แต่คุณแบงค์ก็ย้ำเหมือนกันครับว่า การมี Agentic AI ไม่ได้แปลว่าทุกคนจะได้ผลลัพธ์ที่ดีโดยอัตโนมัติ เพราะสุดท้ายแล้วหัวใจสำคัญยังอยู่ที่การเข้าใจว่าเราต้องการแก้ปัญหาอะไร และรู้ว่า Use Case แบบไหนที่เหมาะกับธุรกิจหรือการทำงานของตัวเอง เพราะต่อให้มีเครื่องมือที่เก่งแค่ไหน ถ้าเราไม่รู้ว่าจะเอามันไปใช้ทำอะไร สุดท้ายแล้วสิ่งที่ได้ก็อาจไม่ตอบโจทย์อยู่ดีครับ
Agentic AI เมื่อ AI for Marketing ไม่ได้แค่ตอบ แต่เริ่มลงมือทำ
คุณแบงค์เล่าว่า จริง ๆ แล้ว AI ไม่ใช่เรื่องใหม่ครับ เพราะเทคโนโลยีที่อยู่เบื้องหลังอย่าง LLM มีมานานแล้ว แต่จุดเปลี่ยนสำคัญคือช่วงปี 2022 ที่ ChatGPT เปิดให้คนทั่วไปเข้าถึง Generative AI ได้ง่ายขึ้นครับ จากเดิมที่ AI อาจเป็นเรื่องของนักพัฒนาหรือคนสายเทคนิค ก็กลายเป็นเครื่องมือที่ใครก็สามารถพิมพ์คำสั่งแล้วรับผลลัพธ์กลับมาได้ทันที
หลังจากนั้น AI ก็เริ่มพัฒนาไปอีกขั้น จากเดิมที่ทำได้แค่ Text ก็เริ่มมี Multi Model ที่สร้างภาพ สร้างเสียง หรือทำงานกับข้อมูลได้หลากหลายมากขึ้นครับ แต่สิ่งที่คุณแบงค์มองว่าน่าสนใจที่สุดในวันนี้ คือการมาถึงของ Agentic AI ครับ
เพราะ Agentic AI ไม่ได้หยุดอยู่แค่การตอบคำถามหรือสร้างผลลัพธ์ตามที่เราสั่งอีกต่อไป แต่เริ่มช่วยคิด ช่วยวางแผน และช่วยลงมือทำงานบางอย่างแทนเราได้จริงมากขึ้น
แต่สิ่งที่คุณแบงค์ย้ำเหมือนกันคือ ต่อให้มี Agentic AI ที่เก่งขึ้นแค่ไหน สุดท้ายแล้วมันก็ยังต้องเริ่มจากการที่เรารู้ก่อนว่าอยากแก้ปัญหาอะไรครับ เพราะหัวใจสำคัญไม่ได้อยู่ที่เครื่องมือ แต่อยู่ที่การหา Use Case ให้เจอ ว่าเราต้องการให้ AI เข้ามาช่วยตรงไหน และช่วยเพื่ออะไรครับ
Example – คือการให้ตัวอย่างงานที่เราคิดว่าดี อาจเป็น 1-2 ชิ้น เพื่อให้ AI เห็นว่ามาตรฐานหรือสไตล์ที่เราต้องการเป็นแบบไหน
ผมว่าจุดนี้สำคัญครับ เพราะหลายครั้งเราอาจโทษว่า AI ทำงานได้ไม่ดี ทั้งที่จริง ๆ แล้วอาจเป็นที่เราที่ยังสั่งงานมันได้ไม่ชัดพอ หรือให้ข้อมูลไม่มากพอที่จะให้มันเข้าใจในสิ่งที่เราต้องการตั้งแต่แรกครับ
The Context Hierachy เมื่อ Context กลายเป็นหัวใจของ AI for Marketing
สิ่งที่ทำให้ AI ทำงานได้ดีขึ้นเรื่อย ๆ ไม่ได้มีแค่เรื่อง Prompt อย่างเดียวครับ แต่คือเรื่องของ Context หรือข้อมูลที่ช่วยให้ AI เข้าใจเรามากขึ้นต่างหาก คุณแบงค์อธิบายเพิ่มเติมว่า การทำให้ AI เข้าใจเราโดยสามารถแบ่งออกได้เป็นหลายระดับครับ
