Agentic Pods ของ Uber: วิศวกร 30 คน ลดงาน 15 ชั่วโมง เหลือแค่ 30 นาที

สองเดือนต่อมา CTO Praveen Neppalli Naga ได้เปิดตัวแนวทางที่แตกต่างอย่างสิ้นเชิง ผลลัพธ์ที่ได้น่าทึ่งมาก — กระบวนการวางแผนทางการเงินลดลงจาก 15 ชั่วโมงเหลือ 30 นาที, รายงานจาก 2 วันเหลือ 10 นาที — จนกลายเป็นกรณีศึกษาที่ถูกจับตามากที่สุดแห่งหนึ่งในวงการ AI ระดับองค์กรในปีนี้ นี่คือวิธีการทำงานของ Agentic Pods ของ Uber และเหตุผลที่มันแสดงถึงการเปลี่ยนแปลงครั้งสำคัญในวิธีคิดของบริษัทที่มีต่อ AI

Agentic Pods คืออะไร?

Agentic Pods คือทีมขนาดเล็ก ประกอบด้วยวิศวกร 1 คนที่เชี่ยวชาญด้าน AI และผู้เชี่ยวชาญด้านธุรกิจ 1 คน แต่ละทีมจะได้รับระยะเวลา 2 สัปดาห์เพื่อสังเกตขั้นตอนการทำงานแบบ Manual และสร้างมันขึ้นมาใหม่ด้วย AI Agents Naga เปิดตัวโปรแกรมในช่วงกลางปี 2026 โดยส่งทีม Pods ประมาณ 30 ทีมไปยัง 16 หน่วยธุรกิจต่างๆ รวมถึงฝ่ายการเงิน กฎหมาย การตลาด ทรัพยากรบุคคล (HR) การสนับสนุนลูกค้า และการจัดซื้อจัดจ้าง ภายในระยะเวลา 2 เดือน

คู่มือการทำงาน 10 วัน

Naga เปิดเผยขั้นตอนการทำงานที่แน่นอนบน LinkedIn เมื่อวันที่ 7 กรกฎาคม 2026 :

• วันที่ 1-2: วิศวกรติดตามการทำงานของผู้เชี่ยวชาญ สังเกตทุกขั้นตอนการทำงานจริง
• วันที่ 3: ทีมจัดลำดับความสำคัญของงานที่มีผลกระทบสูงสุดที่จะนำมาทำอัตโนมัติ
• วันที่ 4-9: ทั้งคู่ร่วมกันสร้าง AI Agent ทดสอบกับเพื่อนร่วมงานของผู้เชี่ยวชาญ
• วันที่ 10: ส่ง Agent ที่พร้อมใช้งานไปยังระบบ Production

กำหนดเวลาที่ชัดเจนนี้ไม่ใช่เรื่องบังเอิญ มันบังคับให้ทีมส่งมอบผลงานจริง แทนที่จะปรับแต่งมันอย่างไม่มีที่สิ้นสุด ตามที่ Naga กล่าวไว้ เป้าหมายคือการ "หยุดปฏิบัติต่อ AI เหมือนการทดลองที่มีราคาแพง และเริ่มใช้มันเพื่อปรับปรุงขั้นตอนการทำงานที่ซับซ้อนและเป็น Manual"

การเพิ่มประสิทธิภาพที่วัดผลได้

ผลลัพธ์ที่ได้ถูกเผยแพร่อย่างกว้างขวางในหลายสำนักข่าว โดยอ้างอิงจากข้อมูลภายในของ Uber :

ซึ่งคิดเป็นการลดเวลาในกระบวนการทำงานหลักลดลงถึง 30x ถึง 400x Naga ยังรายงานด้วยว่า ขั้นตอนการทำงานสนับสนุนแบบ Manual 9,000 ขั้นตอนได้รับการแปลงเป็นระบบ Self-Service

จาก Tokenmaxxing สู่ระบบอัตโนมัติแบบตรงเป้า

กลยุทธ์ก่อนหน้านี้ — ที่เรียกว่า Tokenmaxxing — เป็นแนวทางการใช้จ่ายที่หนักหน่วง ซึ่งวิศวกรของ Uber เกือบ 95% จากทั้งหมด ~5,000 คน ใช้เครื่องมืออย่าง Claude Code และ Cursor ทุกวัน แต่บริษัทไม่สามารถเชื่อมโยงการใช้งาน Token กับผลลัพธ์ทางธุรกิจที่วัดผลได้ Macdonald กล่าวกับ Business Insider ในเดือนพฤษภาคม 2026 ว่าการ "หาเหตุผลมาสนับสนุน" การใช้จ่าย AI นั้น "ยากขึ้นเรื่อยๆ" เพราะ "การเชื่อมโยงนั้น [ระหว่างการใช้ Token และประสิทธิภาพ] ยังไม่มี" การใช้ Token ที่สูงขึ้นไม่ได้แปลว่าการปรับปรุงผลิตภัณฑ์ที่ผู้บริโภคใช้ได้สัดส่วนกัน

ความแตกต่างที่สำคัญระหว่างสองกลยุทธ์:

• ยุค Tokenmaxxing: ปรับใช้เครื่องมือ AI กับวิศวกรทุกคนแบบครอบคลุม การใช้จ่ายวัดจากปริมาณ Token ไม่มีการเชื่อมโยง ROI ที่ชัดเจนซึ่งได้รับการยอมรับจากผู้นำ
• ยุค Agentic Pods: แนวทางที่มุ่งเน้นขั้นตอนการทำงานเป็นหลัก วิศวกรถูกส่งไปยังแผนกที่ไม่ใช่สายวิศวกรรม ความสำเร็จวัดจากการลดเวลาในกระบวนการทำงานที่เป็นรูปธรรม

ทำไมโครงสร้าง Pod ถึงได้ผล

โครงสร้าง Agentic Pod แก้ปัญหาสองอย่างที่แนวทาง Tokenmaxxing ไม่สามารถแก้ได้ ประการแรก มันบังคับให้วิศวกรเข้าใจปัญหาตั้งแต่ต้นจนจบก่อนที่จะลงมือสร้าง แทนที่จะสะสม Token โดยไม่มีผลลัพธ์ที่กำหนดไว้ ประการที่สอง มันเชื่อมโยงการใช้จ่าย AI เข้ากับผลลัพธ์ทางธุรกิจที่วัดผลได้โดยตรง นั่นคือจำนวนชั่วโมงที่ประหยัดได้ รายงานที่เร่งขึ้น ขั้นตอนการทำงานที่ถูกกำจัดออกไป

ภายในเวลาเพียง 2 เดือน มีการดำเนินการ Pods 16 ทีม ใน 16 หน่วยธุรกิจ ปัจจุบันโมเดลนี้ได้ถูกขยายออกไปแล้ว ดังที่ Naga กล่าวไว้ หลังจากมี Pods เหล่านี้ 99% ของวิศวกรของ Uber ใช้เครื่องมือ AI — แต่ตอนนี้มีกรอบการทำงานที่มั่นใจได้ว่าการใช้งานนั้นสร้างผลลัพธ์ที่ธุรกิจสามารถติดตามได้