หลายองค์กรที่กำลังจะเอา agent เข้ามาใช้งานจริง คำถามแรกที่ผุดขึ้นมักเป็นว่าโมเดลตัวไหนเก่งสุด ตัวไหนหลอนน้อยสุด คำถามแบบนี้ฟังดูสมเหตุสมผล แต่ที่จริงถามผิดชั้นไปแล้ว เพราะสิ่งที่ตัดสินว่า agent ตัวหนึ่งจะไปแตะโลกจริงได้แค่ไหน ไม่ได้ขึ้นอยู่กับตัวโมเดลที่อยู่ข้างใน แต่อยู่ที่ harness ชั้นที่หยิบเครื่องมือไปใช้งานแทนโมเดล
บนเวที เขาเอาแชตบอตกับ agent มาวางเทียบกันเป็นตาราง 5 แถว สรุปเหลือประโยคเดียวว่าต่างกันที่ผลต่อโลกจริง แชตบอตตอบผิด ได้แค่คำตอบผิด อ่านแล้วรู้ อ่านแล้วเช็คได้ก่อนเชื่อ แต่ agent ทำผิด ได้ผลจริง เกิดทันที และเกิดครั้งเดียว ไฟล์ที่ถูกลบไม่กลับมาเพราะขอโทษ อีเมลที่ส่งไปแล้วเรียกคืนไม่ได้ ถ้ายังไม่ชัดว่าเส้นแบ่งระหว่างแชตบอตกับ agent อยู่ตรงไหน เราเขียนไว้แยกอีกใบแล้วที่ AI Agent คืออะไร ตอนนี้ย้อนดูว่าของแบบนี้มันมาถึงจุดนี้ได้ยังไง
ทางเดินมาถึงจุดนี้ใช้เวลาสี่ปี ปี 2022 แชตบอตมีสมองกับปาก แต่ไม่มีมือ ไม่มีตา ไม่มีสิทธิ์ ตอบยังไงก็ไม่เปลี่ยนอะไรในโลกจริง ปี 2023 tool calling ให้มือชิ้นแรก แต่ตัวที่หยิบเครื่องมือไปใช้จริงคือ harness ไม่ใช่โมเดล ปี 2024 เกิดลูป ลงมือ ดูผล แก้ ทำซ้ำ ปี 2025 framework อย่าง LangGraph, CrewAI, Claude Code จัดแพ็กเกจลูปนี้ให้ใช้งานง่ายขึ้น พอมาถึงปี 2026 คำถามที่วัดผลก็เปลี่ยนไปอีกชั้น จากเดิมถามว่าคำตอบถูกไหม กลายเป็นถามว่าทำงานได้นานแค่ไหนก่อนจะล้ม
ตอนที่แล้วเราพูดถึง gateway กับ harness ไปแล้ว ใครไม่ได้อ่านตอนนั้น ขอสรุปสั้นๆ ว่า gateway คือทางที่คำขอวิ่งผ่าน ส่วน harness คือตัวที่หยิบเครื่องมือไปใช้งานจริง โมเดลเป็นแค่สมองที่คิด ไม่ใช่มือที่ลงมือ
5 ชิ้นที่ประกอบกันเป็น agent
พี่หมอจิมแบ่ง agent ออกเป็น 5 ชิ้น เครื่องมือคือมือ ความรู้คือสมอง มี context กับ memory อยู่ข้างใน การสังเกตคือการดูผลลัพธ์แล้วป้อนกลับเข้าไปคิดต่อ การลงมือคือการแปลงคำตัดสินใจให้กลายเป็นการเปลี่ยนแปลงจริง
ชิ้นที่ห้าคือสิทธิ์ เขาวางชิ้นนี้ไว้ท้ายสุดโดยตั้งใจ ก่อนที่อะไรจะไปถึงโลกจริง ต้องผ่านชิ้นนี้ก่อนเสมอ
ทำไมชิ้นนี้ถึงสำคัญที่สุด ลองนึกภาพ agent ที่เก่งมาก มีเครื่องมือครบทุกชิ้น แล้วไม่มีขอบเขตเลย นั่นไม่ต่างจากยื่นกุญแจบ้านให้คนแปลกหน้า แชตบอตที่ตอบผิดได้แค่คำตอบผิด แต่ agent ที่ทำผิดได้ผลจริง เกิดทันที และเกิดครั้งเดียว
