หลายครั้งที่การตัดสินใจทางธุรกิจยากไม่ใช่เพราะไม่มีข้อมูล แต่เพราะเรามองจากมุมเดียว คนที่เก่งเรื่องการตลาดมักมองข้ามเรื่องกระแสเงินสด คนที่เก่งเรื่องระบบมักลืมถามว่าลูกค้าจะจ่ายหรือเปล่า Nate Herk จากช่อง Nate Herk | AI Automation เลยทำเครื่องมือชื่อ Roast Room ที่ใช้ Claude Code จัดสภาที่ปรึกษาเสมือนจริง ให้ตัวแทนของนักธุรกิจชื่อดังหลายคนมานั่งโต้แย้งคำถามเดียวกัน จนได้คำตัดสินที่ผ่านการตรวจสอบจากหลายมุม
บทความนี้ไล่ให้เห็นว่าระบบนี้ประกอบด้วยอะไร ทำงานอย่างไรทีละขั้น และมีหลักคิดอะไรที่เอาไปใช้กับงานของเราเองได้ แม้จะไม่ได้ติดตั้งเครื่องมือตัวนี้ก็ตาม
สรุปสั้น ๆ
- Roast Room คือชุดซับเอเจนต์ใน Claude Code ที่แต่ละตัวสวมวิธีคิดของนักธุรกิจคนหนึ่ง แล้วโต้แย้งกันเป็นรอบ ๆ
- แต่ละที่นั่งมีคำถามประจำตัว ทำให้การโต้แย้งไม่ซ้ำกันและครอบคลุมหลายด้าน
- ความรู้ของแต่ละคนเก็บเป็นไฟล์ markdown แยกโฟลเดอร์ เพิ่มหรือเปลี่ยนสมาชิกได้ตามต้องการ
- ผลลัพธ์จบด้วยคำตัดสินพร้อมคะแนนและ PDF ที่แชร์ให้ทีมได้
สภาที่ปรึกษาทำงานอย่างไร
แนวคิดตั้งต้นคือให้คำถามธุรกิจหนึ่งข้อพร้อมตัวเลือกสองถึงสามทาง แล้วส่งให้สมาชิกสภาแต่ละคนวิเคราะห์ สมาชิกชุดเริ่มต้นมีเจ็ดคน ได้แก่ Jeff Bezos, Paul Graham, Alex Hormozi, Gary Vaynerchuk, Dan Martell, Gino Wickman และ Warren Buffett ส่วนชุดเสริมมีอีกสี่คนคือ Naval, Cody Sanchez, Sara Blakely และ Leila Hormozi รวมเป็น 11 ที่นั่ง
สิ่งที่ทำให้การโต้แย้งมีคุณภาพคือแต่ละที่นั่งถูกผูกกับคำถามเดียว Buffett ถามว่าเรื่องนี้กระทบเงินสด ความเสี่ยง และมูลค่าระยะยาวอย่างไร Hormozi ถามว่าคนจะจ่ายไหม จ่ายเท่าไร และปิดการขายอย่างไร Wickman ถามว่าธุรกิจเดินต่อได้ไหมถ้าไม่มีผู้ก่อตั้งคอยประคอง Naval ถามว่าสิ่งนี้สร้างเลเวอเรจและความเป็นเจ้าของ หรือแค่ขายเวลาของเรา เมื่อทุกคนโฟกัสคนละเรื่อง ข้อเสนอเดียวกันจึงถูกทดสอบรอบด้านโดยไม่ต้องพึ่งให้คนใดคนหนึ่งครอบคลุมทุกมุม
กระบวนการแบ่งเป็นสามรอบ รอบแรกแต่ละคนเขียนจุดยืนเปิดพร้อมโหวตตัวเลือกและให้คะแนน รอบสองอ่านจุดยืนของคนอื่นแล้วเริ่มโต้กัน เช่น Bezos เถียงกับ Gary V หรือ Buffett เล่นงาน Hormozi และรอบสุดท้ายโหวตสุดท้ายเพื่อสรุปคำตัดสิน หากทุกคนเห็นตรงกันหมด ตัวกลางที่คอยควบคุมการประชุมจะบังคับให้หนึ่งคนไปเล่นบทค้านอีกฝั่ง เพื่อไม่ให้ได้ฉันทามติที่ง่ายเกินไป
