เมื่อคืนผมนั่งโทษ AI อยู่เป็นชั่วโมงว่ามันทำงานไม่ไหว มันรับงานไม่ทัน มันโดนจำกัดโควต้า ผมปรับนู่นปรับนี่เพื่อช่วยมันให้รอด — จนมารู้ทีหลังว่ามันสบายดีมาตลอด คนที่พังคือผม
มีวิธีคิดเรื่องนี้ที่กำลังฮิต
ช่วงนี้มีคำที่คนทำงานกับ AI พูดกันเยอะ — “loop engineering” Peter Steinberger คนที่เพิ่งย้ายไปอยู่ OpenAI พูดประโยคที่ตรงดี “คุณไม่ควรนั่งพิมพ์สั่ง agent อีกแล้ว คุณควรออกแบบ loop ที่สั่ง agent ให้คุณ” ส่วน Boris Cherny คนสร้าง Claude Code เล่าว่าเดือนนึงเขาแทบไม่เปิดโปรแกรมเขียนโค้ดเลย ปล่อยให้ loop รันแทนจนได้งานเป็นร้อยชิ้น
แก่นของมันคือ คุณตั้งเป้าครั้งเดียว แล้ว AI ก็วนเอง — หาว่าต้องทำอะไร ลงมือทำ ตรวจว่าได้ตามเป้าไหม ถ้าไม่ได้ก็วนใหม่ เขียนเป็นแผนภาพก็สี่กล่อง: เป้าหมาย → ค้นหา → ลงมือ → ตรวจสอบ
เวลาคนตื่นเต้นกับ loop เขาตื่นเต้นกับสามกล่องแรก ให้ AI ทำเยอะขึ้น เร็วขึ้น แตกเป็นสิบ agent ทำพร้อมกัน ดูทรงพลังดี กล่องสุดท้ายที่ชื่อ “ตรวจสอบ” — ไม่มีใครเอามาอวด มันน่าเบื่อ มันเหมือนแค่ติ๊กถูก
คืนนั้นผมมี loop ตัวนึงรันอยู่จริง มันคืองานหลังบ้านที่ให้ AI ไล่ย่อยกองข้อมูลเก่าทีละชิ้น แต่ มันล้มไม่หยุด
ผมเชื่อโน้ตของตัวเองมากกว่าของตรงหน้า
ผมมีโน้ตจาก session ก่อนเขียนไว้ว่า “ทางนี้มันโดนจำกัดอัตรา” คือมันเคยพังแบบนี้มาแล้ว และผมจดสาเหตุไว้ว่าเป็นเพราะโดน throttle
ดังนั้นพอรอบนี้มันพังอีก 15 จาก 20 ชิ้น ผมแทบไม่ต้องคิด — อ๋อ ก็โดนจำกัดอัตราไง โน้ตเขียนไว้แล้วนี่ ผมเลยลงมือแก้ทันที ใส่ระบบลองใหม่ ใส่เวลาหน่วง ใส่การเว้นจังหวะ ตั้งใจแก้ปัญหาเรื่องความเร็วอย่างขยันขันแข็ง
ปัญหาเดียวคือ ปัญหานั้นไม่มีอยู่จริง
กว่าจะรู้ ผมต้องหยุดมือแล้วทำสิ่งที่กล่องที่สี่มันหมายถึงจริงๆ — เปิดดูว่าตอนมันพัง มันคายอะไรออกมากันแน่ ไม่ใช่เดาจากโน้ต ไม่ใช่เดาจากคำว่า “พัง” แต่เปิดไฟล์ดิบขึ้นมาอ่านตรงๆ
