Agentic AI for Marketing Growth เมื่อ Agentic AI ไม่ใช่แค่ผู้ช่วย แต่คือทีมที่ทำงานแทนเราเพื่อการเติบโตอีกขั้น

หนึ่งมีโอกาสได้ร่วมพูดคุยเรื่อง Agentic AI ในงานอีเวนท์การตลาดร่วมกับตัวแทนผู้นำจากองค์กรพันธมิตรชั้นนำ หนึ่งในหัวข้อที่คิดว่าสำคัญที่สุดสำหรับนักการตลาดในปี 2026 นี้คือ การเปลี่ยนผ่านจาก Generative AI ไปสู่ Agentic AI และผลกระทบจริงที่กำลังเกิดขึ้นกับธุรกิจ

วันนี้อยากเอาประเด็นที่ได้แชร์ไปวันนั้น มาเรียบเรียงขยายต่อให้ผู้ติดตาม Content Shifu ได้อ่านกันค่ะ เพราะเชื่อว่านี่ไม่ใช่แค่เทรนด์เทคโนโลยี แต่เป็นจุดเปลี่ยนที่ทุกคนต้องกลับไปคิดใหม่ว่า งาน คน กระบวนการและวิธีตัดสินใจของเรา ควรจะออกแบบยังไงให้ AI กลายเป็นตัวขับเคลื่อนใหม่ของการเติบโต

จาก Creator สู่ Actor: จุดเปลี่ยนที่ใหญ่กว่าที่คิด

หลายคนมอง AI ในมุมที่ว่า “เขียนเก่งขึ้น” หรือ “สร้างรูปเก่งขึ้น” แต่สิ่งที่กำลังเกิดขึ้นจริงมันใหญ่กว่านั้นมาก AI กำลังเปลี่ยนบทบาทจาก Creator ที่ช่วยเราสร้างงาน ไปเป็น Actor ที่ทำงานแทนเรา หรือทำงานร่วมกับเราได้จริง

นี่คือยุคที่ AI ไม่ได้รอคำสั่งเป็นชิ้นๆ แบบในยุค Generative AI แต่เริ่มรับ goal แล้วขับเคลื่อนงานต่อได้เอง ภายใต้ข้อมูล กติกา และกรอบการทำงานที่มนุษย์กำหนดไว้

dentsu กลุ่มบริษัทเอเจนซีด้านการตลาดระดับโลก  ได้นำ Agentic AI มาใช้ในงานด้านการตลาดในฐานะ Marketing Growth Partner ที่มีโซลูชันครบวงจร เพราะนี่คือจุดเปลี่ยนสำคัญจาก AI ที่ “ช่วยผลิตงาน” ไปสู่ AI ที่ “ช่วยขับเคลื่อน Journey และ Growth”

ตัวเลขที่อยากแชร์ให้เห็นภาพคือ dentsu Japan มี AI agent ที่ active อยู่กว่า 4,500 ตัว ผลที่ได้คือ production time ลดลง 95% และ ad performance ดีขึ้นเฉลี่ย 1.5 เท่า ในระดับ APAC ก็สามารถ generate และ optimize แบนเนอร์เป็นร้อยเป็นพัน หลายภาษา จากแคมเปญแผนเดียวกัน นั่นคือความต่างระหว่าง GenAI ที่ช่วยคนทำงาน กับ Agentic AI ที่ช่วยให้ทั้งระบบทำงานแบบอัตโนมัติ

สำหรับ Merkle Thailand เคสที่เห็นชัดที่สุดคือ Agentic AI ช่วยพัฒนาไอเดียที่ต้องใช้ทักษะรอบด้านมาก ทั้ง marketing, design, data science, business innovation, programming และ finance แล้วต่อยอดไปเป็น MVP (Minimum Viable Product) พร้อมออกสู่ตลาดได้เร็วขึ้นพร้อมสร้างความแตกต่างได้มากขึ้น

