OpenExecutive คือโปรเจกต์โอเพนซอร์สจากทีม Sente Labs ที่จำลองทีมผู้บริหารระดับสูงอย่างตำแหน่ง C-level ทั้งชุดขึ้นมาเป็น AI โดยเปิดซอร์สโค้ดไว้ให้ทุกคนดาวน์โหลดไปรันใช้งานได้เองบน GitHub ที่ OpenExecutive

เรื่องนี้กลายเป็นประเด็นร้อนขึ้นมา เมื่อมีคนนำโปรเจกต์นี้ไปแชร์บน Hacker News เว็บบอร์ดที่คนสายเทคโนโลยีทั่วโลกใช้แลกเปลี่ยนความคิดเห็นกัน พร้อมตั้งชื่อกระทู้ว่า "ซีอีโอปลดโปรแกรมเมอร์เพื่อเปิดทางให้ AI แล้วโปรแกรมเมอร์ก็เลยปล่อยโอเพนซอร์ส AI CEO" ภายในเวลาเพียง 23 ชั่วโมง กระทู้นี้พุ่งขึ้นสู่อันดับต้นๆ ของหน้าแรก ด้วยคะแนนโหวต 937 คะแนน และมีคนเข้ามาพูดคุยถึง 647 คอมเมนต์ สัดส่วนคอมเมนต์ต่อคะแนนโหวตที่เกือบ 7 ใน 10 สะท้อนว่าผู้คนไม่ได้แค่กดโหวตผ่านๆ แต่เข้ามาแลกเปลี่ยนความคิดเห็นกันอย่างจริงจัง

ประเด็นถกเถียงไม่ได้หยุดอยู่แค่มุกตลกหรือการเอาคืน แต่กลายเป็นคำถามที่ตอบยากกว่านั้นมากว่า ระหว่างงานบริหารกับงานเขียนโค้ด งานแบบไหนใช้ระบบอัตโนมัติทำแทนได้ง่ายกว่ากัน และคำตอบจากวงสนทนานี้กลับไม่เกี่ยวกับว่าตำแหน่งนั้นสูงหรือต่ำเลยแม้แต่น้อย

หัวข้อกระทู้ไม่ใช่หลักฐานยืนยันข้อเท็จจริง

ก่อนจะไปต่อ ต้องแยกเรื่องสำคัญเรื่องหนึ่งให้ชัด เพราะคนมักเข้าใจผิดเวลาอ่านข่าวลักษณะนี้

เรื่องราวที่ว่า "ซีอีโอปลดโปรแกรมเมอร์" แท้จริงแล้วไม่ได้ระบุไว้ในตัวโปรเจกต์เลย ในเอกสารแนะนำอย่าง README หน้าแรกของโปรเจกต์ไม่มีข้อความใดที่ยืนยันว่ามีเหตุการณ์ปลดพนักงานเกิดขึ้นจริง บริบทดราม่าทั้งหมดมาจากผู้โพสต์กระทู้ที่ตั้งชื่อขึ้นมาเอง ซึ่งก็ถือเป็นพาดหัวข่าวที่ดึงดูดความสนใจได้เป็นอย่างดี

ที่ต้องแยกสองเรื่องนี้ออกจากกัน ก็เพราะแรงจูงใจเบื้องหลังของคนทำเป็นสิ่งที่เราไม่อาจรู้ได้แน่ชัด แต่สิ่งที่ตรวจสอบได้จริงคือตัวซอร์สโค้ดของโปรเจกต์ที่เปิดเผยทั้งหมด ใครก็เข้าไปดูได้ว่าระบบทำอะไรได้บ้าง และความสามารถที่ระบบทำได้จริงนี่เอง ที่ทำให้ข้อถกเถียงนี้มีน้ำหนัก ไม่ใช่แค่เรื่องพาดหัวดราม่า

ภายใน OpenExecutive: AI Agent 8 ตัวทำงานเบื้องหลังคำตอบของผู้บริหาร

สิ่งที่ผู้ใช้งานเห็นภายนอกคือคำตอบจากผู้บริหารคนเดียว เมื่อพิมพ์คำถามเข้าไป ก็จะได้คำตอบกลับมาด้วยน้ำเสียงและมุมมองที่เป็นเอกภาพทุกครั้ง แต่เบื้องหลังคำตอบนั้น มี AI Agent ทำงานร่วมกันอยู่ถึง 8 ตัว คอยรับหน้าที่จัดการงานเฉพาะด้านตามสายงานบริหาร ทั้งด้านกลยุทธ์ การเงิน ทรัพยากรบุคคล กฎหมาย ปฏิบัติการ การตลาด ผลิตภัณฑ์ และการสื่อสารกับคณะกรรมการบริหาร

