Builders Unscripted: Ep. 2 - Ashe Magalhaes, Founder of Hearth AI กับแนวคิด “Relational Intelligence” และการสร้างระบบ AI แบบเป็นมนุษย์

สรุปจากคลิป ดูคลิปต้นฉบับ

ในโลกที่โมเดลภาษาและเครื่องมือสร้างซอฟต์แวร์พัฒนารวดเร็วมาก หลายคนมักถามว่า “จะสร้างอะไรต่อไป” แต่บทสนทนานี้ชี้ให้เห็นอีกมุมที่สําคัญไม่แพ้กัน คือ “สร้างเพื่อใคร” และ “สร้างให้ชีวิตสัมพันธ์กับความเป็นมนุษย์อย่างไร”

Ashe Magalhaes ผู้ก่อตั้ง Hearth AI เล่าเส้นทางจากวิศวกรรม ML ไปสู่การทํางานกับเอเจนต์เชิงระบบ รวมถึงประสบการณ์ด้านเทคระดับแนวหน้าอย่างรถแข่งพลังงานแสงอาทิตย์และงานด้านอวกาศ แนวคิดสําคัญที่ย้ําตลอดคือ การใช้ AI เพื่อเพิ่มความเชื่อมโยง (connection) ไม่ใช่แค่ทําให้คน “ทํางานเร็วขึ้น” อีกทั้งยังพูดถึงวิธีสร้างผลิตภัณฑ์และระบบส่วนตัวแบบ “Second brain” โดยให้ AI เป็นเหมือนสติปัญญาเชิงภาพรวมที่ช่วยให้ผู้ใช้มองไกลขึ้น

จาก ML สู่ Agentic CRM: การทําให้สิ่งที่ไม่แน่นอน “เสถียรพอใช้งานจริง”

Hearth AI ก่อตั้งในปี 2022 และถูกนิยามว่าเป็น agentic CRM รุ่นแรก ๆ ของสายนี้ โดยช่วงปี 2023 ทีมพยายามเดินหน้าเวิร์กโฟลว์แบบ agentic (หลายขั้นตอนและมีการประสานงาน) ทั้งหมดในขณะที่ระบบพื้นฐานยัง “เปราะ” และไม่แน่นอน

โจทย์ใหญ่ไม่ใช่แค่ทําให้โมเดลตอบได้ แต่คือการทําให้ประสบการณ์ผู้ใช้ “เสถียร” และ “ใช้งานได้จริง” ในโลกที่พฤติกรรมผู้ใช้ยังไม่คุ้นเคยกับแนวคิดเอเจนต์มากนัก ตัวอย่างที่สะท้อนภาพคือ ในปี 2023 ผู้คนจํานวนมากยังมองบอทใน Slack เป็นเพียงการส่งสัญญาณออกไป (outbound ping) มากกว่าการเป็นคู่มือที่ช่วยทํางานหลายขั้นตอน

สําหรับทีมที่มาจากพื้นฐาน ML แนวคิดแบบเดิมคือ “ทําท่อข้อมูลให้เสร็จ แล้วค่อยทํา prediction” แต่โลก agentic กลับทําให้วงจรการพัฒนาซ้ํา (iterate) ถี่ขึ้นมาก Ashe เล่าว่า ทีมต้อง “รื้อ stack ตัวแทน” อยู่บ่อยครั้งเพื่อหาสิ่งที่สามารถรักษาคุณภาพและความสม่ําเสมอให้ผู้ใช้รับรู้ได้

Structured outputs และการมองล่วงหน้าตั้งแต่ยังไม่มีเครื่องมือพร้อม

จุดที่น่าสนใจคือแนวคิดเรื่อง structured outputs ที่แม้จะยังไม่พร้อมในระบบในช่วงแรก ทีมก็พยายามปูรากฐานไว้ก่อน โดยพูดถึงการทํา retrieval ด้วย JSON schemas และการต้องการผลลัพธ์ที่เป็นโครงสร้างชัดเจน ตั้งแต่ก่อนที่ระบบจะมีตัวช่วยมาตรฐาน

แนวทางแบบนี้ชี้ให้เห็นสิ่งสําคัญสําหรับผู้สร้างผลิตภัณฑ์ AI: แม้โมเดลจะมีความสามารถสูง แต่ผลิตภัณฑ์ที่ดีต้องทําให้ผลลัพธ์ “อ่านต่อได้” สําหรับระบบอื่น ๆ และ “คาดเดาได้” พอสําหรับการใช้งานจริง

