ซีรีส์นี้เราพูดเรื่องเดียวกันมาสี่มุมแล้ว: Harness ชนะ Model, นี่คือเครื่องมือที่มีในตลาด, นี่คือวิธี Tune Harness และ นี่คือ Harness แบบมินิมอลที่ควรศึกษา โพสต์ปิดท้ายนี้เขียนให้คนที่เซ็นอนุมัติงบ AI โดยตรง
เพราะถ้า Harness คือจุดที่ตัดสินผลลัพธ์จริง ๆ องค์กรส่วนใหญ่กำลัง Optimize ตัวแปรผิดตัว พวกเขานั่งประชุมกันว่าจะ Standardize บน Model ตัวไหนดี แต่ประชุมที่มีประโยชน์กว่าคือเรื่อง Harness — และมันเปลี่ยนกลยุทธ์ทั้งหมด
คุณค่าจริง ๆ ไปตกอยู่ตรงไหน
Model กำลังกลายเป็นของ Commodity มันทรงพลัง พัฒนาต่อเนื่อง และสลับกันได้ง่ายขึ้นเรื่อย ๆ — Harness ที่ดีสลับ Model ได้แค่แก้ Config ส่วนที่ไม่กลายเป็น Commodity คือทุกอย่างที่ห่อหุ้ม Model อยู่: กฎที่สะสมมา, Guardrails ที่บังคับใช้จริง, Loop ที่ Tune มาแล้ว และความรู้ขององค์กรที่เขียนไว้ใน Instruction Files กับ Hooks
นี่คือประเด็นเชิงกลยุทธ์: Asset ที่อยู่ทนคือ Harness ที่คุณสร้างเอง ไม่ใช่ Model ที่คุณเช่าใช้ คู่แข่งซื้อ Model ตัวเดียวกันได้พรุ่งนี้เลย แต่ซื้อกฎที่สะสมมาสองปี ความล้มเหลวที่ Ratchet ไว้แล้ว และความเข้ากันได้กับ Workflow ที่ทำให้ Agent ของคุณ เชื่อถือได้ ซื้อไม่ได้ คุณค่าจะไปตกอยู่ที่ Layer ที่คุณเป็นเจ้าของ ไม่ใช่ Layer ที่คุณแค่สมัครใช้
flowchart TD A["Your workflows, rules, hooks, skills<br/>— you OWN this (the moat)"] --> B["Harness runtime<br/>— buy / adopt a mature one"] B --> C["Model<br/>— rent, swap any time"]
Build, Buy หรือ Compose
คำถามคลาสสิกนี้ต้องตั้งใหม่ มันแทบไม่เคยเป็น Build vs Buy แบบขาวดำ — ส่วนใหญ่มันคือ Compose:
- Buy the runtime ไม่มีใครควรเขียน Agent Loop เองตั้งแต่ศูนย์ ใช้ Harness ที่โตแล้ว — Claude Code, Codex, Pi หรือตัวไหนก็ได้ที่เข้ากับงาน — เป็นฐานของคุณ
- Build the layer that's yours ส่วนที่เป็น Instruction Files, Hooks, Skills และ Workflows ที่เขียนวิธีทำงานจริงของธุรกิจคุณ เอาไว้ ส่วนนี้แหละที่ควรลงทุนจริงจัง เพราะมันคือส่วนที่พอกพูนไปเรื่อย ๆ
- Watch the lock-in ตอนนี้มีหมวดหมู่ธุรกิจใหม่ทั้งหมวด — Harness-as-a-Service — ที่ขาย Loop สำเร็จรูป สะดวกดี และหลายครั้งก็เป็นทางเลือกที่ถูกต้อง แค่ต้องดูแลให้ Configuration ที่ลงทุนไปนั้น Portable พอ — ถ้า Vendor เปลี่ยนราคาหรือยกเลิก Tier มันจะแค่ลำบากหน่อย ไม่ใช่วิกฤต (ผู้ใช้รายบุคคลของ Google เจอบทเรียนนี้แบบเจ็บ ๆ มาแล้วในปี 2026)
ทีมที่ทำเรื่องนี้ถูกต้อง มองว่า Harness คือ Infrastructure ที่พวกเขาเป็นเจ้าของ รันอยู่บน Model ที่เช่าใช้
ความเสี่ยงเรื่อง Dependency ที่ไม่มีใครคิดราคาไว้
