มาร์ก ซูเกอร์เบิร์ก บอกพนักงานว่า AI agents ยังไม่พัฒนาเร็วเท่าที่เขาคาดหวัง

Meta ใช้เงินหลายพันล้าน ลดจำนวนพนักงานหลายพันคน และจัดโครงสร้างหน่วยงานใหม่รอบ AI agents — แต่ผลลัพธ์ยังไม่เป็นไปตามที่คาดหวัง เมื่อมาร์ก ซูเกอร์เบิร์ก บอกพนักงานว่า AI agents ยังไม่เร่งความเร็ว "ในลักษณะที่" ผู้บริหารคาดหวัง นั่นไม่ใช่การปรับเล็กน้อย นั่นคือการยอมรับว่าการลงทุน AI ที่ได้รับทุนมากที่สุดในประวัติศาสตร์มีกำหนดเวลาที่ผิด สำหรับนักพัฒนาและผู้ก่อตั้งทั่วเอเชียที่ติดตามการแข่งขัน AI ระดับโลก ช่วงเวลานี้ควรค่าแก่การพิจารณามากกว่าการไม่สนใจ

เกิดอะไรขึ้น

ในการประชุมภายในเมื่อวันพฤหัสบดี 3 กรกฎาคม 2026 ซีอีโอของ Meta มาร์ก ซูเกอร์เบิร์ก บอกพนักงานว่าการพัฒนา AI agent ของบริษัทไม่ได้ดำเนินไปตามความเร็วที่ผู้บริหารคาดการณ์ไว้ ตามรายงานของ TechCrunch ที่อ้างอิงจาก Reuters ซูเกอร์เบิร์กยอมรับว่าความเร็วไม่ได้เร่ง "ในลักษณะที่" ผู้บริหารคาดหวังไว้ก่อนหน้านี้

การยอมรับนี้เกิดขึ้นในบริบทของการปรับโครงสร้างองค์กรที่มีนัยสำคัญ ในช่วงต้นปี 2026 Meta ปลดคนประมาณ 8,000 คน — ประมาณ 10% ของกำลังคนขององค์กร — และจัดสรรอีก 7,000 คนให้กับกลุ่มที่เน้น AI รวมถึงหน่วยที่เรียกว่า Agent Transformation การปลดออกนี้ ตามที่ซูเกอร์เบิร์กกล่าว ไม่ได้ "สะอาด" เท่าที่ควร ผู้บริหารระดับสูงตัดสินใจเหล่านั้นเพราะกลัวว่า Meta "จะไม่เคลื่อนไหวเร็วพอที่จะปรับตัวให้เข้ากับภูมิทัศน์เทคโนโลยีที่เปลี่ยนแปลง"

ผลประโยชน์ที่คาดหวังจากโครงสร้าง AI ที่เน้นใหม่ ตามที่ซูเกอร์เบิร์กยอมรับ ยังไม่ได้ "เป็นจริง" เขาแสดงความเชื่อว่าการปรับปรุงจะเกิดขึ้นภายในสามถึงหกเดือนข้างหน้า — แต่เงื่อนไขนั้นไม่ได้ทำให้การยอมรับนี้ผ่อนคลาย Meta คาดว่าจะใช้จ่ายถึง 145 พันล้านดอลลาร์สำหรับโครงสร้างพื้นฐาน AI ในปีนี้เพียงปีเดียว ตามรายงานของ Reuters นั่นเป็นจำนวนเงินที่มหาศาลที่จะนำไปใช้กับกำหนดเวลาที่กำลังลดลงอยู่แล้ว

ต้นทุนด้านมนุษย์ก็เป็นจริงเช่นกัน รายงานแยกต่างหากได้อธิบายหน่วย AI ของ Meta ว่าเป็นสภาพแวดล้อมที่ยากลำบาก ทำให้ท้อใจสำหรับวิศวกรที่ได้รับมอบหมาย — รายละเอียดที่สำคัญเมื่อคุณพยายามเข้าใจว่าทำไมการพัฒนา agent อาจหยุดชะงัก การเพิ่มจำนวนคนให้กับปัญหาที่ยาก ไม่ได้หมายความว่าจะสร้างผลลัพธ์โดยอัตโนมัติ โดยเฉพาะอย่างยิ่งเมื่อคนที่ทำงานรู้สึกตัดขาดจากภารกิจ

สรุปแล้ว แพลตฟอร์มโซเชียลที่มีทรัพยากรมากที่สุดในโลกเดิมพันอนาคตระยะสั้นของตนบน AI agents ที่เป็นอิสระ และ agents ยังไม่พร้อม

