บันทึกการประชุมคือแหล่งความรู้ที่ยังถูกนำมาใช้ไม่เต็มศักยภาพ ทั้งค้นหาได้ยาก ใช้เวลานานเมื่อต้องย้อนกลับไปดู และกระจัดกระจายอยู่ในไดรฟ์ของแต่ละทีม ทำให้ข้อมูลเชิงลึกที่มีค่ามักถูกมองข้าม
ในการแข่งขันแฮ็กกาธอนหนึ่งวัน ทีมสามคนได้สร้าง Callombia ขึ้นมา แพลตฟอร์มภายในนี้ถอดเสียง ติดแท็ก สรุป และตัดบันทึกการสนทนาเป็นคลิปโดยอัตโนมัติ ก่อนจัดเก็บไว้ใน Repository แบบ YouTube ที่ค้นหาได้และเข้าถึงได้จากสำนักงานทั่วโลก
โซลูชันนี้สร้างขึ้นด้วย Codex ทั้งหมด โดยใช้การค้นหาเชิงความหมายที่ขับเคลื่อนด้วย embeddings ของ OpenAI และ cosine similarity เพื่อค้นหาช่วงที่เกี่ยวข้องแม้ไม่ได้ใช้คีย์เวิร์ดตรงกัน พร้อมเสริมด้วยแชตบอต RAG และระบบแจ้งเตือน
งานที่แต่เดิมอาจใช้เวลาหลายสัปดาห์กลับเสร็จภายในเจ็ดชั่วโมง แสดงให้เห็นว่าการพัฒนาแบบ AI-native ด้วยเอเจนต์เขียนโค้ดอย่าง Codex สามารถย่นวงจรพัฒนาผลิตภัณฑ์ได้อย่างมาก และสร้างมูลค่าทางธุรกิจที่แท้จริงจากแฮ็กกาธอนภายในองค์กร
ถ้าคุณเหมือนผม ก็คงแทบไม่มีเวลา (หรือสมาธิ) ย้อนกลับไปฟังบันทึกการประชุม สาเหตุส่วนหนึ่งคือเราต้องค้นหาในไดรฟ์ของทีมที่จัดเก็บอย่างไม่เป็นระเบียบ เลื่อนข้ามบทสนทนาจิปาถะที่ไม่น่าฟัง และพยายาม ตั้งใจฟังจริงๆ ระหว่างที่กำลังส่งอีเมลและข้อความรัวๆ
แต่บางทีอาจไม่จำเป็นต้องเป็นแบบนั้นก็ได้ไหม บางทีเราอาจสร้างสิ่งที่จะเปลี่ยนวิธีใช้บันทึกการประชุมไปอย่างสิ้นเชิงได้ไหม นี่คือแนวคิดเบื้องหลังโครงการแฮ็กกาธอนล่าสุดของเรา
ภายในวันเดียว สมาชิก 50 คนจากทีมวิศวกรรม ทีมส่งมอบงาน และทีมปฏิบัติการของเราได้ร่วมกันแก้โจทย์จากทั่วทั้งธุรกิจ ตั้งแต่การขยายกระบวนการสรรหาบุคลากร การทำ SoW ให้คล่องตัว การทำความเข้าใจสถานะโครงการ การสร้างต้นแบบแบบสด ไปจนถึงการค้นหาข้อมูลเชิงลึกในบันทึกการประชุม
ในแฮ็กกาธอนที่ใช้ Codex ครั้งนี้ เราได้สร้าง Callombia Callombia เปรียบเสมือน YouTube ของบริษัทเรา ซึ่งเปลี่ยนทุกการสนทนาให้เป็นแหล่งข้อมูลที่มีชีวิตและค้นหาได้ การสนทนาแต่ละครั้งจะถูกถอดเสียง ติดแท็ก และสรุปโดยอัตโนมัติ ก่อนตัดเป็นคลิปตามหัวข้อและเพิ่มลงใน Repository ซึ่งจัดกลุ่มตามช่อง (ลูกค้า) และหัวข้อ (สาขาความเชี่ยวชาญด้าน AI) สมาชิกทุกคนในทีมจากลอนดอน เอดินบะระ สิงคโปร์ และออสเตรเลียจึงเข้าถึงช่วงการสนทนาที่ตนสนใจได้ทันที
อินเทอร์เฟซที่คุ้นเคยและสอดคล้องกับแบรนด์ช่วยให้ค้นพบเนื้อหาได้อย่างเป็นธรรมชาติ ส่วนการค้นหาเชิงความหมาย (และแน่นอน แชตบอต AI แบบ RAG) ช่วยให้ทุกคนพบสิ่งที่ต้องการโดยเฉพาะ ระบบแจ้งเตือนยังช่วยให้เพื่อนร่วมงานติดตามหัวข้อที่สนใจ และรับการแจ้งเตือนเมื่อมีคลิปใหม่ที่เกี่ยวข้องเผยแพร่
