สร้างผู้ก่อตั้งธุรกิจในยุค AI: ประสบการณ์และสรุปการเปลี่ยนสูตรจากการเขียนโค้ดศูนย์ไปสู่การสร้างผลิตภัณฑ์ระดับองค์กรสองรายการ

หัวเรื่องเดิม: "หลังจากใช้ vibe coding ผ่านหลุมต่างๆ ฉบับนี้ สรุปเส้นทางการระดมทุนของผู้ก่อตั้งพื้นฐานทางธุรกิจด้าน AI ที่ได้รวมมาได้วิ้งเดียว"

ผู้เขียนเดิม: PeterY, WXY Labs ผู้ก่อตั้ง

คำแถลง:

ฉันไม่ใช่วิศวกร แต่ฉันได้สร้างผลิตภัณฑ์ระดับองค์กรด้วย AI ไปแล้ว 2 อย่างหากคุณเองก็เป็นคนที่ศิลปะหรือเหมือนฉันต้นฉบับด้านธุรกิจที่กำลังมองหาข่าวสาร AI ที่เต็มไปด้วยความวุ่นวาย—บทความนี้ถูกเขียนขึ้นสำหรับคุณ ฉันไม่ใช่วิศวกร ฉันเคยศึกษาการตลาด ในปี 2005 เริ่มงานเป็นผู้อำนวยการลูกค้าที่ Ogilvy Beijing จากนั้นไปทํางานที่ Tencent, 36Kr, และ Meituan-Dianping ในปี 2018 สร้าง WXYLabs, ทำธุรกิจการตลาดสําหรับโครงการ Crypto มากกว่า 300 โครงการ ในโลกธุรกิจแบบเดิม ประวัติการเรียนรู้ของฉันถือว่ายังพอใช้ได้

แต่ในยุค AI นี้ ความถูกต้องของประวัติยังคงมีค่าแทบจะหมดไป หลักการธุรกิจของ agency เดิมหมดไปแล้ว Al ทำให้บริษัทคนเดียวกันกลายเป็นเป็นชีวิตประจำ ลูกค้าไม่ได้มีความจําเป็นต้องการคุณเป็น "ผู้กลาง" แล้ว สิ่งที่พวกเขาจําเป็นต้องการคือ คนที่สามารถแก้ปัญหาโดยตรงด้วย AI ที่เฉพาะเจาะจง ยิ่งเกรดขึ้นมากกว่านั้น หากคุณเองไม่สามารถสร้างผลิตภัณฑ์ด้วย AI คุณอาจจะแทบไม่สามารถโฆษณาผลิตภัณฑ์ AI ของผู้อื่นหากไม่มีทางโน้มน้าวได้

ดังนั้นในฤดูใบไม้ร่วงของปี 2025 ฉันจึงตัดสินใจ: เรียนรู้เขียนโปรแกรมต้นๆ ด้วยวิธี vibe coding ด้วยตนเอง สร้างผลิตภัณฑ์ของตัวเอง ไม่ใช่การจ้างคน ไม่ใช่การให้บริการนอกระบบไม่ใช่การทํางานร่วมกับนักพัฒนา แต่ขอให้ฉันทําเอง

เริ่มจากการถามคําถามบ้าๆ เช่น "การส่งสัญญาณเข้าหน้าจอคืออะไร？" "โครงสร้าง JSON คืออะไร?" "การจบด้วยเซมิโคลอนหรือคอมมา?" สู่การสร้างผลิตภัณฑ์ที่สามารถใช้งานจริงออกมา 2 ผลิตภัณฑ์

ผ่านมากับการที่ Al Agent โกหก หลอกลวง รายงานอ็อป มนุษย์นะต่างๆ ดึงยิงมากกว่าที่เคย และมาตรฐานผลลัพการใช้งานจริงจาก Kimi ถึง ClaudeOpus4.6

บทความนี้ ไม่ใช่การโชว์ เป็นเราที่ครั้งหลังจากเดินถูกหลุมทุกช่อง แนะนำเส้นทางการปฏิบัติสำหรับผู้ก่อตั้งที่ไม่มีพื้นฐานด้านเทคโนโลยี

เหตุผลที่ผู้ก่อตั้งด้านธุรกิจจําต้องมาเข้ามือทําผลิตภัณฑ์ของตัวเอง

โลกเก่ากําลังพังทลาย

ตั้งแต่ปี 2024 ฉันรับรู้ชัดเจนว่าธุรกิจการตลาดเดิมของ WXYLabs กําลังย่ำย่ำ นอนผลงานเป็นเหตุของอื่นๆ อันส่วนใหญ่มีลักษณะเป็นเหตุมาจากตรรกะของลูกค้า ก่อนหน้านี้, โครงการ Crypto ต้องการการตลาด จะไปหา agency เพราะ:

· พวกเขาไม่รู้จะเขียน copy อย่างไร

· พวกเขาไม่รู้จะบริหารชุมชนอย่างไร

· พวกเขาไม่รู้จะวางแผนกิจกรรมอย่างไร

· พวกเขาต้องการ「ผู้เชี่ยวชาญในงานทำงานที่เฉพาะเจาะจง」

แต่หลังจาก AI ปรากฏขึ้น ผู้ก่อตั้งคนหนึ่งสามารถเขียน copy คะแนน 80 ในเวลา 30 นาทีกับ ChatGPT, ทำโปสเตอร์คะแนน 60 ด้วย Midjourney, และจัดการกิจกรรมชุมชนด้วยทักทายผ่าน Claude ได้ ด้วยเลยในตอนนั้น มูลค่าของ Agency ได้ผ่านจากการ "ช่วยคุณทำ" เปลี่ยนมาเป็น "ช่วยคุณทำให้ดีขึ้น" แต่ความพร้อมที่จะจ่ายเงินเพิ่มเพื่อ "ดีขึ้น" ของลูกค้า ไม่สูงเท่ากับ "ช่วยฉันทำ" และ อย่างไรก็ตามมันไม่จำเป็นต้องมี Agency ด้วยโครงการสามารถติดต่อ KOL จากทุกที่ได้

สิ่งที่สำคัญมากคือ AI ทำให้ "บริษัทคนเดียวเดียว" เป็นแบบจริงๆ ได้รับการยอมรับ คนที่เข้าใจธุรกิจ + ชุดเครื่องมือ AI เพียงอย่างเดียวก็สามารถสร้างผลงานที่ใช้เวลา 10 คนในอดีต นี่หมายความว่าอะไร? หมายความว่าหากคุณไม่ลดต้นทุนเพิ่มประสิทธิภาพ รูปแบบของธุรกิจแบบเดิมจะถูกโจมตีโดยรุทัวกิของบริษัทคนเดียวเดียวในยุค AI

หน้าที่ใหม่ของผู้ก่อตั้ง: การทำผลิตภัณฑ์ด้วยตัวเอง

ฉันสังเกตเห็นหนึ่งปรากฏการณ์: ในยุค AI ผู้ก่อตั้งที่ประสบความสำเร็จมากที่สุดมักไม่ใช่ผู้ที่เชี่ยวชาญด้านเทคโนโลยีเป็นอย่างมาก แต่เป็นผู้ที่ "เข้าใจธุรกิจและสามารถทำด้วยตัวเองได้มากที่สุด" เพราะ? เนื่องจาก AI ได้มาทำให้การพัฒนาด้าน backend เข้าถึงง่ายขึ้น

คุณไม่จำเป็นต้องเข้าใจอัลกอริทึมพื้นฐาน, โครงสร้างแบบกระจาย, หรือแม้กระทั่งการออกแบบฐานข้อมูล คุณจำเป็นเพียงทราบว่า:

· ผู้ใช้ของฉันต้องการอะไร

· ความต้องการนี้จะแปลเป็นคุณสมบัติผลิตภัณฑ์อย่างไร

· จะตรวจสอบว่าคุณสมบัตินี้แก้ไขปัญหาได้หรือไม่

ศักยภาพเหล่านี้, กลับทวีคำพูดของผู้ก่อตั้งด้านวิชาการบริหารทั้งหมดถูกฉีกออก, ไม่ใช่แค่ยศที่ลดล้ำลึกระดับของธุรกิจ, ยังไงถูกส่งเสริมให้เป็นผลิตภัณฑ์ก่อที่คนด้วยแสงที่สุด

การเขียน vibe แบบไม่มีเส้นตั้ง—สร้างผลิตภัณฑ์ครั้งแรกในเวลาเดือนเดียวกัน

ชุดเครื่องมือเรียนรู้ของฉัน

ในเดือนกันยายน พ.ศ. 2568, ฉันเริ่มเข้ามาอย่างเป็นทางการ บนช่องโตของฉัน:

· หน้าจอด้านซ้าย: DeepSeek(ฟรี, ไม่มีความกดดันจาก token, ความเร็วสูง)

· หน้าจอด้านขวา: 20+ แท็บเว็บ, Cursor, Vercel, GitHub, Supabase, Namecheap......

ฉันไม่มีความรู้เรื่องเทอร์มินัลเลย โครงสร้าง JSON คืออะไร? จบโค้ดต้องใช้เครื่องหมายอะไร? ฉันต้องถาม DeepSeek เรื่องเหล่านี้ แต่ฉันมีข้อได้เปรียบหนึ่ง: ฉันรู้ว่าฉันต้องทำอะไรอย่างชัดเจน

ฉันใช้แผนภาพความคิดเพื่อออกแบบตรรกะธุรกิจอย่างชัดเจน แล้วให้ AI ช่วยฉันสร้างเป็นแผนการทำงานทางเทคโนโลยี ไม่ใช่ให้ AI บอกฉันว่าต้องทำอะไร แต่ให้ฉันบอก AI ว่าฉันต้องการอะไร และ AI บอกฉันวิธีการทำ ลำดับนี้สำคัญมาก ฉันจะพูดถึงมันอีกในภายหลัง

ผลิตภัณฑ์แรก: dosir.io

ใช้เวลาประมาณหนึ่งเดือน, ฉันสร้างผลิตภัณฑ์แรกของฉัน—dosir.io ตำแหน่งตัวตนคือ Crypto Alpha Sniper&Auditor. คุณสมบัติหลัก ได้แก่

