แค่ให้ AI เขียนบทความก็ถูกอยู่แล้ว แต่พอใช้ไปสักพัก จะเจอเรื่องที่แปลกกว่านั้นอีก
ด้วยราคาระดับ AI ที่เขียนบทความ เรายังสร้าง "โรงงานผลิตบทความ" ขึ้นมาทั้งโรงได้เลย
ลองแบ่งงานเป็นเก้าบทบาท ได้แก่ ผู้ประสานงานภาพรวม สายการผลิตบทความ ควบคุมคุณภาพ การเผยแพร่ การติดตั้งบนคลาวด์ โฆษณาและการวิเคราะห์ งานตั้งเวลา การจัดระเบียบสเปกเก่า และความปลอดภัยของรูปภาพ ถ้าเป็นบริษัทที่ใช้คน คงมีคนพูดทันทีว่า "งั้นต้องจ้างคนดูแลแต่ละฝ่ายสิ" แต่กับ AI เราแบ่งบทบาทภายใต้สัญญาเดียวกันแล้วให้ทำงานขนานกันได้เลย
บัตรพนักงาน 0 ใบ ที่นั่ง 0 ที่ งานเลี้ยงบริษัท 0 ครั้ง แต่ปัญหาชนกันตอนรวมโค้ด (merge conflict คือตอนหลายคนแก้โค้ดเดียวกันแล้วรวมกันไม่ลงตัว) กลับเกิดขึ้นเหมือนทีมจริงจังเลยทีเดียว
ในบทความนี้ผมตั้งสมมติฐานไว้เพื่อใช้อธิบายเท่านั้น คือค่าใช้จ่าย AI เดือนละ 15,000 เยน (ที่ญี่ปุ่นเขียนว่า 1.5 หมื่นเยน โดย 1 หมื่น = 10000) แล้วเทียบกับชั่วโมงทำงานของคน เพื่อดูว่าเกิดอะไรขึ้น สรุปไว้ก่อนเลยว่า จุดแข็งของ AI ไม่ใช่การ "ทดแทนคน 9 คนได้ทั้งหมด" แต่คือ ทำให้ต้นทุนส่วนเพิ่มของงานใช้สมองที่แบ่งย่อยได้ในโลกซอฟต์แวร์ ต่ำลงอย่างน่าตกใจ
พอแบ่งเป็น 9 ทีม งานของคนคนเดียวจะเปลี่ยนจาก "ลงมือทำ" เป็น "คุมการจราจร"
ตัวอย่างการแบ่งบทบาทเป็นแบบนี้
| บทบาท | งานหลัก |
|---|---|
| ผู้ประสานงานภาพรวม | ความสอดคล้องทั้งหมด ลำดับความสำคัญ แก้ความขัดแย้ง |
| สายบทความ | สร้างบทความ แก้ไข แปลหลายภาษา |
| คุณภาพและการค้นพบ | ตรวจคุณภาพ ลิงก์ภายใน บทความที่เกี่ยวข้อง เส้นทางให้ผู้อ่านเจอบทความ |
| เผยแพร่ | คิวเผยแพร่ ตัดสินขั้นสุดท้าย ปล่อยเวอร์ชัน |
| คลาวด์ | ติดตั้ง ตรวจสอบบนระบบจริง กู้คืน |
| โฆษณาและวิเคราะห์ | โฆษณา วิเคราะห์ผู้เข้าชม ข้อเสนอปรับปรุง |
| งานตั้งเวลา | ตารางเวลา สถานะการรัน เริ่มต่อ |
| จัดระเบียบสเปก | เก็บกวาดคำขอแก้ไขและสัญญาเก่าที่ซ้ำกัน |
| ความปลอดภัยรูปภาพ | อนุมัติรูป ผูกรูปกับบทความ ความปลอดภัยก่อนเผยแพร่ |
แน่นอนว่าไม่ได้เท่ากับคนเก้าคน แต่การที่ แบ่งงานเป็นเก้าเลนที่มีผู้รับผิดชอบได้ ก็เป็นเรื่องใหญ่แล้ว
ถ้า AI ตัวหนึ่งกำลังค้นคว้า ก็โยนงานแก้เทสต์ให้อีกตัว ถ้าฝ่ายเผยแพร่ติดปัญหากับบริการภายนอก ฝ่ายคุณภาพก็เดินหน้าต่อได้ ผู้ประสานงานไม่ได้ "รอให้เสร็จทั้งหมด" แต่แยกเฉพาะจุดที่ติดออกมา แล้วส่งงานถัดไปให้ไหลต่อ
ตอนนั้นงานของคนจะเปลี่ยนจาก "ทำเองทุกอย่าง" เป็น "งานไหน ให้บทบาทไหน ตามลำดับอะไร"