ระบบทำงานโดยให้ตัวควบคุมหลักอย่าง Executive Orchestrator รับข้อความจากผู้ใช้ก่อน แล้วเรียก Agent เฉพาะทางในด้านที่เกี่ยวข้องมาประมวลผลพร้อมกัน แต่ละตัวจะค้นข้อมูลจาก ChromaDB ซึ่งเป็นฐานข้อมูลที่ค้นหาด้วยความหมายและบริบท ไม่ได้จับคู่แค่คำค้นหาตรงๆ เมื่อทุกตัววิเคราะห์เสร็จ ตัวควบคุมหลักจะรวบรวมข้อมูลทั้งหมดและสรุปเป็นคำตอบเดียว ผู้ใช้จึงเห็นเพียงคำตอบสุดท้าย โดยไม่รู้ว่าเบื้องหลังมีใครช่วยคิดบ้าง

การให้ Agent หลายตัวทำงานขนานกันแบบนี้ใช้แนวทางเดียวกับที่เราเคยอธิบายไว้ในบทความ ระบบ Multi-Agent ที่ส่ง AI 5 ตัวรุม Review Code ต่างกันตรงที่คราวนี้เปลี่ยนจากการตรวจสอบโค้ดเป็นการจำลองห้องประชุมผู้บริหาร

นอกจากนี้ยังมีรายละเอียดทางเทคนิคอื่นๆ ที่ทำให้โปรเจกต์นี้ไม่ใช่แค่แชตบอตตอบคำถามทั่วไป

• ฐานความรู้สองชั้น: ทุกครั้งที่เรียก Agent เฉพาะทาง ระบบจะดึงข้อมูลจากทั้งองค์ความรู้ด้านบริหารธุรกิจระดับ MBA ที่ติดตั้งมากับโปรเจกต์ และเอกสารจริงของบริษัทที่ผู้ใช้อัปโหลดเข้าไป (เช่น เอกสารนำเสนอนักลงทุน หรือแบบจำลองทางการเงิน) โดยจัดเก็บแยกส่วนกันอย่างชัดเจน
• ระบบบันทึกความจำ: หลังตอบคำถามแต่ละครั้ง AI โมเดลขนาดเล็กจะสรุปการตัดสินใจและข้อเสนอแนะสำคัญลงฐานข้อมูล ระบบจึงจำได้ว่าเคยแนะนำหรือวางแผนอะไรไว้เมื่อต้องคุยกันในรอบถัดไป
• ระบบตั้งเวลาแจ้งเตือนในตัว: แจ้งเตือนงานหรือติดตามประเด็นต่างๆ เมื่อถึงกำหนดได้เองโดยไม่ต้องรอให้ผู้ใช้ถาม และออกแบบมาให้รันครั้งละชุดเดียวเพื่อป้องกันการแจ้งเตือนซ้ำซ้อน
• เลือกเชื่อมต่อโมเดลได้อย่างอิสระ: รองรับการเชื่อมต่อกับโมเดล AI ที่รันบนเครื่องตัวเอง เช่น เครื่องมืออย่าง Ollama หรือ LM Studio ได้ทันทีโดยไม่ต้องแก้ไขโค้ดของ Agent และเปิดให้ใช้งานภายใต้สัญญาอนุญาตแบบเปิดอย่าง Apache 2.0 ซึ่งนำไปใช้ในเชิงพาณิชย์ได้ฟรีเพียงแค่ระบุที่มา

การจัดสรรทรัพยากรของโปรเจกต์นี้ยังสะท้อนมุมมองต่องานบริหารได้อย่างชัดเจน สำหรับบทบาทที่ต้องคิดวิเคราะห์เชิงลึกอย่างด้านกลยุทธ์ การเงิน กฎหมาย และการสื่อสารกับคณะกรรมการบริหาร ระบบจะเลือกใช้โมเดลขนาดใหญ่ที่เปิดโหมดคิดวิเคราะห์ละเอียด ส่วนงานบันทึกความจำและสรุปข้อมูลจะใช้โมเดลขนาดเล็กที่เร็วกว่าและประหยัดต้นทุนกว่า ซึ่งเป็นการออกแบบที่กำหนดไว้ตั้งแต่แรกว่างานส่วนไหนคุ้มค่าที่จะใช้พลังประมวลผลสูง

มุมมองแรก: งานผู้บริหารเต็มไปด้วยขั้นตอนและรูปแบบที่ทำซ้ำได้

เมื่อโปรเจกต์นี้กลายเป็นกระแส ความคิดเห็นฝั่งหนึ่งชี้ว่างานบริหารจำนวนมากแจกแจงเป็นขั้นตอนการทำงานที่ชัดเจนได้ ไม่ต่างจากงานสายเทคนิค