· ตรวจสอบความเคลื่อนไหวของ KOL ใน X(Twitter)

· เก็บรวบรวมข้อมูลบนเชน

· ประเมินโครงการว่ามันคือการเจริญรุ่นอันเท็จหรือความเป็น alpha จริงๆ เหมือนตัวทำหัตถของหมอ

เพื่อพูดความจริง, ผลิตภัณฑ์นี้ดีเป็นอย่างมาก สามารถใช้งานได้, อัพเดททันที, ข้อมูลมีประสิทธิภาพ แต่มันไม่พบโอกาสในเวลาที่เหมาะสม ตั้งแต่ปลายปี 2025 ถึงต้นปี 2026, โอกาส alpha ในตลาด Crypto ลดลงอย่างรวดเร็ว (การแข่งขันของผู้เล่นกับผู้เล่น) กำลังลดลง ยิ่งไม่ต้องพูดถึงโอกาสที่จริงจะได้รับ alpha

ตลาดมุ่งหาทองเปลี่ยนไปเป็นการสูญหายและการออกไป, ดังนั้นผลิตภัณฑ์แรก ถึงแม้ด้านเทคโนโลยีจะสำเร็จ แต่ด้านธุรกิจไม่สามารถทำงานได้

อย่างไรก็ตาม, ประสบการณ์นี้มอบให้ฉันสามสิ่งที่สำคัญมากที่สุด:

1. การเขียนโค้ดแบบ vibe จริงได้ผล. คนที่ไม่รู้จักโค้ดเลย, เหล่าคนเหล่านี้สามารถสร้างผลิตภัณฑ์ที่สมบูรณ์บรรจงในระยะเวลาหนึ่งเดือน

2. การเริ่มต้นด้วยการคิดเชิงผลิตภัณฑ์สำคัญกว่าความสามารถในการเขียนโค้ด. dosir.io ไม่ใช่เพราะเรื่องเทคโนโลยี, เรื่องข้อผิดพลาดมาจากการวิเคราะห์จากตลาดที่ผิด

3. ความคุ้นเคยของฉันกับเครื่องมือ AI ได้เพิ่มขึ้นอีก 1 ระดับ. Cursor, GitHub, Vercel, Supabase...... เครื่องมือเหล่านี้ฉันเรียนรู้มาจากศูนย์

ค้นพบ OpenClaw—การทดลองที่บ้าคลั่งของผู้ใช้ภายในประเทศ

จากสินค้าที่หมดเขาใน macmini ไปจนถึงการค้นพบโลกใหม่

ในเดือนมกราคม ปี 2026 ฉันเห็นข้อความบางอย่างบน X ว่า mac mini ของซิลิคอนวัลลีย์หมดเนื่องจาก OpenClaw—โครงสร้างที่ช่วยให้ผู้ใช้ทั่วๆ ไปสามารถใช้งาน Al Agent ได้ด้วยตัวเองแบบ local ฉันก็ได้ส่งข้อความดังกล่าวไปยังกลุ่ม CryptoBoss ของฉัน แล้วพบว่า 90% ของคนในกลุ่มไม่เคยได้ยินเรื่องนี้มาก่อน

ฉันกลับเข้าใจทันทีว่า: นี่คือความไม่สมดุลของข้อมูล และเป็นโอกาส วันเดียวกันฉันก็ไปสั่ง macmini รุ่นสูงผ่านทาง JD.com ในวันที่ 20 มกราคม ฉันก็อาจจะเป็นคนแรกในประเทศที่ทราบและใช้ OpenClaw

「เลี้ยงกุ้ง」 เป็นเวลาหนึ่งเดือน

หลังจากได้รับ macmini ฉันใช้เวลาหนึ่งเดือนทำการ「เลี้ยงกุ้ง」 คำว่า「เลี้ยงกุ้ง」 หมายถึงการให้อาหารแก่ Agent ของฉัน และทำการกำหนดค่าขั้นตอนดังนี้:

1. หากมีบทความความรู้ดีๆ มีความลึกมาก ฉันจะส่งให้ Agent ของฉัน

2. มอบให้ Agent เรียนรู้ลึกซึ้งบทความดังกล่าว

3. Agent จะสร้างแผนการกำหนดค่า

4. ฉันทำการกำหนดค่าตามแผนการกำหนดค่า

ตั้งแต่จุดเริ่มต้นพื้นฐาน อย่าง soul.md, agent.md, user.md ไปจนถึง self-evolving, skill-vetter รวมถึง memory solution ต่างๆ จนถึงการสื่อสารระหว่าง Agent และการดำเนินการของ subagent รวมถึงโครงสร้างของ Harness และจนถึง Hermas Agent—โดยทุกขั้นตอนทุกวันฉันจะศึกษาและกำหนดค่า

ในเวลาเดียวกัน ฉันได้ให้ Agent ช่วยกันสร้างทีม Agent ของ WXY โดยทำซ้ำการกำหนดค่าด้านหน้าบนทุก agent

