“AI Product Management” 2 ปีผ่านไป เราได้อะไร?
“AI Product Management” 2 ปีผ่านไป เราได้อะไร นอกจากความตื่นเต้น?
หรือเรากำลัง “ผลิต” Product Manager ที่เก่งเครื่องมือ แต่กลวงในตรรกะ?
====
ถ้าคุณเดินเข้าไปในหลายองค์กรวันนี้ คุณจะเห็นภาพที่ชวนขำปนเศร้าอยู่ คือ
* บางทีมยังถกกันเรื่อง PO vs PM ซึ่งแตกต่างกันมากในแต่ละบริษัท
* บางทีมยังให้คุณค่ากับ Scrum Ceremony มากกว่าผลลัพธ์
* และหลายองค์กรเพิ่งเริ่ม “ลองของ” AI แบบยังไม่ ทันตั้งคำถามให้ถูกด้วยซ้ำ
ขณะเดียวกัน โลกตะวันตกเริ่มทดลองเอา Generative AI เข้าไปเปลี่ยน วิธีการสร้างผลิตภัณฑ์ มาแล้วราว 2 ปี และบทเรียนสำคัญที่สุด คือ
AI ไม่ได้ทำให้ Product Management ง่ายขึ้น แต่ทำให้ “ของปลอม” อยู่ยากขึ้น และทำให้ “ของจริง” ทวีคูณได้เร็วขึ้น
บทความนี้หยิบกรอบคิดที่มอง AI ในมิติ “เปลี่ยนวิธีทำงานของทีม Product” ไม่ใช่แค่ “ใส่ AI ลงในฟีเจอร์” แล้วจบ พร้อมผูกเข้ากับโจทย์ขององค์กรไทยที่กำลังจะโดนทดสอบหนักขึ้นในปี 2026
====
1. “แยกให้ชัดก่อน” เราพูดถึง AI แบบไหนกันแน่?
เวลาพูดถึง Generative AI เรากำลังพูดถึง 2 เรื่องที่คนมักปนกัน คือ
A. AI เป็นส่วนหนึ่งของผลิตภัณฑ์ (Product capability)
B. หรือ AI เปลี่ยนวิธีที่เราสร้างผลิตภัณฑ์ (Product creation)
บทความนี้โฟกัสในแบบ B. พราะนี ่คือจุดที่ “อาชีพ PM” และ “ระบบการทำงานทั้งองค์กร” จะถูก redesign
* ประเด็น คือ…แม้ข่าวและบทความจะประกาศกันว่า “PM แบบเดิมจบแล้ว” แต่ความจริงใน 2 ปีที่ผ่านมา ยังไม่ได้เปลี่ยนเร็วแบบที่หลายคนคาด โดยเฉพาะในประเทศไทย ด้วยอย่างน้อยในแง่โครงสร้างตำแหน่งและความเข้าใจในบทบาท
* และนี่ทำให้เกิด “กับดัก” ที่อันตรายมาก คือ องค์กรเริ่มมั่นใจผิดว่า AI เป็นแค่ tool ช่วยงานเร็วขึ้น ทั้งที่จริงมันกำลังเปลี่ยน “มาตรฐานความเป็นมืออาชีพ” ของคนทำ Product ทั้งระบบ
====
2. AI จะเขย่าตรงไหนในโลก Product Management?
ปัญหาเรื้อรังในหลายองค์กร คือ คนส่วนใหญ่พูดถึง PM แค่ 2 แบบแรก แต่ไม่ค่อยพูดถึงแบบที่ 3 ทั้งที่ “ของจริง” อยู่ตรงนั้น กล่าวคือ
แบบที่ 1 : “Delivery Team Product Ownership” = เจ้าของงานส่งมอบ ทำ backlog ทำสเปก ทำตามคำสั่ง
แบบที่ 2 : “Feature Team Product Management” = ท ำฟีเจอร์ตาม roadmap ที่คนอื่นวาง ทำ optimization รายส่วน
แบบที่ 3 : “Empowered Team Product Management” = ทีมที่ถูกให้อำนาจ “แก้ปัญหาลูกค้า” ด้วยวิธีที่ดีที่สุด และรับผิดชอบผลลัพธ์
คำถามที่ควรถามคือ ถ้าองค์กรของคุณยังอยู่ใน Delivery/Feature mindset…คุณจะใช้ AI ไปเพื่ออะไร?
