1.1 จากหน้าต่างแชทสู่การลงมือทำ: ทำไมเราต้องออกแบบผลิตภัณฑ์ AI ใหม่
วันนี้ผมอยากมาแชร์มุมมองของเราเกี่ยวกับการสร้างผลิตภัณฑ์ในยุค AI
ประสบการณ์ของผมค่อนข้างหลากหลาย ผมเป็นสมาชิกที่อายุมากที่สุดในทีมผู้บริหาร พาร์ทเนอร์คนอื่น ๆ เกิดปี 1992 และ 1993 ส่วนผมเกิดปี 1986 และจะอายุครบ 40 ปีในเดือนหน้า การเห็นคนวัยเกือบ 40 ปีนั่งอยู่ท่ามกลางนักศึกษา อาจทำให้คุณคิดว่านี่คือคนวัยกลางคนทั่วไป
ผมเข้าสู่วงการนี้ตั้งแต่เนิ่น ๆ เริ่มทำงานทันทีหลังเรียนจบปริญญาตรีโดยไม่ได้เรียนต่อปริญญาโท
ก่อนมาร่วมทีม ผมอยากสร้างผลิตภัณฑ์ที่ทำงานได้ต่อเนื่องตลอด 24 ชั่วโมง 7 วันมาโดยตลอด เป็นผลิตภัณฑ์ที่ไม่ต้องอาศัยการป้อนข้อมูลจากมนุษย์ตลอดเวลา แต่สามารถให้เหตุผลและสร้างผลลัพธ์ออกมาได้อย่างต่อเนื่อง ตอนนั้นผมยังคิดรูปแบบที่ชัดเจนไม่ออก แต่อยากทำจริง ๆ เพราะเชื่อว่าขีดจำกัดสูงสุดของความฉลาดของโมเดลนั้นก้าวข้ามมนุษย์ไปแล้ว เราต้องการรูปแบบผลิตภัณฑ์ที่เหมาะสมเพื่อกระตุ้นโมเดลอย่าง proactive และอัตโนมัติ ให้มันสร้างผลลัพธ์ออกมาอย่างต่อเนื่อง ไม่ว่าสถานการณ์การใช้งานสุดท้ายจะเป็นอย่างไร ผมเชื่อว่านี่คือรูปแบบขั้นสุดที่ผลิตภัณฑ์ AI ควรมี ความคิดหลายอย่างเกิดขึ้นจากการสำรวจขอบเขตความสามารถของโมเดลในปัจจุบัน
นี่ก็เป็นเหตุผลสำคัญที่ทำให้ผมตัดสินใจเข้าร่วมทีม ตอนนั้น Red มาหาผมแล้วบอกว่าอยากสร้าง AI browser และสัญชาตญาณก็บอกผมว่าทิศทางนี้ถูกต้อง
ต่อมา ผมสรุปปัญหาหลักที่เราพบในการวิจัยออกมาเป็นข้อเดียวคือ รูปแบบผลิตภัณฑ์แบบ Chatbot นั้นจำกัดการแสดงศักยภาพของโมเดล AI ด้วยตัวมันเอง
นั่นหมายความว่าคุณสร้างผลิตภัณฑ์ขึ้นมา แต่เพดานมูลค่าของมันถูกจำกัดด้วยผู้ใช้ ผู้ใช้ต้องรู้วิธีตั้งคำถาม "และ" เต็มใจที่จะถาม เพื่อปลดล็อกมูลค่าของผลิตภัณฑ์ แล้วถ้าผู้ใช้ไม่รู้ว่าจะถามอะไรล่ะ? มูลค่าของผลิตภัณฑ์ก็จะเหลือน้อยนิด
เบราว์เซอร์คือตัวอย่างที่ชัดเจน คุณไม่ต้องป้อน prompt อย่างต่อเนื่อง การเขียนอีเมล การค้นหา การท่องเว็บ พฤติกรรมเหล่านี้คือการแสดงเจตนาในตัวมันเอง และสามารถกลายเป็นอินพุตของโมเดล สร้างความต้องการในการให้เหตุผลจำนวนมหาศาลอยู่เบื้องหลัง อีกเหตุผลหนึ่งที่ผมและหัวหน้านักวิทยาศาสตร์ (Chief Scientist) ตัดสินใจเข้าร่วมทีม ก็เพราะ Red ไม่เพียงเป็นผู้จัดการผลิตภัณฑ์ที่น่าประทับใจมาก แต่ยังเข้าใจการบริหารบริษัทอย่างลึกซึ้งอีกด้วย
1.2 หยุดโปรเจกต์ AI Browser: เวลาสำคัญกว่าต้นทุนจม
ภายในเดือนตุลาคม 2024 AI browser ของเราก็พร้อมใช้งานจริงแล้ว การทดสอบภายในมักเผยให้เห็นฟีเจอร์ที่โดดเด่นสักหนึ่งหรือสองอย่างเสมอ
แต่เมื่อลองแนะนำให้กับครอบครัวและเพื่อนฝูง ปัญหาใหญ่ก็ปรากฏขึ้น ทุกคนคุ้นเคยกับเบราว์เซอร์มากเกินไป คำถามแรกที่พวกเขาถามตอนทดลองใช้มักจะเป็น "ฟีเจอร์ที่เคยใช้ใน Safari หรือ Chrome หายไปไหน?"
นี่คือปัญหาใหญ่ที่สุดของการนำประสบการณ์ใหม่ไปแปะทับบนประสบการณ์เก่า ผู้ใช้จะเอาประสบการณ์เดิมมาเป็นเกณฑ์เปรียบเทียบเสมอ แต่นั่นไม่ใช่จุดเด่นของคุณ คุณอยากให้พวกเขาสนใจส่วนที่เป็น AI แต่ทุกคนกลับใส่ใจมากที่สุดว่าประสบการณ์พื้นฐานของเบราว์เซอร์ทำออกมาได้ดีแค่ไหน
สำหรับทีมสตาร์ทอัพ การทำให้ประสบการณ์พื้นฐานเทียบเท่าบริษัทยักษ์ใหญ่อย่าง Apple และ Google ในผลิตภัณฑ์ที่มีมาตรฐานความสมบูรณ์แบบมานานกว่า 20 ปีนั้นแทบจะเป็นไปไม่ได้เลย หากฝืนทำต่อไปจะต้องสูญเสียพลังงานส่วนเกินจำนวนมาก จนทำให้เราละเลยการพัฒนา AI ตอนนั้นผมคิดว่าผลิตภัณฑ์มีจุดเด่นจริง ๆ และผู้ใช้งานระดับฮาร์ดคอร์จะต้องชอบมันเมื่อเปิดตัว และอาจดังเปรี้ยงปร้างหลังจากปรับปรุงไปอีกไม่กี่รอบ แต่ในช่วงเดือนกันยายนและตุลาคม Red กลับรู้สึกขัดแย้งในใจอย่างมาก ด้านหนึ่งเขารู้สึกว่าการแขวนประสบการณ์ใหม่ไว้บนประสบการณ์เก่านั้นไม่สมเหตุสมผล อีกด้านเขาก็กลัวว่าพอเปิดตัวออกไป ทั้งทีมอาจจะติดแหง็กอยู่กับมันนาน 3 ถึง 6 เดือน ผู้ก่อตั้งมักลังเลที่จะยอมแพ้ ถ้าเวอร์ชันแรกทำได้ไม่ดี พวกเขามักคิดว่า "บางทีมันอาจจะยังไม่ดีพอ ขอปรับแก้เพิ่มอีกหน่อย" แล้วก็เสียเวลาไปครึ่งปี
ตอนเรียนหนังสือ คุณอาจไม่เข้าใจคุณค่าของเวลา แต่สำหรับสตาร์ทอัพ เงินคือทรัพยากรที่แก้ปัญหาได้ง่ายที่สุด ตราบใดที่ทิศทางถูกต้อง คุณก็สามารถระดมทุนได้เสมอ ทรัพยากรที่มีค่าที่สุดและสูญเปล่าไม่ได้คือ "เวลา" การเสียเวลาไม่ได้แค่สูบพลังชีวิตของคุณเท่านั้น แต่ที่น่ากลัวยิ่งกว่าคือมันทำให้คุณพลาดช่วงเวลาและเทรนด์สำคัญของตลาด
ในเดือนตุลาคม 2024 บริษัททั้งบริษัทของเรามีพนักงานเพียง 30 คน ด้วยการสนับสนุนจาก ZhenFund เราเพิ่งระดมทุนรอบ Angel และ Pre-A ไป มีเงินสดในมือน้อยมาก หลังจากทุ่มเวลา 7 เดือนไปกับโปรเจกต์ใหม่ที่ขัดเกลามาอย่างดีและมีแนวโน้มจะทำให้ตลาดตะลึงเมื่อเปิดตัว สุดท้าย Red ก็ตัดสินใจยุบโปรเจกต์นั้นทิ้ง เมื่อมองย้อนกลับไป นั่นคือการตัดสินใจที่สำคัญมาก เพราะถ้าเราไม่หยุดทำเบราว์เซอร์ ก็จะไม่มี Manus ในภายหลัง
ตอนที่เรามาเล่าเรื่องนี้ครั้งแรกเมื่อปีที่แล้ว นักวิจารณ์บอกว่าเราไม่ควรดูถูกวงการ AI browser เพียงเพราะเราทำไม่สำเร็จ แต่วันนี้เราสามารถพูดได้อย่างมั่นใจว่าวงการ AI browser ยังไม่มีผลิตภัณฑ์ที่ประสบความสำเร็จอย่างแท้จริง เหตุผลหลักก็คือ หากจะสร้างประสบการณ์ใหม่ ควรสร้างสิ่งใหม่ทั้งหมดไปเลย ดีกว่าพยายามทำ "AI + ประสบการณ์เดิม"
1.3 มองเห็นโอกาสของ General Agent ในเครื่องมือเขียนโค้ด
