Ctrl Shift Create 2026

💎 การแลกเปลี่ยนมุมมองให้ธุรกิจ ต้องเตรียมตัวใช้ Agentic ให้เกิดประสิทธิภาพ และปรับตัว เพื่อเป็นผู้เล่นสำคัญในเศรษฐกิจ

สรุป Session: Agentic Commerce: Redefining Business in the Age of AI จากงาน Ctrl Shift Create 2026 โดย
1. คุณสถาพน พัฒนะคูหา, CEO / Guardian AI
2. ผศ.ดร.ธรรณพ อารีพรรค, ผู้อำนวยการศูนย์บริการทางวิชาการและอาจารย์ประจำวิทยาลัยนวัตกรรมดิจิทัลเทคโนโลยี มหาวิทยาลัยรังสิต
3. ดร.โกเมษ จันทวิมล, Principal AI Evangelist / KBTG
4. คุณณัฐดนัย ปราณีณัฐวีร์, Founder FB page ตื่นมาโค้ด python

🔶 Agentic Commerce คืออะไร

ดร.โกเมษ อธิบายว่า Agentic Commerce แยกออกเป็น 2 ส่วน คือคำว่า Agentic กับ Commerce

Agentic มาจากคำว่า Agent ซึ่งหมายถึง ตัวแทน AI มี 3 กลุ่ม
🔹 1. Predictive AI: เน้นพยากรณ์/คาดการณ
🔹 2. Generative AI: เก่งภาษา สรุป สร้างคอนเทนต์
🔹 3. Agentic AI: เลือกใช้เครื่องมือให้ถูกงาน และ ทำงานแทนเป็นกระบวนการ เปรียบเสมือน Agency ที่เราจ้างให้ทำงานแทน เช่น จ้าง Agency ซื้อคอนโด จ้าง Agency จองตั๋วเครื่องบิน

ส่วนคำว่า Commerce คือการซื้อขาย ครอบคลุมหลาย Steps ตั้งแต่การเตรียมสินค้า การสั่งซื้อ การชำระเงิน จนถึงการบริการหลังการขาย เมื่อรวมกันเป็น Agentic Commerce หมายถึง เอา AI มาเป็นตัวแทนในกระบวนการซื้อ–ขายแบบ End-to-End

คุณณัฐดนัย เล่าในเชิงมุม Developer ว่าใน Agentic Commerce มีสิ่งที่เรียกว่า ACP หรือ Agentic Commerce Protocol เป็นมาตรฐานที่ทำให้ผู้ซื้อสามารถใช้ Chatbot อย่าง OpenAI หรือ Gemini ในการเชื่อมต่อกับผู้ขายโดยตรง โดยไม่ต้องผ่านแพลตฟอร์มตัวกลาง และมีระบบ Security ครอบอยู่ด้วย โดยใช้ Token ในการส่งข้อมูล

คุณสถาพน แยกคำว่า Automation vs Agentic ให้เห็นชัด
🔹 Automation: มนุษย์วางกติกา/ลำดับงานไว้แล้ว ระบบทำตาม
🔹 Agentic: AI ช่วยคิด + วางแผน + ตัดสินใจได้มากขึ้น

เขายังอ้างอิง Paper ของ McKinsey ที่วาด Journey ของ Agentic Commerce ว่า ไม่ได้ช่วยแค่ฝั่งคนขาย แต่ช่วยฝั่งคนซื้อด้วย เช่น เปรียบเทียบ/ต่อรอง/ลดภาระการค้นหา ทำทุกอย่างให้จนจบแบบ End-to-End

🔶 ปัญหาของ Chatbot ปัจจุบัน
- ผศ.ดร.ธรรณพ สรุปปัญหาของ Chatbot ที่ใช้อยู่ในปัจจุบันว่า
🔹 ChatGPT หรือ Gemini ว่าแม้เราจะถามหาสินค้าได้ มันก็แนะนำร้านค้าและลิงก์มาให้ แต่เมื่อกดเข้าไปจะซื้อจริงกลับพบว่าร้านไม่มีอยู่จริง ของหมด หรือมี Sizes นี้ แต่ไม่มีไซส์นั้น