คำตอบที่น่ากลัวคือ คุณจะใช้ AI เพื่อ “เร่งความเร็วของระบบเดิม” และสุดท้ายได้แค่
* สเปกเร็วขึ้น
* เอกสารสวยขึ้น
* Prototype มากขึ้น
* แต่นวัตกรรมไม่เพิ่ม หรือแย่กว่านั้นคือยิ่งหลงทางเร็วขึ้น
AI จะมีความหมายจริง ก็ต่อเมื่อองค์กรอยู่ในโหมด Empowered team เพราะ AI จะไปทวีคูณ “ความสามารถในการค้นพบและตัดสินใจ” ไม่ใช่แค่ “ความสามารถในการผลิต artifact”
====
3. ทำไม Engineer/Design เห็นผลทันที แต่ PM ยัง “เหมือนยังไม่ค่อยโดน”?
เพราะสาย Engineer และ Design ผลกระทบจับต้องได้ทันที คือ เห็นเลยว่า “AI ช่วยเขียนโค้ด ช่วยสร้าง UI/Prototype ได้จริง และเห็นผลในความเร็ว (Speed) แบบที่ปฏิเสธไม่ได้”
แต่กับ PM ผลกระทบดูคลุมเครือ เพราะแก่นงาน PM ไม่ได้อยู่ที่การผลิตสิ่งของ แต่อยู่ที่
* การนิยามปัญหา
* การเลือกเดิมพัน
* การตัดสินใจภายใต้ความไม่แน่นอน
* การสร้าง alignment ระหว่างลูกค้า ธุรกิจ และเทคโนโลยี
นี่คือเหตุผลที่ “PM ของจริง” จะไม่ถูกแทนที่ง่ายๆ แต่ขณะเดียวกัน PM ที่ทำงานแบบ checklist / copy-paste / backlog secretary จะอยู่ยากขึ้นเรื่อยๆ เพราะ AI ทำได้เร็วกว่า ถูกกว่า และไม่บ่น
====
4. “AI เป็นอาวุธของคนเก่ง…แต่เป็นยาพิษของมือใหม่”
AI ให้ประโยชน์แบบ “ไม่เท่ากัน”
* คนที่มีประสบการณ์สูง ใช้ AI แล้ว “กระโดด” ได้มาก
* คนประสบการณ์ต่ำ ใช้ AI แล้ว “ไม่ได้ดีขึ้นเท่าที่คิด” และบางกรณีทำให้แรงจูงใ จ/ความพึงพอใจในงานแย่ลง
AI ไม่ได้ทำให้คนเก่งขึ้นแบบเท่าเทียม แต่ทำให้ “ช่องว่างระหว่างของจริงกับของปลอม” กว้างขึ้น
และนี่คือจุดที่ผมอยากเตือนว่าถ้าองค์กรไทยรีบ “Scale AI Tooling” โดยยังไม่ได้ลงทุนเรื่อง Product sense / Discovery skill / Decision quality เราอาจกำลังสร้างรุ่นใหม่ที่เป็น
“Product Manager กลวง” คือ เก่ง prompt, เก่งทำสไลด์, เก่งทำ PRD, เก่งทำ roadmap แต่…
* ไม่ชัดว่าลูกค้าเจ็บตรงไหน
* ไม่รู้จะพิสูจน์ value ยังไง
* ไม่กล้าตัดสินใจเรื่องยาก
* ไม่รู้จัก trade-off
AI จะทำให้ PM แบบนี้ “ดูเหมือนมืออาชีพ” เร็วขึ้นในสายตาคนที่ไม่ลึก แต่สุดท้ายจะพังในสนามจริง เพราะนวัตกรรมไม่ได้เกิดจากการพูดเก่ง มันเกิดจากการตัดสินใจที่ดีซ้ำ ๆ
====
5. แล้ว AI จะพาเราไป Innovation หรือแค่ Workaround?
