ปกติถ้าอยากได้แดชบอร์ดสักหน้า เรามักต้องส่งคำขอไปให้ทีม IT แล้วนั่งรอคิว พอถึงสิ้นเดือนก็ต้องมานั่งทำสไลด์อัปเดตตัวเลขเดิมวนไป แต่ที่ Stripe ผู้ให้บริการระบบชำระเงินออนไลน์ ทีมการเงินเปลี่ยนมานำเสนอตัวเลขสรุปรายเดือนด้วยหน้าเว็บต้นแบบที่กดดูได้จริงแทนการเปิดสไลด์แล้ว

หน้าเว็บพวกนี้พนักงานสร้างขึ้นมาเองผ่าน Harbor เครื่องมือภายในที่ Stripe ทำไว้ให้ทุกคนใช้ แค่พิมพ์บอกสิ่งที่ต้องการ AI ก็จะสร้างต้นแบบออกมาให้ ต้นแบบที่ได้ไม่ใช่แค่ภาพนิ่ง แต่เป็นหน้าเว็บจริงที่คลิก เลื่อนดูข้อมูล และเปิดดูตัวเลขต่างๆ ได้เหมือนแอปพลิเคชันทั่วไป นอกจากรายงานประจำเดือนแล้ว ทีมการเงินยังใช้วิธีเดียวกันนี้กับการประชุมสรุปผลงานธุรกิจด้วย

Stripe ไม่ใช่บริษัทเดียวที่ทำแบบนี้ เพราะ Ramp บริษัทเทคโนโลยีจากนิวยอร์กก็มีแพลตฟอร์มของตัวเองชื่อ Glass เช่นกัน โดยทั้งสองเป็นแพลตฟอร์ม vibe coding ที่แต่ละบริษัทสร้างขึ้นมาใช้กันเองภายใน เพื่อเปิดให้พนักงานทั่วไปสร้างโปรแกรมขึ้นมาใช้เองได้แค่พิมพ์สั่ง AI ด้วยภาษาคนธรรมดา

สิ่งที่กำลังเปลี่ยนไปจึงไม่ใช่แค่เรื่องเครื่องมือ แต่การสร้างเครื่องมือทำงานกำลังขยับจากงานเฉพาะทางของโปรแกรมเมอร์ มาเป็นทักษะพื้นฐานของคนทำงานออฟฟิศทั่วไป

Glass คือ Lovable ฉบับใช้งานภายในของ Ramp

ข้อเปรียบเทียบนี้มาจาก Gergely Orosz เจ้าของ The Pragmatic Engineer จดหมายข่าวด้านวิศวกรรมซอฟต์แวร์ชื่อดัง เขาไปเยือนสำนักงานใหญ่ของ Ramp ที่นิวยอร์ก แล้วมองว่า Glass คือเครื่องมือ vibe coding ยอดนิยมอย่าง Lovable ในเวอร์ชันที่ Ramp สร้างขึ้นมาใช้งานกันเองในบริษัท

Glass ช่วยให้พนักงานที่ไม่ใช่วิศวกรสร้างแอปพลิเคชันที่ซับซ้อนสำหรับใช้งานกันภายในบริษัทได้ เมื่อสร้างเสร็จก็แชร์ให้เพื่อนร่วมงานเข้ามาใช้ หรือเปิดให้คนอื่นนำไปแก้ไขพัฒนาต่อได้ด้วย

หัวใจสำคัญของ Glass คือ Connectors หรือระบบเชื่อมต่อกับเครื่องมือและฐานข้อมูลภายในของบริษัท พนักงานเชื่อมระบบที่ต้องการเข้ามา แล้วใช้ระบบนั้นเป็นแหล่งข้อมูลของแอปได้