หลังจากหยุดทำเบราว์เซอร์ในเดือนตุลาคม 2024 ทีมก็เริ่มคิดว่าผลิตภัณฑ์ถัดไปควรเป็นอะไร ตอนนั้นทีมปักกิ่งเล็กมาก ใช้พื้นที่ออฟฟิศเล็ก ๆ แค่ห้องเดียวใน co-working space รวมทั้งหมด 5 คน ในฐานะ CPO ผมดูแลเรื่องผลิตภัณฑ์ Chief Scientist ดูแลเรื่องโมเดล และมีนักพัฒนา full-stack ชื่อ Abin แม้บทบาทจะต่างกัน แต่พวกเราทั้งสามคนล้วนมีพื้นฐานด้านการเขียนโค้ด ผมเริ่มเขียนโค้ดตั้งแต่ชั้นประถมศึกษาปีที่ 3
ผลิตภัณฑ์ที่โด่งดังที่สุดแห่งปี 2024 คือ Cursor ซึ่งได้รับความนิยมอย่างถล่มทลายในเดือนกรกฎาคม เราใช้มันทุกวันแต่กลับมีความรู้สึกที่แตกต่างกันไปในระหว่างการใช้งาน โดยเฉพาะในฐานะที่ผมไม่ใช่โปรแกรมเมอร์มืออาชีพ ผมเริ่มใช้ Cursor กับงานอื่น ๆ อีกมากมาย เช่น จัดการเรื่องเบิกจ่าย แปลงไฟล์ MP4 เป็น MP3 ให้ภรรยา ช่วยเขียนนิยาย ฯลฯ
ในกระบวนการนี้ เรายิ่งสัมผัสได้ถึงพลังของโมเดล Claude 3.5 Sonnet ที่อยู่เบื้องหลัง Cursor โดยเฉพาะหลังจากเวอร์ชันต่อ ๆ มา ทั้ง Cursor และ Windsurf มีความสามารถที่ดีขึ้นอย่างเห็นได้ชัด สตาร์ทอัพทั้งในและต่างประเทศต่างเลียนแบบ Cursor ทำให้เกิดเครื่องมือเขียนโค้ดผุดขึ้นมากมาย แม้ว่าตอนนั้นจะยังไม่มีใครเรียกว่า "Coding Agents" ก็ตาม
โอกาสที่แท้จริงที่เราเห็นคือ Sonnet 3.5 v2 ปลดล็อกอะไรมากกว่าแค่ความสามารถในการเขียนโค้ด มันปลดล็อกความสามารถในการวางแผนและลงมือทำด้วยตนเอง
ความสามารถในการวางแผนและลงมือทำด้วยตนเองแสดงออกมาในสองด้านหลัก ๆ คือ
ประการแรก Long-horizon Planning (การวางแผนระยะยาว)
ตอนนี้อาจฟังดูเป็นเรื่องสามัญสำนึก แต่ในช่วงปลายปี 2024 มันไม่ใช่เลย ตอนนั้นโมเดลของ OpenAI ยังติดขัดกับเรื่องนี้ โดยเน้นไปที่การสนทนาแบบตอบโต้ทีละรอบสไตล์ ChatGPT และแก้ปัญหาให้จบในครั้งเดียว แต่เริ่มจาก Claude 3.5 Sonnet และพัฒนาขึ้นอย่างมากในเวอร์ชันหลัง ๆ ความสามารถในการวางแผนงานระยะยาวก็ปรากฏขึ้น โมเดลรู้ว่าไม่ควรเร่งทำให้เสร็จในรอบเดียว แต่จะเรียกใช้เครื่องมือ ถามคำถามผู้ใช้ รวบรวมข้อมูลเพิ่มเติม และลงมือทำเมื่อมั่นใจมากพอเท่านั้น
ประการที่สอง Tool Use (การใช้เครื่องมือ)
Cursor สร้างเครื่องมือเพื่อให้คนจำนวนมากขึ้นกลายเป็นวิศวกรได้ แต่เรามองว่าโลกไม่ได้ต้องการวิศวกรเพิ่มขึ้น และวิศวกรก็ไม่จำเป็นต้องมีเครื่องมือหรูหราเพิ่มเติมอีก พวกเขามีเพียงพอแล้ว ถ้าคุณคนไหนเขียนโค้ดเป็นประจำ ผมเชื่อเลยว่าคอมพิวเตอร์ของคุณต้องมีเครื่องมือติดตั้งไว้มากมาย คอยสลับใช้และประเมินผลอยู่ตลอด นั่นแหละคือวิถีการทำงานของวิศวกร
เราเชื่อว่าเมื่อความสามารถนี้ถูกปลดล็อก มันก็เท่ากับเป็นการปลดล็อกความสามารถทั่วไป (general abilities) ให้กับคนธรรมดา ในขณะที่ทั้งโลกกำลังทุ่มเทให้กับ Coding Agents เรากลับมองเห็นโอกาสในการใช้การเขียนโค้ดเป็นสื่อกลางเพื่อแก้ปัญหาในสถานการณ์ทั่วไปของผู้ใช้ปกติ ดังนั้นมุมมองในการเข้าสู่ตลาดของเราจึงแตกต่างออกไปโดยสิ้นเชิง
ตอนที่เราเริ่มโปรเจกต์ในเดือนธันวาคม 2024 ผมตื่นตระหนกมาก เพราะรู้สึกว่าคนอื่นก็ต้องมองเห็นอนาคตแบบนี้เหมือนกัน เราเครียดมาก ระดมทรัพยากรทุกอย่างที่มีในบริษัทเพื่อพัฒนาอย่างรวดเร็ว กลัวว่าจะมีคนทำแซงหน้าไป หลังพัฒนาอยู่สองเดือน จนถึงวันเปิดตัว 5 มีนาคม 2025 เราพบว่าจากการสังเกตของเรา แทบจะมีแค่เราเท่านั้นที่มุ่งไปในทิศทางนี้ คนอื่นยังคงสร้างเครื่องมือเขียนโค้ดกันอยู่
เรามองเห็นจุดเปลี่ยนในช่วงปลายปี 2024 โดยจับสัญญาณความสามารถในการวางแผนระยะยาวและการใช้เครื่องมือที่ขอบเขตของโมเดลได้อย่างเฉียบคม หลังจากสำรวจหลายครั้ง เราก็พยายามหารูปแบบผลิตภัณฑ์ที่เหมาะสมต่อไป
1.4 มุ่งเป้าไปที่ผู้ใช้ที่ไม่ใช่สายเทคนิค: ทำให้ความฉลาดมองเห็นได้ สร้างความเชื่อมั่น
Manus ในช่วงแรกดูเหมือน Cursor มาก คล้ายกับเครื่องมือเขียนโค้ด ครั้งหนึ่ง Yusen นักลงทุนจาก ZhenFund มาเยี่ยมออฟฟิศเพื่อดูต้นแบบยุคแรก เขาบอกว่า "เลย์เอาต์สามคอลัมน์นี้ดูเป็นมืออาชีพเกินไปไหม? มันดูน่าเกรงขามนะ" คำตัดสินของเราตอนวางแผนผลิตภัณฑ์คือต้องเจาะกลุ่มผู้ที่ไม่ใช่สายเทคนิค ในเมื่อเป้าหมายคือคนทั่วไป การสร้างความประทับใจแรกที่ดูเป็นมืออาชีพเกินไปย่อมมีปัญหาแน่นอน เราจึงเปลี่ยนอินเทอร์เฟซจากสามคอลัมน์เหลือสองคอลัมน์
ในกระบวนการนี้ เราสร้างนวัตกรรมมากมายเพื่อตลาดเป้าหมาย เนื่องจาก Agent เป็นเรื่องใหม่มาก คนธรรมดาจึงยากจะเชื่อว่ามันจะทำงานได้จริง ในช่วงสองเดือนครึ่งของการวิจัยและพัฒนา ผมกลับบ้านไปพร้อมกับเสียงแหบพร่าทุกวัน
หลังจากที่ต้นแบบแรกทำงานได้เมื่อวันที่ 5 มกราคม 2025 ผมโพสต์ลง WeChat Moments ถามเพื่อน ๆ ว่า ถ้าคุณมีเด็กฝึกงานที่จบการศึกษาระดับปริญญาตรี คุณจะมอบหมายงานอะไรให้เขา? ผมรวบรวมงานได้กว่า 400 งานจากเพื่อนมากกว่า 100 คน ซึ่งกลายเป็นชุดข้อมูลประเมินผล (evaluation dataset) ชุดแรกของ Manus
ตั้งแต่ต้นแบบแรกเป็นต้นมา เมื่อเฟรมเวิร์กการประมวลผลของ Agent (ซึ่งต่อมาเรียกว่า Harness) พัฒนาขึ้น งานเหล่านั้นก็สร้างความประหลาดใจให้เราทุกวัน เมื่อนำงานที่ต้องใช้ embodied intelligence กว่า 100 งานออกไป (เช่น การไปซื้อชานมไข่มุก) งานที่เหลืออีกกว่า 300 งานถูกทำให้เสร็จในรูปแบบที่เหนือจินตนาการ ผมอดไม่ได้ที่จะต้องตะโกนลั่นออฟฟิศทุกวัน และกลับบ้านไปพร้อมกับคอที่แหบแห้ง ภรรยาถามว่าทำไมงานถึงทำให้ผมเหนื่อยขนาดนี้ แต่ความรู้สึกที่ว่าความฉลาดมันทะลุหน้าจอออกมานั้นต้านทานไม่อยู่ คุณรู้ได้เลยว่านี่คืออนาคต
อย่างไรก็ตาม แรงกระแทกนี้รุนแรงมากจนถ้าเราให้แค่ผลลัพธ์แก่ผู้ใช้ พวกเขาอาจคิดว่าเป็นของปลอม เราจึงตัดสินใจว่า ความโปร่งใสต้องกลายเป็นฟีเจอร์หนึ่งของผลิตภัณฑ์
