🛑 จุดจบของยุค “รู้ลึกอย่างเดียว”?
เมื่อ AI ทำแทนได้เกือบหมด ทำไม Generalist PM จึงกลายเป็นผู้รอดชีวิต
“Fight for the things that you care about, but do it in a way that will lead others to join you.” — Ruth Bader Ginsburg
คำถามสำคัญในวันนี้ไม่ใช่ว่า AI จะมาแทนใคร แต่คือ AI กำลังเปลี่ยนโครงสร้างอำนาจในองค์กรอย่างไร และใครจะอยู่รอดในเกมใหม่นี้
ถ้ามองลึกลงไป บทบาทที่สั่นสะเทือนชัดที่สุดไม่ใช่แค่วิศวกรหรือ Data Analyst แต่คือ "Product Manager” เพราะ PM คือคนที่ไม่มีอำนาจสั่งการโดยตรง แต่ต้องทำให้ทุกฝ่าย “เชื่อ” ในทิศทางเดียวกัน และในยุคที่เครื่องมือ AI ทำได้แทบทุกอย่าง
คำถามคือ "PM จะเหลือคุณค่าอะไร?” ผมเชื่อว่า นี่คือจุดเปลี่ยนจากยุค “รู้ลึกอย่างเดียว” สู่ยุค “เชื่อมโยงให้เป็น”
====
1️⃣ AI ทำลายกำแพงความเชี่ยวชาญ
อดีต: ต้องพึ่ง Data Analyst เพื่อดึงข้อมูล
อดีต: ต้องรอ Developer อธิบายข้อจำกัดระบบ
อดีต: ต้องรอ Designer ร่างหน้าจอ
สำหรับ PM มืออาชีพ ภาพนี้ไม่ใช่แค่ workflow ธรรมดา แต่มันคือ “ต้นทุนเชิงเวลาในการตัดสินใจ” (decision latency) ที่ซ่อนอยู่ในทุก Sprint การจะ validate สมมติฐานหนึ่งครั้งต้องผ่านหลายมือ ข้อมูลถูกแปลหลายรอบ Insight ถูกกรองผ่านมุมมองเฉพาะทางก่อนจะถึงโต๊ะตัดสินใจ นี่คือ friction ที่ทำให้ product cycle ช้าลงโดยที่เราไม่รู้ตัว
ปัจจุบัน: AI เขียน SQL ได้
ปัจจุบัน: AI สร้าง Prototype ได้
ปัจจุบัน: AI วิเคราะห์คู่แข่งและสรุป Insight ได้
สิ่งที่เปลี่ยนจริงๆ ไม่ใช่แค่ความสะดวก แต่คือ “โครงสร้างต้นทุนของการทดลอง” (cost of experimentation)
* เมื่อ PM สามารถดึงข้อมูล สร้าง mock flow หรือทดสอบ narrative ทางธุรกิจได้เองในระดับหนึ่ง
* ความเร็วในการ iterate เพิ่มขึ้นแบบทวีคูณ
* และ marginal cost ของการคิดเชิงวิเคราะห์ลดลงอย่างชัดเจน
นี่ไม่ได้แปลว่า Specialist หมดความหมาย ตรงกันข้าม ในงานเชิงลึก เช่น optimization ขั้นสูง, distributed system, advanced ML หรือ growth modeling ยังต้องการผู้เชี่ยวชาญตัวจริง แต่สิ่งที่เปลี่ยนคือ “กำแพงอำนาจ” ที่เคยผูกกับความรู้เชิงลึกกำลังถูกลดระดับลง PM ไม่จำเป็นต้องรอคำแปลจากทุกฝ่ายก่อนตั้งคำถามอีกต่อไป
เมื่อ Hard Skills จำนวนมากถูกทำให้เข้าถึงได้ง่ายขึ้น ความได้เปรียบเชิงการแข่งขันจึงย้ายจากคำถามเดิม
"ใครรู้ลึกที่สุด?” —> "ใครเชื่อมโยงองค์ความรู้ทั้งหมดได้ดีที่สุด?"
