ฉันทามติแรกของยุค Agent ได้เกิดขึ้นแล้ว: โมเดลไม่ใช่คอขวดอีกต่อไป แต่คนต่างหากที่เป็น
ในเวลาเพียงหนึ่งสัปดาห์ OpenAI ทุ่มเงิน 4 พันล้านดอลลาร์ Anthropic ฝังตัวอยู่ในสำนักงานใหญ่ของ FIS และ Google ประกาศจ้างคนหลายร้อยคน—ยักษ์ใหญ่ AI สามรายกำลังเดิมพันบทบาทเดียวกันพร้อมกัน: FDE
เมื่อวันที่ 11 พฤษภาคม 2026 OpenAI ประกาศจัดตั้ง "OpenAI Deployment Company" ด้วยเงินลงทุนเริ่มต้น 4 พันล้านดอลลาร์ ธุรกิจหลักของมันเรียบง่าย: "ส่ง" วิศวกรเข้าไปในบริษัทลูกค้าเพื่อช่วยให้พวกเขาเริ่มต้นใช้งาน AI ได้
เพียงหนึ่งสัปดาห์ก่อนหน้านั้น Anthropic ได้ฝังทีมวิศวกรของตนเข้าไปใน FIS ยักษ์ใหญ่ด้านฟินเทค โดยมีเป้าหมายที่จะลดระยะเวลาการสอบสวนการฟอกเงินที่ BMO และ Amalgamated Bank "จากหลายชั่วโมงเหลือเพียงไม่กี่นาที" ภายในครึ่งหลังของปี 2026 หนึ่งสัปดาห์ก่อนหน้านั้น Thomas Kurian ซีอีโอของ Google Cloud ได้โพสต์บน LinkedIn เพื่อรับสมัครคน "หลายร้อยคน" ด้วยตนเอง ซึ่งโพสต์ดังกล่าวมียอดเข้าชม 1.3 ล้านครั้งบน X
บทบาทที่ทั้งสามบริษัทกำลังเล็งเป้าคือบทบาทเดียวกัน: Forward Deployed Engineer (FDE)
บทบาทที่ได้รับความนิยมมาเพียงยี่สิบปีที่ Palantir บริษัทซอฟต์แวร์ "ทางเลือก" ได้กลายเป็นตำแหน่งที่ร้อนแรงที่สุดในวงการ AI ในปี 2026 ในทันที บางคนตะโกนสโลแกนว่า: FDE คือกระบวนทัศน์ PMF ของยุค Agent
การตัดสินนี้เป็นความเข้าใจอันลึกซึ้งหรือเป็นเพียงความหวังลมๆ แล้งๆ? เพื่อตอบคำถามนี้ เราต้องทำให้ชัดเจน: FDE คืออะไรกันแน่ ทำไมจู่ๆ มันถึงกลายเป็นสิ่งจำเป็นในปี 2026 ความสัมพันธ์ของมันกับ "PMF" คืออะไร—และข้อจำกัดของมันคืออะไร?
