียนแบบเดิม ๆ 

โรงเรียนที่ใช้ AI เป็น ‘ครู’ 

ตัวอย่างที่ถูกพูดถึงกันมากคือ Alpha School และ Forge Prep สองสถาบันที่นำ AI มาเป็นแกนหลักในการสอน ซึ่งด้วยค่าเทอมที่สูง โรงเรียนเหล่านี้จึงได้ฉีกรูปแบบการเรียนไปจากโรงเรียนทั่วไปอย่างสิ้นเชิง

แนวคิดหลักของพวกเขาคือการแบ่งหน้าที่กันอย่างชัดเจน โดยใช้ AI เป็น 'ครู' คอยสอนเนื้อหาและปรับบทเรียนให้พอดีกับเด็กแต่ละคน ส่วนครูจะเปลี่ยนบทบาทจากการยืนสอนหน้าห้องมาเป็นโค้ชคอยให้คำแนะนำระหว่างที่เด็กๆ ลงมือทำกิจกรรมหรือโปรเจกต์ต่าง ๆ แต่อย่างไรก็ตามรูปแบบการเรียนลักษณะนี้ยังถือเป็นเรื่องใหม่มากและยังไม่มีข้อมูลมายืนยันว่าในระยะยาวการใช้ AI สอนจะทำให้เด็กเก่งขึ้นได้จริงไหม  

ผู้ปกครองมองว่าระบบการศึกษาเดิมกำลังมีปัญหา

ตัวอย่างที่เห็นได้ชัดคือ Shaun Johnson นักลงทุนจากซานฟรานซิสโก เขาบอกกับสื่อ The Wall Street Journal ว่าเตรียมจะส่งลูกวัยอนุบาลเข้าเรียนที่ Alpha School โดยยอมจ่ายค่าเทอมสูงถึงปีละ 75,000 ดอลลาร์สหรัฐ

ซึ่งสาเหตุที่เขายอมทุ่มเงินขนาดนี้ เป็นเพราะเขามองว่าระบบโรงเรียนแบบเดิมๆ มันล้าสมัยและก้าวไม่ทันโลกแล้ว เขาเชื่อว่ากลุ่มคนรุ่นใหม่หรือภาคธุรกิจจะสามารถสร้างรูปแบบการเรียนการสอนที่ดีกว่าเดิมได้ ในมุมมองของเขาเด็กยุคนี้ไม่ควรมานั่งเสียเวลาท่องจำเนื้อหาในหนังสืออีกต่อไป แต่สิ่งที่เด็กต้องมีจริงๆ คือ 'ทักษะชีวิต' อย่างการคิดวิเคราะห์เป็น แก้ปัญหาเฉพาะหน้าได้และรู้จักปรับตัวให้รอดในโลกที่หมุนไวตลอดเวลาต่างหาก

แต่อีกฝั่งมองว่า AI จะสอนให้เด็ก ‘คิดเป็น’ ได้จริงหรอ

แม้แนวคิดนี้จะได้รับความสนใจ แต่ก็ยังมีหลายคนตั้งคำถามว่า AI เหมาะกับการเป็น ‘ครู’ ของเด็กจริงหรือเปล่า 

สาเหตุหนึ่งคือ AI ในปัจจุบันยังมีข้อจำกัด บางครั้งให้ข้อมูลผิด ตอบเอาใจผู้ใช้เกินไปหรือสร้างคำตอบที่ฟังดูน่าเชื่อถือ แต่มีรายละเอียดที่ไม่ถูกต้องปะปนอยู่ ด้วยเหตุนี้หลายคนเลยยังไม่แน่ใจว่า AI จะช่วยให้เด็กพัฒนาทักษะสำคัญ ๆ อย่างการคิดวิเคราะห์ การตัดสินใจ หรือการแก้ปัญหาเฉพาะหน้าได้จริงหรือเปล่า เพราะทักษะเหล่านี้ยังไงก็ต้องอาศัยประสบการณ์และการเรียนรู้จากสถานการณ์จริง 

อีกประเด็นที่ถูกตั้งคำถามคือเรื่อง 'เนื้อหา' ในห้องเรียน

นอกจากเรื่องความฉลาดของ AI แล้ว เรื่องเนื้อหาที่เด็กจะได้เรียนก็เป็นอีกประเด็นที่คนจับตามอง