ตัวอย่างเช่น การร่างประกาศปลดพนักงานก็ใช้โครงสร้างจดหมายเดิมๆ การอนุมัติตามกฎเกณฑ์ก็เป็นไปตามเงื่อนไขที่กำหนดไว้ หรือการรายงานตัวชี้วัดผลงานอย่าง KPI ประจำไตรมาสก็ใช้รูปแบบเดิมเกือบทั้งหมด เพียงแค่เปลี่ยนตัวเลข ฝั่งนี้จึงมองว่างานเขียนโค้ดอาจจะยากกว่าด้วยซ้ำ เพราะโปรแกรมเมอร์ต้องเจอกับโจทย์ใหม่ที่ต้องคิดวิธีแก้ปัญหาเฉพาะหน้าอยู่แทบทุกวัน ขณะที่การตัดสินใจของผู้บริหารจำนวนมาก กลับเป็นรูปแบบเดิมๆ ที่วนซ้ำ

สิ่งที่ทำให้ข้อคิดเห็นนี้จับต้องได้จริง คือวิธีที่โปรเจกต์ OpenExecutive ใช้วัดผลตัวเอง โดยสร้างชุดทดสอบสถานการณ์จำลองขึ้นมา 29 กรณี ครอบคลุมงานบริหารทั้ง 8 ด้าน แล้วให้โมเดล AI อีกตัวทำหน้าที่เป็นกรรมการประเมินคะแนนใน 5 มิติ ตั้งแต่ความสม่ำเสมอของบุคลิกภาพ ความแม่นยำของเนื้อหา ไปจนถึงการส่งต่องานให้ Agent เฉพาะทางได้ถูกต้อง แต่ละมิติให้คะแนน 1 ถึง 5 โดยตั้งเกณฑ์ผ่านไว้ที่คะแนนเฉลี่ยไม่ต่ำกว่า 3.5

ถ้ามองเรื่องนี้ในมุมของเนื้องาน ไม่ใช่มุมของการพัฒนาซอฟต์แวร์ การที่สามารถแปลงงานผู้บริหารออกมาเป็นสถานการณ์พร้อมเกณฑ์ตัดสินที่ชัดเจนได้ถึง 29 ข้อ ย่อมหมายความว่างานส่วนนั้นมีรูปแบบที่ตายตัวมากพอจะคาดเดาคำตอบที่ถูกหรือผิดได้ และเมื่องานส่วนไหนเขียนเป็นข้อสอบพร้อมเฉลยได้ ส่วนนั้นก็คือสิ่งที่เครื่องจักรเรียนรู้และทำตามได้เช่นกัน

อีกมุมมอง: คุณค่าที่แท้จริงอยู่ที่ความน่าเชื่อถือและการมีคนรับผิดชอบทางกฎหมาย

ในทางกลับกัน ความคิดเห็นอีกฝั่งไม่ได้ปฏิเสธว่า AI ช่วยวิเคราะห์หรือช่วยตัดสินใจได้ แต่มองว่าอีกฝ่ายกำลังมองผิดจุด

มุมมองของฝั่งนี้คือ คุณค่าที่แท้จริงของซีอีโอที่เป็นมนุษย์ อยู่ที่การมีตัวตน ความน่าเชื่อถือ และสายสัมพันธ์ทางสังคม AI ไม่สามารถไปร่วมงานสัมมนาเพื่อสร้างเครือข่าย นั่งร่วมโต๊ะเจรจาลับในการควบรวมกิจการ หรือสร้างความเชื่อมั่นให้กับห้องประชุมที่เต็มไปด้วยนักลงทุนสถาบันได้ ซึ่งเครือข่ายความสัมพันธ์และความไว้วางใจระหว่างมนุษย์เหล่านี้ ไม่ใช่สิ่งที่จะอัปโหลดเข้าสู่ระบบคอมพิวเตอร์ได้

แต่ประเด็นสำคัญกว่านั้นมากที่ผู้คนในกระทู้เห็นตรงกันคือ

ซีอีโอมีไว้เพื่อรับผิดชอบ เมื่อเกิดความผิดพลาดขึ้นมา เขาคือคนที่ต้องออกมารับหน้าและรับผลที่ตามมา นั่นแหละคืองานที่แท้จริงของเขา

มีความคิดเห็นที่ระบุอย่างตรงไปตรงมาว่า หวังว่าจะไม่มีการแก้กฎหมายจนยอมให้ AI จดทะเบียนจัดตั้งบริษัทหรือทำหน้าที่เป็นกรรมการบริหารได้ เพราะหากวันใดเกิดความเสียหายขึ้นมา ใครจะเป็นผู้รับผิดชอบทางกฎหมาย และจะเอาผิดกับใคร คำถามนี้ไม่ได้เกี่ยวกับว่า AI ตัดสินใจได้ฉลาดแค่ไหน แต่ถามถึง "ชื่อและลายเซ็น" ของมนุษย์ที่จะต้องรับผิดชอบต่อผลลัพธ์ของการตัดสินใจนั้น

