เมื่อวันที่ 11 พฤศจิกายน 2569 คุณณัฐกร รัตนชัยสิทธิ์ (Nuttakorn Rattanachaisit) CEO & Co-Founder ของ Predictive ได้รับเกียรติจากธนาคารกรุงศรีอยุธยา จำกัด (มหาชน) หรือกรุงศรี ให้ขึ้นพูดบนเวที Stellar Spark #9 เล่าว่าทำไมไอเดียดี ๆ หลายไอเดียไปไม่ถึงการลงมือทำ และคนที่พาไอเดียไปต่อได้ เขาทำอะไรต่างออกไป
คุณณัฐกร รัตนชัยสิทธิ์ เปิดการบรรยายหัวข้อ “The Art of Influence” ด้วยการบอกผู้ฟังตรง ๆ ว่าวันนี้ไม่มี Framework ให้จด มีแต่เรื่องที่เจอมาจริง สิ่งที่สังเกตเห็น และสิ่งที่ลองทำได้ตั้งแต่พรุ่งนี้ จากนั้นเขาถามคนในห้องว่า ไอเดียล่าสุดของคุณตอนนี้อยู่ตรงไหน ยังอยู่ในหัว อยู่ในสไลด์ เงียบหายไปในห้องประชุม หรือได้ไปต่อแล้ว
ไอเดียไปต่อได้ เมื่อคนฟังเห็นว่าเกี่ยวกับเขา

Predictive ทำงาน Data & AI กับองค์กรมาแล้วกว่า 150 แห่ง สิ่งที่คุณณัฐกรเห็นซ้ำแล้วซ้ำเล่าคือ งานที่ได้ไปต่อมักไม่ได้มี Data ดีที่สุดหรือโมเดลแม่นที่สุด แต่มีคนเล่าให้ผู้ฟังเห็นว่าเรื่องนี้สำคัญกับเขาอย่างไร เขาประเมินว่างาน AI ราว 70% เป็นเรื่องของคน เทคโนโลยีเป็นแค่ส่วนที่เหลือ
28 ปี ผ่านคลื่นเทคโนโลยี 5 รอบ
คุณณัฐกรเริ่มทำธุรกิจออนไลน์ตั้งแต่ปี 1998 ตอนอายุราว 14 ปี พอปี 1999 ก็ทำรายได้ราวเดือนละ 10,000 ดอลลาร์จากการขายห้องพักโรงแรมในประเทศที่ตัวเองไม่เคยไป หลังจากนั้นเขาอยู่ในวงการมาตลอดทั้ง 5 คลื่น
- ยุคเว็บ ทุกบริษัทรีบทำเว็บ แต่เว็บที่อยู่รอดคือเว็บที่ช่วยลูกค้าแก้ปัญหาได้จริง
- ยุค E-Commerce เขาขยับจาก Affiliate มาสร้าง OTA หรือเว็บจองโรงแรมของตัวเอง ก่อนจะขายกิจการออกไป
- ยุค Digital & Analytics เขาไปเป็นที่ปรึกษาให้บริษัท Fortune 500 ที่สิงคโปร์ ช่วงที่ทุกคลิกวัดได้หมด แต่ Dashboard ที่มากขึ้นก็ไม่ได้ช่วยให้ตัดสินใจดีขึ้นเสมอไป
- ยุค Data Platform เขากลับมาก่อตั้ง Predictive ที่ไทย ตอนที่ทุกคนพูดว่า Data is the new oil ซึ่งเขามองว่าถ้าไม่มีใครเอาข้อมูลไปใช้ตัดสินใจ ข้อมูลก็เป็นแค่ต้นทุน
- ยุค GenAI และ AI Agent ช่วงที่หลายคนเชื่อว่า AI จะทำแทนได้ทุกอย่าง
เทคโนโลยีเปลี่ยนมาหลายรอบ แต่มีเรื่องหนึ่งที่เขาเห็นว่าไม่เคยเปลี่ยน ไอเดียจะไปต่อได้ก็ต่อเมื่อคนเชื่อก่อน คุณณัฐกรเล่าว่าเขาเองก็เคยเชื่อตัวเลขมาก คิดว่ากราฟที่ดีจะอธิบายตัวเองได้ จนประสบการณ์สอนว่า Data ไม่เคยพูดแทนตัวเอง