ในการเปิดตัวครั้งแรกของ Manus การออกแบบผลิตภัณฑ์ที่สำคัญสองอย่างได้กลายเป็นกระบวนทัศน์การออกแบบสำหรับ AI Agents เกือบทั้งหมด ได้แก่
ประการแรก การแสดงผลการดำเนินการแบบทีละขั้นตอน (Step-by-step execution display) เพื่อให้ผู้ใช้เห็นว่า Agent ทำงานคืบหน้า เรียกใช้เครื่องมือ เข้าชมเว็บไซต์ จดบันทึก และเขียนโค้ดอย่างไร
ประการที่สอง Session Replay (การเล่นซ้ำเซสชัน) เมื่อแชร์เซสชัน ผู้อื่นสามารถย้อนดูกระบวนการทำงานทั้งหมดได้
ประสิทธิภาพความฉลาดของผลิตภัณฑ์อาจคิดเป็น 80% แต่การออกแบบ UI ที่เน้นการเติบโตทั้งสองอย่างนี้คือหัวใจสำคัญของการระเบิดความนิยมในช่วงแรก หลายคนตอนแรกไม่เชื่อใน AI Agents แต่เมื่อได้เห็นทีละขั้นตอนว่ามันทำงานคืบหน้า เรียกใช้เครื่องมือ เปิดหน้าเว็บ เขียนบันทึก/โค้ด อย่างไร พวกเขาก็ตระหนักว่ามันทำงานเหมือนมนุษย์จริง ๆ ซึ่งช่วยสร้างความเชื่อมั่น ด้วย Session Replay ผู้ใช้ไม่ต้องมีรหัสเชิญชวนหรือจ่ายเงิน แค่ดูเซสชันที่แชร์มาก็สัมผัสได้ถึงช่วงเวลาที่น่าทึ่ง การออกแบบเหล่านี้มาจากนิยามกลุ่มเป้าหมายที่ชัดเจนว่าไม่ใช่สายเทคนิค เราไม่สามารถทึกทักได้ว่าพวกเขามีพื้นฐานทางเทคนิค จึงต้องใช้นวัตกรรมผลิตภัณฑ์ช่วยให้พวกเขาเข้าใจสิ่งที่เกิดขึ้นและสร้างความเชื่อมั่น
1.5 เหตุผลที่แท้จริงเบื้องหลังการเปิดตัวครั้งเดียว: นวัตกรรมผลิตภัณฑ์และการถ่ายทอดของผู้ก่อตั้ง
เกี่ยวกับการเปิดตัวในเดือนมีนาคม เมื่อเดือนพฤศจิกายนปีที่แล้วที่มหาวิทยาลัยชิงหวา มีนักศึกษาถามว่ามีหลายคนคิดว่าเราจ้าง KOL จำนวนมากและจัดฉากการตลาดขึ้นในเดือนมีนาคมหรือไม่
เพื่อนที่ทำด้านการตลาดบอกผมว่า "แม้จะมีงบ 20-30 ล้านหยวน ถ้าคุณขอให้ผมทำซ้ำการตลาดแบบ Manus ผมก็ทำผลลัพธ์แบบนี้ไม่ได้" คนหนุ่มสาวมักมองการตลาดในแง่ลบ คิดว่ามันเป็นสิ่งผิด ถ้าคุณอยากทำธุรกิจแต่คิดว่าการตลาดเป็นสิ่งผิด นั่นคือทัศนคติที่แย่มาก วิธีเล่าเรื่องราวให้ดีคือทักษะที่ผู้ก่อตั้งชาวจีนขาดหายไป ซึ่งผมสัมผัสได้อย่างลึกซึ้งในช่วงสองปีที่ผ่านมาใน Silicon Valley
คนมักประเมินความยากของการตลาดต่ำไป คิดว่าแค่โยนเงินลงไปก็จบ ถ้ามันง่ายขนาดนั้น สตาร์ทอัพคงไม่มีโอกาสเลย เพราะคุณสู้เงินทุนของบริษัทใหญ่ไม่ได้
ผมเคยบอกว่าการเปิดตัวในเดือนมีนาคมใช้งบ 0 หยวน แต่ต่อมาผมตระหนักว่าคำพูดนี้ไม่รัดกุมพอ
วันที่ 28 กุมภาพันธ์ 2025 เว็บไซต์พร้อมใช้งานแล้ว Red ซึ่งเป็น CEO ตรวจดูแล้วบอกว่า "Tao เว็บนี้ดูเรียบไปหน่อยไหม? เราควรเพิ่มวิดีโอเข้าไปไหม?" เหลือเวลาอีกไม่กี่วันก่อนเปิดตัวในวันที่ 5 มีนาคม ผมติดต่อโปรดักชันเฮาส์ในปักกิ่งไปสองสามแห่ง ทุกคนบอกว่าต้องใช้เวลาล่วงหน้าอย่างน้อยสองสัปดาห์
สุดท้ายผมถ่ายวิดีโอเองด้วยกล้อง Sony A7C II เนื่องจากเลนส์ไม่ดีพอ ผมจึงยืมเลนส์ 50mm f/1.2 GM จาก Yusen แห่ง ZhenFund มานั่งตัดต่ออยู่สองคืน พอจะอัปโหลดลง YouTube ผมพบว่าต้องจ่ายเงินเพื่อส่งออกไฟล์ 4K ผมจึงจ่ายไปประมาณ 12-15 ดอลลาร์เพื่อสมัครสมาชิก CapCut รายเดือน ซึ่งเป็นเงินก้อนเดียวที่จ่ายเพิ่มสำหรับการเปิดตัวครั้งนั้น และยกเลิกทันทีหลังต่ออายุ
พอวิดีโอไวรัล คนก็ทึกทักเอาว่าเราเป็นนักการตลาดที่ยอดเยี่ยมที่ทำวิดีโอออกมาได้อลังการ ผมเล่าเรื่องนี้ซ้ำแล้วซ้ำเล่าเพื่อเตือนผู้ประกอบการรุ่นใหม่ ถ้าคุณสรุปบทเรียนจากผลิตภัณฑ์ที่โด่งดังว่า "พวกเขาเก่งการตลาด" แสดงว่าคุณเรียนรู้ผิดเรื่องแล้ว เรื่องราวไม่เคยเรียบง่ายขนาดนั้น
ประการแรก Manus ปรากฏตัวในเวลาที่เหมาะสม โดยใช้รูปแบบผลิตภัณฑ์ที่ถูกต้องเพื่อแสดงให้โลกเห็นว่าขอบเขตความสามารถของโมเดลอยู่ที่ไหน ตอนนี้เฟรมเวิร์กพวกนี้เรียกว่า Harness แต่ตอนนั้นคำนี้ยังไม่เป็นที่นิยม ผมเชื่อว่าเราเป็นหนึ่งในทีมแรก ๆ ที่ทำเฟรมเวิร์กแบบนี้ ดันขอบเขตของโมเดลไปถึงขีดสุด หลังเปิดตัว ผมได้พบกับทีม Anthropic ที่ซานฟรานซิสโกในเดือนมีนาคม พวกเขาไม่เชื่อว่าเราใช้แค่โมเดลของพวกเขา เพราะผลการทดสอบภายในของพวกเขาไม่ตรงกับความสามารถของเรา ผมบอกไปว่าผมรักโมเดลของพวกเขาจริง ๆ ต่อมา Claude Code มีโค้ดหลุดออกมา และเราก็เห็นร่องรอยที่คล้ายคลึงกับการออกแบบสถาปัตยกรรมยุคแรกของเรา ดังนั้นผมจึงเชื่อว่ารากฐานหลักของความสำเร็จในการเปิดตัวคือนวัตกรรมผลิตภัณฑ์ที่สำคัญ
หากไม่มีนวัตกรรมผลิตภัณฑ์ที่ดี การพึ่งพาแค่วิดีโอก็เหมือนการเอารถเทียมม้าไว้ข้างหน้า การทำสิ่งที่ควรทำทีหลังมาก่อน หลังจากนั้น ผมรู้สึกหมดหนทางเมื่อเห็นสตาร์ทอัพนับไม่ถ้วนใช้สไตล์เดียวกัน ผู้ก่อตั้งนั่งบนโซฟาที่มีต้นไม้เป็นฉากหลัง ทุกคนทำตัวเหมือนเด็กเอเชียตะวันออกที่ลอกแพตเทิร์นข้อสอบมาใช้โดยไม่รู้ว่าควรทำอะไรเป็นอย่างอื่น นี่เป็นเรื่องตลก เพราะเราเลือกมุมนั้นเพียงเพราะมันเป็นจุดเดียวใน co-working park ของเราที่พื้นหลังสะอาดตาและเงียบพอสำหรับการถ่ายทำ ถ้าคุณสังเกตดี ๆ จะเห็นภาพกระโดด เพราะ Chief Scientist ของเราพูดอยู่ขณะที่แม่บ้านถูพื้นอยู่ข้างหลัง สิ่งที่สำคัญจริง ๆ ไม่ใช่วิดีโอ แต่คือผลิตภัณฑ์ของคุณ อย่างไรก็ตาม ถ้ามองย้อนกลับไป วิดีโอนั้นก็ยังสำคัญ เพราะผมเป็นคนถ่ายและ Chief Scientist ของเราเป็นคนนำเสนอ
หลังจาก Manus ดังเปรี้ยงปร้าง หลายทีมต้องเผชิญกับคำถามจากเจ้านายหรือนักลงทุนว่า "ทำไมพวกคุณสร้าง Manus ไม่ได้?" ข้ออ้างที่ปลอดภัยที่สุดมักกลายเป็น "เราเป็นทีมเทคโนโลยีที่แข็งแกร่ง ไม่เหมือนพวกเขาที่เก่งการตลาด" ฟังดูเข้าท่าดี โทษความล้มเหลวว่าเป็นเพราะ "ไม่เก่งการตลาด"
