ถ้าคุณกำลังคิดจะลาออกไปเปิดร้านกาแฟ หรืออยากเริ่มต้นทำธุรกิจของตัวเอง ชุดคำสั่งฟรีอย่าง founder-skill ช่วยให้คุณสั่ง Claude โมเดล AI คำนวณหาคำตอบสำคัญก่อนจะควักเงินจริงได้ เช่น ควรตั้งราคาแก้วละเท่าไหร่ ต้องขายให้ได้วันละกี่แก้วถึงจะคุ้มทุน และต้องเตรียมเงินสดสำรองไว้เท่าไหร่

ชุดคำสั่งนี้มีสกิลย่อยทั้งหมด 11 ตัว โดยแบ่งบทบาทหลักออกเป็น 3 ส่วน คือ บอร์ดบริหาร AI ที่คอยประเมินและโหวตว่าจะให้ผ่านหรือไม่ กลุ่มลูกค้าจำลอง 100 คน ที่บอกว่าจะซื้อสินค้าไหมและปฏิเสธเพราะอะไร และผู้บริหารฝ่ายการเงินอย่าง CFO ที่คำนวณจุดคุ้มทุนด้วยสคริปต์ Python

ตัวอย่างที่หน้าโปรเจกต์ใช้คือร้านมัทฉะในเมืองโตรอนโต ขายมัทฉะลาเต้เย็นแก้วละ $6.50 ผลคำนวณออกมาว่า ร้านต้องขายให้ได้วันละ 186 แก้วถึงจะคุ้มทุน และเจ้าของร้านต้องมีเงินสดสำรอง $34,092 เพื่อประคองธุรกิจจนกว่าร้านจะเริ่มเลี้ยงตัวเองได้

โปรเจกต์นี้พัฒนาโดย Jake Schincariol เผยแพร่บน GitHub ภายใต้สัญญาอนุญาตแบบ MIT จึงสามารถนำไปใช้งาน ปรับแก้ หรือแจกจ่ายต่อได้อย่างอิสระ จุดเด่นตามที่ระบุไว้คือ Free, MIT, no signup, no API key, nothing to connect ได้แก่ ใช้งานได้ฟรี ไม่ต้องสมัครสมาชิก ไม่ต้องใช้ API key และไม่ต้องเชื่อมต่อระบบภายนอกใดๆ

แต่เจ้าของโปรเจกต์เตือนไว้อย่างชัดเจนว่า ลูกค้าจำลองเหล่านี้ไม่ใช่ลูกค้าจริง ตัวเลขที่ได้จึงเป็นเพียงข้อมูลตั้งต้น ที่คุณต้องนำไปทดสอบกับตลาดและคนจริงๆ อีกรอบ ก่อนตัดสินใจจ่ายเงินก้อนแรก

11 สกิลของ founder-skill เรียงตามลำดับความคิดของคนทำธุรกิจ

ลำดับที่โปรเจกต์แนะนำให้รันคือ: board -> competitors -> consumer -> pricing -> offer -> cfo -> marketing -> brand -> ops -> launch -> plan

ลำดับนี้ตรงกับขั้นตอนที่คนทำธุรกิจต้องคิดอยู่แล้ว เริ่มตั้งแต่สำรวจว่ามีใครขายของแบบเดียวกันบ้าง ใครคือคนซื้อ ควรตั้งราคาเท่าไหร่ คุ้มทุนไหม แล้วค่อยขยับไปวางแผนการตลาด ออกแบบแบรนด์ และเตรียมเปิดร้าน

สกิลทุกตัวจะอ่านและบันทึกข้อมูลลงในโฟลเดอร์เดียวกันคือ founder/ ภายในโปรเจกต์ของคุณ ทำให้สกิลลำดับถัดไปดึงข้อมูลจากสกิลก่อนหน้ามาใช้ต่อได้ทันที เช่น นำราคาที่วิเคราะห์จากเสียงตอบรับของลูกค้าจำลองมาคำนวณ หรือนำต้นทุนดำเนินงานจริงที่ฝ่ายปฏิบัติการสรุปไว้ส่งกลับไปให้ CFO

รายละเอียดของทั้ง 11 สกิลมีดังนี้:

• /founder-board บอร์ดบริหาร: เขียนไอเดียธุรกิจจากที่คุณเล่าลงในไฟล์ founder/idea.md จากนั้นกรรมการ AI ทั้ง 3 คนจะช่วยกันให้คะแนน ชี้จุดเสี่ยงที่อาจทำให้ธุรกิจล้มเหลว และลงมติ
• /founder-competitors วิเคราะห์คู่แข่ง: ค้นหาคู่แข่งทางตรง คู่แข่งทางอ้อม และสินค้าทดแทนจากข้อมูลสาธารณะ พร้อมแจกแจงราคา จุดยืนทางการตลาด และสิ่งที่ลูกค้าของคู่แข่งบ่น โดยข้อมูลทุกชิ้นมีลิงก์ที่มากำกับ
• /founder-consumer กลุ่มลูกค้าจำลอง: สร้างผู้ซื้อ AI ขึ้นมาตามกลุ่มเป้าหมายที่คุณกำหนด (ค่าเริ่มต้นคือ 100 คน) เพื่อจำลองดูว่าใครจะยอมซื้อ ใครปฏิเสธ และเพราะอะไร
• /founder-pricing ตั้งราคา: นำคำตอบเรื่องราคาจากลูกค้าจำลองมาวิเคราะห์หาช่วงราคาที่ลูกค้ารับได้ เทียบกับราคาคู่แข่งและกำไรที่ต้องการ เพื่อคัดเลือกราคาที่เหมาะสมไปทดสอบต่อ
• /founder-offer ออกแบบข้อเสนอ: ปรับแต่งแพ็กเกจข้อเสนอ ทั้งของแถม การรับประกัน เหตุผลให้รีบซื้อที่มีอยู่จริง และชื่อข้อเสนอ เพื่อแก้ข้อกังวลที่ลูกค้าจำลองเคยท้วงติง แล้วนำกลับไปทดสอบกับกลุ่มลูกค้าจำลองอีกรอบ
• /founder-cfo CFO ฝ่ายการเงิน: คำนวณ Unit Economics หรือตัวเลขความคุ้มค่าต่อหน่วย เช่น กำไรส่วนเกินต่อชิ้น อัตรากำไรจริง จุดคุ้มทุนต่อวัน ตัวเลขปีแรกแบบรายเดือน เงินสดสำรองที่ต้องเตรียม ระยะเวลาคืนทุน ตลอดจนสถานการณ์สมมติแบบ what-if
• /founder-marketing วางแผนการตลาด: กำหนดจุดยืนของแบรนด์ หาช่องทางที่ลูกค้าเป้าหมายใช้งานจริง วางแผนแคมเปญเปิดตัว 30 วันแบบวันต่อวัน ร่างประโยคเปิดที่ดึงความสนใจ 10 แบบ และคำนวณต้นทุนสูงสุดที่ยอมจ่ายเพื่อหาลูกค้าได้ 1 คน
• /founder-brand สร้างแบรนด์: ช่วยตั้งชื่อธุรกิจ พร้อมรายการตรวจสอบเครื่องหมายการค้า ชื่อโดเมน และชื่อบัญชีโซเชียลมีเดีย กำหนดโทนการสื่อสาร คำมั่นสัญญาของแบรนด์ และบรีฟสำหรับนำไปออกแบบภาพลักษณ์
• /founder-ops ฝ่ายปฏิบัติการ: วางแผนจัดหาซัพพลายเออร์ การจ้างงาน เช็กลิสต์งานประจำวันตั้งแต่วันแรก เครื่องมือที่ต้องใช้ รายการใบอนุญาตที่ต้องตรวจสอบ และตารางประเมินความเสี่ยง ก่อนจะส่งต้นทุนจริงทั้งหมดกลับไปให้ CFO
• /founder-launch เตรียมเปิดตัว: ออกแบบการทดสอบในโลกจริงด้วยวิธีที่ประหยัดต้นทุนที่สุดก่อน จากนั้นจึงวางตารางนับถอยหลังสู่วันเปิดตัว เช็กลิสต์ในวันเปิดร้าน และแผนการทำงานช่วง 30 วันแรก
• /founder-plan สรุปแผนธุรกิจ: รวบรวมข้อมูลทุกด้านมาเขียนเป็นแผนธุรกิจฉบับเดียวใน founder/business-plan.md พร้อมระบุผลสรุปที่คำนวณจากตัวเลขว่า ธุรกิจนี้ทำกำไรได้ (Profitable), ยังไม่ผ่าน (Not yet), หรือข้อมูลยังไม่ครบถ้วน (Incomplete)

