Meta อยากใช้ AI Agent แทนพนักงาน แต่แผนล่มภายในสี่เดือน: โค้ดเพิ่มขึ้น 220% แต่ฟีเจอร์ที่ขึ้นจริงเพิ่มแค่ 36%

เช้าตรู่วันที่ 20 พฤษภาคม รายชื่อพนักงานที่จะถูกเลย์ออฟรอบแรกของ Meta เข้าสู่ขั้นตอนยืนยันขั้นสุดท้ายแล้ว เหลือเวลาเพียงไม่กี่ชั่วโมงก่อนอีเมลแจ้งจะถูกส่งออกไป มาร์ก ซักเคอร์เบิร์ก (Mark Zuckerberg) ตัดสินใจอย่างหนึ่ง นั่นคือยกเลิกแผนเลย์ออฟทั้งบริษัทรอบสองที่เดิมกำหนดไว้เดือนพฤศจิกายนทั้งหมด

เรื่องนี้โลกภายนอกเพิ่งรู้หลังผ่านไปกว่าสามเดือน รอยเตอร์เปิดโปงในช่วงปลายเดือนสิงหาคมถึงแผนที่มีรหัสภายในว่า Project OT (Organization Transformation หรือการปฏิรูปองค์กร) และเหตุผลที่มันเปลี่ยนจาก "อนาคตของบริษัท" กลายเป็น "เก็บเงียบ ๆ" ภายในเวลาเพียงสี่เดือน สำหรับผู้บริหารทุกคนที่กำลังคิดจะใช้ AI Agent แทนกำลังคน นี่คือกรณีศึกษาความล้มเหลวที่มีข้อมูลรองรับซึ่งหาได้ยาก

เบื้องหลังเหตุการณ์

จุดเริ่มต้นของ Project OT คือการประชุมผู้บริหารแบบปิดที่ Meta จัดขึ้นที่ฮาวายเมื่อเดือนมกราคม 2026 แนวคิดหลักคือแปลงโฉม Meta ให้เป็นบริษัท "AI-native" ไม่ใช่แค่เพิ่มฟีเจอร์ AI แต่ยกงานประจำวันให้ AI Agent เป็นผู้ทำ ส่วนมนุษย์เก็บไว้เฉพาะตำแหน่งที่ต้องใช้วิจารณญาณจริง ๆ

ขนาดของแผนตั้งไว้ค่อนข้างสุดโต่ง ตามรายงานของรอยเตอร์ บางทีมมีแผนลดกำลังคนสูงถึง 60% ขนาดการเลย์ออฟโดยรวมคาดว่าจะเทียบเท่าหรือมากกว่าครั้งปี 2023 ซึ่งปีนั้น Meta ตัดพนักงานออกไปหนึ่งในสี่ แผนแบ่งเป็นสองรอบ รอบแรกเดือนพฤษภาคม รอบสองเดือนพฤศจิกายน พนักงานบางส่วนจะไม่ถูกเลย์ออฟ แต่จะถูกโยกไปทำงานใหม่อย่างเช่น "ผลิตข้อมูลฝึกโมเดล AI"

ฟังดูเหมือนการเดิมพันครั้งใหญ่ ซึ่งก็เป็นเช่นนั้นจริง ๆ สิ่งที่ซักเคอร์เบิร์กเดิมพันคือ "agentic development" หรือการให้ AI Agent ทำงานพัฒนาอย่างเป็นอิสระ จะสุกงอมพอที่จะแบกผลผลิตของบริษัทได้ภายในปี 2026

ประเด็นสำคัญครั้งนี้

ข้อมูลภายในที่รอยเตอร์ได้มาเผยผลของการเดิมพันครั้งนี้ออกมากลางแดด:

• ปริมาณการเปลี่ยนแปลงโค้ดเพิ่มขึ้น 220% ต่อปี: AI Agent เขียนของจริง และเขียนเยอะมาก
• ฟีเจอร์ใหม่หรือการปรับปรุงที่ส่งถึงมือผู้ใช้จริงเพิ่มขึ้นแค่ 36%: เกิดช่องว่างมหาศาลระหว่างผลผลิตกับผลลัพธ์
• เหตุขัดข้องด้านเทคนิคและความปลอดภัยเพิ่มขึ้น 40%: เขียนเยอะแต่คุณภาพตามไม่ทัน
• เวลาที่พนักงานใช้แก้ปัญหาเพิ่มขึ้น 70%: กำลังคนไม่ได้ถูกปลดปล่อย กลับถูกดึงไปตามเช็ดตามล้าง
• ดัชนีอารมณ์พนักงานภายในลดลง 19 จุด: ซอฟต์แวร์ติดตามพนักงานที่นำมาใช้จุดกระแสต่อต้านรุนแรง กิจกรรมจัดตั้งสหภาพแรงงานร้อนแรงขึ้นชัดเจน