คนมักมองข้ามแก่นแท้ ผมเป็นคนทำผลิตภัณฑ์ อีกคนดูแลโมเดลในฐานะ Chief Scientist ไม่มีใครมาจากสายการตลาดเลย เราแค่สร้างผลิตภัณฑ์ที่เราภูมิใจและพอใจ แล้วถ่ายทอดมันออกไปสู่โลกด้วยภาษาของเราเอง
การตลาดของสตาร์ทอัพในระยะเริ่มต้น ผู้ก่อตั้งต้องลงมือทำเอง การจ้างเอเจนซี่หรือ "ผู้เชี่ยวชาญด้านการตลาด" มีความเสี่ยงสูงที่ข้อมูลจะถูกบิดเบือน มีเพียงผู้ก่อตั้งเท่านั้นที่รู้วิธีเล่าเรื่องราวอย่างแท้จริง ดังนั้นถ้ามองย้อนกลับไป วิดีโอไม่ได้สำคัญที่รูปแบบ แต่สำคัญที่เราทำมันด้วยตัวเอง
1.6 ออกแบบผลิตภัณฑ์เพื่อรองรับความสามารถของโมเดลในอีก 6 เดือนข้างหน้า
สำหรับนวัตกรรมแอปพลิเคชัน AI ให้ออกแบบผลิตภัณฑ์เพื่อรองรับความสามารถของโมเดลในอีก 6 เดือนข้างหน้า ผมเชื่อว่าปีหน้า 2027 จะเป็นปีทองของแอปพลิเคชัน AI
"ล่วงหน้า 6 เดือน" หมายความว่าอย่างไร? อย่ารอจนกระทั่งเช้าวันนี้อ่านบทความเจอว่าโมเดลอัปเดตเพิ่มความสามารถอะไร แล้วค่อยมานั่งคิดว่าจะสร้างแอปจากสิ่งนั้น พอถึงตอนนั้นอาจจะสายเกินไปแล้ว
ในทีมของเรา Chief Scientist เป็นผู้ให้ข้อมูลสำคัญ เขาศึกษา NLP มานานกว่าสิบปี จึงรับรู้ทิศทางวิวัฒนาการของแล็บแนวหน้าได้อย่างเฉียบคมจากประสิทธิภาพของโมเดลปัจจุบันและข้อมูลทั้งที่เปิดเผยและไม่เปิดเผย ตัวอย่างเช่น เราเห็นความสามารถระดับ AGI (Artificial General Intelligence) เริ่มก่อตัวขึ้นจาก Claude 3.5 Sonnet และก้าวกระโดดอีกครั้งใน V2 เราประเมินว่าพวกเขากำลังลงทุนอย่างหนักในทิศทางนี้ ถ้ามันก้าวกระโดดขึ้นไปอีกระดับในอีก 3-4 เดือน ผลิตภัณฑ์ของเราจะไม่ทรงพลังสุด ๆ หรอกหรือ?
เราจึงตัดสินใจเริ่มลงมือทันที เดิมทีคาดว่าจะมีการกระโดดจาก 3.5 ไป 4.0 เลยวางแผนจะเปิดตัวพร้อมกับ 4.0 แต่ 3.7 กลับออกมาก่อน คืนที่ 3.7 เปิดตัว ผมโพสต์ลง Jike ว่า "ค่ำคืนแห่งการเติมศรัทธา" ทำไมน่ะเหรอ? คืนนั้นโค้ด Harness ของเราไม่ได้เปลี่ยนไปแม้แต่บรรทัดเดียว เราแค่สลับอินเทอร์เฟซของโมเดลจาก 3.5 V2 เป็น 3.7 บนชุด eval ของเรา ประสิทธิภาพพุ่งสูงขึ้น แก้ปัญหาที่เคยแก้ไม่ได้ไปราว 20-30% ในทันที เรารู้เลยว่าเราวางเดิมพันถูกทาง
Chief Scientist ของเราเน้นย้ำเสมอว่า "ลดโครงสร้าง เพิ่มความฉลาด" (Less structure, more intelligence) หลังเปิดตัว ตอนที่ผมแชร์แนวคิดนี้ทั้งใน Silicon Valley และในประเทศ หลายคนกลับมองข้ามไป แนวปฏิบัติทั่วไปในตอนนั้นคือให้มนุษย์ออกแบบ workflow สอนขั้นตอนให้ AI ตรงไหนผิดพลาดก็เขียนกฎบังคับหรือเงื่อนไขแยกสาขา แต่เฟรมเวิร์กการประมวลผล Agent แรกของเราไม่ได้ใช้ workflow แบบตายตัวที่กำหนดทุกขั้นตอน แต่ให้โมเดลตัดสินใจการกระทำถัดไปด้วยตัวเอง
ไม่ว่าจะทำวิจัย ทำ Slides สร้างเว็บไซต์ หรือวิเคราะห์ข้อมูล โมเดลจะเป็นผู้ตัดสินใจขั้นตอนถัดไป ไม่ใช่กระบวนการแข็งทื่อที่ร้อยเรียงทุกอย่างเข้าด้วยกัน ตอนนั้นระบบ multi-agent กำลังมาแรง แต่เรายังคงยืนหยัดในเส้นทาง single-agent
ทำไมถึงยึดมั่นในสิ่งนี้? โครงสร้างที่ตั้งค่าไว้ล่วงหน้าน้อยที่สุดจะช่วยดึงประโยชน์จากความสามารถของโมเดลที่เพิ่มขึ้นได้สูงสุด การเขียน workflow แบบตายตัวจะทำให้คุณไม่ได้รับอานิสงส์จากการอัปเดตโมเดล ก่อน 3.7 เราไม่รู้หรอกว่าคำตัดสินนี้ถูกต้องหรือไม่ แต่ในคืนเปิดตัว เรายืนยันได้ว่าโดยไม่ต้องเปลี่ยนเฟรมเวิร์กการประมวลผล แค่ความสามารถของโมเดลดีขึ้นก็ช่วยยกระดับประสิทธิภาพของผลิตภัณฑ์ได้แล้ว นี่หมายความว่าไม่ใช่แค่ครั้งนี้ แต่เราอาจได้รับประโยชน์อย่างต่อเนื่องจากความก้าวหน้าของโมเดลในอนาคต ดังนั้นสำหรับผู้ประกอบการ AI สิ่งสำคัญคืออย่าคอยปะผุจุดอ่อนของโมเดลในปัจจุบันอย่างไม่สิ้นสุด เพราะท้ายที่สุดมันจะถูกแก้ไข แต่ให้ถามว่า โมเดลจะเป็นอย่างไรในอีก 6 เดือน? และถ้าเป็นเช่นนั้น รูปแบบผลิตภัณฑ์แบบไหนที่เหมาะกับโมเดลในอนาคตนั้น?
เริ่มลงมือทำเลย ในอีก 3 เดือน ผลิตภัณฑ์อาจดูแย่ แต่จงรักษาความเชื่อมั่นอันแรงกล้าไว้ มันเป็นเพียงเพราะโมเดลยังตามไม่ทัน เมื่อโมเดลตามทัน ข้อได้เปรียบของรูปแบบผลิตภัณฑ์จะปรากฏขึ้นทันที และเมื่อโมเดลไปถึงจุดนั้นจริง ๆ คุณจะเป็นคนเดียวที่ยืนอยู่ในตำแหน่งนั้นอย่างเตรียมพร้อมเต็มที่
1.6.1 ตัวอย่างของการมองไปข้างหน้า: ประสบการณ์ Generative ที่ความหน่วงเพียงหนึ่งวินาที
คุณอาจ觉得เรื่องนี้เป็นนามธรรม แล้วเราจะทำอะไรได้จริง ๆ ล่ะ? นอกจากสิ่งที่เราทำไปแล้ว ยังมีโอกาสอื่นอีกไหม? ผมขอแชร์โอกาสหนึ่ง (ซึ่งผมจะไม่ทำเอง):
ผมเฝ้ารอช่วงเวลานี้มาตลอด โมเดลสร้างวิดีโออย่าง Seedance ลดความหน่วงจากการป้อน prompt ไปจนถึงการแสดงผลภาพให้เหลือต่ำกว่าหนึ่งวินาที ผมเชื่อว่านั่นจะเป็นจุดเปลี่ยนที่สำคัญของการทำธุรกิจแอปพลิเคชัน AI รอบนี้ เพราะในมุมมองของผม โมเดลสร้างวิดีโอที่มีความหน่วงหนึ่งวินาทีไม่ใช่แค่เครื่องมืออีกต่อไป แต่มันคือระบบปฏิบัติการยุคใหม่
เมื่ออนาคตนั้นมาถึง ซอฟต์แวร์ควรมีหน้าตาเป็นอย่างไร? ผู้ใช้ควรมีปฏิสัมพันธ์กับผลิตภัณฑ์ generative ที่ความหน่วงหนึ่งวินาทีอย่างไร? ผมประเมินว่าการเปลี่ยนแปลงเหล่านี้จะเกิดขึ้นภายในหกเดือน การเตรียมตัวรอบทิศทางนี้คือโอกาสทางธุรกิจที่ยอดเยี่ยม นี่เป็นเพียงตัวอย่างเดียว โมเดลหลายตัวกำลังก้าวหน้าในด้านต่าง ๆ อีก 3 หรือ 6 เดือนข้างหน้าพวกมันจะเป็นอย่างไร? คนธรรมดาจะใช้ประโยชน์จากความสามารถเหล่านี้อย่างไร? นี่คือโอกาสหลักของการทำธุรกิจแอปพลิเคชัน AI
1.7 ลดอุปสรรคในการป้อนข้อมูล ใช้การชำระเงินเพื่อคัดกรองมูลค่าที่แท้จริง