ทำไมมันจึงสำคัญสำหรับเอเชีย

ช่วงเวลา AI ของเอเชียกำลังเกิดขึ้นแตกต่างจาก Silicon Valley ในเอเชียตะวันออกเฉียงใต้ เกาหลีใต้ ญี่ปุ่น และอินเดีย ผลิตภัณฑ์ AI ที่น่าสนใจที่สุดไม่ได้มาจากบริษัทยักษ์ใหญ่ที่มีมูลค่าหลายล้านล้านดอลลาร์ — มันมาจากสตาร์ทอัพที่เคลื่อนไหวเร็วและชุมชนนักพัฒนาที่ไม่สามารถใช้จ่าย 145 พันล้านดอลลาร์เพื่อค้นหาว่าบางสิ่งไม่ได้ผล

ความไม่สมดุลนี้เป็นข้อได้เปรียบในขณะนี้ การสะดุดของ Meta กับ AI agents เผยให้เห็นปัญหาโครงสร้างที่แพลตฟอร์มขนาดใหญ่เผชิญ: พวกเขากำลังปรับให้เหมาะสมสำหรับการแทนที่เวิร์กโฟลว์ที่มีอยู่ในระดับมหาศาล ซึ่งต้องให้ agents เชื่อถือได้ อธิบายได้ และตรวจสอบได้ในกรณีการใช้งานหลายล้านรายพร้อมกัน นั่นเป็นปัญหาที่แตกต่างจากการสร้าง agent ที่แก้ไขงานเฉพาะที่กำหนดไว้ชัดเจนสำหรับบริบทธุรกิจเฉพาะ — ซึ่งเป็นสิ่งที่ผู้ก่อตั้งเอเชียกำลังทำอยู่

พิจารณากรณีการใช้งาน AI agent ที่ได้รับความสนใจจริงๆ ทั่วเอเชีย: การสนับสนุนลูกค้าอัตโนมัติในภาษาท้องถิ่น การประสานงานห่วงโซ่อุปทานสำหรับโลจิสติกส์ระดับภูมิภาค การประมวลผลเอกสารทางการเงินในตลาดที่มีสภาพแวดล้อมด้านกฎระเบียบที่ซับซ้อน นี่คืองานที่แคบ มีมูลค่าสูง มีความแม่นยำสูง พวกเขาไม่ต้องการ AI agents ที่มีวัตถุประสงค์ทั่วไป พวกเขาต้องการ agents ที่มีขอบเขตที่ดี มีการใช้เครื่องมือที่เชื่อถือได้ มีลูปป้อนกลับแน่นหนา และบูรณาการลึกเข้ากับระบบที่มีอยู่

ชุมชนนักพัฒนาเทคโนโลยีเอเชียโดยทั่วไปมีความเป็นจริงมากกว่าเกี่ยวกับ AI มากกว่าคู่ตรงข้ามตะวันตก มีความเชื่อมั่นน้อยกว่าเกี่ยวกับกำหนดเวลา AGI และมีความสนใจมากขึ้นในสิ่งที่ส่งมอบและสร้างรายได้ในไตรมาสนี้ การยอมรับของซูเกอร์เบิร์กยืนยันสัญชาตญาณนั้น นักพัฒนาที่ได้สร้าง agents ที่จำกัด ระดับการผลิต อย่างเงียบๆ — แทนที่จะไล่ตามความฝันของพนักงาน AI ที่เป็นอิสระอย่างสมบูรณ์ — นำหน้าเส้นโค้ง

นอกจากนี้ยังมีพลวัตด้านความสามารถที่ควรค่าแก่การสังเกต Meta จัดสรร 7,000 คนให้กับกลุ่ม AI สตาร์ทอัพ AI ส่วนใหญ่ในเอเชียไม่มีวิศวกร 7,000 คนที่จะโยนไปที่ปัญหา ข้อจำกัดนั้นบังคับให้เกิดความชัดเจนด้านสถาปัตยกรรม คุณสร้างสิ่งที่คุณสามารถบำรุงรักษาและปรับปรุงได้จริงๆ วินัยนั้นมีแนวโน้มที่จะสร้างระบบที่ดีกว่าเมื่อเวลาผ่านไป

นี่หมายถึงอะไรสำหรับนักพัฒนา

หากคุณกำลังสร้าง AI agents วันนี้ — ไม่ว่าจะเป็นคุณลักษณะของผลิตภัณฑ์หรือเป็นเครื่องมือภายใน — การยอมรับของซูเกอร์เบิร์กมีบทเรียนเชิงปฏิบัติบางประการที่ควรค่าแก่การพิจารณา