ซักเคอร์เบิร์กเองพูดไว้เมื่อเดือนกรกฎาคมว่า agentic development "ไม่ได้เร่งความเร็วในแบบที่เราคาดไว้" ประโยคนี้สุภาพมาก ข้อมูลพูดตรงกว่านั้น นั่นคือผลผลิตของโค้ดเพิ่มเป็นสามเท่ากว่า แต่ของที่ใช้ได้เพิ่มแค่หนึ่งในสาม ขณะที่เหตุขัดข้องกลับเพิ่มถึงสี่สิบเปอร์เซ็นต์

สุดท้าย Meta ก็ยังเลย์ออฟพนักงานราว 10% แต่รอบเดือนพฤศจิกายนถูกยกเลิกไป

วิเคราะห์ผลกระทบต่อตลาด

ต่อผู้ใช้ในไทย

เรื่องนี้เกี่ยวข้องกับคนทั่วไปตรงที่มันทำลายคำกล่าวที่แพร่หลายกว้างขวางลง นั่นคือ AI Agent สามารถ "เขียนฟีเจอร์ทั้งฟีเจอร์ได้เองแล้ว" หนึ่งในบริษัทที่มีทรัพยากรมากที่สุดและวัฒนธรรมวิศวกรรมแข็งแกร่งที่สุดในโลก ใช้เวลาครึ่งปีทดสอบในสภาพแวดล้อมการผลิตจริง ได้ข้อสรุปว่าปริมาณผลผลิตพุ่งพรวด แต่คุณค่าที่ได้กลับไม่ได้เติบโตตามสัดส่วน

หากคุณเป็นวิศวกรหรือนักออกแบบ ข้อมูลชุดนี้ควรจดไว้ ไม่ใช่เพราะมันพิสูจน์ว่า AI ไร้ประโยชน์ การเปลี่ยนแปลงโค้ดที่เพิ่ม 220% แสดงว่า AI ยกระดับความเร็วของ "การผลิต" ได้จริงอย่างมาก แต่เพราะมันพิสูจน์ว่าคอขวดไม่ได้อยู่ที่การผลิต คอขวดอยู่ที่การผสานรวม การตรวจสอบ การดีบัก และการใช้วิจารณญาณ ซึ่งบังเอิญเป็นจุดที่ AI อ่อนที่สุดในตอนนี้

ต่อการใช้งานในองค์กร

ผู้บริหารในไทยไม่น้อยถามคำถามเดียวกันในช่วงสองปีนี้ นั่นคือ หลังนำ AI มาใช้ จะประหยัดกำลังคนได้เท่าไร ข้อมูลของ Meta ให้คำตอบอ้างอิงที่โหดร้ายมาก นั่นคือในระยะสั้นอาจประหยัดไม่ได้เลยแม้แต่คนเดียว ซ้ำยังต้องเสียเวลาเพิ่มอีก 70% ไปกับการแก้ปัญหาที่ AI สร้างขึ้น

รายละเอียดอีกอย่างที่น่าสังเกตคือแรงต้านของพนักงาน ซอฟต์แวร์ติดตามพนักงานที่ Meta นำมาใช้เพื่อวัดผลการนำ AI มาใช้ ทำให้ดัชนีอารมณ์ภายในตกลงถึง 19 จุดทันที และเร่งการจัดตั้งสหภาพแรงงาน สิ่งนี้เตือนเราว่า ความล้มเหลวของการปรับตัวสู่ AI บางครั้งไม่ใช่ปัญหาเทคนิค แต่คือแรงต้านที่เกิดขึ้นหลังจากพนักงานเข้าใจอย่างถูกต้องว่ามันคือ "การเตรียมเขี่ยพวกเราทิ้ง" เมื่อทีมงานปักใจว่าจุดประสงค์ของระบบนี้คือแทนที่ตัวเอง คุณจะไม่ได้รับความร่วมมือ ได้แต่ความเฉื่อยชา

