“AI Product Management” 2 ปีผ่านไป เราได้อะไร นอกจากความตื่นเต้น?
หรือเรากำลัง “ผลิต” Product Manager ที่เก่งเครื่องมือ แต่กลวงในตรรกะ?
====
ถ้าคุณเดินเข้าไปในหลายองค์กรวันนี้ คุณจะเห็นภาพที่ชวนขำปนเศร้าอยู่ คือ
* บางทีมยังถกกันเรื่อง PO vs PM ซึ่งแตกต่างกันมากในแต่ละบริษัท
* บางทีมยังให้คุณค่ากับ Scrum Ceremony มากกว่าผลลัพธ์
* และหลายองค์กรเพิ่งเริ่ม “ลองของ” AI แบบยังไม่ทันตั้งคำถามให้ถูกด้วยซ้ำ
ขณะเดียวกัน โลกตะวันตกเริ่มทดลองเอา Generative AI เข้าไปเปลี่ยน วิธีการสร้างผลิตภัณฑ์ มาแล้วราว 2 ปี และบทเรียนสำคัญที่สุด คือ
AI ไม่ได้ทำให้ Product Management ง่ายขึ้น แต่ทำให้ “ของปลอม” อยู่ยากขึ้น และทำให้ “ของจริง” ทวีคูณได้เร็วขึ้น
บทความนี้หยิบกรอบคิดที่มอง AI ในมิติ “เปลี่ยนวิธีทำงานของทีม Product” ไม่ใช่แค่ “ใส่ AI ลงในฟีเจอร์” แล้วจบ พร้อมผูกเข้ากับโจทย์ขององค์กรไทยที่กำลังจะโดนทดสอบหนักขึ้นในปี 2026
====
1. “แยกให้ชัดก่อน” เราพูดถึง AI แบบไหนกันแน่?
เวลาพูดถึง Generative AI เรากำลังพูดถึง 2 เรื่องที่คนมักปนกัน คือ
A. AI เป็นส่วนหนึ่งของผลิตภัณฑ์ (Product capability)
B. หรือ AI เปลี่ยนวิธีที่เราสร้างผลิตภัณฑ์ (Product creation)
บทความนี้โฟกัสในแบบ B. พราะนี่คือจุดที่ “อาชีพ PM” และ “ระบบการทำงานทั้งองค์กร” จะถูก redesign
* ประเด็น คือ…แม้ข่าวและบทความจะประกาศกันว่า “PM แบบเดิมจบแล้ว” แต่ความจริงใน 2 ปีที่ผ่านมา ยังไม่ได้เปลี่ยนเร็วแบบที่หลายคนคาด โดยเฉพาะในประเทศไทย ด้วยอย่างน้อยในแง่โครงสร้างตำแหน่งและความเข้าใจในบทบาท
* และนี่ทำให้เกิด “กับดัก” ที่อันตรายมาก คือ องค์กรเริ่มมั่นใจผิดว่า AI เป็นแค่ tool ช่วยงานเร็วขึ้น ทั้งที่จริงมันกำลังเปลี่ยน “มาตรฐานความเป็นมืออาชีพ” ของคนทำ Product ทั้งระบบ
====
2. AI จะเขย่าตรงไหนในโลก Product Management?
ปัญหาเรื้อรังในหลายองค์กร คือ คนส่วนใหญ่พูดถึง PM แค่ 2 แบบแรก แต่ไม่ค่อยพูดถึงแบบที่ 3 ทั้งที่ “ของจริง” อยู่ตรงนั้น กล่าวคือ
แบบที่ 1 : “Delivery Team Product Ownership” = เจ้าของงานส่งมอบ ทำ backlog ทำสเปก ทำตามคำสั่ง
แบบที่ 2 : “Feature Team Product Management” = ทำฟีเจอร์ตาม roadmap ที่คนอื่นวาง ทำ optimization รายส่วน
แบบที่ 3 : “Empowered Team Product Management” = ทีมที่ถูกให้อำนาจ “แก้ปัญหาลูกค้า” ด้วยวิธีที่ดีที่สุด และรับผิดชอบผลลัพธ์
คำถามที่ควรถามคือ ถ้าองค์กรของคุณยังอยู่ใน Delivery/Feature mindset…คุณจะใช้ AI ไปเพื่ออะไร?
