ถ้าพูดถึงฟีเจอร์ AI ที่ถูกพูดถึงน้อยที่สุดในปีนี้ทั้งที่จริงๆ แล้วเปลี่ยนวิธีทำงานได้อย่างมาก Voice Mode รุ่นใหม่ของ ChatGPT น่าจะติดอันดับต้นๆ Brock Mesarich จากช่อง AI for Non Techies ทดลองฟีเจอร์นี้อย่างละเอียดและพบว่ามันต่างจากที่คนส่วนใหญ่คาดไว้มาก ไม่ใช่แค่พูดกับ AI ได้เสมือนคุยโทรศัพท์ แต่มันสั่งให้ AI ทำงานบนคอมพิวเตอร์ เปิดไฟล์ ค้นหาข้อมูล สร้างเนื้อหา และควบคุมแอปพลิเคชันได้แบบเรียลไทม์ด้วยเสียงเพียงอย่างเดียว
สิ่งที่ทำให้รอบนี้แตกต่างจากเวอร์ชันก่อนหน้าคือการผสมกันระหว่าง Voice Mode กับ Codex และ Work Mode ที่ OpenAI เพิ่งปล่อยออกมา ทำให้ผลลัพธ์ที่ได้ไม่ใช่แค่การสนทนา แต่เป็นการสั่งงาน AI ให้ทำหน้าที่เป็นผู้ช่วยที่จัดการงานจริงๆ ในชีวิตประจำวันได้
- Desktop App เท่านั้นที่ใช้ได้ครบทุกฟีเจอร์ — เว็บและมือถือมีฟังก์ชันจำกัด
- รัน Task หลายอย่างคู่ขนานพร้อมกันได้ในแต่ละ thread แยกกัน
- ควบคุมคอมจากมือถือผ่าน QR Code เชื่อมต่อกับ Desktop App
- รองรับ MCP เช่น Higgsfield และ Zapier ที่เชื่อมต่อกว่า 9,000 แอป
อะไรที่เปลี่ยนไปใน Voice Mode รุ่นใหม่
ปัญหาหลักของ Voice Mode เดิมคือมันทำงานแบบ walkie-talkie พูดทีละฝ่าย ต้องรอให้เราพูดจบก่อนถึงจะประมวลผล แล้วค่อยตอบกลับมา ถ้า AI เริ่มพูดยาวไปและเราอยากหยุดมัน ก็ต้องรอให้มันจบก่อน หรือถ้าพูดทับกันก็มักจะเสียทั้งกระบวนการ
รุ่นใหม่แก้จุดนี้ด้วยการให้ AI ฟังและพูดพร้อมกันได้แบบ real-time ถ้าเราแทรกกลางที่ AI กำลังพูดอยู่ มันจะหยุดทันทีและเริ่มประมวลผลสิ่งที่เราพูดเลย ทำให้การสนทนาลื่นขึ้นมากและรู้สึกใกล้เคียงกับการคุยกับคนจริงๆ ยิ่งกว่าเดิม นอกจากนี้ยังสามารถรัน Task หลายอย่างพร้อมกันใน Thread แยกกันได้ โดยที่เราไม่ต้องสลับไปดูทีละหน้าต่าง
ใช้บน Desktop App เท่านั้น ถึงจะได้ฟีเจอร์เต็ม
จุดสำคัญที่ต้องเข้าใจก่อนใช้งานคือ Voice Mode มีหลายรูปแบบ แต่ไม่ใช่ทุกที่จะให้ฟีเจอร์เหมือนกัน บน chatgpt.com หรือ mobile app แบบปกติจะได้แค่การสนทนาเสียงเท่านั้น ไม่สามารถสั่งให้รัน Task จัดการไฟล์ ดูหน้าจอ หรือเชื่อมต่อแอปได้
ส่วนที่ใช้ได้เต็มรูปแบบต้องเป็น ChatGPT Desktop App และควรเปิด Work Mode ด้วย เพราะ Work Mode คือโหมดที่ให้ AI เข้าถึงโฟลเดอร์บนคอมพิวเตอร์ รัน Codex ได้ และทำงานข้ามหลาย Thread ในเวลาเดียวกัน ถ้าใช้แค่ Chat Mode ก็ยังได้บางฟีเจอร์ แต่ไม่ครบ
ตัวอย่างการใช้งานที่น่าสนใจ
หนึ่งในการสาธิตที่โดดเด่นที่สุดคือการดึงข้อมูลจาก Thread เก่าที่รันไว้สัปดาห์ก่อน Voice Mode สามารถค้นหาชื่อ conversation ที่ระบุ ดึงข้อมูลแผนการเดินทางที่เคยวางไว้ และเปิดแอปจองตั๋วให้พร้อมกดจองได้เลยด้วยเสียงสั่งงานเดียว นั่นหมายความว่า context ของงานที่เคยทำไว้ไม่ได้หายไปไหน AI สามารถหยิบกลับมาใช้ต่อได้เสมอ
