AI 對新創公司的影響，已經不只是讓工程師寫程式更快、讓客服流程自動化，或是在既有產品裡加上一個 Copilot。YC 合夥人 Diana 近日指出，真正的變化在於，AI 正在改寫「一間公司應該如何從零開始被建立」。對早期創辦人而言，AI 不該只是公司偶爾使用的效率工具，而應該從第一天開始，就被設計成整間公司的作業系統。
มุมมองด้านผลิตภาพล้าสมัยแล้ว AI กำลังเขียนจุดเริ่มต้นของการออกแบบบริษัทใหม่
Diana เห็นว่า ในตลาดที่พูดถึง AI กันอยู่ตอนนี้ ยังมักจะติดอยู่กับกรอบของ “การเพิ่มประสิทธิภาพ” เช่น วิศวกรเขียนโค้ดได้เร็วขึ้น ทีมสามารถทำให้กระบวนการต่างๆ อัตโนมัติมากขึ้น และบริษัทสามารถเปิดตัวฟีเจอร์ได้มากขึ้น แต่คำอธิบายแบบนี้กลับประเมินต่ำเกินไปถึงการเปลี่ยนแปลงเชิงโครงสร้างที่ AI นำมา เธอชี้ว่า เมื่อผสาน AI tool ที่เหมาะสมเข้ากับคนที่เหมาะสม ตอนนี้สามารถสร้างฟังก์ชันที่ในอดีตต้องใช้ทั้งทีมเพื่อทำให้สำเร็จได้ และแม้กระทั่งสามารถพัฒนาผลิตภัณฑ์ที่ในอดีตแทบเป็นไปไม่ได้เลย
ดังนั้น คำถามที่ผู้ก่อตั้งควรถามจริงๆ ไม่ใช่ “กระบวนการไหนของบริษัทที่สามารถเติม AI ได้” แต่เป็น “ถ้าวันนี้เริ่มต้นสร้างบริษัทตั้งแต่ศูนย์ งานอะไรที่เดิมทีไม่ควรให้มนุษย์จัดการทีละชั้นด้วยกำลังคน?”
นี่คือหัวใจของสิ่งที่เรียกว่า AI-native company Diana กล่าวว่า AI ไม่ควรถูกวางไว้ “นอก” กระบวนการของบริษัท เหมือนเป็นปลั๊กอินที่เพิ่มประสิทธิภาพให้บางแผนก ในทางกลับกัน กระบวนการทำงานทุกขั้นตอน การตัดสินใจทุกครั้ง การกระทำสำคัญทุกอย่างของบริษัทควรไหลผ่านชั้นของระบบอัจฉริยะที่เรียนรู้และปรับปรุงอย่างต่อเนื่อง
พูดง่ายๆ คือ ในอนาคตสตาร์ทอัพใหม่จะไม่ใช่บริษัทที่เริ่มจากการวาดผังองค์กร กำหนดแผนก กำหนดขั้นตอนการประชุม และระบบการจัดการ แล้วค่อยนำ AI เข้าไป แต่จะเป็นการออกแบบบริษัทให้เป็นระบบที่ AI สามารถเข้าใจ ค้นหา วิเคราะห์ และปรับปรุงตัวเองได้ ตั้งแต่วันแรกที่ก่อตั้ง
ขั้นแรก: ทำให้ทั้งบริษัทเป็นศูนย์กลางอัจฉริยะที่ AI ค้นหาได้
ภายใต้กรอบนี้ ขั้นแรกของการสร้างบริษัทคือทำให้องค์กรทั้งหมด “ค้นหาได้” ในบริษัทแบบเดิม ข้อมูลมักกระจัดกระจายอยู่ตามการประชุม ข้อความส่วนตัว อีเมล เอกสาร CRM GitHub ระบบบริการลูกค้า และสมองของผู้บริหาร
