เส้นทางสู่การกำกับดูแลร่วมกันของซิลิคอนและคาร์บอนของบริษัทในวงการคริปโต — การเปลี่ยนแปลงภายในสู่ AI ของ Cobo

ตั้งแต่ปลายปี 2024 เป็นต้นมา Cobo นอกจากธุรกิจหลักของตัวเองซึ่งคือการดูแลสินทรัพย์คริปโตและการชำระเงินด้วยสเตเบิลคอยน์แล้ว ยังได้สำรวจการผสมผสานระหว่าง AI และบล็อกเชนอย่างต่อเนื่อง

สิ่งที่เราเห็นเป็นอย่างแรกคือศักยภาพของทักษะมาตรฐานที่ MCP นำมา ในทางทฤษฎี ถ้าทักษะมีความเป็นมาตรฐานเพียงพอ AI ก็สามารถเรียกใช้ความสามารถได้เหมือนปลั๊กอิน และบล็อกเชนจะกลายเป็นโครงสร้างพื้นฐานทางการเงินที่ธรรมชาติที่สุดสำหรับ AI

ดังนั้นเราจึงได้บ่มเพาะแอปสโตร์สำหรับ MCP ภายในองค์กร แต่ก็พิสูจน์ได้อย่างรวดเร็วว่ามันไม่ถูกต้อง

ในตอนนั้น เกณฑ์ของ AI ยังสูงมากจนมีเพียงวิศวกรที่มีประสบการณ์เท่านั้นที่สามารถเรียกใช้ได้อย่างคล่องแคล่ว และ MCP ก็ยังไม่เป็นมาตรฐานเพียงพอ การเชื่อมต่อแต่ละครั้งใช้เวลาและแรงงานมาก ต้นทุนสูง ความก้าวหน้าช้า ผลลัพธ์ในทางปฏิบัติห่างไกลจากที่จินตนาการไว้

แต่ทีม AI ก็ถูกตั้งขึ้นมาแล้ว ราคาแพง หายาก และไม่สามารถยกเลิกได้ง่ายๆ

ดังนั้นเราจึงตัดสินใจเปลี่ยนทิศทาง เนื่องจากตอนนี้ยังไม่สามารถปรับเปลี่ยนโลกของลูกค้าได้ ก็ให้ปรับเปลี่ยนตัวเองก่อน

ปัญหาแรก: ความปลอดภัย

Cobo ในฐานะบริษัทดูแลสินทรัพย์ ไม่ว่าจะเป็นข้อมูลหรือกรอบกระบวนการทางเทคนิคภายใน ล้วนมีความอ่อนไหวอย่างยิ่ง ภายในองค์กรก็มีระดับชั้นของข้อมูลที่เข้มงวด แต่ถ้าไม่มีข้อมูล ไม่มีการป้อนข้อมูลธุรกิจจริง ก็ไม่สามารถฝึก Agent ของบริษัทเองได้

สิ่งที่เราคิดไว้แต่แรกคือการติดตั้งโมเดลในท้องถิ่น แต่ความเป็นจริงคือระดับสติปัญญาของโมเดลท้องถิ่นไม่ถึงตามที่ต้องการ ใช้งานได้ แต่ไม่ดีพอ ตอบได้ แต่ไม่ฉลาดพอ

ในที่สุดก็เลือกใช้ Claude, Gemini เป็นหลัก (สามารถขอ ZDR — ข้อกำหนดการไม่เก็บข้อมูล เพื่อให้ได้การแยกตัวในระดับสูงสุด)

แต่โมเดลใหญ่เป็นเพียง "สมอง" ระดับล่างของธุรกิจเท่านั้น สิ่งที่ซับซ้อนจริงๆ คือข้อมูลและสิทธิ์

ต่อมาเราได้สร้างคลังความรู้ภายในและกรอบ Agent ทั้งชุด

คลังความรู้ภายใน + ระบบ Agent ที่ Cobo พัฒนาขึ้นเอง

คลังความรู้รับผิดชอบการแบ่งชั้นข้อมูลภายในบริษัท ตามสิทธิ์ของพนักงาน กำหนดขอบเขตที่อ่านได้

เมื่อ Agent เรียกใช้คลังความรู้ ก็จะสืบทอดสิทธิ์ของพนักงานด้วย แทนที่จะมี "มุมมองแบบพระเจ้า"