Session – เป็นระดับพื้นฐานที่สุด คือการพูดคุยใน Chat เดียวกัน AI จะจำสิ่งที่เราเพิ่งคุยกันก่อนหน้า และนำบริบทเหล่านั้นมาใช้ตอบคำถามต่อ ทำให้คำตอบมีความต่อเนื่องมากขึ้น
Custom AI – เป็นการสร้าง AI ขึ้นมาเฉพาะทาง เพื่อให้ตอบโจทย์งานบางอย่างโดยเฉพาะ เช่น การสร้าง AI สำหรับช่วยเขียนบทความในสไตล์ของตัวเอง การใส่ Brand Voice, Brand Guideline หรือข้อมูลที่จำเป็นเข้าไป เพื่อให้มันเข้าใจวิธีคิดและรูปแบบงานของเรามากขึ้น
RAG (Retrieval-Augmented Generation) – เป็นเหมือนการสร้างคลังความรู้ให้ AI ครับ ไม่ว่าจะเป็นเอกสาร คู่มือ หรือข้อมูลเฉพาะทางต่าง ๆ แล้วให้ AI ใช้ข้อมูลเหล่านั้นเป็นแหล่งอ้างอิงในการตอบคำถาม เช่น งานด้านการเงิน งานด้านสุขภาพ หรือข้อมูลภายในองค์กรที่ต้องการความแม่นยำสูง
MCP (Model Context Protocol) – เปรียบเสมือนสะพานเชื่อมระหว่าง AI กับเครื่องมือต่าง ๆ ที่เราใช้งานอยู่ครับ จากเดิมที่เราอาจต้องเปิด HubSpot, CRM, Google Drive, Gmail หรือ Canva แล้วเข้าไปดูข้อมูลด้วยตัวเอง แต่เมื่อมี MCP เราสามารถคุยกับ AI แล้วให้มันดึงข้อมูลจากเครื่องมือเหล่านั้นมาใช้งานได้โดยตรง เช่น ถามว่ามีดีลไหนค้างอยู่บ้าง ลูกค้าคนนี้อยู่ในขั้นตอนไหน หรือมีงานอะไรที่ต้องติดตามต่อ
ผมว่าจุดนี้น่าสนใจครับ เพราะมันทำให้ AI เริ่มไม่ใช่เครื่องมือที่รอรับคำสั่งหรือตอบคำถามเราอย่างเดียว แต่เริ่มเชื่อมต่อกับข้อมูล เครื่องมือ และเข้าถึงกระบวนการทำงานของเราได้มากขึ้นเรื่อย ๆ ครับซึ่งก็เป็นหนึ่งในเหตุผลที่ทำให้ Agentic AI เริ่มทำงานแทนคนได้มากกว่าที่เคยครับ
Choose Model like Weapon เลือก Model ให้เหมือนเลือกอาวุธ ไม่มี Model ที่ดีที่สุด เพราะมีแต่ Model ที่เหมาะที่สุด
อีกเรื่องที่คุณแบงค์ย้ำหลายครั้งคือ หลายคนมักถามว่า AI ตัวไหนดีที่สุดครับ แต่ในความเป็นจริงแล้วอาจไม่มี AI ตัวไหนที่ดีที่สุดสำหรับทุกงาน เหมือนกับการเลือกอาวุธที่ไม่มีอาวุธชิ้นไหนเหมาะกับทุกสถานการณ์ การเลือก Model ก็ควรคิดในลักษณะเดียวกันครับ คือเลือกให้เหมาะกับงานที่กำลังทำมากกว่าการพยายามหา Model ที่ดีที่สุดเพียงตัวเดียว
นอกจากนี้คุณแบงค์ยังพูดถึงแนวคิด Multiple Model ด้วยครับ เพราะในความเป็นจริงแล้วหลายงานอาจไม่ได้จบด้วย AI เพียงตัวเดียว บางคนใช้ Claude ช่วยคิด ใช้ ChatGPT ช่วยสร้างภาพ และใช้ Gemini ช่วยจัดการเอกสารในกระบวนการเดียวกัน