สกิลแต่ละตัวแยกใช้งานเดี่ยวๆ ได้ตามต้องการ ไม่จำเป็นต้องรันครบทั้ง 11 ตัวเสมอไป

บอร์ด AI ที่ไม่ได้มีคนดังมานั่งอยู่จริง

คำโปรยสั้นๆ บนหน้า GitHub บอกว่าบอร์ดบริหาร AI ชุดนี้อิงแนวคิดของ Alex Hormozi, Peter Thiel และ Steve Jobs ฟังเผินๆ อาจเหมือนได้นักธุรกิจทั้งสามคนมานั่งฟังเราเสนอไอเดีย แต่ในหน้ารายละเอียดของโปรเจกต์ ผู้พัฒนาอธิบายเรื่องนี้ไว้อย่างตรงไปตรงมาและรัดกุมมาก

ในทางเทคนิค บอร์ดบริหารคือ sub-agent 3 ตัว หรือ AI ตัวย่อยที่ Claude แยกออกไปทำงานเฉพาะทาง แต่ละตัวจะมองไอเดียธุรกิจของคุณผ่านกรอบความคิดที่สรุปมาจากหนังสือ 3 เล่ม:

• Offers อิงจากหนังสือ $100M Offers ของ Alex Hormozi
• Monopoly อิงจากหนังสือ Zero to One ของ Peter Thiel (เขียนร่วมกับ Blake Masters)
• Product อิงจากหนังสือชีวประวัติ Steve Jobs ของ Walter Isaacson

กรรมการ AI แต่ละตัวจะให้คะแนนไอเดีย ชี้จุดเสี่ยงและข้อบกพร่องที่อาจทำให้ธุรกิจล้มเหลว จากนั้นจะลงมติเป็น 1 ใน 3 รูปแบบ:

• FUND: ให้ผ่านและอนุมัติให้ลงทุน
• FUND IF: อนุมัติให้ลงทุนได้ แต่ต้องแก้ไขหรือทำตามเงื่อนไขที่กำหนด
• PASS: ไม่อนุมัติลงทุน

เงื่อนไขที่บอร์ดตั้งไว้จะกลายเป็นเช็กลิสต์ให้สกิลตัวอื่นๆ ทำต่อ

สำหรับเรื่องตัวบุคคล หน้าโปรเจกต์ระบุชัดเจนว่า บอร์ด AI เป็นเพียงการนำแนวคิดที่ตีพิมพ์ในหนังสือมาประยุกต์ใช้เท่านั้น พร้อมย้ำว่า It is not those people บอร์ด AI นี้ไม่ใช่บุคคลทั้งสามคนจริงๆ กรอบคิดทั้งหมดเป็นเพียงสรุปความสั้นๆ ที่ผู้พัฒนาเขียนขึ้นด้วยสำนวนของตนเอง ไม่ได้พูดแทนพวกเขา ไม่ได้ยกคำพูดมาอ้าง ไม่ได้อ้างว่าพวกเขารับรอง และตัวโปรเจกต์ก็ไม่มีส่วนเกี่ยวข้องกับใครในสามคนนั้น

ข้อดีของการมีบอร์ดชุดนี้คือ ถ้าบอร์ดโหวต PASS คุณจะรู้จุดบกพร่องตั้งแต่ก่อนจะเซ็นสัญญาเช่าที่หรือควักเงินลงทุน ซึ่งเป็นช่วงที่การถูกปฏิเสธทำให้คุณเจ็บตัวหรือเสียเงินน้อยที่สุด ส่วนจุดที่กรรมการชี้ไว้ ก็คือรายการสิ่งที่ต้องปรับปรุงให้เรียบร้อยก่อนนำไอเดียกลับมาทดสอบใหม่อีกครั้ง

ลูกค้าจำลอง 100 คนของ founder-skill มาจากไหน

สกิล /founder-consumer จะเริ่มจากกลุ่มลูกค้าเป้าหมายของคุณ โดยสคริปต์จะอ่านจากไฟล์ founder/customer.json คู่กับคำอธิบายข้อเสนอทางธุรกิจใน founder/pitch.md เช่น ในตัวอย่างร้านมัทฉะ กลุ่มเป้าหมายคือคนทำงานในเมือง อายุ 24 ถึง 38 ปี ที่ซื้อกาแฟดื่มแทบทุกวัน

จากนั้นสคริปต์ panel.py จะสร้างโปรไฟล์ผู้ซื้อจำลองขึ้นมา 100 คน แต่ละคนมีข้อมูลสมมติทั้งระดับรายได้ พฤติกรรมการใช้จ่าย และข้อกังวลเฉพาะตัว ถ้าเรากำหนดค่า seed สำหรับสุ่มเป็นค่าเดิม ก็จะได้กลุ่มผู้ซื้อชุดเดิมเสมอ

