โดย Thanedpol Dechaduangsakul | เผยแพร่: 20 สิงหาคม 2569 | อ้างอิง: จากงาน BDI Seminar 2026

สรุปสาระสำคัญ

• สั่ง AI ประโยคเดียวก็ได้เว็บใช้งานได้จริงในเวลาแค่ 5 นาที แต่มักได้ของแถมที่ไม่ได้ขอ

• หลักการสำคัญที่สุดคือให้ AI "ถามก่อนสร้าง" ด้วยคำถามสัก 5 ข้อ ก่อนเริ่ม Vibe Code ทุกครั้ง

• กรอบ VIBE (Value–Interaction–Boundary–Evidence) เขียนสเปกซอฟต์แวร์จบในหน้าเดียว ทดแทน PRD ฉบับยาวได้สำหรับมือใหม่

• สเปกละเอียดแค่ไหนก็ยังไม่พร้อมขึ้น Production ถ้าไม่มี Test Case ยืนยันผลจริง

• ต้นทุนขึ้น Production มี 4 ส่วน คือ AI Usage, Infra, Maintenance, Security — ไม่ใช่แค่ค่า Prompt

สรุป Session: เสวนา AI และ คน: พลิกโฉมการทำงานในทุกสายงานองค์กร จากงาน BDI Seminar 2026 โดยดร.ปริสุทธิ์ จิตต์ภักดี, ผู้เชี่ยวชาญการศึกษาด้านนวัตกรรมข้อมูล

มี Dashboard ก็หาได้ มีข้อมูลดิบก็หาได้

ก่อนพูดถึง Agent ดร.ปริสุทธิ์ชวนตั้งคำถามง่ายๆ ก่อนว่า ถ้าอยากได้ Insight แต่ยังไม่มีข้อมูลพร้อมวิเคราะห์ จะเริ่มจากตรงไหนได้บ้าง — คำตอบคือเริ่มได้ทั้งจากภาพ Dashboard ที่มีอยู่แล้ว หรือข้อมูลดิบที่ยังไม่ผ่านการวิเคราะห์เลย

2 จุดเริ่มต้นในการหา Insight

ตัวอย่างผลลัพธ์จาก Dashboard Travel Link: การเดินทางเข้าประเทศทางอากาศสูงเป็นพิเศษ มีบางฤดูกาลที่ผู้โดยสารเข้ามามากกว่าปกติชัดเจน และมีประเทศต้นทางบางประเทศที่เดินทางเข้ามามากที่สุด เช่น มาเลเซียและจีน

Prompt, Workflow, Agent ต่างกันตรงไหน

เครื่องมือในตลาดมีหลากหลาย แต่วิธีใช้งาน AI แบ่งได้เป็น 3 รูปแบบหลัก ความต่างที่สำคัญที่สุดอยู่ที่ "ใครเป็นคนตัดสินใจว่าจะทำอะไรต่อ"

แบบที่ 1: Prompt

• พิมพ์คำถามหรือคำสั่งให้ AI ตอบทีเดียว มนุษย์บอกไปเลยว่าจะทำอะไร ได้ผลลัพธ์อะไร

ผู้ตัดสินใจ: มนุษย์ทั้งหมด

แบบที่ 2: Workflow

• ใส่ Input เข้าไป กำหนดขั้นตอนเป็น Step 1, 2, 3 จนได้ Output มนุษย์เป็นผู้กำหนดขั้นตอนทั้งหมด

ผู้ตัดสินใจ: มนุษย์กำหนด Step, AI ไม่ตัดสินใจเปลี่ยนแปลง

แบบที่ 3: Agent

• มนุษย์ให้เป้าหมาย AI เลือก Action เอง สังเกตผล และตัดสินใจว่าจะทำอะไรต่อไป

ผู้ตัดสินใจ: AI ตัดสินใจจากเป้าหมายที่ได้รับ

ให้นึกภาพง่ายๆ Prompt คือบอกให้ทำอะไร ได้ผลลัพธ์อะไรตรงๆ ในคำสั่งเดียว, Workflow คือมนุษย์กำหนด Step ทั้งหมดไว้ล่วงหน้าให้ AI เดินตาม, ส่วน Agent คือให้เป้าหมายแล้วปล่อยให้ AI เลือก Action และ Tool ด้วยตัวเอง