ตัวอย่างหนึ่งที่เขายกมาคือชื่อโปรเจกต์ ทีมเคยเรียกงานชิ้นหนึ่งว่า “GA4 Measurement Protocol บน Kiosk” ชื่อนี้ถูกต้องทุกคำ แต่ผู้บริหารฟังแล้วไม่รู้ว่าเกี่ยวกับตัวเองตรงไหน พอเปลี่ยนเป็น “From Black Box to Business Impact” คนฟังก็เข้าใจทันทีว่างานนี้ช่วยอะไร
1.เริ่มจากคำถาม แล้วค่อยให้คำตอบ
คนที่พูดแล้วมีคนอยากฟัง มักไม่เปิดด้วยคำตอบ คุณณัฐกรเล่าประสบการณ์จากแคมเปญที่ต้องรู้ผลภายในไม่กี่นาที ซึ่งเขามองว่าเป็นสนามที่โหดที่สุดของการโน้มน้าวคน เพราะรู้ผลเร็วมาก ทำ A/B Test ตอนตีห้า ไม่กี่นาทีก็เห็นผล ต้องวิเคราะห์และปรับกันตรงนั้น พอทดสอบแคมเปญหลายพันเวอร์ชัน ก็เห็นชัดว่าไม่มีเรื่องเล่าไหนที่ดีที่สุดสำหรับทุกคน มีแต่เรื่องที่ตรงใจแต่ละคน
ในห้องประชุมก็เหมือนกัน ไอเดียเดียวมีคนฟังหลายแบบ แม้แต่ CEO กับบอร์ดก็ยังต้องได้ฟังคนละเวอร์ชัน ก่อนเข้าห้อง เขาแนะนำให้ถามตัวเองสามข้อ คนฟังกลัวอะไร อยากได้อะไร และต้องเชื่ออะไรก่อนจะตกลง
2.ตัวเลขทุกตัวต้องตอบได้ว่า So what?
ราวปี 2011 ที่สิงคโปร์ คุณณัฐกรเห็น Dashboard เต็มจอที่ดูดี แต่ไม่บอกเลยว่าต้องทำอะไรต่อ ยุคนั้นยิ่งวัดได้มากก็ยิ่งดูเก่ง ทั้งที่สิ่งที่ผู้บริหารอยากได้จริง ๆ คือการตัดสินใจ ข้อมูลเป็นแค่ทางไปให้ถึงตรงนั้น เขาจึงใช้สองคำถามกับตัวเลขทุกตัวในสไลด์ ข้อแรก So what? ตัวเลขนี้แปลว่าอะไร ถ้าตอบไม่ได้ก็ตัดทิ้ง ข้อสอง Now what? แล้วต้องทำอะไรต่อ
เรื่องเทคนิคที่ซับซ้อนก็ต้องแปลเป็นภาษาของคนในห้อง แทนที่จะพูดถึง Ontology หรือ Entity Resolution เขาเลือกอธิบายว่า Master Data Sheet ก็เหมือนการต่อจิ๊กซอว์
อีกวิธีเช็กคือ ลองถามคนในทีมสิบคนว่าโปรเจกต์นี้ทำเพื่ออะไร ถ้าได้คำตอบสิบแบบ ก็อย่าหวังว่าลูกค้าจะเล่าแทนเราได้ เขายกตัวอย่างแผน AI 3 ปีขององค์กรหนึ่งที่สรุปไว้ประโยคเดียวว่า “ลดงาน manual ลงครึ่งหนึ่งภายในปี 2028” ประโยคสั้น ๆ นี้ทำให้คน 700 คนเล่าต่อได้ตรงกัน เพราะสุดท้ายไอเดียของเราจะถูกคนอื่นเล่าต่อในห้องที่เราไม่ได้อยู่
ใครอยากลอง เขาให้แบบฝึกไว้สั้น ๆ เขียนไอเดียให้จบในประโยคเดียว ว่าทำเพื่อใคร เขากำลังเจอปัญหาอะไร ถ้าไม่ทำตอนนี้จะเสียอะไร และก้าวแรกที่เล็กที่สุดที่ขอได้คืออะไร