วิศวกรรมแนวพรมแดนกับความเสี่ยงที่ช่วยหล่อหลอมการตัดสินใจ

Ashe บอกว่าสายงานของเธอพยายามยึดติดกับเทคแนวพรมแดน (frontier tech) และประสบการณ์หนึ่งที่เธอเล่าว่า “เข้มงวดและใช้ความเสี่ยงจริง” คือการเข้าร่วมโครงการรถแข่งพลังงานแสงอาทิตย์ของทีม Stanford

เธอทํางานด้าน telemetry, CAD modeling, meshing และ autocross และยังเป็นหนึ่งในคนขับ ทีมส่งรถไปแข่งขันที่ออสเตรเลียในรายการ Bridgestone World Solar Challenge ซึ่งใช้เวลาลงเตรียมหลายสัปดาห์ และแข่งจริงต่อเนื่องหลายวัน เธอย้ําว่ารถถูกสร้าง end-to-end ทีมที่เกี่ยวข้องอาจประสบอุบัติเหตุ และเธอรับรู้ระดับความเสี่ยงตั้งแต่ต้น

สิ่งนี้กลายเป็น “บทเรียนเชิงวินัย” ที่ส่งผลต่อการสร้างผลิตภัณฑ์ในเวลาต่อมา เพราะมันสอนว่าการผลักขอบเขตของสิ่งที่เป็นไปได้ต้องมาพร้อมกับการตัดสินใจที่ปลอดภัยและมีความเข้มงวดกับกระบวนการ

แรงขับที่ลึกกว่า: Builder archetype ใกล้เคียงศิลปิน และการสร้างเพื่อ “ชีวิตที่มีความหมาย”

คําอธิบายของ Ashe ชัดเจนว่าเธอรู้สึกมีความสุขที่สุดตอน “นําสิ่งที่ยังไม่เกิดขึ้นให้เป็นรูปเป็นร่าง” เธอมองว่า builder archetype ใกล้เคียงกับ artist archetype และวิศวกรรมสําหรับเธอเป็นเหมือนเครื่องมือในการสร้างและทําให้ความคิดมีตัวตน

นอกจากนี้ เธอยังพูดถึงความคิดเรื่องสิ่งที่อยากรู้สึกในวันสุดท้ายของชีวิต ซึ่งทําให้เป้าหมายสูงสุดไม่ใช่แค่ความสําเร็จทางเทค แต่เป็นคําถามว่า “แล้วเรามีความสัมพันธ์กับตัวเองและคนอื่นมากแค่ไหน” “มีความรักและการอยู่พร้อมหน้า (presence) มากแค่ไหน”

ประเด็นนี้นําไปสู่แนวคิดหลักของเธอในเรื่องการเชื่อมโยง (connection) โดยเธอกล่าวว่าแนวโน้มความก้าวหน้าของมนุษย์โค้งไปทางความรักและการเชื่อมโยง และเชื่อว่า AI ควรถูกใช้เพื่อผลักเข็มในทิศทางนั้น

Relational Intelligence: AI ที่ทําให้คนรู้สึกเชื่อมต่อขึ้น

เมื่อพูดถึง “agentic CRM” ไม่ใช่แค่การจัดข้อมูลลูกค้า แต่เป็นความพยายามแบบผู้เล่นหลายคน (multiplayer) ต่อปัญหาเก่าแก่ของมนุษย์ยุคใหม่

• เราถูกเชื่อมต่อกับคนมากขึ้นกว่าเดิม
• แต่หลายคนกลับรู้สึกเหงาและรู้สึกว่าจัดการความสัมพันธ์หรือการลงมือร่วมมือได้ยาก

Ashe เรียกแนวคิดของเธอว่า relational intelligence หรือ “สติปัญญาเชิงความสัมพันธ์” ซึ่งเป็นความเชื่อว่า AI ควรเติมเต็มประสบการณ์มนุษย์ ทําให้คนรู้สึกเชื่อมต่อในเวลาที่มีจํากัด และช่วยให้สมองเหตุผลของมนุษย์ทํางานได้ดีขึ้นด้วยการช่วยคิดเรื่อง “เราเชื่อมต่อกับใคร” และ “เพราะอะไร”