สคริปต์จะเขียนบรีฟหรือข้อมูลสรุปให้ผู้ซื้อทีละคน จากนั้น Claude จะเปิด sub-agent ขึ้นมา 1 ตัวต่อผู้ซื้อ 1 คน เพื่อให้ AI สวมบทบาทและตอบคำถามจากมุมของลูกค้าคนนั้นจริงๆ

จุดสำคัญที่ต้องเข้าใจคือ ตัวสคริปต์ Python ไม่ได้ตอบคำถามแทนผู้ซื้อ หน้าโปรเจกต์ย้ำว่า never answers for a buyer สคริปต์มีหน้าที่เพียงสร้างโปรไฟล์ ส่งบรีฟ ตรวจคำตอบ และรวบรวมสถิติ ส่วนคำตอบทั้งหมดมาจาก sub-agent ของ Claude แต่ละตัวที่คิดและตอบตามบทบาทของตนเอง

ผลลัพธ์ที่คุณจะได้กลับมาคือ รายชื่อว่าใครซื้อบ้าง ใครไม่ซื้อบ้าง พร้อมเหตุผลประกอบจากมุมมองของลูกค้าแต่ละคน และเงื่อนไขที่จะทำให้คนที่ปฏิเสธยอมเปลี่ยนใจ เช่น ในตัวอย่างร้านมัทฉะ เหตุผลที่ลูกค้าไม่ซื้อมีตั้งแต่ "ร้านกาแฟเจ้าประจำอยู่ใกล้กว่า" ไปจนถึง "$6.50 แพงเกินไปสำหรับเครื่องดื่มแก้วเดียว"

นอกจากนี้ ผู้ซื้อแต่ละคนยังต้องตอบคำถามเรื่องราคาอีก 4 ข้อ แล้วสกิล /founder-pricing จะนำคำตอบเหล่านี้ไปคำนวณหาช่วงราคาที่ลูกค้ารับได้ ก่อนเทียบราคา $6.50 กับช่วงราคานั้นและราคาของคู่แข่งในตลาด

สำหรับไอเดียที่ยังอยู่ในช่วงเริ่มต้น หน้าโปรเจกต์แนะนำว่าคำสั่ง /founder-consumer --quick เป็นวิธีที่ช่วยดูได้เร็วว่าควรไปต่อไหม

แต่ตัวเลือกนี้ยังมีปัญหา โดยมีผู้ใช้เปิด issue #1 บน GitHub เมื่อวันที่ 14 ตุลาคม 2026 เพื่อรายงานผลการตรวจสอบโค้ดเวอร์ชัน fd9385b ซึ่งแม้จะไม่พบปัญหาด้านความปลอดภัย แต่พบจุดบกพร่องที่ทำให้ผลลัพธ์คลาดเคลื่อนได้ 4 จุด

หนึ่งในนั้นคือ สคริปต์ panel.py ไม่มีตัวเลือก --quick อยู่จริง และค่าเริ่มต้นของ --n ที่กำหนดจำนวนผู้ซื้อยังเป็น 100 ถ้าโมเดลส่ง --quick เข้าไปตรงๆ ก็จะรัน sub-agent ครบทั้ง 100 ตัวอยู่ดี

วิธีอ่านผลจากลูกค้าจำลองไม่ให้หลอกตัวเอง

หลักสำคัญ 4 ข้อในการอ่านผลให้ได้ประโยชน์สูงสุดและไม่หลงทาง มีดังนี้:

• ลูกค้าจำลองไม่ใช่ลูกค้าจริง: หน้าโปรเจกต์เน้นย้ำว่าเป็น simulated buyers, not customers ข้อมูลที่ได้มาจากการจำลองความคิด ไม่ได้มาจากลูกค้าที่พร้อมจ่ายเงินจริงๆ วิธีนี้ช่วยหาข้อกังวล ถ้อยคำที่ควรใช้สื่อสาร และกลุ่มเป้าหมายได้เร็วและประหยัด แต่ไม่ใช่เครื่องมือพยากรณ์อนาคต
• อัตราการซื้อคือเพดานสูงสุด: โมเดลภาษามักตอบแบบสุภาพและเอาใจผู้ใช้ ตามข้อสังเกต language models lean agreeable จึงต้องอ่านเปอร์เซ็นต์คนที่บอกว่าจะซื้อเป็นเพดานสูงสุด หรือกรณีที่ดีที่สุดเท่านั้น ในความเป็นจริงอัตราการซื้อแทบไม่มีทางสูงไปกว่านี้
• คำตอบคือข้อมูลวิจัย ไม่ใช่รีวิว: หน้าโปรเจกต์เตือนชัดเจนว่า never use them as testimonials ห้ามนำคำพูดของลูกค้าจำลองไปใช้เป็นรีวิวโปรโมตสินค้า เพราะไม่มีลูกค้าจริงคนไหนพูดประโยคเหล่านั้น
• สมมติฐานสำคัญต้องทดสอบกับคนจริงเสมอ: ข้อมูลทั้งหมดมีไว้เตรียมตัวก่อนไปทดสอบกับตลาดจริง ซึ่งสกิล /founder-launch ก็เริ่มจากการทดสอบแบบนั้นพอดี