I. FDE คืออะไร: ไม่ใช่ Sales Engineer หรือ Consultant
ก่อนอื่น เรามาแปลคำศัพท์สองคำ ซึ่งเป็นข้อกำหนดเบื้องต้นสำหรับการอภิปรายทั้งหมดต่อไปนี้
PMF (Product-Market Fit) คือ "จอกศักดิ์สิทธิ์" ของสตาร์ทอัพในซิลิคอนแวลลีย์ มันหมายความว่าผลิตภัณฑ์ของคุณตอบสนองความต้องการของตลาดจริงได้อย่างสมบูรณ์แบบ และตลาดเต็มใจที่จะจ่ายเงิน ซื้อซ้ำ และบอกต่อแบบปากต่อปาก ก่อนที่จะพบ PMF สตาร์ทอัพจะรู้สึกเหมือนกำลังว่ายทวนน้ำ หลังจากพบแล้วก็เหมือนล่องตามน้ำ
FDE ย่อมาจาก "Forward Deployed Engineer" แต่เดิมทีไม่ได้ถูกกำหนดแบบนั้น บทบาทนี้ถูกคิดค้นโดย Palantir ในช่วงต้นทศวรรษ 2000 เมื่อลูกค้าของพวกเขาคือหน่วยข่าวกรองของสหรัฐฯ—คนที่ "ไม่สามารถบอกได้ชัดเจนว่าต้องการอะไร จะไม่ให้คุณเห็นข้อมูลของพวกเขา และขั้นตอนการทำงานของพวกเขาก็เปลี่ยนแปลงตลอดเวลา"
Shyam Sankar ผู้ร่วมก่อตั้ง Palantir มีคำพูดคลาสสิก: "ถ้าปัญหาสามารถแก้ไขได้ด้วยเอกสารข้อกำหนด ปัญหานั้นคงถูกแก้ไขไปนานแล้ว"
ดังนั้น Palantir จึงทำสิ่งที่แปลกใหม่: พวกเขาหยุดถามลูกค้าว่า "คุณต้องการอะไร" และส่งวิศวกรเข้าไปในสำนักงานลูกค้า ฐานทัพทหาร และแม้แต่โรงงานประกอบเครื่องบินเพื่อเขียนโค้ดเคียงข้างพวกเขา คนเหล่านี้ถูกเรียกว่า "Deltas" ภายใน Palantir—พวกเขาต้องผ่านการสัมภาษณ์วิศวกรรมแบบเดียวกัน แต่ทำงานในฐานทัพอากาศ สำนักงานด้านหลังของธนาคาร และระบบไอทีของโรงพยาบาล แทนที่จะเป็นสำนักงานเปิดในพาโลอัลโต
สิ่งนี้แตกต่างจากสามบทบาททั่วไปในบริษัทซอฟต์แวร์แบบดั้งเดิม:
- Sales Engineers จัดการการสาธิตก่อนการขายและออกไปเมื่อเซ็นสัญญาแล้ว
- Solutions Architects ให้คำปรึกษาทางเทคนิคเป็นหลักและไม่เขียนโค้ดสำหรับการผลิต
- Consultants มักจะให้วิธีการและการส่งมอบ แต่ไม่ได้มีส่วนร่วมในการพัฒนาผลิตภัณฑ์ซ้ำของผู้ขาย
ความพิเศษของ FDE คือพวกเขาเขียนโค้ดการผลิตของลูกค้า ในขณะเดียวกันก็ป้อนปัญหาทั่วไปที่พบในสถานการณ์ของลูกค้ากลับไปยังผลิตภัณฑ์หลักของผู้ขาย คำอธิบายภายในของ Palantir คือ: "ขอบเขตงานของ FDE นั้นเหมือน CTO ของสตาร์ทอัพ—รับผิดชอบโปรเจกต์ที่มีความเสี่ยงสูงตั้งแต่ต้นจนจบในทีมขนาดเล็ก"
ภายในปี 2016 จำนวน FDE ที่ Palantir เคยมีมากกว่าวิศวกรซอฟต์แวร์ทั่วไปเสียอีก รูปแบบผลิตภัณฑ์ทั้งหมดของบริษัท—แพลตฟอร์ม Foundry—โดยพื้นฐานแล้วถูก "กลั่น" มาจากโปรเจกต์ภาคสนามของ FDE นับไม่ถ้วน วิศวกรคนหนึ่งซึ่งเคยเป็น FDE ที่ Palantir เป็นเวลาเจ็ดปีสรุปโมเดลนี้ว่า "จากถนนลูกรังสู่ทางหลวง": FDE สร้างถนนลูกรังจำนวนมากที่ไซต์ลูกค้า และทีมผลิตภัณฑ์จะระบุเส้นทางที่มีคนใช้มากที่สุดเพื่อปูเป็นทางหลวง เปลี่ยนให้เป็นความสามารถของแพลตฟอร์ม
