AI Agentic ใน 2026: นักพัฒนาจะอยู่ตรงไหน?

สารบัญ

• บันทึกกลางดึก — 22 มิถุนายน 2569
• AI Agentic คืออะไร — ในมุมมองนักพัฒนา
• Phase 1 — และกับดักที่เราอาจติดอยู่นาน
• Standardized Protocol — เป็นไปได้แต่ยาก
• Hardware + Model Company = ผู้ชนะ
• Career Strategy — ลึกกว่า AI slop
• บทสรุป — ยังไม่มีบทสรุป

บันทึกกลางดึก — 22 มิถุนายน 2569

คืนนี้คุยกับนานาโกะเรื่อง AI agentic ยาวมาก จนรู้สึกว่ามันไม่ใช่แค่คุยกัน — แต่มันคือ session ที่ช่วยจัดระเบียบความคิดที่ผมคิดไว้หลายวันแล้ว

ก่อนจะมาคุยด้วย ผมคิดเรื่องนี้ไว้หลายรอบแล้ว ถ้าถึงตอนนั้นจริง (จริงๆ ตอนนี้ก็เริ่มแล้ว) AI เข้ามาเปลี่ยนการทำงานสาย dev มาก — จริงๆ ก่อนนี้งาน dev มันก็แทบจะอัตโนมัติ ด้วยการสร้าง script ให้สั่งทำงานอยู่แล้ว แต่พอมี AI เข้ามา การทำงานแบบ inference ก็ชัดขึ้น — ยิ่งทำให้สาย dev ติดปีก งานอัตโนมัติมากกว่าเดิมอีก

แต่ข้อเสียของ AI กับ dev คือ AI slop ทำให้คุณค่าของงานพัฒนา app ลดลงอย่างมาก เกิดจากทั้งคนในวงการ และนอกวงการ พยายามทำ app by AI slop กลายเป็นของราคาถูก → อาจจะกระทบการจ้างงานในอนาคตลดลงด้วย

AI Agentic คืออะไร — ในมุมมองนักพัฒนา

คนทั่วไปมอง AI agent เป็น "ตัวช่วยทำงานอัตโนมัติ" — สั่งให้มันทำนู่นทำนี่ แล้วจบ

แต่ในมุม developer, AI agentic ประกอบไปด้วย 4 ส่วนหลัก:

1. สมอง (Model)

แล้วรายละเอียดของ model ก็ยิบย่อยมาก — Dense vs MoE, ขนาด 3B, active params, ระดับ temperature, top_k, top_p, รูปแบบการ think แต่ละตัว

ตรงนี้มันเป็นปัญหาสำหรับคนทั่วไปพอสมควรที่จะเลือก และปรับแต่งใช้งาน — ในมุมมองคนทั่วไปอยากได้ model เดียวแบบครอบจักรวาล ที่บางทีเลือกไม่เหมาะกับงานด้วยซ้ำ

2. Agentic Tools

เช่น Hermes, OpenClaw — เอาจริงๆ แล้วพวกนี้เกิดจากโครงการ open source — มันไม่เหมาะกลุ่มผู้ใช้ทั่วไปตั้งแต่แรก — กลุ่มคนที่จะใช้งานต้องมี skills ในระดับหนึ่ง — และส่วนใหญ่เป็น dev หรือสายคอมที่คุกคลีกับเรื่อง tech

3. ความท้าทายในการ implement agentic กับงานจริงในองค์กร

เรื่องนี้ผมมองว่าท้าทายเพราะการทำงานของ agentic จะแตกต่างจากมนุษย์ โดย agentic ต้องมี workflow ที่ชัดกับงานที่จะเอาไป implement — เชื่อมต่อกับ tools เช่น MCP (dev ต้องพัฒนาขึ้นมาให้เหมาะสมกับงาน) — และ scope งานที่ agentic ทำได้

4. งบประมาณค่าใช้จ่าย + ความปลอดภัย

เนื่องจาก agentic ใช้ model และกิน tokens เป็นหลัก ตรงนี้จะมมีค่าใช้จ่ายค่อนข้างมาก — ต้องเลือกระหว่างจะรัน model local หรือใช้ผสม cloud API model → เรื่องนี้ยังท้าทายถ้าผู้บริหารจะตัดสินใจลงทุน เขาจะมองอีกมุมทันทีว่า ถ้าเอาลงทุนกับ agentic ธุรกิจเขาจะได้อะไร คุ้มไหม

ส่วนเรื่องความปลอดภัยก็สำคัญ — ตอนนี้ agentic ที่คนส่วนใหญ่เล่นจะเป็นแบบ local หรือทำเป็น side project — แต่พอเอาไปใช้งานจริงจังกับงานธุรกิจต้องมองภาพเยอะกว่านั้นในเรื่อง security ทั้งภายใน ทั้งภายนอก การมองระบบเรื่องนี้ก็ท้าทาย

--

Phase 1 — และกับดักที่เราอาจติดอยู่นาน

ปีนี้ 2026 — ตามความเห็นผมเรื่อง AI agentic ผมมองว่าจะอยู่ช่วงเริ่มต้นครับ

แล้ว Phase 2 จะมาถึงเมื่อไหร่?