AI ไม่ได้โดนจำกัดอัตราเลยสักนิด ทุกครั้งที่เรียก มันตอบกลับมาครบ ทำงานสำเร็จทุกครั้ง แต่ผมสั่งให้มันตอบเป็นข้อมูลล้วนๆ แบบที่เครื่องอ่านต่อได้ — แล้วประมาณสามในสี่ของครั้ง มันดันพูดเกริ่นก่อน “อันนี้มีอยู่แล้วนะครับ ผมขอแก้นิดเดียว…” แล้วค่อยตามด้วยข้อมูล
สคริปต์ผมอ่านประโยคสุภาพนั้นไม่ออก เจอคำว่า “อันนี้…” เข้าไปก็พังตั้งแต่ตัวอักษรแรก มันไม่ใช่ปัญหาความเร็ว มันคือมารยาท AI สุภาพเกินไปนิดเดียว แค่นั้นเอง
ห้านาทีหลังจากที่ผมยอมเปิดดูของจริง รอบถัดไปผ่าน 12 จาก 12
ตัวที่แต่งเรื่องขึ้นมาเชื่อเอง คือผม
AI มันเหมือนบรรณารักษ์ที่ตอบได้จากหนังสือในห้องสมุดของตัวเองเท่านั้น เล่มไหนหายไป มันไม่รู้ตัว แล้วมันแต่งคำตอบขึ้นมาเองอย่างมั่นใจ — สิ่งที่ Andrej Karpathy พูดเองคือ AI ทำงานจาก “ความจำเลือนๆ ของเอกสารทั้งอินเทอร์เน็ต” มันไม่ได้จำเป๊ะ มันเดาจากความเลือนนั้น เขาเลยย้ำว่าคันโยกเดียวที่ใช้ได้จริงกับ AI ไม่ใช่การดุหรืออ้อน แต่คือการตรวจสอบ เอามันไปเทียบกับของจริง
เรื่องตลกของคืนนั้นคือ คนที่ทำตัวเป็นบรรณารักษ์แบบนั้นไม่ใช่ AI เป็นผม ผมมีหนังสือที่หายไปหนึ่งเล่ม — คำถามว่า “ตอนนี้มันพังเพราะอะไรกันแน่” — แล้วแทนที่จะเดินไปเปิดดู ผมหยิบโน้ตเก่ามาอ่าน เติมช่องว่างด้วยคำตอบที่มั่นใจแต่ผิด
กล่อง “ตรวจสอบ” ในแผนภาพ loop ที่ทุกคนวาด — กล่องที่สี่ที่ดูน่าเบื่อนั่น — มันไม่ได้มีไว้ตรวจ AI มันมีไว้กันไม่ให้คุณเชื่อเรื่องที่ตัวเองแต่งขึ้น
อีกอย่างที่ผมเพิ่งเข้าใจคืนนั้น — loop ที่ดีต้องมีขอบ งานย่อยข้อมูลกองนั้นถ้ารันแบบเสียเงิน ตกชิ้นละเจ็ดเซนต์ กองเป็นร้อยชิ้นก็เป็นสิบดอลลาร์ แล้วเงินก็หมดกลางคันจริงๆ ผมเลยย้ายมารันทางที่ฟรี แต่ฟรีหรือเสียเงินไม่เกี่ยวกับบั๊กเลย บั๊กมันรออยู่ตรงกล่องที่ผมข้าม ไม่ว่าจะจ่ายเท่าไหร่
กล่องที่น่าเบื่อที่สุดคือกล่องที่สำคัญที่สุด
แผนภาพ loop ตามเน็ตทำให้กล่องตรวจสอบดูเหมือนเครื่องหมายถูก กดแล้วจบ มันไม่ใช่ มันคือจังหวะที่คุณวางโน้ตลง แล้วเปิดไฟล์จริงขึ้นมาดู
คืนนั้นผมเสียเวลาไปเป็นชั่วโมงเพราะเชื่อสิ่งที่ตัวเองจดไว้ มากกว่าสิ่งที่อยู่ตรงหน้า และบทเรียนที่แพงกว่านั้นคือ — มันไม่ใช่ครั้งแรกที่ผมทำแบบนี้