MacKenzie Price ผู้ร่วมก่อตั้ง Alpha School เคยออกมาระบุว่าทางโรงเรียนจะพยายามเลี่ยงการสอน 'ประเด็นสังคมที่ละเอียดอ่อน' เพื่อตัดปัญหาความขัดแย้ง แต่นั่นก็ทำให้หลายคนเกิดข้อสงสัยว่าแล้วขอบเขตของคำว่าอ่อนไหวมันกว้างหรือแคบแค่ไหน เพราะสำหรับสังคมอเมริกันประเด็นเหล่านี้อาจเหมารวมไปถึงเรื่องสำคัญ ๆ อย่างสิทธิสตรี ประวัติศาสตร์การค้าทาสหรือสิทธิของผู้อพยพ ซึ่งล้วนเป็นเรื่องที่เด็กจำเป็นต้องเรียนรู้เพื่อให้เข้าใจความเป็นไปของโลกและสังคม เรื่องนี้จึงน่ากังวลเป็นพิเศษ เพราะ Alpha School ไม่ได้สอนแค่เด็กอนุบาล แต่บางสาขาก็เปิดสอนยาวไปจนถึงระดับมัธยม ซึ่งเป็นวัยที่ควรต้องได้เรียนรู้และทำความเข้าใจเรื่องพวกนี้แล้ว

แม้ว่าโรงเรียนสไตล์นี้จะได้รับความสนใจอย่างมากในกลุ่มครอบครัวฐานะดีและคนในแวดวงเทคโนโลยี แต่ในความเป็นจริงจนถึงตอนนี้ก็ยังไม่มีข้อมูลออกมายืนยันเลยว่าการใช้ AI สอนจะช่วยให้เด็กเรียนเก่งขึ้นได้จริงหรือเปล่า

อย่างโรงเรียน Forge Prep เองก็ยังไม่ได้เปิดเผยตัวเลขหรือผลประเมินใด ๆ ที่ชี้ให้เห็นชัดเจนว่าเด็กที่เรียนกับ AI มีผลการเรียนดีกว่าเด็กที่เรียนในโรงเรียนปกติยังไงบ้าง พอเป็นแบบนี้หลายฝ่ายเลยอดคิดไม่ได้ว่าเด็กที่เข้าไปเรียนในตอนนี้อาจจะกำลังกลายเป็น 'ผู้ทดลองระบบ' ให้กับบริษัทเทคโนโลยีมากกว่าจะได้เข้าไปเรียนในระบบการศึกษาที่การันตีแล้วว่าเวิร์กจริง ๆ

อนาคตการศึกษาจะเป็นอย่างไรต่อ

การใช้ AI เข้ามาช่วยสอนมีข้อดีตรงที่ปรับรูปแบบการเรียนให้เข้ากับเด็กแต่ละคนได้ แต่เรื่องนี้ยังเพิ่งเริ่มต้น เลยยังมีข้อสงสัยกันอยู่ว่า AI จะสอนได้ดีและน่าเชื่อถือแค่ไหน แล้วครูที่เป็นคนจริงๆ จะไปอยู่ตรงไหน แน่นอนว่าบ้านที่มีกำลังทรัพย์อาจมองว่าการส่งลูกเรียนโรงเรียน AI คือการเตรียมพร้อมสำหรับโลกยุคใหม่ แต่สำหรับสังคมวงกว้าง นี่คือการทดลองระดับโลกที่ต้องจับตาดูว่าสุดท้ายแล้ว AI จะเปลี่ยนระบบการศึกษาได้จริง หรือเป็นแค่อีกโปรเจกต์ที่ต้องใช้เวลาพิสูจน์อีกยาว

อ้างอิง: theverge

ล่าสุด Aircela สตาร์ทอัปด้านเทคโนโลยีจากนิวยอร์ก ได้ประสบความสำเร็จในการคิดค้นและสร้างอุปกรณ์ที่สามารถเปลี่ยนอากาศให้กลายเป็นน้ำมันเบนซินคุณภาพสูง สำหรับใช้งานกับเครื่องยนต์เบนซินทั่วไปได้สำเร็จ

อุปกรณ์ดังกล่าวมีขนาดพอ ๆ กับตู้เย็นหนึ่งหลัง โดยอาศัยกระบวนการทางวิทยาศาสตร์หลายขั้นตอนในการดักจับก๊าซคาร์บอนไดออกไซด์จากชั้นบรรยากาศ เพื่อนำมาใช้เป็นวัตถุดิบตั้งต้นในการผลิตน้ำมันเบนซิน นวัตกรรมนี้ถูกออกแบบมาให้ทำงานด้วยพลังงานหมุนเวียน เช่น พลังงานแสงอาทิตย์ ซึ่งนอกจากจะช่วยลดการปล่อยคาร์บอนแล้ว ยังสามารถผลิตน้ำมันเบนซินที่ยั่งยืนได้ในราคาต่ำกว่า 1.50 ดอลลาร์สหรัฐต่อแกลลอน (ประมาณ 14 บาทต่อลิตร) โดยตัวเครื่องสามารถผลิตน้ำมันได้ 1 แกลลอนต่อวัน และมีถังจัดเก็บในตัวได้สูงสุดถึง 17 แกลลอน

เปลี่ยนอากาศเป็นน้ำมันได้อย่างไร?

