6 บทเรียนจากการใช้ AI Agent (Claude Code) ทำธุรกิจแทนพนักงาน

ผมใช้ AI Agent ทำธุรกิจแทนพนักงานมาหลายเดือน โดยใช้ Claude Code (Opus/Sonnet/Haiku) บนเครื่อง Mac Mini ที่ผมโฮสต์เองผ่าน n8n ผมเจ็บมาหลายครั้งก่อนจะได้ระบบที่สามารถรันเองได้เกือบทั้งหมด บทความนี้คือ 6 บทเรียนจากประสบการณ์ตรงที่ถ้าผมได้รู้ก่อนวันแรก คงประหยัดเวลาและค่า Token ไปได้เยอะมากสำหรับเจ้าของธุรกิจและผู้ประกอบการ B2B ที่กำลังสนใจทางนี้

บทเรียนที่ 1: Agent ไม่มี memory — ต้องมี masterfile ให้อ่านทุกครั้ง

AI Agent ไม่เหมือนคน มันไม่มีความทรงจำระยะยาวข้ามการทำงานแต่ละครั้ง เมื่อคุณสั่งงานใหม่ มันจะเริ่มต้นจากศูนย์ ไม่จำว่าครั้งที่แล้วคุยอะไรกัน หรือเคยทำอะไรให้คุณไปแล้ว

วิธีแก้ของผมคือสร้างไฟล์ masterfile.md หรือ CLAUDE.md ขึ้นมาสำหรับทุกโปรเจกต์ นี่คือกฎข้อแรกที่ผมตั้งไว้: ก่อนที่ Agent จะเริ่มทำงานใดๆ มันต้องอ่านไฟล์นี้ก่อนเสมอ

ภายในไฟล์ masterfile จะต้องมีข้อมูลสำคัญที่จำเป็นต่อการทำงานของ Agent ครับ

• Business context: ธุรกิจเราคืออะไร ขายอะไรให้ใคร
• Rules: กฎในการทำงาน เช่น สไตล์การเขียน ข้อห้ามต่างๆ
• Forbidden patterns: รูปแบบโค้ดหรือประโยคที่ห้ามใช้เด็ดขาด
• File routing: ถ้าสร้างไฟล์ประเภทนี้ ต้องเก็บไว้ที่โฟลเดอร์ไหน
• Applied learning: บันทึกบทเรียนจากความผิดพลาดในอดีต (จะอธิบายเพิ่มในบทเรียนที่ 6)

ในการใช้งานจริง ผมมีไฟล์ CLAUDE.md กลางสำหรับทั้งโปรเจกต์ และมีไฟล์ definition แยกย่อยสำหรับ Agent แต่ละตัวเพื่อกำหนดหน้าที่เฉพาะทางครับ

บทเรียนที่ 2: ต้องขังมันไว้ใน folder เดียว

บทเรียนนี้ผมได้มาจากประสบการณ์เจ็บตัวโดยตรงครับ ครั้งหนึ่งผมเคยให้สิทธิ์ Agent เข้าถึงไฟล์ได้ทั้งเครื่อง (root directory) เพราะคิดว่าจะสะดวก แต่ผลลัพธ์คือมันไปแก้ไขไฟล์ระบบที่ไม่ควรยุ่ง จนเกือบต้องล้างเครื่องใหม่

ทางแก้ที่ถูกต้องคือการจำกัดขอบเขตการทำงานของ Agent ให้แคบที่สุด หรือที่เรียกว่าการทำ Folder Isolation

ใน Claude Code จะมี settings ที่ชื่อว่า primaryWorkingDirectory ซึ่งคือโฟลเดอร์หลักที่ Agent จะทำงาน และ additionalWorkingDirectories สำหรับโฟลเดอร์อื่นๆ ที่เราอนุญาตให้เข้าถึงได้เป็นกรณีพิเศษ

กฎง่ายๆ ที่ผมใช้เสมอคือ: Agent ทุกตัวต้องทำงานอยู่ภายในโปรเจกต์โฟลเดอร์ของตัวเองเท่านั้น ห้ามให้สิทธิ์เข้าถึงระดับ / (root) หรือ ~ (home) โดยเด็ดขาด

บทเรียนที่ 3: เลือก model ให้เหมาะกับงาน — cost ต่างกัน 10 เท่า

การเลือกโมเดล AI ก็เหมือนการเลือกพนักงานให้เหมาะกับตำแหน่ง เพราะแต่ละโมเดลมีความสามารถและ “ค่าตัว” (cost per token) ไม่เท่ากัน การเลือกผิดอาจทำให้ต้นทุนสูงขึ้นเป็น 10 เท่าโดยไม่จำเป็น

