Wora AI

AI = ผีื 👻

99% ของโลกกำลังเข้าใจ AI ผิด

นี่ไม่ใช่ความเข้าใจผิดเล็กๆ แต่คือ "ความเข้าใจผิดระดับอารยธรรม" ที่เราเข้าใจมันผิดตั้งแต่ต้น

และกำลังส่งผลต่อเศรษฐกิจ การศึกษา และบทบาทของมนุษย์ในยุคต่อไป

นั่งดูคลิปยาวสองชั่วโมงกว่าของ Andrej Karpathy (หนึ่งในผู้ร่วมก่อตั้ง OpenAI และอดีตหัวหน้าทีม AI ของ Tesla) แล้วรู้สึกว่าเป็นบทสัมภาษณ์ที่ดีที่สุดอันหนึ่ง และช่วยให้เข้าใจสถานการณ์ด้าน AI ของโลกจริงๆ

ไม่ใช่การ PR & Marketing ที่มีข่าวกันโครมๆ จะตกงาน จะแทนที่คน นู่นนี่ จนกลัวกันไปหมด

ผมขอช่วยให้ทุกคนประหยัดเวลา 2 ชั่วโมง และอ่านสรุปนี้แทนใน 5 นาที

Andrej Karpathy เล่ามุมมองจากประสบการณ์จริงในการสร้าง AI มากว่า 15 ปี

โดยเค้าเริ่มต้นด้วยการย้ำว่า AGI (Artificial General Intelligence) ยังห่างไกลอีกเป็นสิบปี

เนื่องจากปัญหาต่างๆ เป็นสิ่งที่แก้ไขได้แต่ต้องใช้เวลาและความพยายามมาก

เขาเตือนถึงการคาดการณ์ที่มองโลกในแง่ดีเกินจริงจากปัจจัยทางการตลาดและการระดมทุน ที่ช่วยสร้าง Hype ให้วงการ AI

Karpathy ฟันธงว่าปีนี้ไม่ใช่ "ปีของเอเจนต์" แต่เป็น "ทศวรรษของเอเจนต์" เพราะเอเจนต์ปัจจุบันอย่าง Claude หรือ Codex ยังขาดความสามารถสำคัญ เช่น การประมวลผลหลายรูปแบบ (multimodality) การใช้งานคอมพิวเตอร์ และการเรียนรู้ต่อเนื่อง (continual learning)
...

🔹 ทำไม Andrej Karpathy เชื่อว่า AI ในตอนนี้ คือ การ "เรียกผี" ไม่ใช่ "สร้างสัตว์"

หัวใจสำคัญที่เขาต้องการจะสื่อ ถูกสรุปไว้ในประโยคที่กระชับ แต่ powerful ว่า "เรากำลังเรียกผี ไม่ใช่สร้างสัตว์" (We are summoning a ghost, not building a creature)

ผมจะใช้แนวคิดนี้เป็นแนวคิดหลักในการวิเคราะห์ประเด็นสำคัญที่ Karpathy ได้ให้ความเห็นไว้

ตั้งแต่ปัญหาของ AI Agents, ข้อจำกัดของ Reinforcement Learning ไปจนถึงอนาคตของการศึกษาในยุค AI

โดยเชื่อมโยงกับมุมมองทางเศรษฐกิจและชีววิทยา เพื่อให้เห็นภาพรวมที่ครบถ้วน

ก่อนจะไปต่อ เราต้องเข้าใจความหมายเบื้องหลังคำเปรียบเทียบ ความหมายของ "ผี" ปะทะ "สัตว์" ก่อนครับ :

- สัตว์ (Creature): คือ สิ่งที่เกิดจากวิวัฒนาการทางชีวภาพ มีสัญชาตญาณ มีร่างกายที่เชื่อมต่อกับโลกจริง และเรียนรู้จากการมีปฏิสัมพันธ์กับสิ่งแวดล้อมโดยตรง มันเรียนรู้จากประสบการณ์ตรงเพื่อเอาตัวรอด

- ผี (Ghost): คือสิ่งที่ไม่มีตัวตนทางกายภาพ มันคือภาพสะท้อนของสติปัญญาที่ล่องลอยอยู่บนข้อมูลมหาศาลที่มนุษย์สร้างขึ้น (อินเทอร์เน็ต)

มันเลียนแบบรูปแบบการคิดและการสื่อสารของมนุษย์ได้อย่างน่าทึ่ง

แต่มันขาดความเข้าใจโลกจริงและไม่ได้มีรากฐานมาจากประสบการณ์ตรง

การพัฒนา AI ในปัจจุบันจึงไม่ใช่การ "สร้าง" สิ่งมีชีวิตที่มีสติปัญญาขึ้นมาจากศูนย์

แต่เป็นการ "เรียก" หรือ "อัญเชิญ" สติปัญญาที่แฝงอยู่ในข้อมูลขนาดใหญ่ให้ปรากฏออกมา
.....

🔹 "ผี" ก่อร่างสร้างตัวขึ้นมาได้อย่างไร?