ต่อไปคือการตัดสินใจประการที่สอง ทำไมเราไม่สร้าง Chatbot? เพราะเพดานของมันถูกจำกัดด้วย prompt ของผู้ใช้ง่ายเกินไป มีเพียงผู้ใช้ที่มีความรู้สูงเท่านั้นที่ดึงมูลค่าออกมาได้เต็มที่ ทำให้ผลิตภัณฑ์เลือกผู้ใช้ ความพยายามสร้างผลิตภัณฑ์ใหม่ในอนาคตมุ่งเป้าไปที่การลดต้นทุนการป้อนข้อมูลของผู้ใช้ให้น้อยที่สุด เพื่อให้ผู้ใช้สัมผัสถึงมูลค่าจากความฉลาดของโมเดลในชีวิตประจำวันได้อย่างต่อเนื่อง
ในยุค AI มูลค่าผลิตภัณฑ์ที่สำคัญที่สุดคือการทำให้ผู้ใช้สัมผัสได้ถึงความฉลาด หลายคนไม่ตระหนักถึงเรื่องนี้ คิดว่ามูลค่าอยู่ที่การให้บริการฟรี มันไม่เคยเกี่ยวกับของฟรีเลย การอุดหนุนด้วยการให้ใช้ฟรีคือกับดักที่ใหญ่ที่สุดในยุค AI
ถ้ามองย้อนกลับไปที่การทำธุรกิจแอปพลิเคชัน AI ในจีนช่วง 2-3 ปีที่ผ่านมา กับดักที่ใหญ่ที่สุดคือการถูกหลอกด้วยแนวคิดการอุดหนุนของฟรีจากยุคอินเทอร์เน็ตมือถือก่อนหน้า โดยคิดว่ารุ่นนี้ทำแบบเดียวกันได้ ผิดพลาดอย่างสิ้นเชิง
ประการแรก ถ้าประสิทธิภาพความฉลาดดีพอ คนจะยอมจ่าย ตัวอย่างเช่น ผู้ใช้หลักบางคนของแพลตฟอร์มใช้จ่าย 4,000-5,000 ดอลลาร์ต่อเดือน ตัวเลขสูงมาก แต่ความเต็มใจจ่ายแสดงให้เห็นว่าพวกเขาพบมูลค่า
ประการที่สอง การอุดหนุนของฟรีทำให้ทีมติดอยู่ในวงจร feedback ที่ไร้ค่า แน่นอนว่าต้องรับฟัง feedback แต่ผู้ใช้ฟรีจะเรียกร้องว่า "ฉันอยากได้อันนี้ ฉันอยากได้อันนั้น" ความต้องการเหล่านี้ไม่ได้ไร้ค่า แต่มันอาจทำให้ผู้ประกอบการไขว้เขว การมองความต้องการที่ไม่เกี่ยวข้อง การคิดถึงทิศทางที่ผิด ย่อมเป็นการเสียเวลาโดยแท้
ประการที่สาม การยึดมั่นในโมเดลแบบจ่ายเงินช่วยให้มั่นใจได้ว่า feedback จะมาจากผู้ใช้ที่สัมผัสถึงมูลค่าแล้วและโหวตด้วยเงินหรือการกระทำ การสร้างผลิตภัณฑ์รอบความต้องการที่แท้จริงของพวกเขาจะดึงดูดผู้ใช้ที่ยอมจ่ายเงินรายอื่นได้ดีกว่า
ในช่วง 2-3 ปีที่ผ่านมา ความพยายามในประเทศที่จะเติบโตด้วยการอุดหนุนของฟรีในช่วงแรก (ไม่ว่าจะเป็น Coding Agents หรืออื่น ๆ) ส่วนใหญ่ล้มเหลว คนโทษว่าแบรนด์ไม่แข็งแรง แต่เหตุผลหลักคือการเปิดให้ใช้ฟรี ปัญหานี้เด่นชัดเป็นพิเศษในบริษัทใหญ่ ทรัพยากรที่ล้นเหลือทำให้พวกเขาสามารถทุ่มเงินหลายสิบล้านเพื่ออุดหนุนได้ตั้งแต่วันแรก นำไปสู่เส้นทางที่บิดเบี้ยว ผมทำแบบให้ฟรีไม่ได้ ถ้าคุณแตะ 100k DAU ในเดือนแรก มันจะกลายเป็น KPI ของคุณ เดือนถัดไปคุณก็อยากได้ตัวเลขที่สูงขึ้นเท่านั้น ไม่มีใครกล้าเปลี่ยนไปเก็บเงิน คุณแบกภาระ DAU ฟรีนี้ไว้ ซึ่งบั่นทอนการรับรู้ตลาดผู้ใช้ที่แท้จริง ประเด็นสำคัญคือ การทำให้ผู้ใช้สัมผัสได้ถึงประสิทธิภาพความฉลาดที่แท้จริงคือสิ่งที่สำคัญที่สุดในการสร้างผลิตภัณฑ์ยุค AI
เราไม่ได้เปิดตัวฟีเจอร์แบบจ่ายเงินตั้งแต่แรก แต่เริ่มเก็บเงินในช่วงปลายเดือนมีนาคม 2025 ภายในเดือนเมษายนซึ่งเป็นเดือนแรก ARR ทะลุ 40 ล้าน และเข้าใกล้ 50 ล้าน ทำไมน่ะเหรอ? เพราะผลิตภัณฑ์ส่งมอบความฉลาดที่ท่วมท้นได้จริง ๆ นั่นแหละคือหัวใจสำคัญ
1.8 ทำไมถึงยืนหยัดทำแบบ General-Purpose: กรอบความคิดของผู้ใช้และความต้องการ Long-Tail
การตัดสินใจประการที่สามคือการยืนหยัดทำแบบ general-purpose (อเนกประสงค์) ตอนเปิดตัว Manus เราเคลมว่าเป็น AI Agent อเนกประสงค์ตัวแรกของโลก ทำไมต้องเน้นคำว่าอเนกประสงค์?
ในช่วงแรก เราได้ยินความเห็นจากนักลงทุนมากมาย เช่น ให้ปรับเปลี่ยน UI แต่มีข้อเสนอหนึ่งที่เราปฏิเสธ นักลงทุนถามว่า "ผลิตภัณฑ์นี้ทำอะไรได้แน่ ๆ? ทุกครั้งที่เข้ามาดูก็มีแต่งาน long-tail แปลก ๆ" ผมโชว์ผล eval ทั้งภายในและภายนอกให้ดู พวกเขาบอกว่า "คุณบอกชื่อสถานการณ์ใช้งานที่ใช้งานได้จริงและแสดงมูลค่าให้เห็นได้สักหนึ่งอย่างไหม?" ผมยอมรับว่าบอกไม่ได้
พวกเขาแนะนำให้โฟกัส เช่น ทำ website generator หรือ slide generator สิ่งเหล่านั้นเป็นไปได้ แต่เราไม่ทำ
ถ้ามองย้อนกลับไปอาจฟังดูมีการคำนวณ แต่จริง ๆ ตอนนั้นเราไม่ได้คิดเยอะขนาดนั้น พูดง่าย ๆ คือ ในช่วงสองเดือนครึ่งที่พัฒนา Manus ผมตกตะลึงกับความฉลาดของมันซ้ำแล้วซ้ำเล่า ตื่นเต้นสุด ๆ ทุกวัน เมื่อรู้ว่ามันน่าทึ่ง ทำงาน long-tail ได้ทุกอย่างเหมือนมนุษย์ ผมก็อยากแบ่งปันความสุขและความประหลาดใจนั้นให้โลกรู้
มันเป็นกรอบความคิดแบบคนทำผลิตภัณฑ์ล้วน ๆ ไม่ใช่กลยุทธ์ general-purpose ที่วางแผนไว้ล่วงหน้า แต่ถ้ามองย้อนกลับไป การยืนกรานทำแบบอเนกประสงค์คือการตัดสินใจเชิงกลยุทธ์ที่สำคัญในเส้นทางของ Manus
เหตุผลคือ กรอบความคิดของแบรนด์นั้นยากที่จะซื้อได้ด้วยเงิน
ตำแหน่งที่คุณครอบครองในความคิดของผู้ใช้นั้นยากจะเปลี่ยนแปลง แม้จะทุ่มเงินเป็นพันล้านก็ตาม ในเมื่อเราเริ่มต้นในฐานะ "General Agent" การเปิดตัวฟีเจอร์พัฒนาเว็บไซต์, Slides หรือคำสั่งวิดีโอในภายหลังจึงดูเป็นเรื่องธรรมชาติ ผู้ใช้คิดว่า "Manus ทำได้ทุกอย่างเป็นเรื่องปกติ" ในขณะที่คู่แข่งแนวตั้ง (vertical) ที่ขยายตัวมาทำงานทั่วไปกลับทำให้ผู้ใช้สับสน "คุณไม่ใช่เครื่องมือทำเว็บไซต์เหรอ? ทำไมตอนนี้มาวิเคราะห์ข้อมูล?" อย่าดูถูกเรื่องนี้
การครอบครองพื้นที่ในความคิดของผู้ใช้ของผลิตภัณฑ์มักเกิดขึ้นเพียงครั้งเดียวในชีวิต การเปลี่ยนแปลงมันยากเย็นแสนเข็ญ อาจต้องใช้เวลาหลายปีในการปรับกลยุทธ์และผลิตภัณฑ์ครั้งใหญ่หลังจากที่รอดชีวิตมาได้ การยืนหยัดทำแบบอเนกประสงค์ทำให้เราได้รับอานิสงส์ในทุกคลื่นของ AI และดำเนินต่อมาจนถึงทุกวันนี้
อีกประเด็นที่สำคัญ ภายในทีมเรามีเมทริกซ์ แกน X = เงินที่จ่ายให้เรา แกน Y = ความพึงพอใจของผู้ใช้ ใครครอบครองมุมขวาบน (จ่ายสูงสุด พึงพอใจสูงสุด)?