II. จุดเปลี่ยนปี 2026: ทำไมยักษ์ใหญ่ AI สามรายถึงเดิมพัน FDE พร้อมกัน
เป็นเวลาเกือบยี่สิบปีที่โมเดลของ Palantir ถูกมองว่าเป็น "สิ่งผิดปกติ" ในกระแสหลักของซิลิคอนแวลลีย์—บริษัท SaaS ส่วนใหญ่แนะนำว่า "อย่าเรียนรู้จาก Palantir อัตรากำไรขั้นต้นจะอยู่ไม่ได้" แต่ในปี 2026 ทุกอย่างเปลี่ยนไปในทันที
เมื่อวันที่ 4 พฤษภาคม Anthropic และ FIS ประกาศความร่วมมือ โดยทีม Applied AI และ FDE ของ Anthropic จะ "ฝังตัว" ภายใน FIS เพื่อร่วมออกแบบ AI Agents ด้านอาชญากรรมทางการเงิน
เมื่อวันที่ 11 พฤษภาคม OpenAI ประกาศอย่างเป็นทางการถึง OpenAI Deployment Company (ชื่อรหัสภายใน "DeployCo") ด้วยเงินลงทุนเริ่มต้น 4 พันล้านดอลลาร์ นำโดย TPG และมีบริษัทลงทุนและที่ปรึกษา 19 แห่งเข้าร่วม ในเวลาเดียวกัน พวกเขาประกาศเข้าซื้อ Tomoro บริษัทที่ปรึกษา AI ประยุกต์ ซึ่งนำ FDE และผู้เชี่ยวชาญด้านการปรับใช้ประมาณ 150 คนเข้ามา
เมื่อวันที่ 12 พฤษภาคม Thomas Kurian ซีอีโอของ Google Cloud ประกาศ "องค์กรที่เน้น AI" ใหม่ภายใน Google Cloud เพื่อจ้าง FDE "หลายร้อยคน" ในขณะนั้น Google Cloud มีตำแหน่งงานว่างที่เกี่ยวข้อง 59 ตำแหน่ง
ทำไมตอนนี้? ทำไมถึงพร้อมกัน? การตัดสินของทั้งสามบริษัทชี้ไปที่ข้อเท็จจริงประการหนึ่ง: คอขวดของยุค Agent ไม่ใช่ตัวโมเดล แต่เป็นการปรับใช้
ผลสำรวจ "Pulse of Change" ของ Accenture แสดงให้เห็นว่ามีผู้นำธุรกิจเพียง 32% เท่านั้นที่รายงานว่าเห็น "ผลกระทบของ AI ที่ยั่งยืนในระดับองค์กร" ส่วนที่เหลืออีก 68% อยู่ในสถานะที่มีโปรเจกต์นำร่อง มีพรีเซนเทชั่น และมีเดโม่ แต่ไม่มีการส่งมอบในวงกว้าง ในการสำรวจผู้บริหาร 2,000 คนของ IBM ในช่วงต้นปี 2026 "ความเร็วในการดำเนินการ" ถูกจัดให้เป็นลำดับความสำคัญเชิงกลยุทธ์สูงสุดอันดับสาม
ประกาศของ OpenAI กล่าวถึงตรรกะนี้อย่างตรงไปตรงมา: "ในช่วงไม่กี่ปีที่ผ่านมา มีองค์กรกว่าล้านแห่งที่นำผลิตภัณฑ์และ API ของเรามาใช้ รูปแบบหนึ่งเริ่มชัดเจนขึ้นเรื่อยๆ—ผู้ชนะในเฟสถัดไปของ AI สำหรับองค์กรขึ้นอยู่กับว่าบริษัทสามารถปรับใช้เทคโนโลยีนี้ในสถานการณ์ทางธุรกิจจริงได้อย่างมีประสิทธิภาพเพียงใด"
มีข้อมูลอีกชุดหนึ่งที่น่าสนใจ มีรายงานว่า OpenAI พลาดเป้าหมายรายได้ภายในและผู้ใช้ที่ใช้งานรายสัปดาห์ในช่วงต้นปี 2026 ในขณะที่ Anthropic และ Google Gemini ยังคงกัดกินส่วนแบ่งตลาดองค์กรต่อไป Fidji Simo ซีอีโอฝ่ายธุรกิจประยุกต์ของ OpenAI เรียกความก้าวหน้าของ Anthropic ว่าเป็น "สัญญาณเตือน" และกล่าวว่าบริษัทต้อง "ส่งมอบสถานการณ์ด้านประสิทธิภาพการทำงาน"
