สรุปจากคลิป ดูคลิปต้นฉบับ

วิธีใช้ Hermes Agent ฟรี พร้อมต่อ Step 3.7 Flash ใช้งานจริง

เครื่องมือ AI ที่น่าสนใจที่สุดตอนนี้ ไม่ใช่แค่ model ที่ตอบเก่งขึ้น แต่คือ model ที่เอาไป “ลงงาน” ได้จริง ทั้งเปิดเบราว์เซอร์ อ่านไฟล์ สรุปโน้ต และทำงานหลายขั้นตอนแทนเราได้ใน flow เดียว จุดนี้เองที่ทำให้คลิปจากช่อง Julian Goldie SEO น่าสนใจมาก เพราะไม่ได้หยุดแค่การโชว์ของใหม่ แต่พาไปถึงวิธีเอา Hermes Agent ไปใช้ฟรีร่วมกับ Step 3.7 Flash ภายในเวลาไม่กี่นาที

ประเด็นที่สำคัญกว่าการติดตั้ง คือแนวคิดเบื้องหลังว่าเราควรเริ่มใช้ AI agent ยังไงไม่ให้หลงกับของเล่นใหม่แล้วจบที่ไม่ได้อะไรกลับมา สำหรับเจ้าของธุรกิจและคนทำงานในไทย นี่เป็นคลิปที่มีประโยชน์ตรงที่มันชี้ชัดว่า AI agent ไม่ได้มีไว้โชว์เดโม แต่เอาไปช่วยงานซ้ำ งานเอกสาร งานค้นข้อมูล และงานวางแผนได้ทันที ถ้าเริ่มเป็นขั้นตอน

สารบัญ

• Step 1: เข้าใจก่อนว่า Hermes Agent กับ Step 3.7 Flash ทำงานร่วมกันยังไง
• Step 2: ตั้งค่า Hermes Agent ให้พร้อมใช้งานแบบฟรี
• Step 3: เลือกงานที่เหมาะกับความสามารถของ agent
• Step 4: ใช้ agent กับงานจริง เช่น เบราว์เซอร์ โน้ต และไฟล์ในเครื่อง
• Step 5: เปลี่ยนคำสั่งธรรมดาให้กลายเป็นงานอัตโนมัติด้วย Kanban
• Step 6: ใช้หลัก LIFT เพื่อเริ่มแบบไม่ล้นมือ
• Step 7: บันทึกงานที่สำเร็จแล้วเป็น skill เพื่อไม่ต้องเริ่มใหม่ทุกครั้ง
• Step 8: เริ่มเล็ก พูดภาษาคน และอย่าหมกมุ่นกับ model มากเกินไป
• Step 9: Actionable Insights ที่เอาไปใช้กับธุรกิจได้ทันที
• Step 10: Troubleshooting ปัญหาที่มักเจอเมื่อเริ่มใช้ Hermes Agent
• Step 11: การต่อยอดหลังจากเริ่มใช้ได้แล้ว
• Step 12: สรุป Checklist ทั้งหมด

Step 1: เข้าใจก่อนว่า Hermes Agent กับ Step 3.7 Flash ทำงานร่วมกันยังไง

แกนหลักของคลิปนี้คือการเอา Step 3.7 Flash มาใช้เป็น model ภายใน Hermes Agent แบบใช้ฟรี 30 วันผ่าน news portal ที่ระบบรองรับอยู่แล้ว ภาพง่ายๆ คือ Hermes Agent ทำหน้าที่เป็น “ตัวลงมือทำงาน” ส่วน Step 3.7 Flash เป็น “สมอง” ที่ช่วยคิด ตีโจทย์ และตัดสินใจในงานแต่ละขั้น

จุดที่น่าสนใจคือ model นี้ไม่ได้มีดีแค่ตอบข้อความ แต่รองรับงานแบบ agentic มากกว่าแชตธรรมดา เช่น

• เข้าใจข้อมูลหลายรูปแบบ ทั้งข้อความ ภาพ และวิดีโอ
• มี context window ขนาดใหญ่ระดับ 256,000 token
• เลือกโหมด reasoning ได้หลายระดับ ตามความซับซ้อนของงาน
• เรียกใช้ tools และสั่งงานบนคอมพิวเตอร์ได้
• ต่อกับไฟล์ในเครื่องเพื่อดึงข้อมูลจริงมาทำงานต่อ

