ตอนที่ผมนำทีม customer success ระดับโลกของ HubSpot ฐานลูกค้าเติบโตจากราว 70,000 รายเป็นมากกว่า 220,000 รายภายในเวลาเพียง 4 ปี การเติบโตในระดับนั้นทดสอบทุกสมมติฐานที่คุณมีเกี่ยวกับลูกค้าอย่างหนัก
ในเวลานั้น ข้อมูลที่จำเป็นต่อการเข้าใจลูกค้าแต่ละรายกระจายอยู่ใน product log ระบบเรียกเก็บเงิน คิวงานซัพพอร์ต และบันทึกที่พนักงานบริการลูกค้าพิมพ์ขึ้นจากความจำ ข้อมูลทั้งหมดนั้นสร้างเป็นบันทึกได้ แต่ไม่ได้สร้างความเข้าใจ
เอเจนต์ AI กำลังปิดช่องว่างนี้ ซอฟต์แวร์ประเภท CRM จะอยู่รอดในรูปแบบปัจจุบันไม่ได้ เพราะสร้างขึ้นบนข้อมูลที่กระจัดกระจายและยากจะเชื่อมโยงให้เกิดประโยชน์ได้จริง
Funnel ก็คือผังองค์กรที่ถูกวาดในแนวนอน
เส้นทางของลูกค้า (customer journey) พัฒนาจาก funnel เป็น flywheel และกลายเป็น loop แต่ทุกรูปแบบมีจุดบกพร่องเดียวกัน คือมุ่งเน้นสิ่งที่บริษัททำ ตามลำดับที่บริษัททำ ซึ่งแทบไม่ตรงกับสิ่งที่เกิดขึ้นจริง
สิ่งที่เกิดขึ้นจริงคือ ลูกค้าที่เข้าสู่สัญญาได้ 3 เดือนเจอการล็อกอินล้มเหลว 2 ครั้ง มีข้อพิพาทเรื่องการเรียกเก็บเงินที่ยังไม่ได้รับการแก้ไข และได้รับข้อเสนออัปเกรดจากคนที่ไม่รู้เรื่องเหล่านั้นเลย จากแบบสำรวจ State of the Connected Customer ของ Salesforce ลูกค้า 55% บอกว่ารู้สึกเหมือนกำลังติดต่อกับแต่ละแผนกแยกกัน แทนที่จะเป็นบริษัทที่เป็นเอกภาพ และ 56% บอกว่าต้องเล่าเรื่องเดิมซ้ำกับพนักงานหลายคน ที่ผ่านมาเรื่องนี้ยังพอรับได้ เพราะซอฟต์แวร์ทำได้แค่ส่งข้อมูลให้มนุษย์ และมนุษย์ก็มองเห็นได้ทีละหน้าจอ
ตอนนี้ซอฟต์แวร์เป็นผู้ลงมือทำงานเอง
บริษัทเทคโนโลยีกำลังมุ่งใช้ Agentic AI ย้ายข้อมูลที่แยกเป็นไซโลเข้าสู่ฐานข้อมูล พร้อมพัฒนาเครื่องมือที่ค้นหาข้อมูลและประมวลผลออกมาเป็นคำตอบ ตอนนี้ลูกค้าจ่ายเงินเพื่อผลลัพธ์ ไม่ใช่เพื่อเครื่องมือ ตัวอย่างเช่น เมื่อใช้เอเจนต์ซัพพอร์ต ลูกค้าจะจ่ายตามจำนวนปัญหาที่แก้ไขได้ แทนการจ่ายตามจำนวน seat ที่ใช้ซอฟต์แวร์