สำหรับ PM มืออาชีพ นี่หมายถึงความสามารถในการผสานข้อมูลเชิงเทคนิค พฤติกรรมผู้ใช้ โมเดลรายได้ และข้อจำกัดเชิงองค์กรเข้าเป็นกรอบตัดสินใจเดียวกัน ไม่ใช่แค่เข้าใจแต่ละส่วนแยกกัน แต่สามารถออกแบบ “ระบบการตัดสินใจ” (decision system) ให้ทีมเดินหน้าได้อย่างมั่นใจ และตรงนี้เองที่คำว่า Generalist PM มีน้ำหนักใหม่ ไม่ใช่ในฐานะคนทำได้หลายอย่าง แต่ในฐานะผู้ออกแบบภาพรวมเชิงกลยุทธ์ของทั้งโปรดักต์
====
2️⃣ Generalist ไม่ใช่เป็ด แต่คือวาทยกรของความซับซ้อน
Generalist ไม่ใช่คนทำได้ทุกอย่างแบบผิวเผิน และไม่ใช่คนที่รู้ทุกอย่างแบบคร่าวๆ แต่คือคนที่ “สังเคราะห์” โลกหลายใบเข้าด้วยกันภายใต้ข้อจำกัดจริงขององค์กร "ทั้งเวลา ทรัพยากร และแรงกดดันจากตลาดทุน"
ถ้า Specialist คือผู้เชี่ยวชาญเครื่องดนตรี Generalist คือวาทยกรที่ทำให้ทั้งวงเล่นเพลงเดียวกัน แต่ในโลกของ Product จริงๆ บทบาทนี้ซับซ้อนกว่านั้น เพราะวาทยกรไม่ได้แค่กำหนดจังหวะ เขาต้องอ่านห้องประชุมให้ออก เข้าใจแรงเสียดทานระหว่างทีม และจัดการ “Ego” ของผู้เล่นแต่ละคนให้พลังทั้งหมดถูกส่งไปยังเป้าหมายเดียวกัน
สำหรับ PM มืออาชีพ คำว่า “Ego is the most dangerous enemy” มันคือความเสี่ยงเชิงระบบ อีโก้ทำให้ PM อยากเป็นคนฉลาดที่สุดในห้อง อยากชนะทุก debate อยากเป็นเจ้าของทุก feature แต่ Generalist ที่แข็งแรงเข้าใจว่า เป้าหมายไม่ใช่การชนะทางความคิด หากคือการชนะทาง outcome ของโปรดักต์ อีโก้ที่ไม่ถูกจัดการจะสร้างไซโล ขณะที่ความถ่อมตนเชิงกลยุทธ์ (strategic humility) จะสร้าง alignment
🔹 Tech Literacy — เข้าใจเทคโดยไม่ต้องเป็นคนเขียนทุกบรรทัด
PM มืออาชีพต้องประเมิน trade-off ได้ เข้าใจ technical debt เข้าใจ constraint ของ architecture และตั้งคำถามเชิงสถาปัตยกรรมได้โดยไม่ก้าวล้ำบทบาทวิศวกร ความเข้าใจนี้ไม่ได้มีไว้เพื่อควบคุมทีม แต่เพื่อทำให้ roadmap มีความเป็นจริง (realistic) และลด decision error จากการประเมินต้นทุนต่ำเกินไป
🔹 Design Literacy — เข้าใจมนุษย์ก่อนเข้าใจหน้าจอ
Generalist PM ต้องอ่านพฤติกรรมผู้ใช้ในระดับ mental model เข้าใจ friction ใน journey และแยกความต้องการที่แท้จริงออกจากเสียงดังใน feedback loop ที่สำคัญคือ ต้องไม่ใช้อีโก้ของ “เจ้าของวิสัยทัศน์” ไปบดบังความคิดสร้างสรรค์ของดีไซเนอร์ แต่ใช้วิสัยทัศน์เป็นกรอบ ไม่ใช่กรง
🔹 Data Fluency — อ่านข้อมูลแบบมีวิจารณญาณ
PM ระดับมืออาชีพไม่ได้แค่ดู metric แต่เข้าใจ causal relationship แยก vanity metric ออกจาก leading indicator และรู้ว่าเมื่อไรควรเชื่อข้อมูล เมื่อไรควรตั้งคำถาม การใช้ข้อมูลเพื่อเอาชนะกันในการประชุมคือสัญญาณของอีโก้ แต่การใช้ข้อมูลเป็นฐานกลางในการตัดสินใจคือสัญญาณของวุฒิภาวะ
🔹 Business Strategy — เชื่อมทุกอย่างกับกำไร
เข้าใจ unit economics เข้าใจ LTV/CAC เข้าใจแรงกดดันจากนักลงทุน และเข้าใจว่าบางครั้ง feature ที่เรารักอาจไม่คุ้มทุน Generalist PM ต้องกล้ายอมรับความจริงทางธุรกิจ แม้มันจะขัดกับ intuition ของตนเอง เพราะท้ายที่สุด โปรดักต์ที่ดีแต่ไม่ยั่งยืนทางการเงินก็ไม่สามารถสร้างคุณค่าได้ระยะยาว
นี่ไม่ใช่ความรู้แบบกว้างๆ แต่มันคือ “ความสามารถในการออกแบบภาพรวม” ควบคู่กับความสามารถในการจัดการอีโก้ของตนเอง เพื่อให้ทีมและโปรดักต์เดินหน้าได้ไกลกว่าความสำเร็จส่วนบุคคล
====
3️⃣ “Layoff เทคฯ โลก” = เกมอำนาจ–ทุน–แรงงานกำลังจัดสมดุลใหม่