สิ่งนี้ทำให้บริษัทกลายเป็นระบบเปิด: ผู้ก่อตั้งตัดสินใจ ทีมลงมือทำงาน แต่บ่อยครั้งที่ว่า “ผลลัพธ์มีประสิทธิภาพหรือไม่ ปัญหาอยู่ตรงไหน และขั้นต่อไปควรปรับอย่างไร” มักอาศัยการรายงานด้วยคนและการตีความของผู้บังคับบัญชา Diana มองว่า รูปแบบนี้ทำให้ข้อมูลไหลหายโดยธรรมชาติ และยังทำให้ความเร็วของบริษัทช้าลงด้วย
AI-native company ต้องเปลี่ยนเป็นระบบปิด ทุกครั้งที่มีการประชุม ทุกใบงาน ทุกครั้งที่มีฟีดแบ็กจากลูกค้า ทุกการตัดสินใจเกี่ยวกับผลิตภัณฑ์ ทุกการโทรขาย และทุกการส่งมอบงานด้านวิศวกรรมในแต่ละรอบ ควรสร้างบันทึกที่ AI อ่านได้ และป้อนกลับไปยังชั้นความอัจฉริยะของบริษัท
Diana แนะนำว่า สตาร์ทอัพควรบันทึกการประชุมที่สำคัญ ใช้เครื่องมือจดบันทึกด้วย AI ลดข้อมูลที่ซ่อนอยู่ใน DM และ email และฝัง Agent ลงใน Slack, Linear, GitHub, Notion, Google Docs เครื่องมือบริการลูกค้า โทรศัพท์ฝ่ายขาย และข้อมูลเชิงปฏิบัติการ บริษัทไม่ได้ต้องการสร้างเครื่องมือกระจัดกระจายจำนวนมาก แต่มองหาศูนย์กลางอัจฉริยะที่ตอบได้ทันทีว่า “ตอนนี้บริษัทกำลังเกิดอะไรขึ้นจริงๆ”
จากมุมมองการบริหารวิศวกรรม ตัวอย่างจริง: ตัดเวลา Sprint ครึ่งหนึ่ง ผลงานเพิ่มเข้าใกล้ 10 เท่า
เธอยกตัวอย่างการบริหารวิศวกรรมเพื่ออธิบายว่า ถ้า Agent สามารถอ่าน Linear ticket, Slack วิศวกรรมแชนแนล, GitHub, อีเมลจากลูกค้า, เครื่องมือบริการลูกค้าอย่าง Pylon, แผนงานระดับสูงใน Notion หรือ Google Doc, บันทึกการโทรขาย และบันทึก daily standup ได้ มันก็ไม่ใช่แค่ช่วยสรุปการประชุม แต่สามารถวิเคราะห์ได้ว่าใน Sprint ที่ผ่านมา “ส่งมอบอะไรกันแน่”, “ผลการส่งมอบตอบโจทย์ความต้องการลูกค้าจริงหรือไม่”, และแม้จะทำฟีเจอร์บางอย่างเสร็จแล้ว แต่ทำไมกลับไม่เกิดผลตามที่คาดหวัง
เมื่อข้อมูลเหล่านี้เชื่อมโยงกันได้ด้วย AI Agent ก็สามารถเสนอแผน Sprint รอบถัดไปได้ต่อไป ทำให้การวางแผนด้านวิศวกรรมแม่นยำขึ้น คาดการณ์ได้มากขึ้น และใกล้ความต้องการของตลาดมากขึ้น นี่หมายความว่า ในการเริ่มต้นสตาร์ทอัพตั้งแต่ศูนย์ ไม่ควรคัดลอกระบบบริหารวิศวกรรมของบริษัทใหญ่ ในอดีตหัวหน้าวิศวกรรมต้องใช้เวลามากในการเก็บสถานะ รวบรวมความคืบหน้า และรายงานต่อผู้บริหาร เพราะข้อมูลภายในไม่โปร่งใส จึงต้องให้มนุษย์คอยขนส่งและตีความตลอดเวลา
