Sandy Lee คุณแม่ลูก 3 ที่ไม่มีพื้นฐาน coding มาก่อน ปั้นช่อง YouTube ของตัวเองจาก 200 subscriber เป็น 12,000 subscriber ภายในหนึ่งเดือน พร้อมรับงาน SEO automation ของลูกค้าด้วย retainer 5,500 ดอลลาร์ต่อเดือน และ sponsorship อีกราว 3,500 ดอลลาร์ ทั้งหมดมาจากระบบ AI agent ราว 6 ตัวบน Claude Code ที่ช่วยแทนงานทำมือ ซึ่งเคยกินเวลา 24-48 ชั่วโมงต่อหนึ่งคลิป รายละเอียดมาจากบทสัมภาษณ์ของ Sandy Lee กับ Calum Johnson ในรายการ The Calum Johnson Show ที่เปิดตัวเลข ขั้นตอน และหลักคิดเบื้องหลังระบบนี้ในคลิปเดียวความยาวราว 81 นาที. จุดที่น่าสนใจสำหรับผู้สร้าง content ในไทยคือ ระบบนี้ไม่ได้พึ่ง engineer และไม่ได้ใช้ stack ซับซ้อน บทเรียนที่ Sandy Lee สรุปจึงเป็นโครงที่ทำตามได้ แม้กับคนที่ไม่ใช่นักพัฒนา.

จาก 24-48 ชั่วโมงต่อคลิป สู่ราว 1 ชั่วโมงต่อวัน

Sandy Lee เล่าในรายการของ Calum Johnson ว่าเส้นทาง content creator ของตัวเองเริ่มในปี 2018 หลังคลอดลูกคนแรก ตอนนั้นเธอทำคอนเทนต์สอนภาษาเกาหลีให้คนพูดภาษาสเปน และเติบโตได้ราว 550K follower รวมสามแพลตฟอร์ม (YouTube, Instagram, TikTok) แต่ยังทำ workflow ทั้งหมดด้วยมือ จึงผลิตได้เพียงราว 1 คลิปต่อ 3 สัปดาห์ ขณะที่งานหลักคือดูแลลูก สุดท้าย Sandy Lee จึงตัดสินใจหยุด เพราะรายได้ไม่คุ้มเวลา.

ตัวเลขของ workflow แบบเดิมที่ Sandy Lee บอกในรายการมีดังนี้: ขั้น research คู่แข่งเพื่อหาไอเดียใช้เวลา 14-16 ชั่วโมงต่อคลิป, ช่วง record แบบไม่มีสคริปต์ตายตัวยืดออกเป็น 3-4 ชั่วโมง, การตัดต่อ 6-8 ชั่วโมง, ส่วน thumbnail บน Photoshop กินเวลาอีกราว 2 ชั่วโมง รวมแล้วเฉลี่ย 24-48 ชั่วโมงต่อคลิป. ทั้งหมดนี้ต้องทำไปพร้อมกับบทบาท full-time mom ของลูกสามคน วัย 7, 6 และ 2 ขวบ.

หลังกลับมาเริ่มช่องใหม่เมื่อราวห้าเดือนก่อน Sandy Lee ค่อยๆ เปลี่ยน workflow มาเป็น AI-assisted ทีละขั้น แล้วลงลึกกับ Claude Code ในช่วงสองเดือนหลัง ผลคือ subscriber ของช่องใหม่กระโดดจาก 200 เป็น 12,000 ภายในหนึ่งเดือน ตามที่ Calum Johnson หยิบขึ้นมาเปิดการสนทนา. Sandy Lee สรุปการเปลี่ยนแปลงด้วยตัวเลขง่ายๆ ว่า workflow ปัจจุบันใช้เวลาราว 1 ชั่วโมงต่อวัน โดยมี AI agent ราว 6 ตัวทำงานเบื้องหลังแทน.

before/after table : manual workflow 2018 vs AI workflow 2026

ค่าใช้จ่ายของระบบที่ Sandy Lee อธิบายอยู่ที่ราว 20 ดอลลาร์ต่อเดือนสำหรับเครื่องมือทั่วไป บวกค่า Claude Code อีกราว 100 ดอลลาร์ต่อเดือนสำหรับ tier ที่ Sandy Lee ใช้ ถือว่าต่ำกว่าค่าจ้างทีมงานแบบเดิมมาก. Sandy Lee ระบุว่าตัวเองเคยจ้างคนหกคนเพื่อทำงานคล้ายๆ กันให้ลูกค้า แต่ไม่ได้ผลเพราะปัญหาการสื่อสาร ก่อนหันมาทำผ่าน Claude Code ที่จัดการงานซ้ำได้คงเส้นคงวา.