ซับเอเจนต์และ brain: ความรู้ของแต่ละคนอยู่ตรงไหน
เบื้องหลังหน้าจอสวย ๆ ทุกอย่างคือไฟล์ในโฟลเดอร์ของ Claude Code ซับเอเจนต์แต่ละตัวเป็นไฟล์ markdown หนึ่งไฟล์ในโฟลเดอร์ agents อธิบายสั้น ๆ ว่าคนนี้โต้แย้งอย่างไร พูดอย่างไร และมองเรื่องต่าง ๆ ผ่านเลนส์ไหน ไฟล์พวกนี้ไม่ยาว เพราะส่วนที่หนักจริงอยู่อีกที่หนึ่ง
ส่วนนั้นคือโฟลเดอร์ brains ภายใต้ skills ซึ่งมีโฟลเดอร์แยกให้สมาชิกทุกคน ข้างในประกอบด้วยไฟล์ที่จัดหมวดเหมือนกันหมด ได้แก่ hot (แก่นการตัดสินใจและกฎที่ใช้ตัดสิน) books, frameworks, positions, principles, sources, stories และ voice ตัวอย่างเช่น brain ของ Leila Hormozi สร้างจาก 48 แหล่งข้อมูล ราวครึ่งล้านคำระหว่างปี 2021 ถึง 2026 รวมบทสัมภาษณ์ 14 ครั้งและวิดีโอของเธอเองอีก 34 ชิ้น พร้อมกฎการตัดสินใจ 8 ข้อ ส่วนของ Dan Martell จะเต็มไปด้วยกรอบอย่าง buyback principle และ drip matrix ขณะที่ของ Hormozi มี value equation และ grand slam offer
เมื่อมีคำถามเข้ามา ซับเอเจนต์จะดึงข้อมูลจาก brain ของตัวเองมาใช้ จึงตอบด้วยหลักคิดที่เจ้าตัวเคยพูดหรือเขียนไว้จริงในที่สาธารณะ ไม่ใช่การเดาบุคลิกลอย ๆ การแยกความรู้ออกจากตัวตัวละคร ทำให้ไฟล์ agent เล็กและแก้ง่าย ส่วนเนื้อหาที่ต้องอัปเดตอยู่ใน brain ที่ขยายได้เรื่อย ๆ
เพิ่มสมาชิกใหม่ด้วยสกิลเดียว
จุดที่ทำให้ระบบนี้ขยายได้คือสกิลชื่อ new roster เพียงสั่งชื่อบุคคล เช่น Elon Musk ระบบจะสร้างไฟล์ agent, สร้างโฟลเดอร์ brain พร้อมหมวดเดียวกับคนอื่น (hot, books, frameworks, positions, principles, sources, stories, voice) และสร้างตัวการ์ตูนให้แสดงในหน้าจอ Roast Room ด้วย เมื่อเสร็จก็นำไปใช้ในสภาได้ทันทีเหมือนสมาชิกเดิม
หลักการนี้เอาไปใช้นอกเหนือจากเครื่องมือตัวนี้ได้เลย ถ้าเราไม่มีพื้นฐานด้านการเขียนคอปปี้ เราสร้างเอเจนต์คอปปี้ระดับโลกเองยาก แต่หาคนที่ได้รับการยอมรับว่าเก่งด้านนี้ ดึงกรอบคิด ตัวอย่างงานเขียน และวิธีที่เขาตัดสินใจมาใส่ในสภาได้ ตอนมีคำถามด้านการตลาดก็เรียกที่ปรึกษาคนนั้นมาช่วยคิด
วิธีใช้งาน: ใส่การตัดสินใจ ตัวเลือก และบริบทให้ครบ
