1. ไม่ใช่ Doc แต่คือ Dot และมันใกล้เคียง “ผู้รับผิดชอบงาน” มากกว่าหน้าต่างแชต
ชื่อฟังผิดได้ง่าย ไม่ใช่ Doc แต่คือ Dot
ChatGPT แบบปกติมักเป็นวงจร ขอให้ทำ → คิด → ตอบ → จบรอบ แต่ Dot ถูกออกแบบต่างออกไป OpenAI อธิบาย Dots ว่าเป็น always-on agents ที่ขับเคลื่อนด้วย GPT-6 Astra มีคอมพิวเตอร์บนคลาวด์และเบราว์เซอร์ของตัวเอง ใช้แอปที่เชื่อมต่อไว้ และเดินหน้าตามเป้าหมายระยะยาวได้ต่อเนื่อง
ดังนั้นมันจึงเหมือน “คนที่รับผิดชอบเรื่องนี้อยู่” มากกว่า “AI ที่ตอบคำถาม”
AI ได้ย้ายจากช่องแชตไปอยู่ในตารางผู้รับผิดชอบแล้ว
2. “ทำงาน 24/7” ไม่ได้หมายถึงลูปไม่สิ้นสุด แต่หมายถึงความรับผิดชอบไม่หายไปเมื่อบทสนทนาจบ
ต้องแยกให้ชัด ตัวแทนที่พร้อมทำงานตลอดเวลาไม่ใช่ VPS ฟรีที่เผา CPU ทุกวินาทีไปตลอดกาล
คุณค่าจริงคือความต่อเนื่อง Dot สามารถถือความรับผิดชอบไว้หลังจบบทสนทนา ทำการค้นคว้าเบื้องหลัง ตรวจสอบเป็นระยะ อ่านข้อมูลจากแหล่งที่เชื่อมต่อ และทำงานตามตารางต่อได้แม้ไม่มีข้อความใหม่ OpenAI เรียกการค้นหาข้อมูลที่อาจมีประโยชน์เบื้องหลังว่า proactive research
รูปแบบเดิมคือมนุษย์ต้องนึกถึงงาน เปิด AI ใหม่ ฟื้นบริบท แล้วสั่งอีกครั้ง แต่กับ Dot ผู้รับผิดชอบยังถือเรื่องนั้นอยู่
ฟังดูเล็กน้อย จนเรานึกได้ว่าคนเสียเวลาไปกับคำถามว่า “ครั้งก่อนทำถึงไหนแล้วนะ” มากแค่ไหน
3. เริ่มตั้งค่าจากเดสก์ท็อป แล้วจึงพา Dot ไปอยู่บนมือถือได้
Dot ตัวแรกสร้างจากแอป ChatGPT บนเดสก์ท็อปหรือเว็บบนคอมพิวเตอร์ คุณตั้งชื่อ กำหนดเป้าหมาย เชื่อมต่อแอปที่ต้องใช้ และระบุว่างานใดทำเองได้
หลังตั้งค่าแล้ว สามารถคุยกับมันผ่านแอปมือถือได้ เปรียบเหมือนแจ้งเกิดที่คอมพิวเตอร์ แล้วค่อยพาผู้ช่วยใส่กระเป๋าไปด้วย
หน้าโปรไฟล์ของ Dot แสดงงานที่กำลังทำ งานที่ตั้งเวลาไว้ และงานที่เสร็จแล้ว รวมถึงจัดการความถี่และการแจ้งเตือนได้ การเข้าถึงคอมพิวเตอร์ส่วนตัวเป็นตัวเลือก โดยปกติ Dot มีคอมพิวเตอร์คลาวด์ของตัวเองอยู่แล้ว
ดังนั้นไม่จำเป็นต้องเปิด PC ที่บ้านทิ้งไว้ทั้งคืนเพื่อให้ Dot ทำงานต่อ
4. เงื่อนไขการใช้งานใจกว้างมาก แต่ไม่ได้มีคำว่า “ฟรีไม่จำกัดตลอดกาล”
ช่วงเปิดตัว Dot ตัวแรกถูกรวมมาโดยไม่มีค่าใช้จ่ายเพิ่มสำหรับผู้ใช้ Pro และ Business Premium ที่เข้าเกณฑ์ ส่วนตระกูล Enterprise เริ่มจากเบต้าที่ผู้ดูแลระบบต้องเปิดใช้งาน