หลักคิดเบื้องหลังระบบ: personal brand blueprint และ algorithm ของ YouTube ปี 2026

ก่อนพูดถึง agent ทีละตัว Sandy Lee อธิบายในรายการ The Calum Johnson Show ว่าจุดเริ่มต้นที่ทำให้ระบบทั้งหมดทำงานได้คือ "personal brand blueprint" เป็นเอกสารที่ระบุตัวตน สิ่งที่ถนัด สิ่งที่ตลาดต้องการ และสิ่งที่ตลาดยอมจ่าย โดยใช้กรอบคิด ikigai ของญี่ปุ่นเป็นโครง. Sandy Lee แนะนำให้คนที่เริ่มต้นจดด้วยปากกาลงกระดาษในห้องเงียบก่อน เพราะการเขียนด้วยมือช่วยเปิดมุมคิดที่การพิมพ์มักให้ไม่ได้.

ประเด็นที่ Sandy Lee เน้นย้ำคือ blueprint นี้ต้องเขียนให้ยาวและละเอียดที่สุดเท่าที่ทำได้ ไม่ใช่ตอบสั้นๆ เพราะ AI จะเรียนรู้เสียงและความเป็นตัวตนของผู้สร้างจากเอกสารชุดนี้ ยิ่งเอกสารยาวและมีรายละเอียดจากประสบการณ์จริง ผลลัพธ์ที่ AI สร้างให้ก็ยิ่งใกล้สไตล์จริง. Sandy Lee เลือกใช้ Claude สำหรับงาน personal branding เพราะ Claude ให้ critique ตรงและไม่ประจบเท่าโมเดลอื่น ส่วน ChatGPT, Perplexity และ Gemini มักตอบในโทน positive เกินจริงจนได้ feedback ที่นำไปใช้ได้น้อย.

อีกประเด็นที่ Sandy Lee อธิบาย และเป็นเหตุผลเชิง strategy ของระบบทั้งหมด คือ algorithm ของ YouTube ในปี 2026 เปลี่ยนทิศไปจากเดิม. Sandy Lee สรุปว่า AI เป็นฝ่ายเรียนรู้ pattern ของผู้ชม แทนที่ทีมคนทำ manual แบบเดิม จึงทำให้การชวนเพื่อนหรือญาติช่วย subscribe อาจให้โทษมากกว่าประโยชน์ เพราะถ้า profile ของคนที่ subscribe ไม่ตรงกับ niche ของช่อง algorithm จะอ่านว่าเนื้อหาไม่ตรง audience แล้วลดการ recommend ลง. ข้อนี้ทำให้การกำหนด ideal customer avatar ให้ชัด และพูดเฉพาะกับ audience นั้น สำคัญกว่าทุกปี.

ถอดระบบ 6 AI agent ทีละตัวที่ Sandy Lee อธิบายในรายการ The Calum Johnson Show

ระบบที่ Sandy Lee อธิบายในรายการของ Calum Johnson แบ่งงานออกเป็นโมดูลละ agent ไม่ใช่ super-agent ตัวเดียวที่ทำทุกอย่าง. Sandy Lee สารภาพว่าตัวเองเคยพยายามทำ project แรกให้เป็น automation social media post ทั้งระบบในตัวเดียว แล้วล้มไม่เป็นท่า ก่อนหันมาออกแบบใหม่ด้วยคำถามว่า "งานทำมือชิ้นไหนที่ AI ทำแทนได้บ้าง" จากนั้นค่อยแยกเป็น agent ทีละชิ้น. agent ที่ Sandy Lee ระบุในรายการมีส่วนต่อไปนี้.

agent ตัวที่ 1 คือ Personal Brand Blueprint agent ใช้ Claude วิเคราะห์คำตอบจากกรอบ ikigai ของผู้สร้าง แล้วประมวลออกมาเป็นเอกสารระบุ brand position, ideal customer avatar (เช่น "professional วัย 30-50") และ content pillar ที่ผู้สร้างควรทำ. เอกสารนี้บันทึกในรูปแบบ markdown (.md file) เพื่อให้ agent ตัวอื่นในระบบเรียกใช้เป็น memory ร่วมกัน.