คำตอบที่น่ากลัวคือ คุณจะใช้ AI เพื่อ “เร่งความเร็วของระบบเดิม” และสุดท้ายได้แค่
* สเปกเร็วขึ้น
* เอกสารสวยขึ้น
* Prototype มากขึ้น
* แต่นวัตกรรมไม่เพิ่ม หรือแย่กว่านั้นคือยิ่งหลงทางเร็วขึ้น
AI จะมีความหมายจริง ก็ต่อเมื่อองค์กรอยู่ในโหมด Empowered team เพราะ AI จะไปทวีคูณ “ความสามารถในการค้นพบและตัดสินใจ” ไม่ใช่แค่ “ความสามารถในการผลิต artifact”
====
3. ทำไม Engineer/Design เห็นผลทันที แต่ PM ยัง “เหมือนยังไม่ค่อยโดน”?
เพราะสาย Engineer และ Design ผลกระทบจับต้องได้ทันที คือ เห็นเลยว่า “AI ช่วยเขียนโค้ด ช่วยสร้าง UI/Prototype ได้จริง และเห็นผลในความเร็ว (Speed) แบบที่ปฏิเสธไม่ได้”
แต่กับ PM ผลกระทบดูคลุมเครือ เพราะแก่นงาน PM ไม่ได้อยู่ที่การผลิตสิ่งของ แต่อยู่ที่
* การนิยามปัญหา
* การเลือกเดิมพัน
* การตัดสินใจภายใต้ความไม่แน่นอน
* การสร้าง alignment ระหว่างลูกค้า ธุรกิจ และเทคโนโลยี
นี่คือเหตุผลที่ “PM ของจริง” จะไม่ถูกแทนที่ง่ายๆ แต่ขณะเดียวกัน PM ที่ทำงานแบบ checklist / copy-paste / backlog secretary จะอยู่ยากขึ้นเรื่อยๆ เพราะ AI ทำได้เร็วกว่า ถูกกว่า และไม่บ่น
====
4. “AI เป็นอาวุธของคนเก่ง…แต่เป็นยาพิษของมือใหม่”
AI ให้ประโยชน์แบบ “ไม่เท่ากัน”
* คนที่มีประสบการณ์สูง ใช้ AI แล้ว “กระโดด” ได้มาก
* คนประสบการณ์ต่ำ ใช้ AI แล้ว “ไม่ได้ดีขึ้นเท่าที่คิด” และบางกรณีทำให้แรงจูงใจ/ความพึงพอใจในงานแย่ลง
AI ไม่ได้ทำให้คนเก่งขึ้นแบบเท่าเทียม แต่ทำให้ “ช่องว่างระหว่างของจริงกับของปลอม” กว้างขึ้น
และนี่คือจุดที่ผมอยากเตือนว่าถ้าองค์กรไทยรีบ “Scale AI Tooling” โดยยังไม่ได้ลงทุนเรื่อง Product sense / Discovery skill / Decision quality เราอาจกำลังสร้างรุ่นใหม่ที่เป็น
“Product Manager กลวง” คือ เก่ง prompt, เก่งทำสไลด์, เก่งทำ PRD, เก่งทำ roadmap แต่…
* ไม่ชัดว่าลูกค้าเจ็บตรงไหน
* ไม่รู้จะพิสูจน์ value ยังไง
* ไม่กล้าตัดสินใจเรื่องยาก
* ไม่รู้จัก trade-off
AI จะทำให้ PM แบบนี้ “ดูเหมือนมืออาชีพ” เร็วขึ้นในสายตาคนที่ไม่ลึก แต่สุดท้ายจะพังในสนามจริง เพราะนวัตกรรมไม่ได้เกิดจากการพูดเก่ง มันเกิดจากการตัดสินใจที่ดีซ้ำ ๆ
====
5. แล้ว AI จะพาเราไป Innovation หรือแค่ Workaround?
ตัวอย่างคำถามที่เราควรสงสัย คือ
* Gen AI จะเปลี่ยน Product Discovery อย่างไร?
* งานไหนของ PM ที่ AI จะ “เสริม” และงานไหนที่ AI จะ “แทนที่”?
* AI จะทำให้ทีม Product สร้างสรรค์ขึ้น หรือ ชินกับทางลัด?
* เราจะจบลงที่ “quick win/patch” หรือไปถึง “solution ใหม่จริง”?