ความเห็นของผมเองคือ ความผิดพลาดของ Meta ไม่ได้อยู่ที่การลองทำ แต่อยู่ที่ลำดับ กำหนดขนาดการเลย์ออฟก่อน แล้วค่อยพิสูจน์ว่า AI แบกได้หรือไม่ ลำดับแบบนี้ทำให้ทั้งเรื่องกลายเป็นการเดิมพันที่ไม่มีทางถอย วิธีที่สมเหตุสมผลควรกลับกัน คือพิสูจน์คุณภาพผลผลิตในขอบเขตเล็กก่อน แล้วค่อยพูดถึงการปรับโครงสร้างองค์กร

ต่อนักพัฒนา

เหตุขัดข้องเพิ่ม 40% และเวลาแก้ปัญหาเพิ่ม 70% สองตัวเลขนี้เมื่อวางด้วยกันน่าสนใจมาก มันวาดภาพกับดักการทำให้เหมาะที่สุดเฉพาะจุด (local optimization) แบบคลาสสิก คุณเร่งขั้นตอน "เขียนโค้ด" ให้เร็วขึ้นสามเท่า แต่ขั้นตอนอื่นในห่วงโซ่คุณค่าทั้งเส้น (ตรวจสอบ ทดสอบ ดีพลอย ดูแลระบบ) ไม่ได้ขยายตาม ผลคือการติดขัดสะสมลงไปทางปลายน้ำ

สำหรับทีมที่กำลังนำ Cursor, Claude Code หรือ GitHub Copilot มาใช้ นี่คือคำเตือนที่ใช้ได้จริง หากกระบวนการตรวจสอบโค้ดและทดสอบของคุณไม่ได้ยกระดับไปพร้อมกัน ผลผลิตที่เพิ่มขึ้นจาก AI จะกลายเป็นหนี้ทางเทคนิคและเหตุขัดข้องออนไลน์โดยตรง สิ่งที่ควรลงทุนจริง ๆ อาจเป็นการทดสอบอัตโนมัติและ เครื่องมือตรวจสอบโค้ดด้วย AI ไม่ใช่ซื้อไลเซนส์ Agent เพิ่มอีกหลายตัว

แนวโน้มการพัฒนาในอนาคต

การที่ Project OT ถูกยกเลิก ไม่ได้แปลว่าทิศทางนี้ถูกทิ้ง รายงานของรอยเตอร์ก็ระบุว่า Meta เพียงยกเลิกรอบเดือนพฤศจิกายน ไม่ได้ประกาศละทิ้งเป้าหมายการเป็น AI-native การคาดการณ์ที่สมเหตุสมผลคือ แผนแบบนี้จะเปลี่ยนจาก "การปรับโครงสร้างองค์กรครั้งเดียวจบ" ไปเป็น "พิสูจน์ทีละกระบวนการแล้วค่อยปรับ"

สิ่งที่น่าจับตายิ่งกว่าคือผลกระทบจากการเปิดโปงเอง สองปีที่ผ่านมา เวลาองค์กรพูดถึงการนำ AI มาใช้มักประกาศเฉพาะตัวเลขบวก ประหยัดชั่วโมงงานได้เท่าไร เพิ่มประสิทธิภาพเท่าไร ข้อมูลด้านลบแทบไม่เคยเห็นแสง หลังข้อมูลภายในของ Meta รั่วออกมา ผมคาดว่าจะมีองค์กรมากขึ้นถูกเรียกร้องในระดับคณะกรรมการบริษัทให้เสนอตัวเลข "ห่วงโซ่คุณค่าทั้งเส้น" ไม่ใช่ดูแค่ปริมาณผลผลิตของขั้นตอนเดียว ซึ่งจริง ๆ แล้วเป็นเรื่องดีต่อทั้งอุตสาหกรรม