กล่าวอีกนัยหนึ่ง อรรถประโยชน์ส่วนเพิ่มของ "พลังผลิตภัณฑ์" ของโมเดล AI กำลังลดลง แต่อรรถประโยชน์ส่วนเพิ่มของความสามารถทางวิศวกรรมในการ "เปลี่ยนโมเดลให้เป็นระบบที่ใช้งานได้" กำลังพุ่งสูงขึ้น ไม่ว่าโมเดลจะแข็งแกร่งแค่ไหน ถ้ามันไม่สามารถทำงานภายในกระบวนการปฏิบัติตามกฎระเบียบของธนาคาร ระบบเคลมประกันของบริษัทประกันภัย หรือระบบ MES ของการผลิต มันก็เป็นแค่เดโม่ ไม่ใช่ธุรกิจ
FDE คือตัวแปลงนั้นอย่างแท้จริง
III. ทำไมยุค Agent ถึงมีความ "ต้องการเชิงโครงสร้าง" สำหรับ FDE
เพื่อทำความเข้าใจว่าทำไม "Agent" และ "FDE" ถึงเป็นคู่ที่ลงตัว เราต้องชี้แจงความแตกต่างพื้นฐานระหว่าง Agents และรูปแบบ AI ก่อนหน้านี้
ผลิตภัณฑ์ SaaS แบบดั้งเดิมโดยพื้นฐานแล้วคือ "เครื่องมือ": คุณซื้อ Salesforce เพื่อรับชุดเทมเพลตกระบวนการขายที่กำหนดค่าไว้ให้คนของคุณใช้ ขอบเขตของเครื่องมือนั้นชัดเจน—สิ่งที่มันทำและไม่ทำนั้นระบุไว้อย่างชัดเจนในคู่มือผลิตภัณฑ์
Agent เกี่ยวข้องกับ "การกระทำแทน": คุณไม่ได้ใช้มันอีกต่อไป คุณปล่อยให้มันทำสิ่งต่างๆ เพื่อคุณ Agent ต่อต้านการฟอกเงินไม่ได้แค่ให้อินเทอร์เฟซการค้นหาที่ดีขึ้นแก่นักสืบสวน มันช่วยให้พวกเขาทำงานทั้งหมดให้เสร็จสมบูรณ์ ตั้งแต่ "ดึงหลักฐานจากระบบหลัก ตรวจสอบข้ามกับรูปแบบการฟอกเงินที่รู้จัก ตัดสินระดับความเสี่ยง และร่างรายงานกิจกรรมที่น่าสงสัย (SAR)"
ความแตกต่างนี้มีผลตามมาสามประการ:
ประการแรก Agents ต้องถูกฝังลึกอยู่ในขั้นตอนการทำงานจริงของลูกค้า เพื่อ "กระทำการแทน" Agent ต้องรู้ว่าขอบเขตการปฏิบัติตามกฎระเบียบของธนาคารอยู่ที่ไหน การตัดสินใจใดที่ไม่สามารถทำให้เป็นอัตโนมัติได้ รายงาน SAR ควรเขียนอย่างไรจึงจะได้รับการยอมรับจากหน่วยงานกำกับดูแล และข้อมูลภายในถูกเก็บไว้ที่ไหน สิ่งเหล่านี้ไม่ได้อยู่ในเอกสารผลิตภัณฑ์ แต่อยู่ใน "ความทรงจำของกล้ามเนื้อองค์กร" ของลูกค้า
ประการที่สอง ความล้มเหลวของ Agent คือ "ความล้มเหลวทางธุรกิจ" ไม่ใช่ "ความล้มเหลวด้านฟังก์ชัน" ถ้าปุ่ม SaaS หายไป ผู้ใช้จะบ่น ถ้า Agent พลาดธุรกรรมที่น่าสงสัย ธนาคารจะถูกปรับโดยหน่วยงานกำกับดูแล ซึ่งหมายความว่าการปรับใช้ Agent ต้องพึ่งพา "ความรู้เฉพาะโดเมน" และ "บริบทการดำเนินงาน" มากกว่าซอฟต์แวร์รุ่นก่อนๆ ใดๆ
ประการที่สาม ตลาด Agent เป็นตลาดที่ "ไม่มีผลิตภัณฑ์ที่โตเต็มที่ให้เทียบเคียง และลูกค้าเองก็ไม่รู้ว่าตัวเองต้องการอะไร" นี่คือสถานการณ์เดียวกับที่ Palantir เผชิญกับหน่วยข่าวกรอง ลูกค้าสามารถพูดว่า "ฉันต้องการให้การสอบสวน AML เร็วขึ้น" แต่ไม่สามารถกำหนดได้ว่า "เร็ว" คืออะไร ต้องใช้แหล่งข้อมูลใดบ้าง ต้องทำให้ขั้นตอนใดเป็นอัตโนมัติ และควรคงจุดตัดสินใจของมนุษย์ไว้จุดใด ปัญหาประเภทนี้ไม่สามารถแก้ไขได้ด้วยเอกสารข้อกำหนด ต้องให้วิศวกรเข้าไป สังเกต ทดสอบ ปรับเปลี่ยน และสังเกตอีกครั้ง