Second brain: AI เป็นวงจรป้อนกลับต่อกระแสความคิด

Ashe ชอบคําว่า “second brain” เพราะมันสื่อภาพได้โดยไม่ต้องเป็นศัพท์เชิงเทคนิคเกินไป แนวคิดคือผู้คนจะมีความสัมพันธ์แบบสมมาตรกับผลิตภัณฑ์ AI ของตน

Key idea คือ ความสัมพันธ์ กับ AI ไม่ใช่การถามแล้วรับคําตอบจบ แต่เป็นวงจรป้อนกลับอย่างต่อเนื่องกับกระแสความคิดของเรา โดย AI ทําหน้าที่เป็น “bird’s eye intelligence” หรือสติปัญญามุมสูงที่ช่วยให้เราเห็นไกลเกินข้อจํากัดทางความคิดของตัวเอง

เธอยังเชื่อมโยงไปถึงประเด็น “สังคมและมารยาท” สําหรับระบบที่อาจรับรู้อะไรแบบต่อเนื่องมากขึ้นในอีก 6-12 เดือน โดยพูดถึงการต้องมี etiquette ว่าจะสื่อสารให้ AI เก็บข้อมูลอะไรได้บ้าง และถ้าใครไม่สบายใจก็ต้องมีวิธี “ดึงกลับ” เพื่อไม่ให้เกิดความรู้สึกไม่ปลอดภัย

สร้างในแบบ “sprint เล็ก” ด้วยการเชื่อมต่อ: จากความคิดไปเป็นผลิตภัณฑ์โดยเร็ว

เมื่อพูดถึงเวิร์กโฟลว์ปัจจุบัน เธอใช้แนวคิดว่าเป็นการ building while connected หรือสร้างไปพร้อมกับการเชื่อมต่อกับคนอื่น

ก่อนหน้านี้ในฐานะ founder เธอสร้างแบบอยู่ในห้องเงียบมากกว่า แต่ตอนนี้เธอให้ความสําคัญกับการสร้างในที่สาธารณะ (building in public) เพื่อรับคอมเมนต์จากคนอื่นและเรียนรู้จากความแปรปรวน (variance) ที่เกิดขึ้นเวลาคนจริงใช้งานหรือมีปฏิกิริยากับสิ่งที่ปล่อยออกไป

โครงสร้าง “พื้นที่ลับ” กับการสกัดเป็นผลิตภัณฑ์

หนึ่งในแนวทางที่ทําให้กระบวนการเร็วคือการมีพื้นที่ทดลองและพื้นที่เผยแพร่แยกกัน

Ashe มีเว็บไซต์สาธารณะ (ash.ai) ที่สะท้อนพอร์ตและผลิตภัณฑ์ แต่เธอยังมี “secrets page” สําหรับเทมเพลตและพื้นที่ทดลอง เมื่อมีไอเดีย เธอจะเริ่มต้นด้วยระบบของตน จากนั้นนําไปโพสต์บน X ถ้าพบแรงตอบรับ เธอจะสั่งให้ระบบ (เช่น Codex) แยกแนวคิดนั้นออกเป็น ผลิตภัณฑ์ที่พร้อมใช้งาน หรือแม้แต่เปิดซอร์สส่วนหนึ่ง

เธอย้ําว่า “ชื่อของเกมคือ speed” แต่ความเร็วต้องมาพร้อมกับฐานที่เชื่อถือได้ ไม่ใช่ผลิตภัณฑ์ที่อยู่ได้เพราะเพียง “vibe” โดยเธอให้ตัวอย่างผลิตภัณฑ์ที่เธอใช้งานจริงทุกวันคือแพลตฟอร์มวิดีโอสําหรับ aesthetic video ที่ทําให้แขกเข้าถึงสิ่งที่พูดได้ และสามารถจัดการข้อมูลแบบไวต่อความปลอดภัย

Instrumentation และ Observability: ความเร็วต้องมีระบบตรวจสอบ

ความโดดเด่นอีกอย่างคือเธอไม่ปล่อยให้ระบบเอเจนต์ทํางานแบบมองไม่เห็น (black box) เธอวาง “ชั้นการติดตามและการสังเกตได้” เพื่อให้ตรวจสอบได้ว่าใช้งานได้ตามที่คาดหรือไม่