ไม่ใช่โปรแกรมเมอร์ เราเน้นไปที่ผู้ใช้ที่ไม่มีความรู้ด้านเทคนิค แม้จะมีโปรแกรมเมอร์ใช้งานอยู่บ้างแต่ก็น้อยกว่า กลุ่มที่พอใจที่สุดคือผู้บริหารระดับองค์กร: CEO, เจ้าของกิจการขนาดเล็ก, หัวหน้าแผนก ทำไมน่ะหรือ? เพราะเจ้านายมีงานจุกจิกมากที่สุด วันนี้คิดเรื่องนี้ พรุ่งนี้คิดเรื่องนั้น พวกเขาพบว่า Manus ตอบโจทย์ได้อย่างน่าเหลือเชื่อ ก่อนหน้า Manus ไม่มีเครื่องมือ AI ใดที่แก้ปัญหาทุกอย่างหรือพูดคุยได้ทุกเรื่องให้พวกเขาได้ AI แนวตั้ง (Vertical AI) รุ่นก่อน ๆ (เช่น Marketing Agents) มีข้อจำกัดมากมาย มีเพียง Manus เท่านั้นที่ทำทุกอย่างได้ ดังนั้นกลุ่ม CEO จึงใช้งานอย่างมีความสุขและกลายเป็นผู้ใช้ระดับไฮเอนด์ที่ภักดี การยืนหยัดทำแบบอเนกประสงค์ (general-purpose) ช่วยให้เราคว้าลูกค้าระดับไฮเอนด์มาได้ และสร้างกำแพงการจดจำในใจผู้บริโภค (mindshare) ทำให้รอดพ้นจากการถูก淘汰ในช่วง 1-2 ปีของการเปลี่ยนแปลงทางเทคโนโลยี
แน่นอนว่าไม่ใช่ทุกคนที่ควรทำแบบอเนกประสงค์ เราประสบความสำเร็จเพราะในตอนนั้นยังไม่มีใครทำ เราจึงแย่งชิงพื้นที่ในใจผู้คนได้ก่อน หากมาลองทำทีหลังจะยากกว่ามาก
1.9 ออกแบบรอบชีวิตผู้ใช้ ไม่ใช่รอบพฤติกรรมทางเทคนิค
ข้อตัดสินที่สี่คือการทำความเข้าใจผู้ใช้
ดังที่กล่าวไป เราวางตำแหน่งผู้ใช้เป็นผู้ที่ไม่มีความรู้ด้านเทคนิคตั้งแต่แรก เราต้องการเสริมพลังให้คนธรรมดาทุกคนด้วยความสามารถอันมหาศาลของโมเดล ไม่ใช่แค่โปรแกรมเมอร์เท่านั้น
ดังนั้นเราจึงทำงานด้าน UX อย่างหนัก:
ประการแรก สร้างความไว้วางใจผ่านกระบวนการทำงานที่โปร่งใส
ประการที่สอง การประมวลผลบนคลาวด์แบบอะซิงโครนัส โปรแกรมเมอร์ที่ใช้ Cursor จะคลิกยืนยันหลังจากป้อนคำสั่งแล้วรู้สึกว่าเท่ดี แต่คนธรรมดาไม่ได้จ้องคอมพิวเตอร์ทั้งวัน พวกเขาอาจใช้มือถือหรือทำอย่างอื่นอยู่ เราจึงจัดเตรียม cloud sandbox ให้แต่ละทาสก์เพื่อรันงานบนคลาวด์ สถานการณ์ที่พบบ่อยคือ: หยิบมือถือขึ้นมา สั่งงาน ใส่กระเป๋ากลับไป ไม่ต้องเปิดหน้าจอค้างไว้ แล้วค่อยกลับมาดูผลลัพธ์เมื่อเสร็จ
ประการที่สาม ทำให้ตัวกระบวนการสามารถแชร์ได้ด้วยตัวเอง เราออกแบบ Session Replays ในรูปแบบการเล่าเรื่อง ในช่วงแรก หลายคนเข้าใช้ผลิตภัณฑ์ไม่ได้เพราะต้องใช้รหัสเชิญ แต่ก็เข้าใจคุณค่าของมันผ่านการดูรีเพลย์
1.9.1 เบื้องหลังรหัสเชิญ: ข้อจำกัดด้านเงินทุนและกำลังประมวลผล (Inference Capacity)
ว่าแต่ว่า ทำไมช่วงแรกถึงต้องเข้มงวดกับรหัสเชิญขนาดนั้น?
เหตุผลง่าย ๆ เหมือนการทำคลิปวิดีโอบนโซฟา: เราทำ คนอื่นก็ทำตาม; เราใช้รหัสเชิญ คนอื่นก็ทำตาม แต่การรู้เหตุผลเบื้องลึกทำให้การกระทำของพวกเลียนแบบดูตลกขบขัน
การใช้รหัสเชิญเป็นเพราะเรามีเงินเหลืออยู่ราว 8-9 ล้านดอลลาร์เท่านั้น เพิ่งระดมทุนมาได้อีกรอบ แต่เราก็ยังเป็นบริษัทที่ยากจน ก่อนหน้า Manus มี VC ในประเทศหลายรายที่ไม่ชอบเรา เมื่อเทียบกับคู่แข่ง AI ที่ดูหวือหวา เงินสดของเราถือว่าน้อยมาก
แม้จะใช้รหัสเชิญ ยอดเผาเงินสูงสุดต่อวันก็ยังแตะ 500,000 ดอลลาร์ หากเปิดให้ใช้เต็มที่ ผมกลัวว่าบริษัทอาจล่มสลายภายในหนึ่งสัปดาห์หลังเปิดตัวในวันที่ 5 มีนาคม ด้วยทรัพยากรที่ไม่ได้ใหญ่เท่าบริษัทชั้นนำ การตอบรับตอนเปิดตัวที่มหาศาลเกินคาดบังคับให้เราต้องควบคุมจังหวะผ่านรหัสเชิญ แล้วค่อยเปิดตัวฟีเจอร์แบบจ่ายเงิน ในช่วงที่ยังไม่เก็บเงิน รหัสเชิญช่วยจัดการปริมาณการใช้งานได้
นั่นคือเหตุผลแรก ส่วนเหตุผลที่สองคนนอกวงการไม่รู้: ทุกวันนี้การซื้อ API/token จาก AWS/GCP มักไม่มีปัญหา ซัพพลายไม่จำกัด (ส่วนใหญ่เพราะผลิตภัณฑ์ไม่ได้ขยายตัวใหญ่ขนาดนั้น) แต่ความท้าทายของเราคืออะไร? Manus คือ Agent อเนกประสงค์สำหรับผู้บริโภคตัวแรกของโลก ก่อนหน้านี้แพลตฟอร์มคลาวด์ให้บริการแอป Chatbot/เพื่อนคุยเท่านั้น ในการทดสอบช่วงแรกที่เปรียบเทียบ Manus (Agent) กับ Monica (Chatbot ซึ่งเป็นผลิตภัณฑ์ของเพื่อนร่วมงานเรา) ปริมาณการใช้ token ต่อ DAU ต่างกันถึง 200-1,000 เท่า
ตัวเลขนี้ใหญ่แค่ไหน? การจัดซื้อปริมาณการเรียกใช้โมเดลจากคลาวด์จะใช้หน่วย TPM (Tokens Per Minute) โดย M = Million ในภูมิภาคเอเชียแปซิฟิก แอปแชท/เพื่อนคุยขนาดใหญ่ที่ต้องการ 10M-20M TPM ถือเป็นลูกค้าระดับท็อป แต่สามวันหลังเปิดตัว เมื่อเปิดให้ผู้ถือรหัสเชิญทั้งหมดใช้งาน ความต้องการพุ่งไปถึงประมาณ 800M TPM
นึกภาพออกไหม? ตอนโทรหาผู้ให้บริการคลาวด์รายหนึ่ง (ขอไม่เอ่ยชื่อ) ผมบอกว่าเราต้องการ 500M TPM พวกเขาชินกับสตาร์ทอัพที่พูดเกินจริงเพื่อขอลดราคา จึงถามว่า "นี่คือปริมาณที่คาดการณ์ไว้สำหรับปีหน้าหรือเปล่า?"