ประเด็นคือ วันนี้เราอาจกำลังชนะด้วย Output (ของออกไวขึ้น) แต่แพ้ใน Outcome (ของไม่ตอบโจทย์) และแพ้หนักสุดใน Learning (ทีมไม่ฉลาดขึ้น เพราะไม่ต้องคิดลึก)
จุดเรียนรู้สำคัญ
* AI Strategy ที่ไม่เริ่มจาก “คำถามที่ถูก” จะจบที่ “คำตอบที่ผิดเร็วขึ้น” —> ความเร็วไม่ใช่ชัยชนะ ถ้าทิศทางผิด
* Empowered team คือ prerequisite ของ AI Product Management —> ถ้ายังสั่งงานแบบ delivery/feature ทีมจะใช้ AI ไปผลิตเอกสาร ไม่ใช่ผลิตคุณค่า
* AI ทำให้ “Product sense” กลายเป็นสินทรัพย์ราคาแพงขึ้น —> คนที่คิดเป็นจะทวีคูณ คนที่คิดไม่เป็นจะพึ่งพาและกลวงเร็วขึ้น
* อย่าวัดผล AI ด้วย output (จำนวน prototype/PRD/roadmap )—> แต่ให้วัดด้วย decision quality + learning velocity
* ลงทุนการพัฒนาคนก่อน scale เครื่องมือ —> ไม่งั้นองค์กรจะได้ระบบที่เร็วขึ้น แต่คนอ่อนลง
====
6. แล้วองค์กรควรทำอะไร “ตั้งแต่สัปดาห์นี้”
ผมขอเสนอกรอบปฏิบัติแบบไม่ขายฝัน 5 ข้อ คือ
1. กำหนด “AI Boundary” ให้ชัด คือ งานไหนให้ AI ช่วยได้ งานไหนต้อง human judgement และต้องมี owner รับผิดชอบเสมอ
2. “ออกแบบ Discovery Loop ใหม่” คือ ให้ AI ช่วยสังเคราะห์/จำลอง/สรุป แต่ให้ทีมยังต้องลงสนามจริง (ลูกค้า/ข้อมูล/ข้อเท็จจริง) เพราะ “ปัญญา” ต้องเกิดจากของจริง
3. “ยกระดับมาตรฐานการตัดสินใจ” คือ โดยทุกเดิมพันต้องตอบ 3 คำถาม: เรารู้จริงแค่ไหน? เสี่ยงอะไร? จะพิสูจน์เร็วๆ ยังไง?
4. สร้าง “AI Product Craft” ภายในทีม คือ แชร์ prompt library ได้ แต่ต้องแชร์ “ตรรกะ” และ “หลักคิดการประเมินคำตอบ” มากกว่าแชร์เทคนิค
5. “ประเมินคนแบบใหม่” เลื่อนตำแหน่งด้วย problem framing, critical thinking, customer insight, trade-off ไม่ใช่ด้วยจำนวนเอกสาร/อายุงาน/หรือเด็กของใคร
====
ดังนั้น AI ไม่ได้ทำให้ PM หายไป…แต่ทำให้ “ของจริง” โดดเด่นขึ้น
สิ่งที่น่ากลัวในยุคนี้ ไม่ใช่ AI มาแทน PM แต่คือ PM หลายคนจะ “ค่อย หายไปจากวงการ” โดยไม่รู้ตัว เพราะทักษะหลักถูกแทนที่หมดแล้ว เหลือแค่พิธีกรรมและศัพท์เทคนิคใหม่
ถ้าคุณเป็นผู้บริหาร ผมอยากให้จำประโยคนี้ไว้
* องค์กรที่ใช้ AI เพื่อเร่งการผลิต จะได้ความเร็ว
* องค์กรที่ใช้ AI เพื่อเร่งการเรียนรู้ จะได้นวัตกรรม
และสุดท้าย…นวัตกรรมไม่ได้เกิดจากเครื่องมือที่ล้ำที่สุด แต่มาจาก “วิธีคิด” ที่ไม่ยอมให้ความสะดวกสบาย ทำลายความลึกของมนุษย์
====
แหล่งข้อมูล (อ่านต่อ)
* SVPG: AI Product Management: 2 Years In
* SVPG: Product, Design and AI
* The Wall Street Journal: Will AI Help or Hurt Workers? One 26-Year-Old Found an Unexpected Answer
#วันละเรื่องสองเรื่อง
#AIProductManagement
#ProductDiscovery
#FutureOfWork
- 2
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