เธอแบ่งเวิร์กโฟลว์เอเจนต์ตามช่อง (channels) ใน Slack และมี alert พร้อมข้อมูลความผิดพลาด ตัวอย่างที่เธอแสดงคือเห็น error เกี่ยวกับ drafts page และสั่งให้เริ่มแก้ไขทันที โดยยังพึ่งความเร็วของโมเดลให้ดําเนินการ แต่ต้องมีการยืนยันและการแพตช์เมื่อเกิดปัญหา

นี่คือแนวคิดสําคัญสําหรับทีมที่ทํา agentic workflows: ไม่พอแค่ให้ระบบ “ลองทํา” ต้องมีเครื่องมือที่ทําให้เกิดความมั่นใจว่าเมื่อทําซ้ําจะไม่พัง

OpenClaw และการกระจายเนื้อหา: ใช้เอเจนต์ช่วย distribution โดยไม่กลายเป็นสแปม

Ashe ยังพูดถึงการใช้ OpenClaw เพื่อช่วยเรื่องการกระจาย (distribution) โดยเธอไม่มีพื้นฐานด้านการตลาด แต่ต้องการให้ไอเดียไปถึงคนที่เหมาะสมบนแพลตฟอร์มต่าง ๆ

เธอมองว่าสิ่งที่ OpenClaw ช่วยได้คือการทําให้การแชร์ต่อบนแพลตฟอร์มต่าง ๆ ทําได้ในภาษาที่เหมาะกับบริบทนั้น ไม่ใช่การสแปมซ้ําข้อความเดิมทั้งหมด ในตัวอย่างหนึ่ง เธอเล่าว่าสําหรับ Reddit ระบบทํางานได้ค่อนข้างดีและตอบกลับในลักษณะที่ดูเป็นมนุษย์ได้เร็วพอ

Wearables และ “Second brain” แบบเป็นมิตรต่อสังคม

แม้พื้นฐานจะเป็นซอฟต์แวร์ แต่เธอกลับพูดถึงฮาร์ดแวร์และ wearables อย่างจริงจัง โดยเป้าหมายคือการลดเวลาอยู่หน้าจอและทําให้ชีวิต “อยู่พร้อมกับคนอื่น” มากขึ้น

เธอเริ่มจากประเด็น “social etiquette layer” คือไม่ชอบการบันทึกแบบ ambient recording และเห็นว่าระบบจะต้องมีวิธีบอกกันอย่างชัดเจนว่าอะไรจะถูกเก็บเป็นส่วนหนึ่งของ second brain เช่น เมื่อมีบางคนพูดสิ่งที่น่าสนใจ อาจมีขั้นตอนให้คนตรงหน้าเห็นด้วยหรือถ้าไม่สบายใจ AI ต้องสามารถหยุดหรือดึงกลับ

แนวคิดนี้เชื่อมกับ relational landscape ที่มนุษย์มีข้อจํากัดทางสมอง เพราะความสัมพันธ์คือ “ใครเป็นใครต่อกัน” และมีหลายมิติที่สะสมตามเวลา การมี intelligence ชั้นเพิ่มที่ช่วยไกด์ให้คนเห็นความอุดมสมบูรณ์ของความเชื่อมโยงที่มีจึงเป็นแรงผลักดันหลักของเธอ

บทเรียนสําหรับยุคสร้างสรรค์และความเป็นมนุษย์: Creativity คือ North Star

เมื่อเทคโนโลยีทําให้การเขียนโค้ดและสร้างฟีเจอร์ได้เร็วขึ้น บทบาทของวิศวกรจะเปลี่ยนไป Ashe มองว่าโมเมนต์นี้คือช่วงที่ควร “เอนไปทางความคิดสร้างสรรค์”

เธอยกภาพเปรียบจาก Bernini ว่าการทํางานเข้มงวดและใช้เวลาอย่างมีจังหวะ แล้วปล่อยให้ตัวเองไปเดินเล่นหรือมีความสุขในส่วนที่เหลือก็เป็นส่วนหนึ่งของงานศิลป์ และเชื่อมกับแนวคิดว่าผู้สร้างควรนํา “ตัวตนทั้งหมด” มาสร้าง เพราะตอนนี้มีเสียงรบกวน (noise) มากพอที่จะทําให้คนพยายามขายอะไรบางอย่างหรือสร้างเนื้อหาแบบอัตโนมัติจนกลายเป็นผิวเผิน ความพรีเมียมจึงอยู่ที่การกล้ารับความเสี่ยงของการเปิดเผยตัวเองและสร้างชั้นความไว้ใจ (trust layer)

