AI x Solopreneur เจาะเส้นทางสร้าง ‘Paypers’ AI Product จากผู้ปั้น NocNoc

ความสามารถของ Generative AI ทำให้ผู้เชี่ยวชาญหลายคนพูดถึงยุคทองของ Solopreneur แนวคิดของการที่คนเพียงคนเดียว หรือทีมขนาดเล็กสามารถทำธุรกิจที่มีรายได้มหาศาลได้ แต่ถึงตอนนี้เราอาจไม่ได้เห็นตัวอย่างที่เกิดขึ้นจริงในบ้านเรามากนัก

พาไปรู้จัก ‘Paypers’ ระบบจัดการใบเสร็จอัตโนมัติสำหรับธุรกิจ ที่นอกจากจะเป็นตัวอย่างของการนำ AI มาช่วยสร้างธุรกิจด้วยคนไม่กี่คนแล้ว ยังเป็น ‘AI Product’ ที่ปรับเอา Generative AI เข้ามาใช้ใน Product ได้อย่างน่าสนใจ

เริ่มจากคน 2 คน ใช้เวลา 3 เดือน สร้าง AI Product ที่เปิดตัวเดือนแรกก็มีผู้ใช้งานมากกว่า 4,000 ราย ได้รับความสนใจจากนักลงทุนหลายเจ้า โดยที่ทั้งหมดนี้ใช้งบการตลาดเพียง 0 บาท

ชวนถอด 5 หัวใจสำคัญของการทำ AI Product กับผู้เป็นจุดเริ่มต้นของ Paypers คุณพลอย อนัญญา สหัสสะรังษี ผู้ที่มีประสบการณ์ในวงการ Digital Product มาอย่างยาวนาน ตั้งแต่ร่วมก่อตั้งอดีตแพลตฟอร์มซื้อของแต่งบ้านและวัสดุสัญชาติไทยชื่อดังอย่าง NocNoc ในฐานะ Co-founder และ Head of Product Management และยังปลุกปั้น Startup อีกหลายตัว ซึ่งประสบการณ์และความเข้าใจทั้งด้าน Business, Tech และ User Experience รวมกันเป็นชุดทักษะ Product Management ของคุณพลอยนี่แหละ ที่เป็นหัวใจสำคัญของการปั้น AI Product อย่าง Paypers ออกมาได้ตอบโจทย์ผู้ใช้งาน และมี Potential ในการเติบโตทางธุรกิจได้อย่างลงตัว

เมื่อความฉลาดของ Generative AI เป็น Game Changer สำคัญในการทำ AI Product 

คุณพลอยได้เล่าถึง AI Product ที่กำลังปลุกปั้นอยู่อย่าง ‘Paypers’ ที่สร้างขึ้นมาเพื่อช่วยแก้ Pain Point ของเจ้าของธุรกิจขนาดเล็กที่ปวดหัวกับเรื่องงานแอดมินบัญชี ด้วยเทคโนโลยี Generative AI ที่มีความสามารถแบบ Multimodal สามารถรับข้อมูลและทำงานได้ไร้รอยต่อทั้งจากรูปภาพและข้อความ สามารถช่วยจัดการใบเสร็จและเอกสารค่าใช้จ่ายอัตโนมัติ เพียงแค่ถ่ายรูปใบเสร็จส่งในแชท Line หรือให้ AI เข้าไปตรวจจับ (Auto-detect) เพื่อเก็บข้อมูลใบเสร็จต่าง ๆ ในอีเมล ซึ่งทำได้ตั้งแต่อ่านบิลไปจนถึงสรุปแยกหมวดหมู่และจัดการไฟล์ลง Google Drive ให้เสร็จสรรพ ช่วยให้ไม่ต้องมานั่งใช้แรงและเวลาจัดการเอง

คุณพลอยเล่าว่า จริง ๆ AI ไม่ใช่ของใหม่ เพียงแต่การมาถึงของ Generative AI ทำให้ Product ที่เกิดขึ้นในตอนนี้มีความสามารถที่กระโดดขึ้นจากเดิม เพราะมีสิ่งที่เรียกว่า ความฉลาดทางภาษา (Language Intelligence) ทำให้ AI สามารถเรียนรู้และเข้าใจบริบทที่ละเอียดและยืดหยุ่นได้มากขึ้น