ในช่วงไม่กี่ปีที่ผ่านมา บริษัทเทคระดับโลกจำนวนมากประกาศปลดพนักงานครั้งใหญ่ และที่สำคัญคือมันไม่ได้เกิดแค่ครั้งเดียว แต่เกิดเป็นระลอกๆ สะท้อนว่าปัญหาไม่ใช่ tactical misstep หากคือ structural reset ของอุตสาหกรรม
คำอธิบายที่ได้ยินบ่อยคือ “เพิ่มประสิทธิภาพ” หรือ “โฟกัสธุรกิจหลัก” แต่สำหรับ PM มืออาชีพ เราต้องอ่านให้ลึกกว่านั้น เพราะสิ่งที่กำลังเกิดขึ้นคือการ re-price ความสามารถของแรงงานในสายเทคใหม่ทั้งหมด
ในเชิงโครงสร้าง สิ่งที่เกิดขึ้นคือการปรับสมดุลระหว่าง
"ทุน – เทคโนโลยี – แรงงาน"
เมื่อเงินทุนแพงขึ้น (cost of capital สูงขึ้น) นักลงทุนให้คุณค่ากับ profitability มากกว่า growth-at-all-costs เมื่อความคาดหวังด้านกำไรสูงขึ้นทุกไตรมาส ฝ่ายบริหารจึงต้องมองทุกทีมผ่านเลนส์เดียวกันคือ "ทีมนี้สร้าง leverage ทางธุรกิจหรือไม่" และเมื่อ AI เพิ่มประสิทธิภาพแรงงานบางส่วนได้ งานที่เคยต้องใช้คน 5 คนอาจเหลือ 2 คน
สำหรับ PM นี่คือสัญญาณเตือนเชิงกลยุทธ์ เพราะตำแหน่งที่ถูกตั้งคำถามก่อน มักเป็นงานที่มีลักษณะดังนี้
* งานประสานงานเชิงเอกสาร
* งานแปล requirement ไปมา
* งานติดตามสถานะโดยไม่สร้างการตัดสินใจเชิงทิศทาง
* งานที่ impact ไม่เชื่อมกับ revenue, retention หรือ cost structure อย่างชัดเจน
อำนาจในองค์กรจึงไม่ได้อยู่กับ “ผู้ถือครองความรู้เฉพาะทาง” เพียงอย่างเดียวอีกต่อไป แต่อยู่กับ “ผู้กำหนด allocation ของทรัพยากร” และ “ผู้เชื่อม execution กับผลลัพธ์ทางการเงิน” ได้อย่างมีประสิทธิภาพ
ในบริบทนี้ PM ที่เป็นเพียงผู้รับ Requirement และส่งต่อ backlog อยู่ในพื้นที่เสี่ยง เพราะบทบาทนั้นสามารถถูกลดขนาด (de-scope) หรือถูก absorb โดยบทบาทอื่นได้ง่าย แต่ PM ที่กำหนดทิศทาง product portfolio, เชื่อมกลยุทธ์องค์กรกับ roadmap, ตั้ง success metric ที่ผูกกับ unit economics และตัดสินใจบนฐานข้อมูลจริง จะกลายเป็นศูนย์กลางอำนาจเชิงกลยุทธ์
สำหรับ PM มืออาชีพ นี่หมายถึงการต้องเข้าใจมากกว่า feature-level decision ต้องเข้าใจว่า roadmap ของคุณสร้าง operating leverage อย่างไร? ลด cost-to-serve อย่างไร? หรือเพิ่ม lifetime value อย่างไร เพราะในยุคที่ทุกไตรมาสถูกจับตาโดยตลาดทุน บทบาทที่ไม่สามารถอธิบาย impact เชิงตัวเลขได้ จะถูกตั้งคำถามเสมอ
Generalist PM จึงไม่ได้แค่เก่งรอบด้าน แต่ต้องเข้าใจเกมของทุน เข้าใจแรงกดดันจาก board และนักลงทุน และรู้ว่าจะสร้างคุณค่าอย่างไรในระบบที่กดดันเรื่องกำไร ประสิทธิภาพ และ capital allocation ทุกไตรมาส
====
4️⃣ คำถามสำหรับ PM ยุค 2026?
ถ้า AI ทำงานเชิงปฏิบัติการแทนคุณได้มากขึ้นเรื่อยๆ คุณจะยังมีคุณค่าในฐานะ “ผู้ประสานงาน” หรือไม่? หรือคุณต้องยกระดับตัวเองเป็น “ผู้ออกแบบทิศทาง”?
ยุคใหม่ไม่ได้วัดกันที่ความลึกเพียงอย่างเดียว แต่วัดกันที่ความสามารถในการเชื่อมโลกหลายใบเข้าด้วยกัน และทำให้ทั้งองค์กรเชื่อในภาพเดียวกันได้
กลับไปที่คำพูดของ Ruth Bader Ginsburg
"การต่อสู้เพื่อสิ่งที่เราใส่ใจ ไม่ได้สำคัญแค่ความถูกต้องของไอเดีย แต่สำคัญที่วิธีทำให้คนอื่นอยากร่วมทาง"
ในสนามเทคโนโลยีวันนี้ ผู้ชนะอาจไม่ใช่คนที่รู้ลึกที่สุด แต่คือคนที่เชื่อมโยงได้ไกลที่สุด คุณพร้อมจะอัปเกรดตัวเองเป็น Generalist PM แล้วหรือยัง?
#วันละเรื่องสองเรื่อง
#ProductManagement
#GeneralistPM
#FutureOfWork
#TechStrategy
#BusinessAgility
#Leadership
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