เมื่อเปอร์เซ็นต์การซื้อเป็นเพียงเพดานสูงสุด ข้อมูลที่มีค่าที่สุดจึงไม่ใช่จำนวนคนที่ตอบตกลง แต่เป็น เหตุผลของคนที่ปฏิเสธ

เหตุผลอย่าง "ร้านกาแฟเจ้าประจำอยู่ใกล้กว่า" ช่วยชี้ให้เห็นว่าทำเลคือเรื่องที่ต้องคิดให้หนัก ส่วนเหตุผลอย่าง "$6.50 แพงเกินไป" ก็เป็นสัญญาณเตือนว่าราคาคือสิ่งแรกที่คุณต้องนำไปทดสอบกับตลาดจริง รายการเหตุผลเหล่านี้คือสิ่งที่คุณควรเก็บรวบรวมไว้ปรับปรุงธุรกิจ มากกว่าจะสนใจแค่ว่ามีคนตอบรับกี่เปอร์เซ็นต์

ข้อควรระวังอีกจุดหนึ่งอยู่ที่ขั้นตอนการทดสอบซ้ำ โดยปกติสกิล /founder-offer จะนำข้อเสนอใหม่ (เช่น โปรโมชันช่วงสัปดาห์เปิดร้าน หรือบัตรสะสมแต้ม) ไปถามลูกค้าจำลองอีกครั้ง เพื่อดูว่าอัตราการซื้อขยับหรือไม่

แต่ข้อมูลใน issue #1 ระบุว่า โค้ดเวอร์ชันดังกล่าวยังมีบั๊ก ถ้าคุณรันคำสั่ง panel.py init ด้วยข้อเสนอใหม่แต่ยังใช้ค่า seed เดิม ตัวสคริปต์จะไม่ลบไฟล์คำตอบเดิมในโฟลเดอร์ founder/panel/answers/ ทิ้ง และไม่สร้างบรีฟใหม่ ส่งผลให้อัตราการซื้อหลังปรับข้อเสนอออกมาเท่ากับรอบแรกพอดี

ถ้าทดสอบแล้วพบว่าตัวเลขทั้งสองรอบออกมาเท่ากันเป๊ะ อย่าเพิ่งด่วนสรุปว่าข้อเสนอใหม่ไม่ได้ผล ใน issue เสนอว่าถ้าสคริปต์ล้างคำตอบเก่าตอนสั่ง init หรือแยกโฟลเดอร์รันให้แต่ละข้อเสนอ บั๊กนี้ก็จะหายไป

ตัวเลขของ CFO มาจากสคริปต์คำนวณ ไม่ได้ให้ AI คาดเดา

เบื้องหลังของ founder-skill มีสคริปต์ Python อยู่ 4 ตัว ทุกตัวใช้ไลบรารีมาตรฐาน ไม่ต้องติดตั้งแพ็กเกจเสริม และไม่เชื่อมต่ออินเทอร์เน็ต สคริปต์หลักที่ทำงานให้ CFO คือ unit_economics.py ซึ่งอ่านตัวเลขจากไฟล์ JSON เพียงไฟล์เดียว แล้วคำนวณออกมาเป็นรายงาน:

python3 skills/founder-cfo/unit_economics.py founder/numbers.json --out founder/cfo.md

คำสั่งนี้จะอ่านตัวเลขจาก founder/numbers.json และเขียนรายงานลงใน founder/cfo.md หน้าโปรเจกต์ระบุว่า ตัวเลขทุกตัวในรายงานตรวจสอบย้อนกลับไปยังค่าที่ป้อนเข้าไปได้ทั้งหมด ถ้ามีช่องไหนที่ข้อมูลขาดหายไป ระบบจะถือเป็นข้อผิดพลาด โดยไม่เดาค่าแทน