อย่างตัวอย่าง ‘Paypers’ ซึ่งใช้ Generative AI เข้ามาช่วยจัดการเอกสารและงานบัญชี เมื่อผ่านการเรียนรู้จากการอ่านใบเสร็จเยอะขึ้น มันก็สามารถเข้าใจไปถึงความหมายในบริบทที่ละเอียดหรือการตีความหมายเชิงลึก (Semantic Understanding) ได้ดีขึ้น เช่น พอเห็นคำว่า “ข้าวกะเพรา” ก็รู้ว่าเป็น “ค่าอาหาร” โดยไม่ต้องมานั่งเลือกหมวดหมู่เอง หรือ เห็นคำว่า “เมื่อวาน” ก็สามารถลงวันที่ที่ถูกต้องให้ได้ทันทีโดยไม่ต้องมากดเลือกปฏิทิน แม้แต่ “ลายมือ” บนใบเสร็จ AI ก็สามารถอ่านได้อย่างแม่นยำ ซึ่งเป็นสิ่งที่ซอฟต์แวร์สมัยก่อนทำไม่ได้

เมื่อ Generative AI มาถึง มันสามารถช่วยแก้ปัญหาธุรกิจที่ก่อนหน้านี้ไม่เคยทำได้ และทำให้ประสบการณ์การใช้งานลื่นไหลไปตามพฤติกรรมจริงของมนุษย์ที่ไม่ได้เป๊ะตามระบบเสมอไป จนนำมาสู่ผลลัพธ์ที่ผู้ใช้งานคนหนึ่งรีวิวว่าเกิดเป็น “Nano Banana Moment” ที่ย่นระยะเวลางานบัญชีจาก 3 ชั่วโมง ให้เหลือเพียง 3 นาทีได้จริง

Product Development Process ที่ ‘เร็ว’ และ ‘ลีน’ ขึ้นได้จริงในยุค AI

ในอดีต การสร้าง Digital Product ต้องพึ่งพาผู้เชี่ยวชาญในแต่ละด้านค่อนข้างมาก คุณพลอยเล่าเปรียบเทียบว่า

“ถ้าต้องเริ่มต้นทำ NocNoc ในวันนี้ จะใช้คนน้อยลงมาก”

ด้วยแนวคิด Solopreneur ที่มองว่าในอนาคตทีมขนาดเล็กแค่ 1-3 คน ก็สามารถสร้างรายได้มหาศาลได้ เพราะ AI เข้ามาช่วยทดแทนทักษะพื้นฐานให้เราทำของออกมาได้เร็วและลีนขึ้น

ยุคนี้เรามีทางลัดมากมายที่ช่วยให้ขั้นตอนการพัฒนา Product ไวขึ้น และลดเวลาในการทดสอบสมมติฐาน (Test Assumption) การเลือกใช้ “Software Stack” ที่ทรงพลังอย่าง Notion และ Linear เข้ามาช่วยบริหารจัดการระบบหลังบ้าน ร่วมกับการใช้ Figma Make ในงานดีไซน์ ทำให้ทีมไม่ต้องรอขั้นตอนที่ยุ่งยากเหมือนแต่ก่อน

แม้การสร้างได้เร็วจะไม่การันตีความสำเร็จ แต่การกล้า ‘ทำ’ นำไป ‘ทดสอบ’ และกล้า ‘ทิ้ง’ จะช่วยให้เราได้ไอเดียที่ตอบโจทย์ความจริงได้ชัดเจนที่สุด เพราะตลอดการทำ Startup คุณพลอยก็ยอมรับว่าระหว่างทางแอบแวะไปทำหลายอย่างที่คนไม่เห็นอีกเยอะ การสร้างของได้ไวแต่ใช้งานไม่ได้จึงเป็นเรื่องปกติในกระบวนการเรียนรู้

บางอย่างไม่ต้องรอให้เพอร์เฟกต์ก่อนถึงจะค่อย Launch ก็ได้ เพราะในฐานะ PM แล้ว คุณพลอยคิดว่า

“สิ่งที่ได้เรียนรู้ระหว่างทางในการทำ Product ที่ดี ก็คือการ Test Assumption ให้ไว”