Agentic Commerce จึงเกิดขึ้นมาเพื่อแก้ปัญหานี้ โดย AI จะไปหาข้อมูลจริง ไปต่อรองราคา เลือกสินค้าให้ หาร้านให้ และสั่งซื้อให้เราได้จริงๆ โดยมนุษย์เป็นเพียงคนกดยืนยัน

🔶 Demo 1 E-Commerce Agent ซื้อสินค้าผ่านแชท

คุณณัฐดนัย สาธิตระบบ Agentic Commerce แบบ Live Demo โดยใช้ Framework ชื่อ ADK (Agent Development Kit) ของ Google ในการสร้าง Agent ระบบนี้มีหน้า UI เป็นระบบแชทที่หลังบ้านมีข้อมูลสินค้า โดยไม่ต้องผ่านแพลตฟอร์ม E-Commerce ตัวกลาง ฝั่งผู้ขายต้องเตรียมข้อมูลสินค้าในรูปแบบ JSON เพื่อให้ Agent เข้าถึงได้ ขั้นตอนมีดังนี้

✅ 1. ทักแชท → ระบบบอกหมวดสินค้า
✅ 2. พิมพ์ว่า สนใจอาหาร ขอแซ่บๆ หน่อย → Agent ไป Search สินค้าในระบบ E-Commerce แล้วส่งผลลัพธ์กลับมาเป็นรายการอาหารรสจัดหลายประเภท พร้อมแสดงราคา
✅ 3. เลือกสินค้า Spicy Seafood พิมพ์ขอรายละเอียด
✅ 4. Agent คลิกดูข้อมูลสินค้า/รีวิว แล้วคลิกเลือกสินค้า จากนั้นระบบจะดึงข้อมูล Detail สินค้ากลับมา
✅ 5. Agent ถามกลับว่าสนใจสั่งซื้อไหม หรืออยากดูสินค้าอื่น
หากเลือกได้ ก็พิมพ์ว่า สนใจสั่งซื้อ

คุณณัฐดนัย สนใจ แพ็ก 10
✅ 6. Agent ไปคลิกเลือกขนาดในระบบและสรุปคำสั่งซื้อ
- Agent ไปเลือกขนาดในระบบ E-Commerce แล้วตอบกลับว่า รับทราบค่ะ สนใจซื้อขนาด 10 แพ็ก ในราคา 393 ใช่ไหมคะ หากต้องการซื้อ กรุณาพิมพ์ว่า ยืนยัน
✅ 7. Human Verification พิมพ์ยืนยันก่อนให้ระบบไปทำขั้นตอนซื้อ
เมื่อพิพม์เสร็จ ตัว Agent จะดำเนินการสั่งซื้อและแสดง QR Code ชำระเงิน
✅ 8. โชว์การจ่ายเงิน (เช่น QR) เพื่อจบครบ Loop ในหน้าแชทเพียงช่องทางเดียว

🔶 Demo 2 Travel Planner Agent วางแผนท่องเที่ยว

คุณสถาพน สาธิต Demo ที่มีความซับซ้อนมากขึ้น ใช้ Agent ในการคิด และ วางแผนใน Complex Task โดยเลือก Use Case เรื่อง การท่องเที่ยว เพราะการวางแผนเดินทางต้องตัดสินใจเยอะมาก เช่น จะบินวันไหน บินเช้าหรือเย็น ตั๋วราคาเท่าไหร่

หากบวกค่าโรงแรมแล้วอันไหนถูกกว่า ยิ่งถ้าเป็น Trip ที่ต้องไปหลายเมืองยิ่งซับซ้อน หรือถ้าเป็นระดับองค์กร เช่น งาน Purchasing ที่มีเงื่อนไขเรื่องสเปก ราคา Quotation ยุบยับไปหมด Agentic Commerce สามารถเข้ามาช่วยคิดและตัดสินใจตรงนี้ได้

คุณสถาพน บอกว่า
🔹 เมื่อก่อน: โทรหาเลขา / โทรหา Agency
🔹 ต่อมา: เว็บจองช่วยค้นหา แต่ยังต้องตัดสินใจเอง

ใช้ Agent อย่าง OpenClaw + MCP Server เพื่อจำลองเป็น Agent ของสายการบิน โรงแรม และร้านอาหาร