ตัวเลขพื้นฐานสำคัญที่ต้องทำความเข้าใจคือ กำไรส่วนเกินต่อหน่วย หรือ Contribution Margin หมายถึง เงินที่เหลือจากการขายสินค้าหนึ่งชิ้น หลังหักต้นทุนผันแปรที่เกิดขึ้นเฉพาะตอนขายสินค้านั้นออกไปแล้ว

เมื่อได้กำไรส่วนเกินต่อหน่วยแล้ว ระบบจะนำไปคำนวณ จุดคุ้มทุนต่อวัน คือจำนวนแก้วที่ต้องขายให้ได้ในแต่ละวัน เพื่อให้กำไรส่วนเกินรวมกันแล้วพอจ่ายต้นทุนคงที่ โดยต้นทุนคงที่นี้เป็นค่าใช้จ่ายที่ต้องจ่ายเท่าเดิมทุกวันไม่ว่าจะขายได้หรือไม่ เช่น ค่าเช่าและค่าแรง

ตารางสรุปตัวเลขจากร้านมัทฉะตัวอย่างในโปรเจกต์:

ตัวเลขทั้งหมดที่ใช้คำนวณอยู่ในไฟล์ตัวอย่างของโปรเจกต์ คุณจึงสั่งรันสคริปต์เพื่อตรวจสอบด้วยตัวเองได้ทันที นอกจากนี้ ในรายงานยังมีตัวเลขปีแรกแบบรายเดือน ระยะเวลาคืนทุน และสถานการณ์สมมติแบบ what-if อีก 3 แบบ เพื่อให้เห็นภาพล่วงหน้าว่าถ้าตัวเลขจริงไม่เป็นไปตามแผน จะส่งผลกระทบต่อธุรกิจอย่างไร

เมื่อมาถึงขั้นตอนของ /founder-plan สคริปต์ compile.py จะรวบรวมข้อมูลทั้งหมดมาประมวลผลสรุป ซึ่งหน้าโปรเจกต์เน้นว่า computed, not written คือคำนวณจากสูตรตรงๆ ไม่ได้ให้ AI เขียนขึ้นมาเอง

แผนธุรกิจจะสรุปผลว่าผ่านเกณฑ์ Profitable หรือทำกำไรได้ ก็ต่อเมื่อผ่านเกณฑ์ครบทั้ง 4 ข้อ:

1. ทุกชิ้นที่ขายมีกำไรส่วนเกินเหลืออยู่
2. ผลประกอบการปีแรกมีกำไร
3. จุดคุ้มทุนต่อวันไม่เกินขีดความสามารถที่ร้านจะผลิตและขายได้จริง
4. ลูกค้าจำลองยอมรับและซื้อสินค้ามากพอ

แต่ใน issue #1 ยังพบจุดบกพร่องสำคัญในโค้ดเวอร์ชันดังกล่าวว่า ถ้าไฟล์ตัวเลขมีเพียงราคาและยอดขายต่อวันอย่าง {"price":100,"plan_per_day":1} โดยไม่มีข้อมูลต้นทุนเลย สคริปต์ compile.py จะยังคงแสดงผลว่า Verdict: Profitable

สาเหตุเกิดจากสคริปต์นับต้นทุนผันแปร ต้นทุนคงที่ และเงินลงทุนเริ่มต้นที่ไม่ได้กรอกให้มีค่าเป็นศูนย์ ทั้งที่จริงผลลัพธ์ควรเป็นสถานะ Incomplete หรือข้อมูลยังไม่ครบถ้วน

จุดที่อาจทำให้สับสนคือ ข้อความในหน้าโปรเจกต์ที่ระบุว่า "ข้อมูลที่ขาดไปจะถือเป็นข้อผิดพลาด" นั้น หมายถึงการทำงานของสคริปต์ unit_economics.py เท่านั้น แต่ผลสรุปของแผนธุรกิจมาจากสคริปต์ compile.py ซึ่งเป็นคนละตัวกัน

นอกจากนี้ ยังมีปัญหาในสคริปต์คำนวณช่วงราคาอย่าง van_westendorp.py โดยตัวสคริปต์จะอ่านตัวเลข 12,50 กลายเป็น 1250 เพราะโค้ดตัดเครื่องหมายจุลภาคทิ้ง ถ้าพิมพ์ตัวเลขทศนิยมแบบยุโรปที่ใช้เครื่องหมายจุลภาคแทนจุด ช่วงราคาจึงคำนวณผิดพลาดทันทีโดยไม่แจ้งเตือน