พูดอีกอย่างคือ แทนที่จะแสดงเป็นวิศวกร บรรณาธิการ และนักวิเคราะห์พร้อมกัน เรากลายเป็น ตัวจัดตารางงานที่เป็นมนุษย์
พอเอา 15,000 เยนต่อเดือนไปวางข้างค่าแรง หน่วยของตัวเลขก็เพี้ยนทันที
15,000 เยนต่อเดือน เท่ากับ 18 × 10000 = 180,000 เยนต่อปี
ฝั่งคน เพื่อใช้อธิบายเท่านั้น ลองตั้งสมมติฐานดังนี้
| กรณี | ชั่วโมงทำงานรวมของคน | ค่าแรงต่อชั่วโมง (สมมติ) | ค่าแรงที่คำนวณอย่างง่าย (หน่วย 10000 เยน) |
|---|---|---|---|
| เล็ก | 200 ชั่วโมง | 5000 เยน | 100 (1,000,000 เยน) |
| กรณีกลาง | 400 ชั่วโมง | 7000 เยน | 280 (2,800,000 เยน) |
| หนัก | 600 ชั่วโมง | 10000 เยน | 600 (6,000,000 เยน) |
นี่ไม่ใช่ตารางที่บอกว่า "ราคาตลาดจริงต้องเป็นเท่านี้" เป็นเพียงเลขคณิตไว้เปรียบเทียบ
ถึงอย่างนั้น กรณีกลางก็คือ 400 ชั่วโมง × 7000 เยน = 2,800,000 เยน (280 หน่วยของ 10000) ใช้ AI เดือนละ 15,000 เยนทั้งปีเป็น 180,000 เยน ดังนั้น 2,800,000 เยนจึงเท่ากับค่าใช้จ่าย AI ประมาณ 15.6 ปี
พอเห็นแค่นี้ อาจอยากพูดว่า "งั้น AI ก็เท่ากับคนทำงาน 400 ชั่วโมงเหรอ" ไม่ใช่แบบนั้น
AI บางครั้งไม่มีสิทธิ์เข้าถึงสภาพแวดล้อมจริง ทำผิดซ้ำเดิมด้วยถ้อยคำอื่น หรือลืมเงื่อนไขตั้งต้นในงานยาว ๆ เรื่องภายในบริษัทที่คนดูแวบเดียวก็เข้าใจ AI อาจไม่เข้าใจถ้าไม่ได้เขียนไว้ในสัญญาหรือไฟล์
ถึงอย่างนั้น กับโค้ด งานเขียน การค้นคว้า การทดสอบ การรีวิวส่วนที่เปลี่ยน และการจัดระเบียบ ซึ่งเป็น งานใช้สมองที่คัดลอกง่าย ส่วนต่างราคานี้ส่งผลตรง ๆ
เราย้ายจากโลกของค่าแรง ไปสู่โลกของพลังประมวลผลและโควตาการใช้งาน เป็นการแปลงหน่วยที่ทำให้ฝ่ายบัญชีต้องกดเครื่องคิดเลขซ้ำสองรอบ
ทำไมถึงได้ผลเป็นพิเศษกับซอฟต์แวร์
โรงงานจริง ถ้าจะเพิ่มเป็นเก้าไลน์ ต้องมีเครื่องจักร พื้นที่ ไฟฟ้า การบำรุงรักษา และคน
ซอฟต์แวร์ไม่เหมือนกัน
เพิ่ม AI ตัวที่สอง ไม่ต้องซื้อโต๊ะ เพิ่มตัวที่สาม ไม่ต้องเช่าออฟฟิศ เพิ่มบทบาทควบคุมคุณภาพ ก็ไม่ต้องมีห้องอบรมพนักงานใหม่
สิ่งที่ต้องมีหลัก ๆ คือ
- แบ่งงาน
- กำหนดข้อมูลเข้าและออก
- กำหนดว่าฉบับไหนเป็นฉบับหลัก
- กำหนดกฎเมื่อเกิดความขัดแย้ง
- ทดสอบ
- รวมผลลัพธ์
นั่นคือ "การขยายองค์กร" กลายเป็น การออกแบบซอฟต์แวร์ ไปเกือบทั้งหมด
ยิ่งไปกว่านั้น AI ไม่ได้แค่เขียนบทความ แต่ยังเขียนโค้ดที่ตรวจบทความนั้นอัตโนมัติ สร้างขั้นตอนแปล ซ่อมกระบวนการเผยแพร่ และทำรายงานวัดผลได้ด้วย
ตรงนี้แหละที่เริ่มแปลก