อีกตัวอย่างหนึ่งคือการรัน Task คู่ขนาน เช่น สั่งให้สร้างวิดีโอโฆษณาสินค้า 2 เวอร์ชันพร้อมกัน โดยใช้ Higgsfield MCP ซึ่งเชื่อมต่อกับโมเดล AI สร้างวิดีโอหลายตัว Voice Mode จะแยก Thread ทำงานพร้อมกันและรายงานผลกลับมาเมื่อเสร็จทั้งคู่ จากนั้นสามารถสั่งต่อให้นำวิดีโอทั้งสองมาทำเป็น animated website ได้เลยโดยใช้ skill ที่ติดตั้งไว้ใน ChatGPT ทั้งกระบวนการนี้ไม่ได้พิมพ์อะไรสักตัวอักษรเดียว
ความสามารถในการรัน Task คู่ขนานหลาย Thread พร้อมกันด้วยคำสั่งเสียงเดียวคือสิ่งที่ทำให้ Voice Mode รุ่นนี้ต่างจากทุกอย่างที่เคยมีมา
ควบคุมคอมจากมือถือ — ฟีเจอร์ที่เปลี่ยนเกม
ฟีเจอร์ที่อาจเปลี่ยนวิธีทำงานได้มากที่สุดคือการควบคุม Desktop App จากมือถือผ่าน Voice Mode ตั้งค่าได้ง่ายๆ ผ่านการสแกน QR Code ใน Settings ของ Desktop App แล้ว ChatGPT บนมือถือจะเห็น Session และโปรเจกต์ทั้งหมดที่เคยรันบน Desktop ได้
เมื่อเชื่อมต่อแล้ว สามารถใช้ Voice Mode บนมือถือเพื่อสั่งให้ ChatGPT บนคอมทำงานได้ เช่น ค้นหาและเปิดไฟล์ เปลี่ยนชื่อโฟลเดอร์ รัน Codex tasks หรือดึงข้อมูลจากแอปต่างๆ ทั้งหมดนี้ทำได้ขณะอยู่นอกบ้านหรืออยู่ห่างจากคอมพิวเตอร์ ซึ่งหมายความว่า AI agent บนคอมทำงานต่อเนื่องได้แม้เราไม่ได้นั่งอยู่หน้าจอ
เชื่อมต่อ 9,000+ แอปผ่าน Zapier MCP
แม้ ChatGPT จะมี plugin สำเร็จรูปในตัวบ้าง แต่ตัวเลือกยังจำกัด สิ่งที่แก้ปัญหานี้ได้คือ Zapier MCP ที่เชื่อมต่อแอปได้มากกว่า 9,000 ตัว ตั้งแต่ newsletter tools, CRM, spreadsheet ไปจนถึงระบบ internal ที่ทีมใช้กัน
เมื่อเชื่อมต่อแล้ว Voice Mode สามารถดึงข้อมูล newsletter stats ตรวจ Gmail และ Calendar หรือสั่งให้ตั้ง Scheduled Task ที่จะรันอัตโนมัติทุกวันได้ ตัวอย่างเช่น ตั้งให้ ChatGPT ส่งสรุปอีเมลที่ต้องตอบและตารางนัดหมายวันนี้มาให้ทุกเช้า 8 โมง โดยไม่ต้องกดหรือพิมพ์อะไรเลย AI จะดึงข้อมูลจาก Gmail และ Calendar แล้วสรุปออกมาให้อ่านรวดเดียว
บทสรุป
Voice Mode รุ่นใหม่ของ ChatGPT ไม่ใช่แค่การอัปเกรดเสียงให้ฟังดีขึ้น แต่เป็นการเปลี่ยนให้ Voice Mode กลายเป็น interface หลักในการสั่งงาน AI agent ได้จริง สิ่งที่ควรทดลองก่อนคือเปิด Desktop App ในโหมด Work Mode แล้วลองสั่งงานด้วยเสียง ทั้งดึงไฟล์ รัน task หลายอย่างพร้อมกัน และถ้าใช้ประจำก็ลองตั้ง Zapier MCP เพื่อเชื่อมกับแอปที่ใช้งานอยู่ ขั้นตอนต่อจากนั้นคือเชื่อมมือถือเข้ากับ Desktop ผ่าน QR Code เพื่อให้สั่งงานได้แม้ไม่ได้นั่งอยู่หน้าคอม
