ข้ามไปบทความ

Codex Browser Agent ในคลิป Nate Herk: เลือก API, Macro หรือ AI

เดโม Codex Browser Agent จาก Nate Herk: ทดสอบฟอร์ม ดาวน์โหลดรายงาน และเตรียมร่างคอนเทนต์ พร้อมเกณฑ์เลือก API, macro และงานผ่านหน้าจอ

โดย Insiderly
video thumbnail for 'Codex's Browser Agent Automates Literally Anything'
ภาพจาก วิดีโอต้นทาง
เผยแพร่:

ที่มา: คลิป Codex's Browser Agent Automates Literally Anything ของ Nate Herk | AI Automation และบทความ VideoToBlog วันที่ 2026-08-13 (วันที่แสดงในบทความต้นทาง ไม่ใช่วันที่อัปโหลดวิดีโอที่ตรวจยืนยันแล้ว) ฟีเจอร์ ตัวเลข และผลลัพธ์เป็นสิ่งที่ต้นทางกล่าวหรือสาธิตไว้ในขณะนั้น ยังไม่ได้ทดสอบซ้ำหรือตรวจยืนยันสถานะล่าสุด ตัวอย่างและข้อเสนอสำหรับธุรกิจไทยเป็นส่วนของบทความต้นทาง · วิดีโอต้นทาง

งานซ้ำ ๆ ในธุรกิจจำนวนมากไม่ได้ยาก แต่กินเวลาและบังคับให้เราสลับไปมาระหว่างหลายหน้าจอ ตั้งแต่ตรวจฟอร์มลูกค้า ดาวน์โหลดเอกสารรายเดือน ไปจนถึงนำคอนเทนต์ไปลงบน platform ต่าง ๆ ปัญหาจึงไม่ใช่แค่ “ทำงานให้เร็วขึ้น” แต่คือการลดงานจุกจิกที่ดึงสมาธิออกจากงานสำคัญ

คลิปจาก Nate Herk | AI Automation แสดงให้เห็นว่า Codex สามารถใช้ browser agent เพื่อคลิก พิมพ์ อ่านหน้าจอ และทำตามขั้นตอนบนเว็บไซต์ที่ล็อกอินอยู่ได้ รวมถึง computer use สำหรับโปรแกรมบนเครื่อง จุดที่น่าสนใจกว่าเดโมคือกรอบคิดในการเลือกเครื่องมือให้ถูกประเภท ระหว่าง API, macro และ AI browser agent

สารบัญ

Step 1: แยกให้ออกว่า Browser Agent ทำอะไรได้

Browser agent คือ AI ที่ใช้หน้าจอเว็บเป็นพื้นที่ทำงาน มันมององค์ประกอบบนหน้าเว็บ ตัดสินใจว่าจะคลิกตรงไหน กรอกอะไร และเดินตามขั้นตอนต่อไปอย่างไร จึงรับมือกับเว็บที่ไม่มี API หรือ workflow ที่หน้าเว็บเปลี่ยนตามข้อมูลได้ดีกว่า automation แบบกำหนดจุดคลิกตายตัว

Codex ในเดโมทำงานผ่าน browser ที่อยู่ในแอป สามารถเปิดเว็บ ค้นหา กรอกฟอร์ม กดปุ่ม ดาวน์โหลดไฟล์ และใช้ session ที่ล็อกอินไว้ได้ เมื่อการทำงานถูกบันทึกเป็น skill ก็สามารถเรียกใช้ซ้ำ หรือตั้ง schedule ให้ทำตามรอบเวลาได้

แต่คำว่า “ทำได้เกือบทุกอย่าง” ไม่ควรถูกตีความว่า “ควรปล่อยให้ทำทุกอย่าง” เพราะ agent ใช้ vision และการให้เหตุผลจากหน้าจอ จึงอาจตีความปุ่มหรือสถานะผิดได้ โดยเฉพาะหน้าที่มีข้อมูลทางการเงิน สิทธิ์เข้าถึงสูง หรือมีผลกระทบต่อข้อมูลลูกค้า

