อย่าให้ Agent วิ่งบน laptop ของพนักงาน: บทเรียนจาก ABC Legal

ข่าวนี้คืออะไร

วันที่ 17 ส.ค. 2026 Anthropic เผยแพร่เคสของ ABC Legal บริษัทส่งเอกสารทางกฎหมายในสหรัฐฯ ว่าพวกเขาเปลี่ยนจากการให้พนักงานลอง AI คนละทิศคนละทาง ไปเป็นกอง agent ที่อยู่ในที่เดียวกัน มองเห็นได้ และมีคนรับผิดชอบ

ตัวเลขที่บทความรายงาน ณ ก.ค. 2026 มีสามก้อน:

• มี agent มากกว่า 50 ตัวที่สร้างด้วย Claude Managed Agents แล้วขึ้นใช้งานจริง
• งานคนที่ agent บางตัวรับช่วงได้ ต้นทุนลดได้ราว 50% ก่อนจะไปไล่จูนหนัก
• พนักงานราว 310 คน จากทุกแผนก ใช้ Claude ทำงานประจำวัน

ตัวเลขเหล่านี้มาจากเคสลูกค้าของ Anthropic ไม่ใช่ผลตรวจอิสระของเรา แต่วิธีคิดข้างในสำคัญกว่าตัวเลข

ปัญหาจริงไม่ใช่คนไม่ยอมใช้ AI

Brandon Fuller ซึ่งเป็น CTO เปิด Claude Enterprise ให้พนักงานทั้ง 1,100 คน แล้วคนก็พุ่งเข้าไปใช้เอง ทั้งงานส่งเอกสาร งานยื่นศาล การตลาด การเงิน และงานปฏิบัติการ

ปัญหาไม่ได้อยู่ที่ไม่มีคนอยากใช้ อยู่ที่ของที่คนสร้างได้ ไปโผล่บนเครื่องของคนนั้น

Fuller อยากได้สามอย่างพร้อมกัน: agent ต้องมีเวอร์ชัน ต้องมองเห็นว่าคืนนี้รันไหม และต้องไม่ตายตอนเจ้าของปิด laptop

นั่นคือจุดที่เขาเอา Claude Managed Agents เข้ามา ไม่ใช่เพราะอยากได้แชทที่ฉลาดขึ้น แต่เพราะอยากได้ที่วิ่งของทั้งบริษัทแทนที่เครื่องใครเครื่องมัน

สิ่งที่ทำให้คนที่ไม่เขียนโค้ดสร้างของได้

เขาไม่ได้ปล่อยให้ทุกคนคิดระบบเอง

เขาใช้เวลาหนึ่งสัปดาห์สร้าง starter kit สองแม่แบบ เก็บใน git:

1. Event-driven เริ่มทำงานเมื่อมีของเข้ามา เช่น งานใหม่ หรือเอกสารกลับจากศาล
2. Scheduled รันตามเวลา รายชั่วโมง รายวัน หรือรายสัปดาห์

แต่ละ agent อยู่ในโฟลเดอร์ของตัวเอง มีไฟล์คอนฟิก ไฟล์ prompt คู่มือการเดินเครื่อง และสคริปต์ขึ้นของจริง รวมเข้า main แล้วระบบค่อยเอาขึ้นให้ คนสร้างไม่ต้องเขียนซอฟต์แวร์ แค่ก็อปแม่แบบ แล้วอธิบายกับ Claude Code ว่าอยากให้งานนี้ทำอะไร

จากนั้นเขาเอาคณะกรรมการ 15 คน จากการเงิน การตลาด ปฏิบัติการ และสายพัฒนา ซึ่งบทความย้ำว่าไม่มีใครเป็นนักพัฒนาซอฟต์แวร์ มาลองสร้างเอง

เขาต้องอธิบายก่อนด้วยซ้ำว่า PR คืออะไร เพราะหลายคนนึกว่าเป็นสถิติการวิ่ง ภายในหนึ่งสัปดาห์ทั้ง 15 คนมี agent ใช้ได้ แล้วคนพวกนี้กลับไปสอนทีมตัวเอง เดือนต่อมาทั้งบริษัทมีมากกว่า 50 ตัว แต่ละตัวมีชื่อ มีเจ้าของ และมีงานเดียว

ตัวอย่างที่เห็นภาพทันที

บัญชีผู้จัดการคนหนึ่งไม่เคยทำ automation มาก่อน ลูกค้าอยากได้บันทึกจากเว็บ EvidenceChain ของบริษัททุกวัน เขาอธิบายงานให้ Claude Code ฟัง ประมาณหนึ่งชั่วโมงได้ agent ที่ดึงรายงาน เปิดเบราว์เซอร์เก็บ PDF แล้วส่งเข้า FTP ของลูกค้าทุกวัน