สำหรับ Claude เรามี 3 ตัวเลือกหลัก

• Opus: เหมาะกับงานที่ต้องใช้การคิดวิเคราะห์เชิงลึก (reasoning) การวางโครงสร้างสถาปัตยกรรม (architect) การวางแผนที่ซับซ้อน หรือการตรวจสอบงาน เป็นโมเดลที่เก่งที่สุดและแพงที่สุด
• Sonnet: เหมาะสำหรับงานทั่วไป เช่น การเขียนโค้ด การร่างเอกสาร การวิเคราะห์ข้อมูล เป็นโมเดลที่มีความสมดุลระหว่างประสิทธิภาพและราคาที่ดีที่สุด
• Haiku: เหมาะกับงานเร็วๆ ที่ไม่ต้องคิดซับซ้อน เช่น การค้นหาข้อมูลในไฟล์ (lookup) การแปลงฟอร์แมตข้อมูล (transform) หรือการจำแนกประเภท (classify) เป็นโมเดลที่เร็วและถูกที่สุด

กฎง่ายๆ ที่ผมใช้คือ เริ่มต้นด้วย Sonnet เสมอ ถ้าเจองานที่ซับซ้อนเกินกว่าที่ Sonnet จะจัดการได้ดี ค่อยอัปเกรดไปใช้ Opus แต่ถ้าเป็นงานที่ซ้ำๆ ทำเหมือนเดิมทุกครั้ง ก็ดาวน์เกรดไปใช้ Haiku เพื่อประหยัดต้นทุน

ในระบบของผม ผมสร้าง Sub-agent หลายตัวที่ใช้โมเดลต่างกันได้ เช่น Agent ที่ทำหน้าที่วิเคราะห์เนื้อหา (content-analyst) อาจใช้ Haiku แต่ Agent ที่ทำหน้าที่วางโครงสร้างโปรเจกต์ (architect) จะใช้ Opus

บทเรียนที่ 4: บางงานไม่ต้องใช้ agent เลย

ไม่ใช่ทุกอย่างที่ต้องใช้ AI Agent ครับ บางงานใช้วิธีอื่นอาจจะดีกว่ามาก

Agent เหมาะกับงานที่ปลายเปิด (open-ended) ต้องอาศัยการตัดสินใจและมีหลายขั้นตอนที่ไม่ตายตัว แต่ไม่เหมาะอย่างยิ่งกับงานที่ซ้ำๆ และมีขั้นตอนที่แน่นอน (deterministic) ตัวอย่างเช่น “ทุกวันตอน 9 โมงเช้า ให้ดึงข้อมูล order ใหม่จาก Shopify ไปใส่ใน Google Sheets” งานแบบนี้ไม่ควรใช้ Agent ครับ

สำหรับงานลักษณะนี้ ผมจะใช้เครื่องมือ Automation อย่าง n8n (เอ็น-เอท-เอ็น) หรือ Make.com หรือแม้กระทั่ง cron job ธรรมดาๆ แทน ซึ่งมีความเสถียรมากกว่า Agent ถึง 10 เท่า และมีต้นทุนการรันที่ต่ำกว่าถึง 20 เท่า

วิธีตัดสินใจง่ายๆ คือ: ถ้าคุณสามารถเขียนขั้นตอนการทำงานทั้งหมดออกมาเป็น flowchart ที่ชัดเจนได้ ให้ใช้ Automation แต่ถ้าขั้นตอนนั้นต้องการ “การคิด” และการตัดสินใจระหว่างทาง นั่นคืองานที่เหมาะกับ Agent

บทเรียนที่ 5: AI Agent ≠ AI Chatbot

นี่คือความเข้าใจผิดที่ผมเจอได้บ่อยที่สุดในกลุ่มลูกค้า SME ซึ่งส่งผลต่อการตัดสินใจลงทุนโดยตรง AI Agent และ AI Chatbot ไม่ใช่สิ่งเดียวกันครับ

• Chatbot: เป็นระบบที่ทำงานแบบ “โต้ตอบ” (Reactive) คือรอรับคำถาม แล้วจึงให้คำตอบ
• Agent: เป็นระบบที่ทำงานแบบ “เชิงรุก” (Proactive) คือรับ “เป้าหมาย” มา แล้วไปวางแผน ลงมือทำ และกลับมารายงานผลจนกว่าจะสำเร็จ