รายละเอียดงาน FDE ของ Anthropic อธิบายตรรกะนี้อย่างชัดเจน: "สร้างแอปพลิเคชันการผลิตภายในระบบของลูกค้า ส่งมอบสิ่งประดิษฐ์ทางเทคนิค เช่น MCP servers, sub-agents และ agent skills ให้การสนับสนุนการปรับใช้แบบ white-glove ในสภาพแวดล้อมขององค์กร และระบุรูปแบบการปรับใช้ที่สามารถนำกลับมาใช้ซ้ำได้เพื่อป้อนกลับไปยังทีมผลิตภัณฑ์และวิศวกรรม"
ส่วนสุดท้าย—"ป้อนกลับไปยังทีมผลิตภัณฑ์และวิศวกรรม"—คือพลังที่แท้จริงของโมเดล FDE มันหมายความว่าทุกการมีส่วนร่วมในภาคสนามนั้นทั้งเป็นการส่งมอบให้ลูกค้าและการค้นพบผลิตภัณฑ์สำหรับผู้ขาย FDE คือหนวดของบริษัทที่ยื่นออกไปสู่ตลาด นำตัวอย่างความต้องการในโลกแห่งความเป็นจริงกลับมา
IV. FDE คือ "กระบวนทัศน์ PMF ของยุค Agent" หรือไม่? ข้อสงวนสามประการ
ถึงตอนนี้ การตัดสินที่ว่า "FDE คือกระบวนทัศน์ PMF ของยุค Agent" ฟังดูน่าเชื่อถือมาก แต่การยอมรับข้อสรุปนี้อย่างกว้างขวางกลับมองข้ามความขัดแย้งที่เกิดขึ้นจริงหลายประการ
ข้อสงวนที่ 1: FDE อาจกำลังแก้ "ปัญหา PMF" หรืออาจกำลัง "ปกปิดปัญหา PMF"
ความหมายดั้งเดิมของ PMF คือ "ผลิตภัณฑ์เข้ากับตลาด"—ตัวผลิตภัณฑ์คือคำตอบ และลูกค้าใช้ ต่ออายุ และแนะนำทันที
สาระสำคัญของโมเดล FDE คือ "การใช้แรงงานมนุษย์เพื่อเชื่อมช่องว่างระหว่างผลิตภัณฑ์และตลาด" ถ้าผลิตภัณฑ์ต้องการทีมวิศวกรในสถานที่เป็นเวลาหกเดือนเพื่อให้ทำงานได้ กล่าวอย่างเคร่งครัด ตัวผลิตภัณฑ์เองยังไม่พบ PMF
Alex Coqueiro นักวิเคราะห์อาวุโสของ Gartner ให้คำทำนายที่เฉียบคมในรายงานล่าสุด: ภายในปี 2028 องค์กร 70% จะถูกบังคับให้ละทิ้งโปรเจกต์ Agent ที่นำโดย FDE เนื่องจาก "ต้นทุนของผู้ขายสูงเกินไปและขาดความสามารถภายในสำหรับการพัฒนาอย่างอิสระ"
เขายังชี้ให้เห็นถึงรูปแบบความล้มเหลวที่ซ่อนอยู่: "หากปริมาณงานของ FDE ไม่ลดลงหลังจากการปรับใช้หลายครั้ง นั่นเป็นสัญญาณว่ากำลังสร้างการพึ่งพาแทนที่จะเป็นความสามารถ เมื่อกรณีการใช้งานเติบโตเต็มที่แต่การลงทุนไม่ลดลง นั่นหมายความว่าลูกค้ากำลังจ่ายราคาที่ปรึกษาสำหรับความสามารถในการดำเนินงานที่พวกเขาควรมีเอง"
นี่คือความเสี่ยงที่ใหญ่ที่สุดของโมเดล FDE: มันอาจเสื่อมถอยจาก "กลไกการค้นพบผลิตภัณฑ์" ไปเป็น "การเติมเต็มแรงงานถาวร" เหตุผลที่โมเดล Palantir ประสบความสำเร็จคือขั้นตอน "จากถนนลูกรังสู่ทางหลวง"—ความเฉพาะเจาะจงของสถานการณ์ลูกค้าจะต้องถูกกลั่นเป็นผลิตภัณฑ์ในที่สุด ถ้าขั้นตอนการกลั่นนี้ล้มเหลว FDE ก็เป็นแค่การเอาท์ซอร์สระดับสูง
ข้อสงวนที่ 2: นี่คือ "บริษัทที่ปรึกษาที่ปลอมตัวเป็นบริษัทผลิตภัณฑ์" หรือไม่?