อีกตัวทำงานตอนศาลตีกลับเอกสารยื่น มันอ่านรายละเอียดงาน ไล่กฎของศาล แล้วโพสต์วินิจฉัยเข้า Slack ในราวหนึ่งนาที งานที่เคยกินเวลาหลายชั่วโมงของพนักงาน

ฝ่ายปฏิบัติการมีตัวชื่อ Charvis ตรวจงานบริการที่ทำเสร็จ แล้วตรงกับทีมคอมไพลแอนซ์ราว 98% ฝ่ายการเงินมีตัวอ่านอีเมลรับเงิน สร้างไฟล์ลง NetSuite แล้วส่งเข้า Slack ให้คนกดอนุมัติครั้งเดียว

ลายที่ซ้ำกันคือ: งานซ้ำ มีอินพุตชัด มีคนรับผิดชอบ และยังไม่ปล่อยให้มันทำคนเดียวตั้งแต่วันแรก

วิธีที่เขาทำให้ agent เก่งขึ้น โดยไม่ไปเทรนโมเดลใหม่

agent ส่วนใหญ่ของ ABC Legal เป็นตัวทำงานชิ้นเดียว ไม่มีใครให้คะแนนทุกครั้ง และก็ไม่ต้องมีลูปซับซ้อน

ตัวที่ต้องเก่งขึ้นเรื่อย ๆ เขาแยกเป็นสามบทบาทในที่ทำงานชุดเดียวกัน:

1. Initial Agent ทำงานจริง และเก็บร่องรอยว่าทำอะไรไป
2. Harvester กวาดความเห็นคนจาก Slack ทั้งข้อความและอิโมจิ เป็นข้อมูลมีป้ายกำกับ
3. Tuner ดูภาพรวมรายสัปดาห์ แล้วเสนอแก้ prompt หรือคอนฟิกเป็น pull request คนเป็นคนกดรวม

มีตัวอย่างที่บริษัทในเครือชื่อ Docketly เอาเกณฑ์จัดเส้นทางงานประมาณ 145 ชุดไปเก็บเป็นไฟล์ YAML ใน git อิโมจิใน Slack ที่บอกว่าจัดเส้นทางผิด สามารถกลายเป็นกติกาใหม่ได้ภายในสัปดาห์ โดยขั้นที่คนต้องทำจริง ๆ คือการรีวิว pull request

แนวคิดนี้ใช้ได้แม้ทีมเราจะยังไม่ซื้อ Claude Managed Agents ของที่ต้องมีคือที่ให้คนตอบถูกหรือผิดได้ และที่ให้การแก้ agent ผ่านตาคน ก่อนของจริงจะเปลี่ยน

ทำไมทีมไทยควรสนใจ ทั้งที่นี่ไม่ใช่บริษัทกฎหมายอเมริกา

หลายทีมในไทยกำลังอยู่ในจังหวะเดียวกับ ABC Legal ช่วงต้นปี คนเริ่มเก่ง Claude / Claude Code / Cowork / Hermes แล้ว แต่ละคนมี agent ส่วนตัวบนเครื่องตัวเอง ยังไม่มีแม่แบบร่วม ยังไม่มีเจ้าของงาน และยังไม่มีที่ให้คนอื่นรีวิว

ถ้าปล่อยแบบนี้ไปอีกไตรมาส จะได้กองของที่ใช้งานได้เฉพาะเจ้าของ แล้ววันหนึ่งเครื่องหาย คนลาออก หรือบิลพุ่ง ก็ไม่รู้จะไล่จากตรงไหน

สิ่งที่เอาไปใช้ได้วันนี้ ไม่ต้องรอซื้อแพลตฟอร์มชุดเดียวกับเขา:

• ย้ายงานซ้ำออกจากเครื่องคน ไปอยู่ในที่ที่ทั้งทีมเห็น
• จำกัดหนึ่งตัวต่อหนึ่งงาน และมีชื่อคนรับผิดชอบ
• ให้คนที่ไม่เขียนโค้ดสร้างได้ด้วยแม่แบบ ไม่ต้องต่อคิวทีม dev ทุกชิ้น
• เริ่มจากให้คนอนุมัติก่อน อย่าให้มันทำเองตั้งแต่วันแรก
• อย่าสร้างลูปเก็บฟีดแบ็กถ้ายังไม่มีใครให้คะแนนผลงาน

