ผมไม่ได้เริ่มจากการวางแผนว่าจะเป็นคนทำ AI หรือจะสร้างอะไรยิ่งใหญ่ แต่เริ่มจากการยอมรับกับตัวเองว่า การเขียนโปรแกรมคือสิ่งที่ทำแล้วมีความสุข และคำถามง่าย ๆ ว่าเครื่องมือยุคใหม่จะช่วยคนทำงานได้อย่างไร
ก่อนจะรู้จัก AI — จาก Support สู่การกลับมาเขียนโค้ด
ก่อนหน้านั้นผมทำงาน Support มาเกือบยี่สิบปี ผ่านเทคโนโลยีมาหลายยุค ก่อนมาทำงานกับ ระบบที่บริษัทใช้จัดการงานหลายด้าน ตั้งแต่สั่งซื้อ ขายของ ไปจนถึงเช็กสต็อกสินค้า แล้วก็เลิกเขียนโค้ดไป ช่วงหนึ่งผมลองเปลี่ยนสายไปทำการเกษตร แต่ทำไปแล้วก็รู้สึกว่า…มันยังไม่ใช่
ตอนอายุสี่สิบ ผมกลับมาจับโปรแกรมอีกครั้ง ไม่ใช่เพราะคิดว่าตัวเองยังเก่งเหมือนเดิม แต่เพราะเริ่มยอมรับกับตัวเองว่า การเขียนโปรแกรมเป็นสิ่งที่ผมชอบ และเป็นสิ่งที่ทำแล้วมีความสุข
จุดเริ่มต้นไม่ได้ดูยิ่งใหญ่อะไร มีน้องคนหนึ่งโยนเว็บที่เขียนด้วย Laravel มาให้ช่วยแก้ เพราะกำลังหาคนมาช่วยงาน ตอนแรกผมเห็นไฟล์ .php ก็คิดว่าเป็น PHP ธรรมดา ไม่รู้ด้วยซ้ำว่ามันเป็น Framework ผมค่อย ๆ แกะจากสิ่งที่เห็นตรงหน้า ก่อนจะเริ่มเข้าใจว่ามันคือ Laravel และค่อย ๆ ไปเจอคำว่า Framework, MVC
หลังจากนั้นผมก็ขอทำงานเขียน .NET กับ Angular อีก ช่วงแรกศัพท์ของ Web App ยังเป็นของใหม่ไปหมด ค่อย ๆ เก็บไปทีละคำ ทีละชิ้น จนเริ่มมองเห็นภาพรวมได้บ้าง มันเป็นการกลับมาเรียนรู้ใหม่ แต่คราวนี้ผมไม่ได้เริ่มจากห้องเรียน—ผมเริ่มจากงานที่ต้องแก้ แล้วค่อยตามไปหาว่าสิ่งที่อยู่ตรงหน้ามันเรียกว่าอะไร
จุดสะกิดใจ — เมื่อเห็น AI ลงมือทำงานแทนคน
AI เข้ามาในชีวิตผมก่อนหน้านั้นแล้ว ผมใช้ Chat และ Copilot เป็นหลัก ใช้ช่วยดูแลสุขภาพบ้าง ช่วยเขียนโค้ดเป็นชุด ๆ บ้าง สำหรับผมในตอนนั้น AI ยังเป็นเหมือนคนที่เราพิมพ์ไปถาม แล้วรอให้มันตอบกลับมา
การใช้ Chat เพื่อดูแลสุขภาพทำให้ผมเจอปัญหาหนึ่งที่คาใจอยู่ มันไม่ค่อยเก็บ Fact ของผมได้อย่างที่ต้องการ บางครั้งวนอยู่กับเรื่องเดิม บางครั้งก็เหมือนลืมสิ่งที่เคยคุยกันไปแล้ว
ตอนนั้นผมยังไม่ได้คิดว่าจะสร้างระบบอะไรขึ้นมาแก้ ผมแก้ปัญหาเฉพาะหน้าโดยบันทึกข้อมูลลง Notepad ด้วยมือทุกวัน แล้วค่อยส่งข้อมูลนั้นให้ Chat วิเคราะห์ย้อนหลัง วิธีนี้ช่วยให้ผมเห็นภาพจากข้อมูลที่ผ่านมา แต่ก็ทำให้เห็นข้อจำกัดชัดขึ้นว่า ทุกอย่างยังต้องอาศัยผมเป็นคนบันทึก รวบรวม และส่งบริบทกลับเข้าไปเอง
จุดสะกิดอีกครั้งเกิดขึ้นในเดือนพฤษภาคม 2026 ผมเห็นตัวอย่างหนึ่งของคนที่ไม่ได้ทำงานสาย IT โดยตรง ใช้ Claude Code ช่วยทำ Migration ระบบ งานที่เห็นตรงหน้าไม่ได้ซับซ้อนมาก แต่ภาพนั้นทำให้ผมหยุดคิด—ถ้าคนที่ไม่ได้ทำงานสาย IT โดยตรงยังใช้ AI ช่วยลงมือกับระบบได้ แล้วผมจะเรียนรู้วิธีใช้ AI ในรูปแบบนี้ได้อย่างไร?