ถ้ามองในมุมธุรกิจไทย ความหมายของเรื่องนี้คือ เราไม่ได้ถาม AI แค่ “ช่วยคิดไอเดียหน่อย” แต่เริ่มขยับไปสู่ “ช่วยหยิบข้อมูลในไฟล์เรา อ่านให้ แล้วทำงานต่อให้เลย” ซึ่งเป็นคนละระดับกับ chatbot ทั่วไป

อย่างไรก็ตาม ต้องมองให้ครบด้วยว่า model เก่ง ไม่ได้แปลว่าทำงานแทนคนได้หมด งานที่เหมาะที่สุดช่วงแรกยังคงเป็นงานกึ่งโครงสร้าง เช่น รวบรวมข้อมูล สรุปโน้ต ดึงประเด็น วางลำดับงาน หรือร่างเอกสารเบื้องต้น มากกว่างานที่ต้องใช้ judgement ทางธุรกิจแบบละเอียด

Step 2: ตั้งค่า Hermes Agent ให้พร้อมใช้งานแบบฟรี

ส่วนการตั้งค่าในคลิปถูกอธิบายไว้ค่อนข้างตรงไปตรงมา และจุดแข็งคือไม่ต้องเขียนโค้ดเพิ่มเองถ้าระบบพร้อมอยู่แล้ว ลำดับโดยรวมมี 4 ขั้นตอน

1. ตรวจสอบว่า Hermes Agent ถูกติดตั้งไว้แล้ว
2. อัปเดต Hermes Agent ให้เป็นเวอร์ชันล่าสุด
3. เปิดเมนูเลือก model
4. ล็อกอินผ่าน news portal แล้วเลือก Step 3.7 Flash

หลังจากเลือกเสร็จ สามารถเช็กได้ทันทีด้วยการถามระบบว่ากำลังใช้ model อะไรอยู่ ถ้าระบบตอบว่าใช้ Step 3.7 Flash ก็ถือว่าพร้อมเริ่มงาน

สิ่งที่หลายคนมักพลาดไม่ใช่ขั้นตอนการคลิก แต่เป็นการไม่อัปเดตก่อนใช้งาน ทำให้เมนู model หรือ portal ที่ต้องใช้ยังไม่ขึ้น อีกเรื่องคือพอเห็นว่าฟรี 30 วัน ก็รีบเข้าไปทดลองแบบไม่มีโจทย์ชัดเจน สุดท้ายเสียเวลาไปกับการลองสุ่มมากกว่าการเอาไปแก้ปัญหาจริง

ถ้าเป็นธุรกิจไทย เราแนะนำให้ตั้งคำถามก่อนเริ่มว่า 30 วันนี้จะใช้ agent ไปช่วยเรื่องไหนที่ประหยัดเวลาได้จริง เช่น

• สรุปรายงานประชุม
• จัดการโน้ตกระจัดกระจาย
• ร่างแผนคอนเทนต์จากเอกสารภายใน
• ดึงข้อมูลจากหลายไฟล์มาเรียบเรียงเป็น action list

การมีเป้าหมายแบบนี้ จะทำให้การติดตั้งไม่จบแค่ “ลองได้แล้ว” แต่ไปต่อถึง “เริ่มเห็นผลแล้ว”

Step 3: เลือกงานที่เหมาะกับความสามารถของ agent

ในคลิปมีการย้ำชัดว่า Step 3.7 Flash เหมาะกับงานที่ต้องรับข้อมูลเยอะ ตีความหลายขั้น และลงมือทำบางอย่างแทนเราได้ จุดนี้สำคัญมาก เพราะหลายทีมมักใช้ AI agent ผิดประเภทงาน

งานที่เหมาะมีอยู่ 3 กลุ่มใหญ่

งานอ่านและสรุปข้อมูลจำนวนมาก

ด้วย context ที่กว้างมาก model สามารถรับเอกสารยาว โน้ตหลายชุด หรือโปรเจกต์ที่มีข้อมูลกระจายอยู่หลายแหล่งได้ดีกว่า AI ที่ context สั้นกว่า งานแบบนี้เหมาะกับทีมที่มีเอกสารเยอะ เช่น เอเจนซี ทีมการตลาด ทีมขาย หรือฝ่ายปฏิบัติการ