สมมติว่าแต่ละ Provider มี AI Agent รับจองของตัวเอง แล้ว Agent เหล่านี้คุยกันเอง โดยใช้ MCP ที่ Mock ขึ้นมาและ Expose ผ่าน NGROK โดยตั้งเงื่อนไขว่า ให้ประเมินก่อน อย่าเพิ่งจองแล้วค่อยให้คน Confirm

💎 การใช้งาน OpenClaw

คุณสถาพน อธิบายว่า ปกติเวลาใช้ ChatGPT, Gemini หรือ Claude ทุกอย่างอยู่บนเว็บ ในคอมฯ เราไม่มีอะไรเลย ถ้าจะให้ดูไฟล์ก็ต้อง Upload ขึ้นไป ซึ่ง Local กับ Web แยกชิ้นกัน

แต่ถ้าเราอยากให้ AI ทำงานกับไฟล์บนเครื่องเราเยอะๆ เช่น Source Code หรือข้อมูลลูกค้า

วิธีที่สะดวกกว่า คือ เอา Agent มาอยู่บนเครื่องเราเลย

OpenClaw ก็คือ AI Agent ตัวหนึ่งที่ติดตั้งบนเครื่องของเราได้ แทนที่จะอยู่บนเว็บอย่างเดียว แต่มีความเสี่ยงด้าน Security ด้วย ตอนนี้เจอบั๊กกันแทบจะรายชั่วโมง เขาจึงเลือก Run บน Cloud Instance แทนเครื่องส่วนตัว

วิธีสั่งงาน OpenClaw ทำผ่านไฟล์ 3 ตัว ได้แก่
1. agent.md สำหรับบอกวิธีการทำงาน Mission และ Purpose ของ Agent
2. soul.md สำหรับบอก Character และบุคลิก (ในครั้งนี้ไม่ได้เขียนเพราะเป็น Demo)
3. tools.md บอกว่า Agent มี Tools อะไรใช้ได้บ้าง เช่น Search Flight, Search Hotel เป็นต้น

นอกจากนี้ OpenClaw ยังมี Plugin ต่อกับ WhatsApp หรือ Telegram ได้ด้วย แต่ในการสาธิตใช้ Chat ที่ Built-in มาเพราะต้องการโชว์ Thinking Process

💎 สาธิตขั้นตอนการวางแผน Trip 6 วัน ด้วย Agent

✅ 1. คุณสถาพน สั่ง Agent วางแผน Trip 6 วัน เส้นทาง สิงคโปร์ → โตเกียว → โซล → กลับสิงคโปร์ พร้อมใส่เงื่อนไขต่างๆ ได้แก่ ต้องการเที่ยวบินตรง (Direct) ไม่เอา Transit, เงื่อนไขโรงแรม, ร้านอาหารที่อยากไปกินและกำหนดงบประมาณรวมทั้ง Trip ไม่ให้เกินจำนวนที่กำหนด

📌 สั่งว่า ให้ประเมินก่อนนะ อย่าเพิ่งซื้อ เพื่อป้องกันไม่ให้ Agent ไปจองจริงก่อนได้รับอนุมัติ

✅ 2. Agent แสดงกระบวนการคิด (Thinking) เมื่อได้รับคำสั่งว่า เดือนหน้า Agent คิดว่า เดือนหน้าแปลว่าวันไหน และประเมินว่า ยังขาดข้อมูลสำคัญอะไรบ้าง

✅ 3. Agent ถามรายละเอียดที่ยังขาดกลับมา จะไปวันไหนถึงวันไหน จะอยู่โตเกียวกี่คืน อยู่โซลกี่คืน พอได้รับคำสั่งก็จะถามรายละเอียดที่ยังขาด หลังบ้านมันยังต้องดูด้วยว่า วันนั้นเป็นวันหยุดหรือเปล่า ต้องดู Calendar ไทย Calendar ญี่ปุ่น หรือ Calendar เกาหลี ซึ่งทั้งหมดกำหนดได้ใน agent.md

✅ 4. Agent เริ่มค้นหาเที่ยวบิน (Flight Search) เมื่อได้ข้อมูลครบ Agent เริ่ม Plan โดยแสดงขั้นตอนการคิดอย่างชัดเจน คือ ค้นหาเที่ยวบินสิงคโปร์ → โตเกียว ก่อนเป็นลำดับแรก และค้นหาเที่ยวถัด ๆ ไป จนได้ข้อมูล Flight ครบทุกขา