เพราะสุดท้ายแล้วโจทย์อาจไม่ใช่ว่า AI ตัวไหนเก่งที่สุด แต่คือเรารู้หรือไม่ว่า งานแบบนี้ควรใช้อาวุธชิ้นไหนมากกว่าครับ
Agentic AI Case Study เมื่อ AI เริ่มทำงานแทนคนได้จริง ๆ
คุณแบงค์ได้พาไปดู Use Case ที่ถูกนำไปใช้งานจริงครับ ซึ่งสิ่งที่น่าสนใจคือ หลายอย่างไม่ได้เป็นเรื่องของอนาคตอีกต่อไป แต่เริ่มถูกนำมาใช้ในงานของการตลาดจริง ๆ แล้ว โดยหนึ่งในสิ่งที่ทีม Content Shifu ทำคือการนำ Agentic AI เข้ามาช่วย Optimize การทำงานภายในของตัวเองก่อน แล้วค่อยขยายไปสู่การใช้งานด้านต่าง ๆ
Ads Optimization – หนึ่งในตัวอย่างที่คุณแบงค์ยกมาคือการเชื่อม Meta MCP เข้ากับ Claude เพื่อให้ AI เข้าไปอ่านข้อมูลโฆษณา วิเคราะห์แคมเปญ และบอกได้ว่าอะไรทำงานได้ดี อะไรควรปรับปรุง รวมถึงสามารถช่วยปรับ Budget หรือจัดการบางส่วนได้ผ่านการสั่งงานด้วยภาษาปกติ
แม้ว่า AI ทำสิ่งเหล่านี้ได้ เราก็ยังต้องมีความรู้ในเรื่องนั้นอยู่ดีเพราะถ้าเราไม่เข้าใจการทำโฆษณาเลย การปล่อยให้ AI Optimize ทุกอย่างเองก็อาจสร้างปัญหาได้เช่นกันครับ
SEO & GEO – อีก Use Case ที่ถูกพูดถึงคือการใช้ Agentic AI ช่วยงานด้าน SEO และ GEO จากเดิมที่ต้องใช้เวลาวิเคราะห์ข้อมูลจำนวนมาก วันนี้ AI สามารถเข้าไปดูข้อมูลจากเครื่องมืออย่าง Google Search Console และช่วยวางแผนหรือช่วย Execution บางส่วนได้เร็วกว่าเดิมมาก
Support – จากเดิมที่หลายธุรกิจต้องใช้คนจำนวนมากในการตอบคำถามลูกค้า วันนี้ AI เริ่มถูกนำมาใช้ตอบคำถามและดูแลลูกค้าได้จริงมากขึ้น ทำให้ลูกค้าสามารถคุยกับ AI ได้โดยตรงในหลายกรณี
โดยในบางกรณีสามารถเริ่มจากการใช้ Google Stitch ช่วยออกแบบหน้าตา แล้วส่งต่อไปให้ Claude Code ช่วยพัฒนาต่อได้ ทำให้การเปลี่ยนจากไอเดียไปสู่ต้นแบบเกิดขึ้นได้เร็วกว่าเดิมมาก
สิ่งที่ผมว่าค่อนข้างน่าสนใจคือ Use Case ทั้งหมดนี้ไม่ได้เกิดจากการที่ AI เก่งขึ้นอย่างเดียวครับ แต่เกิดจากการที่มันเริ่มเชื่อมต่อกับข้อมูล เครื่องมือ และกระบวนการทำงานจริงได้มากขึ้น จนจากเดิมที่ AI เป็นเพียงผู้ช่วยตอบคำถาม ก็เริ่มกลายเป็นผู้ช่วยทำงานได้จริงมากขึ้นเรื่อย ๆ ครับ
AI Make me Fool? AI ทำให้คนระดับกลาง ๆ หายไปจริงไหม
ปัจจุบันหลายคนเริ่มคิดว่า AI ทำได้ทุกอย่าง และเริ่มโยนงานหลายอย่างให้ AI ทำแทนทันที แต่ในความเป็นจริง AI อาจทำให้หลายอย่างง่ายขึ้น ไม่ได้แปลว่ามันทำได้ทุกอย่างครับ และถ้าเราใช้มันในเรื่องที่ตัวเองไม่เข้าใจ สุดท้ายผลลัพธ์ที่ออกมาก็อาจไม่ได้ดีอย่างที่คิดครับ