แอปยอดนิยมตัวหนึ่งที่ทีม Glass เปิดให้ Gergely ดู คือระบบ CRM สำหรับจัดการข้อมูลลูกค้าที่ฝ่ายการตลาดสร้างขึ้นมาใช้เอง หน้าจอเดียวอัดแน่นไปด้วยช่องข้อมูลและตัวกรองมากกว่า 50 รายการ แม้ Gergely จะบอกว่าดูแล้วแน่นจนล้น แต่คนสร้างกลับบอกว่าพอใช้งานจริงแล้วทรงพลังมาก

หน้าจอที่คนนอกมองว่ารก อาจเป็นหน้าจอที่ลงตัวที่สุดสำหรับคนที่ต้องใช้ทำงานจริงก็ได้ เครื่องมือที่คนทำงานสร้างขึ้นมาใช้เองจึงไม่จำเป็นต้องถูกใจทุกคน ขอแค่แก้ปัญหาและตอบโจทย์งานของคนสร้างได้จริงก็พอ

Gergely เล่าว่า Ramp จริงจังถึงขั้นให้พนักงานใหม่หัดใช้ Glass และลองสร้างเครื่องมือง่ายๆ สักชิ้นตั้งแต่ช่วงปฐมนิเทศ และพนักงานสายธุรกิจที่นี่แทบทุกคนต่างเคยใช้ Glass สร้างเครื่องมือช่วยงานของตัวเองมาแล้ว

ล่าสุด Ramp เปิดตัว Glass ออกมาเป็นผลิตภัณฑ์ให้คนนอกบริษัทใช้งานได้แล้ว พร้อมคำโปรยว่าเป็น AI workspace ที่ความรู้ยิ่งใช้ยิ่งทบต้น

Harbor ทำงานอย่างไร ตั้งแต่พิมพ์สั่งจนได้ลิงก์พร้อมใช้

Stripe ใช้วิศวกรเพียงคนเดียวและใช้เวลาราว 40 วันสร้าง Harbor รุ่นแรกขึ้นมา โจทย์ตั้งต้นนั้นเล็กมาก เริ่มจากทีมที่ดูแลเว็บไซต์ stripe.com อยากทดสอบไอเดียการออกแบบใหม่ๆ โดยไม่ต้องให้วิศวกรมาคอยลงแรงเขียนโค้ดทำต้นแบบให้ทุกครั้ง เป้าหมายคือช่วยให้ดีไซเนอร์เปลี่ยนภาพดีไซน์นิ่งๆ ให้กลายเป็นหน้าเว็บที่กดเล่นได้จริง โดยไม่ต้องเข้าใจเรื่องโค้ดเลย

หน้าจอของ Harbor แบ่งออกเป็นสองฝั่ง ฝั่งหนึ่งแสดงหน้าเว็บต้นแบบที่ทำงานอยู่จริง อีกฝั่งเป็นช่องแชตคุยกับ Agent หรือ AI ที่ลงมือทำงานต่อเนื่องหลายขั้นตอนได้เอง เวลาใช้งาน พนักงานจะเริ่มจากการเลือกชุดชิ้นส่วนหน้าตามาตรฐานของบริษัทอย่าง Design System จากนั้นก็พิมพ์บอก AI ว่าอยากได้อะไร

เมื่อได้รับคำสั่ง Agent จะทำงานวนเป็นลูปตามขั้นตอนนี้:

• เขียนโค้ดออกมาเป็นไฟล์ต่างๆ
• แปลงโค้ดให้กลายเป็นหน้าเว็บที่เปิดใช้งานได้บนเบราว์เซอร์ทันที โดยไม่ต้องส่งไปประมวลผลบนเซิร์ฟเวอร์
• เปิดหน้าเว็บที่ได้ขึ้นมา แล้วลองคลิก พิมพ์ เลื่อนหน้าจอ รวมถึงจำลองขนาดหน้าจอมือถือ แท็บเล็ต และเดสก์ท็อป แล้วแคปหน้าจอมาตรวจงานตัวเอง
• หากเจอจุดที่ยังไม่ตรงตามที่ต้องการ ก็จะกลับไปแก้โค้ดแล้วทดสอบใหม่อีกรอบ