✅ 5. Agent จะค้นหาทุกโรงแรม, ร้านอาหารและราคารวมที่อยู่ในงบประมาณ

✅ 6. Agent สรุปแผน Trip ทั้งหมดและถามก่อน Book พอได้ข้อมูลทั้งหมดครบ Agent ก็สรุปให้ทั้งหมด ประกอบด้วยข้อมูล Flight ที่มี โรงแรมที่มี ร้านอาหาร และราคารวมที่อยู่ในงบประมาณ จากนั้นถามว่า จะให้ Book ไหม ซึ่งเป็นไปตามที่กำหนดใน agent.md ว่า อย่าเพิ่งซื้อ ต้องถามก่อน

✅ 7. ผู้ใช้ตอบ Confirm

✅ 8. Agent เรียก Payment Agent เพื่อจ่ายเงิน
- Agent ไป Call Agent ฝั่ง Payment เพื่อดำเนินการชำระเงิน ซึ่งคุณสถาพนเสริมว่า ปัจจุบันบริษัท Payment อย่าง Stripe รวมถึงฝั่ง Crypto อย่าง Tether, Circle (USDT, USDC) ก็ Support Agentic Payment แล้ว ฝั่ง Payment จึงไม่ซับซ้อน แค่ Call API ในการจ่ายเงินก็จบ

📌 ผศ.ดร.ธรรณพ และ คุณสถาพน เน้นย้ำเรื่องต้นทุนว่า ทุก Token ที่ AI ใช้คิดและทำงานนั้นเสียเงินทั้งหมด การ Call MCP ค้นหาสายการบิน 50 เที่ยว ไล่ Process ทีละขั้น ทั้งหมด คือ ต้นทุน

ค่าใช้จ่ายจริงว่า Demo นี้ใช้ Claude ผ่าน API โดยเมื่อวานที่นั่งเตรียม Demo (ล่มบ้างไม่ล่มบ้าง) จ่ายไป 2 เหรียญกว่า วันนี้ที่เตรียมก่อนขึ้นเวทีรวมกับ Demo ที่โชว์จริง รวมแล้วหมดไป 4 เหรียญ (ประมาณ 120 บาท) ทั้งๆ ที่ยังไม่ได้จองจริง แค่ให้มันวางแผนเท่านั้น

ผศ.ดร.ธรรณพ ประมาณว่าแค่ Demo สั้นๆ ที่โชว์บนเวทีก็กินไป 30 บาท

คุณสถาพน เตือนว่า ถ้าจะทำเป็นบริการ ต้องคิดต้นทุนแบบ คูณตามจำนวนลูกค้าให้ดี

🔶 Agentic Payment Protocol (A2P) ซื้อ Coffee Maker

คุณณัฐดนัย สาธิต Demo เพิ่มเติม เน้นเรื่อง การชำระเงินโดยเฉพาะ อธิบายว่าใน Agentic Commerce มีอีก Protocol นึงชื่อ A2P (Agentic Payment Protocol) แตกต่างจาก ACP (Agentic Commerce Protocol) เป็นฝั่งที่ทำให้ระบบซื้อขายมันเดินได้ เช่น คุยกับร้าน เลือกสินค้า สั่งซื้อ ปิดการขาย

ส่วน A2P เป็นดูแลเรื่องธุรกรรมการเงินโดยตรง เช่น การจ่ายเงิน การยืนยัน การส่งข้อมูลการชำระเงินให้ปลอดภัยสูง โดยใช้การส่ง Token แบบ Encrypt ส่งตรงไปยังผู้ให้บริการ Payment โดยข้อมูลกรเงินของ OpenAI จะไม่เกี่ยวข้องเลย เป็นการสื่อสารระหว่างผู้ซื้อกับผู้ขายโดยตรง

💎 ขั้นตอนการซื้อ Coffee Maker ด้วย
1. คุณณัฐดนัย บอก Agent ว่า ต้องการซื้อ Coffee Maker