แต่ถ้าบริษัทตั้งแต่เริ่มต้นออกแบบกระบวนการสำคัญทั้งหมดให้ “ค้นหาได้” งานบริหารระดับกลางแบบดั้งเดิมจำนวนมากก็จะสูญเสียความจำเป็น Diana ชี้ว่า เธอได้เห็นแนวทางลักษณะนี้ในหลายบริษัทของ YC โดยบางทีมลดเวลา Sprint ของวิศวกรรมลงครึ่งหนึ่ง และทำผลงานได้ใกล้ถึง 10 เท่าในช่วงเวลาเท่าเดิม
ขั้นที่สอง: ใช้ AI software factory เพื่อกำหนดใหม่ว่าใครเป็นคนเขียนโค้ด
ขั้นที่สองคือการใช้ AI software factory เพื่อสร้างกระบวนการพัฒนาผลิตภัณฑ์ขึ้นมาใหม่ Diana มองว่า AI-native company ไม่ควรแค่ใช้ AI เป็นผู้ช่วยผู้เขียนโค้ดข้างๆ ของวิศวกร แต่ควรนิยามใหม่ว่า “ใครเป็นคนรับผิดชอบในการเขียนโค้ด”
ในโหมดการพัฒนาผลิตภัณฑ์แบบใหม่ มนุษย์หลักๆ รับผิดชอบการเขียนสเปกและการทดสอบ กำหนดเกณฑ์ความสำเร็จ ส่วน AI Agent จะรับผิดชอบการสร้างการลงมือทำ เขียนโค้ด ทดลองซ้ำและปรับแก้ จนกระทั่งผลลัพธ์ตรงตามสเปก บทบาทของมนุษย์จะกลายเป็นการนิยามปัญหา การตัดสินผลลัพธ์ และการกำหนดทิศทางการปรับจูน ไม่ใช่การลงมือทำโค้ดทุกบรรทัดด้วยตนเอง
รูปแบบนี้สามารถเข้าใจได้ว่าเป็นขั้นถัดไปของการพัฒนาที่ขับเคลื่อนด้วยการทดสอบ ในอดีต TDD คือมนุษย์เขียนเทสต์ก่อน แล้วให้มนุษย์เขียนโค้ดให้ผ่านการทดสอบ ส่วน AI software factory คือมนุษย์เขียนสเปกและเฟรมเวิร์กการทดสอบ แล้วให้ Agent สร้างโค้ดเองและทำการวนซ้ำ
Diana กล่าวถึงว่า บางบริษัทได้ผลักดันแนวทางนี้จนสุดขั้ว ในคลังโค้ดแทบไม่มีโค้ดที่มนุษย์เขียนด้วยมือเลย แต่เป็นการให้สเปก เทสต์ และการยืนยันตามสถานการณ์ขับเคลื่อนการทำงานของ AI เพื่อสร้างความเป็นจริง นี่คือความหมายที่แท้จริงของ “วิศวกร 1000 เท่า”: ไม่ใช่ว่าวิศวกรคนหนึ่งจะทำงานหนักขึ้นทันทีถึง 1000 เท่า แต่เป็นเพราะมีระบบ Agent ทั้งชุดอยู่เบื้องหลัง ทำให้เขาสามารถทำงานที่ในอดีตทั้งทีมต้องทำให้สำเร็จได้
ขั้นที่สาม: ออกแบบพนักงานชุดแรกใหม่ โดยเหลือเพียงสามประเภทคน
ดังนั้น หากจะใช้ AI เพื่อสร้างบริษัทตั้งแต่ต้น ผู้ก่อตั้งต้องคิดทบทวนคำนิยามของพนักงานชุดแรกใหม่ Diana ยกมุมมองของ Jack Dorsey ผู้ก่อตั้ง Block มาโดยกล่าวว่า ถ้าบริษัทแค่เพิ่ม AI tool เข้าไปในผังองค์กรเดิม แต่ยังคงรูปแบบการบริหารชั้นเดิมและเส้นทางการไหลของข้อมูล ก็จะพลาดการเปลี่ยนแปลงที่แท้จริง
