ถ้าวันหนึ่ง เรามี AI ที่รับงานไปทำต่อได้ ธุรกิจของคนคนเดียวจะไปได้ไกลแค่ไหน?
.
เดือนสิงหาคม Mark Zuckerberg พูดถึง Personal Superintelligence หรือภาพอนาคตที่ทุกคนมี AI ส่วนตัว คอยช่วยทั้งเรื่องงานและชีวิต
.
ตอนนั้นเขาเปิดตัว Muse Glimmer โมเดลที่ออกแบบให้รันบนเครื่องส่วนตัว และบอกว่าจะมีโมเดลที่ใหญ่กว่านี้ตามมา
.
ผ่านมาถึงเดือนตุลาคม เรื่องนี้มีความคืบหน้าที่น่าสนใจแล้ว
โดยเฉพาะสำหรับคนที่ทำธุรกิจเล็กๆ แล้วรู้สึกว่า
“ไอเดียมีเต็มหัว แต่เวลาทำไม่มีแล้วโว้ย” 55555
.
เบ้นว่าเราควรดูว่า Meta กำลังพา AI เข้าไปอยู่ตรงไหนในวันทำงานของเรา (ปล.บทความนี้มีความ bias สูงกับ meta และเป็นเพียงมุมมองของผมเท่านั้น) #อ่านจบปุ๊ปเก่งขึ้นปั๊ป
===============
[1] จาก AI ที่เราคุยด้วย ไปสู่ผู้ช่วยที่เชื่อมกับงานจริง
เดือนกันยายน Meta เปิดตัว Muse ซึ่งเป็น Personal AI Agent แล้วต่อยอดด้วย Muse for Small Business วันที่ 29 กันยายน
แนวทางคือให้เราเชื่อมเครื่องมือที่ธุรกิจใช้อยู่ เช่น Shopify, Canva, Notion, Stripe รวมถึงบัญชีธุรกิจ Facebook และ Instagram เพื่อให้ AI มีข้อมูลสำหรับช่วยทำงาน
ตัวอย่างที่ Meta เสนอคือ วิเคราะห์ยอดขาย ดูว่าแคมเปญไหนได้ผล เตรียมแผนการตลาด หรือช่วยตรวจรายจ่ายที่ดูผิดปกติ
แต่การเผยแพร่ ส่งข้อความ หรือใช้เงิน ยังต้องได้รับอนุมัติจากผู้ใช้ และประกาศระบุว่า Muse เปิดให้ใช้ในสหรัฐฯ กับแคนาดา จึงยังไม่ควรอ่านแล้วเข้าใจว่าทุกคนในไทยเปิดใช้ได้ทันที :chatgpt-content-reference{index=”0″}
เบ้นว่าส่วนที่สำคัญคือ “การเชื่อมกับงานจริง”
เพราะการถาม AI ว่า “ช่วยคิดการตลาดให้หน่อย” กับการให้มันดูยอดขาย สินค้า และแคมเปญที่ผ่านมา เป็นโจทย์ที่ต่างกันเยอะ
แบบแรก มันต้องเดาว่าธุรกิจเราเป็นยังไง
แบบหลัง มันมีข้อมูลให้เริ่มตรวจว่า ปัญหาของเราอาจอยู่ตรงไหน
แน่นอนว่ามีข้อมูลแล้วก็ยังวิเคราะห์ผิดได้ เราจึงต้องตรวจเหตุผลกับผลลัพธ์ของมันด้วย
——————
[2] เดือนตุลา การแข่งขันตอนนี้ไปอีกระดับนึง
วันที่ 12 ตุลาคม Meta เปิดตัว Muse Wonder และ Muse Wonder Full โดยเน้นความสามารถด้าน Agent งานเขียนโค้ด และการทำงานหลายขั้นตอน
Meta ยังอธิบายเรื่อง Active Memory สำหรับดึงข้อมูลสำคัญจากบทสนทนามาใช้ และ Active Focus สำหรับทำงานต่อ ลองวิธีอื่น และแก้ปัญหาเมื่อเจอข้อผิดพลาด