สำหรับธุรกิจไทย ภาพการใช้งานที่ใกล้ตัวคือ เข้า portal ของ supplier เพื่อดาวน์โหลดใบแจ้งหนี้ทุกเดือน, ดึงรายงานจากระบบที่ไม่มี API, ตรวจข้อมูลบนหลังบ้านก่อนส่งต่อทีมบัญชี หรือรวบรวมข้อมูลจากหลายหน้าเพื่อนำไปทำรายงานภายใน

Step 2: เริ่มจากงาน QA ที่วัดผลได้ก่อน

กรณีใช้งานที่น่าเริ่มที่สุดคือ การทดสอบหน้าเว็บและฟอร์ม เพราะขอบเขตชัดเจนและความเสี่ยงต่ำกว่าให้ agent ไปทำธุรกรรมจริง ในเดโม Codex ถูกสั่งให้พยายามทำให้ฟอร์มพัง โดยทดลองกรอกข้อมูลไม่ครบ กรอกอีเมลผิดรูปแบบ ทดสอบปุ่ม Continue และค้นหาช่องโหว่จากพฤติกรรมที่คนใช้งานจริงอาจทำ

ผลลัพธ์ไม่ได้มีแค่สถานะผ่านหรือไม่ผ่าน แต่พบปัญหา data integrity เช่น ข้อมูลติดต่อที่ไม่ถูกต้องยังผ่านไปได้ รวมถึงปัญหาการเปลี่ยน country code แล้วระบบกลับไปใช้ค่าเดิมเมื่อย้อนแก้ไข จุดนี้สะท้อนว่า QA ที่ดีไม่ควรทดสอบเฉพาะเส้นทางปกติ แต่ต้องตั้งใจหาทางที่ระบบจะพลาดด้วย

Codex ยังสลับไปตรวจ mobile view และพบข้อผิดพลาดด้าน responsive design ซึ่งเป็นเรื่องที่ธุรกิจไทยควรให้ความสำคัญเป็นพิเศษ เพราะลูกค้าจำนวนมากเข้าหน้าเว็บผ่านมือถือ หากฟอร์มจองคิว สมัครสมาชิก หรือขอใบเสนอราคาใช้บนมือถือยาก ต้นทุนที่เสียไปคือโอกาสขาย ไม่ใช่แค่ความสวยงามของหน้าเว็บ

การตั้งโจทย์ให้ agent ควรละเอียดพอที่จะรายงานผลได้ เช่น

ข้อจำกัดสำคัญคือ AI ไม่ใช่ผู้รับรองว่าระบบปลอดบั๊ก การให้มันลองหลายกรณีช่วยเพิ่มโอกาสพบปัญหา แต่ทีมยังต้องตรวจข้อค้นพบและแก้ไขโดยมนุษย์ โดยเฉพาะจุดเกี่ยวกับราคา การชำระเงิน หรือข้อมูลส่วนบุคคล

Step 3: เลือก API ก่อน Macro ก่อน Browser Use

บทเรียนที่มีค่าที่สุดจากคลิปคือ อย่าใช้ browser agent เพราะมันดูฉลาดกว่าเสมอไป ควรเลือกวิธีที่เรียบง่ายและคาดเดาได้ที่สุดก่อน โดยเรียงลำดับดังนี้

  1. API เหมาะเมื่อระบบเปิดช่องทางเชื่อมต่ออย่างเป็นทางการ การส่งข้อมูล ดึงรายงาน หรือสร้างรายการทำได้เร็ว คงที่ และตรวจสอบย้อนหลังง่าย
  2. Macro หรือ deterministic script เหมาะเมื่อขั้นตอนเดิมซ้ำทุกครั้ง เช่น คลิกตำแหน่งเดิมตามลำดับเดิม ไม่มีความจำเป็นต้องตีความสิ่งใหม่บนหน้าจอ
  3. Browser agent เหมาะเมื่อไม่มี API และหน้าเว็บต้องใช้ vision หรือ reasoning เช่น ปุ่มเปลี่ยนตำแหน่ง ตารางเปลี่ยนรูปแบบ หรือมีหลายทางเลือกตามสถานะ