การตัดสินของตลาดทุนในเรื่องนี้ก็แตกแยกเช่นกัน
ผู้สนับสนุนเชื่อว่าโมเดล FDE ทำให้บริษัท AI มี "คูน้ำก่อนการปรับใช้": ยิ่งคุณส่งวิศวกรเข้าไปในบริษัท Fortune 500 ได้เร็วเท่าไหร่ คุณก็ยิ่งควบคุมจุดเริ่มต้นของขั้นตอนการทำงาน AI ขององค์กรได้เร็วเท่านั้น และต้นทุนการย้ายผู้ขายของลูกค้าจะเพิ่มขึ้นแบบทวีคูณ ถ้อยแถลงอย่างเป็นทางการของ OpenAI Deployment Company กล่าวถึงพันธมิตรที่ "สนับสนุนองค์กรกว่า 2,000 แห่งทั่วโลก" ซึ่งจะกลายเป็นกลุ่มลูกค้าตามธรรมชาติของ DeployCo—ทั้งเป็นแหล่งรายได้และวงจรป้อนกลับ
แต่นักวิจารณ์ชี้ให้เห็นว่าโมเดลนี้ทำให้โปรไฟล์ทางการเงินของบริษัท AI ดูเหมือน "ที่ปรึกษา + ซอฟต์แวร์" แบบผสมมากขึ้น Palantir ถูกประเมินมูลค่าต่ำเกินไปในตลาดรองมาเป็นเวลานาน ส่วนหนึ่งเป็นเพราะนักวิเคราะห์ใช้กรอบการประเมินมูลค่า SaaS บริสุทธิ์ (อัตรากำไรสูง แรงงานต่ำ) ซึ่งไม่เข้ากัน เมื่อ OpenAI และ Anthropic เริ่มจ้าง FDE ในวงกว้าง โครงสร้างอัตรากำไร รายได้ต่อพนักงาน และตัวคูณการประเมินมูลค่าของพวกเขาจะถูกท้าทาย
การประเมินของ Larry Dignan นักวิเคราะห์จาก Constellation Research นั้นตรงไปตรงมามากกว่า: OpenAI Deployment Company ไม่ได้ดำเนินการอย่างอิสระเหมือน IBM Consulting ซึ่งสามารถรวมโมเดลใดก็ได้ "โอกาสที่ OpenAI Deployment Company จะใช้ Anthropic นั้นเป็นศูนย์ OpenAI นำเสนอแผนกบริการของตนว่าเป็นข้อได้เปรียบในการบูรณาการในแนวดิ่ง แต่ CIOs จะมองมันผ่านเลนส์ของ 'การล็อคอิน'"
กล่าวอีกนัยหนึ่ง: สิ่งที่เป็นกระบวนทัศน์ PMF สำหรับผู้ขาย อาจเป็นวันก่อนการล็อคอินผู้ขายสำหรับลูกค้า
ข้อสงวนที่ 3: FDE อาจถูกแทนที่ด้วยเครื่องมือที่พวกเขาสร้างขึ้น
ความขัดแย้งนี้น่าสนใจที่สุด FDE มีราคาแพงเพราะพวกเขาทำงาน "สกปรกในการบูรณาการ" มากมาย: การแมปฟิลด์ การเชื่อมต่อ API การแปลระบบเดิม การปรับแต่ง prompt และการสร้างกรอบการประเมิน—ซึ่งเป็นประเภทงานที่ AI ถนัดที่สุดในการทำให้เป็นอัตโนมัติ
แนวทางปฏิบัติของ Salesforce กับผลิตภัณฑ์ Agentforce แสดงให้เห็นว่างาน "การปรับใช้ Agent FAQ ง่ายๆ" ที่ FDE เคยทำเป็นส่วนใหญ่กำลังถูกดูดซับโดยตัวผลิตภัณฑ์ งานของ FDE กำลังย้ายไปยังชั้นนามธรรมที่สูงขึ้น—สถาปัตยกรรม multi-agent การออกแบบโปรโตคอล MCP Voice Agents และการประสานงาน Coding Agent