ตอนประกาศ Muse Wonder เปิดผ่าน API และ Muse Code ส่วนการนำไปใช้ใน Muse จะทยอยตามมา เริ่มจากสมาชิกที่จ่ายเงิน :chatgpt-content-reference{index=”1″}
ลองนึกภาพงานธรรมดาอย่างทำหน้าเว็บขายสินค้า
งานมันไม่ได้จบตอน AI เขียนโค้ดให้เรา มันยังมีตอนเปิดแล้วพัง ปุ่มกดไม่ได้ ข้อมูลไม่ครบ และต้องย้อนกลับมาแก้อีก
เบ้นมองว่าความสามารถที่จะอยู่กับงานจนจบ มีผลกับธุรกิจมาก เพราะถ้าเราต้องนั่งช่วยมันทุกขั้น เวลาที่ประหยัดได้ก็อาจหายไปกับการเฝ้างานแทน
สิ่งที่ต้องพิสูจน์ต่อจึงเป็นว่า พอเจองานของเราจริงๆ มันทำสำเร็จได้แค่ไหน และต้องให้เราช่วยบ่อยเท่าไร
———-
[3] ฝั่งโมเดลเปิด ก็เดินหน้าต่อแล้วเหมือนกัน
วันที่ 15 ตุลาคม Meta ปล่อยโมเดล Muse Spark Open ให้ดาวน์โหลดแล้ว (ในไทยยัง)
เพราะงั้น ถ้าเล่าตอนนี้ เราควรอัปเดตจากคำว่า “กำลังจะเปิดโมเดลเพิ่ม” มาเป็น “มีโมเดลเปิดตัวใหม่ตามมาแล้ว”
แต่ต้องแยกด้วยว่า Muse Spark Open ใช้ Muse Model License ซึ่งมีเงื่อนไขเชิงพาณิชย์ ต่างจาก Apache 2.0 ของ Glimmer
และตัวอย่างการรันบนเดสก์ท็อปที่ Meta ยกมา ใช้ Mac Studio M5 Ultra สองเครื่อง จึงยังมีต้นทุนฮาร์ดแวร์สูงอยู่ :chatgpt-content-reference{index=”2″}
เบ้นว่าทิศทางนี้เพิ่มทางเลือกให้คนสร้างระบบ แต่คำว่า “เปิดน้ำหนักโมเดล” ก็ยังต้องอ่านต่อว่า ใช้ทำอะไรได้ มีเงื่อนไขแบบไหน และเครื่องเรารันไหวหรือเปล่า
================
ถ้าคุณชอบบทความแนวนี้ แล้วไม่อยากพลาด สามารถใส่ Email ของคุณได้ที่ Link นี้เลย (ฟรีไม่มีค่าใช้จ่าย)
พอมาถึงเดือนตุลา ภาพ Personal AI ของ Meta เริ่มมีทั้งตัว Agent เครื่องมือสำหรับธุรกิจ และโมเดลที่เปิดให้เอาไปต่อยอด
สำหรับคนทำธุรกิจคนเดียว เบ้นว่าสิ่งที่ควรเริ่มเตรียมคือ “งานกับข้อมูลของเรา”
ข้อมูลลูกค้าอยู่ไหน?
ยอดขายเก็บเป็นระบบไหม?
งานที่ทำซ้ำมีขั้นตอนยังไง?
อะไรให้ AI เตรียมได้ และอะไรต้องให้เราตัดสินใจ?
ถ้าทุกอย่างยังกระจัดกระจาย เราก็ต้องเสียเวลาอธิบายงานใหม่อยู่เรื่อยๆ
ลองเลือกงานที่กินเวลาทุกสัปดาห์มาหนึ่งอย่าง จัดข้อมูลให้พร้อม แล้วทดลองให้ AI ช่วยตั้งแต่ต้นจนถึงผลลัพธ์ที่ตรวจได้
เราจะเริ่มรู้จากตรงนั้นแหละว่า ผู้ช่วยคนนี้คืนเวลาให้เราจริงเท่าไร
ถ้าเลือกส่งต่องานได้หนึ่งอย่าง เบ้นอยากรู้ว่าทุกคนจะเลือกงานไหนก่อน?
ผมหวังว่าเรื่องนี้จะช่วยสร้างวันของคุณ
ใส่ความเห็น