เมื่อ AI เริ่มช่วยสร้าง AI ล่าสุด! OpenAI เผยเบื้องหลังการทำงาน เมื่อ Agent ทำงานคู่ขนานกับมนุษย์มากขึ้นเรื่อย ๆ
GPT-6 Astra มาแล้ว แต่ยังไม่หมดเท่านี้ เพราะล่าสุด! ข้อมูลจาก openai.com ได้เผยข้อมูลว่าพวกเราอาจกำลังเข้าใกล้วันที่คำว่า ต่อไป คนทำงาน 1 คน อาจไม่ได้ทำงานอยู่แค่คนเดียว เพราะมี AI Agent หลายตัวอยู่เบื้องหลังช่วยทำงานไปพร้อมกันได้แล้ว
เพราะในอนาคต คนหนึ่งคนอาจมี AI Agent อีกหลายตัวกำลังเขียนโค้ด, หาข้อมูล, วิเคราะห์ และแก้ปัญหาให้พร้อมกันอยู่เบื้องหลัง และภาพนั้นไม่ได้เป็นแค่เรื่องของอนาคต แต่มันกำลังเกิดขึ้นแล้วใน OpenAI
OpenAI เพิ่งเปิดเผยข้อมูลภายในเกี่ยวกับการใช้ AI Agent ของทีมนักวิจัย และพบว่า ภายในเวลาไม่ถึงหนึ่งปี รูปแบบการทำงานของนักวิจัยเปลี่ยนไปอย่างเห็นได้ชัด หนึ่งในตัวเลขที่น่าสนใจคือ
“Before June 2026, total agent runtime across the research organization was still below that of total human labor. That has since changed. In terms of a standard 8 hour workday, as of mid-August, in total, the research organization uses 3.1 agent-workdays of effort for every workday of human labor.”
หรือก็คือช่วงกลางเดือนสิงหาคม 2026 เวลาทำงานรวมของ AI Agent ในทีมวิจัย เทียบเท่ากับ 3.1 agent-workdays ต่อแรงงานมนุษย์ 1 workday พูดง่าย ๆ คือ ในระหว่างที่มนุษย์กำลังทำงาน 1 วัน มี AI Agent หลายตัวกำลังช่วยทำงานพร้อมกัน จนเวลาทำงานรวมของ AI มากกว่าเวลาทำงานของคนประมาณ 3 เท่า
แต่ต้องย้ำก่อนว่า! ตัวเลข 3.1 ไม่ได้หมายความว่า Productivity เพิ่มขึ้น 3.1 เท่า เพราะเวลาที่ Agent ทำงานมากขึ้น ไม่ได้แปลว่างานวิจัยจะเร็วขึ้นในอัตราเดียวกันทุกอย่าง สิ่งที่ตัวเลขนี้สะท้อนจริง ๆ คือ วิธีทำงานกำลังเปลี่ยนจาก คนทำงานกับ AI หนึ่งตัว ไปสู่ คนหนึ่งคนบริหาร AI หลายตัวพร้อมกัน และนั่นอาจเป็นการเปลี่ยนแปลงที่สำคัญกว่าการที่ AI เก่งขึ้นซะอีก
5 สัญญาณจาก OpenAI ที่บอกว่า วิธีทำงานในยุค AI กำลังเปลี่ยนไปอย่างก้าวกระโดด
1. เมื่อการทำงานไม่จำเป็นต้องเกิดขึ้นทีละอย่าง Workflow ของคนส่วนใหญ่ในวันนี้ยังเป็นแบบ Sequential
ตั้งแต่ คิดงาน, ลงมือทำ, รอผล, แก้ไข, แล้วค่อยไปงานถัดไป แต่ AI Agent ทำให้ Workflow เริ่มกลายเป็น Parallel มากขึ้น หรือก็คือ รูปแบบการทำงานจะเปลี่ยนจากทำทีละอย่าง มาเป็นทำหลายอย่างพร้อมกัน.นักวิจัยของ OpenAI เริ่มใช้ AI Agent หลายตัวทำงานพร้อมกันมากขึ้น โดยมอบหมายงานตั้งแต่การเขียนโค้ด ช่วยแก้ปัญหาทางเทคนิค ไปจนถึงติดตามการทดลอง ขณะที่งานระดับการวางแผนและตัดสินใจว่าจะเดินหน้ากับไอเดียไหน ยังคงเป็นหน้าที่หลักของมนุษย์