อีกแนวโน้มหนึ่งคือแรงสะท้อนกลับของการเฝ้าติดตามพนักงาน เมื่อการนำ AI มาใช้มาพร้อมการติดตามพฤติกรรมพนักงานที่ละเอียดขึ้น ความตึงเครียดในความสัมพันธ์นายจ้าง-ลูกจ้างจะกลืนกินเงินปันผลด้านประสิทธิภาพไปโดยตรง เรื่องนี้ชัดเจนเป็นพิเศษในตลาดยุโรปและอเมริกาที่มีประเพณีสหภาพแรงงานเข้มแข็ง แม้สภาพแวดล้อมของไทยจะต่างออกไป แต่ความรู้สึกของพนักงานก็จะสะท้อนออกมาในอัตราการลาออกเช่นกัน

บทสรุปและความเห็นจาก TheAI Academy

ปฏิกิริยาแรกของผมเมื่ออ่านข่าวนี้ไม่ใช่ "เห็นไหม AI ใช้ไม่ได้" แต่เป็น "ในที่สุดก็มีคนกางตัวเลขของทั้งห่วงโซ่ออกมา"

สองปีที่ผ่านมา เวลาพูดถึงการนำ AI มาใช้ คำที่ได้ยินบ่อยที่สุดคือ "ผลผลิตของวิศวกรเพิ่มขึ้น 30%" แต่แทบไม่มีใครถามประโยคถัดไปว่า แล้วความเร็วในการส่งสินค้าถึงมือผู้ใช้เพิ่มขึ้นเท่าไร ข้อมูลของ Meta พูดถึงรอยแยกนี้อย่างชัดเจนมาก คือฝั่งผลิต 220% ฝั่งส่งมอบ 36% ส่วนต่าง 184 จุดตรงกลางนั้นไม่ได้หายไปไหน มันกลายเป็นคิวรอตรวจสอบ กลายเป็นการทดสอบที่ไม่พอ กลายเป็นเหตุขัดข้องออนไลน์ที่เพิ่มขึ้น 40%

ความเห็น: AI ทำให้ "การเขียน" เร็วขึ้นสามเท่า แต่ไม่ได้ทำให้ "ความถูกต้อง" เร็วขึ้น คอขวดที่แท้จริงไม่เคยอยู่ที่ความเร็วในการพิมพ์

คำแนะนำที่เป็นรูปธรรมสำหรับผู้อ่านในไทยมีสามข้อ หนึ่ง หากคุณเป็นผู้บริหาร อย่าตั้ง KPI ของการนำ AI มาใช้ให้เป็น "ปริมาณผลผลิต" แต่ให้ตั้งเป็น "ผลลัพธ์ที่ส่งถึงมือผู้ใช้" ส่วนต่างระหว่างสองสิ่งนี้คือคอขวดที่แท้จริงของคุณ สอง หากคุณเป็นวิศวกร ทักษะที่มีค่าที่สุดตอนนี้ไม่ใช่การเขียนเร็ว แต่คือการตัดสินอย่างรวดเร็วว่าสิ่งที่ AI ผลิตออกมาถูกหรือไม่ คุณค่าของการตรวจสอบ ทดสอบ และตัดสินสถาปัตยกรรมกำลังสูงขึ้น สาม หากบริษัทของคุณกำลังวางแผนปรับโครงสร้างองค์กรในลักษณะคล้ายกัน กรุณารันข้อมูลจริงสามเดือนก่อนตัดสินใจเรื่องกำลังคน อย่าเป็นเหมือน Meta ที่กำหนดขนาดการเลย์ออฟไว้ก่อนแล้วค่อยย้อนกลับมาพิสูจน์

หากอยากหาเครื่องมือที่เกี่ยวข้อง ลองดู เครื่องมือพัฒนาโปรแกรมด้วย AI, สถานการณ์งาน AI และ เทมเพลตพรอมป์ บนเว็บไซต์

แหล่งข้อมูล

• Meta reportedly abandoned an AI-focused restructuring plan that would have laid off thousands — Engadget (อ้างอิงรายงานพิเศษของรอยเตอร์)
• How Meta's Plan To Replace Workers With AI Agents Fell Apart — Slashdot

บทความนี้เรียบเรียงจากข้อมูลสาธารณะ ข้อมูลอ้างอิงตามรายงานต้นฉบับของรอยเตอร์และคำแถลงอย่างเป็นทางการของ Meta การอภิปรายที่เกี่ยวข้องกับการบริหารกิจการและการตัดสินใจด้านกำลังคนในบทความมีไว้เพื่อการอ้างอิงเท่านั้น มิได้เป็นคำแนะนำด้านการลงทุนหรือการบริหาร