ดังนั้น ก่อนที่คุณจะปักใจเชื่อผลสรุปแบบ Profitable ควรตรวจสอบให้แน่ใจว่าได้กรอกต้นทุนครบทุกช่อง และพิมพ์ทศนิยมด้วยเครื่องหมายจุด (.) เสมอ

และต้องไม่ลืมว่า ต่อให้คำนวณถูกต้อง ตัวเลขก็แม่นยำได้เท่ากับข้อมูลที่คุณป้อนเข้าไปเท่านั้น ในรายงานของ CFO จะระบุค่าประมาณการไว้ชัดเจน เพื่อเตือนให้คุณนำไปเทียบกับใบเสนอราคาจริงจากซัพพลายเออร์ ส่วนเรื่องโครงสร้างธุรกิจ อัตราเงินเดือน และภาษี ควรปรึกษานักบัญชีเพื่อความถูกต้อง

จากลูกค้าจำลองสู่ลูกค้าที่ยอมจ่ายเงินจริง

สกิล /founder-launch ไม่ได้กระโดดไปเริ่มที่วันเปิดร้านทันที แต่เริ่มจากการออกแบบการทดสอบในโลกจริงด้วยวิธีที่ประหยัดต้นทุนที่สุดก่อน

ในตัวอย่างร้านมัทฉะ แผนเปิดตัวเริ่มจากเปิดร้านป๊อปอัปชั่วคราว เพื่อดูว่าคนในพื้นที่ยอมจ่ายเงินซื้อจริงหรือไม่ จากนั้นจึงวางตารางนับถอยหลังสู่วันเปิดตัว เช็กลิสต์การทำงานในวันเปิดร้าน และแผนการดำเนินงานต่อเนื่องในช่วง 30 วันแรก

สิ่งสำคัญ 2 อย่างที่คุณควรนำไปตรวจสอบในขั้นตอนนี้ ได้แก่:

1. รายการเหตุผลที่ลูกค้าจำลองไม่ซื้อ: ถ้าลูกค้าจริงที่หน้าร้านพูดตรงกันว่า "ร้านประจำอยู่ใกล้กว่า" แปลว่าเรื่องทำเลเป็นข้อกังวลที่มีอยู่จริง
2. ราคาที่ลูกค้ารับได้: จุดคุ้มทุน 186 แก้วต่อวัน คำนวณมาจากราคาขาย $6.50 ถ้าลูกค้าจริงไม่ยอมจ่ายราคานี้ กำไรส่วนเกินต่อแก้วก็จะลดลง และจำนวนแก้วที่ต้องขายต่อวันจะพุ่งสูงขึ้นทันที

แม้สกิล /founder-pricing จะช่วยเลือกราคาที่เหมาะสมมาให้แล้ว แต่การตัดสินใจว่าจะยอมรับความเสี่ยงกับราคาไหนยังคงเป็นของคุณ การตั้งราคาสูงทำให้จุดคุ้มทุนต่ำลงเพราะต้องขายน้อยแก้วกว่า แต่ก็เสี่ยงที่คนจะมองว่าแพง ส่วนการตั้งราคาต่ำจะช่วยให้ขายง่ายขึ้น แต่คุณก็ต้องขายให้ได้จำนวนแก้วต่อวันมากขึ้นเช่นกัน

3 วิธีติดตั้ง founder-skill เพื่อเริ่มต้นใช้งาน

ติดตั้งและเรียกใช้ founder-skill ได้ 3 วิธีตามความสะดวก:

วิธีที่ 1: ติดตั้งผ่านหน้าแชต Claude (ง่ายที่สุด) คัดลอกลิงก์โปรเจกต์ไปวางในหน้าต่างแชตของ Claude แล้วพิมพ์ว่า install skill

https://github.com/Jakeschincariol/founder-skill
install skill

วิธีที่ 2: ติดตั้งเป็นปลั๊กอินบน Claude Code ถ้าใช้ Claude Code เครื่องมือสั่งงานผ่านเทอร์มินัล ก็ติดตั้งเป็นปลั๊กอินได้ด้วยคำสั่ง 2 บรรทัดนี้:

/plugin marketplace add Jakeschincariol/founder-skill
/plugin install founder-skill@founder-skill

ถ้าติดตั้งแบบปลั๊กอิน เวลาเรียกคำสั่งต้องพิมพ์ชื่อปลั๊กอินนำหน้า เช่น /founder-skill:founder-board