OpenAI ระบุว่าการสนทนากับ Dot ไม่ถูกนับรวมในโควตา ChatGPT ปกติ แผนยังมี allowance สำหรับงานที่ลึกขึ้น และเพิ่มขีดจำกัดในเดือนแรกหลังเปิดตัว Release notes ยังระบุว่าช่วงเดือนแรก การใช้งาน Dots ของผู้ใช้ที่เข้าเกณฑ์จะไม่ถูกนับใน allowance ปกติของแผน
ผู้ใช้ช่วงแรกบางรายเล่าว่าปล่อยงานสร้างสรรค์หนัก ๆ ทำทั้งคืน แต่ตัวเลขการใช้งานปกติแทบไม่ลด ซึ่งสอดคล้องกับเงื่อนไขเปิดตัว แต่ไม่ได้พิสูจน์ว่าเราได้ฟาร์มคอมพิวต์ฟรีแบบไม่จำกัดตลอดไป
และถ้า Dot สร้างหรือจัดการงานใน Codex หรือ ChatGPT Work งานนั้นจะใช้โควตาของ Codex หรือ Work ตามปกติ
ไม่ใช่บุฟเฟต์ไม่อั้น แต่ของเรียกน้ำย่อยให้เยอะจนชวนสงสัย
5. กรณีใช้งานที่เด่นที่สุดอาจเป็น “ผู้ช่วยของงานอัตโนมัติแบบประจำ”
Scheduled Tasks เก่งเรื่องเริ่มงานตรงเวลา แต่ระบบอัตโนมัติในโลกจริงมักพังตรงส่วนที่ยากกว่า นั่นคือทำให้จบ
API สะดุด สิทธิ์ไม่พอ ขั้นตอนหนึ่ง timeout งานย่อยเพียงรายการเดียวล้มเหลว log ถูกเขียน blocker ถูกจัดหมวด และ next action ถูกบันทึกแล้ว
จากนั้นไม่มีใครทำ next action
นี่คือคลาสสิกของระบบอัตโนมัติ
Dot เข้ามาเติมช่องนี้ได้พอดี
Scheduled Task เริ่มกะ ส่วน Dot ยังถือความรับผิดชอบต่อผลลัพธ์
ถ้า run จบเป็น PARTIAL, BLOCKED, HOLD หรือ FAILED Dot สามารถอ่านสถานะล่าสุดใหม่ เริ่มจาก checkpoint ที่ยืนยันแล้ว ทำงานอิสระที่ยังปลอดภัยต่อ ซ่อมสาเหตุ และติดตามจนถึงเงื่อนไขเสร็จจริง
ระบบจึงเปลี่ยนจาก “แจ้งเมื่อพัง” เป็น “ยังมีคนรับผิดชอบต่อหลังมันพัง”
6. มอง Dot, Scheduled Task และ Codex เป็นหัวหน้างาน นาฬิกา และทีมซ่อมจะเข้าใจง่าย
โมเดลสามชั้นช่วยให้ชัดเจน
Scheduled Task คือนาฬิกา เริ่มงานเมื่อถึงเวลาหรือเงื่อนไขที่เหมาะสม
Dot คือหัวหน้างาน รักษาสถานะข้ามหลาย run หาเรื่องที่ยังไม่จบ ตัดสินขั้นต่อไป หลีกเลี่ยงการ retry แบบตาบอด และผลักงานจนถึงผลลัพธ์ปลายทาง
Codex คือทีมซ่อม เรียกเมื่อจำเป็นต้องแก้โค้ดจริง ทดสอบ refactor หรือทำ implementation ที่ซับซ้อน
กฎสำคัญคือ “สร้างงาน Codex แล้ว” ไม่เท่ากับ “เสร็จแล้ว”
เริ่ม Codex → ได้ patch → ตรวจ diff → รันทดสอบ → นำไปใช้ → รันระบบใหม่ → ตรวจผลจริง
ถึงตรงนี้จึงปิดลูปได้
หัวหน้างานกลับบ้านไม่ได้เพียงเพราะโทรหาช่างแล้ว
7. การจัดการความล้มเหลวต้องเป็นวงจรปิด ไม่ใช่เครื่องผลิตรายงาน
ส่วนสำคัญที่สุดของคำสั่ง Dot คือเงื่อนไขหยุด