ขอบเขตคือทุกสิ่ง Agents ที่ทำงานในการผลิตตอนนี้มีขอบเขตแคบ พวกเขาทำสิ่งหนึ่งได้ดี: แยกข้อมูลที่มีโครงสร้างจากเอกสารที่ไม่มีโครงสร้าง จัดเส้นทางตั๋วสนับสนุน สร้างร่างแรกของโค้ดสำหรับเฟรมเวิร์กเฉพาะ Agents ที่ล้มเหลวคือสิ่งที่ถูกขอให้ "จัดการความสัมพันธ์ของลูกค้า" หรือ "จัดการไปป์ไลน์เนื้อหาของเรา" — คำสั่งที่คลุมเครือซึ่งต้องการการตัดสินใจ การสลับบริบท และการกู้คืนข้อผิดพลาดที่โมเดลปัจจุบันไม่สามารถส่งมอบได้อย่างน่าเชื่อถือในระดับ

ความเชื่อถือได้เอาชนะความสามารถ Agent ที่สำเร็จงาน 70% ของเวลาไม่ใช่โซลูชัน 70% — มันเป็นหนี้สิน เพราะอัตราความล้มเหลว 30% สร้างความเสียหายที่ไม่คาดคิดในระดับน้อย ระบบ agent การผลิตต้องการ fallbacks ที่กำหนดได้ เส้นทางการขยายระดับมนุษย์ในลูป และความสามารถในการสังเกตการณ์ที่ชัดเจน หากคุณไม่สามารถเห็นว่า agent ของคุณกำลังทำอะไรและเพราะเหตุใด คุณจึงไม่สามารถปรับปรุงได้

ความลึกของการบูรณาการสำคัญกว่าคุณภาพของโมเดล โหมดความล้มเหลวที่พบบ่อยที่สุดสำหรับโครงการ agent ไม่ใช่โมเดลพื้นฐาน — มันคือตัวเชื่อมต่อระหว่าง agent และระบบที่ต้องการกระทำ Agent ที่สามารถให้เหตุผลได้ดี แต่ไม่สามารถอ่านจาก CRM ของคุณ เขียนไปยังฐานข้อมูลของคุณ หรือเรียก API ภายในของคุณได้อย่างน่าเชื่อถือ ไร้ประโยชน์ในการผลิต นี่คือเหตุผลที่แพลตฟอร์มที่ให้ความสำคัญกับ การบูรณาการ ที่ลึกและเชื่อถือได้ กำลังเห็นผลลัพธ์ agent ที่ดีกว่าผู้ที่มุ่งเน้นไปที่เกณฑ์มาตรฐานของโมเดลเพียงอย่างเดียว

อย่าสับสนการจัดโครงสร้างใหม่กับความก้าวหน้า Meta สร้างหน่วย "Agent Transformation" ชื่อนี้หมายความว่าการเปลี่ยนแปลงเกิดขึ้นแล้ว แต่การตั้งชื่อทีมตามเป้าหมายไม่ได้บรรลุเป้าหมาย นักพัฒนาที่กำลังส่งมอบ agents จริงๆ ไม่ได้รอการจัดแนวองค์กร — พวกเขากำลังทำซ้ำต้นแบบที่ใช้งานได้ วัดผลลัพธ์ และปรับขอบเขตตามสิ่งที่ขาด

บน MonstarX เราได้เห็นรูปแบบนี้ซ้ำแล้วซ้ำเล่ากับทีมพัฒนาเอเชีย: เส้นทางที่เร็วที่สุดไปยัง agent ที่ใช้งานได้ไม่ใช่การเริ่มต้นด้วยโมเดลที่มีประสิทธิภาพมากที่สุดหรือกรณีการใช้งานที่ทะเยอทะยานที่สุด มันเริ่มต้นด้วยงานที่กำหนดไว้ชัดเจน เชื่อมต่อแหล่งข้อมูลที่เชื่อถือได้ และส่งมอบบางสิ่งที่ทำงานจริงๆ ในการผลิต — จากนั้นขยายจากที่นั่น วิธีการนั้นตรงกันข้ามกับวิธีการแปลงจากบนลงล่างของ Meta และตอนนี้มันสร้างผลลัพธ์ที่ดีกว่า

ประเด็นสำคัญ

การยอมรับในการประชุมเมืองของซูเกอร์เบิร์กเป็นจุดข้อมูลที่มีประโยชน์ ไม่ใช่สัญญาณแห่งความตาย นี่คือวิธีการอ่านอย่างชัดเจน:

• AI agents ที่มีวัตถุประสงค์ทั่วไปในระดับองค์กรนั้นยากกว่าที่คาดไว้ นี่ไม่ใช่เรื่องประหลาดใจสำหรับใครที่พยายามสร้างหนึ่ง เรื่องประหลาดใจคือ Meta — ด้วยทรัพยากร ความสามารถ และโมเดลที่เป็นกรรมสิทธิ์ — กำลังพูดออกมาเป็นสาธารณะ
• กำหนดเวลาสามถึงหกเดือนที่ซูเกอร์เบิร์กอ้างถึงเป็นการวิเคราะห์ที่มองโลกในแง่ดี ไม่ใช่การสัญญา ให้