ตัวอย่างคำถามที่เราควรสงสัย คือ
* Gen AI จะเปลี่ยน Product Discovery อย่างไร?
* งานไหนของ PM ที่ AI จะ “เสริม” และงานไหนที่ AI จะ “แทนที่”?
* AI จะทำให้ทีม Product สร้างสรรค์ขึ้น หรือ ชินกับทางลัด?
* เราจะจบลงที่ “quick win/patch” หรือไปถึง “solution ใหม่จริง”?
ประเด็นคือ วันนี้เราอาจกำลังชนะด้วย Output (ของออกไวขึ้น) แต่แพ้ใน Outcome (ของไม่ตอบโจทย์) และแพ้หนักสุดใน Learning (ทีมไม่ฉลาดขึ้น เพราะไม่ต้องคิดลึก)
จุดเรียนรู้สำคัญ
* AI Strategy ที่ไม่เริ่มจาก “คำถามที่ถูก” จะจบที่ “คำตอบที่ผิดเร็วขึ้น” —> ความเร็วไม่ใช่ชัยชนะ ถ้าทิศทางผิด
* Empowered team คือ prerequisite ของ AI Product Management —> ถ้ายังสั่งงานแบบ delivery/feature ทีมจะใช้ AI ไปผลิตเอกสาร ไม่ใช่ผลิตคุณค่า
* AI ทำให้ “Product sense” กลายเป็นสินทรัพย์ราคาแพงขึ้น —> คนที่คิดเป็นจะทวีคูณ คนที่คิดไม่เป็นจะพึ่งพาและกลวงเร็วขึ้น
* อย่าวัด ผล AI ด้วย output (จำนวน prototype/PRD/roadmap )—> แต่ให้วัดด้วย decision quality + learning velocity
* ลงทุนการพัฒนาคนก่อน scale เครื่องมือ —> ไม่งั้นองค์กรจะได้ระบบที่เร็วขึ้น แต่คนอ่อนลง
====
6. แล้วองค์กรควรทำอะไร “ตั้งแต่สัปดาห์นี้”
ผมขอเสนอกรอบปฏิบัติแบบไม่ขายฝัน 5 ข้อ คือ
1. กำหนด “AI Boundary” ให้ชัด คือ งานไหนให้ AI ช่วยได้ งานไหนต้อง human judgement และต้องมี owner รับผิดชอบเสมอ
2. “ออกแบบ Discovery Loop ใหม่” คือ ให้ AI ช่วยสังเคราะห์/จำลอง/สรุป แต่ให้ทีมยังต้องลงสนามจริง (ลูกค้า/ข้อมูล/ข้อเท็จจริง) เพราะ “ปัญญา” ต้องเกิดจากของจริง
3. “ยกระดับมาตรฐานการตัดสินใจ” คือ โดยทุกเดิมพันต้องตอบ 3 คำถาม: เรารู้จริงแค่ไหน? เสี่ยงอะไร? จะพิสูจน์เร็วๆ ยังไง?
4. สร้าง “AI Product Craft” ภายในทีม คือ แชร์ prompt library ได้ แต่ต้องแชร์ “ตรรกะ” และ “หลักคิดการประเมินคำตอบ” มากกว่ าแชร์เทคนิค
5. “ประเมินคนแบบใหม่” เลื่อนตำแหน่งด้วย problem framing, critical thinking, customer insight, trade-off ไม่ใช่ด้วยจำนวนเอกสาร/อายุงาน/หรือเด็กของใคร
====
ดังนั้น AI ไม่ได้ทำให้ PM หายไป…แต่ทำให้ “ของจริง” โดดเด่นขึ้น
สิ่งที่น่ากลัวในยุคนี้ ไม่ใช่ AI มาแทน PM แต่คือ PM หลายคนจะ “ค่อย หายไปจากวงการ” โดยไม่รู้ตัว เพราะทักษะหลักถูกแทนที่หมดแล้ว เหลือแค่พิธีกรรมและศัพท์เทคนิคใหม่
ถ้าคุณเป็นผู้บริหาร ผมอยากให้จำประโยคนี้ไว้
* องค์กรที่ใช้ AI เพื่อเร่งการผลิต จะได้ความเร็ว