ปกติระบบใหญ่ที่ต้องใช้เวลาพัฒนาเป็นปี แต่ใช้คนหลักเพียง 3 คน ทำงานแบบ part-time ภายใน 3 เดือน ก็สามารถพัฒนาเป็น MVP ที่พร้อมต่อยอดเชิง commercial ได้ครบถ้วน และที่สำคัญคือสามารถปรับเปลี่ยน แก้ไข และทดลองต่อได้ด้วยต้นทุนที่ต่ำกว่าเดิมเกินกว่าครึ่ง

และที่จะเห็นภาพไปมากกว่านั้นคือการขยายทักษะขีดความสามารถของทีมงานในแต่ละบุคคลให้ไปเป็น T-Shape เพิ่มบทบาทและทักษะใกล้เคียงได้ทำงานอย่างครบวงจรมากขึ้นอีกด้วย

Data คืออาหารหลักของ AI แต่ “เชฟ” ยังสำคัญกว่า

สำหรับ AI แล้ว data คืออาหารหลัก ถ้าวัตถุดิบไม่ดี เสีย หรือขาดหาย ต่อให้ AI ฉลาดแค่ไหน ผลลัพธ์ก็ป่วยได้ และยิ่งเราเข้าสู่ยุค Agentic AI ที่ระบบเริ่มพัฒนาและเรียนรู้ได้เอง data ก็ยิ่งสำคัญกว่าเดิม เพราะ AI ไม่ได้แค่ “ใช้ข้อมูล” แต่มันกิน ย่อย และเติบโตจากข้อมูล

นี่คือเหตุผลที่ต้องพูดถึง data foundation และ governance ควบคู่กับการใช้ AI เสมอ ซึ่งไม่ใช่แค่ infrastructure ธรรมดา แต่มันคือ “ครัวกลาง” ของ AI

แค่วัตถุดิบดีก็ยังไม่พอ เชฟที่ปรุงอาหารก็สำคัญพอๆ กัน วัตถุดิบเดียวกัน แต่เชฟคนละคน อาจให้ผลลัพธ์ต่างกันมาก เชฟในที่นี้คือมนุษย์ที่ต้องรู้ว่าจะเลือก data ไหน มาผสมกับอะไร และเสิร์ฟให้ลูกค้าในจังหวะไหนถึงจะมีความหมาย

3 เครื่องมือที่พาองค์กรจากแค่ใช้ AI ไปสู่ AI Transformation

เครื่องมือแนะนำที่จะพาองค์กรไปสู่ AI transformation มี 3 เครื่องมือสำคัญที่นำไปปรับใฃ้ได้ง่ายๆ

เครื่องมือที่ 1: AI for Growth – PSDCA Framework

dentsu Japan พัฒนา framework ภายใต้ AI For Growth  ที่เรียกว่า PSDCA:  Plan, Simulate, Do, Check, Action โดยเฉพาะขั้น Simulate คือการใช้ AI Market Twins สร้าง AI persona จำลองจาก consumer data ตัวอย่าง สามารถแชทเพื่อ simulate ว่าลูกค้าจะตอบสนองอย่างไร ก่อนที่จะใช้งบจริง นั่นคือพลังของ data ที่ดีเมื่อรวมกับ AI มาแทรกระหว่างการวางแผนงาน

เครื่องมือที่ 2: AI Business Model Canvas

ก่อนจะไปถึง framework ใหญ่ สิ่งที่หนึ่งบอกน้องในทีมให้ทำก่อนเสมอคือเริ่มจาก AI Business Model Canvas เพราะคำถามไม่ใช่แค่ “จะใช้ AI อะไร ตรงไหน อย่างไร” แต่คือ “เราจะซื้อ outcome หรือผลลัพธ์อะไรจาก AI และมันคุ้มแค่ไหน”

Agentic AI มี cost จริง ทั้ง token, model usage, integration, governance คนสร้างและดูแลระบบ ดังนั้นต้องมองเป็น portfolio ไม่ใช่ทดลองกระจัดกระจาย เริ่มจาก use case ที่มีคุณค่าทางธุรกิจชัดและมีสปอนเซอร์ในองค์กรที่ทำให้เกิดได้จริง