การใช้งานที่ได้ผลควรใส่สามอย่างคือ การตัดสินใจที่ต้องทำ ตัวเลือกสองถึงสามทาง และบริบทที่พอให้ให้เหตุผลได้ ตัวอย่างในวิดีโอคือการเลือกเมืองจัดงานอีเวนต์แบบเจอหน้าในฤดูร้อนปี 2027 โดยเทียบ San Francisco, Salt Lake City, Austin และ Chicago ด้วยเกณฑ์อย่างสปอนเซอร์ท้องถิ่น แรงจูงใจจากเมือง การเดินทางผ่านสนามบิน ขนส่งสาธารณะ ร้านอาหาร และกิจกรรมนอกงาน
จะพิมพ์เป็นภาษาธรรมดาหรือเรียกด้วยคำสั่ง /roast-room ก็ได้ ระบบจะโหลดสกิล รวบรวมบริบทธุรกิจ แล้วถามคำถามเพิ่มถ้าข้อมูลยังไม่พอ รวมถึงถามว่าใครควรนั่งโต๊ะ โดยมีข้อเสนอแนะให้และให้เราสลับคนได้ ในตัวอย่างนี้ Dan Martell ซึ่งเน้นปกป้องเวลาของผู้ก่อตั้งถูกถอดออก และ Naval ถูกเสริมเข้ามาเพราะเรื่องเลเวอเรจเข้ากับโจทย์ ผลโหวตออกมาเกือบเอกฉันท์ที่ Salt Lake City ด้วยคะแนนรวมประมาณ 7.9 จาก 10 มีเพียง Naval ที่เลือก San Francisco และคำตอบนี้ตรงกับเมืองที่ทีมเลือกจัดงานครั้งแรกจริง
เป้าหมายไม่ใช่ให้สภาตัดสินแทนเรา แต่ให้เราเห็นมุมที่เราไม่เคยคิด เช่น ประเด็นที่ Paul Graham หรือ Naval หยิบขึ้นมา แล้วค่อยตัดสินใจเองด้วยข้อมูลที่ครบขึ้น
ซับเอเจนต์ถูกกว่า agent teams แค่ไหน และข้อมูลไปอยู่ไหน
ช่วงแรกระบบนี้สร้างด้วย agent teams แต่หลังทดสอบหลายรอบพบว่าค่าใช้จ่ายสูงกว่าโดยได้ประโยชน์เพิ่มน้อยมาก จึงเปลี่ยนมาใช้ซับเอเจนต์ ซึ่งยังโต้แย้งกันเองได้ใกล้เคียงกันในทางปฏิบัติ ข้อนี้เป็นบทเรียนที่ใช้ได้กับงานอัตโนมัติทั่วไปว่า โครงสร้างที่ซับซ้อนกว่าไม่ได้ให้ผลดีกว่าเสมอไป
หน้าจอ localhost เป็นเพียงชั้นแสดงผลเท่านั้น ปิดหน้าต่างไปซับเอเจนต์ก็ยังรันต่อได้ ข้อมูลทุกเซสชันเก็บไว้ในเครื่องในโฟลเดอร์ของโปรเจกต์ แยกเป็นไฟล์ brief, round one, round two และ verdict พร้อมบันทึกเหตุผลของแต่ละคน เราจึงย้อนกลับมาถามต่อหรือตรวจดูรายละเอียดการโต้แย้งได้ภายหลัง และดาวน์โหลดผลสรุปเป็น PDF เพื่อส่งให้ทีมได้
บทสรุป
Roast Room แสดงให้เห็นว่าการจ้างผู้เชี่ยวชาญหลายคนมาถกเรื่องเดียวกันทำได้ด้วยไฟล์ markdown และซับเอเจนต์ไม่กี่ชุด ใจความสำคัญอยู่ที่การให้แต่ละที่นั่งมีคำถามประจำตัว และเติม brain ที่มาจากแหล่งข้อมูลสาธารณะจริง ไม่ใช่แค่บอกให้เลียนแบบบุคลิก
สิ่งที่ลองทำได้ทันทีคือเลือกการตัดสินใจที่ค้างอยู่หนึ่งเรื่อง เขียนตัวเลือกสองถึงสามทางพร้อมบริบท แล้วหาคนที่เคยทำเรื่องนั้นสำเร็จมาสองสามคน สรุปกรอบคิดของแต่ละคนเป็นไฟล์ แล้วให้ซับเอเจนต์โต้กันดู ผลที่ได้ไม่ใช่คำตอบสำเร็จรูป แต่เป็นมุมมองที่ช่วยให้เราตัดสินใจรอบคอบขึ้น