ผมบอกว่าไม่ใช่ ผมต้องการ 500M ตอนนี้เลย
พวกเขาจัดหาให้ไม่ได้ ผู้ให้บริการคลาวด์ทุกรายไม่มีกำลังสำรองด้านการคำนวณเพียงพอ กำลังการผลิตเพิ่มขึ้นทีละนิดโดยคอยมองหน้ากัน ช่วงแรกเราแบกรับการเผาเงินขนาดนั้นไม่ไหว และบริการคลาวด์ก็ไม่ได้เตรียมพร้อมรับมือกับการระเบิดตัวของ AI Agent
โชคดีที่เราจัดหา TPM ได้หลายร้อยล้านจากแพลตฟอร์มคลาวด์แห่งหนึ่ง ทำให้รอดเดือนแรกมาได้ หลังจากนั้นเราสื่อสารกับผู้ให้บริการอย่างต่อเนื่อง บอกพวกเขาว่า Agent จะเติบโตแบบก้าวกระโดด และเร่งให้เตรียมกำลังการผลิต
พอถึงเดือนพฤษภาคมที่สิ้นสุดการใช้รหัสเชิญ หลายแพลตฟอร์มเสนอ 30-50M TPM ให้ผู้ประกอบการได้ เนื่องจากมีการเพิ่มกำลังการผลิตมาก่อนแล้ว
ดังนั้นตอนที่ผมเล่าเรื่องนี้ในเดือนพฤษภาคม/มิถุนายน หลายคนไม่เชื่อและหาว่าเราโม้: "เราไม่เคยเจอแบบนี้ ขอ 10M เมื่อไหร่ก็ได้"
ผมคิดว่า: หนึ่ง สองเดือนก่อนคุณอาจจะขอไม่ได้หรอก สอง 10M กับ 1,000M มันต่างกัน 100 เท่า คนไม่ตระหนักเลยว่าความต้องการตอนเปิดตัวของ Manus สร้างปัญหาให้ซัพพลายเชนมากแค่ไหน ทั้งทรัพยากรคลาวด์ โครงสร้างพื้นฐาน ระบบชำระเงิน ล้วนต้องมีผู้บุกเบิกเข้าไปแก้ปัญหาก่อน ผู้ประกอบการด้าน Agent ในภายหลังอาจไม่ต้องเผชิญปัญหาเดียวกันทุกประการ
1.10 คำแนะนำสำหรับผู้ประกอบการรุ่นใหม่
ท้ายที่สุด หลายคนในที่นี้อาจกลายเป็นผู้ประกอบการสาย AI-native นี่คือข้อเสนอแนะของผม
1.10.1 มองระดับโลกตั้งแต่วันแรก ไม่ใช่แค่มองตะวันตก
ข้อแรก วิสัยทัศน์ระดับโลก
วิสัยทัศน์ระดับโลกคืออะไร? เดือนมิถุนายนปีที่แล้ว VivaTech งานซัมมิตเทคครั้งใหญ่ของยุโรป เชิญเราไป ผมยินดีที่ได้ไปพูดในงานซัมมิตของผลิตภัณฑ์ที่เป็นปรากฏการณ์ระดับโลก สามวันก่อนเดินทาง ผู้จัดงานบอกว่าจะมีเซอร์ไพรส์ เย็นวันนั้น Gmail ของผมได้รับอีเมลจาก elysee.fr (โดเมนของทำเนียบประธานาธิบดีฝรั่งเศส): ประธานาธิบดี Macron เชิญผมไปทานอาหารค่ำ
ปฏิกิริยาแรก: หลอกแน่ ๆ คนทั่วไปก็ต้องคิดว่าเป็นมิจฉาชีพใช่ไหมล่ะ? แต่ผู้จัดงานยืนยันว่านี่แหละคือเซอร์ไพรส์ หลังจบซัมมิต ผมได้ไปทานมื้อค่ำกับ Macron ที่พระราชวังเอลิเซ่ ส่วนเรื่องที่เพิ่งโพสต์ลง Xiaohongshu เกาะกระแส Jensen Huang นั้น เกิดขึ้นเพราะ Macron นั่งอยู่ทางขวาของผม และ Huang นั่งอยู่ตรงข้าม Huang กล่าวสุนทรพจน์ได้ยอดเยี่ยมมาก ผมจึงอัดวิดีโอแล้วโพสต์ จนกลายเป็นไวรัลเมื่อไม่นานมานี้
ทำไมถึงเล่าเรื่องนี้? ผลิตภัณฑ์เพิ่งเปิดตัวไปได้แค่ 3 เดือนเศษ แต่กลับได้รับเชิญไปงานระดับสูงขนาดนั้น โต๊ะหลายสิบโต๊ะเต็มไปด้วยผู้ก่อตั้งและนักลงทุนชาวยุโรป บทสนทนาหลังมื้ออาหารเผยให้เห็นแนวคิดสตาร์ทอัพที่มีจุดบกพร่อง
ระบบนิเวศสตาร์ทอัพในยุโรปตามหลังจีนอยู่มาก และมีแนวคิดแบบตั้งรับ: "สร้างในยุโรป เพื่อยุโรป" หลายคนสนับสนุนให้เสริมความแข็งแกร่งให้ AI ท้องถิ่น เพื่อให้บริษัทและรัฐบาลยุโรปใช้ AI ยุโรป เพราะกลัวการครอบงำจากสหรัฐฯ และจีน
ผมรู้สึกไม่ค่อยสบายใจ ผู้ก่อตั้งชาวอเมริกันที่นั่งอยู่ใกล้ ๆ ก็เห็นตรงกันว่ามันเหลือเชื่อ บรรยากาศที่เป็นทางการทำให้พูดตรง ๆ ไม่ได้ แต่ในใจผมคิดว่า: ถ้าเรายึดแนวทาง "สร้างในจีน เพื่อจีนเท่านั้น" วันนี้ผมคงไม่ได้นั่งอยู่ที่นี่
เราเชื่อว่าคุณค่าที่ยิ่งใหญ่ที่สุดของ LLM รวมถึงการลดอุปสรรคด้านภาษาอย่างมหาศาล ในบรรดาผู้นำทั้งสามคนของเรา Red กับผมไม่มีประสบการณ์เรียนหรือใช้ชีวิตในต่างประเทศก่อนทำสตาร์ท업 Red ยังไม่เคยไปสหรัฐฯ เลย มีเพียงหัวหน้าทีมนักวิทยาศาสตร์ที่เคยอยู่ต่างประเทศช่วงสั้น ๆ ตอนเด็ก เพราะอุปสรรคด้านภาษาลดลงนี่เอง เราจึงทำการตลาด ให้บริการ และคิดในระดับโลก จนสร้างผลิตภัณฑ์แบบนี้ขึ้นมาได้
แต่ผู้ก่อตั้งหนุ่มสาวชาวยุโรปหลายคนกลับพยายามขังตัวเองไว้ในยุโรป ซึ่งเป็นการเดินผิดทาง ผมได้พูดถึงเรื่องนี้ระหว่างการแลกเปลี่ยนความคิดเห็น
วันนี้ผมอยากกระตุ้นผู้ก่อตั้งสาย AI-native รุ่นใหม่ในประเทศ: ลองพิจารณาการขยายตัวและการให้บริการผู้ใช้ระดับโลกตั้งแต่วันแรก เมื่ออุปสรรคด้านภาษาหมดไป การออกไปต่างประเทศไม่ใช่ปัญหาเลย ระบบภายในและบริการลูกค้าของเราเป็นแบบหลายภาษาเพราะอุปสรรคเหล่านั้นไม่มีอีกต่อไป
AI คือของขวัญจากสวรรค์สำหรับผู้ประกอบการจีน เมื่อก่อนการแข่งขันกับสินค้าส่งออกทางเทคโนโลยีของสหรัฐฯ เป็นเรื่องยากเพราะภาษาอังกฤษครองตลาดและเราเสียเปรียบทางวัฒนธรรม แต่ในยุค AI เรามีความสามารถอย่างมากในการชนะตลาดโลกผ่านนวัตกรรมด้านผลิตภัณฑ์และมิติใหม่ ๆ ดังนั้นวิสัยทัศน์ระดับโลกจึงสำคัญที่สุดสำหรับการทำธุรกิจ AI
ขอย้ำว่า: ระดับโลก ≠ ตะวันตกเท่านั้น โลกนี้กว้างใหญ่ Global South ก็มีโอกาสมากมาย ตลาดที่สร้างรายได้สูงสุดคือสหรัฐฯ แต่ผู้ใช้ส่วนใหญ่อยู่ในบราซิล ตะวันออกกลาง ยุโรป ญี่ปุ่น/เกาหลี เอเชียตะวันออกเฉียงใต้ แอฟริกา ล้วนมีผู้ใช้ทั้งสิ้น
อย่าพูดคำว่า "ต่างประเทศ" เวลาทำธุรกิจระดับโลก ผมต้องคอยเตือนสมาชิกในทีมไม่ให้ใช้คำว่า "ต่างประเทศ" เพราะมันคลุมเครือ คำว่า "ต่างประเทศ" สื่อถึงการแบ่งขั้วตรงข้ามกับ "ในประเทศ" ซึ่งเป็นการลดทอนความซับซ้อนของการกระจายตัวทั่วโลกตามภูมิภาค/ภาษา/วัฒนธรรม วิสัยทัศน์ระดับโลกที่แท้จริงซึ่งมองเห็นโอกาสในแต่ละภูมิภาคจะก่อให้เกิดมุมมองใหม่ ๆ
1.10.2 ใช้ผลิตภัณฑ์ด้วยตัวเอง อย่าแทนที่การตัดสินใจด้วยเรื่องเล่าที่ใช้อารมณ์
คำแนะนำข้อสองสำหรับคนทำผลิตภัณฑ์: อ่านสื่อโซเชียล (self-media) ให้น้อยลง
ขอชี้แจง: ไม่ได้หมายถึงครีเอเตอร์ที่มีคุณภาพ แต่คนสร้างผลิตภัณฑ์ที่อ่านแต่บทความจากสื่อโซเชียลจะตกอยู่ในภาวะสูญนิยม (nihilism): วันนี้ "ระเบิดระดับนิวเคลียร์" พรุ่งนี้ "อุตสาหกรรมตายแล้ว" ตั้งแต่ Manus เปิดตัว เราถูกประกาศว่า "ถูกดิสรัปต์"/"ไม่มีใครใช้แล้ว" มานับครั้งไม่ถ้วน แต่ธุรกิจกลับเติบโตอย่างต่อเนื่อง