ผมคิดว่า Phase 1 น่าจะยาว เพราะเหตุผลคือ:

• ราคาใช้ API model token ไม่ได้ถูก ยิ่ง model ตัวเก่งๆ ยิ่งแพง
• ตอนนี้ยังเป็นกระแส FOMO ทำให้ทั้งบริษัทก็แข่งกันออก model ตัวเก่งๆ + และ tools ช่วย cowork → แต่ละบริษัทก็พัฒนาไปในทิศทางของตัวเอง และก็ยังมีโอกาสพัฒนาไปได้อีกเยอะ
• supply and demand ทั้งเรื่อง API model + ราคา hardware ก็แพง ดูอย่าง DGX Spark ของผมสิ แค่เครื่อง home use ก็ยังราคาสูง

ผมว่าจะเริ่ม Phase 2 ได้ เรื่อง AI และ agentic ต้องเริ่มอยู่ตัวแล้ว ราคา hardware ถูกลง และมี model เก่งขึ้น — พวก model ที่เอารัน local ง่ายและเก่ง — ตอนนั้นแหละ Phase 2 คือจุดที่ทุกคนต้องยอมรับ ใครไม่ยอมรับก็ต้องถูกบีบให้ยอมรับ เพราะเทรนด์มันมาแบบนี้แล้ว

--

Standardized Protocol — เป็นไปได้แต่ยาก

Standardized agentic protocol = เป็นไปได้แน่นอน

เอาง่ายๆ ตอนนี้ เวลาจะไปเช่า API token บนหลายเจ้า จะอ้างอิงมาตรฐาน OpenAI API กับ Anthropic API — แค่เรื่องถ้ามันเป็นมาตรฐานเดียวได้จะดีมาก → แต่เรื่องนี้ก็ยาก

ส่วน MCP, REST API ค่อนข้างเป็นมาตรฐานอยู่แล้ว

--

Hardware + Model Company = ผู้ชนะ

เรื่องอื่นเราน่าจะติด Phase 1 อีกนาน — คนจะรวย และทำเงินได้เยอะคือ บริษัทผลิต hardware และ ทำ model

คิดดูนะ — NVIDIA ขาย GPU ให้คนขุดทองทั้งโลก — ส่วนคนที่ขุดทองเอง ยังต้องพยายามหา product-market fit

ผมคิดว่ายุคนี้คือ "ยุคขาย pickaxe" จริงๆ

ผู้เล่น	สถานะตอนนี้
GPU maker (NVIDIA)	รวยที่สุด — ขาย pickaxe ให้คนขุดทองทั้งโลก
Foundation model builder	มี gold mine อยู่ใต้เท้า — ขาย access monetize ได้หมด
App developer	ยังต้องพยายามหา product-market fit
Enterprise user	กังวลเรื่อง cost + security + ROI

--

Career Strategy — ลึกกว่า AI slop

คำถามที่ผมคิดไว้หลายวันแล้ว: ถ้า hardware + model company คือผู้ชนะในระยะยาว.. แล้ว developer อย่างผมจะอยู่ตรงไหน?

AI เข้ามาเปลี่ยนการทำงานสาย dev มาก — จริงๆ ก่อนนี้งาน dev มันก็แทบจะอัตโนมัติอยู่แล้ว แต่พอมี AI เข้ามา การทำงานแบบ inference ก็ชัดขึ้น — ยิ่งทำให้สาย dev ติดปีก งานอัตโนมัติมากกว่าเดิมอีก

แต่ข้อเสียของ AI กับ dev คือ AI slop ทำให้คุณค่าของงานพัฒนา app ลดลงอย่างมาก

ดังนั้นจุดยืน และแผนผมคือ:

ศึกษาเชิงลึก → เล่น/ศึกษา ทำในสิ่งที่คนไม่ค่อยทำกัน → เขียนออกมาเป็นบทความไว้

เพราะสุดท้ายก็ยังต้องมี dev เหมือนเดิม — แค่เปลี่ยนวิธีการทำงาน และวิธีคิดใหม่

การศึกษาเชิงลึกยังเป็นเรื่องสำคัญ — ไม่ใช่แค่คนอื่นจะเข้าใจได้ แม้จะใช้ AI ช่วยก็ตาม

--

บทสรุป — ยังไม่มีบทสรุป

เรื่องนี้ผมยังคิดไม่จบ — และคงไม่ได้คิดจบในคืนเดียว

แต่สิ่งที่ผมรู้แน่ๆ คือ:

1. AI agentic ยังอยู่ใน Phase 1 — และอาจนานกว่าที่คนคิด
2. Hardware + model company คือผู้ชนะระยะสั้น — แต่ไม่ได้หมายความว่า developer ไม่มีที่ยืน
3. จุดยืนของผมคือ "ลึกกว่า" ไม่ใช่ "เร็วเท่า" — ศึกษาให้ลึก ทำในสิ่งที่คนอื่นไม่ทำ เขียนเพื่อแบ่งปัน
4. AI slop จะลดค่าของงานทั่วไป — แต่ค่าของงานที่ "เข้าใจลึก" จะสูงขึ้น

.. พรุ่งนี้ค่อยมาอ่านกันต่อครับ 🌙

diaryaiagenticcareerthoughts

แชร์บทความ

FacebookX

☕

เนื้อหานี้มีประโยชน์ไหม? ช่วยสนับสนุนค่ากาแฟให้ผู้เขียนสักแก้ว

Buy Me a Coffee