agent ตัวที่ 2 คือ Outlier Research agent ทำหน้าที่ scan ช่องของ creator คนอื่นในนิช แล้วส่งอีเมล digest ให้ Sandy Lee ทุกวันว่า วันนี้คลิปไหนของใครเป็น outlier และคลิปนั้นพุ่งเพราะอะไร. ตัวชี้วัดสำคัญคือ "outlier score" ซึ่ง Sandy Lee อธิบายว่าคำนวณจาก view ของคลิปนั้น เทียบกับค่าเฉลี่ยของช่องแล้วคูณ 100 ทำให้รู้ว่าคลิปไหน "เด้ง" ผิดปกติเมื่อเทียบกับ baseline ของช่องนั้นเอง ไม่ใช่เทียบกับ creator คนอื่น. agent ตัวนี้ลดเวลา research จาก 14-16 ชั่วโมง เหลือเพียงการอ่านอีเมลตอนเช้า.

agent ตัวที่ 3 คือ Idea-to-Script agent หยิบไอเดียจาก outlier video แล้วเปลี่ยนเป็น script ในสไตล์ของ Sandy Lee เอง โดยฝัง 7-step hook framework ไว้ ได้แก่ pattern interruption, authority, mirror the viewer, reveal the opportunity, expose the gap, promise the transformation และ transition เข้าเนื้อหา. agent นี้สร้าง output เป็น script เต็มพร้อม teleprompter view ที่ Sandy Lee เปิดอ่านขณะ record ได้ทันที. Sandy Lee ระบุว่าคลิปของตัวเองหลายตอนที่ได้ view สูงสุดของช่องใหม่ ผลิตจาก script ที่ agent ตัวนี้ generate ตรงๆ.

agent ตัวที่ 4 คือ Screen-share Visual agent ที่ generate slide สำหรับช่วง screen-share ในคลิป โดยใช้ palette และ style ที่ Sandy Lee กำหนดไว้ใน .md file ของ brand ทำให้ visual ของแต่ละคลิปยังคงโทนเดียวกัน ไม่ใช่ slide สำเร็จรูปจาก Canva ที่หน้าตาเหมือนช่องอื่น.

agent ตัวที่ 5 คือ Thumbnail agent ที่ฝัง Nano Banana Pro (โมเดล image gen ของ Gemini) ไว้ในเว็บแอปเดียวกัน. หลักการทำงานคือดาวน์โหลด thumbnail ของ outlier video แล้วป้อนภาพใบหน้าจริงของ Sandy Lee เข้าไปพร้อมคำสั่งให้สลับองค์ประกอบ เช่น เปลี่ยนข้อความหลักจาก "no code website" เป็น "Claude website" หรือสลับ product reference. กระบวนการเดิมที่เคยทำใน Photoshop กินเวลา 2 ชั่วโมงต่อ thumbnail หนึ่งใบ ส่วน agent ตัวนี้ลดเหลือไม่ถึง 10 นาที. Sandy Lee เน้นว่าต้องใช้ภาพใบหน้าจริงที่ตัดพื้นหลังแล้วป้อนเข้า agent ห้ามให้ AI generate หน้าใหม่ทั้งหมด เพราะจะออกมา "ดู AI" ทันที.

agent ตัวที่ 6 คือ LinkedIn Repurposer agent ที่ Sandy Lee เรียกว่า "inbound-outbound method" โดยรับ URL ของคลิป YouTube ที่ตัวเองเพิ่งโพสต์ แล้ว generate โพสต์ LinkedIn ออกมา 6 angle เพื่อเลือกใช้กับ persona ของผู้ชมแต่ละกลุ่ม. Sandy Lee เลือก LinkedIn เป็นจุดต่อยอด เพราะกลุ่ม decision maker และ marketing budget holder ส่วนใหญ่อยู่บนแพลตฟอร์มนี้มากกว่า Instagram. เธอเพิ่มกฎบังคับ agent ว่าห้ามใช้ emoji เกินจำเป็น และห้ามใส่ em dash ในโพสต์ LinkedIn เพราะสองอย่างนี้เป็นสัญญาณ AI slop ที่ผู้ชมจับสังเกตได้ง่าย.