• ขั้นตอนที่ 1: การดักจับคาร์บอน (Carbon Capture)อากาศจะถูกดูดเข้าสู่ตัวเครื่อง โดยก๊าซคาร์บอนไดออกไซด์ จะเข้าไปจับตัวกับสารละลายโพแทสเซียมไฮดรอกไซด์ จากนั้นจะมีการเติมแคลเซียมไฮดรอกไซด์ลงไปเพื่อเปลี่ยนให้เป็นแคลเซียมคาร์บอนเนต ก่อนจะนำไปผ่านความร้อนสูงเพื่อให้ได้ก๊าซคาร์บอนไดออกไซด์ที่มีความเข้มข้นสูงสำหรับจัดเก็บไว้ใช้งาน ส่วนสารเคมีที่เหลือจะถูกนำกลับมาหมุนเวียนใช้ใหม่ ซึ่งเครื่องนี้สามารถดักจับก๊าซคาร์บอนไดออกไซด์จากอากาศได้มากกว่า 20 ปอนด์ (ประมาณ 9 กิโลกรัม) ต่อวัน
• ขั้นตอนที่ 2: การแยกน้ำด้วยไฟฟ้าและการสังเคราะห์ (Electrolysis & Hydrogenation)ตัวเครื่องจะใช้กระบวนการที่เรียกว่า "อิเล็กโทรลิซิส" (Electrolysis) เพื่อแยกโมเลกุลของน้ำออกเป็นไฮโดรเจนและออกซิเจน โดยจะกักเก็บไฮโดรเจนไว้ และปล่อยออกซิเจนที่ปลอดภัยคืนสู่ชั้นบรรยากาศ จากนั้นจะนำไฮโดรเจนและคาร์บอนไดออกไซด์ที่จัดเก็บไว้มาทำปฏิกิริยากันโดยมีตัวเร่งปฏิกิริยา เพื่อผลิตเป็นเมทานอล (แอลกอฮอล์ชนิดหนึ่ง)
• ขั้นตอนที่ 3: เปลี่ยนแอลกอฮอล์เป็นน้ำมันเบนซิน เมทานอลที่ได้จะถูกทำให้เป็นไอและผ่านความร้อนสูง ร่วมกับตัวเร่งปฏิกิริยาอะลูมิโนซิลิเกต ซึ่งเป็นกระบวนการมาตรฐานที่คิดค้นขึ้นตั้งแต่ยุค 1970 เพื่อเปลี่ยนโครงสร้างจากเมทานอลให้กลายเป็นน้ำมันเบนซินในที่สุด

แม้ว่าอุปกรณ์นี้จะพิสูจน์แล้วว่าสามารถผลิตน้ำมันจากอากาศได้จริง แต่กระบวนการดังกล่าวจัดว่า กินพลังงานสูงมาก โดยมีประสิทธิภาพการใช้พลังงานอยู่ที่ประมาณ 50% หมายความว่า ตัวเครื่องต้องใช้พลังงานเทียบเท่ากับน้ำมันเบนซิน 2 แกลลอน เพื่อผลิตน้ำมันกลับมาเพียง 1 แกลลอน

และหากนำไฟฟ้าจากโครงข่ายที่ผลิตด้วยถ่านหินหรือก๊าซธรรมชาติมาใช้ขับเคลื่อนเครื่องนี้ จะถือเป็นการทำลายวัตถุประสงค์ด้านสิ่งแวดล้อมทันที ทาง Aircela จึงออกแบบให้ระบบนี้ต้องทำงานร่วมกับพลังงานสะอาด เช่น แผงโซลาร์เซลล์ ซึ่งจะช่วยลดต้นทุนแฝงลงไปได้มาก นอกจากนี้ระบบยังต้องการน้ำในกระบวนการผลิต แต่หากใช้งานในพื้นที่ที่มีความชื้นสูง ตัวเครื่องก็สามารถดักจับน้ำจากอากาศกลับมาใช้ใหม่ได้บางส่วน

จุดเด่นอีกประการของนวัตกรรมนี้คือ การขยายระบบแบบโมดูล แม้ว่าเครื่องเดี่ยว ๆ จะผลิตน้ำมันได้เพียง 1 แกลลอนต่อวัน แต่เราสามารถนำเครื่องยนต์เหล่านี้หลาย ๆ เครื่องมาเชื่อมต่อกันเพื่อเพิ่มกำลังการผลิตได้

หากนำระบบนี้ไปติดตั้งในพื้นที่ที่มีแสงแดดจัด การผลิตน้ำมันแทบจะไม่มีต้นทุนอื่นใดเพิ่มเติม นอกเหนือจากค่าแผงโซลาร์เซลล์ ตัวเครื่อง และน้ำที่ใช้ในระบบ ซึ่งการความสามารถในการผลิตน้ำมันเบนซินได้เองจากอากาศ โดยไม่ต้องพึ่งพาน้ำมันดิบใต้ดิน ถือเป็นก้าวสำคัญที่จะมาพลิกโฉมวงการพลังงานโลกในอนาคต

อ้างอิง: sciencing