Agent ไม่ใช่แค่ Prompt ที่ยาวขึ้น

"AI Agent คือระบบ AI ที่สามารถตัดสินใจและลงมือทำเพื่อให้ถึงเป้าหมายที่ตั้งไว้ได้"

— ดร.ปริสุทธิ์ จิตต์ภักดี

หัวใจสำคัญ คือ Agent ต้องเริ่มจากพิจารณาวิเคราะห์ทำความเข้าใจเป้าหมายก่อน ประเมินว่าต้องใช้ข้อมูลอะไร แล้วจึงลงมือทำ ดูผลลัพธ์ และตัดสินใจเองว่าเพียงพอหรือยัง ถ้ายังไม่พอก็วนกลับไปทำต่อเป็น Loop จนกว่าผลลัพธ์จะตอบโจทย์เป้าหมาย

วงจรการตัดสินใจของ Agent

1. ทำความเข้าใจเป้าหมาย (Goal): วิเคราะห์ว่าเป้าหมายที่ได้รับคืออะไรกันแน่

2. ประเมินข้อมูล/เครื่องมือที่ต้องใช้: พิจารณาว่าต้องใช้ข้อมูลอะไร หรือ Tool ไหนถึงจะตอบเป้าหมายได้

3. ลงมือทำ (Act): เลือก Action และ Tool ที่เหมาะสม แล้วลงมือทำจริง

4. สังเกตผลลัพธ์ (Observe): ดูว่า ผลลัพธ์ที่ได้จากการลงมือทำเป็นอย่างไร

5. ตัดสินใจ: พอตอบเป้าหมายหรือยัง?: Agent ประเมินเองว่า ผลลัพธ์เพียงพอที่จะตอบเป้าหมายแล้วหรือไม่

พอแล้ว → ส่ง Insight ออกมายังไม่พอ → วนลูปกลับไปข้อ 2-3 ทำต่อ

ข้อมูลยอดขาย 1 ไฟล์ เป้าหมาย 2 อย่าง

ข้อมูลตัวอย่างที่ใช้สาธิตตลอดช่วงที่เหลือของเวิร์กช็อป เป็นไฟล์ CSV ยอดขายขนาดไม่ใหญ่มาก แต่ครบทุกฟิลด์ที่จำเป็นต่อการหา Insight เชิงธุรกิจ

~300 แถว ขนาดของข้อมูลตัวอย่าง (CSV)

6 ฟิลด์ วันที่ / พื้นที่ / หมวดหมู่สินค้า / ช่องทางขาย / ยอดขาย / เป้าหมาย

2 เป้าหมาย หา Insight ยอดขาย + สร้าง Dashboard ให้ผู้บริหาร

Demo 1: Prompt เดียวจบ (แต่ยังไม่ใช่ Agent) ทำหลายอย่างเสร็จในทีเดียว

วิธีที่คนส่วนใหญ่คุ้นเคยที่สุด คือใส่ CSV เข้าไปพร้อม Prompt ยาวๆ สั่งให้ทำทุกอย่างในคำสั่งเดียว ตั้งแต่เตรียมข้อมูลจนถึงสร้าง Dashboard — ใช้ได้กับทั้ง ChatGPT หรือ Gemini

โครงสร้างของพรอมต์เดียวจบ

• กำหนดบทบาท (Role) ให้ AI เป็นนักวิเคราะห์ข้อมูลและนักออกแบบ Dashboard

• ตั้งเป้าหมายให้ชัดเจนว่าจะหา Insight เรื่องอะไรจากยอดขาย

• สั่งให้เตรียมข้อมูล และทำ EDA คือสำรวจและทำความสะอาดข้อมูล

• ระบุจำนวนและรูปแบบของ Insight ที่ต้องการให้ชัดเจน

• สั่งให้เลือก KPI และเลือกกราฟที่เหมาะสม แล้วประกอบเป็น Dashboard

"ห้ามแต่งข้อมูล ให้ใช้ข้อมูลจริงเท่านั้น"