โดยปกติ "คนที่ทำสินค้า" กับ "คนที่สร้างโรงงานทำสินค้า" เป็นต้นทุนคนละก้อน แต่กับ AI AI ที่ทำสินค้าเริ่มสร้างโรงงานสำหรับสินค้าชิ้นต่อไปด้วย
ตอนแรกนึกว่าจ่ายเงินเพื่อเขียนบทความ แต่รู้ตัวอีกที CI (การทดสอบอัตโนมัติทุกครั้งที่มีการแก้ไข) การควบคุมคุณภาพ การติดตั้ง และการวิเคราะห์ก็งอกขึ้นมาแล้ว เหมือนฉบับซอฟต์แวร์ของ "ซื้อขนมปังแล้วได้โรงงานขนมปังแถมมา"
แต่ 9 ทีมไม่เท่ากับคน 9 คน
ถ้าพูดแบบหยาบ ๆ เรื่องจะเพี้ยน
ทีม AI ขาดบางอย่างที่ผู้เชี่ยวชาญที่เป็นคนมี
เช่น
- ความรับผิดชอบในองค์กร
- ความรู้ที่อยู่ในหน้างาน (รู้แต่อธิบายยาก)
- การยืนยันตัวตนที่ทำได้เฉพาะเจ้าตัว
- งานทางกายภาพ
- ความสัมพันธ์ระหว่างบุคคลในระยะยาว
- อำนาจทางกฎหมายและสัญญาในโลกจริง
- สัญชาตญาณหน้างานที่รู้สึกว่า "เอ๊ะ มีอะไรแปลก ๆ"
สิ่งเหล่านี้ทดแทนทั้งก้อนไม่ได้
และเมื่อเพิ่ม AI เป็นเก้าตัว ความผิดพลาดก็เพิ่มเร็วขึ้นเก้าเท่าได้เหมือนกัน
ตัวที่อ่านสเปกเก่าก็ปลุกโค้ดเก่ากลับมา สองทีมสร้างฟีเจอร์เดียวกันแยกกัน ทุกคนบอกว่า "ส่วนของฉันผ่านแล้ว" แต่มีแค่ระบบจริงที่ล่ม
ไม่มีพนักงาน แต่การประสานงานระหว่างแผนกกลับเป็นระดับบริษัทใหญ่
ดังนั้นเวลาให้ AI ทำงานขนานกัน สิ่งที่สำคัญกว่าจำนวนคือ กลไกที่รักษาความสอดคล้อง
สิ่งสำคัญที่สุดคือ "ทีมประสานงาน"
เวลาใช้ AI หลายตัว สิ่งที่สำคัญที่สุดจริง ๆ ไม่ใช่ผู้ลงมือทำ แต่คือผู้ประสานงาน
ผู้ประสานงานทำสิ่งเหล่านี้
- อ่านสถานะล่าสุด
- ตัดสินว่าฉบับไหนเป็นฉบับหลัก
- แบ่งขอบเขตความรับผิดชอบของแต่ละตัว
- ป้องกันการทำฟีเจอร์เดียวกันซ้ำสองรอบ
- แยกเฉพาะตัวที่ล้มเหลวออกมา
- สุดท้ายรวมทุกอย่างให้อยู่ในสถานะระบบจริงเดียวกัน
ถ้าไม่มีผู้ประสานงาน AI จะไม่ใช่ "คนเก้าคนราคาถูก" แต่เป็น "คนเก้าคนในห้องเดียวกันที่ดูแบบแปลนคนละใบ"
ที่สำคัญเป็นพิเศษคือแนวคิด อ่านก่อน → ลอง → จัดหมวดสถานะ → แก้เฉพาะที่จำเป็น
ตรวจสอบฟีเจอร์ที่มีอยู่ แล้วแยกเป็น เสร็จสมบูรณ์ เสร็จบางส่วน พัง เก่า และยังไม่ได้ตรวจ แล้วแก้เฉพาะที่จำเป็น
ถ้าไม่ทำแบบนี้ AI จะด้วยความหวังดี 100% สร้างฟีเจอร์ที่มีอยู่แล้วซ้ำอีกชิ้น
การทำซ้ำด้วยความหวังดี มักกลายเป็นความไม่ดีในภายหลัง
โรงงานบทความทำให้เห็นการปฏิวัติต้นทุนนี้ได้ชัด
ถ้าแยกโรงงานบทความด้วยคนล้วน ๆ จะพบว่ามีสายอาชีพมากกว่าที่คิด
วางแผน เขียน บรรณาธิการ พิสูจน์อักษร แปล SEO (ทำให้เสิร์ชเอนจินหาเว็บของเราเจอง่าย) ลิงก์ภายใน เผยแพร่ พัฒนาเว็บ โครงสร้างพื้นฐาน โฆษณา วิเคราะห์ และควบคุมคุณภาพ
ถ้ามองแค่ค่าเขียนหนึ่งบทความ จะมองไม่เห็นเบื้องหลังเหล่านี้