6-agent system diagram centered on the personal brand .md file

จุดศูนย์กลางของระบบทั้งหมดที่ Sandy Lee อธิบายในรายการ The Calum Johnson Show ไม่ใช่ agent ตัวใดตัวหนึ่ง แต่เป็น personal brand .md file ที่ทุก agent อ้างอิงร่วมกัน. ไฟล์นี้ทำให้ output ของทั้งหกตัวยังคงมีโทนเดียวกัน ตั้งแต่ headline ของ idea, สคริปต์, thumbnail layout ไปจนถึงโพสต์ LinkedIn. ถ้าต้องเปลี่ยน brand voice ทั้งระบบ ก็แก้ไฟล์เดียวได้เลย ไม่ต้องไล่แก้ทีละ agent.

หลักการออกแบบที่ผู้ที่ไม่ใช่ developer ก็ใช้ได้

นอกจากตัว agent แล้ว Sandy Lee ยังสรุปหลักการออกแบบที่ผู้สร้าง content ในไทยซึ่งไม่ใช่สาย code ก็นำไปใช้ได้.

หลักการแรกคือ copy format ไม่ copy content ซึ่ง Sandy Lee ย้ำหลายครั้งในรายการของ Calum Johnson ว่าเป็นกฎที่ทำให้คลิปไวรัลได้โดยไม่กลายเป็น copycat. การ copy format หมายถึงนำโครง hook, จังหวะของ thumbnail, ลำดับการเล่าเรื่อง และความยาวของคลิปคู่แข่งที่เป็น outlier มาเป็น template ก่อนใส่เนื้อหา ประสบการณ์ และมุมมองของตัวเองเข้าไปแทน. Sandy Lee ใช้คำว่า "authentic ≠ original" คือผู้สร้างควรเน้นความเป็นตัวเอง (authentic) มากกว่าพยายามคิดทุกอย่างให้ original ตั้งแต่ศูนย์ เพราะแบบนั้นใช้เวลานานเกินจนถอดใจไปเสียก่อน.

หลักการที่สองคือ voice training ผ่าน .md file ที่ทำหน้าที่เป็น memory ของระบบ. ทุกครั้งที่ Sandy Lee ปรับ brand position หรือเพิ่มมุมมองใหม่ เธอจะ update ไฟล์นี้แล้วบอก Claude Code ให้รีโหลด context ใหม่ จึงไม่ต้องอธิบายซ้ำในทุก session. mindset นี้ทำให้ Sandy Lee มอง AI agent เหมือนพนักงานคนหนึ่งที่ต้องเทรนต่อเนื่อง ไม่ใช่ tool ที่กดครั้งเดียวจบ. เมื่อเทียบกับการจ้างพนักงาน Sandy Lee จึงตัดสินใจง่ายขึ้นว่าจะใส่ context อะไรลงไปบ้าง: ทุกอย่างที่จะบอกพนักงานใหม่ก็ควรอยู่ในไฟล์ .md ของระบบ.

หลักการที่สามคือ outlier score เทียบกับตัวเอง ไม่ใช่กับโลก. Sandy Lee สอนระบบให้คำนวณ outlier score ของคลิปจากค่าเฉลี่ยของช่องตัวเอง ทำให้ creator ขนาดเล็กรู้ว่าคลิปไหนเริ่มมีสัญญาณว่า audience สนใจมากกว่าปกติ แม้ตัวเลขสัมบูรณ์จะยังต่ำ และไม่ตกกับดักการเปรียบเทียบกับ creator ขนาดใหญ่จนเสียกำลังใจ.

หลักการที่สี่คือ inbound-outbound method ที่ Sandy Lee อธิบายว่า ช่วงแรกไม่ควรพึ่ง inbound (audience วิ่งเข้ามาเอง) อย่างเดียว เพราะ subscriber ยังน้อย แต่ควรใช้ LinkedIn ทำ outbound คือ repurpose คลิปเป็นโพสต์แล้วดูว่าใครกด engage จากนั้นจึงเข้าไปทักหา. Sandy Lee เปิดเผยว่าลูกค้า SEO automation รายแรกที่ได้ retainer 3,000 ดอลลาร์ต่อเดือน (ก่อนจะขยับเป็น 5,500) มาจากช่องทางนี้.

หลักการสุดท้ายที่ Sandy Lee ย้ำในตอนท้ายของรายการคือ ทำก่อนแก้ ไม่ใช่รอ perfect. Sandy Lee บอกว่าเมื่อระบบ AI พร้อมแล้ว iteration ใช้เวลาน้อยมาก ดังนั้นถ้ารอให้ผลลัพธ์ครั้งแรก perfect แล้วค่อยปล่อย ก็จะตามคู่แข่งที่ปล่อยเร็วและแก้ไประหว่างทางไม่ทัน.