คำสั่งอ่อนคือ “ถ้าล้มเหลวให้บอกฉัน” แบบนี้จะได้กล้องวงจรปิดราคาแพง
คำสั่งแข็งคือ “ถ้าล้มเหลว ให้ดูสถานะปัจจุบัน หาสาเหตุ ทำการแก้ที่เล็กและปลอดภัยที่สุด ตรวจสอบอีกครั้ง และเดินหน้าต่อถ้ายังมีงานที่ทำได้ หากต้องแก้โค้ด ให้มอบหมายกับตัวแทนเขียนโปรแกรม รับผลกลับมาแล้วตรวจอีกครั้ง หากรอบนี้จบไม่ได้ ให้บันทึก checkpoint และ next action ที่แม่นยำ เพื่อให้รอบหน้าต่อจากตรงนั้น”
ถ้าความล้มเหลวเดิมเกิดซ้ำ ต้องกลับไปตรวจ Scheduled Task ต้นทางด้วย ทั้ง prompt เงื่อนไขหยุด แหล่งอ้างอิง สมมติฐาน และเกณฑ์คำว่าเสร็จ
“จำแนกสาเหตุรากแล้ว” ในหน้างานก็เหมือนพูดว่า “ตอนนี้รู้แล้วว่าไฟประเภทไหน”
ดีมาก ต่อไปก็ดับไฟ
8. แต่ไม่จำเป็นต้องมอบกุญแจทั้งอาณาจักรให้ Dot
Dots มีการตั้งค่าสิทธิ์และ Custom Rules คุณกำหนดได้ว่างานใดทำอัตโนมัติ งานใดต้องอนุมัติล่วงหน้า งานใดต้องถามทุกครั้ง และงานใดต้องส่งกลับให้คนทำ
proactive research ก็ถูกจำกัดโดยตั้งใจ มันอ่านแหล่งข้อมูลที่ได้รับอนุญาตและบันทึกโน้ตส่วนตัวได้ แต่เครื่องมือวิจัยไม่สามารถส่งข้อความโดยตรง แก้เนื้อหาผ่าน plugin หรือควบคุมเบราว์เซอร์และคอมพิวเตอร์ได้ การกระทำจริงจะกลับเข้าสู่ขั้นตอนสิทธิ์ การอนุมัติ และการตรวจสอบความปลอดภัยปกติ
นี่ไม่ใช่แค่ข้อจำกัด ผู้ปฏิบัติงาน 24 ชั่วโมงไม่จำเป็นต้องมีใบอนุญาตทำลาย production 24 ชั่วโมงด้วย
หลักที่ดีคือ ดูได้กว้าง แต่สิทธิ์เปลี่ยนแปลงที่มีผลกระทบสูงควรแคบ
9. พอใช้จริง คำว่า “รู้ใจ” คือคำตอบถูกเตรียมไว้ก่อนที่เราจะถาม
เมื่อเริ่มใช้ Dot จริง จะเห็นบทบาทที่มีประโยชน์นอกเหนือจากการช่วย Scheduled Tasks นั่นคือรับงานตรวจสอบซ้ำ ๆ ที่เดิมมนุษย์ต้องจำแล้วคอยถามเองทุกครั้ง
ตัวอย่างเช่น Dot สามารถติดตามจำนวนการเข้าชม วาดกราฟแนวโน้มของบทความที่เริ่มโต แล้วไปต่ออีกขั้น ไม่ใช่แค่ตอบว่า “บทความไหนโต” แต่ช่วยดูว่า “บทความที่กำลังโตมีลักษณะร่วมอะไร” เช่น หัวข้อ ช่องทางเข้ามา ภาษา การเคลื่อนไหวหลังเผยแพร่ และการคลิกต่อภายในเว็บไซต์ ทำให้สิ่งเหล่านี้กลายเป็นการวิเคราะห์ต่อเนื่องแทนคำถามครั้งเดียว
งานดูแลระบบก็เช่นกัน ถ้ามีบางอย่างติดอยู่ที่ Cloudflare หรือ GitHub Dot สามารถตรวจสถานะ ลดขอบเขตของสาเหตุ แก้ไขอย่างปลอดภัยเมื่อได้รับอนุญาต แล้วติดตามต่อจนเสร็จจริง เราจึงไม่ต้องถามซ้ำว่า “ตอนนี้ติดตรงไหน” “ยอดเข้าชมเป็นยังไง” หรือ “บทความไหนเริ่มโต” พอเปิด Dot การสืบค้น กราฟ หรือการซ่อมอาจเดินหน้าไปแล้ว