งานสั่งหลายขั้นตอนในคำสั่งเดียว

คลิปยกตัวอย่างการสั่งให้ระบบเปิดเบราว์เซอร์ ไปดึง resource ที่ต้องการ แล้วส่งต่อเข้าแอปโน้ตเพื่อสรุปหรือวางรายการงานต่อให้ สิ่งนี้สะท้อนว่า agent ไม่ได้ทำแค่ตอบ แต่ทำงานเป็นลำดับขั้นแทนเราได้

งานเชื่อมกับข้อมูลของเราเอง

อีก use case ที่น่าสนใจคือการต่อกับไฟล์ local เช่นฐานโน้ตใน Obsidian แล้วให้ AI ช่วยหาไอเดีย automation จากความรู้ที่เราสะสมไว้เดิม แบบนี้มีประโยชน์กับเจ้าของธุรกิจไทยมาก เพราะข้อมูลจริงมักไม่ได้อยู่บนเว็บ แต่อยู่ใน Google Docs, Notion, ไฟล์สรุปประชุม หรือโฟลเดอร์เอกสารภายใน

ข้อสังเกตที่ควรระวังคือ ยิ่งต่อกับข้อมูลภายในมากเท่าไร ยิ่งต้องคิดเรื่องความปลอดภัยของข้อมูลมากขึ้น หากเป็นข้อมูลลูกค้า ข้อมูลบัญชี หรือข้อมูลสัญญา ควรอ่านนโยบายของเครื่องมือให้ชัด และแยกงานที่ละเอียดอ่อนออกจากงานทั่วไป

สำหรับคนทำงานที่ไม่ได้เป็น developer แนวทางที่ปลอดภัยคือเริ่มจากเอกสารที่ไม่ใช่ข้อมูลลับก่อน แล้วค่อยขยับไปสู่งานที่มีความสำคัญสูงขึ้นเมื่อมั่นใจในระบบ

Step 4: ใช้ agent กับงานจริง เช่น เบราว์เซอร์ โน้ต และไฟล์ในเครื่อง

ส่วนที่ทำให้คลิปนี้มีน้ำหนัก ไม่ใช่การอธิบายฟีเจอร์ แต่เป็นตัวอย่างงานจริงที่เอา agent ไปใช้ โดยเฉพาะ 3 แบบนี้

1. สั่งเปิดเบราว์เซอร์และดึงข้อมูลที่ต้องการ

แทนที่จะเปิดแท็บเอง ค้นหาเอง และคัดลอกข้อมูลเอง เราสามารถสั่งเป็นภาษาปกติให้ agent ไปหยิบ resource หรือหน้าเว็บที่ต้องใช้ จากนั้นทำงานต่อ เช่น สรุป จัดหมวด หรือส่งต่อเข้าโน้ต

2. สั่งใส่รายการงานลงแอปโน้ต

คลิปยกตัวอย่างการให้ agent ช่วยรวบรวมไอเดีย automation แล้วบันทึกลง notes app อัตโนมัติ ประโยชน์ของเรื่องนี้สำหรับธุรกิจไทยคือ ช่วยลดงานตกหล่นหลังประชุม หรือลดเวลาที่ต้องมานั่งรวมไอเดียจากหลายแหล่ง

3. อ่านฐานความรู้ของตัวเองแล้วสร้างข้อเสนอใหม่

เมื่อ agent อ่านโน้ตหรือ vault ของเราได้ มันไม่ได้แค่ค้นหา แต่ช่วยมองเห็นแพตเทิร์น เช่น มี workflow ไหนซ้ำซ้อน งานไหนควรจัดระบบใหม่ หรือมีโปรเจกต์ไหนควรแตกออกมาเป็นงานที่ทำซ้ำได้

นี่คือจุดที่เรามองว่าน่าเอาไปใช้กับธุรกิจไทยมากที่สุด เพราะหลายทีมไม่ได้ขาดข้อมูล แต่ขาด “ตัวช่วยจัดระเบียบความคิด” ข้อมูลอยู่ครบแล้ว แต่หาประเด็นไม่เจอ AI agent จึงเหมาะกับบทบาทผู้ช่วยจัดระบบมากกว่าผู้ตัดสินใจแทน