ในอนาคต บริษัทไม่ควรสร้าง “ตัวกลางของมนุษย์” จำนวนมาก ทำให้ข้อมูลถูกส่งต่อเป็นทอดๆ ระหว่างผู้บริหาร ผู้ประสานงาน และผู้จัดการโครงการ ตรงกันข้าม บริษัทควรได้รับการออกแบบให้เป็นชั้นของความชาญฉลาด โดยให้ AI รับหน้าที่บูรณาการและการไหลของข้อมูล ส่วนมนุษย์อยู่ที่ขอบนอก ทำหน้าที่ตัดสินใจ สร้างสรรค์ ตัดสินใจ และรับผิดชอบผลลัพธ์ ในบริษัทแบบนี้ บทบาทของพนักงานจะน้อยลงและชัดเจนขึ้น
ประเภทแรกคือผู้ร่วมสร้างผลงานรายบุคคล หรือ builder-operator ไม่ใช่แค่วิศวกรที่ต้องสร้างได้ ฝ่ายปฏิบัติการ บริการลูกค้า และฝ่ายขายก็ควรทำได้เช่นกัน โดยใช้ AI เพื่อทำต้นแบบ สร้างกระบวนการ หรือระบบอัตโนมัติ
ประเภทที่สองคือ DRI หรือ direct responsible individual นี่ไม่ใช่ผู้จัดการแบบดั้งเดิม แต่เป็นคนที่รับผิดชอบผลลัพธ์ที่ชัดเจน คนหนึ่งรับผิดชอบหนึ่งผลลัพธ์ จะซ่อนตัวอยู่หลังขั้นตอนหรือแผนกไม่ได้
ประเภทที่สามคือ AI founder type นั่นคือ ตัวผู้ก่อตั้งเองต้องยืนอยู่แถวหน้าโดยใช้ AI อย่างจริงจัง เป็นตัวอย่างว่าความสามารถถูกขยายได้อย่างไร ไม่ใช่มอบกลยุทธ์ AI ให้จัดการโดย “ผู้รับผิดชอบ AI” คนใดคนหนึ่ง
ผู้ก่อตั้งควรเพิ่มให้มากที่สุดไม่ใช่จำนวนพนักงาน แต่เป็นปริมาณการใช้ token
สิ่งนี้ยังนำไปสู่จุดที่สวนทางกับสามัญสำนึกที่สุดของ AI-native company: ในอนาคต ผู้ก่อตั้งอาจต้องเพิ่มให้มากที่สุดไม่ใช่จำนวนพนักงาน แต่เป็นปริมาณการใช้ token Diana เห็นว่า สตาร์ทอัพควรยอมรับบิล API ที่แพงจนทำให้ไม่สบายใจ เพราะค่าใช้จ่ายเหล่านี้เข้ามาแทนต้นทุนแรงงานที่แพงกว่าและพองตัวมากขึ้นในอดีต คนที่ใช้เครื่องมือ AI ได้อย่างเชี่ยวชาญ อาจสามารถทำงานของทั้งทีมวิศวกรรม ดีไซน์ หรือการปฏิบัติการที่เคยใช้ในยุคก่อน AI ได้ทั้งก้อน
ดังนั้น ผู้ก่อตั้งที่สร้างบริษัทตั้งแต่ศูนย์ ไม่ควรมอง “การขยายทีมอย่างรวดเร็ว” เป็นสัญลักษณ์ของการเติบโต แต่ควรถามว่า: งานไหนที่สามารถจัดการผ่าน Agent, กระบวนการแบบปิดลูป และ software factory ได้ โดยไม่ต้องเพิ่มคนอีกคน?