นี่อาจเป็นความฉลาดแบบที่มีประโยชน์ที่สุด
และในการใช้งานจริง Dot ไม่ได้หยุดแค่ดูตัวเลข มันยังช่วยเดินหน้า build บน Cloudflare ตรวจสถานะของ GitHub และแก้ไขเมื่อจำเป็นได้ด้วย นั่นหมายความว่ามันไม่ใช่เพียงชั้นเฝ้าระวังที่พบปัญหาแล้วรายงาน แต่ถ้าได้รับอนุญาตก็สามารถลงมือทำงานจริงได้
ถึงจุดนี้คำว่า “รู้ใจ” ไม่ได้เป็นแค่คำชมเล่น ๆ อีกต่อไป ในเชิงปฏิบัติคือ ดู แก้ ตรวจสอบ แล้วเดินหน้าต่อ โดยไม่ต้องรอคำสั่งย่อยใหม่ทุกขั้น มันเริ่มให้ความรู้สึกจาก “เครื่องมือที่สะดวก” ไปเป็น “ผู้ปฏิบัติงานที่รับเรื่องนี้จริง ๆ”
ไม่ใช่ต้องไปหา AI เพื่อขอคำตอบทุกครั้ง แต่เหมือนไปดูโต๊ะของผู้รับผิดชอบแล้วพบว่ากราฟ การวิเคราะห์สาเหตุ และผลการซ่อมวางรออยู่แล้ว
คำว่า “AI รู้ใจ” ฟังดูนามธรรม แต่ในงานจริงชัดมาก: มันหยิบคำถามที่เดิมเราต้องคอยจำและถามซ้ำขึ้นมาจัดการให้ก่อน
ประโยชน์ด้าน productivity ที่ใหญ่ที่สุดอาจไม่ใช่ตอบเร็วขึ้น แต่คือทำให้มนุษย์ไม่ต้องคอยจำตลอดเวลาว่า “อันนี้ยังต้องเช็ก”
และในการใช้งานจริง Dot อาจไปไกลกว่าการสังเกต มันสามารถตามสถานะ build ของ Cloudflare ตรวจสิ่งที่เกิดขึ้นใน GitHub และลงมือแก้ไขจริงเมื่อสิทธิ์กับกฎความปลอดภัยอนุญาต พฤติกรรมจึงเริ่มเปลี่ยนจาก “เจอปัญหาแล้ว” เป็น “เจอแล้วจัดการให้แล้ว”
เมื่อถึงจุดนี้ มันไม่ใช่แค่ “น่าจะรู้ใจ” แต่คือ “รู้ใจจริง” มนุษย์ไม่ต้องวนดู dashboard, repository, build status และงานที่ค้างซ้ำ ๆ ทุกครั้ง
ความรู้สึกจึงเริ่มไม่เหมือน “สั่ง AI ให้ทำงาน” แต่เหมือน เข้าไปดูผลจากผู้ปฏิบัติงานที่เฝ้าระบบอยู่ก่อนแล้ว
10. สรุป: เวทมนตร์ไม่ได้อยู่ที่ “เปิดตลอด” แต่อยู่ที่ “รับผิดชอบต่อเนื่อง”
การเปลี่ยนแปลงสำคัญไม่ใช่แค่มีหน้าต่างแชตฉลาดเพิ่มอีกหนึ่งอัน
แต่คือ AI สามารถถือความรับผิดชอบหลังมนุษย์ออกไป ทำงานข้ามงานตั้งเวลาและแอปที่เชื่อมต่อ และต่อจากจุดที่ล้มเหลวครั้งก่อน โดยไม่บังคับให้มนุษย์เล่าเรื่องใหม่ตั้งแต่ต้น
ดังนั้น Dots เหมาะมากกับการเป็นผู้ดูแล workflow แบบประจำที่มักสะดุด ดู run เก็บงานค้าง เรียกผู้เชี่ยวชาญเฉพาะเมื่อจำเป็น แล้วตามต่อจนถึงเงื่อนไขเสร็จจริง
มันคือภูตช่างทำรองเท้าเวอร์ชัน AI
แต่ตอนเช้าอย่าดูแค่ว่ารองเท้าถูกทำเสร็จหรือยัง ต้องลองด้วยว่าใส่พอดีหรือเปล่า
ทำให้เสร็จ ไม่ใช่แค่รายงาน