ข้อสังเกต ข้อจำกัด และจุดเริ่มต้นสำหรับคนไทย

Sandy Lee ระบุข้อจำกัดของระบบนี้ไว้ตรงๆ ในรายการของ Calum Johnson หลายจุด.

ข้อแรกคือ ระบบนี้ไม่ใช่ทางลัดสำหรับคนที่ยังไม่มี domain expertise. Sandy Lee ย้ำว่าเธอสร้างระบบนี้ได้ภายในสองวัน เพราะมีประสบการณ์ content creator มาตั้งแต่ปี 2018 และรู้แล้วว่าอะไร work อะไรไม่ work จึงแค่ถ่ายทอดความรู้นั้นให้ AI generate ออกมา. สำหรับผู้สร้างที่ยังไม่มีประสบการณ์ในนิชของตัวเอง การโยน prompt ให้ Claude Code ทำงานทันทีจะได้ผลลัพธ์แบบ AI slop ทั่วไป เพราะขาด context จากประสบการณ์จริงที่จะใช้แยกความแตกต่าง.

ข้อที่สองคือ ค่าใช้จ่าย Claude Code tier ที่ Sandy Lee ใช้อยู่ที่ราว 100 ดอลลาร์ต่อเดือน ซึ่งสูงกว่า tier เริ่มต้น และเป็นต้นทุนคงที่ที่ผู้สร้างต้องประเมินก่อนเริ่ม. tier ที่ต่ำกว่านี้พอเริ่มได้ตามที่ Sandy Lee บอก แต่อาจติด rate limit เมื่อเพิ่มจำนวน agent.

ข้อที่สามคือ algorithm ของ YouTube ในปี 2026 ที่บังคับให้ creator ต้องเลือก audience เฉพาะกลุ่มให้ชัดเจน. หาก niche ของช่องยังไม่นิ่ง การปล่อยคลิปจำนวนมากแบบ random จะส่งผลเสียกับช่อง เพราะ AI ที่จัดการ recommendation จะอ่านสัญญาณว่า audience profile ไม่ชัด.

สำหรับผู้สร้าง content ในไทยที่อยากเริ่มต้นตามคำแนะนำของ Sandy Lee ในรายการ The Calum Johnson Show ขั้นแรกที่ทำได้ทันทีคือเขียน personal brand blueprint ในรูปแบบ markdown ลงบนเครื่อง โดยตอบคำถามสี่ข้อตามกรอบ ikigai: อะไรที่ชอบ, อะไรที่ถนัด, อะไรที่ตลาดต้องการ และอะไรที่ตลาดยอมจ่าย. เอกสารชุดนี้จะกลายเป็น input ของ agent ตัวแรก เมื่อเริ่มต่อ Claude Code เข้ามาในขั้นถัดไป. ขั้นที่สองคือเลือกหนึ่ง agent จากระบบของ Sandy Lee ที่แก้ pain point ของตัวเองได้มากที่สุด เช่น Outlier Research สำหรับคนที่ติดขั้น research หรือ Thumbnail สำหรับคนที่ติดขั้น design แล้วเริ่มเป็น project แรก. ไม่จำเป็นต้องสร้างครบ 6 ตัวพร้อมกัน เพราะ Sandy Lee เองก็เริ่มจากตัวเดียวก่อนจะค่อยๆ ขยายระบบ.

Note: ทุกตัวเลขและคำอธิบายในบทความนี้สรุปโดยตรงจากบทสัมภาษณ์ของ Sandy Lee ในรายการของ Calum Johnson ความยาว 81 นาที ไม่มีการเสริมข้อมูลจากแหล่งอื่น. ผู้ที่สนใจรายละเอียดเชิงปฏิบัติ เช่น การตั้งค่า prompt หรือโครงสร้างไฟล์ของแต่ละ agent ควรชม demo บนจอที่ Sandy Lee ทำสดในรายการเป็นหลัก เพราะการสาธิตด้วยภาพให้บริบทที่ข้อความสรุปครอบคลุมได้ไม่หมด.

ที่มาเต็ม: คลิป "The Mom Who Mastered Claude: How To Build An Audience That Buys Using Claude Code (Step by Step!)" โดย Sandy Lee สัมภาษณ์โดย Calum Johnson บนช่อง The Calum Johnson Show เผยแพร่เมื่อ 4 พฤษภาคม 2026 ความยาว 81 นาที 25 วินาที.