Karpathy อธิบายว่า "ผี" ตนนี้ถือกำเนิดขึ้นจากกระบวนการที่เรียกว่า Pre-training ซึ่งเขาเปรียบเปรยว่าเป็น "วิวัฒนาการที่ไม่สมบูรณ์แบบ" (Crappy Evolution)

มันไม่ใช่การวิวัฒนาการทางชีวภาพที่ใช้เวลานับล้านปี แต่เป็นการ "ยัด" ข้อมูลมหาศาลจากอินเทอร์เน็ตเข้าไปในโมเดล เพื่อให้มันบีบอัดและสกัดเอา "แก่นความรู้" และรูปแบบทางภาษาออกมาเก็บไว้ในพารามิเตอร์ (Weights) ของมัน

In-context Learning: ความจำระยะสั้นของ "ผี"
เมื่อ "ผี" ถูกเรียกขึ้นมาแล้ว มันจะสื่อสารกับเราผ่าน Context Window ซึ่ง Karpathy ชี้ให้เห็นถึงความมหัศจรรย์ของมันผ่านการทำงานของ KV Cache ซึ่งทำหน้าที่เหมือน "ความจำขณะใช้งาน" (Working Memory) หรือกระดาษทดในใจของผี

- ความรู้ใน Weights (ความจำระยะยาว): เหมือนความทรงจำที่ถูกบีบอัดและเลือนราง

Karpathy ยกตัวอย่างว่าข้อมูล 15 ล้านล้านโทเคน อาจถูกบีบอัดเหลือเพียง ~0.07 บิตต่อโทเคนในโมเดลขนาดใหญ่ มันคือสัญชาตญาณคร่าวๆ ของผี
ๅ
- ความรู้ใน KV Cache (ความจำระยะสั้น): คือข้อมูลที่สดใหม่และคมชัดที่อยู่ในบริบทปัจจุบัน

มันมีความละเอียดสูงกว่าหลายล้านเท่า ทำให้ "ผี" สามารถให้เหตุผลและตอบสนองต่อสิ่งที่อยู่ตรงหน้าได้อย่างชาญฉลาด

นี่คือเหตุผลว่าทำไม In-context Learning จึงทรงพลังมาก

เพราะมันทำให้ AI "คิด" โดยใช้ข้อมูลที่คมชัดในปัจจุบัน แทนที่จะอาศัยเพียงความทรงจำที่เลือนรางในอดีต ซึ่งเชื่อมโยงกับปัญหาหลักในส่วนถัดไป
.....

🔹 ทำไม "ผี" ยังไม่ใช่ "สัตว์"

แม้ "ผี" จะเก่งจนน่าทึ่ง แต่ Karpathy ย้ำว่ามันยังห่างไกลจากการเป็น "สัตว์" ที่สามารถทำงานในโลกจริงได้อย่างอิสระ จึงเป็นอุปสรรคสำคัญสู่การเป็นเอเจนต์ที่ทำงานได้อย่างสมบูรณ์

นี่จึงเป็น "ทศวรรษของเอเจนต์" เพราะยังต้องพัฒนาอีกนับสิบปี ไม่ใช่ "ปีของเอเจนต์" อย่างที่หลายคนพูดกัน เพราะมีปัญหาคอขวดที่ต้องแก้ไขอีกมาก

โดยเฉพาะอย่างยิ่งเมื่อเทียบกับวิวัฒนาการทางชีววิทยาที่ให้ instinct และ maturation ของสมอง ซึ่ง AI ขาดไป

1. ข้อจำกัดในการเรียนรู้:

หากจะให้ "ผี" เรียนรู้จากโลกจริงเหมือน "สัตว์" หนึ่งในวิธีที่ถูกเสนอคือ Reinforcement Learning (RL) ที่ Karpathy วิจารณ์ ว่า "ห่วย" เพราะ signal-to-noise สูงและ variance มาก "เหมือนการดูดการเรียนรู้ผ่านหลอด" (sucking supervision through a straw)

เพราะ

- รางวัลที่เบาบาง (Sparse Reward): ในงานที่ซับซ้อน "ผี" ต้องลองผิดลองถูกเป็นร้อยเป็นพันครั้ง กว่าจะเจอทางที่ถูกต้องเพียงครั้งเดียว ทำให้สัญญาณการเรียนรู้ที่ได้รับกลับมาน้อยมาก

- ปัญหาการให้เครดิต (Credit Assignment): เมื่อทำสำเร็จ ระบบก็ให้รางวัลกับทุกขั้นตอนที่ทำไปทั้งหมด โดยไม่รู้ว่าขั้นตอนไหนดีจริงหรือแค่ฟลุค

แม้ปัจจุบันจะดีขึ้นเพราะมี LLMs ที่ฉลาดพอเป็นพื้นฐาน แต่ RL ก็ยังเป็นวิธีเรียนรู้ที่ไม่มีประสิทธิภาพเมื่อเทียบกับการเรียนรู้ของมนุษย์