กรอบคิดนี้สำคัญต่อเจ้าของธุรกิจ เพราะช่วยป้องกันการลงทุนผิดจุด หากระบบบัญชีหรือ CRM มี API ให้ใช้ การเชื่อมต่อ API มักเหมาะกว่า agent ที่ต้องเปิดเว็บและคลิกทีละจุด แต่หากเป็น portal ของคู่ค้าที่ไม่มี API และต้องเข้าไปดาวน์โหลดเอกสารทุกเดือน browser use อาจตอบโจทย์กว่า

พูดง่าย ๆ คือ อย่าเอา AI ไปแก้ปัญหาที่ rule-based script แก้ได้อยู่แล้ว และอย่าเขียน macro ฝืน ๆ เมื่อหน้าเว็บเปลี่ยนตลอดจนต้องอาศัยการมองและตัดสินใจ

Step 4: เปลี่ยนงานไม่มี API ให้กลายเป็น Skill ที่ใช้ซ้ำได้

เดโมอีกส่วนคือการเข้า Relay เพื่อดาวน์โหลด statement ของบัญชีสองรายการเป็นไฟล์ CSV แล้วเก็บเข้าตำแหน่งที่กำหนด หลังจากสั่งด้วยภาษาธรรมชาติและทำงานสำเร็จ ระบบสามารถเก็บ flow นั้นเป็น skill สำหรับเรียกใช้ครั้งถัดไป

สำหรับธุรกิจ งานลักษณะนี้พบได้บ่อยกว่าที่คิด เช่น ดาวน์โหลดรายงานยอดขายจาก marketplace, เก็บใบเสร็จโฆษณาจาก dashboard, ดึงรายการชำระเงินจาก portal, หรือรวบรวมรายงานสต๊อกจากระบบเก่าของ supplier ที่ไม่มี API

เมื่อจะสร้าง skill อย่าสั่งเพียงว่า “ช่วยดาวน์โหลดรายงาน” ควรระบุเงื่อนไขให้ชัดเจน ได้แก่ แหล่งข้อมูล ช่วงเวลา ชื่อไฟล์ โฟลเดอร์ปลายทาง รูปแบบไฟล์ และสิ่งที่ต้องทำเมื่อไม่พบข้อมูล ตัวอย่างเช่น “ดาวน์โหลดรายงานเดือนล่าสุดเป็น CSV ตั้งชื่อไฟล์ตามเดือน เก็บในโฟลเดอร์บัญชี และหยุดพร้อมแจ้งหากยอดรวมไม่ตรงกับหน้าสรุป”

จุดที่ควรเห็นต่างกับการตั้ง schedule ทันทีคือ workflow ที่เพิ่งสร้างไม่ควรถูกปล่อยทำงานเองทันที ควรทดสอบซ้ำหลายรอบภายใต้การกำกับก่อน เพื่อดูว่ามันรับมือกับหน้าแจ้งเตือน รายการว่าง การเปลี่ยนเมนู หรือ session หลุดได้ถูกต้องหรือไม่

Step 5: จัดการ Password และ Session แบบไม่เสี่ยงเกินจำเป็น

Browser agent จะมีประโยชน์มากเมื่อทำงานในบัญชีที่ล็อกอินแล้ว หลายบริการเก็บ session ไว้ได้ แต่ระบบที่มีความปลอดภัยสูงมักบังคับให้เข้าสู่ระบบใหม่เป็นระยะ ซึ่งเป็นเรื่องปกติและควรเป็นเช่นนั้น

เดโมแนะนำให้เก็บข้อมูลล็อกอินใน password manager ของ Codex และนำเข้าจากไฟล์ CSV ที่มีชื่อรายการ URL ชื่อผู้ใช้ รหัสผ่าน และหมายเหตุ แทนการพิมพ์รหัสผ่านไว้ใน chat history แนวทางนี้ปลอดภัยกว่าในระดับหนึ่ง แต่ไม่ได้แปลว่าเราควรนำรหัสผ่านของทุกระบบไปใส่ใน agent

หลักปฏิบัติที่ควรยึดคือ แยกบัญชีสำหรับ automation ถ้าระบบรองรับ, จำกัดสิทธิ์ให้เท่าที่จำเป็น, หลีกเลี่ยงบัญชีเจ้าของกิจการหรือบัญชีแอดมินหลัก และห้ามให้ agent ยืนยันธุรกรรมที่กระทบเงินหรือข้อมูลสำคัญโดยไม่มีคนตรวจ