เรื่องนี้สำคัญเป็นพิเศษสำหรับสตาร์ทอัพระยะเริ่มต้น เพราะบริษัทเล็กไม่มีภาระจากประวัติศาสตร์ บริษัทใหญ่ที่ต้องเปลี่ยนเป็น AI-native ต้องรักษาผลิตภัณฑ์ที่มีอยู่ไปพร้อมกับการรื้อ SOP ระบบการจัดการ การเมืองภายใน และกองเทคโนโลยีเก่าที่สะสมมาหลายปี ทุกครั้งที่ปรับกระบวนการ อาจทำให้ระบบเดิมที่ยังพอทำงานได้อยู่พังทลาย
สตาร์ทอัพระยะเริ่มต้นกลับไม่มีข้อจำกัดเหล่านี้ สามารถออกแบบการประชุม วิศวกรรม บริการลูกค้า ฝ่ายขาย การรับสมัคร การปฏิบัติการ และการพัฒนาผลิตภัณฑ์ ให้เป็นโครงสร้างที่ AI อ่านได้ ค้นหาได้ และให้ฟีดแบ็กได้ ตั้งแต่วันแรก Diana เชื่อว่า นี่คือข้อได้เปรียบสำคัญของสตาร์ทอัพเหนือบริษัทขนาดใหญ่
เกณฑ์เริ่มต้นของการเป็นผู้ประกอบการในอนาคต คือความสามารถในการ “คิดค้นบริษัทใหม่” ด้วย AI
ดังนั้น คำตอบของ “จะสร้างบริษัทตั้งแต่ศูนย์ด้วย AI ได้อย่างไร” ไม่ใช่การยัด ChatGPT, Claude, Cursor, Devin หรือเครื่องมือ Agent ต่างๆ เข้าไปในกระบวนการที่มีอยู่ แต่เป็นการออกแบบบริษัทใหม่เสียก่อน
ผู้ก่อตั้งควรสร้างองค์กรที่ค้นหาได้ก่อน ทำให้ข้อมูลสำคัญทั้งหมดกลายเป็นบริบทที่ AI อ่านได้ จากนั้นสร้างกระบวนการแบบปิดลูป ให้การตัดสินใจ การลงมือทำ และผลลัพธ์ป้อนกลับอย่างต่อเนื่อง ต่อด้วยการพัฒนาผลิตภัณฑ์ที่ขับเคลื่อนด้วยสเปกและการทดสอบ เพื่อให้ Agent รับหน้าที่ลงมือทำจำนวนมาก และสุดท้าย สร้างทีมด้วย builder-operator, DRI และ AI founder type ที่มีน้อยลงแต่แข็งแกร่งขึ้น
มุมมองของ Diana นำไปสู่ข้อสรุปที่กล้าหาญยิ่งขึ้น: สตาร์ทอัพในยุค AI จะไม่ใช่แค่ “บริษัทแบบเดิม แต่ประสิทธิภาพสูงกว่า” บริษัทที่เป็น AI-native อย่างแท้จริงจะต่างกันตั้งแต่โครงสร้างองค์กร กระบวนการ การพัฒนาผลิตภัณฑ์ การแบ่งบทบาท ไปจนถึงโครงสร้างต้นทุน
มันไม่ได้แค่ใช้ AI เพื่อทำให้บริษัทวิ่งได้เร็วขึ้น แต่เป็นการออกแบบบริษัทให้เป็นระบบอัจฉริยะที่เรียนรู้ ให้ฟีดแบ็ก และปรับปรุงตัวเองได้ตั้งแต่ต้น สำหรับผู้ก่อตั้ง นี่อาจเป็นเกณฑ์สำคัญที่สุดของการเป็นผู้ประกอบการในอีกไม่กี่ปีข้างหน้า: ไม่ใช่ว่าจะใช้ AI ได้หรือไม่ แต่จะใช้ AI เพื่อ “คิดค้นบริษัทขึ้นมาใหม่” เองได้หรือไม่
บทความนี้ YC พันธมิตรแบ่งปันการสร้างบริษัทตั้งแต่ศูนย์ด้วย AI สตาร์ทอัพควรใช้ AI เป็นระบบปฏิบัติการไม่ใช่เครื่องมือ ปรากฏครั้งแรกใน 鏈新聞 ABMedia。