ในการประชุมโต๊ะกลมเกี่ยวกับ FDE ที่จัดโดย South Park Commons ในนิวยอร์กเมื่อเดือนเมษายน 2026 หัวหน้า FDE หลายคนได้ข้อสรุป: เมื่อโมเดลแข็งแกร่งขึ้น มูลค่าของ FDE ไม่ได้ลดลง แต่เพิ่มขึ้น—แต่แหล่งที่มาของมูลค่าเปลี่ยนไป งานบูรณาการระดับต่ำถูก AI กินไป และมูลค่าหลักของ FDE เปลี่ยนไปที่ "การตัดสินว่าปัญหาใดควรแก้ไขที่ไซต์ลูกค้าและสิ่งใดควรทำให้เป็นมาตรฐาน"
นี่คือความสมดุลที่ละเอียดอ่อน ถ้าเครื่องมือ AI พัฒนาเร็วพอ "พลังในการบูรณาการ" ของโมเดล FDE จะถูกบีบอัด เหลือเพียงการตัดสินผลิตภัณฑ์และการให้คำปรึกษาทางธุรกิจ—แล้วมันก็กลายเป็น "ที่ปรึกษาระดับสูง" อย่างแท้จริง แต่ถ้าวิวัฒนาการของ AI ถึงคอขวด ความซับซ้อนของการบูรณาการจะคงอยู่ต่อไปอีกหลายปี ทำให้ FDE เป็นธุรกิจระยะยาว
V. ความหมายแตกต่างกันไปสำหรับแต่ละคน
กลับมาที่คำถามเดิม: FDE คือกระบวนทัศน์ PMF ของยุค Agent หรือไม่?
ถ้าฉันต้องตัดสิน ฉันมีแนวโน้มที่จะกล่าวว่า: FDE คือ "สถานะกลางที่จำเป็น" สำหรับ AI องค์กรที่จะย้ายจากเดโม่ไปสู่การผลิตในยุค Agent แต่มันไม่ใช่ PMF เอง—มันคือวิธีการในการค้นหา PMF
ข้อความนี้มีความหมายแตกต่างกันสำหรับแต่ละบทบาท:
- สำหรับผู้ขาย AI: FDE ไม่ใช่ธุรกิจรายได้ มันคือกลไกการค้นพบผลิตภัณฑ์ ถ้าคุณปฏิบัติต่อมันเหมือนธุรกิจที่ปรึกษา คุณจะตกอยู่ในกับดักอัตรากำไร มีเพียงการกลั่นประสบการณ์ภาคสนามให้เป็นความสามารถของผลิตภัณฑ์ที่นำกลับมาใช้ซ้ำได้อย่างต่อเนื่อง—MCP servers, agent skills, กรอบการประเมิน, เทมเพลตการปรับใช้—การลงทุนใน FDE จะให้ผลตอบแทนแบบทบต้น
- สำหรับลูกค้าองค์กร: มูลค่าที่แท้จริงของ FDE ไม่ใช่การให้ผู้ขาย "สร้างมันให้คุณ" แต่คือ "การถ่ายทอดความสามารถให้คุณในระหว่างกระบวนการสร้าง" ในถ้อยแถลงอย่างเป็นทางการของความร่วมมือ Anthropic-FIS ประโยคนี้คือกุญแจสำคัญ: "ถ่ายทอดความรู้เพื่อให้ FIS สามารถสร้างและขยาย Agent เพิ่มเติมได้อย่างอิสระเมื่อเวลาผ่านไป" ถ้าไม่มีกลไกทางออกดังกล่าวในสัญญา โมเดล FDE ก็คือการล็อคอินอย่างนุ่มนวล