เหมือนตอนเปิดตัว ‘Paypers’ ที่มียอดลงทะเบียนล่วงหน้าหลักหลายพันคนจนเกิดความไม่มั่นใจ แต่คุณพลอยตัดสินใจ Launch ทันทีเพราะเชื่อว่า “Feedback จากลูกค้า คือความจริงที่ชัดที่สุด” ผลลัพธ์ที่ได้นั้นคุ้มค่าเพราะทีมได้รับ Feedback รวดเร็ว และสามารถใช้ AI ช่วยให้เพิ่มฟีเจอร์ตามคำขอได้อย่างรวดเร็วภายใน 48 ชั่วโมง ความเร็วนี้สร้างความประทับใจจนเปลี่ยนผู้ใช้หลายรายให้ยอมจ่ายค่าบริการรายปีได้ตั้งแต่วันแรก ๆ ที่เปิดตัว

นอกจากนี้ เมื่อ Technical Skill ไม่ใช่กำแพงอีกต่อไป ช่องว่างในการพึ่งพาผู้เชี่ยวชาญก็น้อยลง ทำให้การทำงานง่ายขึ้นมาก คุณพลอยเองสามารถใช้ Claude มาช่วยเขียนโค้ดเบื้องต้นเพื่อทดสอบไอเดียได้ในไม่กี่ชั่วโมง หรือฝั่ง Developer ก็สามารถใช้ AI ช่วยเจนวิดีโอ Demo หรือทำ QA และเขียน Test ได้เร็วขึ้นโดยไม่ต้องรอฝ่ายอื่น การเลือกใช้เครื่องมืออย่าง Tango มาช่วยทำคู่มือการใช้งานอัตโนมัติ ทำให้แม้จะเป็นทีมขนาดเล็กที่ทำโปรดักต์จริง ๆ แค่ไม่กี่คน ก็สามารถใช้ประโยชน์จากเครื่องมือต่างๆ สร้างธุรกิจได้อย่างลีนที่สุด

AI ทำได้เกือบทุกอย่าง แต่ไม่ใช่ทุกอย่างที่ควรใช้ AI ทำ

ในยุคที่ AI ทำงานแทนเราได้แทบทุกอย่าง คำถามสำคัญจึงไม่ใช่ว่า “มันทำได้ไหม ” แต่คือมัน “ควรใช้ AI ทำไหม” เพราะ “ข้อดีของ AI คือเร็ว แต่ข้อเสียคือแพง”

แล้วเราจะตัดสินใจยังไงดีล่ะ?

คุณพลอยยึดหลักว่า

“ต้องดูว่า ณ ช่วงเวลานั้นบริษัทให้ความสำคัญกับอะไร”

เช่น ในตอนนี้ อะไรที่เสิร์ฟ Value ให้ลูกค้าได้เร็วที่สุด ก็เลือกทางนั้นก่อน ซึ่งในที่นี้ก็ต้องเลือก AI หากเมื่อไหร่ที่โจทย์เปลี่ยนไปเป็นการคุมคุณภาพ (Optimize for Quality) ก็อาจจะ Shift จากการใช้ AI ไปใช้คนทำแทน

Paypers มีทีมงานเพียงแค่ 2 คน ที่มีความ “All-in-One” จากการใช้เครื่องมือเข้ามาช่วยต่อยอดไอเดีย ทั้งงานดีไซน์ งานการตลาด ไปจนถึงการทำ Prototype หรือ MVP ออกมาเพื่อลองตลาด 

การนำ AI มาใช้งานในช่วงแรกจึงไม่ใช่แค่มิติความคุ้มค่าของตัวเงินเพียงอย่างเดียว แต่เป็นการประเมินความเสี่ยง คุณพลอยเล่าว่าช่วงแรกยอมจ่ายค่าเครื่องมือแพง ๆ หรือยอมจ่ายค่า Credits ใน Tier ที่สูงเพื่อให้ได้เทสต์ไอเดียให้ไวที่สุด เพราะมันถูกกว่าการจ้างคนมาทำแล้วพบว่าพอ Launch จริงแล้วไม่มีคนใช้

สุดท้ายแล้ว เมื่อรู้แน่ชัดว่าไอเดียนี้มีลูกค้าชอบและอยากใช้งานจริง จึงค่อยกลับมาคิดต่อให้ดีว่าการใช้ AI ต่อไปนั้นคุ้มค่าจริงไหม หรือจุดไหนที่ปรับมาใช้คนทำแล้วคุ้มค่า ลดต้นทุนได้มากกว่า