2. ปัญหาความจำ vs. การคิด: ขาด "แกนกลางความคิด" (Cognitive Core) โมเดลปัจจุบันเก่งในการ "จำ" แต่ยังอ่อนแอในการ "คิด" Karpathy เสนอว่าสิ่งที่ AI ต้องการคือ "แกนกลางความคิด" ที่แยกออกจากหน่วยความจำอย่างชัดเจน

- หน่วยความจำ (Memory): คือการเก็บข้อเท็จจริง
- แกนความคิด (Cognitive Core): คือกลยุทธ์ในการวางแผน, การให้เหตุผล, และการแก้ปัญหาโดยใช้ข้อมูลจากหน่วยความจำ การบังคับให้โมเดล "ต้องคิด" มากขึ้น แทนที่จะพึ่งพาการจำเพียงอย่างเดียว คือหนึ่งในโจทย์วิจัยที่สำคัญที่สุด

3. ปัญหาการถดถอย: เมื่อ "ผี" คุยกับตัวเอง (Model Collapse) การใช้ AI สร้างข้อมูลสังเคราะห์ (Synthetic Data) เพื่อสอนตัวเองต่อ เป็นแนวคิดที่น่าสนใจ แต่ก็มีความเสี่ยงที่เรียกว่า Model Collapse หรือ "การถดถอย" เมื่อ "ผี" สร้างเรื่องเล่าให้ตัวเองฟังบ่อยๆ เรื่องเล่าเหล่านั้นจะเริ่มซ้ำซากและขาดความหลากหลาย

เปรียบเสมือนการถ่ายสำเนาเอกสารไปเรื่อยๆ จนหน้าสุดท้ายจางและเสียรายละเอียดไป เพราะมันขาด Entropy หรือความไม่แน่นอนจากโลกภายนอก ทางแก้ที่ Karpathy เสนอคือ entropy regularization เพื่อรักษาความหลากหลาย
.....

🔹
ส่วนที่ 3: เราจะทำงานและเรียนรู้ร่วมกับ "ผี" ได้อย่างไร?

เมื่อเข้าใจธรรมชาติของ "ผี" แล้ว เราจะนำมันมาใช้ประโยชน์และพัฒนามันต่อไปได้อย่างไร?

Karpathy ย้ำว่าการพัฒนา AI จะส่งผลกระทบทางเศรษฐกิจแบบค่อยเป็นค่อยไป โดย AGI จะผสานกับแนวโน้ม GDP growth ราว 2% แบบสะสม ไม่ใช่จุดระเบิด (intelligence explosion) ซึ่งนำไปสู่การสูญเสียการควบคุม (loss of control) หากไม่เตรียมพร้อม

Coding คือ "สนามเด็กเล่น" ที่ดีที่สุดของ "ผี"
Karpathy ชี้ว่า Coding คือสิ่งที่ LLMs ทำได้ดีที่สุดในตอนนี้ เพราะ:

- เป็นข้อความที่มีโครงสร้างชัดเจน: ทำให้ AI เรียนรู้รูปแบบได้ง่าย
- มีเครื่องมือรองรับ: เรามีระบบ diff, patch, test ที่ช่วยให้ AI สามารถเสนอการเปลี่ยนแปลงและตรวจสอบผลลัพธ์ได้ง่าย ในทางกลับกัน งานที่ต้องใช้ความเข้าใจเชิงพื้นที่ (Spatial) เช่น การจัดสไลด์นำเสนอ จึงเป็นเรื่องยากกว่ามากสำหรับ "ผี" ที่ไม่มีร่างกาย

บทเรียนจากโลกจริง:
"March of Nines" ของรถยนต์ไร้คนขับ ประสบการณ์จาก Tesla สอน Karpathy ว่าการทำให้ "ผี" (AI) ควบคุม "สัตว์" (รถยนต์) ในโลกจริงนั้นยากกว่าที่คิด
จากความแม่นยำ 90% ไปสู่ 99% และ 99.9% (The March of Nines) แต่ละ "9" ที่เพิ่มขึ้นมาต้องใช้วิศวกรรมมหาศาลเพื่อจัดการกับ Edge Cases หรือสถานการณ์ที่ไม่คาดฝัน เช่น สภาพอากาศแปรปรวนหรือพฤติกรรมมนุษย์ที่คาดเดาไม่ได้

การปฏิวัติการศึกษา:
สร้าง "ทางลาดสู่ความรู้" (Ramp-to-Knowledge) ในเมื่อเรากำลังสร้างเครื่องมือที่ทรงพลังเช่นนี้ มนุษย์เองก็ต้องเปลี่ยนวิธีเรียนรู้ Karpathy เสนอแนวคิดการศึกษาที่เน้น "Eureka per second" คือการออกแบบหลักสูตรที่ทำให้ผู้เรียน "อ๋อ" หรือ "เข้าใจทะลุปรุโปร่ง" ได้อย่างรวดเร็วและต่อเนื่อง