* องค์กรที่ใช้ AI เพื่อเร่งการเรียนรู้ จะได้นวัตกรรม
และสุดท้าย…นวัตกรรมไม่ได้เกิดจากเครื่องมือที่ล้ำที่สุด แต่มาจาก “วิธีคิด” ที่ไม่ยอมให้ความสะดวกสบาย ทำลายความลึกของมนุษย์
====
แหล่งข้อมู ล (อ่านต่อ)
* SVPG: AI Product Management: 2 Years In
* SVPG: Product, Design and AI
* The Wall Street Journal: Will AI Help or Hurt Workers? One 26-Year-Old Found an Unexpected Answer
ผ่านการทำงานกับ AI ในวงการ Product Management มาเกือบสองปี ผมได้เห็นทั้งโอกาสและความท้าทายที่ชัดเจนมากขึ้น AI ไม่ใช่แค่ตัวช่วยเร่งงานที่เคยเข้าใจทั่วไป แต่เป็นตัวเร่งให้เกิดการเปลี่ยนแปลงในกระบวนการคิดและการทำงานของทีมอย่างแท้จริง อย่างแรกที่ผมพบคือ AI เฉพาะจะช่วยคนที่มีความเข้าใจลึกซึ้งดีเท่านั้น เช่น PM ที่มีประสบการณ์และเข้าใจลูกค้า สามารถใช้ AI เพื่อค้นหา Insight ใหม่ ๆ หรือจำลองสถานการณ์ได้อย่างรวดเร็ว ไม่ใช่เพียงแค่ทำเอกสารหรือสเปกได้เร็วขึ้นเท่านั้น แต่จะช่วยเพิ่มคุณภาพการตัดสินใจที่สำคัญ ในขณะเดียวกัน การนำ AI มาใช้ในองค์กรที่ยังติดกับ mindset แบบเดิม เช่น Delivery Team หรือ Feature Team ทำให้องค์กรเสี่ยงใช้ AI เพื่อเพิ่มความเร็วงานที่เดิมซึ่งไม่มีนวัตกรรมเพิ่มขึ้นเลย บางครั้งก็ส่งผลให้หลงทางเร็วขึ้นเพราะขาดการตั้งคำถามและการสำรวจปัญหาจริง ๆ ที่ลูกค้าประสบ สิ่งที่สำคัญกว่าคือการเตรียมทีมให้พร้อมในภาพใหญ่ ด้วยการฝึกฝน Product Sense, การค้นพบปัญหา (Discovery Skill) และการตัดสินใจที่มีคุณภาพ ซึ่งจะเป็นเครื่องมือสำคัญที่ทำให้ AI กลายเป็นอาวุธที่ทรงพลัง ไม่ใช่แค่เครื่องมือทุ่นแรง ผมแนะนำว่าการนำ AI มาใช้ใน Product Management ควรเริ่มจากการกำหนดขอบเขตของ AI ให้ชัดเจน ว่างานส่วนไหนควรให้ AI ช่วย และส่วนไหนจำเป็นต้องการสอบถามและตัดสินใจโดยมนุษย์ นอกจากนี้ต้องออกแบบวงจร Discovery Loop ใหม่ เพื่อให้ยังคงลงสนามจริงและเรียนรู้จากข้อมูลจริง สุดท้าย การวัดผลความสำเร็จในการใช้ AI ควรมุ่งเน้นไปที่คุณภาพของการตัดสินใจและความเร็วในการเรียนรู้ของทีม (decision quality + learning velocity) มากกว่าจำนวนของ output ที่ผลิตได้เท่านั้น เพราะนวัตกรรมที่แท้จริงเกิดจากการตัดสินใจที่ดีและการเรียนรู้ที่ลึกซึ้ง ในแง่ประสบการณ์ส่วนตัว การรักษาความลึกของการคิดและกลยุทธ์ในยุค AI จึงเป็นสิ่งสำคัญที่สุดที่จะช่วยให้ทีมและองค์กรไม่เพียงแค่ทำงานได้เร็วขึ้น แต่ยังทำงานได้ฉลาดและสร้างสรรค์นวัตกรรมที่ตอบโจทย์ตลาดจริงๆ ได้ในอนาคต