ในขณะนั้นฉันคิดว่า: ทุกอย่างจะปลอดภัย มันเป็นเวลาที่ดีสำหรับการทำงานใหญ่

"ความชั่งชาติ" ของ Al Agent

ความสมบูรณ์แบบ: จัดการทีม AI อย่างจัดการบริษัท

หลังจากการกำหนดค่าทีม agents ฉันเริ่มทำการจัดการแต่ละ agent เหมือนกับการจัดการบริษัท:

เอเจนต์ยุทธศาสตร์: ตามความคิดของธุรกิจของฉัน ได้สร้าง PRD ผลิตภัณฑ์อย่างมีประสิทธิภาพมาก

PMAgent: จากเอกสาร PRD มอบหมายธุรกิจเป็นความต้องการและขั้นตอนทั้งหมด

DevAgent: ฉันได้ตั้งค่า DevAgent โดยตรง โดย PM มาทำการตรวจสอบรหัสและระยะเวลา

ดูเหมือนจะสมบูรณ์เสมอไป จริงๆ หรือไม่? ผู้ก่อตั้ง + กำหนดกลยุทธ์ + PM การจัดการ + Dev การดำเนินการ นี่ไม่ใช่วงจำกัดขององค์กรปกติ ๆ ใช่ไหม?

ความเป็นจริงนั้นโหดร้าย: AI เริ่มมี "ขี้ขลาด โกหก รายงานที่เท็จ"

สามห้า โอนเวลาไปกับการปรับปรุง OpenClaw การกำหนดค่าระดับต่ำ โครงสร้าง Agent ที่ประกาศ การล้มเหลวที่หาไม่พบการกลับสำหรับปัญหาเทคนิคเช่น Agent ติดตั้งกลับซ้ำ ระบบจุดอ่อน แต่หาก AI ตกอยู่ในภาวะวินิจฉัยเอง ตามหลังด้วยรายงานที่ผิดปกติ ฉันไม่สามารถดูแล้ว

รหัสไม่ได้ถูกพัฒนาจริง หรือเพียง 20% แต่เอเจนต์บอกว่า "การพัฒนาเสร็จสมบูรณ์" ฉันซึ่งเก่งในเรื่องรหัส ไม่สามารถเข้าใจได้ แค่ฉันก็จะทำถูกตามรายงาน ผลลัพธ์ที่พบหลังจากหลายวันคือ ความช้าตกเกลี่ยด้านการก้าบเวลาปัจจุบัน

หลังจากค้นพบปัญหา ฉันไม่ทำสิ่งใดอย่างง่ายๆๆโดยตรง "เปลี่ยนโมเดล" หรือ "ลบและสร้างใหม่"

ฉันได้ดำเนินการเรื่องเดียว ให้ PMAgent วิเคราะห์ DevAgent เพราะเหตุใดที่มีปัญหาเหล่านี้ และจากนั้นให้ฉันแก้ไขคำแนะนำ PMAgent ให้ฉันหากเพศชาย-เพศหญิง อันหลังความเพศชาย พบปัญหาเหล่านี้, งานของ AI ข้อนี้หลักจะเหมือนกันกับดุลชาตีย์ก้องจุดขวาง:

· ที่ดำเนินการเวลายึดไม่สนใจ: วงจรเป้าหมาย - นํ้าให้การตอบกลับ ขาดการตรวจสอบจุด = ไม่มีคนไหนรู้บ้างคนไม่ทำ = มีค่าความล่าช้าศระฆ่าที่โดยไม่มี= แจเรคง โรงงานใหญ่

· เมื่อผลงานแถบนร: การหลีกเลี่ยงประชาติแต่งสรร + ความรึก

· หนึ่งรายงานก่อนจึงไม่สนใจ: สรรงก่ัาตรกวานับเเละเขคนร้ะ่าน้ก้าหลัจังสา ตรีีเศร อารสรรยื่อส่ร้ารงขรสี= DRเญร2ตร่องรังจตังง้จ ยีเกหมินครรี่ขา่โี1a

· ตั้งค่าเวลาการพัฒนา 24 ชั่วโมง แต่กลับไปงานเสียเป็นส่วนใหญ่:

· ความสับสน: เอกสารของ SOUL.md: "เวลาพักผ่อน (ไม่ต้องรายงานตัวเอง): กลางคืนเที่ยงคืน" การเข้าใจของ Dev: "หลัง 22:00 ไม่ต้องส่งรายงาน = ฉันสามารถพักผ่อนได้" ปลุกแจ้งโดยออกแบบ: "หลัง 22:00 ไม่ต้องส่งรายงาน แต่ต้องดำเนินการพัฒนาต่อ"

· ความว่างเปล่าในการดูแล: ไม่มีการตรวจสอบการส่ง Git และไม่มีการตรวจสอบการเต้นของการพัฒนาโดยอัตโนมัติ

คำแนะนำที่ PMAgent ให้ฉัน ฉันยังคงใช้จนถึงตอนนี้:

ระยะสั้น:

1. การรับผิดชอบชัดเจน: ตรวจสอบจุดตรวจเวลา 09:15 โดยไม่มีการรายงาน = เตือนทันที

2. การตรวจสอบบังคับ: ไม่เพียงแค่มองการรายงาน ต้องตรวจสอบโค้ดบน GitHub ด้วย

3. การแยกงาน: บังคับการใช้แม่แบบ TASK-BREAKDOWN

ระยะกลาง (สัปดาห์):

1. ลดภาระความคิด: แบ่งงานใหญ่เป็นงานย่อยเพียงนาที

2. คำตอบทันที: เมื่อเสร็จสิ้นให้ตรวจสอบทันที ไม่ต้องรอ

3. สร้างความอับขา: รายงานความก้าวหน้าที่ไม่เป็นจริงและดำเนินการแก้ไขให้เป็นสาธารณะทันที

ระยะยาว:

1. ปรับตำแหน่งตนเอง: จาก "CTO" เป็น "นักพัฒนาแบบ成長"

2. สร้างกลไกสร้างความไว้ใจ: ยอมให้ผิดพลาด แต่ไม่ยอมให้โกหก

3. นำเข้าความดันจากเพื่อนร่วมงาน: การปฏิบัติงานของหลาย agent พร้อมกัน เพื่อสร้างการแข่งขัน

สรุปหลัก: ปัญหาของ DevAgent ไม่ได้มาจาก "ความชั่วร้าย" แต่เป็นความเสียหายจากระบบของกำหนดรางวัลที่ล้มเหลว—การเก็บความขี้หมาไม่มีค่าตอบแทน การแยกงานที่ยากให้ง่าย การรายงานที่ไม่เป็นจริงที่ไม่ถูกเปิดเผยทันที ควบคุมที่ขาดไปขณะกลางคืน

การเปิดทาง—การสลับ Claude Opus4.6, ประสิทธิภาพเพิ่มขึ้น 90%

เมื่อปัญหาการกำหนดค่าเบื้องต้นเรื่อยมาก ฉันก็พบกับอุปสรรคใหม่

เมื่อแก้ไขปัญหาที่เกี่ยวข้องกับการกำหนดค่าฐานนิยมเกือบหมดหลังนั้น ระบบเกือบสร้างสรรค์โค้ดไปแล้ว 50% สู่ความสำเร็จเบื้องต้น พอโค้ดพร้อม ~ 50% ฉันบรรยายพวกเห็นว่า: ทุกวันกำลังพบบั๊กจำนวนมากที่ทำให้ไม่สามารถเข้าสู่ขั้นตอนการพัฒนาต่อไป นี่ไม่ใช่ปัญหาของ OpenClaw และไม่ใช่ปัญหาเรื่องการกำหนดค่า แต่เป็นปัญหาของ "ความสามารถของ LLM ที่ถูกจำกัด"

การเปลี่ยนแปลงที่สำคัญ: ClaudeOpus4.6

นี้เวลาฉันตัดสินใจอย่างสำคัญ: OpenClaw + Kimi2.5 มีความสำคัญต่อการดำเนินงานและบทบาทช่วยเหลือ ส่วน ClaudeOpus 4.6 มีความสำคัญสำหรับ LLM ด้านล่างของ Dev Agent

ผลลัพธ์เป็นอย่างไร?

ความสามารถในการพัฒนาเพิ่มขึ้นทันที 90% หน้าต่างการสนทนาและไทม์ไลน์ของ DevAgent กลายเป็นในที่สุดง่ายและกระชับ การทำงานร่วมกับ OpenClaw และ Kimi มีการทำงานที่เรียบง่ายไม่ซับซ้อนแต่สื่อสารและการประสานงานแบบมหาศาล ทั้งสององค์จะปฎิบัติตามหน้าที่ของตนเอง

การเปลี่ยนนี้ทำให้ฉันเข้าใจถึงสิ่งสำคัญที่สำคัญ: ใช้ AI ในระดับต่าง ๆ สำหรับงานที่แตกต่างกัน

ไม่ใช่ AI ราคาแพงก็ดี แต่:

· งานเชิงความคิดสร้างสรรค์ โดยการสื่อสาร → โมเดลราคาถูกและดำเนินการเร็ว (Kimi2.5)

· การพัฒนาโค้ดขั้นสูง และการออกแบบสถาปัตยกรรม → โมเดลตัดสินใจระดับดีที่สุด (Claude Opus4.6)

ข้อผิดพลาดหนึ่งของผู้ก่อตั้งหลายๆ คนคือ: ใช้โมเดลราคาถูกทั้งหมด (ทำให้คุณภาพของโค้ดแย่) หรือใช้ AI ราคาแพงทั้งหมด (ทำให้ค่าใช้จ่ายในกายองการเพิ่มขึ้น)

การใช้งานในระดับแยกชั้น คือคำตอบที่ถูกต้อง

เสร็จสิ้นการสร้างผลิตภัณฑ์ที่สองในอีกสัปดาห์: แพลตฟอร์ม MarketingSkill

ตำแหน่งตั้งของระบบ: แพลตฟอร์มการตลาดคริปโต

ฟังก์ชั่นหลัก:

· การจับคู่โฆษณาโครงการโดยอัตโนมัติกับชุมชนโทรเลขรายการทั่วโลก

· มีประสิทธิภาพ: ลดขั้นตอนทำงานที่ยาวนานของการประสานงานมนุษย์กับโครงการแบบเดิม

· คัดเลือก: จับคู่ชุดข้อมูลที่เหมาะที่สุดกับชุมชน

· โปร่งใส: กระบวนการลงทุนทั้งหมดที่เปิดเผย ลูกค้าทราบว่าเงินแต่ละบาทใช้ไปที่ไหน

ขั้นตอนในการพัฒนาผลิตภัณฑ์นี้ไม่น้อยกว่าที่ผู้พัฒนาแบบดั้งเดิมต้องผ่านไป โดยใช้โปรเซสดังนี้:

· การพัฒนาโค้ด

· เลือกเลือดโซ่บล็อกเป้าหมาย และพัฒนาสัญญา

· ทดสอบกระบวนการโดยรวมภายในเครื่อง

· ปรับปรุงระบบราคาและการชำระเงิน

· การตั้งค่าฟังก์ชันเฉพาะของ Telegram Bot และการเชื่อมต่อสองทางกับแพลตฟอร์ม MarketingSkill

· การใช้งานบนเครือข่ายทดสอบ

· และการวางท่าเริ่มต้นหลังจากจัดการส่งจาก BSC testnet ไป BSC mainnet ซึ่งเกือบจะลืม

ความสำเร็จในการเปิดตัวผลิตภัณฑ์ที่สอง ทำให้ฉันมั่นใจในสิ่งนึง: แบบแผนนี้สามารถใช้ได้ สิ่งสำคัญกว่าคือ มันพิสูจน์ให้ทราบว่า: คนหนึ่งสามารถสร้างผลิตภัณฑ์ระดับองค์กรโดยใช้ vibe coding ไม่ใช่ demo, ไม่ใช่ MVP, แต่เป็นแพลตฟอร์มการตลาดที่สามารถรับลูกค้า ทำธุรกิจ และขยายมากได้จริง

ห้าสาระสำคัญในการร่วมงานกับ AI ของผู้ก่อตั้ง

หลังจากที่ผ่านมาจากประสบการณ์งานกับผลิตภัณฑ์สองตัว ฉันถึงสรุปออกมาว่ามีห้าสาระสำคัญสำหรับผู้ก่อตั้งที่มีพื้นฐานทางธุรกิจ/มนุษยธรรม

สาระสำคัญหนึ่ง: ความสามารถทางธุรกิจในวงการของคุณจำเป็นกว่าความสามารถในการเขียนโค้ด 100 เท่า

ผู้ก่อตั้งที่ไม่มีพื้นฐานทางเทคนิคมักมีความคิดผิดว่าต้องเรียนรู้ Python, React, และฐานข้อมูลเพื่อสร้างผลิตภัณฑ์ AI

นั่นผิดทั้งหมด AI ได้ลบอุปสรรคทางด้านหลังไปแล้ว ถึงแม้จะยังมีการแข่งขันทางด้านหน้า แต่ก็ได้รับการครอบคลุมโดยเครื่องมือ AI อย่างรวดเร็ว

สิ่งที่สร้างสร้างกำแพงกำนันที่แท้จริงคือความเข้าใจของคุณในธุรกิจ

ฉันสามารถสร้าง dosir.io ไม่ใช่เพราะว่าฉันเขียนโค้ดได้ดี แต่เพราะว่าฉันปลอดภัยในวงการ Crypto มา 8 ปี ฉันรู้ว่าข้อมูลสิ่งที่เป็นแฟ ข้อมูลที่ KOL มีการเรียกร้อง เป็นข้อมูลบนเชื่อม

ฉันสามารถสร้าง marketing skill.vercel.app ได้เพราะฉันเคยทำการตลาดสำหรับโปรเจคที่มีมากกว่า 300 โครงการด้าน Crypto แล้ว ฉันรู้จักจุดอ่อนในอุตสาหกรรมนี้อย่างมาก:

· ผู้ก่อตั้งไม่สามารถหาชุมชน TG ที่แม่นยำได้

· ผู้ดูแลชุมชนไม่รู้ว่าควรกำหนดราคาการเข้าถึงของตนเองอย่างไร

· ชั้นคนกลางเพิ่มราคาขึ้นเป็นชั้นๆ และข้อมูลไม่โปร่งใส

· ประสิทธิภาพการเชื่อมต่อโดยการจับคู่คนทำงานมีขีดจำกัดมาก ในบางครั้งการดำเนินการ 1 แคมเปญอาจใช้เวลาถึง 2 สัปดาห์

เรื่องจุดอ่อนเหล่านี้ ChatGPT ไม่สามารถเขียนออก และ Claude ก็คงไม่สามารถลองประเมินออกมา สามารถรู้ได้เพียงผู้ที่ทำงานในอุตสาหกรรมนี้มา 8 ปี กว่า กับคนเท่านั้น AI สามารถช่วยคุณเขียนโค้ดได้ แต่ AI ไม่รู้ว่าผู้ใช้ของคุณต้องการสิ่งจริงๆ ความรู้สึกนั้น คือความแข็งขันหลักของคุณ