ตรงนี้แหละที่เขาสรุปไว้เป็นประโยคเดียวที่คุมทั้งบทความนี้ สิทธิ์ไม่ได้อยู่ที่โมเดล อยู่ที่ harness ที่ขอ permission ก่อนลงมือต่างหาก
พูดอีกแบบ คำถามเรื่องความปลอดภัยที่หลายองค์กรถามผิดจุดคือถามว่าโมเดลตัวไหนเก่งสุด ฉลาดสุด หลอนน้อยสุด ทั้งที่คำถามจริงควรเป็นว่า ก่อนที่ agent ตัวนี้จะลงมือ มีใครหรืออะไรขออนุญาตก่อนไหม แล้วถ้าลงมือผิด ผลนั้นย้อนกลับได้หรือเปล่า
เมื่อ harness กลายเป็นชุดชิ้นส่วนที่ถอดเปลี่ยนได้
เขาเสนอมุมมองที่กว้างกว่าตัว agent เดี่ยวๆ คือมองว่า harness ทั้งก้อนไม่ควรเป็นรถคันเดียวที่ประกอบสำเร็จมาแล้ว แต่ควรเป็นชุดชิ้นส่วนที่ถอดสลับได้ ตัวเชื่อมโมเดล ชั้นเครื่องมือ session sandbox ลูปของ agent ไปจนถึงหน้าเว็บ ทุกชิ้นสลับได้หมด
กลไกที่ทำให้ตลาดชิ้นส่วนแบบนี้เป็นไปได้จริงคือผลที่ย้อนกลับได้ ถ้าถอด plugin ซึ่งก็คือชิ้นส่วนแต่ละชิ้นที่ว่ามานั้นออก แล้วยังมีเศษตกค้างอยู่ในระบบ ระบบนั้นรั่ว ทุกการเปลี่ยนแปลงจึงต้องมีทางย้อนกลับของตัวมันเอง และตอนถอดต้องถอดย้อนลำดับกับตอนที่ใส่เข้ามา
ถ้าแนวคิดนี้ใช้ได้จริง มูลค่าจะย้ายที่แทน ตัว harness เองจะกลายเป็นของธรรมดาที่หาได้ทั่วไป ส่วนเงินจะไหลไปอยู่ที่ชิ้นส่วนแต่ละชิ้น และไปอยู่ที่คนที่คัดเลือกดูแลทะเบียนชิ้นส่วนพวกนั้น
แต่ของที่ถอดเปลี่ยนได้ก็มีราคาของมัน harness ที่กำลังพูดถึงนี้ยังเป็นแค่ developer preview คือรุ่นทดลองที่ปล่อยให้นักพัฒนาลองใช้ก่อนเปิดตัวจริง อายุไม่กี่สัปดาห์ เวอร์ชันถัดไปมีการเปลี่ยนแปลงที่ทำให้ของเดิมพังได้ kernel ซึ่งเป็นแกนกลางที่คุมชิ้นส่วนทั้งหมดก็ยังเป็นของที่แพตช์เองแล้วฝังมากับตัว ไม่ได้แยกเป็นชิ้นที่ถอดสลับได้จริงอย่างที่ประกาศไว้ ส่วนตลาดชิ้นส่วนที่ว่าก็ยังไม่มีอยู่จริงในตอนนี้
ตรงนี้ควรพกติดตัวไว้เวลาฟังใครเล่าเรื่อง plugin architecture ว่าสวยแค่ไหน แนวคิดกับของจริงยังห่างกันอยู่พอสมควร
agent เป็น app ได้ไหม แล้วตอนนี้อยู่ตรงไหน
เขาเทียบสถานะตอนนี้กับปีก่อนที่ app store จะเกิดขึ้นจริง ตอนนั้นตัวเครื่องฉลาดอยู่แล้ว แต่มูลค่ายังไม่ย้ายไปอยู่ที่ซอฟต์แวร์บนเครื่อง และท้ายที่สุดเจ้าของแพลตฟอร์มก็ได้กำไรจากค่าผ่านทางมากกว่าจากการขายตัวเครื่องเอง