- สำหรับวิศวกร: นี่คือชุดทักษะที่หายากที่สุดของปี 2026—ความลึกซึ้งทางเทคนิค ความเข้าใจบริบทของลูกค้า และการตัดสินทางธุรกิจ ช่วงเงินเดือน FDE ที่ Google ระบุไว้คือฐานเงินเดือน 127,000 ถึง 265,000 ดอลลาร์ โดยแพ็คเกจสำหรับพนักงานอาวุโสเฉลี่ย 238,000 ดอลลาร์ และระดับสูงสุดใกล้ถึง 400,000 ดอลลาร์ ยิ่งไปกว่านั้น งบประมาณนี้มาจากค่าใช้จ่ายในการขยายธุรกิจของลูกค้า ไม่ใช่อัตรากำลังคนด้าน R&D ภายใน ทำให้เป็นวัฏจักรตรงกันข้ามในช่วงที่มีการเลิกจ้าง
- สำหรับนักลงทุน: การใช้กรอบการประเมินมูลค่า SaaS บริสุทธิ์กับบริษัท AI ที่ขับเคลื่อนด้วย FDE จะทำให้เข้าใจผิด สิ่งที่ต้องดูไม่ใช่อัตรากำไรในปัจจุบัน แต่คือความเร็วของ "การเปลี่ยนถนนลูกรังเป็นทางหลวง"—ความสามารถในการนำกลับมาใช้ซ้ำของผลิตภัณฑ์ดีขึ้นเท่าใดหลังจากการมีส่วนร่วมในภาคสนามแต่ละครั้ง Palantir ใช้เวลาเกือบยี่สิบปีกว่าตลาดจะเข้าใจสิ่งนี้ OpenAI และ Anthropic จะไม่มีความอดทนมากขนาดนั้น
บทสรุป: กระบวนทัศน์ไม่ประกาศการเกิดของตัวเอง
คำว่า PMF ถูกเสนอครั้งแรกโดย Marc Andreessen ในปี 2007 และเกณฑ์ของเขานั้นง่ายมาก: "คุณไม่จำเป็นต้องอธิบายมัน คุณแค่รู้ว่าคุณพบมันแล้ว"—ผู้ใช้เริ่มหลั่งไหลเข้ามา ผลิตภัณฑ์ขาดตลาด และระบบทำงานหนักเกินตลอดเวลา
ตามมาตรฐานนี้ ตลาดองค์กร AI ในเดือนพฤษภาคม 2026 มี "ตัวอ่อนของ PMF" แต่ยังไม่ใช่ "ชัยชนะของ PMF" การที่ทั้งสามบริษัทเดิมพัน FDE พร้อมกันนั้น ไม่ได้เกี่ยวกับการประกาศชัยชนะของกระบวนทัศน์ แต่เป็นการยอมรับข้อเท็จจริง: ก่อนที่ Agents จะกลายเป็น "ซอฟต์แวร์เหนือซอฟต์แวร์" ที่แท้จริง เราต้องการคน—คนในพื้นที่ที่เข้าใจทั้งลูกค้าและโมเดล—เพื่อเดินบนถนนที่ยังไม่ได้ปูเหล่านั้นทีละก้าว
บางที กระบวนทัศน์ PMF ที่แท้จริงอาจต้องรอจนกว่าถนนที่ FDE เดินนั้นมีจำนวนมากและชัดเจนพอที่ Agents จะวิ่งบนถนนเหล่านั้นได้ด้วยตัวเอง—เมื่อถึงจุดนั้น การอภิปรายเกี่ยวกับ FDE นี้จะกลายเป็นเชิงอรรถของยุคสมัย
แต่ในปี 2026 ทุกคนยังคงอยู่บนถนน
ข้อมูลและกรณีศึกษาในบทความนี้มาจากประกาศอย่างเป็นทางการของ OpenAI, Anthropic, Google และ FIS รวมถึงรายงานสาธารณะจาก The Information, Pragmatic Engineer, Constellation Research, CIO Magazine และ Gartner โดยข้อมูลเป็นปัจจุบัน ณ เดือนพฤษภาคม 2026