2. Agent ถามประเภทสินค้าที่สนใจ
- Agent ก็ถามว่า สนใจ Type ไหน

คุณณัฐดนัย ตอบว่า Drip Coffee Maker

3. Agent แนะนำแบรนด์ที่มีในระบบ
- Agent ก็ไปหาแบรนด์ที่มีในระบบมา Suggest ให้ เขาบอกว่า ขอแบรนด์ที่ถูกที่สุด Agent ก็ไปค้นหาและสร้าง Intent Mandate เชื่อมกับ Agent อีกตัวหนึ่ง เพื่อดำเนินการในขั้นตอนต่อไป

4. Agent ถามว่าต้องการ Refund Policy ไหม เขาตอบว่าต้องการ

Agent ก็ไปหาข้อมูลมา แสดงรายการสินค้าหลายรุ่น เช่น Standard Coffee Maker, Programmable Drip เป็นต้น เขาเลือกตัวเลข 1

5. เข้าสู่ขั้นตอน Payment (หน้าจอเปลี่ยนเป็นสีเขียว)
- Agent ถามว่าต้องการ Process การชำระเงินแบบไหน เป็น Digital Wallet หรือแบบอื่น

เขาตอบว่า เลือก Digital Wallet

6. Agent ถามว่าจะจ่ายด้วย Wallet ใด
- คุณณัฐดนัยบอกว่า มี PayPal กับ Google Wallet แล้วเลือก Google Wallet ตัว Agent ส่งข้อมูลไปที่อีเมลของผู้ใช้

7. Agent ถาม Shipping Address จะสอบถามที่อยู่จัดส่ง ซึ่งตั้งค่าไว้ในระบบแล้ว

8. Agent แสดง Order Summary สรุปคำสั่งซื้อทั้งหมด ประกอบด้วยสินค้าที่ซื้อ, ราคา, Tax และ Shipping Address

9. ระบบแจ้งบัตรเครดิตที่มีในระบบ
- ระบบแสดงว่า มีบัตรเครดิต 2 ใบ คือ American Express ลงท้าย 444 กับ 888 แล้วถามว่าจะใช้ใบไหน ผู้ใช้จึงต้องเลือกบัตรเครดิตในการจ่ายเงิน

10. Agent ถามยืนยันคำสั่งซื้อ
- Agent ถามยืนยันอีกครั้งว่า พร้อมจ่ายเงินด้วย Order นี้ไหม คุณณัฐดนัยตอบ Confirm รระบบก็จะส่ง OTP มายังมือถือของผู้ใช้จริง

11. ผู้ใช้พิมพ์ OTP กลับเข้าไปใน Chatbot
- คุณณัฐดนัยพิมพ์รหัส OTP ที่ได้รับกลับเข้าไปในหน้า Chatbot เพื่อยืนยันตัวตน

12. ระบบดำเนินการสั่งซื้อจริงและส่งใบเสร็จ
- เมื่อระบบได้รับ OTP ถูกต้อง ก็ดำเนินการสั่งซื้อจริง และส่งใบเสร็จไปที่อีเมลของผู้ใช้ ทำให้การซื้อจบสมบูรณ์ครบทุกขั้นตอน

🔶 Use Case อื่นๆ ที่เหมาะกับ Agentic Commerce
- ดร.โกเมษ ชี้ว่า นอกจากการซื้อขายสินค้าทั่วไปและการวางแผนเดินทางแล้ว ยังมี Use Case อีกมากมาย เช่น
🔹 After Sale Service สมมติซื้อน้ำส้มไป 3 ลัง แล้วอยากคืน Agent สามารถจัดการเรื่องการคืนสินค้าและคืนเงินได้
🔹 Up Sale เช่น ซื้อ Trip แล้ว Agent เสนอขายประกันเพิ่ม
🔹 Real Time Service เช่น วันเดินทางจริงเครื่องบิน Delay Agent ต้องปรับแผนให้ใหม่ทันที ซึ่งมีความซับซ้อนมากกว่าเดิม

นอกจากเบื้องหน้า ยังมีเบื้องหลังอีก เช่น เมื่อลูกค้าสั่งน้ำส้มแล้ว จะส่งจากศูนย์เก็บไหน ส่ง Route ไหน ส่งวันไหน Agent สามารถเข้ามาช่วยตัดสินใจในส่วน Logistics และ Supply Chain ได้เช่นกัน ทุกอย่างค่อยๆ เอา AI เข้ามาช่วยทีละ Steps