นอกจากนี้ ยังมีอีกมุมมองหนึ่งว่า การนำ AI มาช่วยงานผู้บริหารอาจไม่ได้ทำให้ประหยัดเงินด้วยการปลดผู้บริหารออกทั้งหมด แต่ช่วยลดเพดานค่าตอบแทนของตำแหน่งลง กล่าวคือ ตำแหน่งผู้บริหารอาจยังคงอยู่ แต่สิ่งที่จะลดลงคืออำนาจต่อรองเรื่องเงินเดือนและผลตอบแทนที่เคยสูงลิ่ว

บทสรุป: เกณฑ์ที่แท้จริงคืองานซ้ำแค่ไหน ไม่ใช่ระดับเงินเดือน

เมื่อนำข้อคิดเห็นของทั้งสองฝั่งมาพิจารณาคู่กัน จะเห็นว่าทั้งคู่ไม่ได้มองต่างมุมกันอย่างสิ้นเชิง เพราะทั้งสองฝ่ายต่างยอมรับเหมือนกันว่า งานใดก็ตามที่มีรูปแบบชัดเจน ย่อมสามารถส่งต่อให้ระบบอัตโนมัติทำแทนได้ สิ่งที่ยังคงถกเถียงกันอยู่ มีเพียงแค่ว่าในแต่ละบทบาทหน้าที่ งานส่วนไหนมีรูปแบบที่ทำซ้ำได้ และส่วนไหนที่ทำซ้ำไม่ได้ต่างหาก

ถ้าเราประเมินความเสี่ยงตามระดับเงินเดือน ตำแหน่งที่มีค่าตอบแทนสูงที่สุดในบริษัทก็น่าจะปลอดภัยที่สุด แต่โปรเจกต์นี้กลับท้าทายสมมติฐานดังกล่าวโดยตรง เพราะงานของผู้บริหารหลายเรื่องมีตำราและแนวทางเขียนไว้อยู่แล้ว ทั้งยังใช้โครงสร้างประกาศ เงื่อนไขการอนุมัติ และรูปแบบรายงานแบบเดิม

เกณฑ์ที่ใช้ประเมินได้จริงจึงเป็น "ความซ้ำซากของเนื้องาน" ไม่ใช่ระดับตำแหน่ง ทุกคนสามารถนำเกณฑ์นี้ไปสำรวจงานของตัวเองได้ทันที โดยแจกแจงงานทั้งหมดที่ทำในสัปดาห์ที่ผ่านมาเป็นข้อๆ แล้วถามตัวเองทีละข้อ

• งานนี้ถ้าต้องส่งต่อให้คนใหม่ทำแทน เราสามารถเขียนอธิบายทีละขั้นตอนจนจบกระบวนการได้หรือไม่?
• ในเดือนถัดไป เรายังต้องทำงานในรูปแบบเดิมนี้ซ้ำอีกกี่รอบ?

งานชิ้นไหนที่เราเขียนอธิบายเป็นขั้นตอนได้ทั้งหมดและต้องทำซ้ำอีกหลายรอบ งานนั้นก็คือส่วนที่มีรูปแบบชัดเจน ส่วนงานที่เหลือต้องอาศัยการตัดสินใจและการแก้ปัญหาเฉพาะหน้าโดยไม่มีสูตรสำเร็จตายตัว

ท้ายที่สุดแล้ว เราทุกคนต้องเลือกเองว่าจะส่งต่องานส่วนที่ซ้ำซากให้ AI จัดการ แล้วนำเวลาไปทุ่มกับงานที่ต้องใช้การตัดสินใจ หรือจะเก็บงานทั้งหมดไว้ทำเองต่อไป ทางเลือกแรกช่วยประหยัดเวลาได้อย่างมหาศาล แต่เรายังคงต้องตรวจสอบและรับผิดชอบผลลัพธ์อยู่ดี ส่วนทางเลือกที่สองอาจทำให้รู้สึกปลอดภัยในระยะสั้น แต่ก็หมายความว่าเวลาส่วนใหญ่ของเรายังคงหมดไปกับงานที่อธิบายเป็นขั้นตอนได้ทั้งหมด

เส้นแบ่งของการถูกแทนที่จึงไม่ได้อยู่ระหว่างงานยากกับงานง่าย และไม่ได้อยู่ระหว่างเงินเดือนสูงกับเงินเดือนต่ำ แต่อยู่ระหว่างงานที่สามารถเขียนอธิบายเป็นขั้นตอนได้ครบถ้วน กับงานที่ต้องมีมนุษย์คอยลงชื่อรับผิดชอบเมื่อเกิดความเสียหายขึ้นจริง

---

ที่มา: โปรเจกต์ OpenExecutive บน GitHub