เธอยังกล่าวถึงความรู้สึกของผู้อ่านต่อบทความที่เป็น AI เขียนและอาจทําให้รู้สึกไม่ถูกให้เกียรติ ซึ่งสะท้อนว่าในยุคนี้ “ความเชื่อมต่ออย่างแท้จริงกับคนที่อยู่หลังเครื่องมือ” มีค่ามาก

คุณภาพและ taste: คําแนะนําคือ “ให้สอดคล้องกับตัวเอง” แล้วเสี่ยงเพื่อแชร์

คําถามที่มักตามมาคือ แล้ววิศวกรควรมี taste หรือความสนใจแบบศิลปินมากขึ้นหรือไม่ Ashe ชี้ว่าให้เริ่มจากการ attune ตัวเอง ก่อน ถามว่ามีอะไรที่สวยงามสําหรับตัวเอง สิ่งที่ impactful ต่อใจคืออะไร และอยากนําอะไรออกไปสู่โลก

จากนั้นค่อยร่วมมือกับผู้อื่นเพื่อสร้าง เมื่อซอฟต์แวร์เริ่มเป็นแบบ personalized มากขึ้น ยิ่งเหมือนกระจกที่สะท้อนกลับมาถามตัวเองว่าอยากสร้างอะไรให้เป็นจริง

เธอย้ําคําแนะนําให้ตัวเองในวัยก่อน ๆ คือ “จงรู้สึกไม่สบายใจได้” เพราะความไม่สบายใจมักมาพร้อมการเติบโตและการออกไปให้คนเห็น การแชร์ส่วนเล็กที่มีตัวตนอยู่ในนั้นอาจน่ากลัว แต่เป็นการฝึกกล้ามเนื้อ และทําให้เกิด feedback จากโลกจริงที่ช่วยเพิ่มความคิดสร้างสรรค์

วิธีคว้า “brave new world” ของ AI: Curiosity และการสร้างเพื่อความเป็นไปได้ใหม่

เมื่อสรุปคําแนะนําให้ผู้เริ่มต้นหรือผู้ที่เริ่มสํารวจเครื่องมือ AI เธอชี้ไปที่สองเรื่องหลัก

1. ความอยากรู้อยากเห็น (curiosity) และการสนุกกับสิ่งที่ค้นพบ
2. การให้ความกล้าในการเสี่ยง เพราะความอยากรู้อยากเห็นเป็นแรงขับให้ลองทํา และได้รู้ว่าอะไรจะเกิดขึ้นเมื่อทําจริง

สําหรับ Ashe นี่คือเสาหลักเดียวกับประวัติศาสตร์ของวิศวกร: การใช้ความอยากรู้อยากเห็นเพื่อสร้างสิ่งใหม่ที่ “เพิ่งเป็นไปได้” ในเวลานี้

สรุป: AI ที่ดีไม่ใช่แค่เร็ว แต่ต้องทําให้คนเชื่อมต่อและมีชีวิตที่มีความหมาย

บทสนทนานี้รวมหลายธีมไว้ด้วยกัน แต่แก่นสําคัญมีชัดเจน: เมื่อเครื่องมือ AI เร่งความสามารถให้ทุกคนสร้างได้มากขึ้น สิ่งที่แยกผู้สร้างที่สร้าง “ของมีความหมาย” ออกจากคนที่แค่ตามกระแสคือ

• Relational intelligence หรือความตั้งใจให้เทคช่วยเพิ่มความเชื่อมโยงของคน
• Second brain ที่เป็นวงจรป้อนกลับอย่างไว้ใจได้
• ความเร็วที่มีฐานมั่นคง ผ่าน instrumentation และ observability
• การสร้างในที่สาธารณะ เพื่อรับ feedback และแปรปรวนไปสู่สิ่งที่คนต้องการจริง
• ความเป็นมนุษย์ ที่สะท้อนในความกล้ารับความเสี่ยงของการแชร์ตัวตน

ในยุคของเครื่องมือที่ทรงพลัง การสร้างจึงไม่ได้จบแค่การทําให้ “ทําได้” แต่ต้องตอบคําถามว่า “ทําแล้วดียังไงต่อความสัมพันธ์ ความสบายใจ และคุณค่าที่ผู้คนรู้สึกได้”