Jaya Gupta และ Ashu Garg จาก Foundation Capital เรียกการเปลี่ยนแปลงนี้ว่า Service as Software และมองว่าเป็นโอกาสมูลค่า $4.6 ล้านล้าน Service as Software เริ่มต้นจากงานซัพพอร์ตลูกค้า เพราะเป็นงานที่มีปริมาณสูง มูลค่าสูง และมีผลลัพธ์ที่วัดได้ นั่นคือการแก้ไขปัญหาได้สำเร็จ Gartner คาดว่า agentic AI จะแก้ไขปัญหาบริการทั่วไปได้เองถึง 80% ภายในปี 2029 และลดต้นทุนการดำเนินงานลง 30%
1. การค้นหาสินค้า: ช่องค้นหากลายเป็นบทสนทนา
ตลอด 20 ปีที่ผ่านมา การค้นหาสินค้าเกิดขึ้นด้วยการพิมพ์คีย์เวิร์ดลงในช่องค้นหา แล้วได้หน้าผลลัพธ์ที่กรองตามราคา เอเจนต์ AI รวบกระบวนการนั้นเข้าด้วยกัน และกลายเป็นหน้าที่ของทีมการตลาดที่ต้องเป็นเจ้าของบทสนทนานั้น
2. การขาย: ความสัมพันธ์ที่ต่อเนื่องในทุกช่องทาง
ผู้คนสื่อสารกันผ่านหลายช่องทาง เราส่งอีเมล โทร ส่งข้อความติดตามผล และคาดหวังให้อีกฝ่ายจำได้ครบทั้งหมด มีคนถามคำถามในแชต จากนั้นก็ได้รับแบบฟอร์ม อีเมลการตลาด และโทรศัพท์จากคนที่ไม่เคยอ่านแชตนั้นเลย
เอเจนต์ AI ที่รู้ภาพรวมของความสัมพันธ์ทั้งหมดจะสานต่อบทสนทนาได้ในทุกช่องทาง เหมือนที่นักขายเก่ง ๆ ทำกับลูกค้าที่รู้จักกันถึงชื่อ อีกทั้งยังทำสิ่งที่ไม่มีใครทำได้ในระดับใหญ่ นั่นคือสังเกตเห็นเมื่อมีอะไรเปลี่ยนไป และติดต่อลูกค้าก่อน
3. Onboarding: สัปดาห์แรกเป็นตัวตัดสินความสัมพันธ์
สัญญาเพิ่งเซ็นเสร็จ ทุกสิ่งที่ลูกค้าพูดไว้ก่อนการซื้อจะอยู่กับคนที่ปิดดีลเท่านั้น ลูกค้าได้รับอีเมลต้อนรับแบบเทมเพลต และครั้งแรกที่ต้องการความช่วยเหลือ ก็เหมือนเพิ่งได้คุยกับคุณเป็นครั้งแรก
เอเจนต์สามารถสานต่อความสัมพันธ์จากฝ่ายขายได้ตั้งแต่วันแรก รู้ว่าทำไมลูกค้าถึงซื้อ และตั้งค่าบัญชีตามการตัดสินใจซื้อนั้น
4. ซัพพอร์ต: 5 ขั้นตอน 3 ระบบ 1 ผลลัพธ์
การ deploy AI ที่ซับซ้อนที่สุดที่ผมเคยเห็นคือระบบดูแลซัพพอร์ตด้านการชำระเงินให้ผู้ให้บริการเกมรายหนึ่ง ก่อนที่เอเจนต์จะตอบผู้เล่น มันได้จำแนกเจตนา ให้คะแนนความเร่งด่วน และตรวจสอบถ้อยคำเทียบกับหมวดความเสี่ยงซึ่งรวมถึงสัญญาณของปัญหาไว้เรียบร้อยแล้ว หากพบความเสี่ยง ก็จะสลับ playbook ส่งเคสไปยังคิวของเจ้าหน้าที่ที่ผ่านการฝึกมาสำหรับกรณีนั้น และเขียนสรุปลงในบันทึกเมื่อปิดเคส รวมแล้วคือ 5 ขั้นตอน 3 ระบบ 2 ชุดกฎ ไม่มีกฎแบบคีย์เวิร์ด และไม่มีการคัดแยกเคสด้วยมือ
5. การต่อสัญญา: ความสัมพันธ์ที่จดจำได้