Step 5: เปลี่ยนคำสั่งธรรมดาให้กลายเป็นงานอัตโนมัติด้วย Kanban

อีกตัวอย่างที่ทรงพลังในคลิปคือการใช้กระดาน Kanban เพื่อโยนงานให้ agent รับไปทำเอง เช่น การสร้างกลยุทธ์คีย์เวิร์ด SEO สำหรับโปรเจกต์หนึ่ง เมื่อมีการสร้างการ์ดงาน ระบบสามารถรับโจทย์ แยกสิ่งที่ต้องทำ กำหนดขอบเขต และขยับการ์ดไปยังสถานะเสร็จสิ้นเมื่อทำครบ

แนวคิดนี้สำคัญสำหรับเจ้าของธุรกิจ เพราะมันเปลี่ยน AI จากเครื่องมือเดี่ยวๆ ให้กลายเป็นระบบทำงาน ถ้าใช้ให้ถูก เราจะไม่ได้มีแค่ prompt ดีๆ แต่มี flow ที่รับงานและส่งงานต่อได้

ตัวอย่างการเอาไปใช้ในไทย เช่น

• การ์ดงานให้สรุปรีวิวลูกค้ารายสัปดาห์ แล้วดึง pain point ที่เจอบ่อย
• การ์ดงานให้รวบรวมคู่แข่ง 10 ราย แล้วสรุปจุดต่างด้านข้อเสนอ
• การ์ดงานให้ร่างโพสต์คอนเทนต์จากเคสจริงของลูกค้า
• การ์ดงานให้สรุปเอกสารยาวแล้วแยกเป็น to-do list สำหรับทีม

แต่ต้องพูดตรงๆ ว่า workflow แบบนี้จะเวิร์กก็ต่อเมื่อโจทย์ชัด ถ้าใส่การ์ดแบบกว้างเกินไป เช่น “ช่วยทำการตลาดให้หน่อย” agent ก็มีโอกาสหลุดหรือส่งงานที่ใช้จริงไม่ได้ ดังนั้นความชัดเจนของ input ยังเป็นหน้าที่ของเราอยู่

Step 6: ใช้หลัก LIFT เพื่อเริ่มแบบไม่ล้นมือ

อีกส่วนที่น่าเก็บไปใช้ต่อคือวิธีคิดชื่อ LIFT ซึ่งเป็นกรอบง่ายๆ สำหรับทดลอง AI tool ใหม่โดยไม่สับสน หลักการมี 4 ข้อ

• L = Learn เรียนรู้ก่อนว่าเครื่องมือนี้เด่นเรื่องอะไร
• I = Install ติดตั้งหรือเชื่อมระบบให้พร้อมใช้งานจริง
• F = Find one task หาแค่งานเดียวที่น่าให้ agent ช่วยก่อน
• T = Teach เมื่อได้ผลแล้ว ค่อยสอนให้มันทำซ้ำได้

นี่เป็น framework ที่เรียบง่าย แต่ใช้ได้จริงมาก โดยเฉพาะกับคนที่ชอบเก็บเครื่องมือใหม่ไว้เต็มไปหมดแต่ไม่เคยฝังเข้ากับงานประจำ การเริ่มจากงานเดียวช่วยลดแรงต้านได้เยอะ

ถ้าเอามาปรับกับบริบทธุรกิจไทย เราอาจเริ่มแบบนี้

1. เลือกปัญหาที่เสียเวลาทุกสัปดาห์ เช่น สรุปประชุม
2. ให้ agent ทำงานนั้นจากไฟล์จริง 3 ถึง 5 ครั้ง
3. ปรับ prompt จนผลลัพธ์นิ่งพอ
4. บันทึกขั้นตอนเป็น skill หรือ template
5. ค่อยขยายไปงานที่ใหญ่ขึ้น เช่น รายงานประจำสัปดาห์หรือ content workflow

มุมที่เราชอบในวิธีนี้คือ มันกันไม่ให้เราคาดหวังเกินจริงกับ AI เพราะการใช้ AI ให้คุ้มไม่ได้เริ่มจากระบบใหญ่โต แต่มาจากการเอาชนะงานเล็กที่ทำซ้ำบ่อยก่อน

Step 7: บันทึกงานที่สำเร็จแล้วเป็น skill เพื่อไม่ต้องเริ่มใหม่ทุกครั้ง

คลิปช่วงท้ายพูดถึงแนวคิดเรื่อง skills ซึ่งหมายถึงงานที่บันทึกไว้ให้ agent ทำซ้ำได้ เช่น workflow สำหรับทำ SEO content จาก keyword และ case study ที่ป้อนเข้าไป เมื่อสร้าง skill สำเร็จ งานนั้นจะไม่ต้องเริ่มจากศูนย์อีก