บันไดที่เขาวางไว้มีห้าขั้น โมเดลอยู่ล่างสุด ต่อด้วย gateway แล้วต่อด้วย harness จากนั้นค่อยเป็น agent หรือ skill ที่ทำหน้าที่เหมือน app แล้วขั้นบนสุดคือตลาดที่รวบรวมของพวกนี้ไว้ให้เลือก
ประเด็นที่คมที่สุดของช่วงนี้คือการแยก MCP server ออกจาก skill ให้ชัด MCP ย่อมาจาก Model Context Protocol เป็นมาตรฐานเปิดที่ทำให้ agent รู้ว่ามีเครื่องมือหรือแหล่งข้อมูลไหนต่อเข้ามาให้ใช้ได้บ้าง MCP server บอกว่าของชิ้นนั้นคืออะไร ส่วน skill บอกว่าทำงานชิ้นนั้นด้วยวิธีไหน อันหนึ่งอธิบายความสามารถ อีกอันอธิบายวิธีทำ
แต่หน่วยที่เรียกว่า app ยังไม่นิ่ง เขาบอกตรงๆ ว่ายังไม่รู้ว่าอะไรคือหน่วยที่ขายได้จริง สิ่งที่ผู้ท้าชิงทุกแบบมีร่วมกันมีแค่ข้อเดียวคือเขียนครั้งเดียวแล้วรันข้าม harness ได้หลายตัว
ส่วนที่ต่างจาก app บนมือถือจริงๆ คือมาตรฐาน โพรโทคอลแบบเปิดที่ทุกค่ายยอมรับร่วมกันทำให้เกิด app store ที่ข้ามระบบปฏิบัติการได้ ซึ่งฝั่งมือถือไม่เคยมีมาก่อน แต่ส่วนที่ยังไม่เสร็จคือเรื่องความปลอดภัยกับการยืนยันตัวตน
และตอนนี้ก็ยังไม่มีประตูเดียวที่ทุกคนต้องผ่าน ตลาดวิ่งผ่านหลายช่องทางพร้อมกัน เขาเทียบไว้กับยุคก่อนที่ตลาด app บนมือถือจะรวมศูนย์เหลือแค่สองเจ้าใหญ่ครองตลาด
เอากลับไปใช้ยังไง
ถ้าองค์กรกำลังจะเอา agent เข้ามาใช้งานจริง คำถามแรกไม่ควรเป็นว่าเลือกโมเดลตัวไหนเก่งสุด เพราะนั่นตอบแค่ครึ่งเดียวของปัญหา
คำถามที่ควรถามก่อนคือ harness ตัวนี้ขออนุญาตก่อนลงมือไหม ถ้าลงมือผิดพลาด ผลนั้นย้อนกลับได้หรือเปล่า แล้วสิทธิ์ที่ agent ตัวนี้ถืออยู่ แคบพอกับงานที่มันต้องทำจริงหรือเปล่า
ส่วนเรื่อง MCP กับ skill ก็เอาไปเช็คงานในมือได้เลย ถ้าสิ่งที่ต้องการคือบอกว่าระบบมีอะไรให้ใช้ นั่นคือ MCP ถ้าต้องการบอกว่าทำงานนี้ยังไง นั่นคือ skill สองอย่างนี้ตอบคำถามคนละแบบ เลือกผิดก็ได้ของผิดประเภท
และอย่าเพิ่งเชื่อใครที่บอกว่าตลาดชิ้นส่วน agent นิ่งแล้ว หน่วยที่เรียกว่า app ยังไม่ลงตัว ประตูที่ทุกคนต้องผ่านก็ยังไม่มี ทั้งสองเรื่องนี้จะขยับต่อไปอีกพักใหญ่ สิ่งที่ทำได้ตอนนี้คือดูแลเรื่องสิทธิ์ในระบบของตัวเองให้แน่นก่อน ไม่ต้องรอให้ตลาดข้างนอกนิ่งก่อนแล้วค่อยเริ่ม
ที่มา
เนื้อหาทั้งหมดมาจากงาน AI Update Bangkok 2026 ที่พี่หมอจิม (Jimmy Tejasen) จัดขึ้นวันที่ 21 สิงหาคม 2026 ที่ The Cloud Bangkok ตอนนี้สรุปจากช่วงที่เขาขึ้นพูดเรื่องชิ้นส่วนของ agent และสิทธิ์ที่ต้องขอก่อนลงมือ