แต่สิ่งที่เจ๋งเกี่ยวกับ Callombia ไม่ใช่ตัวผลิตภัณฑ์หรือเงินรางวัล 2,000 ปอนด์จากการชนะแฮ็กกาธอน (ขออวดหน่อย) หากเป็นความจริงที่ว่าเราสร้างทั้งหมดนี้ได้ในเวลาเพียงเจ็ดชั่วโมง ด้วยวิศวกรสองคนและหัวหน้าฝ่ายส่งมอบงานหนึ่งคน เมื่อหนึ่งปีก่อน เรายังทำแบบนี้ไม่ได้ พัฒนาการของเอเจนต์เขียนโค้ดได้เร่งกระบวนการพัฒนาผลิตภัณฑ์ตั้งแต่ต้นจนจบอย่างมหาศาล และแฮ็กกาธอนนี้ก็เป็นสนามทดสอบชั้นดีที่ช่วยให้เราเข้าใจขอบเขตความสามารถที่ยังไม่สม่ำเสมอของมัน แล้วเราใช้ Codex อย่างไร
แทนที่จะเริ่มจากการเขียนข้อกำหนดจำนวนมาก เราเริ่มด้วยการแชร์มุมมองร่วมกันในรูปแบบพรอมต์ เกี่ยวกับขอบเขตของปัญหาและวิสัยทัศน์สำหรับ Callombia เราจงใจให้รายละเอียดแบบกว้างๆ เพื่อปล่อยให้โมเดลทำงานและคิดอย่างสร้างสรรค์:
หลังโต้ตอบกันไปมา 10 นาที เราเปิด Plan Mode เพื่อกำหนดข้อกำหนดให้ชัดเจนขึ้นและใช้เป็นแนวทางสำหรับส่วนเทคนิคของการพัฒนา Plan Mode ให้ความรู้สึกเหมือนกำลังตอบคำถามของเพื่อนจอมจู้จี้ที่คิดเผื่อทุกสถานการณ์ที่เป็นไปได้มาให้แล้ว (อย่างมีประโยชน์) หลังตกลงเรื่องต่างๆ เช่น จำนวนวิดีโอ การใช้การค้นหาเชิงความหมายหรือคีย์เวิร์ด และสถาปัตยกรรมที่จะใช้ ระบบก็สร้างไฟล์ Markdown ซึ่งกลายเป็นรากฐานของโครงการนับจากนั้น
เมื่อมีแผนแล้ว ขั้นต่อไปคือการสร้างองค์ประกอบหลักที่จะทำให้ Callombia ใช้งานได้จริง นั่นหมายถึงการสร้างไปป์ไลน์เพื่อเปลี่ยนบันทึกการสนทนาให้เป็นแหล่งข้อมูลที่ค้นหาได้:
นำเข้าวิดีโอและข้อความถอดเสียง
แบ่งเนื้อหาออกเป็นช่วงสำคัญ
เพิ่มข้อมูลสรุปและแท็ก
เปิดให้ฟรอนต์เอนด์เรียกใช้ผ่าน API
Ed มุ่งจัดระเบียบบันทึกต้นฉบับและข้อมูลถอดเสียงให้อยู่ในรูปแบบที่นำไปใช้ได้ ส่วน Nico เน้นสร้างชั้นการค้นคืนที่จะช่วยให้ค้นพบช่วงสำคัญเหล่านั้น Codex ช่วยให้ทั้งคู่สร้างโมเดลข้อมูล สคริปต์สำหรับดึงข้อมูล และโครงสร้างเชื่อมต่อของแบ็กเอนด์ได้เร็วกว่าการลงมือทำเองอย่างมาก สิ่งที่เราได้จึงเป็นมากกว่าแค่ข้อความถอดเสียงที่แนบมากับวิดีโอ เราได้ช่วงเวลาสำคัญ ไม่ว่าจะเป็นช่วงที่พูดถึง Tesco การอัปเดตกลยุทธ์ การหารือเรื่องการจ้างงาน หรือ 90 วินาทีในสายสนทนาที่ใครสักคนต้องการดูจริงๆ