สื่อโซเชียลส่วนใหญ่ไม่มีประสบการณ์ในวงการ พวกเขาเขียนเพื่อเรียกยอดวิว เอาใจอารมณ์ กระตุ้นโดปามีนผ่านความสุข/ความโกรธ/ความสับสน เพื่อชักใยคุณ การรับรู้การพัฒนาของ AI แบบนี้จะทำให้คุณหลุดจากความเป็นจริงอย่างมหาศาล
เช่น 2-3 เดือนหลังเปิดตัว TPM พุ่งไปถึง 800-900M ทั่วโลกนอกจาก Cursor/Windsurf ฯลฯ แล้ว มีสตาร์ทอัพไม่กี่แห่งที่เผา token มากกว่านี้ แต่สื่อโซเชียลจำนวนมากยังคงสอน "วิธีสร้าง Agent" กันอยู่
ภาษาคืออำนาจและเครื่องมือ มุมมองที่ถูกเขียนออกมาดูเหมือนจะเท่าเทียมกัน แต่ฐานคิดนั้นต่างกัน บางคนไม่ได้สัมผัสตลาด ไม่ได้วิจัยผู้ใช้ ไม่ได้ตรวจสอบออนไลน์ มุมมองของพวกเขาจึงเป็นเรื่องเพ้อฝัน การเสพสิ่งเหล่านี้ทุกวันจะลากอารมณ์ของคุณลงไป
เซนส์ด้านผลิตภัณฑ์ที่แท้จริงซ่อนอยู่ในรายละเอียด เวลาได้ยินว่า "OpenAI ปล่อย X มาแล้ว อุตสาหกรรมตายแน่" ลองไปใช้ด้วยตัวเอง: ผลิตภัณฑ์ของ OpenAI หลายตัวก็ห่วยมาก เปิดมาสิบอย่างสำเร็จอย่างเดียวนั่นเพราะพวกเขามีกำลังคน เงินทุน และฐานที่แข็งแกร่ง อีกเก้าอย่างล้มเหลว การดูสื่อโซเชียลแล้วสรุปว่า "เจ้าใหญ่ทำแล้ว วงนี้ปิดตาย" จะทำให้คุณพลาดโอกาส ทุกอย่างต้องลงมือสัมผัส ใช้งาน และฝึกฝนด้วยตัวเอง
ช่วงนี้สัมภาษณ์ PM สาย AI แล้วรู้สึกแย่ เด็กจบใหม่ที่อ้างว่าสนใจเป็น AI PM บอกชื่อเครื่องมือได้แค่ตัวเดียว พอขอให้โชว์แชทล่าสุด มือถือไม่มีแอปนั้น หรือมีแค่ 2-3 ทาสก์ เห็นได้ชัดว่าท่องมาเพื่อสอบสัมภาษณ์
AI ดิสรัปต์อุตสาหกรรมมา 3-4 ปีแล้ว แต่ผู้สมัครตำแหน่ง AI PM กลับไม่ใช้ AI นี่แสดงให้เห็นถึงช่องโหว่ในการคัดกรองเรซูเม่ (ตอนนี้เราต้องมีหลักฐานการใช้งานจริง) แต่ที่น่ากลัวกว่านั้นคือ: คนไม่ตระหนักว่าเงื่อนไขเบื้องต้นของการทำงานด้าน AI คือการใช้ AI อย่างลึกซึ้งด้วยตัวเอง ประสบการณ์ตรงเท่านั้นที่จะเผยให้เห็นขอบเขตของโมเดล/ผลิตภัณฑ์ในปัจจุบันและโอกาสใหม่ ๆ การเสพเนื้อหาที่ถูกย่อยมาแล้วไม่สามารถถ่ายทอดความจริงได้เลย
คุณสามารถเขียนบทความหรือทำสื่อโซเชียลเพื่อส่งอิทธิพลต่อคนอื่นได้ (สมาชิกในทีมของผมก็ทำ ผมเองก็ทำบ้างบางครั้ง) แต่อย่าพึ่งพาสื่อโซเชียลเป็นสารอาหารเพียงอย่างเดียว ไม่เช่นนั้นความรู้ความเข้าใจเกี่ยวกับอุตสาหกรรมของคุณจะบิดเบี้ยวและไม่สะท้อนความจริง
1.10.3 ค้นพบปัญหา โอบรับความไม่รู้ และแก้ไขผ่านการลงมือทำ
คำแนะนำข้อสาม ไม่ใช่แค่สำหรับ AI PM แต่ผมให้กับคนที่อยากเป็น PM ชั้นเยี่ยมมานานกว่าสิบปีแล้ว:
ปัจจุบันโมเดลและเทคโนโลยีมีอยู่อย่างเหลือเฟือ สิ่งขาดแคลนไม่ใช่เทคโนโลยีหรือคนทำ แต่คือการค้นพบปัญหา ความสามารถในการค้นหา/นิยามปัญหา และอธิบายสถานะหลังแก้ปัญหาได้อย่างชัดเจนนั้นหายากมาก ไม่ได้มาจากการนั่งฟังคนทำสตาร์ท업มาแชร์เพียงอย่างเดียว เมื่อคุณยังเด็กหรือยังอยู่ในมหาวิทยาลัย แรงกดดันต่ำ จงสังเกตสังคม ชีวิต เพื่อนร่วมชั้น หรือเพื่อนร่วมงานฝึกงาน เพื่อระบุปัญหาจริงที่กำลังรอการแก้ไข
กลไกทางสังคมนี้ทำงานอย่างไร? AI จะเข้ามาเพิ่มประสิทธิภาพตรงไหนได้บ้าง? ทั้งหมดเกิดจากการสังเกตชีวิต ผมหวังให้คุณมีความอยากรู้อยากเห็นต่อชีวิตมากขึ้น: ความอยากรู้ขับเคลื่อนความเข้าใจและการขัดเกลา แต่หลายคนในปัจจุบันกลับขาดความอยากรู้อยากเห็น
เกือบสองปีหลัง Manus เปิดตัว ผู้ประกอบการรุ่นใหม่มักถามบ่อย ๆ ว่า "คุณประสบความสำเร็จได้อย่างไร?" พวกเขาตามหาคำตอบสำเร็จรูป เชื่อว่าการทำตามสิบขั้นตอนนี้จะรับประกันความสำเร็จ ซึ่งไม่เป็นความจริงเลย การทำธุรกิจมีความไม่แน่นอนสูง การตัดสินใจส่วนใหญ่เกิดขึ้นโดยที่ยังไม่ชัดเจนทั้งหมด แต่เราก็ลงมือทำและปรับเปลี่ยนไปตามสถานการณ์
นี่คือสิ่งที่แยกผู้ประกอบการออกจาก VC เพราะ VC ต้องทำวิจัยยาวนานเนื่องจากภาระการตัดสินใจนั้นหนักและย้อนกลับไม่ได้ เงินที่ลงทุนไปแล้วก็คือลงทุนไป พวกเขาจึงแสวงหาความแม่นยำสูงผ่านการวิจัยล่วงหน้า ถามถึงปลายทางและเส้นทาง แต่ผู้ประกอบการคิดแบบนั้นไม่ได้ การกำหนดทุกอย่างล่วงหน้าหรือหาเส้นทางที่ดีที่สุด แปลว่ามันจะ "ไม่ใช่" เส้นทางที่ดีที่สุดอีกต่อไป
ผู้ประกอบการมีชีวิตอยู่บนสนามรบที่เปลี่ยนแปลงตลอดเวลา สังเกตความเปลี่ยนแปลงรายวัน เข้าใจการเคลื่อนไหวของโลก ตลาด และเทคโนโลยี แล้วตัดสินใจแบบไดนามิกในทุก ๆ วัน ผู้ประกอบการที่ยอดเยี่ยมล้วนทำงานเช่นนี้
2-3 ปีที่ผ่านมา ผมรู้สึกอย่างแรงกล้า: ผู้ประกอบการรุ่นใหม่กลัวการโอบรับความไม่รู้มากขึ้นเรื่อย ๆ และเรียกร้องคำตอบแบบถาวร: จะยิงปืนกระบอกนี้อย่างไร? จะจัดการการตลาด/ผลิตภัณฑ์/เทคโนโลยี/การขยายตัวระดับโลกอย่างไร? พวกเขากระหายความแน่นอน เมื่อเราให้ไม่ได้ พวกเขาก็สงสัยว่ามีเคล็ดลับซ่อนอยู่ พอได้ยินว่า "ไม่มีเคล็ดลับ ลงมือทำก่อน" ก็คิดว่าเราไม่อยากแชร์
ดังนั้น จงอยากรู้อยากเห็นเกี่ยวกับโลกใบนี้ ความไม่รู้คือสิ่งที่สวยงามที่สุด โอกาสใหญ่ซ่อนอยู่ในความไม่รู้ ไม่ใช่ในความแน่นอน หากทุกอย่างแน่นอน เราก็คงสร้างเบราว์เซอร์ AI ไปแล้ว
1.11 บทสรุป: ให้จิตใจเติบโตมือขึ้นมา
สุดท้าย หลายคนอาจไม่รู้ที่มาของชื่อ Manus มาจากคำขวัญของ MIT ว่า Mens et Manus ซึ่งเป็นภาษาละตินแปลว่า Mind and Hand (จิตใจและมือ) ทำไมถึงเลือกชื่อนี้? เพราะผู้ให้บริการ Large Model ทุกรายกำลังสร้าง "จิตใจ" แต่ในช่วงปลายปี 2024 ทำไมจิตใจที่ทรงพลังเหล่านั้นถึงสร้างผลกระทบมหาศาลไม่ได้? เพราะพวกมันมีสมองแต่ไม่มีมือ Manus เปรียบเสมือนมือของ Large Model ที่ช่วยให้ความคิดในสมองส่งผลกระทบต่อโลกจริงและแก้ปัญหาที่แท้จริงได้
สิ่งนี้สอดคล้องกับธีมของวันนี้: ความคิดทั้งหมดต้องอาศัยการลงมือปฏิบัติ แก่นแท้ของการทำธุรกิจคือการลงมือทำ ไม่ใช่แค่การจำลองใน PPT ตามงานประกวด หรือเด็คระดมทุนที่ดูหรูหรา
กล้าลงมือทำ เผชิญหน้ากับสังคมจริง รักษาความอยากรู้อยากเห็น และแก้ปัญหาที่โลกยังแก้ไม่ได้ นั่นแหละคือจิตวิญญาณของผู้ประกอบการที่แท้จริง และเป็นหน้าที่ของผู้ก่อตั้ง ไม่ใช่การเล่นขายของแกล้งทำเป็นนักธุรกิจ ขอบคุณครับ