ลองผิดลองถูก — ในวันที่ยังไม่รู้ว่า Agent คืออะไร
ผมเป็นคนกังวลเรื่องต้นทุนอยู่แล้ว และการทดลองทั้งหมดก็ต้องทำนอกเวลางาน ผมเลยเริ่มมองหาทางที่ต้นทุนต่ำที่สุดเท่าที่จะทำได้ และถาม ChatGPT ว่าจะลองใช้ Local LLM อย่างไร
ไม่กี่วันก่อนที่ผมจะลอง Codex ผมเริ่มลองผิดลองถูกกับชุดเครื่องมือที่ตัวเองยังไม่เข้าใจดีนัก ผมจำได้ลาง ๆ ว่ามีชื่อ Cline มี OpenHand อะไรประมาณนั้น แล้วก็ Ollama แต่ตอนนั้นผมยังแยกไม่ออกเลยว่า Chat App, Model และ AI Agent ต่างกันอย่างไร
ผมยังคิดว่า Codex ก็คงเรียก ChatGPT อยู่ดี ผมยังไม่รู้ว่าคำเหล่านี้ต่างกันตรงไหน สิ่งที่รู้มีเพียงว่า Local LLM ที่กำลังลองนั้นเรียก Tools ไม่ผ่าน อ่านไฟล์ก็ไม่ได้ เขียนไฟล์ก็ไม่ได้ ผมจำไม่ได้แล้วว่าลองอะไรไปบ้าง จำได้แค่ว่ามันไม่ Work
“ตอนนั้นผมยังแยกไม่ออกด้วยซ้ำว่า Model กับ Agent ต่างกันตรงไหน รู้เพียงว่าทางที่ลองไปมันยังไม่ Work—จนกระทั่งได้มาเจอจังหวะที่ทำให้เห็นกับตา”
เช้าวันที่ 24 พฤษภาคม — จุดเปลี่ยนที่ทำให้เห็นว่าทำได้จริง
แล้วก็มาถึงเช้าวันที่ 24 พฤษภาคม 2026 ก่อนออกไปทำงาน ผมลองสั่ง Codex ให้ทำหน้าเว็บอะไรสักอย่าง
ผลที่ออกมาทำให้ผมแทบไม่ต้องเข้าไปยุ่งกับมันเลย
ผมจำความรู้สึกตอนนั้นได้ว่า—อ๋อ นี่สินะ วิธีที่คนอื่นเขาเริ่มใช้ AI ทำงานกัน ผมเคยคิดว่าการเรียนรู้แบบนี้คงเสียเวลา และคงต้องลองผิดลองถูกอีกเยอะ เลยยังไม่ได้รีบกระโดดเข้ามา จนกระทั่งได้เจอจังหวะที่ทำให้เห็นกับตาว่า…มันทำได้จริง