ชั้นการค้นคืนนี้เองคือจุดที่เริ่มน่าสนใจเป็นพิเศษ เราต้องการให้ผู้ใช้พิมพ์คำอย่าง “financial performance” “Tesco roadmap” หรือ “conversation evals” แล้วระบบพาไปยังคลิปที่เกี่ยวข้องที่สุด แม้ไม่เคยมีการพูดคำเหล่านั้นตรงๆ ก็ตาม เราจึงสร้างชิ้นข้อมูลที่ประกอบด้วยเวลา เนื้อหาสรุป ข้อความถอดเสียง และเมทาดาทา เมื่อมีสถาปัตยกรรมที่ชัดเจนและได้รับความช่วยเหลืออย่างมากจาก Codex เราจึงรวมหัวข้อ เนื้อหาสรุป และข้อความถอดเสียงเป็นอินพุตเดียว แล้วใช้โมเดล text-embedding-3-small ของ OpenAI สร้าง embeddings ให้ข้อมูลแต่ละชิ้น เราเก็บ embeddings เหล่านั้นไว้ในฐานข้อมูล และใช้ cosine similarity เปรียบเทียบคำค้นของผู้ใช้กับข้อมูลทุกชิ้น ทำให้ได้ชั้นการค้นคืนเชิงความหมายแทนการค้นหาด้วยคีย์เวิร์ดแบบง่ายๆ
วิธีนี้ให้ความแม่นยำสูงมาก และสร้างความรู้สึก “มหัศจรรย์” ให้กับผลิตภัณฑ์ระหว่างการสาธิตในแฮ็กกาธอน ขณะเดียวกัน เรารู้ว่าวิธีนี้จะรองรับการขยายตัวได้ไม่ตลอดไปหากจำนวนวิดีโอเพิ่มขึ้นเรื่อยๆ เพราะท้ายที่สุดการเปรียบเทียบทุกคำค้นกับข้อมูลทุกชิ้นจะมีต้นทุนสูงเกินไป ขั้นต่อไปที่เหมาะสมคือการใช้กลยุทธ์ค้นคืนที่มีประสิทธิภาพยิ่งขึ้น เช่น Hierarchical Navigable Small World เพื่อลดจำนวนการเปรียบเทียบและรักษาเวลาแฝงให้ต่ำเมื่อคลังข้อมูลขยายตัว เมื่อฟีเจอร์นี้ใช้งานได้ Callombia ก็เริ่มให้ความรู้สึกเหมือนระบบองค์ความรู้ มากกว่าจะเป็นเพียงคลังสื่อ
เช่นเดียวกับแฮ็กกาธอนที่ดีทั่วไป ส่วนนี้ก็ต้องปรับแก้หลายรอบ ขอบเขตการแบ่งข้อมูลครั้งแรกยังหยาบเกินไป เวลาบางจุดต้องแม่นยำขึ้น แท็กบางรายการกว้างเกินไป และไฟล์ข้อความถอดเสียงกับไฟล์บันทึกก็ไม่ได้ตรงกันอย่างเรียบร้อยเสมอ แต่นั่นก็คือจุดที่เราเห็นคุณค่าของมันเช่นกัน Codex ช่วยให้เราปรับปรุงระบบได้อย่างรวดเร็ว แทนที่จะติดอยู่กับการตั้งค่าและทำงานซ้ำ ในท้ายที่สุด เรามีแบ็กเอนด์ที่รองรับคลิป ตัวอย่างเนื้อหา และการค้นหาเชิงความหมายที่ใช้งานได้จริง นั่นคือจุดที่ Callombia เริ่มดูเหมือนผลิตภัณฑ์จริง มากกว่าจะเป็นแค่เดโมจากแฮ็กกาธอน
ระหว่างที่ Ed และ Nico สร้างระบบนำเข้าข้อมูลและชั้นประมวลผลอัจฉริยะ ผมรับหน้าที่สร้างฟรอนต์เอนด์ ผมใช้เทมเพลตฟูลสแต็กของเราเพื่อสร้างเว็บไซต์เวอร์ชันแรกได้อย่างรวดเร็ว โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว หลังจากสั่งให้มันเปิดเว็บไซต์ในเครื่องผ่านเบราว์เซอร์ของผม ผมก็ให้ข้อเสนอแนะสั้นๆ เป็นหัวข้อเพื่อปรับดีไซน์ซ้ำจนได้แบบที่ต้องการ
หลังโต้ตอบและปรับแก้กันราวหนึ่งชั่วโมง ผมก็ได้ผลงานที่ค่อนข้างพอใจ ทั้งที่ไม่มีประสบการณ์ด้าน UI หรือการออกแบบเลย แม้ผลงานสุดท้ายจะยังไม่สมบูรณ์แบบ แต่ก็เป็นเวอร์ชันแรกที่ดีพอให้ผู้คนเข้าใจผลิตภัณฑ์ได้