การจ่ายค่า AI ที่ดูเหมือนแพงในช่วงแรก จึงเป็นเหมือนการ ‘ซื้อเวลา’ และ ‘ซื้อความเสี่ยง’ เพื่อให้ทีมขนาดเล็กสามารถรันธุรกิจและสร้างผลลัพธ์ที่ตอบโจทย์ได้จริง

เมื่อ AI ทำให้ใครก็สร้าง Product ได้ แต่วิธีคิดแบบ PM จะช่วยให้สร้าง Product ที่สำเร็จ

ในยุคที่ AI ทำให้การสร้าง Product ง่ายขึ้น จนใคร ๆ ก็สามารถ “ทำของ” ออกมาได้ ความได้เปรียบที่แท้จริงจึงอยู่ที่ว่าใครจะสามารถ “คิดแบบ Product Management” ได้ดีกว่า

“พลอยรู้สึกว่าทุกคนต้องมีสกิล Product Management ไม่จำเป็นว่าต้องเป็นตำแหน่ง Product Manager หรือเปล่า แต่ทุกคนต้องมีสกิล Product Management”

เพราะการมีสกิลของ Product Management จะทำให้เรามองเห็นภาพรวมที่ AI อาจจะยังช่วยตัดสินใจแทนเราไม่ได้ครบทั้ง 3 มิติ คือ:

• Business: ต้องตอบได้ว่าสิ่งที่กำลังจะทำนั้น “คุ้มหรือไม่คุ้ม” ที่จะลงทุน
• Technology: ต้องรู้ว่าขอบเขตของเทคโนโลยีในปัจจุบัน “อะไรทำได้หรือทำไม่ได้” 
• Design: ต้องประเมินได้ว่า “ผู้ใช้งานจะงงไหม” รวมถึงความสวยงาม (Aesthetics) ที่จะดึงดูดให้คนอยากใช้

เมื่อมองเห็นครบทั้ง 3 ด้าน เราจะสามารถประเมินได้ตั้งแต่ต้นว่า Product นี้ควรค่าแก่การสร้างหรือไม่ มันคือ Mindset ที่เป็นรากฐานสำคัญในการทำงาน ซึ่งสกิลนี้ไม่จำเป็นต้องจำกัดอยู่แค่คนที่มีชื่อตำแหน่งว่า PM เท่านั้น แต่มันคือทักษะที่สามารถนำไปต่อยอดได้ทุกสายอาชีพที่ต้องการสร้างสิ่งใหม่ ๆ ให้ตอบโจทย์ผู้ใช้จริง

คุณพลอยมองว่าในอนาคตหนึ่งตำแหน่งจะมีความสามารถที่ครอบคลุม (Well-rounded) มากขึ้นเรื่อยๆ ดังนั้นในวันที่ AI ช่วยลดกำแพงเรื่องทักษะเฉพาะทางลง คนที่ได้เปรียบที่สุดจึงไม่ใช่คนที่รู้วิธีทำเพียงอย่างเดียว แต่คือ “คนที่รู้ว่าควรทำอะไร” (Strategy) เพราะการตัดสินใจที่เฉียบคมและการวางกลยุทธ์ที่แม่นยำคือหัวใจสำคัญที่จะเปลี่ยนแค่ “ของที่ทำเสร็จ” ให้กลายเป็น “Product ที่สำเร็จ”

AI Product จะเกิดขึ้นจริงในองค์กรได้ อยู่ที่ ‘คนตัดสินใจ’

ในยุคที่ทุกองค์กรตื่นตัวกับการทำ AI Product มุมมองของคุณพลอยที่อยากแชร์คือทุกอย่างต้องเริ่มจาก ‘คนตัดสินใจ’ เป็นลำดับแรก

“อย่างแรกเลยนะ อยากให้ Executive เข้าใจก่อนมากเลย เพราะถ้าเกิดข้างบนไม่เข้าใจ มันก็ไม่มีประโยชน์”

คุณพลอยขยายความว่าผู้บริหารต้องเข้าใจก่อนว่า AI สำคัญอย่างไรในระยะยาว ไม่อย่างนั้นทุกคนก็จะทำงานแยกกันเป็นส่วนๆ (Function-based) โดยไม่ได้มองภาพรวมว่าสิ่งที่กำลังทำอยู่นั้นคุ้มค่าที่จะเกิดขึ้นจริงหรือไม่ การจะทำให้ AI Product สำเร็จได้จึงขึ้นอยู่กับ “Mindset ของผู้บริหาร” และ “การลงทุนในคน” เป็นสำคัญ