มีข้อเตือนใจหนึ่งข้อสำหรับใครที่ Standardize บน Vendor เดียว ในปี 2026 Free Tier ที่เคยให้ Developer รายบุคคลใช้ฟรีแบบจุใจ หายไปแค่ในเวลาไม่กี่สัปดาห์ ขณะที่ฝั่ง Enterprise ยังใช้ได้ปกติ นี่ไม่ใช่เรื่องอื้อฉาว — แต่เป็นเครื่องเตือนใจ ความสามารถด้าน AI ของคุณตอนนี้ขึ้นอยู่กับการตัดสินใจของ Vendor เรื่องราคา ความพร้อมใช้งาน และ Model ซึ่งเปลี่ยนได้ทุกเมื่อโดยที่คุณไม่มีสิทธิ์ออกเสียง
ทางแก้ไม่ใช่ความหวาดระแวง แต่คือการออกแบบ Harness แบบ Provider-Agnostic, Configuration ที่ Portable และความสามารถสลับ Model ได้ คือประกันราคาถูกต่อการตัดสินใจของ Supplier ที่คุณคุมไม่ได้ ออกแบบให้การสลับ Model เป็นเรื่องทำเสร็จในวันอังคาร ไม่ใช่ทำเป็นโปรเจกต์ใหญ่
คำถามที่ผู้นำควรถามจริง ๆ
เปลี่ยน Agenda การประชุมซะ แทนที่จะถามว่า "เราใช้ Model ตัวไหน" ให้ถามว่า:
- Harness ของเราคืออะไร และใครเป็นเจ้าของ ถ้าคำตอบคือ "อะไรก็ได้ที่เครื่องมือให้มา Default" แปลว่าคุณกำลังเช่าความสามารถ ไม่ได้สร้างมันขึ้นมาเอง
- เรา Encode อะไรไว้บ้าง Convention, Guardrails และบทเรียนที่แลกมาด้วยความเจ็บ ถูกเขียนไว้ใน Instruction Files กับ Hooks แล้วหรือยัง — หรือยังอยู่แค่ในหัวคน
- ระบบของเราเรียนรู้ไหม เวลา Agent ทำพลาด มีการเพิ่มกฎกันไม่ให้พลาดซ้ำไหม (หลักการ Ratchet) หรือแค่แก้แล้วก็ปล่อยผ่าน
- เรา Lock-in อยู่แค่ไหน ถ้าไตรมาสหน้าจะสลับ Model หรือเครื่องมือ ต้องเขียนระบบใหม่หมดไหม
- ใครตรวจงานของ Agent มีการตรวจจริง ๆ ไหม — Evaluator แยกต่างหาก, มี Human คอยเช็คก่อน Action ที่เสี่ยง — หรือแค่ปล่อยให้ Agent ให้คะแนนตัวเอง
ตอบคำถามพวกนี้ตรง ๆ แล้วคุณจะรู้ทันทีว่าความสามารถ AI ขององค์กรโตแค่ไหน — รู้แม่นกว่า Benchmark หรือชื่อ Model ไหน ๆ บอกได้
สรุปสั้น ๆ
ยุคของ Harness ให้รางวัลกับองค์กรแบบเดียว: องค์กรที่มอง AI Agent เป็นระบบที่ต้อง Engineer และเป็นเจ้าของเอง ไม่ใช่สินค้าที่ซื้อมาแล้วเชื่อใจไปเลย Model คือเครื่องยนต์ และเครื่องยนต์มีไว้ให้เช่า ส่วน Harness คือตัวรถ กฎจราจร และการฝึกคนขับ — และนี่แหละคือส่วนที่แบกธุรกิจของคุณไว้จริง ๆ
ที่ HarmonyX นี่คือวิธีที่เราสร้างและ Deploy Agentic Systems ให้ลูกค้า: ใช้ Runtime ที่โตแล้วเป็นฐาน สร้าง Harness เฉพาะให้แต่ละธุรกิจอยู่ด้านบน และไม่มี Dependency ไหนที่เราสลับออกไม่ได้ ถ้าคุณกำลังจะพา AI Pilot ไปสู่ Production ที่ใช้งานได้จริง Harness คือจุดที่งานนั้นเกิดขึ้นจริง ๆ — ติดต่อมาคุยกัน
ซีรีส์ 5 ตอนเรื่องยุค AI Harness จบลงตรงนี้ เริ่มอ่านตั้งแต่ตอนแรกได้ที่: Agent = Model + Harness