เพื่อให้แน่ใจว่าเราจะมีผลงานเมื่อสิ้นสุดวัน เราจึงแบ่งงานกันทำ แน่นอนว่าหลังจากต่างคนต่างทำงานกันไปไม่กี่ชั่วโมง เราแต่ละคนก็มี branch ในเครื่องของตัวเองที่เต็มไปด้วย conflict
แทนที่จะใช้เวลา (ซึ่งเราไม่มี) ค่อยๆ ตรวจสอบและแก้ conflict อย่างละเอียด เราตัดสินใจปล่อย Codex เข้าไปจัดการ repos และแก้ conflict ด้วยตัวเอง แม้ตอนนี้เราจะยังไม่แนะนำให้ทำเช่นนี้กับการพัฒนาซอฟต์แวร์ระดับองค์กร แต่ประสิทธิภาพของมันในสภาพแวดล้อมที่มีความเสี่ยงต่ำก็น่าทึ่งมาก และช่วยประหยัดเวลาให้เราได้หลายชั่วโมง
ขั้นตอนสุดท้ายของแฮ็กกาธอนคือการบันทึกเดโม Callombia เพื่อส่งให้คณะกรรมการ แม้สัญชาตญาณจะบอกให้เราเปิด Loom เพื่อบันทึกวิดีโอ แต่เราคิดว่านี่น่าจะเป็นบททดสอบที่แท้จริงสำหรับ Codex และค่อนข้างเกินขีดความสามารถในปัจจุบันของมัน ดังนั้น... เราจึงเขียนพรอมต์ ส่งลิงก์เว็บไซต์ Callombia แนบเสียงของผมที่บันทึกไว้บนแพลตฟอร์มนักพัฒนาของ OpenAI แล้วขอให้มันจัดการส่วนที่เหลือ
ผลงานครั้งแรกน่าประทับใจมาก มันเขียนสคริปต์เดโม บันทึกหน้าจอ ใส่เสียงบรรยายของผม และทำได้ตรงตามโจทย์แทบทั้งหมด สิ่งเดียวที่เรายังไม่พอใจทันทีคือการซิงค์เสียงบรรยายกับวิดีโอเดโม เราจึงสั่งว่า “MANDATORY: align the voiceover exactly with what is being shown in the demo. There was misalignment (e.g. on the chat page). Triple check alignment of voiceover and the screen-recorded demo at the end. Match it up through whichever means possible.”
Codex ตอบสนองคำขอนั้นด้วยการแบ่งเสียงบรรยายและวิดีโอออกเป็นช่วงสั้นๆ แล้วทำงานได้แทบไร้ที่ติ เสร็จทันเวลา 17:30 น. พอดี ก่อนฉลองด้วยเบียร์และพิซซ่า
เรารู้ว่า Callombia แก้ปัญหาที่ธุรกิจส่วนใหญ่ต้องเผชิญ การเข้าร่วมทุกสายสนทนาในบริษัทที่เติบโตอย่างรวดเร็วนั้นเป็นเรื่องยาก แต่เกร็ดความรู้ที่แบ่งปันกันในการสนทนาเหล่านี้มีคุณค่าอย่างยิ่ง ตอนนี้เราแค่ต้องนำมันขึ้นระบบจริง
แต่บทเรียนที่ใหญ่กว่านั้นคือการทำงานแบบ AI-native และประโยชน์จากการนำความเชี่ยวชาญด้านวิศวกรรมและผลิตภัณฑ์มาร่วมแก้ปัญหาที่ทุกคนเผชิญ การออกจากวงจรการทำงานตามปกติ ร่วมมือกันข้ามทีม และทำทุกอย่างในสภาพแวดล้อมที่มีการแข่งขันเล็กน้อย ทำให้เราได้โซลูชันหลายอย่างที่พร้อมนำขึ้นระบบจริงได้หลังปรับแต่งอีกเพียงเล็กน้อย หากทำเช่นนี้เป็นประจำ เราก็มั่นใจได้ว่าระบบภายในของเราจะคล่องตัวไม่แพ้โซลูชันที่สร้างให้ลูกค้า