พอ AI ตรวจงานตัวเองแบบนี้ คนใช้งานก็ไม่ต้องมานั่งอ่านโค้ดเอง เพราะ Agent ลองกดหน้าเว็บและทดสอบให้ก่อนแล้ว

เมื่อปรับแต่งจนพอใจ คนสร้างก็กดเผยแพร่เพื่อรับลิงก์ไปส่งต่อให้ทีมได้ ส่วนคนอื่นเข้ามาปักหมุดคอมเมนต์ตามจุดต่างๆ บนหน้าได้ หรือจะกดปุ่ม Remix เพื่อคัดลอกต้นแบบนั้นไปปรับแต่งต่อเป็นเวอร์ชันของตัวเองก็ได้

พนักงาน Stripe นำ Harbor ไปสร้างอะไรบ้าง

แม้ Harbor จะเริ่มต้นจากงานฝั่งดีไซน์ แต่พนักงานแผนกอื่นก็หยิบไปปรับใช้กับงานของตัวเอง:

• ทีมการเงิน: นำเสนอตัวเลขจริงประจำเดือนและการสรุปผลธุรกิจเป็นหน้าเว็บต้นแบบที่กดดูได้จริงแทนการเปิดสไลด์ เหมือนอย่างภาพตัวอย่างด้านบน
• นักวิเคราะห์ฝ่าย Risk Operations ที่ดูแลความเสี่ยง: เปลี่ยนงานวิเคราะห์ระยะเวลาที่ใช้จัดการเคสต่างๆ ให้กลายเป็นแดชบอร์ดที่คนอื่นในทีมกดเข้ามาดูข้อมูลเองได้ตลอดเวลา
• ทีมขาย: ทำใบเสนอราคา เอกสารเปรียบเทียบกับคู่แข่ง และเครื่องคำนวณความคุ้มค่าการลงทุนที่ปรับให้เข้ากับลูกค้าแต่ละราย

ส่วนงานดีไซน์ที่เป็นโจทย์ตั้งต้นก็เห็นผลชัดเจนตั้งแต่โปรเจกต์แรกๆ มีดีไซเนอร์คนหนึ่งทำหน้าแนะนำผลิตภัณฑ์ใหม่บน Harbor พร้อมแอนิเมชันส่วนภาพใหญ่ด้านบนสุดของหน้าเว็บ ทำให้ทั้งวิศวกร ผู้จัดการฝ่ายผลิตภัณฑ์ และผู้บริหาร ได้เข้ามาลองกดเล่นหน้าเว็บจริงพร้อมกัน จนตกลงทิศทางการทำงานกันได้อย่างรวดเร็ว พอถึงเวลาพัฒนาขึ้นเว็บจริง แอนิเมชันที่ทำออกมาก็แทบจะถอดแบบมาจากต้นแบบได้หนึ่งต่อหนึ่ง

ตัวเลขที่ Stripe เปิดเผยคือ นับตั้งแต่เดือนพฤษภาคม 2026 มีพนักงาน Stripe กว่า 3,000 คน สร้างต้นแบบบน Harbor ไปแล้วถึง 12,000 ชิ้น และมีพนักงานถึง 25% ของทั้งบริษัทที่เคยสร้างต้นแบบด้วยตัวเองอย่างน้อยหนึ่งชิ้น เท่ากับว่าในพนักงานทุก 4 คน จะมี 1 คนที่เคยสร้างต้นแบบเอง

ทำไมไม่ซื้อ Lovable หรือ Retool มาใช้เลย

ในเมื่อท้องตลาดมีเครื่องมือสำเร็จรูปสำหรับทำต้นแบบและสร้างแอปภายในอยู่แล้ว ทั้ง Lovable, Replit และ Retool ทำไมบริษัทเหล่านี้ถึงเลือกสร้างขึ้นมาใช้เอง? Gergely สรุปเหตุผลไว้ 6 ข้อด้วยกัน:

1. ลงทุนน้อย: Stripe ใช้วิศวกรคนเดียวสร้าง Harbor รุ่นแรก ส่วน Ramp ก็ใช้วิศวกรแค่สองคนสร้าง Glass ขึ้นมาในเวลาไม่กี่สัปดาห์ สำหรับบริษัทที่มีวิศวกรหลักร้อยคนขึ้นไป การลงทุนเพียงเท่านี้ถือว่าสมเหตุสมผลมาก
2. ข้อมูลภายในปลอดภัยกว่า: เมื่อเป็นเครื่องมือที่สร้างขึ้นมาใช้กันเองภายในองค์กร จึงเชื่อมต่อกับแหล่งข้อมูลภายในได้อย่างสบายใจ โดยไม่ต้องกังวลเรื่องความเสี่ยงเหมือนตอนส่งข้อมูลออกไปให้เครื่องมือภายนอกอย่าง Lovable หรือ Replit
3. หน้าตาตรงตามแบรนด์: ทั้งสองบริษัทให้ความสำคัญกับ Design System ของตัวเองมาก แอปที่สร้างผ่านระบบภายในจึงออกมาหน้าตาตรงตามมาตรฐานของบริษัททันที ส่วนเครื่องมือภายนอกยังทำตรงนี้ได้ไม่ดีนัก ถ้าไม่ได้ปรับแต่งเป็นพิเศษ
4. ดึงคนที่ไม่ใช่วิศวกรเข้ามาร่วมสร้างได้จริง: หากออกแบบระบบให้ใช้งานง่าย คนทำงานสายธุรกิจก็พร้อมจะเข้ามาสร้างเครื่องมือของตัวเอง เหมือนที่เกิดขึ้นที่ Ramp
5. ไม่ต้องเสียเวลารอจัดซื้อ: แค่ขั้นตอนคัดเลือกผู้ให้บริการ ตรวจสอบความปลอดภัยตามกฎระเบียบ และเจรจาต่อรองสัญญา ก็อาจต้องใช้เวลาและแรงพอๆ กับการลงมือสร้างเองแล้ว
6. วิศวกรได้ฝึกฝีมือด้านระบบเบื้องหลัง AI หรือ AI Infra: เป็นโอกาสให้วิศวกรได้พัฒนาทักษะการวางระบบสำหรับ AI ในบริษัท ซึ่งเป็นสายงานที่ทุกวันนี้หาคนเก่งๆ มาร่วมงานได้ยากมาก

Gergely ยังคาดการณ์ถึงบริษัทเทคโนโลยีกลุ่มที่มีระบบโครงสร้างพื้นฐานให้ AI ช่วยเขียนโค้ดอย่าง Coding Agent Harness ของตัวเองอยู่แล้ว โดยมองว่าบริษัทกลุ่มนี้น่าจะทยอยสร้างเครื่องมือแบบนี้ให้พนักงานทั่วไปใช้งานตามมาอีกมาก เพราะการสร้างไม่ได้ซับซ้อน และพนักงานมักจะเข้ามาใช้งานมากกว่าเครื่องมือที่ซื้อจากภายนอก

สำหรับบริษัทที่ยังไม่มีวิศวกรหลักร้อยคน หรือยังไม่มีระบบโครงสร้างพื้นฐานเหล่านี้ เครื่องมือสำเร็จรูปในตลาดก็อาจเป็นจุดเริ่มต้นที่เร็วกว่า เพียงแต่ต้องคอยดูแลเรื่องความปลอดภัยของข้อมูลภายในที่ส่งออกไปข้างนอก และยอมรับเรื่องหน้าตาของแอปที่อาจไม่ตรงกับแบรนด์ของบริษัท