สำหรับคนทำธุรกิจ นี่คือจุดที่ AI เริ่มสร้างผลตอบแทนจริง เพราะต้นทุนเวลาไม่ได้อยู่แค่ “ทำได้ครั้งหนึ่ง” แต่อยู่ที่ “ทำซ้ำโดยไม่ต้องปั้นใหม่ทุกครั้ง”

ตัวอย่าง skill ที่ใช้ได้กับทีมไทย เช่น

• สรุปประชุมแล้วแตกเป็น task list
• แปลงรีวิวลูกค้าเป็นคอนเทนต์โพสต์
• อ่าน brief แล้วร่างโครงบทความ
• สรุปคู่แข่งรายเดือนจากข้อมูลที่เก็บไว้
• อ่านโน้ตขายแล้วสรุป objection ที่พบบ่อย

ถ้าทำตรงนี้ได้ เราจะเริ่มเห็นภาพว่า AI agent ไม่ได้มาแทนทีม แต่ทำหน้าที่เหมือนทีมเสริมที่รับงานรูทีนไปจัดการ ส่วนคนยังโฟกัสกับงานที่ต้องใช้วิจารณญาณและการตัดสินใจ

Step 8: เริ่มเล็ก พูดภาษาคน และอย่าหมกมุ่นกับ model มากเกินไป

อีกชุดคำแนะนำที่ใช้งานได้จริงจากคลิปคือ

• อย่าเสียเวลาคิดมากกับการเลือก model มากเกินไป ถ้ามีตัวฟรีและดีพอ ให้เริ่มก่อน
• สั่งงานด้วยภาษาธรรมดา ไม่ต้องเขียนแบบเทคนิคมาก
• เริ่มจากงานเล็กก่อน แล้วค่อยขยาย
• เมื่อได้ผลลัพธ์ดี ให้บันทึกเป็น skill ทันที

เราคิดว่านี่เป็นคำแนะนำที่ถูกต้องสำหรับกลุ่ม non-developer เพราะปัญหาส่วนใหญ่ไม่ได้อยู่ที่ model ไม่เก่งพอ แต่อยู่ที่โจทย์ไม่ชัด ขั้นตอนยังไม่นิ่ง และคนใช้ยังไม่รู้ว่าควรมอบงานแบบไหน

ถ้าอยากอ่านเพิ่มเรื่องแนวคิด AI agent และระบบงานอัตโนมัติ สามารถดูข้อมูลเสริมจาก Obsidian สำหรับการจัดการฐานความรู้ส่วนตัว หรืออ่านเรื่อง Kanban เพื่อทำความเข้าใจการจัดการงานแบบเห็นภาพรวมได้ชัดขึ้น

Step 9: Actionable Insights ที่เอาไปใช้กับธุรกิจได้ทันที

• เลือกงานซ้ำ 1 งานที่กินเวลาเกิน 2 ชั่วโมงต่อสัปดาห์ แล้วให้ agent ลองรับไปทำก่อน
• รวมเอกสารหรือโน้ตที่กระจัดกระจายไว้ในที่เดียว เพื่อให้ AI อ่านและสรุปได้ง่ายขึ้น
• ใช้ภาษาธรรมดาในการสั่งงาน แต่ระบุผลลัพธ์ที่ต้องการให้ชัด เช่น รูปแบบไฟล์ ความยาว และสิ่งที่ห้ามทำ
• เมื่อได้ workflow ที่ใช้ได้แล้ว ให้บันทึกเป็น skill หรือ template ทันที
• ประเมินผลจากเวลาที่ประหยัดได้ ไม่ใช่แค่ความว้าวของเดโม