วิธีที่ 3: โคลนโค้ดมาติดตั้งเองในเครื่อง (เรียกใช้คำสั่งสั้นได้) ถ้าต้องการพิมพ์คำสั่งสั้นๆ เช่น /founder-board ได้ทันที ให้ดาวน์โหลดโฟลเดอร์สกิลมาไว้ในเครื่องโดยตรง:

git clone https://github.com/Jakeschincariol/founder-skill.git
cp -r founder-skill/skills/founder-* ~/.claude/skills/

คำสั่งบรรทัดแรกคือโคลนโปรเจกต์ลงมาในเครื่อง บรรทัดที่สองคือคัดลอกสกิลทั้งหมดที่ชื่อขึ้นต้นด้วย founder- ไปไว้ใน ~/.claude/skills/ เพื่อให้เรียกใช้ได้ทั่วทั้งเครื่อง (ถ้าต้องการใช้เฉพาะในโปรเจกต์ใดโปรเจกต์หนึ่ง ให้คัดลอกไปไว้ที่โฟลเดอร์ .claude/skills/ ของโปรเจกต์นั้นแทน)

สคริปต์ทั้งหมดต้องใช้ Python 3.8 ขึ้นไป และทำงานได้ทันทีโดยไม่ต้องติดตั้งแพ็กเกจเสริมใดๆ

สำหรับคนที่ไม่ได้ใช้ Claude Code ก็นำเนื้อหาในไฟล์ SKILL.md ของสกิลที่ต้องการ ไปวางไว้บนสุดของหน้าแชต Claude ทั่วไปเพื่อให้ทำงานตามแนวทางของสกิลนั้นได้ แม้วิธีคิดและคำแนะนำจะยังใช้ได้ แต่คุณจะไม่สามารถใช้ระบบ sub-agent หรือรันสคริปต์ Python ได้ ผู้ซื้อแต่ละคนจึงไม่มี sub-agent แยกของตัวเอง และตัวเลขทางการเงินก็ไม่ได้มาจากการคำนวณด้วยสคริปต์จริง

สิ่งที่ต้องเตรียมก่อนรัน founder-skill กับไอเดียของคุณ

ตัวอย่างทั้งหมดในโปรเจกต์เป็นร้านในเมืองโตรอนโตและคิดเงินเป็นดอลลาร์ ตัวเลขทุกตัวของร้านมัทฉะจึงเป็นดอลลาร์

ส่วนใบอนุญาต เครื่องหมายการค้า และข้อความโฆษณา หน้าโปรเจกต์บอกว่าขึ้นอยู่กับว่าคุณอยู่ที่ไหน สกิลบอกได้ว่าต้องเช็กอะไรและเช็กที่ไหน แต่คนที่ยืนยันได้คือผู้เชี่ยวชาญ หน้าโปรเจกต์จึงระบุเตือนไว้อย่างชัดเจนว่า เนื้อหาทั้งหมดไม่ใช่คำแนะนำทางการเงิน กฎหมาย หรือภาษีตามคำเตือน Not financial, legal or tax advice

ถ้าคุณยังไม่พร้อมรันครบทั้ง 11 ขั้นตอน ขอแนะนำให้เริ่มต้นจาก 3 สกิลที่แยกใช้งานเดี่ยวๆ ได้ทันที:

• /founder-cfo เปลี่ยนตัวเลขต้นทุนและราคาที่วนอยู่ในหัว ให้กลายเป็นตัวเลขจุดคุ้มทุนต่อวันและเงินสดสำรองที่ต้องเตรียมไว้จริง
• /founder-consumer ช่วยดึงเหตุผลและข้อกังวลที่อาจทำให้คนไม่ซื้อสินค้าของคุณออกมาให้เห็นชัดเจน ก่อนที่คุณจะตัดสินใจลงเงินก้อนแรก
• /founder-launch ช่วยวางแผนและออกแบบการทดสอบไอเดียกับลูกค้าในโลกจริงด้วยวิธีที่ประหยัดต้นทุนที่สุด

ก่อนตัดสินใจจ่ายเงินก้อนแรกเพื่อเริ่มธุรกิจ คำถามที่ต้องตอบให้ได้ไม่ใช่แค่ "ไอเดียนี้ดีไหม" แต่ต้องตอบให้ชัดว่า "ใครจะไม่ซื้อ เพราะอะไร และต้องมีคนจริงมาซื้อวันละเท่าไหร่ ธุรกิจถึงจะไม่ขาดทุน"

ที่มา:

• โปรเจกต์ founder-skill บน GitHub
• บทความ Reliability issues found in an audit of fd9385b (verdict, re-test, decimal parsing, --quick) จาก GitHub