ความสามารถที่สำคัญที่สุดของ Agent ที่ Chatbot ไม่มีคือการ “ใช้เครื่องมือ” (Tools) ได้เอง เช่น อ่านไฟล์ เขียนไฟล์ รันโค้ด หรือเรียกใช้ API ภายนอกเพื่อหาข้อมูลเพิ่มเติมหรือสั่งงานระบบอื่น

การเข้าใจความแตกต่างนี้สำคัญมาก เพราะมันจะช่วยให้เจ้าของธุรกิจประเมินได้ว่าสิ่งที่ต้องการคือระบบถาม-ตอบ หรือต้องการ “พนักงานดิจิทัล” ที่ทำงานแทนได้จริงๆ

บทเรียนที่ 6: กัน agent ทำผิดซ้ำ — ต้อง audit + memory log

AI ก็เหมือนคน คือมันทำผิดพลาดได้ แต่สิ่งสำคัญคือมันต้องเรียนรู้จากความผิดพลาดนั้นและไม่ทำผิดซ้ำอีก

ทุกครั้งที่ Agent ทำงานผิดพลาด ผมจะมีขั้นตอนบังคับคือ สั่งให้มันเขียนบันทึกสั้นๆ ว่า “เกิดข้อผิดพลาดอะไร” “แก้ไขด้วยวิธีไหน” และ “จะป้องกันไม่ให้เกิดซ้ำได้อย่างไร”

บันทึกนี้จะถูกเก็บไว้ในไฟล์ชื่อ debug-log.md ซึ่ง Agent จะต้องถูกสั่งให้อ่านไฟล์นี้ทุกครั้งก่อนเริ่มทำงานประเภทเดียวกันในครั้งถัดไป นี่คือการสร้าง “ความทรงจำจากความเจ็บปวด” ให้กับมัน ผมมักจะใส่ส่วนนี้ไว้ใน “Applied Learning” section ของ masterfile และในระบบ Claude Code ก็มีฟังก์ชัน auto-memory ที่ช่วยในการบันทึกเรื่องพวกนี้เช่นกัน

Bonus: สร้าง agent ง่ายกว่าที่คุณคิด

คุณไม่จำเป็นต้องเป็นโปรแกรมเมอร์เพื่อสร้าง AI Agent พื้นฐานครับ แก่นของ Agent จริงๆ แล้วก็คือไฟล์ markdown (.md) 1 ไฟล์ ที่เราเขียนคำสั่งเพื่อกำหนด 4 อย่างนี้ให้มัน

1. Identity: ตัวตนของ Agent (คุณคือใคร)
2. Mission: ภารกิจหลัก (เป้าหมายของคุณคืออะไร)
3. Scope: ขอบเขตการทำงานและไฟล์ที่ต้องอ่าน
4. Tools allowed: เครื่องมือที่อนุญาตให้ใช้ได้

ตัวอย่างโครงสร้างไฟล์ง่ายๆ อาจเป็นแบบนี้

# Agent Name
## Role
คุณคือ...
## Files to read
- file1.md
- data.csv
## Task routing
ถ้าได้รับคำสั่ง X ให้ทำ Y
## Output format
ให้ส่งงานในรูปแบบ Z

แค่ไฟล์ markdown ความยาวประมาณ 50-200 บรรทัด ก็สามารถสร้าง Agent ที่พร้อมใช้งานในระดับเริ่มต้นได้แล้วครับ

ถ้าคุณเป็นเจ้าของธุรกิจที่อยากเริ่มใช้ Claude สร้าง Agent เพื่อทำงานแทนพนักงานในบริษัทตัวเอง ผมมี AI Day Workshop ที่จะเข้าไปสอนให้แบบ In-house 1 วันเต็มที่บริษัทของคุณ

สำหรับคนที่อยากเห็นภาพรวมของระบบทั้งหมดที่ผมใช้ สามารถอ่านต่อได้ที่บทความ ระบบ agent ที่ผมใช้จริง — Mac Mini + Agent 3 แผนก

หรือหากคุณยังใหม่กับเรื่องนี้มากๆ ผมแนะนำให้อ่าน คู่มือ Agentic AI สำหรับ SME ไทย เพื่อปูพื้นฐานก่อน

และหากยังสับสนระหว่าง Agent กับ Chatbot สามารถอ่านคำอธิบายเพิ่มเติมได้ที่ AI Agent vs Chatbot ต่างกันยังไง