ที่ Anthropic พนักงานที่ไม่เขียนโค้ดก็เริ่มสร้างเอง

ปรากฏการณ์นี้ไม่ได้เกิดขึ้นแค่กับสองบริษัทข้างต้นเท่านั้น เพราะ Anthropic ผู้พัฒนา Claude ก็เปิดเผยข้อมูลที่ชี้ไปในทิศทางเดียวกันไว้ในรายงาน How employment is changing at Anthropic

Anthropic เก็บสถิติการใช้งาน Coding Agent ในกลุ่มพนักงานสายธุรกิจที่ไม่ใช่ฝ่ายเทคนิค โดยคัดเฉพาะพนักงานเดิมที่ตอนเริ่มเก็บข้อมูลยังไม่เคยส่งโค้ดเข้าระบบเลย พบว่าความถี่ในการเรียกใช้งาน Coding Agent ขยับจาก 2 ครั้งต่อเดือนในเดือนสิงหาคม 2025 พุ่งขึ้นเป็น 90 ครั้งต่อเดือนในเดือนพฤษภาคม 2026

ตัวอย่างหนึ่งคือพนักงานฝ่ายขายที่สร้างแดชบอร์ดและไปป์ไลน์สำหรับงานของตัวเอง เขาเล่าว่างานระดับนี้เกินขีดความสามารถเดิมของตัวเองไปมาก โดยเฉพาะการออกแบบหน้าตาโปรแกรมและการเชื่อมต่อเครื่องมือต่างๆ เข้าด้วยกัน แต่เขาก็สร้างจนเสร็จได้ในเวลาราว 3-4 ชั่วโมง ด้วยการค่อยๆ สั่งให้ AI ปรับแก้ไปทีละรอบ

ขณะที่ผู้จัดการฝ่ายการเงินอีกคนก็สร้าง Agent ขึ้นมาช่วยตรวจคำขอจัดซื้อ โดยเขาอธิบายกับเพื่อนร่วมงานว่า เครื่องมือนี้แค่ช่วยหางานที่กินเวลาหลายชั่วโมง เพื่อให้ทุกคนเอาเวลาไปโฟกัสกับเรื่องอื่น

ส่วนพนักงานฝ่ายขายคนหนึ่งเล่าถึงวิธีคิดของตัวเองว่า:

เริ่มจากงานที่ทำเป็นครั้งที่สอง

ถ้าบริษัทยังไม่มีแพลตฟอร์มอย่าง Harbor หรือ Glass คุณก็นำหลักคิดของพนักงานฝ่ายขายคนนั้นมาปรับใช้ได้ทันที เริ่มจากลองจดงานที่ต้องทำซ้ำเป็นครั้งที่สองในเดือนนี้ดู เพราะรายการเหล่านั้นคือจุดเริ่มต้นชั้นดีของเครื่องมือที่ควรมี

ถ้าย้อนดูตัวอย่างทั้งหมดข้างต้น เครื่องมือที่พนักงานสร้างขึ้นมาใช้เอง ส่วนใหญ่มักเป็นงานที่เคยอยู่ในสไลด์ ตารางสเปรดชีต หรือรายงานประจำรอบ เราจึงแนะนำให้เริ่มจากงานกลุ่มนี้ก่อน เพราะมีโครงสร้างเดิมอยู่แล้ว คุณรู้อยู่แล้วว่าต้องใช้ตัวเลขชุดไหน กราฟแบบใด และใครเป็นคนเปิดดู

คำสั่งในภาพหน้าจอของ Harbor ด้านบนก็มีเพียงแค่ประโยคเดียว คือขอหน้าสรุปตัวเลขรายเดือนที่มีแถบแสดงตัวชี้วัดหลัก กราฟรายได้เทียบกับเป้าหมาย และตารางแสดงรายการที่คลาดเคลื่อนจากแผนมากที่สุด ถ้าสรุปรายงานประจำเดือนของตัวเองให้กระชับได้ขนาดนี้ คุณก็มีคำสั่งแรกพร้อมสำหรับสร้างเครื่องมือแล้ว