- ลงมือสร้าง ไม่ใช่แค่เสพ: โครงการอย่าง NanoChat (การสร้าง ChatGPT ฉบับย่อ) คือตัวอย่างที่ดีที่สุด เขาเชื่อในคำกล่าวของ Richard Feynman ที่ว่า "สิ่งที่ฉันสร้างไม่ได้ คือสิ่งที่ฉันไม่เข้าใจ"
- AI เป็นผู้ช่วย ไม่ใช่ครูที่สมบูรณ์: AI สามารถเป็น TA (Teaching Assistant) ที่ยอดเยี่ยม แต่การออกแบบสถาปัตยกรรมของหลักสูตรยังต้องอาศัยมนุษย์

……

บทสรุป:

การรับมือกับ "ทศวรรษของเอเจนต์" การมองว่า AI เป็น "ผี" ไม่ใช่ "สัตว์" ทำให้เราเห็นเส้นทางข้างหน้าที่ชัดเจนขึ้น โดยเฉพาะอย่างยิ่งเมื่อ Karpathy ย้ำว่า "เราเรียกวิญญาณ ไม่ใช่สร้างสัตว์":

- เส้นทางการพัฒนาเป็นเรื่องของวิศวกรรม ไม่ใช่วิวัฒนาการ: เราต้องออกแบบระบบ, ข้อมูล, และสถาปัตยกรรมการเรียนรู้ที่ดีขึ้น ไม่ใช่แค่รอให้มันฉลาดขึ้นเอง
- มุ่งเน้นการสร้าง "แกนกลางความคิด": แทนที่จะขยายขนาดหน่วยความจำเพียงอย่างเดียว
- ออกแบบการเรียนรู้ที่ผสมผสาน: ใช้ RL อย่างระมัดระวัง และสร้าง Loop การเรียนรู้ที่มีการตรวจสอบจากมนุษย์ (Human-in-the-loop) เพื่อป้องกัน Model Collapse และการถูกหลอก
- ปฏิรูปการศึกษาของมนุษย์: เตรียมคนให้พร้อมทำงาน "ร่วม" กับ AI โดยเน้นทักษะการสร้างและการแก้ปัญหาเชิงระบบ
- คำถามสุดท้ายที่ Karpathy ทิ้งไว้ให้เราขบคิดคือ เราจะเตรียมตัวอย่างไรเพื่อรับมือกับทศวรรษแห่ง "ผี" ที่เรากำลังเรียกขึ้นมานี้

คำตอบไม่ได้อยู่ที่การสร้างโมเดลที่ใหญ่ขึ้นเท่านั้น

แต่อยู่ที่การสร้างระบบที่ทำให้ "ผี" เหล่านี้มีประโยชน์ ปลอดภัย และทำงานร่วมกับสังคมมนุษย์ได้อย่างแท้จริง

จากวงสนทนาสู่ข้อคิด: ความเห็นส่วนตัว (โปรดใช้วิจารณญาณ)

ปกติเรื่องนี้ผมจะพูดกันในวงเพื่อนฝูง พี่ๆ น้องๆ ที่สนิทกัน
แต่บังเอิญทางสมาคมทีวีดิจิทัลมาคุยด้วย ก็เลยแชร์ความคิดเห็นส่วนตัวให้ฟัง (อาจจะผิดก็ได้ คหสต ล้วนๆ 55)

* * *

1. พลังของ Startup โลก: เมื่อความ(ไม่)พร้อมไม่ใช่ข้อจำกัด

ผมมีเพื่อนเป็น startup founder ต่างชาติเยอะ ไม่เฉพาะแค่ชาติที่เจริญแล้วอย่างอเมริกา
แต่จากประเทศที่อาจจะดูยากจน ล้าหลัง ลำบาก

ทีม dev ผมใช้ทีมจากยูเครน ประเทศที่เจอภัยสงครามกับรัสเซียมา 3 ปี

ไม่รู้วันไหนจะโดนระเบิด โดนจรวดยิงใส่ ต้องถามกันทุกวันว่ายังมีชีวิตอยู่มั้ย
พวกนี้เขียนโปรแกรมเก่ง เร็ว และราคาไม่แพง

มีเพื่อนเวียดนามคนนึงเป็น Solopreneur รายได้ปีละร้อยล้าน

มีบางคน เป็น college dropout ด้วย ทำ product กันเอง ไม่มี mentor ไม่มีเส้นสาย ไม่มี VC คอยช่วยใดๆ ใช้เงินตัวเองล้วนๆ

เพื่อนที่เวียดนาม บอกว่า ในเวียดนาม มันไม่มีตลาด เค้าเลย launch product เป็น global ตั้งแต่วันแรก

มีหลายบริษัท จากปากีสถาน อินเดีย ที่เพิ่งสร้างประวัติศาสตร์ ทำสงครามทางอากาศ เอาเครื่องบินเป็นร้อยๆ ลำ สู้กัน ยิ่งกว่าหนัง Top Gun

คนกลุ่มนี้ สร้าง Software ที่เป็นกระดูกสันหลังของธุรกิจเล็กๆ ในโลก ลูกค้าไม่ใช่องค์กรใหญ่