ROI ต้องดู 2 ชั้น คือ Productivity ROI ลดเวลา ลดจำนวนการทำซ้ำ ลดการแก้ไขซ้ำๆ เพราะผิดพลาดได้ไหม และ Business ROI เพื่อเพิ่มยอดขาย รักษาลูกค้า หรือเพิ่ม customer lifetime value ได้จริงหรือเปล่า

การออกแบบ cost discipline ตั้งแต่ต้นเป็นสิ่งที่ควรทำเช่นกัน เช่น ไม่ใช้ model ใหญ่กับทุกงาน งานง่ายใช้ model ที่เบากว่าได้ไหม เก็บ knowledge ไว้เพื่อลดการเรียกซ้ำได้ไหม ใช้ template, workflow และ agent routing เพื่อลดการสิ้นเปลืองของ token ได้ไหม

และที่สำคัญที่สุดคือ ต้องไม่วัดแค่ว่า AI ถูกหรือแพง แต่วัดว่า cost ต่อ outcome คือเท่าไร ถ้า Agentic AI ใช้แพงขึ้นแต่สร้าง outcome ที่ใหญ่ขึ้น เราก็อธิบาย ROI ได้ แต่ถ้า token ใช้เพิ่มขึ้นเรื่อยๆ แล้วตอบไม่ได้ว่าลูกค้า ทีม หรือธุรกิจดีขึ้นอย่างไร อันนั้นคือสัญญาณว่าเรากำลังสร้างค่าใช้จ่ายของ AI ไม่ใช่สร้างระบบ AI

เครื่องมือที่ 3: สร้าง Mindset ผ่าน “Copy You”

นี่คือสิ่งที่ตกผลึกจากทีมของหนึ่งเอง ในชื่อ Copy You แนวคิดคือ AI ที่จะสร้างผลกระทบได้จริง ไม่ใช่แค่ AI ที่ช่วยเหลือแค่ตัวเอง เพราะถ้า AI ช่วยได้แค่เรา มันคือ efficiency แต่ถ้า AI ช่วยให้คนอื่นในทีมทำงานได้เมื่อเรายุ่งหรือไม่อยู่ นั่นถึงจะเรียกว่า business impact

Copy You มี 3 Winning Zones คือ

1. Clone: Yours to Clone คือการสอน AI ให้เป็นคุณ build ทักษะเฉพาะตัวที่ทำซ้ำได้เข้าไปใน AI ให้รันต่อโดยไม่ต้องมีเราอยู่ตลอด
2. Delegate: Yours to Delegate ให้ AI เป็นสมองที่สองที่กลั่นกรองมาจากสมองที่หนึ่งของคุณ ปล่อยให้งาน routine รันไปได้เอง และไม่ใช่แค่ automate งาน แต่ automate วิธีคิดออกมาเป็นตรรกะ
3. Call: Yours to Call AI ทำการบ้านให้หมดแล้ว แต่การตัดสินใจสุดท้ายยังเป็นของคุณเสมอ มันคือการกำหนดพื้นที่ที่ AI ห้ามเข้า

แนะนำให้เริ่มจากผู้ที่เป็นหัวหน้างาน สร้างให้พวกเขาเป็น “AI Conductor” หรือ “AI Orchestrator” ใช้งานและควบคุม AI เพราะคนกลุ่มนี้คือคนสำคัญต่อธุรกิจ และสามารถเป็นตัวอย่างให้ทีมเห็นได้จริง

และอีกอย่างที่ dentsu ให้ความสำคัญมากคือค่านิยม ที่เรียกว่า Gemba (現場) หรือ “หน้างาน” เพราะปัญหาและคำตอบทุกอย่างอยู่หน้างานเสมอ ยุค AI แค่รู้ไม่พอ ต้องลงมือทำให้รู้จริง