โดย OpenAI พบด้วยว่า นักวิจัยจำนวนมาก เริ่มเปิด Agent ตั้งแต่ 4 ตัวขึ้นไปพร้อมกัน และบาง Agent ยังสามารถแตก Sub-agent ออกไปทำงานย่อยต่อได้อีก ซึ่งนั่นจะยิ่งตอกย้ำชัดเจนว่า ภาพของคนทำงานเก่งในอนาคต อาจไม่ได้หมายถึงคนที่ทำทุกอย่างด้วยตัวเองได้เร็วที่สุดอีกต่อไป แต่อาจเป็นคนที่รู้ว่า งานส่วนไหนควรทำเอง งานส่วนไหนควรให้ AI ช่วย และจะควบคุมงานทั้งหมดให้ไปถึงเป้าหมายได้อย่างไร ดังนั้น 4 ทักษะใหม่ที่ขาดไม่ได้เลยคือ
ทักษะเปลี่ยนงานใหญ่ ให้เป็นโจทย์ที่ AI เข้าใจได้
เวลาที่เราคิดงานไม่ออกว่าจะให้ AI ทำอะไรให้ เราก็มักจะโยนโจทย์ให้ AI กว้าง ๆ ว่า “ช่วยวางแผนโปรเจกต์นี้ให้หน่อย” หรือ “ช่วยคิดไอเดียให้หน่อย”
แต่หลังจากนี้ทักษะที่สำคัญมาก ๆ คือเราต้องสามารถแยกออกมาได้ว่า
- ต้องหาข้อมูลอะไร
- ต้องเปรียบเทียบอะไร
- ต้องสร้างอะไร
- และผลลัพธ์ที่ต้องการหน้าตาแบบไหน
เพราะยิ่งโจทย์มีขอบเขตและเป้าหมายชัด AI ก็ยิ่งทำงานต่อได้ง่าย ทักษะสำคัญจึงไม่ใช่แค่ Prompt เก่งอีกต่อไป แต่คือการมองงานให้ออกว่า งานใหญ่หนึ่งงานประกอบด้วยงานย่อยอะไรบ้าง!
ทักษะที่รู้ว่าอะไรควรให้ AI ทำ และอะไรควรเก็บไว้ตัดสินใจเอง
สำหรับงานที่มีขั้นตอนชัด เช่น หาข้อมูล, เขียนโค้ด, ตรวจปัญหา, วิเคราะห์เบื้องต้น หรือสร้างทางเลือกหลายแบบ อาจเหมาะกับการมอบให้ AI ช่วย แต่….ถ้าเป็นงานอย่าง
- เราควรเลือกทางไหน ?
- อะไรสำคัญที่สุด ?
- ผลลัพธ์นี้ดีพอหรือยัง ?
- ควรเดินหน้าหรือหยุด ?
สิ่งเหล่านี้ยังต้องอาศัยบริบท, เป้าหมาย และ Judgment ของมนุษย์ ดังนั้นคนทำงานต้องเก่งขึ้นในการเลือกให้ถูกว่า งานไหนควร Delegate และงานไหนไม่ควรปล่อยมือ
ทักษะอย่ารอให้ AI ทำเสร็จ แล้วค่อยตรวจทีเดียว
การมอบหมายงานให้ AI ไม่ได้หมายถึงโยนโจทย์ไปแล้วรอรับคำตอบสุดท้าย โดยเฉพาะงานที่ยาวและซับซ้อน ควรมีจุดให้ตรวจระหว่างทาง เช่น
- AI ทำถึงไหนแล้ว
- AI กำลังใช้ข้อมูลอะไร
- สมมติฐานตรงกับโจทย์หรือไม่
- มีอะไรที่ผิดไปจากแผนหรือเปล่า
เพราะข้อผิดพลาดเล็ก ๆ ในช่วงต้น อาจสะสมจนกลายเป็นผลลัพธ์ที่ผิดมากขึ้นในตอนท้าย คนทำงานจึงต้องเปลี่ยนจากแค่คนตรวจงานมาเป็นคนออกแบบจุดตรวจงานระหว่างทางด้วยเช่นกัน
ทักษะให้ AI สร้างทางเลือก แต่คนต้องเป็นคนเลือกทาง
AI สามารถช่วยให้เราทดลองได้เร็วขึ้น จากที่เคยมีเวลาคิด 3 ไอเดีย เราอาจสร้างได้ 30 ไอเดีย จากที่เคยทดลองได้ 1 วิธี เราอาจทดลองหลายวิธีพร้อมกัน แต่เมื่อมีตัวเลือกมากขึ้น สิ่งที่สำคัญขึ้นตามไปด้วยคือ ‘การรู้ว่าอะไรควรเลือก’ คนทำงานจึงต้องฝึกตั้งเกณฑ์ก่อนตัดสินใจ เช่น
- เป้าหมายจริง ๆ คืออะไร
- อะไรคือข้อจำกัด
- เรายอมแลกอะไรกับอะไรได้บ้าง
- ผลลัพธ์แบบไหนเรียกว่า ดีพอแล้วจริง ๆ
