Andrej Karpathy (ผู้ร่วมก่อตั้ง OpenAI) บอกว่า ธ.ค. 2023 คือจุดที่เขา ‘ตามหลัง’ AI ครั้งแรกในชีวิต
“ทำไมบริษัทเทคโนโลยีชั้นนำถึงหยุดสัมภาษณ์งานด้วย LeetCode แล้วใช้วิธีนี้แทน?”
“Engineer ที่เก่งที่สุดในองค์กรคุณ… กำลังจะถูกแทนที่โดยคนที่ไม่รู้จัก PyTorch แม้แต่บรรทัดเดียว”
“Software 3.0 ไม่ได้ถามว่าคุณเขียนโค้ดเป็นไหม — มันถามว่าคุณออกแบบระบบที่ AI ทำงานแทนคุณได้หรือเปล่า”
สำหรับคนขี้เกียจอ่านยาว — อ่านแค่นี้ก็พอ
โลกของการสร้างซอฟต์แวร์เพิ่งพลิกขั้ว
ไม่ใช่แค่ “เร็วขึ้น” หรือ “ถูกลง” —
แต่เปลี่ยน กฎของเกม ไปเลย
ถ้าคุณยังบริหารทีม Tech ด้วยกรอบคิดเดิม
คุณกำลังเล่นหมากรุกอยู่ในสนามที่คนอื่น
เปลี่ยนไปเล่น Chess Engine ไปแล้ว
บทสรุปสำหรับผู้บริหาร มี 3 ข้อ :
1. ทักษะที่หายากที่สุดในยุคนี้ไม่ใช่การเขียนโค้ด — แต่คือ “ความเข้าใจ” ที่ไม่สามารถ Outsource
ให้ AI ได้
2. องค์กรที่ชนะจะไม่ใช่องค์กรที่มี Developer เก่งที่สุด — แต่คือองค์กรที่ออกแบบ “สถาปัตยกรรมระบบตัวแทน” ได้ดีที่สุด
3. วิธีจ้างงานของคุณต้องเปลี่ยน — ก่อนที่คู่แข่งจะเปลี่ยนก่อน
อยากเข้าใจว่าทำไมถึงเป็นแบบนี้? เชิญลงลึกครับ 👇
🧭 THE DEEP DIVE —
กรอบความคิดจากเวทีระดับโลก
สรุปจากแนวคิดของ Andrej Karpathy (อดีต AI Director ของ Tesla และผู้ร่วมก่อตั้ง OpenAI)
Chapter 1: จุดพลิกผัน ที่แม้แต่ผู้สร้าง AI
ก็ตกใจตัวเอง
ธันวาคม 2566 — Andrej Karpathy นั่งเขียนโค้ดแล้วรู้สึกบางอย่างที่ไม่เคยรู้สึกมาก่อน
“ผมไม่เคยรู้สึกว่าตัวเองตามหลังในฐานะโปรแกรมเมอร์มากเท่านี้มาก่อน”
นั่นไม่ใช่ความอ่อนแอ — นั่นคือสัญญาณว่า
AI ก้าวข้ามจากการเป็น ผู้ช่วยพิมพ์โค้ด
ไปสู่ ระบบที่ไว้วางใจได้ ที่เขียนโค้ดได้อย่างสมบูรณ์
นี่ไม่ใช่การเขียนโค้ดที่เร็วขึ้น
แต่คือ Paradigm Shift ที่แท้จริง
Chapter 2: Software 1.0 → 2.0 → 3.0 — คุณอยู่ยุคไหน?
ประวัติศาสตร์ซอฟต์แวร์เพิ่งเขียนบทใหม่
**1.0 : หัวใจของระบบ คือ “กฎที่ชัดเจน” | วิธีสั่งให้ทำงาน “เขียนโค้ดทีละบรรทัด”
|**2.0 : หัวใจของระบบ คือ ”Neural Network“ | วิธีสั่งให้ทำงาน “ฝึกด้วยข้อมูลมหาศาล”
|**3.0 : หัวใจของระบบ คือ LLM เป็น “คอมพิวเตอร์”| วิธีสั่งให้ทำงาน ”ป้อน Prompt และบริบท“
ใน Software 3.0 — Neural Network
ไม่ใช่เครื่องมืออีกต่อไป มันคือ Host Process หลัก
โดยใช้ CPU เป็นแค่เครื่องคำนวณตรรกะเสริม
แอปพลิเคชันนับร้อยที่ปัจจุบันซื้อ API มาต่อกัน…
ไม่ควรมีอยู่อีกต่อไป
Chapter 3 : ธรรมชาติที่แปลกประหลาดของ “วิญญาณ” ที่เราจ้างมาทำงาน
LLM ไม่ใช่มนุษย์ ไม่ใช่สัตว์ — Karpathy เรียกมันว่า “วิญญาณ” (Ghosts)
สิ่งมีชีวิต (Animals) มีหัวใจ มีแรงจูงใจเอาชีวิตรอด พัฒนาการเรียบเรียงข้ามรุ่น
วิญญาณ (Ghosts / LLMs) ขับเคลื่อนด้วยสถิติจากการฝึกสอน ไม่มีแรงจูงใจภายใน ความสามารถเว้าแหว่งรุนแรง — เก่งระดับอัจฉริยะในบางเรื่อง โง่เขลาในสิ่งที่เด็กอายุ 5 ขวบทำได้
นั่นคือ Jagged Intelligence — ภูมิประเทศแห่งความฉลาดที่เว้าแหว่ง ซึ่งผู้บริหารต้องอ่านให้ออกก่อนจะมอบหมายงาน
AI สามารถ Refactor โค้ด 100,000 บรรทัด
แต่อาจนับตัวอักษร ‘R’ ในคำว่า Strawberry ไม่ได้
ข้อสรุปสำหรับผู้บริหาร :
ปฏิบัติต่อ AI ในฐานะเครื่องมือเชิงสถิติ ไม่ใช่มนุษย์