การยืนยันตัวตนแบบสองขั้นตอน หรือ 2FA ควรคงจุดที่มนุษย์อนุมัติไว้ โดยเฉพาะระบบธนาคารและระบบที่เข้าถึงข้อมูลลูกค้า การทำทุกอย่างอัตโนมัติอาจสะดวกขึ้น แต่ความสะดวกไม่คุ้มกับความเสี่ยงหากควบคุมสิทธิ์ไม่ดี

Step 6: ใช้ Browser Use กับงานคอนเทนต์และการรีเสิร์ช

อีกตัวอย่างคือการนำ URL ของวิดีโอ YouTube มาให้ Codex สร้างบทความสำหรับ X จากนั้นเข้า X ที่ล็อกอินอยู่ จัดรูปแบบบทความ เพิ่มรูป thumbnail และบันทึกเป็น draft เพื่อให้คนตรวจทานก่อนเผยแพร่

ความน่าสนใจไม่ใช่การโพสต์แทนเรา แต่คือการเชื่อมหลายขั้นตอนเข้าด้วยกัน ตั้งแต่สรุปเนื้อหา สร้างบทความ เลือกภาพจากช่วงที่เกี่ยวข้อง และวางลงใน editor ของ platform ที่อาจจัดการผ่าน API ได้ไม่สะดวก

ธุรกิจไทยสามารถประยุกต์เป็น workflow เช่น เปลี่ยนคลิปสาธิตสินค้าเป็นร่างบทความ, รวบรวมประเด็นจาก feed ของคู่แข่งเพื่อทำรายงานเช้า, เตรียมร่างโพสต์จากข้อมูลโปรโมชัน หรืออัปเดตเนื้อหาลง CMS ที่ไม่มี API แต่ทุกกรณีควรจบที่ draft และขั้นตอนอนุมัติ ไม่ใช่เผยแพร่อัตโนมัติแบบไร้การตรวจ

เหตุผลคือ AI อาจจัดภาพไม่สวย วางเนื้อหาผิดตำแหน่ง หรือสรุปผิดน้ำเสียงแบรนด์ได้ ตัวอย่างในเดโมก็ยอมรับตรง ๆ ว่า thumbnail ที่สร้างยังไม่ได้ผ่านการปรับแต่ง การใช้ agent จึงควรเน้นลดงานเตรียมการ ไม่ใช่ลดความรับผิดชอบของทีม

Step 7: แยก Browser Use ออกจาก Computer Use

Browser use ทำงานกับสิ่งที่อยู่ในเบราว์เซอร์ เช่น เว็บไซต์ dashboard และ web app ส่วน computer use ขยับออกไปควบคุมโปรแกรมบนเครื่อง เช่น เปิด desktop app เข้าเมนู settings และเปลี่ยนค่าภายในแอป

เดโมแสดงการเปิดแอป Glido แล้วไปเปิดการใช้อุปกรณ์ Bluetooth ภายในแอป พร้อมมี guardrail ที่ระบุว่าจะหยุดหากพบคำขอรหัสผู้ดูแลระบบหรือ permission ที่อ่อนไหว แม้ท้ายที่สุด agent ทำงานสำเร็จ แต่นี่คือพื้นที่ที่ต้องระวังมากกว่า browser use เพราะการกระทำอาจกระทบทั้งเครื่อง ไม่ใช่แค่หนึ่งเว็บไซต์

แนวทางที่ปลอดภัยคือใช้ computer use กับงานตั้งค่าที่กลับคืนได้ งานจัดไฟล์ งานเปิดโปรแกรม หรือการเตรียมสภาพแวดล้อม อย่าเริ่มด้วยการให้มันลบไฟล์ ปรับสิทธิ์ระบบ หรือติดตั้งโปรแกรมโดยไม่มีขั้นตอนอนุมัติ