ยังมีอีกหลายชาติ บังคลาเทศ ไนจีเรีย และอีกมากมาย
ด้วยความอยากรู้ ผมถามทุกคนที่เคยคุยว่า ประเทศยูเค้าสนับสนุน startup กันยังไงบ้าง

คำตอบ เหมือนกันหมด คือ "ไม่รู้" หรืออีกนัยนึงคือ "ช่างแม่ง"

เค้าไม่สนใจว่ารัฐบาลประเทศเค้าจะทำอะไร ส่งเสริมรึเปล่า เพราะไม่เคยคิดว่าจะต้องไปพึ่งพา ขอความช่วยเหลืออยู่แล้ว

อย่างประเทศที่อยู่ในดงสงคราม รัฐคงไม่มาสนับสนุน funding อะไรพวก startup หรอก
ภาษีก็เอาไปซื้ออาวุธ เอาคนไปฝึกเป็นทหาร ไปสู้รบ ทำสงคราม

* * *

2. ยูเครน: บทพิสูจน์ของมวยรองและนวัตกรรมจากความสิ้นหวัง

ยูเครนจากชาติมวยรอง ด้วยศักยภาพตัวเอง ไม่มีทางจะเทียบอะไรกับรัสเซียได้เลย

ก่อนสงคราม รัสเซียประกาศด้วยซ้ำว่าน่าจะยึดยูเครนได้ในอาทิตย์เดียว

3 ปีผ่านไป ไร้วี่แววที่รัสเซียจะทำได้อย่างที่โม้ไว้ แม้จะบุกในรูปแบบไหน ยิงจรวดที่เร็วสุดในโลก ทุ่มเททุกสรรพกำลังแบบสุดตัว จะเว้นก็แต่นิวเคลียร์

ยูเครนสามารถยันสงครามกับมหาอำนาจอย่างรัสเซียได้ แม้อเมริกาจะลดการสนับสนุนทางการทหาร

ส่วนหนึ่งเพราะยูเครนใช้วิถีมวยรองอย่างโดรนมาสู้
นอกจากจะป้องกันตัวเองได้แล้ว ยังสามารถบุกไปได้ไกลถึงมอสโก เมืองหลวงรัสเซีย และทำลายเป้าหมายทางการทหารของรัสเซียไปไม่น้อยเลย

รายงานจากหลายสำนักข่าว เมื่อ 14 เมษายน 2022 โดรนจากยูเครน สามารถจมเรือพิฆาตสุดล้ำของรัสเซียชื่อ Moskva ที่มียุทโธปกรณ์ล้ำสมัยและมีระบบป้องกันตัวมากมาย

เรือลำนี้มีมูลค่าราวๆ 750 ล้านดอลลาร์

มีโดรน 2 ลำที่ยูเครนซื้อมาจากตุรกี หลบการตรวจจับของเรดาร์ และชี้เป้าให้ขีปนาวุธ Neptune ยิงถล่ม

เรือรบล้ำๆ เครื่องบินรบ เรือดำน้ำ ที่ล้ำสมัยจากชาติอื่น ยังไม่กล้าจะหืออือกับเรือลำนี้

แต่กลับโดนยูเครนถล่มด้วยอาวุธราคาถูก

ตุรกีตัดสินใจไม่ขายโดรนเพิ่มให้ยูเครน เพราะกลัวรัสเซียมองว่าเป็นผู้สนับสนุน

ยูเครนโดนเท แบบไม่ทันได้ตั้งตัว เลยต้องมาพึ่งพาตัวเอง โดยการเอาโดรนราคาถูก หน้าตาแบบที่คนเอามาบินเล่น ไม่ใช่โดรนโจมตี มาดัดทำเป็นโดรนแบบ Kamikaze ที่บินไปทิ้งระเบิด แบบพลีชีพพร้อมพังไปกับการโจมตี ไปเที่ยวเดียวไม่คิดกลับ

คนผลิต ไม่ได้เรียนจบ MIT มาตั้งบริษัทผลิตโดรน
แต่เป็นกลุ่มนักศึกษา อาจารย์ในมหาวิทยาลัยของยูเครนเอง ไปร่วมกับเอกชนสร้างกองทัพโดรน มาร่วมปกป้องชาติ

ปีก่อน ยูเครนสร้างโดรนขึ้นมาเองจำนวนกว่าสองล้านลำ
มากกว่ารัสเซียซะอีก

ถึงตอนนี้ ยูเครนกลายเป็นผู้ผลิตโดรนชั้นนำของโลกในการทำสงครามไปแล้ว หลายประเทศต้องไปดูงานที่ยูเครน

จากเดิมทีต้องซื้อโดรนชาวบ้านมาใช้

แต่แค่ในเวลาเพียง 3 ปี เกิด innovation เรื่องโดรนมากมาย เพราะไม่มีตัวเลือกอื่น อาวุธดีๆ ก็ถูกอเมริกาตัด ชาติยุโรปก็สนับสนุนแบบจำกัดและจำใจ