Chapter 4: AI เก่งเรื่องอะไร — และทำไมถึงเป็นแบบนั้น? ….มนุษย์อาจต้องใช้ empathy กับ ai
มีวงล้อที่อธิบายได้ว่าทำไม AI ถึงเก่งแค่บางเรื่อง
วงล้อ Verifiability ทำงานแบบนี้ : ขอบเขตที่ตรวจสอบผลลัพธ์ได้ง่าย (เช่น คณิตศาสตร์ โค้ด) → สร้าง RL Rewards ได้ง่าย → Labs ทุ่มเทฝึกสอน → ความสามารถพุ่งทะยาน → วนกลับ
งานที่อยู่ในวงล้อนี้ AI จะทำแบบ อัตโนมัติในระดับแสง — ถ้างานของคุณอยู่นอกวงล้อ คุณยังปลอดภัย แต่ถ้าอยู่ในวงล้อ คุณต้องวางแผนปรับตัวแล้ว
Chapter 5: 2 เส้นทางที่องค์กรต้องเลือก
Vibe Coding — การเขียนโค้ดด้วยความรู้สึก
• เป้าหมาย: ยกมาตรฐานขั้นต่ำ (Raise the Floor) ให้ทุกคนสร้างแอปได้
• จุดแข็ง: ความเร็วและการทดลองไอเดีย
• เหมาะกับ: Prototype, MVP, ทีมขนาดเล็ก
Agentic Engineering — วิศวกรรมระบบตัวแทน
• เป้าหมาย: ขยายขีดจำกัดสูงสุด (Raise the Ceiling) สู่วิศวกรระดับ 100x
• จุดแข็ง: คุณภาพ ความปลอดภัย สถาปัตยกรรม
• เหมาะกับ: ระบบที่ต้องการความน่าเชื่อถือสูง
ผู้บริหารที่เก่งจะรู้ว่า ต้องใช้เส้นทางไหนกับงานแบบไหน — ไม่ใช่เลือกแค่เส้นทางเดียว
Chapter 6: โมเดลการทำงานใหม่ — “Human Core” กับกองทัพ Agent Nodes
ในยุค Agentic Engineering มนุษย์ไม่ได้หายไป
แต่บทบาทเปลี่ยน
คุณไม่จำเป็นต้องจำรายละเอียด API อีกต่อไป
แต่คุณต้องเป็น :
• ผู้กำหนดทิศทางและรสนิยม (Taste & Direction)
• ผู้ดูแลสถาปัตยกรรม ที่ AI มักทำพลาด
• ผู้ตรวจสอบความถูกต้อง ของสิ่งที่ระบบสร้างขึ้น
“คุณ Outsource กระบวนการคิด (Thinking) ได้
แต่คุณไม่สามารถ Outsource ความเข้าใจ (Understanding) ได้”
นั่นคือข้อจำกัดสุดท้ายที่ยังเป็นของมนุษย์
Chapter 7: การจ้างงานต้องเปลี่ยน —
ก่อนที่คุณจะเสียโอกาส
วิธีเดิม: สัมภาษณ์อัลกอริทึมบนกระดานไวท์บอร์ด
วิธีใหม่สำหรับประเมิน Agentic Engineer มี 3 ขั้น :
1. สั่งให้สร้างโปรเจกต์ขนาดใหญ่ที่ซับซ้อน (เช่น Twitter Clone สำหรับ Agents)
2. ปล่อย AI Agents สายจมดี 10 ตัว พยายามเจาะระบบ
3. ประเมินว่าวิศวกรสามารถสร้างระบบที่ทนทานและปลอดภัยได้ดีเพียงใด
บทสรุป: สถาปัตยกรรมแห่งยุค AI
The Agent-Native Stack มี 3 ชั้น :
ชั้นบน (มนุษย์): ความเข้าใจ รสนิยม และการออกแบบระบบ
ชั้นกลาง (AI): ระบบประสานงาน Agent — Coordinated LLMs ที่ทำงานร่วมกัน
ชั้นล่าง (โครงสร้างพื้นฐาน): Sensors & Actuators — เครื่องมือที่ให้ Agent กระทำต่อโลกจริงได้
ผู้บริหารยุคนี้คือ “สถาปนิก” ที่ควบคุมทิศทางบนยอดหอคอย จัดการกองทัพวิญญาณในชั้นประมวลผล และออกแบบโครงสร้างพื้นฐานให้เครื่องจักรสามารถกระทำต่อโลกได้อย่างสมบูรณ์
ถ้าบทความนี้ช่วยให้คุณเห็นภาพชัดขึ้นสักนิด —
ลอง share ให้ทีมของคุณอ่านด้วยกัน
สรุปแนวคิดหลักจาก Andrej Karpathy —
อดีต AI Director ของ Tesla และผู้ร่วมก่อตั้ง OpenAI
#ผู้บริหาร #ความเป็นผู้นำ #กลยุทธ์องค์กร #นวัตกรรม #การเปลี่ยนแปลง #เทคโนโลยี #ทักษะอนาคต #AI #ปัญญาประดิษฐ์ #องค์กรยุคดิจิทัล
#AgenticEngineering #VibeCoding #Software30 #AILeadership #FutureOfWork #ExecutiveInsight #LLM #AIStrategy #DigitalTransformation #AndrejKarpathy
โฆษณา
- ดาวน์โหลดแอปพลิเคชัน
- © 2026 Blockdit