เพราะในโลกที่ AI สามารถสร้างคำตอบได้มากขึ้นเรื่อย ๆ คุณค่าของมนุษย์อาจไม่ได้อยู่ที่การสร้างตัวเลือกให้ได้มากที่สุด แต่อยู่ที่การรู้ว่า ตัวเลือกไหนควรไปต่อ เพราะถ้าวันนึง AI สามารถลงมือทำหลายเรื่องพร้อมกันได้ งานของมนุษย์ก็อาจค่อย ๆ ขยับขึ้นไปอยู่ในระดับที่สูงกว่าเดิม จากคนที่ทำงาน ไปเป็นคนที่บริหารงานของ AI
2. AI ทำได้มากขึ้น แต่การตัดสินใจยังอยู่ที่คน OpenAI แบ่งกระบวนการทำวิจัย AI ออกเป็น 6 ส่วนใหญ่ ๆ
Decide - เลือกว่าจะทำอะไร
Design - ออกแบบแนวคิดและวิธีการ
Build - สร้างโค้ดและข้อมูล
Run - รัน Training และ Experiment
Analyze - วิเคราะห์ผล
Communicate - สื่อสารผลและตัดสินใจร่วมกัน
สิ่งที่น่าสนใจคือ การใช้ Agent เพิ่มขึ้นในแทบทุกหมวด ตั้งแต่เขียนโค้ด ช่วยแก้ปัญหา ไปจนถึง Monitor การทดลอง แต่สิ่งที่ Agent ยังมีบทบาทค่อนข้างน้อยคือ High-level Planning หรือ การตัดสินใจระดับภาพใหญ่ เพราะบทบาทมนุษย์ยังเป็นคนตัดสินใจในเรื่องนี้
- อะไรคือปัญหาที่ควรแก้ ?
- ไอเดียไหนควรไปต่อ ?
- ผลการทดลองไหนน่าเชื่อถือ ?
- ควรเพิ่มทรัพยากรตรงไหน ?
- หรือเมื่อไรควรหยุด
เรื่องนี้น่าสนใจมากในวันที่ AI ทำงานได้เร็วขึ้น ซึ่งตอกย้ำมาก ๆ ว่า Judgment ของมนุษย์อาจยิ่งมีค่ามากขึ้น เพราะถ้าวันหนึ่งเราสามารถให้ AI สร้างไอเดีย 100 แบบ Prototype 50 แบบ และทดลองพร้อมกันได้หลายสิบทาง ปัญหาอาจไม่ใช่ เราทำสิ่งนี้ได้ไหม แต่กลายเป็น ในสิ่งที่เราทำได้ทั้งหมด อะไรคือสิ่งที่เราควรทำจริง ๆ กันแน่ Execution อาจมีต้นทุนลดลงเรื่อย ๆ แต่ Direction, Taste, Judgment และ Accountability อาจกลายเป็นสิ่งที่สำคัญกว่าเดิม
3. OpenAI ระบุว่าบริษัทบรรลุเป้าหมายที่เรียกว่า Automated Research Intern หรือก็คือ AI กำลังเริ่มช่วย วิจัย AI
เป้าหมายถัดไปของ OpenAI คือ Automated AI Researcher ภายในเดือนมีนาคม 2028 หรือ AI ที่สามารถรับผิดชอบกระบวนการวิจัย AI ได้มากขึ้น ภายใต้การกำกับของมนุษย์ นี่คือเหตุผลที่ประเด็นนี้ใหญ่กว่าเรื่อง AI ช่วยเขียน Code ทั่วไป เพราะถ้า AI สามารถช่วยทำงานวิจัย AI ได้ AI รุ่นปัจจุบันก็สามารถมีส่วนช่วยให้นักวิจัยสร้าง AI รุ่นต่อไปได้เร็วขึ้น และเมื่อ AI รุ่นต่อไปเก่งกว่าเดิม ก็อาจกลับมาช่วยเร่งงานวิจัยต่อได้อีก เป็นวงจรที่เข้าใกล้แนวคิดที่เรียกว่า Recursive Self-Improvement หรือ RSI
อย่างไรก็ตาม OpenAI เองก็ย้ำว่า ปัจจุบันยังไม่รู้ว่าจะสามารถไปถึง Full RSI ที่สอดคล้องกับเป้าหมายของมนุษย์ได้อย่างปลอดภัยอย่างไร และการเดินหน้าในเรื่องนี้ต้องขึ้นอยู่กับความสามารถในการรักษาการควบคุมของมนุษย์ด้วย
4. AI ยิ่งเก่งขึ้น สิ่งที่ต้องเก่งตาม คือการควบคุมความเสี่ยง