การต่อสัญญาคือจุดที่ทุกไซโลปรากฏพร้อมกัน ระบบของคุณแจ้งเตือนเรื่องการต่อสัญญาตามวันที่กำหนดไว้ ไม่ว่าลูกค้าจะเจออะไรอยู่ก็ตาม ขณะเดียวกัน ลูกค้ายังจมอยู่กับปัญหาที่เกิดซ้ำและยังไม่ได้รับการแก้ไข เอเจนต์ที่มีบันทึกครบถ้วนจะรู้ถึง pain point และสิ่งที่กำลังทำเพื่อแก้ไข การต่อสัญญาจึงกลายเป็นการสานต่อความสัมพันธ์ แทนที่จะเป็นแค่ใบแจ้งหนี้
ทำให้ครบทั้งระบบ หรือไม่ต้องทำเลย
การเปลี่ยนไปใช้โซลูชันที่มุ่งเน้นผลลัพธ์ต้องอาศัยแพลตฟอร์มที่ทำงานข้ามระบบ กระบวนการ และขั้นตอนการปฏิบัติงานมาตรฐาน (SOP) ซึ่งก็คือ multi-hop reasoning นั่นเอง Multi-hop reasoning ช่วยให้คุณใช้เหตุผลข้ามหลายระบบทั้งในด้านความรู้ บริบท และการดำเนินการ และรู้ว่าอะไรเกี่ยวข้องในแต่ละช่วงของบทสนทนา โดยคำนึงถึงสิทธิ์ของผู้ใช้ การเข้าถึง guardrail และขั้นตอนการปฏิบัติงานมาตรฐาน
ผู้นำหลายคนคิดว่านั่นหมายถึงการซื้อเอเจนต์ให้แต่ละแผนกจากเวนเดอร์ที่เดโมได้ดีที่สุด ซึ่งก็คือการสร้าง funnel ขึ้นมาใหม่ด้วยเครื่องมือที่ดีขึ้น แต่ตัวเลขด้านการเชื่อมต่อไม่เข้าข้างคุณ benchmark ปี 2026 ของ MuleSoft ระบุว่าองค์กรโดยเฉลี่ยมีแอปพลิเคชัน 957 ตัว แต่เชื่อมต่อกันเพียง 27% และผู้นำด้าน IT 86% บอกว่าเอเจนต์ AI เพิ่มความซับซ้อนมากกว่าคุณค่า เมื่อทำงานโดยไม่มีการเชื่อมต่อที่เหมาะสม
เมื่อจะซื้อเอเจนต์ ให้ถามว่า:
- เอเจนต์รู้หรือไม่ว่าเกิดอะไรขึ้นในระบบของแผนกอื่น?
- เอเจนต์ลงมือดำเนินการในระบบได้ หรือทำได้แค่อ่าน?
- เมื่อส่งต่อให้คน คนนั้นได้รับบริบทต่อเนื่อง หรือต้องเริ่มใหม่ทั้งหมด?
ผลตอบแทนนั้นคุ้มค่าเกินคาด
เส้นทางของลูกค้าไม่เคยเป็นลำดับขั้นตอนมาตั้งแต่แรก มันคือคำอธิบายแผนกต่าง ๆ ของเราเอง ที่วาดออกมาแบบนั้นเพราะไม่มีระบบใดเก็บภาพจริงไว้ได้ สิ่งที่จะมาแทนที่คือความสัมพันธ์ที่รวมศูนย์ไว้ด้วยกัน และได้รับการดูแลอย่างต่อเนื่องตั้งแต่คำถามแรกจนถึงการต่อสัญญาครั้งสุดท้าย
SaaS ตั้งราคาตามเครื่องมือ Service as Software ตั้งราคาตามงานที่ทำสำเร็จ
บทความนี้เผยแพร่ครั้งแรกใน Fast Company เมื่อวันที่ 2 ตุลาคม 2026
ทดลองกับบทสนทนาของคุณเอง
ขอรับเดโมเฉพาะสำหรับคุณฟรี
