ในเย็นวันศุกร์ของเดือนพฤศจิกายน 2025 ปีเตอร์ สไตน์เบอร์เกอร์ได้สร้าง OpenClaw เวอร์ชันแรกขึ้น
ต้นแบบใช้เวลาเพียงประมาณหนึ่งชั่วโมง แต่ภายในไม่กี่สัปดาห์ OpenClaw ก็มีดาวบน GitHub เกิน 145,000 ดวง กลายเป็นโครงการซอฟต์แวร์โอเพนซอร์สที่เติบโตเร็วที่สุดในประวัติศาสตร์ของ GitHub
แพลตฟอร์มนี้สร้างขึ้นโดย AI agents เป็นส่วนใหญ่ และถือเป็นการเปลี่ยนผ่านจากแชทบอทไปสู่ AI ที่ทำงานอัตโนมัติและมุ่งเน้นงาน
และการเปลี่ยนแปลงนี้กำลังเร่งตัวขึ้น ปัจจุบัน AI สร้างโค้ดใหม่ของ Google ถึง 75% และโค้ดใหม่ของ Microsoft มากถึง 30% การคอมมิต Claude Code รายวันบน GitHub ทะลุ 134,000 ครั้งในช่วงต้นปี 2026 เพิ่มขึ้นจากเกือบศูนย์เมื่อเปิดตัวในเดือนมีนาคม 2025
นี่คือการเปลี่ยนแปลงเชิงโครงสร้างในวิธีการทำงานของซอฟต์แวร์ และเพิ่มมากขึ้นในงานด้านความรู้
AI agents กำลังสร้างแนวหน้าของการเปลี่ยนแปลงนั้น
แล้ว AI agent คืออะไรกันแน่ และแตกต่างจากแชทบอทหรือ LLM อย่างไร? อะไรทำให้การเปลี่ยนแปลงนี้เป็นเชิงโครงสร้าง ไม่ใช่แค่ช่วงเวลาชั่วคราว? และเมื่อสแต็กเติบโตเต็มที่ คุณค่าจะสะสมที่ไหน และที่ไหนจะกลายเป็นสินค้าโภคภัณฑ์?
นี่คือคำถามที่เราตั้งใจจะตอบ
ผลลัพธ์คือกรอบงานห้าชั้นที่อธิบายว่า agent คืออะไร เทคโนโลยีกําลังไปทางไหน และใครอยู่ในตำแหน่งที่จะชนะในแต่ละชั้น
คำตอบบางส่วนปรากฏให้เห็นแล้วในตัวเลข Anthropic เพิ่มรายได้ต่อปีจาก 1 พันล้านดอลลาร์เป็น 44 พันล้านดอลลาร์ในสิบเจ็ดเดือน โดยเกือบทั้งหมดมาจาก coding agents ในเวลาเดียวกัน harness ของ agent โอเพนซอร์สกำลังประมวลผลโทเค็นหลายสิบล้านล้านต่อเดือน ตัวเลขทั้งสองดูเหมือนจะชี้ไปที่จุดเดียวกัน: ชั้น harness
แต่ agents ยังคงทำผิดพลาดอย่างเห็นได้ชัดเป็นประจำ ในเดือนธันวาคม 2025 coding agent ของ Amazon ลบและสร้างสภาพแวดล้อมการผลิตจริงขึ้นมาใหม่โดยอัตโนมัติ ทำให้ AWS ในจีนออฟไลน์นาน 13 ชั่วโมง ในเดือนเมษายน 2026 Cursor agent ที่ขับเคลื่อนโดย Claude ลบฐานข้อมูลทั้งบริษัทในเวลา 9 วินาที
รูปแบบความล้มเหลวสี่รูปแบบปรากฏซ้ำๆ ในการผลิต และส่วนใหญ่ไม่เคยปรากฏในแผ่นราคาของผู้ขาย
การสำรวจ State of AI ปี 2025 ของ McKinsey พบว่าองค์กรน้อยกว่า 10% มีการปรับใช้ agents ในระดับที่มีนัยสำคัญ ส่วนใหญ่ไม่ได้ใช้เลย
ช่องว่างระหว่างสิ่งที่ทำได้ในทางเทคนิคกับสิ่งที่นำไปใช้ในการปฏิบัติงานคือโอกาส
คู่มือ 84 หน้าบน Substack ของเราคือความพยายามที่จะให้แผนที่ นี่คือสิ่งที่คุณจะพบภายใน:
- ห้าชั้นของ agent และวิธีการทำงานร่วมกัน
- กรณีศึกษาหกกรณีเกี่ยวกับวิธีที่ผู้ใช้งานยุคแรกปรับใช้ agents ในปัจจุบัน รวมถึงบริษัทของฉัน 8090
- สี่วิธีที่ agents มักจะพังในการผลิต
- ชั้นที่เราคาดว่าจะสะสมคุณค่าที่ยั่งยืนที่สุดเมื่อโมเดลกลายเป็นสินค้าโภคภัณฑ์
- ใครอยู่ในตำแหน่งที่จะควบคุมแต่ละชั้นในห้าชั้น
สมัครสมาชิกเพื่ออ่านและแจ้งให้เราทราบความคิดเห็นของคุณในกลุ่ม: https://chamath.substack.com/p/ai-agents-primer