— ข้อความที่ต้องย้ำในพรอมต์เสมอ ไม่เช่นนั้น AI อาจสร้างข้อมูลปลอมขึ้นมาได้

ผลลัพธ์ที่ได้ AI จะตอบเป็นข้อๆ ว่า Preparation ทำอะไรไปบ้าง EDA พบอะไรบ้าง และ Insight ที่ได้มีอะไรบ้าง เช่น "ภาคเหนือเป็นภูมิภาคเดียวที่ทำยอดขายเกินเป้า" งานที่ปกติต้องเปิด Excel คลีนข้อมูลและให้นักวิเคราะห์คำนวณเอง ใช้เวลานาน กลายเป็นได้คำตอบในเวลาไม่กี่นาที ส่วน Dashboard ที่ได้เป็นไฟล์ HTML ที่ต้องดาวน์โหลดมาเปิดผ่าน Browser เอง เปิดตรงจาก Google Drive ไม่ได้

ดร.ปริสุทธิ์ ถามว่า แบบนี้เรียกว่า AI Agent หรือยัง เขาตอบว่า มันทำหลายขั้นตอนแล้ว มันแค่ทำหลายขั้นตอนเฉยๆ ยังไม่ได้ตัดสินใจเอง เป็นเพียง Flow ที่พรอมต์ทีเดียวแล้วตอบให้เลย

มีหลายตัวในตลาด วันนี้เลือกใช้ Dify

เครื่องมือสำหรับสร้าง Agent มีให้เลือกหลายตัว แต่ละตัวมีข้อดีข้อเสียต่างกัน วันนี้ดร.ปริสุทธิ์เลือก Dify มาสาธิต เพราะเห็น Workflow ค่อนข้างชัดเจน เข้าใจง่าย และ Learning Curve ไม่สูงมาก

• ChatGPT (มีเวอร์ชัน Agent)

• Claude

• Copilot

• Dify ← ใช้สาธิตวันนี้

• n8n

Dify คืออะไร

แพลตฟอร์มสำหรับสร้าง AI Application สร้างเป็น Workflow ได้ สร้างเป็น Agent ได้ ใส่ฐานความรู้ ทำฐานข้อมูล สร้าง Tool ต่างๆ และ Publish ออกมาเป็น App ได้ในตัว

เวอร์ชันและข้อจำกัด

• มี 4 เวอร์ชัน: Free, Professional, Team และ Community ที่นำไปติดตั้งที่ Server ตัวเองแล้วเลือก Model ที่ต้องการได้อิสระ

• เวอร์ชันฟรี (Sandbox) ให้ 200 Message Credit และสร้างแอปได้ 5 App

• แต่ละ Model ที่เลือกใช้มีข้อจำกัดเรื่องจำนวน Token ที่ใช้ได้

• เชื่อมต่อกับ API ได้ แม้จะเป็นเวอร์ชันฟรีก็ตาม

Demo 2: จาก Prompt เดียว สู่ Workflow แตก Prompt ยาวๆ เป็น Node ย่อย

1. User Input: รับข้อมูลและคำสั่งเริ่มต้นจากผู้ใช้

2. ดึง CSV ออกมา (Extract): สกัดข้อมูลดิบออกจากไฟล์ที่แนบเข้ามา

3. เตรียมข้อมูล (Prepare Data): ทำความสะอาดข้อมูลให้พร้อมสำหรับวิเคราะห์

4. หา Insight: วิเคราะห์ข้อมูลที่เตรียมไว้เพื่อหาข้อค้นพบ

5. วางแผนทำ Dashboard: เลือก KPI และรูปแบบกราฟที่เหมาะสมกับ Insight

6. สร้าง Dashboard: ผลลัพธ์เป็นโค้ด HTML ต้อง Copy ไปเซฟเป็นไฟล์ Dashboard.html เอง

ข้อดีของการทำเป็น Workflow คือ มองเห็นกระบวนการได้ชัดเจนว่าทำขั้นตอนนี้แล้วไปทำขั้นตอนไหนต่อ และทุกครั้งที่รัน Workflow จะทำตามขั้นตอนที่ออกแบบไว้เหมือนเดิมทุกครั้ง

Workflow นี้เป็น Agent หรือยัง ก็ยังไม่เป็น เพราะยังไม่มีการตัดสินใจใดๆ เกิดขึ้นเลย บางคนอาจมองว่านับเป็น Agent อันหนึ่งที่ทำหน้าที่สร้าง Dashboard ได้ แต่ถ้ายึดตามนิยามที่เคร่งครัดแล้วยังไม่ถือว่าใช่

Demo 3 เติมการตัดสินใจ กลายเป็น Agent จริง: เพิ่ม Toolbox ให้ Agent เลือกเองว่าจะใช้ Tool ไหน