ปีนี้ยูเครนตั้งเป้าหมายจะผลิตโดรนให้ได้ 4.5 ล้านลำ
มีการนำเทคโนโลยีใส่เพิ่มเข้าไป จากเน้นสร้างโดรนถูกๆ ปริมาณมากๆ เพียงอย่างเดียว ก็เติมความฉลาดให้มันเพิ่มหน่อย เอา AI ใส่เข้าไป

* * *

3. จีน: สงคราม 14 ล้านคน บทเรียนจากสนามแข่งเดือด และ DNA นักสู้

ประเทศที่ปากกัด ตีนถีบมาด้วยตัวเองตั้งแต่เกิด จะมี skill และ mindset นึงที่บ่มเพาะมา คือ ความคุ้นเคยกับการแข่งขัน การแย่งชิง และการเอาตัวรอด

คนจีน ปากกัด ตีนถีบมาตั้งแต่เกิด เมืองเดียวกัน มีแอปแบบเดียวกัน บางทีไม่ใช่แค่หลักสิบ แต่หลักร้อยแอปแข่งกัน ต้องทำงานแบบไม่หลับไม่นอน

สมัยก่อนเราจะชื่นชมคนจีนในเรื่องความขยันขันแข็ง ทำงานหนัก ใจสู้

คนจีนรุ่นใหม่ ก็มี DNA ไม่ต่างกัน

ย้อนกลับไป 40 ปีก่อน จีนเป็นประเทศล้าหลัง ต้องมาศึกษาดูงานจากไทย อดีตว่าที่เสือตัวที่ 5 แห่งเอเชียในยุคนั้น (เกาหลีใต้ยังมาศึกษาดูงานจากไทยเลย ไม่น่าเชื่อ แต่เป็นเรื่องจริง)

การแข่งขัน แย่งชิง เอาตัวรอด ถูกบ่มเพาะมาแต่ไหนแต่ไร

หนึ่งในจุดพลิกผันของเศรษฐกิจจีน คือ การขึ้นเป็นเบอร์ 1 ของโลกด้านการ Outsource การผลิต การทำสินค้าที่มีคุณภาพขึ้นเรื่อยๆ จากที่เคยโดนดูถูกว่า "Made in China" คือของห่วย ไม่ดี คุณภาพต่ำ จนพัฒนาขึ้นมาได้

มหาเศรษฐีไทยหลายตระกูล ก็เป็นคนจีนอพยพ เสื่อผืนหมอนใบ ข้ามน้ำข้ามทะเลมาตั้งรกราก จนสำเร็จ ร่ำรวย

- จีน คว้าเหรียญทองคณิตศาสตร์โอลิมปิก 185 เหรียญ เยอะสุดในประวัติศาสตร์โลก (2023 กวาดเหรียญทองทั้งหมด 6 เหรียญ ปี 2024 ได้เหรียญทองและได้คะแนนเต็มประเทศเดียวที่เข้าแข่ง) (ข้อมูลจาก IMO)

- คอมพิวเตอร์โอลิมปิก จีนได้ทั้งหมด 102 เหรียญทอง มากสุดในประวัติศาสตร์โลก (ข้อมูลจาก IOI)

- ฟิสิกส์โอลิมปิก จีนได้ทั้งหมด 151 เหรียญทอง เยอะสุดในประวัติศาสตร์โลกเช่นกัน (ข้อมูลจาก IPhO)

ที่จีน เหมือนไทยในยุคสอบ Entrance ครับ (คนรุ่นใหม่อาจจะงงว่ามันคืออะรายย) ที่จีนเรียกการสอบเข้ามหาวิทยาลัยว่า "Gaokao"

การสอบมีครั้งเดียว ทุกคนที่มาสอบ ต้องเตรียมตัวกันมาอย่างน้อยก็วันละ 12-13 ชั่วโมง นาน 3 ปี และมีจำนวนผู้สอบ ร่วมๆ 13-14 ล้านคน นี่คือ "สงคราม 14 ล้านคน" อย่างแท้จริง

เป็นการแข่งขันที่หนักหน่วงมาก สอบกันนาน 9 ชั่วโมง ในเวลา 2-3 วัน

การแข่งขันและความยากลำบาก ช่วยขัดเกลาให้คนจีน เก่งขนาดนี้

เช่นเดียวกับที่เกาหลีใต้ ก็มีรูปแบบคล้ายกัน แต่โหดกว่า คือ สอบวันเดียว 8 ชั่วโมง เรียกว่า "hagwons" (อาจหมายถึงการเรียนพิเศษอย่างหนัก หรือการสอบที่เข้มข้น)
Admission rate ของสองประเทศนี้ สำหรับ ม.ท๊อปๆ ก็ 2-3%

คุณภาพของมหาวิทยาลัยในจีนก็พัฒนาขึ้นมาก

ตอนนี้ติดอันดับโลกด้านเทคโนโลยีอยู่หลายแห่ง

มีรายงานจากสำนักวิจัยแห่งหนึ่ง บอกว่า เกือบครึ่งของนักวิทยาศาสตร์ด้าน AI ทั่วโลก เรียนจบจากมหาวิทยาลัยในจีน และคนจีนจำนวนมากก็ทำงานด้าน AI อยู่กับ Big Tech ทั้งหลายในอเมริกา

* * *

4. มองย้อนดูเรา: เมื่อความสบาย…อาจกลายเป็นกับดัก?