Step 10: Troubleshooting ปัญหาที่มักเจอเมื่อเริ่มใช้ Hermes Agent

• ปัญหา: หา Step 3.7 Flash ไม่เจอในตัวเลือก model
  สาเหตุ: Hermes Agent ยังไม่ได้อัปเดต หรือยังไม่ได้ล็อกอินผ่าน portal ที่ถูกต้อง
  วิธีแก้: อัปเดตระบบก่อน จากนั้นเปิดเมนูเลือก model ใหม่ แล้วตรวจสอบว่าเข้าผ่าน news portal ตามขั้นตอน
• ปัญหา: agent รับคำสั่งแล้วทำงานไม่ตรงที่ต้องการ
  สาเหตุ: คำสั่งกว้างเกินไป หรือไม่ได้ระบุผลลัพธ์ปลายทางชัดพอ
  วิธีแก้: แยกคำสั่งให้ชัดว่าอยากได้อะไร รูปแบบไหน และขอบเขตงานอยู่ตรงไหน
• ปัญหา: ต่อไฟล์หรือโน้ตแล้วดึงข้อมูลออกมาไม่ค่อยมีประโยชน์
  สาเหตุ: ฐานข้อมูลต้นทางกระจัดกระจาย ชื่อไฟล์ไม่สื่อความหมาย หรือโน้ตไม่มีโครงสร้าง
  วิธีแก้: จัดระเบียบไฟล์ก่อน ตั้งชื่อให้ชัด แยกหมวดหมู่ แล้วค่อยให้ agent อ่านอีกครั้ง
• ปัญหา: ลองหลายอย่างแล้วรู้สึกว่าไม่ได้ประหยัดเวลา
  สาเหตุ: เริ่มจากงานใหญ่เกินไป และยังไม่เจอ use case ที่เหมาะ
  วิธีแก้: กลับไปใช้หลัก LIFT โดยเลือกงานซ้ำเพียงงานเดียวที่วัดผลเวลาได้ชัด
• ปัญหา: ได้ผลดีครั้งหนึ่ง แต่ต้องมาสั่งใหม่ทุกครั้ง
  สาเหตุ: ยังไม่ได้บันทึก workflow ที่สำเร็จเป็น skill
  วิธีแก้: เก็บ prompt ขั้นตอน และรูปแบบ output ที่ดีไว้เป็น template หรือ skill สำหรับรันซ้ำ

Step 11: การต่อยอดหลังจากเริ่มใช้ได้แล้ว

• ต่อ agent เข้ากับระบบคอนเทนต์ของทีม เพื่อให้สรุปข้อมูลและร่างบทความจากโน้ตภายในได้เร็วขึ้น
• สร้าง skill สำหรับงานฝ่ายปฏิบัติการ เช่น สรุปปัญหาจากลูกค้า แยกหมวด แล้วส่งต่อให้ทีมเกี่ยวข้อง
• ทดลองใช้ Kanban เป็นชั้นกลางของ workflow เพื่อเปลี่ยนงานประจำให้กลายเป็นงานที่หยิบไปรันต่อได้

Step 12: สรุป Checklist ทั้งหมด

• ☐ เข้าใจบทบาทของ Hermes Agent และ Step 3.7 Flash ว่าทำงานร่วมกันยังไง
• ☐ อัปเดต Hermes Agent เป็นเวอร์ชันล่าสุด
• ☐ เปิดเมนูเลือก model และล็อกอินผ่าน news portal
• ☐ เลือก Step 3.7 Flash และตรวจสอบว่าเชื่อมสำเร็จ
• ☐ เลือกงานซ้ำเพียง 1 งานที่อยากให้ agent ช่วยก่อน
• ☐ ทดลองใช้กับเบราว์เซอร์ โน้ต หรือไฟล์ในเครื่องตามงานจริง
• ☐ ปรับคำสั่งให้ชัดเจนเรื่องเป้าหมาย ขอบเขต และรูปแบบ output
• ☐ ถ้า workflow เริ่มนิ่ง ให้บันทึกเป็น skill หรือ template
• ☐ ใช้ Kanban หรือระบบจัดการงานช่วยให้ agent รับงานเป็น flow
• ☐ วัดผลจากเวลาที่ประหยัดได้ และคุณภาพงานที่ทำซ้ำได้จริง

สรุปแล้ว คลิป How to Use Hermes Agent for FREE! ไม่ได้มีคุณค่าแค่เรื่องใช้ฟรี 30 วัน แต่ชี้ให้เห็นวิธีคิดที่สำคัญกว่า นั่นคือการใช้ AI agent ให้เป็นระบบ เริ่มจากงานเล็ก วัดผลจริง แล้วค่อยขยาย ถ้าเราจะเอา AI ไปใช้กับธุรกิจไทยให้เกิดผล Step 3.7 Flash กับ Hermes Agent เป็นจุดเริ่มต้นที่ดี แต่ของจริงอยู่ที่ว่าเราจะเปลี่ยนมันจากของทดลอง ให้กลายเป็น workflow ที่ช่วยงานเราได้ทุกสัปดาห์หรือเปล่า