ถ้าจะให้เป็น Agent จริง ต้องเพิ่มกระบวนการให้ AI ตัดสินใจเองว่าจะวิเคราะห์แนวไหน — วิเคราะห์แนวโน้ม วิเคราะห์ตามพื้นที่ หรือวิเคราะห์เชิงสินค้า/หมวดหมู่ แล้วเลือก Tool ที่เหมาะกับคำถามนั้น สิ่งสำคัญที่สุดที่ต้องกำหนดให้ดีคือ Business Goal

Toolbox — คลังเครื่องมือเฉพาะทาง 3 ชิ้น

1. Trend Analysis: วิเคราะห์แนวโน้มของยอดขายตามช่วงเวลา

2. Regional Analysis: วิเคราะห์ยอดขายเชิงพื้นที่ / ภูมิภาค

3. Category Analysis: วิเคราะห์ยอดขายเชิงสินค้า / หมวดหมู่

แต่ละ Tool คือ ฟังก์ชันที่เก่งเฉพาะด้าน ต้องเตรียม Prompt และเขียน Code ไว้ล่วงหน้าให้แต่ละ Node ใน Toolbox นี้ Agent ไม่จำเป็นต้องใช้ทุก Tool แต่จะเลือกใช้ตามเป้าหมาย เหมือนมีผู้เชี่ยวชาญหลายคนที่ถนัดต่างกัน แล้วเลือกคนที่เหมาะกับงานนั้นๆ มาทำ

ตัวอย่างการตัดสินใจ: คำถาม "ภูมิภาคไหนควรได้รับความสนใจมากที่สุด" — Agent เลือกใช้ Tool B (Regional Analysis) เพราะคำถามพูดถึงเรื่องภูมิภาคโดยตรง ไม่จำเป็นต้องเรียกใช้ Tool A หรือ C เลย

คำถามที่พบบ่อย (FAQ)

Q1: Vibe Coding ต่างจากการเขียนโค้ดเองยังไง

A1: คือ การสั่ง AI เขียนโค้ดให้ด้วยภาษาคนแทนการพิมพ์โค้ดเอง แต่ยังต้องมีคนกำหนดสเปกและตรวจสอบผลลัพธ์เหมือนเดิม

Q2: VIBE Framework ใช้แทนเอกสาร PRD ได้เลยไหม

A2: ใช้แทนกันได้สำหรับมือใหม่หรือโปรเจกต์เล็ก แต่ทีม Developer มืออาชีพที่ต้องลงรายละเอียด Tech Stack ยังควรใช้ PRD ฉบับเต็มอยู่

Q3: ทำไมต้องใช้ AI สองยี่ห้อ ตัวหนึ่งสร้างตัวหนึ่งตรวจ

A3: เพราะ AI แต่ละตัวมีความลำเอียงและมักให้งานของตัวเองผ่าน สลับให้ AI อีกยี่ห้อมาตรวจแทนจะเห็นจุดผิดพลาดได้ตรงกว่า

Q4: คนที่เขียนโค้ดไม่เป็นเลย ทำ Vibe Coding เองได้แค่ไหน

A4: เขียนสเปกจากบทสนทนากับ AI และสั่งให้ AI สร้างโค้ดได้เองทั้งหมด แต่ขั้นเขียน Test Case และรันเทสต์ยืนยันผลยังต้องส่งต่อให้คนมีทักษะโค้ด

Q5: ต้นทุนที่มองไม่เห็นของการขึ้น Production มีอะไรบ้าง

A5: มี 4 ส่วน คือ AI Usage, Infra, Maintenance และ Security ซึ่ง AI Usage เป็นส่วนเดียวที่การทำสเปกให้ครบตั้งแต่ต้นช่วยประหยัดได้ชัดเจนที่สุด

ข้อสรุป:

AI ไม่ใช่เทคโนโลยีที่สามารถแยกออกจากมนุษย์ แต่เป็นเครื่องมือที่จะสามารถเสริมศักยภาพและประสิทธิภาพของมนุษย์ได้ หากเรามีการเตรียมความพร้อมที่ดี มีข้อมูลที่ดี มีการกำกับดูแลที่เหมาะสม มีทักษะที่พร้อม และมีวิธีคิดที่มอง AI เป็นพลังร่วมในการสร้างคุณค่า

Source:

จากงาน BDI Seminar 2026