รายละเอียดที่นี่รวมถึง:

• วิธีแยกสภาพแวดล้อมเครือข่าย
• วิธีจำกัดการไหลของข้อมูลข้ามชั้น
• วิธีควบคุมการเก็บบันทึกเพื่อให้ตรวจสอบได้
• วิธีหลีกเลี่ยงการรั่วไหลของข้อมูลสำคัญ

สิ่งเหล่านี้ไม่น่าตื่นเต้น แต่เป็นตัวตัดสินว่าสิ่งนี้จะสามารถดำเนินต่อไปในระยะยาวได้หรือไม่ AI ไม่ควรกลายเป็นช่องโหว่ด้านความปลอดภัย

ปัญหาหลังจากสร้างโครงสร้าง: ไม่มีใครใช้

แม้กระทั่งทุกวันนี้ บริษัทยังคงเผชิญกับปัญหาความเป็นจริง: ธุรกิจส่วนหน้ามากมายดูถูก AI

หากเพียงแค่ส่งเสริมให้ใช้ การเปลี่ยนแปลงเวิร์กโฟลว์โดย AI จะไม่เกิดขึ้น

ต่อมาเราตระหนักว่า ต้องเริ่มจากฝ่ายบริหารของบริษัท

จุดแตกหักแรก: OKR Agent

สถานการณ์แรกที่เราบังคับใช้ ไม่ใช่บริการลูกค้าหรือการเขียนโค้ด

คือ OKR

เราใช้ AI ในการแยกกลยุทธ์บริษัท ใช้ AI ในการช่วยตั้ง OKR ใช้ AI ในการติดตามความคืบหน้า ใช้ AI ในการทบทวนจุดติดขัด

นั่นคือ การบริหารบริษัท จากที่คนบริหาร ค่อยๆ เปลี่ยนเป็นการบริหารร่วมกันระหว่างซิลิกอนและคาร์บอน กระบวนการนี้ทำให้พนักงานรู้สึกไม่สบายใจอย่างยิ่ง

ก่อนหน้านี้ เป้าหมายสามารถเขียนให้สวยงามได้ กระบวนการสามารถอธิบายให้สมเหตุสมผลได้ ตอนนี้ข้อมูลรายสัปดาห์อยู่ที่นั่นแล้ว ข้ออ้างก็มีน้อยลงเรื่อยๆ

จาก那一刻开始 เป้าหมาย不再只是การอภิปรายในที่ประชุม แต่กลายเป็นบันทึกอย่างต่อเนื่องในระบบ

กลยุทธ์ OKR ส่งเสริมความคืบหน้าทางธุรกิจทุกสัปดาห์

แต่ก็เริ่มจากผลการปฏิบัติงานเช่นกัน ที่ทำให้ทุกคนคุ้นเคยกับ AI จริงๆ เพราะถ้าคุณไม่เข้าร่วม มันจะส่งผลต่อค่าตอบแทนของคุณโดยตรง

จากผลการปฏิบัติงานสู่ธุรกิจ: การทำให้เป็น Agent อย่างครอบคลุม

เมื่อ OKR เริ่มดำเนินการแล้ว เราก็เริ่มผลักดันให้บริการภายในเป็น Agent เราใช้วิธีการประเมิน + โบนัส บังคับให้แต่ละแผนกตั้ง Agent ที่เกี่ยวข้องกับธุรกิจของตัวเอง

ฝ่ายบริการลูกค้าทำ Agent บริการลูกค้า ฝ่ายกฎหมายทำ Agent ช่วยเหลือสัญญา ฝ่ายขายทำ CRM Agent

ค้นหา Agent ลูกค้าที่พูดจาเสียดสีที่สุด

ในที่สุด มี Agent มากกว่า 100 ตัวที่เปิดตัว

เราไม่สามารถวัดผลลัพธ์ของ "การบริหารร่วมกันระหว่างซิลิกอนและคาร์บอน" ได้อย่างแม่นยำ

แต่อย่างน้อยก็มีการเปลี่ยนแปลงหนึ่งที่ชัดเจน:

ก่อนหน้านี้ เมื่อเจอปัญหา สิ่งแรกที่คิดคือ "ควรจ้างคนเพิ่มหรือไม่" ตอนนี้สิ่งแรกที่คิดคือ "สามารถให้ระบบมีส่วนร่วมก่อนได้หรือไม่"

นี่คือสิ่งที่เราเข้าใจเกี่ยวกับการบริหารร่วมกันระหว่างซิลิกอนและคาร์บอน ไม่ใช่ AI แทนที่คน แต่คือคนเริ่มคุ้นเคยกับการทำงานร่วมกับระบบ

เส้นทางที่เดินมาในปีนี้ มีข้อคิดที่ค่อนข้างเป็นจริงหลายประการ

ประการแรก มีกระแสเงินสดที่แข็งแรง

หากกระแสเงินสดของบริษัทไม่แข็งแรง การเปลี่ยนแปลงรูปแบบนี้จะไปไม่ถึงจุดสิ้นสุด AI ไม่ใช่เครื่องมือประหยัดเงิน มันคือการลงทุน前期เพื่อแลกกับการอัปเกรดโครงสร้างระยะยาว ขอบคุณธุรกิจหลักของ Cobo ที่ยังมีกระแสเงินสดที่แข็งแรง

ประการที่สอง ต้องผลักดันจากบนลงล่าง

องค์กรจะไม่เปลี่ยนแปลงด้วยตัวเอง หากฝ่ายบริหารไม่บังคับใช้ สิ่งนี้จะล้มเหลวไปเอง

เป็นที่ทราบกันดีว่าผู้ก่อตั้ง Cobo เป็นผู้เล่น AI ตัวยง ดร.เจียง CTO เริ่มวิจัย AI บางส่วนตั้งแต่ช่วงปี 2000 ขณะที่เป็นนักวิจัยหลังปริญญาเอกที่ CMU

ประการที่สาม ต้องบังคับใช้

หากเพียงแค่ส่งเสริม AI จะหยุดอยู่แค่การเขียนอีเมล การเปลี่ยนแปลงที่เข้าสู่กระบวนการจริงๆ ต้องมีลักษณะ "บังคับ" บ้าง

ประการที่สี่ แก้ไขปัญหาธุรกิจของตัวเองก่อน

บริษัทมากมายพูดถึง AI + Web3 แต่หากภายในองค์กรเองยังไม่ทำให้เป็น AI สิ่งที่พูดต่อภายนอกก็เป็นเพียงแนวคิด

มองย้อนกลับไป

เราก็ไม่สามารถวัดการเปลี่ยนแปลงรูปแบบนี้ได้อย่างสมบูรณ์ บริษัทเริ่มเปลี่ยนจาก "กระบวนการขับเคลื่อนโดยคน" ค่อยๆ เปลี่ยนเป็น "ระบบขับเคลื่อนโดยเป้าหมาย"

หากในอนาคตมี "องค์กรอัจฉริยะ" เกิดขึ้นจริง มันจะไม่วิวัฒนาการขึ้นเองตามธรรมชาติ มันจะถูกผลักดันออกมาด้วยความไม่สบายใจรอบแล้วรอบเล่า

เนื่องจากมีส่วนร่วมจากพนักงานทั้งหมด บริษัทก็สามารถเข้าใจความต้องการที่แท้จริงในยุค AI ได้ดีขึ้น

นี่คือผลพลอยได้จากการเปลี่ยนแปลงภายในของเรา

最近我们推出了 Cobo Waas Skill。Cobo WaaS Skill 是专为 AI Coding Agent 设计的集成与运维能力层，通过结构化知识、可执行示例和场景编排，使 Agent 能准确调用 WaaS API。我们正在把钱包 API 升级为可被 AI Agent 直接调用的金融能力模块。开发周期从周级缩短到对话级。

นี่ไม่ใช่ผลลัพธ์ของแรงบันดาลใจผลิตภัณฑ์ใดผลิตภัณฑ์หนึ่ง แต่เป็นผลลัพธ์ของการไหลล้นของความสามารถตามธรรมชาติหลังจากที่เราบริหารร่วมกันระหว่างซิลิกอนและคาร์บอนภายในรอบนี้

เรายังคงสำรวจอยู่

แต่อย่างน้อย Cobo ในวันนี้ ก็ไม่ใช่บริษัทในปี 2024 แล้ว