คุณพลอยเชื่อในแนวคิดการเรียนรู้ผ่านการลงมือทำจริง หรือ Learning by doing เพราะผลลัพธ์ที่ได้นั้นชัดเจนที่สุด ถ้าอยากทำ AI Product ให้สำเร็จ ทีมงานก็ต้องได้ลองทำสิ่งนั้นจริงๆ เพื่อให้เห็นช่องว่าง (Gap) ว่าต้องไปศึกษาต่อเรื่องไหน ซึ่งจะช่วยให้เกิดผลลัพธ์ได้เร็วขึ้น

“ถ้าเกิดคุณอยากให้มันเร็ว ก็ต้องให้เขาไปเรียนรู้ ให้เขามีโอกาสได้ลองผิดลองถูก ต้องยอมหน่อย”

เพราะในโลกความเป็นจริง ไม่มีใครเก่งขึ้นได้จากการอ่านเพียงอย่างเดียวโดยไม่ได้ลงมือทำ องค์กรจึงต้องยอมรับความเสี่ยงและสร้างพื้นที่ให้พนักงานได้กลับมา “ปล่อยของ” และเรียนรู้จากความผิดพลาด

สุดท้ายแล้ว สิ่งที่ยากที่สุดอาจไม่ใช่การมีเครื่องมือที่พร้อมหรือทีมที่เก่งระดับโลก แต่มันเริ่มตั้งต้นที่ “ผู้บริหาร” ว่ามีความเข้าใจและความคาดหวังที่สมเหตุสมผลหรือไม่ เพราะ AI Product อาจไม่ได้ล้มเหลวเพราะเทคโนโลยีไม่ดีพอ แต่มักล้มเหลวเพราะองค์กรยังไม่พร้อมที่จะเรียนรู้และเสี่ยงไปพร้อมกับมันนั่นเอง

เรียนรู้เรื่อง Product Management ฉบับ Best Practice ยุค AI

แม้โลกของ AI จะหมุนไปเร็วแค่ไหน แต่คุณพลอยย้ำชัดว่าหัวใจสำคัญของ Product Management ยังคงเป็นเรื่องเดิมคือการบาลานซ์มิติของ Business, Technology และ Design เพียงแต่ “ทักษะ Product Management พื้นฐานยังเหมือนเดิม แต่ข้างใน Tactic ไม่เหมือนเดิมแล้ว” การมาของ AI ทำให้กระบวนการทำงานถูกเขย่าใหม่หมด

“ถ้าต้องเริ่มต้นทำ NocNoc ในวันนี้ จะใช้คนน้อยลงมาก” เพราะเรามีเครื่องมือที่ช่วยย่อระยะเวลาการทำงานและทลายขีดจำกัดเรื่องจำนวนคนไปได้ไกลกว่ายุคก่อนมาก

อัปเกรดเป็น PM ตัวท็อปยุค AI ใน 3 เดือน ถ้าคุณอยากไม่ใช่คนที่แค่อยากทำของได้ แต่เป็นคนที่อยากทำของให้เวิร์ก นี่คือเหตุผลว่าทำไม Product Management Bootcamp ถึงเหมาะกับคุณ

• เห็นแนวทางทำ AI Product Discovery → Delivery แบบเป็นระบบ (จากเข้าใจผู้ใช้ ถึงส่งมอบจริง)
• เครื่องมือ/Playbook ที่ใช้ในงานจริง: User Research, PRD สำหรับ GenAI, Metrics & Observability, Prompt/Guardrails, และการทำงานข้ามทีมให้เดินไปเป้าหมายเดียวกัน
• เรียนกับ Expert จากบริษัท Tech ดังระดับโลก เช่น Facebook | Microsoft | Agoda | IDEO ที่ทำ Digital/AI Product มาเอง (ไม่ใช่ทฤษฎีลอย ๆ) + มี Project Coaching / Hands-on Workshop ตลอดหลักสูตร
• ไม่มีพื้นฐาน Tech ก็เรียนได้ หลักสูตรนี้เริ่มสอนตั้งแต่ต้น! สัมผัสบรรยากาศการทำงานแบบ Scrum กับ Company Visit ที่บริษัท Tech ชั้นนำของไทย
• ดูย้อนหลังได้ตลอดหลักสูตร ทบทวนซ้ำจนกว่าจะเข้าใจ

สมัครเรียน คลิก Product Management Bootcamp