🔶 ถ้าอนาคต AI เป็นคนซื้อแทนเรา ธุรกิจหรือผู้ประกอบการต้องปรับตัวอย่างไร?
🔹 มุมมองของ ดร.โกเมษ บอกว่า AI ทำได้เยอะขึ้นเรื่อยๆ ราคาถูกลง และแนวโน้มจะเก่งขึ้นอีก นี่คือโอกาส ควรเปิดโอกาสให้ตัวเองเริ่มใช้ อาจเริ่มจากเล็กก่อน และค่อยๆ ทดลอง

สิ่งสำคัญอีกมุม คือ การบริหารองค์กรที่มีทั้ง AI และคน ต้องคิดว่าเมื่อไหร่ใช้ AI เมื่อไหร่ใช้คน อยากให้เห็นว่า AI เริ่มเข้ามาแล้วและไม่ได้ไกลตัวเลย

🔹 มุมมองของคุณณัฐดนัย
- ยกมุมการตลาด: พฤติกรรมคนเริ่มถาม AI มากขึ้น
- ถ้าทำแบบเดิมแล้วไม่ปรับ อาจเสียโอกาส ต้องกล้าตาม Trend และกล้าเปลี่ยน อย่าเมินเฉย ควรลอง Explore แล้วเริ่มจากเล็กๆ แล้วค่อย Scale ออกมา แนะนำแนวทาง คือ ลองจากเล็ก → ถ้าใช่ค่อยขยาย

มุมมองของคุณสถาพน คือ 3 ประเด็นการเปลี่ยนแปลง
✅ 1. ประเด็นแรก คือ Interaction กำลังเปลี่ยน จากมนุษย์กับ Machine เป็น Machine to Machine เราไม่ต้องนั่งทำเอง แค่บอกเป้าหมายหรือ Intent ว่าต้องการอะไร แล้ว AI จะไปทำรายละเอียดมาให้

✅ 2. ประเด็นที่ 2 คือ UI กำลังเปลี่ยน ก่อนหน้านี้ต้อง Custom หน้าเว็บให้มนุษย์ใช้ง่าย ลดจำนวนคลิก แต่ต่อไปต้องคิดว่าทำไงให้ Machine เข้าใจได้ง่ายที่สุด

✅ 3. ประเด็นที่ 3 คือ วิธี Discover สินค้ากำลังเปลี่ยน จาก Keyword Base เป็น Task Base เพราะการแตกเป็น Keyword หรือ Search นั้น AI จะทำให้เราเอง ผู้ประกอบการต้องคิดว่าทำไงให้ AI Discover เจอสินค้าของเราง่ายที่สุด และทำไงให้ Journey ระหว่างนั้นจบการซื้อขายได้ง่ายที่สุด เช่น มีการ Compare ราคาอัตโนมัติ มีส่วนลด, Negotiate อัตโนมัติ ลด Friction ทุกจุดที่ก่อนหน้านี้ต้องรอมนุษย์ Approve ถ้าทำได้ทั้งหมด ทั้งคนขาย คนซื้อ หรือองค์กร ก็จะได้เปรียบในสนาม Commerce ยุคถัดไป

👉 โลกการซื้อขายกำลังขยับจากแชทตอบคำถาม ไปเป็น AI ที่ทำงานแทนได้จริงตั้งแต่หาของ เทียบราคา ต่อรอง จ่ายเงิน ติดตามของ ไปจนถึงคืนสินค้า โดยคนแค่คุมเป้าหมายและกดยืนยันตอนสำคัญ นอกจากนี้ต้องทำให้ระบบพร้อมให้ AI เข้าใจและซื้อได้ เช่นข้อมูลสินค้าชัด ขั้นตอนจบการขายลื่น มีทางเลือกจ่ายเงินที่ปลอดภัย และลดจุดติดขัดที่ต้องรอคนอนุมัติ

💛 ติดตามเพจเราไว้ เพื่อรับความรู้สาระดี ๆ แบบนี้ได้ประจำครับ

#ใช้aiให้ดีต้องมีinsight #insightist #AI #topic #idea #eventinsight #RSU #มหาวิทยาลัยรังสิต #สมาคมสร้างสรรค์ปัญญาประดิษฐ์ไทย #ประยุกต์ #AgenticCommerce #ECommerce #OpenClaw #CoffeeMaker