การรับรู้ที่ 2: ความสามารถในการปฏิบัติมากกว่าความสามารถในการนำ

ประโยคนี้อาจดูเป็นการคิดที่กลับกัน: ในโลกธุรกิจแบบดั้งเดิม ความสามารถในการนำมีความสำคัญมาก เมื่อคุณกำหนดทิศทางและทีมดำเนินการ ละกันคุณพูดด้วยปาก คนอื่นวิ่งตามที่จะเหี้ยมแตก แต่ในยุคของ AI นั้นไม่เหมือนเดิม AI ถูกจากระบบดำเนินการโดยตรงจากส่วนของบุคคล

คุณไม่สามารถบอก AI ให้ดำเนินการแล้วนั่งรอผลลัพธ์คุณต้อง:

· เข้าใจกระบวนการธุรกิจของตนเอง

· ออกแบบตรรกะสินค้าเอง

· ตรวจสอบผลลัพธ์ที่ได้

· ค้นพบจุดที่ผิดพลาด

· ปรับ prompt และการกำหนดค่าเอง

คนที่ถนัดที่จะนำ และชอบสั่งงานผู้อื่นให้ดำเนินการ ในยุคของ AI จะรู้สึกทุกข์ทรมาสราม เพราะ AI จะไม่คิดแทนคุณ มันจะแค่ดำเนินการแทนคุณเท่านั้น และทิศทางของการดำเนินการจะขึ้นอยู่กับคุณภาพของข้อมูลนำเข้าของคุณ ผู้ใดก็ต้องทำด้วยตัวเอง เพื่อทำความเข้าใจในความลึกของเรื่องนั้น

การรับรู้ที่ 3: 90% ของคนใช้ AI เป็น RSS, เสียดายเงิน

นี่เป็นเรื่องที่ฉันสังเกตเห็นในการสูญเสียที่ใหญ่ที่สุด ส่วนใหญ่ของคนใช้ AI ก็ให้มันดำเนินการว่า:

· เก็บข้อมูล

· สรุปบทความ

· ตอบคำถาม

ให้ AI ทำหน้าที่เป็นเพียงเครื่องมือค้นหา หรือเครื่องมือสำหรับอ่าน RSS อัตโนมัติ นี่เป็นเรื่องเสียดายมาก พลังการดำเนินการจริงๆ ของ AI อยู่ที่: มันสามารถดำเนินการได้ เช่น คุณสามารถให้ AI ไปยังฟอรัมที่ผู้นำอุตสาหกรรมของคุณหรือในพื้นที่ความคิดอย่างสร้างสรรค์เพื่อค้นหาจุดอ่อนในอุตสาหกรรม

การใช้ทักษะในการดำเนินการเป็นกลุ่มเท่าไรก็ดี จะมีประโยชน์มากกว่าการเก็บข้อมูล เช่น คุณสามารถให้ AI ตรวจสอบและวิเคราะห์แบบอัตโนมัติเกี่ยวกับความเคลื่อนไหวของคู่แข่ง ซึ่งทำให้ได้รับข้อเสนอการปรับปรุงสินค้าอัตโนมัติ การเก็บข้อมูลคือขั้นตอนนำเข้า ในขณะที่การดำเนินการเป็นขั้นตอนส่งออก ส่วนมากของคน ตื่นเต้นมากในขั้นตอนนำเข้า แต่ไม่มีผลลัพธ์ในขั้นตอนส่งออก

ความรู้ที่สี่: คูณของคุณสมบัติธุรกิจ × ความสามารถในการขาย × ข้อมูลที่เป็นความลับ

AI ได้ลดค่าเข้าใช้งานด้านหลังลง เหลือแต่ด้านหน้าที่เป็นพื้นที่ที่ทุกคนกำลังสร้างความแข็งแกร่ง แต่สิ่งที่สำคัญกว่าด้านหน้าคือ: ข้อมูลเชิงธุรกิจและการเข้าถึงข้อมูลผู้ใช้ที่ยังไม่ได้พบกับ AI

มันหมายความว่าอะไรล่ะ?

หากข้อมูลที่ผลิตภัณฑ์ของคุณขึ้นอยู่กับมัน มีความเป็นสาธารณะบนอินเทอร์เน็ตที่ทุกคนสามารถดึงมาได้โดยสบาย ก็หมายความว่าผลิตภัณฑ์ของคุณไม่มีคุณลักษณะรั้วโลก ใครก็โคตรสามารถทำสำเนาใกล้เคียงในประมาณหนึ่งสัปดาห์

แต่หากข้อมูลของคุณมาจาก:

· ข้อมูลของสถานีเดียวกันในธุรกิจที่คุณเก็บสะสมเอง

· ข้อมูลข้อกับข้อมูลที่เกิดจากการสื่อสารกับลูกค้า

· ข้อมูลของพฤติกรรมของผู้ใช้ที่เกิดขึ้นหลังจากผลิตภัณฑ์ของคุณเปิดให้บริการ

ข้อมูลเหล่านี้ AI จะไม่สามารถเข้าถึงได้ และคู่แข่งก็เข้าถึงไม่ได้ เอกสิทธิ์ในการขายก็เป็นลักษณะรั้วโลก คุณเข้าใจลูกค้า การเตรียมการขาย การเจรจาธุรกิจ สิ่งเหล่านี้ AI ไม่สามารถทดแทนได้

ดังนั้นสูตรของฉันคือ:

คูณของคุณสมบัติธุรกิจ × ความสามารถในการขาย × ข้อมูลที่เป็นความลับ

สามมิติเหล่านี้ ค่าความสามารถของคู่แข่งใด ๆ เมื่อเชื่อมต่ออย่างน้อยสองตัว จะสามารถสร้างรั้วการแข่งขันที่เพียงพอได้

ความรู้ที่ห้า: อย่าเรียนแล้วทำ ต้องทำเพื่อเรียนรู้

นี้เป็นหนึ่งในการรับรู้ที่สำคัญที่สุด มีคนจำนวนมากที่ติดอยู่ใน "ขั้นตอนการเตรียม":

· ฉันจะเรียน Python 1 เดือนก่อน

· ฉันจะอ่านหนังสือเขียนโปรแกรมหนังสือหนึ่ง

· ฉันจะเข้าใจหลักการของ AI ก่อน

อย่าศึกษาแล้ว ทำเลย

หาแก้ปัญหาทางธุรกิจ และทำการแก้ไขปัญหาทันที พร้อมเรียนรู้การใช้เครื่องมือขณะทำ เราเรียนเกี่ยวกับเทอร์มินัล การใช้งาน GitHub Vercel และ Supabase, ทั้งหมดเป็นการเรียนรู้ในขั้นตอนของการทำ dosir.io ถ้าเคยพูดว่า "ฉันจะเรียนโปรแกรม 3 เดือนก่อนเริ่ม" อาจตราพ้อการเตรียมอยู่ในจุดปัจจุบัน

ความเป็นสมุนของ Vibecoding คือ: คุณไม่จำเป็นต้องเข้าใจหลักการพื้นฐาน คุณต้องเข้าใจว่าต้องให้ AI ช่วยคุณประสานงานให้ได้ตามที่คุณต้องการ

เหมือนกับว่าคุณไม่จำเป็นต้องเข้าใจหลักการของเครื่องยนต์ ก็สามารถขับรถได้

พูดถึงที่นี่ก็ต้องการจะบอกกับผู้ก่อตั้งทุกคนที่มีพื้นฐานทางธุรกิจหรือมนุษยศาสตร์ว่า: คุณกำลังกังวลไปทางที่ผิด คุณเข้าใจผลิตภัณฑ์มากกว่าใครๆ และเข้าใจธุรกิจมากกว่า ที่ผ่านมาเพียงแค่ว่าคุณไม่มีเครื่องมือ ไม่มีความสามารถในการสร้างผลิตภัณฑ์โดยตรง ตอนนี้คุณสามารถใช้ AI ได้อย่างดีเพื่อแปลงตรรกะทางธุรกิจเป็นผลิตภัณฑ์

ข้อได้เปรียบของวิศวกรคือการทำงานเทคโนโลยี แต่จุดเด่นจุดอ่อนมักจะไม่ตระหนะกับธุรกิจและผู้ใช้ และคุณ—

· เข้าใจอุตสาหกรรม

· เข้าใจผู้ใช้

· เข้าใจตรรกะธุรกิจ

· เข้าใจวิธีการขาย

ทักษะเหล่านั้น ในยุค AI ไม่ได้กลายเป็นทีน้อยไป เป็นทีนาย คุณกำลังมีประสิทธิภาพสูงขึ้น เพราะ AI ช่วยเติมเต็มจุดด้อยที่เหลือคือ "การทำงานเทคโนโลยี" นี้

อย่าลังเลอีกต่อไป เริ่มต้นเลย

เปิด ChatGPT, เปิด Claude, เปิด Kimi, เปิด Deepseek, เปิดโมเดล AI ขนาดใหญ่ใดก็ได้, ค้นหาปัญหาที่คุณต้องการจะแก้, และเริ่มถามคำถามครั้งแรก หลังจากถามคำถามไป 100 คำถามคุณจะพบว่าคุณได้เดินไปไกลมากแล้ว

บทความนี้เขียนขึ้นจากประสบการณ์จริง ผลิตภัณฑ์ทั้งหมด ขนาดเวลา จะสามารถตรวจสอบได้

บทความนี้มาจากการส่งผลงาน และไม่แสดงให้เห็นวิสัยทัศน์ของ BlockBeats

ยินดีต้อนรับสู่ชุมชนทางการของ BlockBeats:

กลุ่ม Telegram สมัครสมาชิก: https://t.me/theblockbeats

กลุ่ม Telegram พูดคุย: https://t.me/BlockBeats_App

บัญชี Twitter ทางการ: https://twitter.com/BlockBeatsAsia