Skill & Mindset พวกนี้ บ้านเรายังขาดอยู่มาก เพราะเราเกิดมา บ้านเมืองสงบสุข ไม่ได้อยู่ในสมรภูมิสงคราม ในน้ำมีปลา ในนามีข้าว

วังวนชีวิตของคนจำนวนมาก ก็เรียนหนังสือ จบ ทำงาน

เราอยู่กันมาแบบเรื่อยๆ ไม่ค่อยได้เจอการแข่งขันที่หนักหน่วงเหมือนชาติอื่น

พอเจออะไรนิดหน่อยก็แพ้ สู้เค้าไม่ได้ แข่งไม่ได้ ต้องเรียกหาตัวช่วยต่างๆ

ธุรกิจที่เปิดเสรี และไม่มีการกำกับจริงจัง ก็แพ้เค้าหมด
ถ้าเป็นธุรกิจที่มีตัวช่วย คอยปกป้อง กำกับ เช่น ธนาคารที่ถึงยังอยู่ได้

Skills & Mindset มันต่างกันครับ ตั้งแต่เกิด เรียน โต ทำงาน

ตัวผมเอง เจอการแข่งขันมาตลอด แต่ที่รู้สึกว่าเป็นการแข่งขันจริงจังๆ คือ ตอนสอบเข้ามหาวิทยาลัย

เพราะเรารู้ว่าต้องเตรียมตัวนาน มีการรับจำนวนที่จำกัด ต้องแข่งกับคนจากทั่วประเทศ ต้องแข่งกับเด็กเก่งๆ จากโรงเรียนดัง เด็กกรุงเทพที่ได้เรียนกวดวิชากับติวเตอร์ระดับประเทศ

แพ้ไม่ได้ พลาดไม่ได้ เพราะตัวเองลาออกจากโรงเรียนมาตั้งแต่ ม.5 เทอมแรก
สอบไม่ติด กลับไปเรียน ม.6 ก็ไม่ได้แล้ว
จะไปเรียน ม. เอกชน ก็ไม่มีเงินจ่ายค่าเทอม ไปเรียนเมืองนอกนี่ไม่มีอยู่ในตัวเลือกเลย

สอบไม่ติดก็ต้องรอสอบใหม่อีกปี อายเพื่อน แล้วก็ไม่อยากให้พ่อแม่ต้องกังวล

มีแค่ตอนนั้นที่รู้สึกถึงการแข่งขันที่แท้จริง

อ้อ มีตอนเข้าไปเรียนแล้วต้องหนีตาย เกือบโดนรีไทร์ อันนี้กดดันกว่าหน่อย เหมือนเป็นความผิดพลาดในชีวิต เป็นประวัติติดตัว กลัวโดนเพื่อนทับถม ต่างๆ นาๆ 😅

แต่พอทำงาน ทำธุรกิจ อื่นๆ หลังจากนั้น มันผิดพลาดบ้าง แพ้ได้ ทำใจได้ มีโอกาสแก้ตัว รู้จักการบาลานซ์ จัดการความเครียดได้ดีขึ้น

สมัยนี้เข้ามหาวิทยาลัย มีโอกาสเพิ่มขึ้น เหมือนในอเมริกาที่สอบ SAT สามารถสอบใหม่ได้

ผมชื่นชมบริษัทใหญ่ๆ ของไทย ที่ไปแข่งขันกับระดับโลกได้ ซึ่งก็มีอยู่หลายบริษัท
ไม่ว่าจะเป็น เช่น กลุ่มซีพี กลุ่มมิตรผล กลุ่มไมเนอร์ กลุ่มเซ็นทรัล กลุ่มไทยยูเนี่ยน
เครื่องดื่ม ก็มีเซ็ปเป้, Thai Coconut ที่บุกไปหลายประเทศ
บางธนาคารบ้านเรา ก็เริ่มไปซื้อกิจการธนาคารต่างประเทศ
เอาใจช่วยให้เค้าสำเร็จ ไปแข่งกับบริษัทระดับโลกได้ เราจะได้มีตัวอย่างให้เรียนรู้ศึกษาเยอะๆ

เพราะบริษัทเหล่านี้ไม่ได้สบาย ทุกคนล้วนลำบากในการแข่งขันในระดับโลกมาแล้ว

* * *

บทสรุป: DNA นักสู้สร้างได้ ไม่ต้องรอใครช่วย

มีหลายปัจจัยที่พันกันอีรุงตุงนังไปหมด ตั้งแต่ระบบการศึกษา การเมือง ระบบเศรษฐกิจอุปถัมภ์ และอีกมากมายที่มีส่วน

อย่ามัวแต่โทษนู่น โทษนี่ ถ้ายังไม่เคยถามตัวเองว่า…
เราเก่งพอรึยัง? เราสู้เต็มที่ได้แค่นี้จริงเหรอ?