เมื่อ AI ทำงานแทนคนได้มากขึ้น มนุษย์ต้องทำอะไร

กฎง่ายๆ ที่แนะนำให้ใช้คือ ให้ AI ทำงานที่เยอะ เร็ว ซับซ้อน มีรูปแบบ หรือ personalize ใน scale ที่มนุษย์ทำไม่ไหว เช่น personalized content เป็นล้าน version, campaign optimization แบบ real-time, data analysis ที่มีตรรกะชัดเจน หรือ detect signal ที่มนุษย์อาจมองไม่ทัน

แต่ให้มนุษย์ทำงานที่ต้องใช้ ความเข้าอกเข้าใจ การตัดสินใจที่ซับซ้อน วัฒนธรรมที่ละเอียดอ่อน และความรับผิดชอบสูง เช่น การสื่อสารเรื่องอ่อนไหวกับลูกค้า การตัดสินใจที่กระทบคนจำนวนมาก การวิเคราะห์บริบททางวัฒนธรรม หรือสถานการณ์ที่ถ้าผิดพลาดแล้วกู้คืนยาก

พูดง่ายๆ คือ ถ้างานนั้นต้องการให้ลูกค้ารู้สึกว่ามีมนุษย์อยู่ตรงหน้า ให้มนุษย์อยู่ตรงนั้น แต่ถ้างานนั้นต้องการความเร็ว ความแม่นยำ และ scale ที่มนุษย์ทำไม่ไหว ให้ AI เป็นคนขยายพลัง

และนี่ไม่ใช่แค่ความเห็นส่วนตัวนะคะ มีงานวิจัย CX Imperative Report 2026 จาก Merkle ที่น่าสนใจมากคือ มีผู้บริโภค 43% เท่านั้นที่บอกว่าการที่ใช้เทคโนโลยีและ AI กับประสบการณ์ลูกค้าเป็นเรื่องสำคัญมากหรือสำคัญที่สุด ซึ่งไม่ติด 10 อันดับแรกของปัจจัยด้าน CX ทั้งหมดที่สำรวจ

สิ่งที่ลูกค้าอยากได้จริงๆ ยังเป็นเรื่องพื้นฐานของมนุษย์ เช่น ความเข้าใจ ความง่าย ความสม่ำเสมอ และความเชื่อใจได้ ดังนั้น AI ที่ดีต้องไม่ได้มาแทนที่ความเป็นมนุษย์ แต่ต้องมารับใช้ความรู้สึกนั้นให้ดีขึ้น

วันนี้ถ้าความเร็วทุกคนทำได้เท่ากันหมดแล้ว สิ่งที่ทำให้แบรนด์แตกต่างคือ Human Trust และที่น่าสนใจคือ ความไม่สมบูรณ์แบบอาจกลายเป็น trust signal เพราะความเป็นธรรชาติกลับรู้สึกน่าเชื่อถือมากกว่าสิ่งที่ AI ขัดเกลามาอย่างสมบูรณ์แบบ

สิ่งที่ AI ทำแทนไม่ได้จริงๆ คือ meaning, tone, accountability และเหตุผลทางอารมณ์ที่ทำให้ลูกค้าเชื่อแบรนด์

ความท้าทาย และสิ่งที่ Marketer ต้องเตรียมตัว

ถ้าย้อนกลับไปยุคที่ internet หรือยุคดิจิทัลเข้ามาแรกๆ คนที่ไปได้เร็วกว่าคนอื่นมักมี 4 อย่าง คือ แหล่งความรู้ เงินหรือทรัพยากร พื้นที่ให้ทดลองจริง และ growth mindset ยุค AI ก็ไม่ต่างกัน

สิ่งที่อยากชวนคิดคือ เราอาจรอให้องค์กรปลดล็อคทุกอย่างให้ก่อนเสมอไม่ได้ เพราะหลายครั้งองค์กรจะสนับสนุนมากขึ้นก็ต่อเมื่อเขาเริ่มเห็นว่าเราสร้าง value ได้ ดังนั้นเราต้อง proactive เรียนรู้ ทดลอง และเสนอไอเดียที่มี business value ในขณะเดียวกัน ฝั่งองค์กรก็ต้องไม่ใช้ AI แค่เพราะกลัวล้าหลัง แต่ต้องชัดก่อนว่าใช้เพื่อแก้ปัญหาอะไร เพื่อสร้าง impact แบบไหน