กับ AI กลับตรงข้าม ด้วยความรู้สึกเรื่องราคาเท่ากับการเขียนบทความ เรายังแตะไปถึงกลไกเบื้องหลังได้ด้วย
ในเซสชันถัดจากที่เขียนเนื้อหาเสร็จ ก็ไปซ่อมตัวแปล อีกทีมซ่อมกระบวนการเผยแพร่ อีกทีมอ่านข้อมูลวิเคราะห์ ผู้ประสานงานเชื่อมทั้งหมดเข้าด้วยกัน
พอเป็นแบบนี้ คำอธิบายว่า "ให้ AI เขียนบทความ" ก็ไม่พออีกต่อไป
ความจริงใกล้เคียงกับ การเรียกแผนกต่าง ๆ ของธุรกิจดิจิทัลขนาดเล็กมาใช้เฉพาะเวลาที่ต้องการ
ในซอฟต์แวร์ทั่วไป หน่วยที่เล็กที่สุดของการเริ่มธุรกิจหรืองานเสริมก็เปลี่ยนไป
โครงสร้างนี้ไม่ได้ใช้แค่กับบทความ
เว็บเซอร์วิสขนาดเล็ก ระบบอัตโนมัติสำหรับงาน เครื่องมือภายใน การวิเคราะห์ข้อมูล ระบบวิจัย ต้นแบบ SaaS (ซอฟต์แวร์ที่ขายแบบสมัครสมาชิก) งานที่ผลลัพธ์จบอยู่ในโลกดิจิทัลเป็นหลัก ยิ่งได้ประโยชน์
เมื่อก่อนหลายอย่างหยุดอยู่ที่
"มีไอเดีย แต่ยังไม่ถึงขั้นต้องจ้างวิศวกร" "จะมีคนวิเคราะห์ประจำก็ไม่ไหว" "คิดถึงการดูแลระบบแล้ว คนเดียวคงไม่ไหว"
ตอนนี้กลายเป็นวิธีเริ่มแบบนี้ได้
"ให้ AI ทำก่อนด้วยสามบทบาท ถ้าพังก็เพิ่มเป็นห้า สุดท้ายค่อยตั้งผู้ประสานงาน"
นี่ไม่ใช่แค่ค่าพัฒนาถูกลง
จำนวนไอเดียที่ลองได้เพิ่มขึ้น
เมื่อราคาของความล้มเหลวหนึ่งครั้งลดลง ไอเดียเล็ก ๆ ที่เมื่อก่อนตายในที่ประชุมวางแผน ก็เอาไปทำเป็นของจริงได้
กับงานที่ยังไม่ถึงขั้นต้องจ้างคน ก็ตั้งแผนกรับผิดชอบดี ๆ ขึ้นมาได้
แผนกก็จริง แต่ไม่มีนามบัตร ไม่มีงานเลี้ยง มีแต่ผังองค์กรที่ดูยิ่งใหญ่
สรุป: ความถูกที่แท้จริงของ AI ไม่ใช่ "ราคาต่อหนึ่งคำตอบ" แต่คือ "ราคาที่ขยายองค์กรได้"
ถ้าดูแค่ค่ารายเดือน AI อาจรู้สึกแพง
แต่ถ้าเปลี่ยนสิ่งที่นำมาเทียบ จาก "เสิร์ชเอนจิน" หรือ "แอปเขียนข้อความ" เป็น องค์กรเล็ก ๆ ที่ทำงานใช้สมองหลายอย่างพร้อมกัน ภาพก็เปลี่ยนไป
แน่นอนว่า AI ไม่ใช่คนเก้าคน ความรับผิดชอบ สัญชาตญาณหน้างาน และอำนาจจริงต่างกัน
ถึงอย่างนั้น สำหรับงานที่เขียนออกมาเป็นซอฟต์แวร์ได้ สิ่งเหล่านี้ลดลงมาก
ต้นทุนการเพิ่มบทบาท ต้นทุนการเพิ่มจำนวนครั้งที่ลอง ต้นทุนการสร้างตัวโรงงานเอง
ดังนั้นสิ่งที่น่าตกใจไม่ใช่ "AI เขียนบทความได้"
แต่คือ ด้วยราคาประมาณค่า AI ที่เขียนบทความ ก็สร้างโรงงานบทความได้เลย
และในโลกซอฟต์แวร์ โรงงานนั้นยังสร้างโรงงานอื่นต่อได้อีก
พนักงาน 0 คน แต่แผนกเพิ่มขึ้น ออฟฟิศ 0 ตารางเมตร แต่งานขนานเพิ่มขึ้น สวัสดิการ 0 เยน แต่บริบท (ปริมาณข้อมูลที่ AI ต้องถือไว้พร้อมกัน) กินเยอะมาก
โครงสร้างต้นทุนของงานใช้สมองได้เข้าสู่ยุคที่ค่อนข้างแปลกแล้ว