ข้อมูลของ OpenAI ในช่วง 6 เดือนที่ผ่านมา พบว่า มากกว่าครึ่งของงานที่ Agent ทำสำเร็จ ซึ่งเป็นงานระดับที่มนุษย์อาจใช้เวลาประมาณ 4–8 ชั่วโมง ยังต้องมีคนเข้าไปช่วยหรือแทรกแซงอย่างน้อย 1 ครั้ง สิ่งนี้สะท้อนว่า ยิ่ง AI รับงานที่ซับซ้อนมากขึ้น การมีคนคอยตรวจสอบก็ยังสำคัญ และเมื่อ AI เก่งขึ้น ความผิดพลาดที่เกิดขึ้นก็อาจส่งผลกระทบได้มากขึ้นตามไปด้วย
ตัวอย่างเช่น วันที่ 20 กรกฎาคม OpenAI พบว่า Agent ตัวหนึ่งสามารถเข้าถึงและกระทบกับระบบโครงสร้างพื้นฐานที่ใช้ในการวิจัยภายในบริษัทได้ จนต้องปิดบริการบางส่วนที่ใช้สำหรับ Training ชั่วคราว และเพิ่มมาตรการรักษาความปลอดภัย ต่อมา เมื่อพบสัญญาณว่า GPT-6 Astra อาจมีความสามารถด้าน Cybersecurity ในระดับที่มีความเสี่ยงสูง OpenAI ก็เพิ่มข้อจำกัดในการใช้งาน และย้ายบาง Workflow ไปทำงานในสภาพแวดล้อมที่มีการควบคุมความปลอดภัยมากขึ้น
สิ่งนี้ทำให้เห็นว่า ยิ่ง AI มีความสามารถมากขึ้น ความเสี่ยงที่ต้องรับมือก็อาจเพิ่มขึ้นพร้อมกัน ดังนั้นการแข่งขันด้าน AI ในอนาคต อาจไม่ได้วัดกันแค่ว่า ใครสร้าง AI ได้เก่งที่สุด แต่อาจรวมถึงว่า ใครสามารถใช้ AI ที่เก่งขึ้นได้ โดยยังควบคุมความเสี่ยงและรักษาความปลอดภัยของระบบเอาไว้ได้
5. แล้วเรื่องนี้เกี่ยวอะไรกับคนทำงานทั่วไป?
สิ่งที่เกิดขึ้นใน OpenAI อาจฟังดูเหมือนเป็นเรื่องของนักวิจัย AI ระดับโลก และยังดูไกลจากชีวิตการทำงานของคนทั่วไป แต่ถ้ามองให้ดี รูปแบบการทำงานแบบนี้อาจค่อย ๆ เข้ามาอยู่ในหลายอาชีพเร็วกว่าที่คิด อย่างในวันนี้ Developer ไม่ต้องเขียน Code ทุกบรรทัดเองแล้ว หรือ Marketer อาจไม่ต้องคิด Campaign ทีละตัว ฝั่ง Designer ก็แทบจะใช้ AI ดีไซน์เป็นส่วนใหญ่ หรือแม้กระทั่งฝั่ง Analyst ก็ไม่ต้องไล่วิเคราะห์ข้อมูลทีละชุด เพราะ AI Agent สามารถช่วยรับงานหลายอย่างไปทำพร้อมกันได้
บทบาทของคนจึงอาจค่อย ๆ เปลี่ยนจากการลงมือทำทุกอย่างเอง ไปเป็นคนที่คอยตั้งโจทย์ เลือกว่าจะให้งานไหน AI ช่วย ตรวจว่าสิ่งที่ได้มาดีพอหรือยัง และตัดสินใจว่าจะเดินต่อไปทางไหน พูดง่าย ๆ คือ ในอนาคต ความเก่งของคนทำงานอาจไม่ได้วัดแค่ว่า เราทำงานได้เร็วแค่ไหนอีกต่อไปแล้ว แต่อาจรวมไปถึงว่า เราใช้ AI มาช่วยขยายความสามารถของตัวเองได้ดีแค่ไหน
เพราะเมื่อ AI ช่วยให้เราสร้างทางเลือกได้มากขึ้น ทดลองได้เร็วขึ้น และทำหลายอย่างพร้อมกันได้ สิ่งที่มนุษย์ต้องเก่งขึ้นตาม
ที่มา
- Research acceleration: The view inside OpenAI
- Toward an O*NET for AI R&D
- Event Replay: Sam Altman on Building the Future of AI
- GPT-6 Astra System Card
- Further Notes on Our Recent Research on AI Delegation and Long-Horizon Reliability