Change Maker ที่ทรงพลังที่สุดในองค์กรยังคงเป็นผู้นำ ถ้าผู้นำไม่เปลี่ยน ไม่ทดลอง ไม่เป็นตัวอย่าง คนข้างล่างก็ยากที่จะเปลี่ยนจริงๆ โดยเฉพาะยุค AI แต่ก็อย่าหลงกลเมื่อคุ้นเคยกับมันแล้วคิดว่าจะแทนคนได้ทุกอย่างแล้วลดขนาดองค์กร หากคุณยังไม่ hands-on ว่าคนหน้างานทำอะไรจริงๆ

ถ้าให้เลือก 3 เรื่องที่นักการตลาดและองค์กรต้องเตรียมสำหรับโลก Agentic AI

1. System Thinking: AI แบบ agentic ต้องการ logic ที่ชัด ถ้าเราคิดไม่เป็นระบบ AI ก็จะสร้างความยุ่งเหยิงของเราได้เร็วขึ้นเท่านั้น ก่อนถามว่าจะใช้ tool อะไร ต้องถามก่อนว่าเราคิด process ชัดหรือยัง
2. Deep and Creative Skill: AI ทำสิ่งที่ average ได้ดีมาก สิ่งที่มนุษย์ต้องสร้างคือ skill ที่ลึก แตกต่าง และมาจากประสบการณ์จริง ถ้าเรามีทักษะที่แข็งแรง AI จะต่อยอด skill นั้น แต่ถ้าทักษะเรายังอ่อน AI ก็จะต่อยอดความอ่อนนั้นด้วย
3. Human-AI Collaboration: ประสบการณ์ที่ดีที่สุดระหว่าง AI กับมนุษย์ คือประสบการณ์ที่ลื่นไหลจนลูกค้าไม่สะดุด หรือ Invisible AI คือใช้อยู่โดยที่บอกหรือไม่บอกให้รู้ว่ามีเทคโนโลยีช่วย แต่รู้สึกได้ว่าไม่ถูกยัดเยียดไปให้คุยกับเครื่องจักร

ทักษะสำคัญของนักการตลาดยุคนี้จึงไม่ใช่แค่ใช้ AI เป็น แต่คือรู้ว่าจุดไหนควรให้ AI ทำ และจุดไหนมนุษย์ต้องไม่หายไป และรู้เท่าทัน AI หลอน

Responsible AI ไม่ใช่เรื่องไกลตัวอีกต่อไป

ช่วงหลังเราเห็นข่าวที่สะท้อนว่า AI เริ่มเข้ามาเกี่ยวข้องกับการตัดสินใจในชีวิตจริงมากขึ้น และมีหลายเคสที่ AI ไปแตะประเด็นที่อ่อนไหวทางสังคมหรือการเมืองโดยไม่ตั้งใจ

สิ่งที่อยากย้ำคือ AI อาจเก่งเรื่องหาไอเดีย เก่งเรื่องความเร็ว เก่งเรื่องการประยุกต์ แต่ AI ไม่ได้เข้าใจบริบททางสังคม การเมือง ประวัติศาสตร์ หรือ ความอ่อนไหวเชิงวัฒนธรรมได้ลึกเท่ามนุษย์

ดังนั้นสิ่งที่ต้องเปลี่ยนคือ เราห้ามมอง AI เป็นแค่ “คนคิดและทำงานเร็ว” แต่ต้องมองว่าเป็นระบบที่ต้องมีกติกา จุดตรวจ และคนรับผิดชอบชัดเจน สำหรับงาน marketing โดยเฉพาะ แนะนำให้มีอย่างน้อย 3 ชั้น