เพราะคู่แข่งมีอยู่ทั่วโลก เขาไม่สนว่าเรามีข้ออ้างอะไร
เขาแค่ "ลุย" และ "ลงมือทำ" อย่างหนักทุกวัน

คนที่สำเร็จไม่ใช่คนที่เก่งที่สุด
แต่คือคนที่ไม่ต้องพึ่งใคร และไม่รออะไรทั้งนั้น

เพราะโลกไม่รอเรา

> อยากอยู่รอด -- ต้องลุก

> อยากสำเร็จ -- ต้องสู้

> อยากเปลี่ยน -- ต้องทำ

คนที่รอดและสำเร็จ คือคนที่ไม่รอใคร แต่ลุกขึ้นมาสู้และทำด้วยตัวเอง

13 ข้อที่ควรทำ & ไม่ควรทำ ในการทำธุรกิจ

13 ข้อ ที่ควรรู้ในการทำธุรกิจ (เขียนจากประสบการณ์จริง)

1. CI และ Logo ไม่ได้สำคัญมาก ให้คนจำชื่อได้ก็พอ อย่าเสียเวลาเรื่องนี้เยอะเกินจำเป็น

2. ความรู้บริหารธุรกิจแบบเดิมๆ ใช้ได้แค่ 20% ที่เหลือไม่จำเป็นต้องรู้เลย

3. วิชาการตลาด สำคัญสุดในการทำธุรกิจ ถ้าเลือกให้เก่งได้ 1 อย่าง ให้เลือกการตลาด

4. โปรดักต์ห่วยแต่การตลาดเก่ง ก็ยังหาเงินได้ แต่ถ้าโปรดักต์ดี แต่การตลาดห่วย อาจถึงขั้นบริษัทเจ๊งได้เลย

5. แม้ว่าสิ่งที่ตำราการตลาดสอนในปัจจุบัน มัน outdate ไปแล้ว แต่เรียนเพื่อให้รู้หลักการ ยังจำเป็นอยู่ อย่าได้ดูถูกความรู้พื้นฐาน

6. คนสำเร็จ แต่ไม่เคยเรียนการตลาด แต่เค้าอาจจะใช้หลักการตลาดได้คล่องแคล่วจนสำเร็จ

อย่าไปหลงประเด็นว่าเรียนหรือไม่ ให้ดูสิ่งที่เค้าใช้

7. อย่าเสียเวลาเลือกเครื่องมือเยอะ ให้เสียเวลากับอะไรพื้นๆที่สำคัญ

8. เครื่องมือการตลาดที่สำคัญที่สุด คือ
STP - Segmentation ,Targeting และ Positioning

สามสิ่งนี้คือ หัวใจที่ตัดสินทิศทาง การแพ้ชนะของธุรกิจ
แบ่งตลาดผิด เลือกกลุ่มลูกค้าเป้าหมายผิด วางตำแหน่งตัวเองผิดที่ผิดทาง คือ ความชิบหาย

9. กับดักสำคัญที่เจ้าของธุรกิจเจอและเจ๊งมานักต่อนักแล้ว คือ การหลงไหลในความคิดตัวเอง คิดว่าใครๆก็เห็นด้วยกับความคิดนี้ (False Consensus Effect)

การพยายามพิสูจน์ว่าตัวเองคิดถูก (Confirmation Bias)

และการเรียนรู้ว่าเมื่อไหร่ควรดึงปลั๊กออก ถ้าทำไปแล้วไม่เวิร์ค อย่าตัดสินอนาคตจากเงินที่เสียไปแล้ว (Sunk Cost Fallacy)

10. การสร้างแบรนด์ คือ การสร้างความน่าเชื่อถือ ไม่ใช่สร้างโลโก้สวยๆเท่ๆ

11. อย่าคิดว่าพนักงานจะอยู่กับเราตลอดไป ไม่ว่าเราจะดูแลเค้าดีแค่ไหน ถ้าเค้าจะไป เค้าก็ไป ทุกคนก็อยากมีอนาคตที่ดีกว่าเดิม เติบโตกว่าเดิม

12. หัวใจธุรกิจ คือ เงิน ขาดเงินเมื่อไหร่ ขาดใจเมื่อนั้น ระมัดระวังค่าใช้จ่ายที่ไม่จำเป็น

13. อ่านหนังสือธุรกิจ 100 เล่ม ได้ประสบการณ์ไม่เท่าการลงมือทำ อย่าเสียเวลาอ่านหนังสือและอัพสกิลเยอะจนไม่ได้ทำ

การลงมือทำสำคัญกว่าทักษะไหนๆ เรียนรู้จากคนอื่นเท่าที่จำเป็น

แต่อย่าลงมือทำ โดยที่ยังไม่รู้อะไรเลย