Step 8: วัดคุณค่าจาก Context Switching ไม่ใช่แค่นาทีที่ประหยัด

งานบางอย่างอาจประหยัดเวลาเพียง 5 ถึง 10 นาทีต่อครั้ง แต่คุณค่าหลักของ browser agent คือการคืนสมาธิให้เรา เมื่อสั่ง skill แล้วกลับไปทำงานสำคัญได้ทันที เราไม่ต้องขัดจังหวะตัวเองเพื่อคลิกหลายสิบครั้งใน dashboard เดิมทุกเดือน

เมื่อ skill หลายตัวถูกต่อเป็น pipeline มูลค่าจะชัดขึ้น ตัวอย่างเช่น ดาวน์โหลดรายงานยอดขาย แล้วเก็บลงโฟลเดอร์กลาง จากนั้นให้ระบบแจ้งทีมว่าพร้อมตรวจ หรือเปลี่ยนคลิปเป็น draft บทความแล้วส่งต่อให้ทีมคอนเทนต์อนุมัติ สิ่งที่ควรออกแบบคือ “จุดส่งต่องาน” ไม่ใช่พยายามทำให้ AI ทำทุกอย่างลำพัง

Actionable Insights: สิ่งที่เริ่มทำได้ทันที

Troubleshooting: แก้ปัญหาที่พบบ่อย

การต่อยอด: จาก Skill เดี่ยวสู่ระบบงานที่ดีขึ้น

สรุป Checklist ทั้งหมด

Codex Browser Agent จึงไม่ใช่คำตอบสำหรับทุก workflow แต่เป็นเครื่องมือเสริมที่มีประโยชน์มากในช่องว่างระหว่าง “ระบบไม่มี API” กับ “งานนี้เปลี่ยนบ่อยเกินกว่าจะเขียน macro ตายตัว” ธุรกิจที่ได้ผลดีจะไม่เริ่มจากการทำอัตโนมัติให้มากที่สุด แต่เริ่มจากการเลือกงานที่เหมาะ ทดสอบให้พอ และวางจุดควบคุมให้รัดกุม

Insiderly

บทความจากกองบรรณาธิการ Insiderly

อ่านบทความทั้งหมด

More in ข่าวผลิตภัณฑ์ AI

See all
ภาพปกบทสัมภาษณ์ Will Koh จาก Ramp เรื่อง GPT-5.5

GPT-5.5 กับงานจริง: บทเรียนจาก Will Koh และ Ramp

โดย Insiderly
/
ภาพปกคลิป ChatGPT Images 2.0 พร้อมตัวอย่างภาพจรวด

ChatGPT Images 2.0: ย้อนดูแนวคิดภาพสำหรับงานธุรกิจ

โดย Insiderly
/
ภาพปกวิดีโอต้นทางของ Julian Goldie SEO แสดง Hermes Agent 0.14

Hermes v0.14: การติดตั้ง เบราว์เซอร์ และความจำในคลิปเดือนพฤษภาคม

โดย Insiderly
/
อินเทอร์เฟซ Deep Research ของ ChatGPT แสดงข้อความ 'Ready when you are' กล่องคำถามตัวอย่าง และตัวเลือก Deep research กับ Sites (3)

การอัปเดต Deep Research ใน ChatGPT: พลังของ GPT-5.2 และฟีเจอร์เชิงลึก

โดย Insiderly
/

บทความอื่นจาก Insiderly

See all
ภาพปกบทสัมภาษณ์ Will Koh จาก Ramp เรื่อง GPT-5.5

GPT-5.5 กับงานจริง: บทเรียนจาก Will Koh และ Ramp

โดย Insiderly
/
ภาพปกคลิป ChatGPT Images 2.0 พร้อมตัวอย่างภาพจรวด

ChatGPT Images 2.0: ย้อนดูแนวคิดภาพสำหรับงานธุรกิจ

โดย Insiderly
/
ภาพปก The End of Apps ของ Kitze บนเวที AI Engineer Europe

AI Agents กับจุดจบของแอป: บทเรียนจาก Kitze

โดย Insiderly
/
ภาพปกการสนทนา Human Judgment in Agentic Engineering จาก AI Engineer Europe

AI เร่งงานได้ แต่แรงเสียดทานช่วยให้เราตัดสินใจดีขึ้น

โดย Insiderly
/