Operator Kit: เช็กลิสต์ Employee Builder Starter Kit

ใช้ก่อนปล่อยให้คนในทีมสร้าง agent เองทั้งแผนก ตอบผ่านให้ได้ทุกข้อ ถ้าข้อไหนไม่ผ่าน ให้ถือว่าของชิ้นนั้นยังเป็นของทดลองบนเครื่องใครคนหนึ่ง ยังไม่ใช่ระบบของบริษัท

แม่แบบก่อนปล่อยคนสร้าง

• [ ] มีแม่แบบอย่างน้อย 2 แบบ: ตัวรออีเวนต์ กับตัวรันตามเวลา
• [ ] แต่ละตัวมีโฟลเดอร์ของตัวเอง มีชื่อภาษาคน มีเจ้าของหนึ่งคน และมีงานเดียว
• [ ] การเปลี่ยนของจริงต้องผ่าน pull request หรือขั้นเทียบเท่าที่มีคนกดรับ ไม่ใช่แก้บนเครื่องตัวเองแล้วขึ้นเลย

กติกาของคนสร้างที่ไม่เขียนโค้ด

• [ ] คนสร้างเริ่มจากก็อปแม่แบบ แล้วอธิบายงานเป็นภาษาคน ไม่เริ่มจากเขียนระบบเอง
• [ ] มีคนสอนครั้งเดียวว่าจะเปิดแม่แบบ แก้คำสั่ง และส่งให้เพื่อนดู อย่างไร
• [ ] มีตัวอย่างสำเร็จอย่างน้อย 1 ชิ้นที่คนในทีมก๊อปตามได้ในหนึ่งชั่วโมง

ขอบเขตความไว้วางใจ

• [ ] สัปดาห์แรกส่งคำแนะนำให้คนดู ยังไม่ให้ทำเอง
• [ ] มีที่ให้คนตอบถูกหรือผิดได้ เช่น Slack หรือกล่องอนุมัติในงานเดิม
• [ ] ยังไม่สร้างตัวเก็บฟีดแบ็กและตัวจูน ถ้ายังไม่มีคนให้คะแนนผลงานจริง

SOP เริ่มวันนี้ (90 นาที)

1. เลือกงานซ้ำ 1 ชิ้นที่มีอินพุตชัด และคนทำอยู่แล้วทุกวันหรือทุกสัปดาห์
2. เขียนการ์ดสั้น 4 บรรทัด: ชื่องาน, เจ้าของ, สิ่งที่เข้า, สิ่งที่ออก
3. ก็อปแม่แบบ แล้วให้ Claude Code, Claude Cowork หรือ Hermes ร่างคอนฟิกกับ prompt ตามการ์ดนั้น
4. ให้คนที่เป็นเจ้าของงานกดรับผล 10 ครั้งก่อนคุยเรื่องปล่อยอัตโนมัติ
5. ถ้า 10 ครั้งผ่าน ค่อยย้ายออกจากเครื่องคน ไปอยู่ในที่ที่ทั้งทีมเห็นบิลและสถานะการรันได้

ข้อจำกัดที่ควรรู้

• ตัวเลขทั้งหมดเป็นรายงานในเคสลูกค้าของ Anthropic ณ ก.ค. 2026 ไม่ใช่ผลที่เราไปนั่งจับเวลาเอง
• การลดต้นทุนราว 50% ในบทความพูดถึงงานที่ agent บางตัวรับช่วงได้ และยังอยู่ก่อนจูนหนัก
• ABC Legal ใช้ Claude Managed Agents, Claude Code, Slack, Bitbucket และเครื่องมือภายในกว่า 100 รายการ ทีมเล็กไม่ต้องก็อปสแต็กนี้ทั้งชุด
• Fuller เองก็ยอมรับว่าด่านยากไม่ใช่ AI แต่เป็น git กับ pull request ของคนที่ไม่ใช่นักพัฒนา
• ไม่ใช่ทุกงานที่สมควรมี agent บทความย้ำตรง ๆ ว่าต้องกล้ารับว่าบางงานไม่คุ้ม

สรุป

ในความเห็นของผม เคสนี้ให้ 8.5/10 สำหรับคนที่กำลังจะปล่อยให้ทั้งบริษัทสร้าง agent เอง

ไม่ใช่เพราะแพลตฟอร์มใหม่ที่สุด แต่เพราะมันตอบของที่ทีมไทยกำลังชนอยู่พอดี: คนอยากใช้แล้ว แต่ของยังกระจัดกระจายบนเครื่องใครคนหนึ่ง

สุดท้ายบริษัทไม่ได้ต้องการพนักงานที่แชทเก่งขึ้นครับ ต้องการวิธีให้คนที่รู้จักงานจริง สร้างตัวช่วยได้ โดยไม่ต้องรอทีม dev และไม่ต้องให้ของวิ่งอยู่บน laptop ของตัวเอง