สิ่งที่ทำให้ใช้กันทั้งบริษัท ไม่ใช่ตัว AI

สำหรับฝั่งหัวหน้าทีมและเจ้าของธุรกิจ เรามองว่าสิ่งที่ทำให้พนักงานนำ Harbor กับ Glass ไปใช้งานกันทั่วทั้งบริษัท ไม่ใช่แค่ตัว AI เพียงอย่างเดียว แต่อยู่ที่ 4 ปัจจัยสำคัญ ได้แก่ การเชื่อมต่อกับข้อมูลจริงได้อย่างปลอดภัย หน้าตาแอปที่ถูกต้องตามมาตรฐานของแบรนด์ การแชร์และนำไปปรับแต่งต่อได้ง่าย และการมีวิศวกรคอยรับช่วงต่อเมื่อต้องนำขึ้นระบบจริง

ข้อสุดท้ายเห็นได้ชัดมากที่ Stripe โดยวิศวกรจะใช้ Harbor ขึ้นโครงหน้าจอจัดการระบบหลังบ้านเป็นต้นแบบก่อน จากนั้นจึงส่งต่อต้นแบบให้ Coding Agent ช่วยเขียนโค้ดขึ้นมาใหม่สำหรับระบบจริง

ขั้นตอนการรับช่วงต่อนั้นสำคัญมาก เพราะปัจจุบัน Stripe ยังมองว่า Harbor เป็นเพียงเครื่องมือสร้างต้นแบบเท่านั้น ตัวเลขในต้นแบบทุกวันนี้ยังต้องให้ Agent คัดลอกใส่ลงในโค้ด และต้องเขียนใหม่ทุกครั้งที่ข้อมูลเปลี่ยนแปลง โดยขั้นต่อไปที่ Stripe วางแผนไว้คือทำให้ต้นแบบจัดเก็บข้อมูลขนาดเล็กได้เอง และเชื่อมต่อเข้ากับข้อมูลแบบเรียลไทม์ของบริษัท

จุดที่ชวนสับสนคือ วิธีการจัดการข้อมูลของ Glass กับ Harbor นั้นไม่เหมือนกัน โดย Glass เชื่อมต่อกับระบบภายในผ่าน Connectors ได้แล้ว ส่วน Harbor ยังอยู่ระหว่างการพัฒนาไปสู่จุดนั้น ดังนั้นถ้าบริษัทเปิดให้ทุกคนสร้างเครื่องมือกันเองโดยไม่มีคนคอยรับช่วงต่อ ตัวเลขที่คัดลอกใส่ไว้ก็เสี่ยงที่จะค้างอยู่ที่ข้อมูลของเดือนก่อน โดยที่คนเปิดดูไม่ทันรู้ตัว

ก่อนเปิดให้ทุกคนสร้างเครื่องมือ จึงควรตกลงกันให้ชัดเจนว่าใครจะเป็นคนตัดสินว่าต้นแบบชิ้นไหนพร้อมใช้งานจริง หรือก็คือการวาง ระบบตัดสินใจก่อนเปิดให้ทีมใช้ vibe coding เอาไว้ล่วงหน้า

คำถามในทีมกำลังเปลี่ยนไป จากเดิมที่เคยถามว่าใครเขียนโค้ดเป็นบ้าง กลายมาเป็นใครรู้ว่างานไหนควรมีเครื่องมือมาช่วย

และคนที่ตอบคำถามข้อหลังได้ดีที่สุด ก็คือคนที่ต้องทำงานนั้นซ้ำทุกสิ้นเดือนนั่นเอง

---

ที่มา:

• บทความ The Pulse: new trend of building “internal vibe-coding apps” at tech companies จาก The Pragmatic Engineer
• เอกสารทางการของ Harbor
• บทความ How employment is changing at Anthropic จาก Anthropic