• Sensitive Filter: กำหนดเรื่องที่ AI ห้ามแตะ หรือแตะได้แต่ต้องส่งต่อ เช่น การเมือง ศาสนา ความสูญเสีย ประวัติศาสตร์ บาดแผลทางสังคม เพศ เชื้อชาติ หรือประเด็นที่มีความรู้สึกสูงในแต่ละประเทศ
• Human Review: งานที่ออกสู่ public โดยเฉพาะ campaign, promotion, content หรือ message ที่อาจกระทบ brand trust ต้องมีคนตรวจ ไม่ใช่ปล่อยให้ AI ตัดสินใจ แล้ว publish เอง
• Accountability: ต้องตอบให้ได้ว่าใครอนุมัติ ใครตัดสินใจ และถ้าเกิดปัญหา ใครเป็นคนหยุดระบบ แก้ไข และสื่อสารกับลูกค้า

สิ่งสำคัญคือ Agentic AI ต้องไม่ใช่ autopilot แบบไม่มีคนดู แต่ต้องเป็น co-pilot ที่มีระบบเบรก มีเข็มทิศ และมีคนรับผิดชอบบนเครื่อง เพราะในงาน marketing ความเร็วอาจสร้างโอกาสได้ แต่ถ้าไม่มีความระมัดระวัง ความเร็วเดียวกันก็ทำลายความน่าเชื่อถือได้เร็วมากเช่นกันค่ะ

1 Start, 1 Stop, 1 Skill to Build สำหรับทีม Marketing ยุค Agentic AI

ถ้าให้เลือก 1 start, 1 stop, 1 skill to build สำหรับทีม marketing ในยุคนี้

Stop: หยุดใช้ AI เพื่อแค่ทำให้ทุกอย่างเร็วขึ้น  หากแต่ต้องเป็น Impact เพราะ AI ที่ทำให้ทุกคนเร็วขึ้นได้ แต่ไม่ได้แปลว่าทุกประสบการณ์จะมีความหมายขึ้น ถ้าเราใช้ AI เพื่อสร้างแคมเปญมากขึ้น แต่ไม่ได้เข้าใจลูกค้ามากขึ้น เราก็หลงทางได้เร็วกว่าเดิม

Start: เริ่มออกแบบ marketing แบบ Human-AI Collaboration System ไม่ใช่แค่เอา AI มาใส่ใน process เดิม แต่ต้องชัดว่าอะไรให้ AI automate อะไรให้มนุษย์ตัดสินใจ และจุดไหนที่ลูกค้ายังต้องรู้สึกถึงความเข้าใจจาก brand

Skill to build: สร้าง System Thinking คือความสามารถในการออกแบบให้คน, data, AI และ customer experience ทำงานร่วมกันอย่างมี purpose และมีระบบ

เพราะสุดท้าย แบรนด์ที่ลูกค้ารัก ไม่ใช่แบรนด์ที่ใช้ AI ได้ล้ำที่สุด แต่คือแบรนด์ที่ใช้ AI แล้วลูกค้ายังรู้สึกว่า “เขาเข้าใจฉันจริงๆ”

สรุปส่งท้าย

สิ่งที่ต้องกลับไปคิดหลังจากวันนี้ ไม่ใช่แค่ว่าเราจะใช้ AI อะไร อย่างไร แต่คือเราจะปรับวิธีคิด วิธีทำงาน และวิธีตัดสินใจของทีมอย่างไร เพื่อเอา AI มาเป็น “ทีม” ไม่ใช่แค่เครื่องมือลดต้นทุนบุคลากรหรือทำให้งานเร็วขึ้น แต่เป็นพาร์ทเนอร์ที่ช่วยขับเคลื่อน growth ได้จริง เพราะเรายังเชื่อว่ามีพื้นที่หลายส่วนที่ AI ห้ามแตะ และเป็นพื้นที่ที่มนุษย์ยังทำได้ดีกว่าเสมอ

Clone the skill. Keep the human wisdom & soul.