เพราะต่อให้ AI จะวิเคราะห์โฆษณา ทำ SEO หรือช่วยวางแผนบางอย่างได้ แต่ถ้าคนที่ใช้งานไม่มีความรู้พื้นฐานในเรื่องนั้น เราก็อาจไม่รู้ด้วยซ้ำว่าคำตอบที่ AI ให้มาถูกหรือผิด หรือกำลังพาเราไปผิดทางหรือเปล่า
โดยคุณแบงค์ยกตัวอย่างเคสที่ AI ถูกปล่อยให้ทำงานแทนทุกอย่างโดยไม่มีการควบคุม จนสุดท้ายมันลบฐานข้อมูลสำคัญออกไป ซึ่งแม้ AI จะยอมรับผิด แต่ความเสียหายก็เกิดขึ้นไปแล้วครับ นั่นจึงเป็นเหตุผลว่าทำไมการใช้ Agentic AI ถึงยังต้องมี Guard Rail หรือขอบเขตและกติกาในการทำงานอยู่เสมอ เพราะยิ่ง AI เข้าถึงข้อมูล เครื่องมือ และกระบวนการทำงานได้มากขึ้นเท่าไร ผลกระทบจากความผิดพลาดก็ยิ่งมากขึ้นตามไปด้วย
สุดท้ายแล้ว AI อาจไม่ได้ทำให้คนเก่งขึ้นโดยอัตโนมัติ แต่กำลังขยายศักยภาพของสิ่งที่เรามีอยู่เดิมมากกว่าครับ ถ้าเรามีความรู้ มีประสบการณ์ และเข้าใจสิ่งที่กำลังทำอยู่ มันก็อาจช่วยให้เราไปได้ไกลกว่าเดิม แต่ถ้าเราไม่เข้าใจสิ่งนั้นตั้งแต่แรก AI ก็อาจพาเราลงเหวไปแทนครับ
เมื่อ AI ทำให้ทุกคนเก่งขึ้น สิ่งที่ทำให้เราแตกต่างอาจไม่ใช่ผลลัพธ์
อีกประเด็นหนึ่งคือ AI จะเก่งได้เท่ากับความเก่งของคนที่ใช้งานมันครับ เพราะต่อให้ AI ตอบได้เร็วหรือทำงานได้เก่งขึ้นแค่ไหน ถ้าเราไม่เข้าใจเรื่องนั้นเลย เราก็อาจไม่รู้ด้วยซ้ำว่าสิ่งที่มันตอบมาถูกหรือผิด
ในวันที่ทุกคนเข้าถึง AI ได้เหมือนกัน ความแตกต่างอาจไม่ได้อยู่ที่ว่าใครใช้ AI เป็น แต่คือใครยังพยายามเรียนรู้ เข้าใจกระบวนการ และสะสมความรู้ของตัวเองอยู่เรื่อย ๆ เพราะสุดท้ายแล้ว AI อาจช่วยให้เราไปได้เร็วขึ้น แต่คนที่เป็นคนกำหนดทิศทางก็ยังเป็นตัวเราเองครับ
บทสรุป AI Marketing Trend 2026 จาก Session Agentic AI in Marketing 2026 สร้างสมองทำเงิน ส่งสมุนทำงาน
Agentic AI อาจไม่ได้เป็นแค่เครื่องมือใหม่ที่ทำให้งานเร็วขึ้นหรือถูกลงเท่านั้นครับ แต่กำลังทำให้วิธีคิดเรื่องการทำงานของนักการตลาดเปลี่ยนไปด้วย เพราะในวันที่ AI เริ่มช่วยคิด ช่วยทำ และเชื่อมต่อกับเครื่องมือต่าง ๆ ได้มากขึ้น คำถามสำคัญอาจไม่ใช่แค่ว่าเราจะใช้ AI ตัวไหน แต่คือเรารู้หรือยังว่าอยากให้มันช่วยแก้ปัญหาอะไร
สุดท้ายแล้ว AI อาจทำให้หลายอย่างง่ายขึ้นก็จริง แต่ไม่ได้แปลว่ามันทำแทนเราได้ทุกอย่างครับ คนที่ยังสำคัญคือคนที่เข้าใจโจทย์ เข้าใจเครื่องมือ และรู้ว่าจะวาง Guard Rail ยังไง เพื่อให้ AI ไม่ได้แค่ทำงานแทนเรา แต่ทำ