3.เรื่องยากต้องเล่าด้วยความจริง
ตอนที่องค์กรเจอวิกฤต วิธีสื่อสารยิ่งมีผล คุณณัฐกรยกตัวอย่างการบินไทยช่วงฟื้นฟูกิจการ ที่ใช้สาร “รอดด้วยกัน หรือจมด้วยกัน” และเลือกคุยกับคนในก่อนคนนอก อีกตัวอย่างที่เขายกมาคือ ดร.บดินทร์ เกษมเศรษฐ์ CEO ของ Silicon Craft ที่กล้าพูดว่า “ผมยังไม่รู้” ซึ่งเป็นความจริงที่ผู้นำหลายคนพูดออกมาได้ยากที่สุด
เขาสังเกตว่าคนรับข่าวร้ายได้ แต่รับไม่ได้ถ้ารู้สึกว่าถูกปิดบัง สิ่งที่ช่วยได้จริงคือเปิดตัวเลขจริง บอกตรง ๆ ว่าตัวเองต้องเสียอะไรบ้าง แล้วชวนทุกคนมาเลือกทางออกด้วยกัน
โปรเจกต์ CRM Adoption ของไปรษณีย์ไทยเป็นอีกตัวอย่าง งานนี้มีคนต้องเปลี่ยนวิธีทำงาน 1,600 คน ตั้งแต่ผู้บริหารถึงพนักงานหน้างาน และสิ่งที่ทุกคนอยากรู้คือ “งานของผมง่ายขึ้นตรงไหน” คนจะสนับสนุนสิ่งที่ตัวเองมีส่วนสร้าง เขายกอีกกรณีที่การใช้ AI รายสัปดาห์เพิ่มจาก 34% เป็นมากกว่า 90% เพราะคนอยากใช้เอง ไม่ได้ถูกสั่งให้ใช้
วิธีที่ลองได้เลยคือชวนคนฟังมาเป็นผู้ร่วมเขียน เดินไปถามคนที่น่าจะค้านมากที่สุดว่า “ถ้าเป็นคุณ จะปรับตรงไหน”
4.AI ทำสไลด์สวยได้ แต่ทำให้คนเชื่อแทนเราไม่ได้
ทุกวันนี้ใครก็ทำสไลด์สวย ๆ ได้ใน 5 นาที พอความสวยหาได้ง่าย สิ่งที่ทำให้คนเชื่อจึงกลับไปอยู่ที่ประสบการณ์จริงของคนพูด ความมั่นใจในสิ่งที่พูด และการรับผิดชอบกับสิ่งที่พูด คุณณัฐกรมองว่ามีสามเรื่องที่ยังต้องเป็นมนุษย์ทำ ได้แก่ ความน่าเชื่อถือ ความเข้าใจคน และความรับผิดชอบ
เขาเล่าว่าตัวเองใช้ AI อยู่สองแบบ แบบแรกให้ AI สวมบทเป็นคนฟังที่ยากที่สุด เอาไว้ซ้อมก่อนเข้าห้องจริง ไม่ได้ให้ AI พูดแทน แบบที่สองใช้ AI ทำ Prototype ไปให้ดูแทนสไลด์ 40 หน้า พอคนในห้องได้เห็นของจริง คำถามก็เปลี่ยนจาก “เป็นไปได้ไหม” เป็น “ปรับตรงไหนดี”
เรื่องเล่ายังมีผลกับผลลัพธ์ด้วย เทคโนโลยีใกล้เคียงกัน ถ้าเล่าว่า AI มาแทนคน กับเล่าว่า AI มาคืนเวลาให้คน ผลที่ได้ก็ต่างกันมาก เขายกกรณี Starbucks ที่เคยลงทุนราว 450 ล้านดอลลาร์กับเครื่องจักร ก่อนจะหันกลับมาลงทุนกับคน (ที่มา: Axios, 2022 และ Customer Experience Dive, 2025)
ในวันที่ทุกองค์กรเช่า AI ตัวเดียวกันได้ สิ่งที่คู่แข่งเอาไปไม่ได้คือ Data Moat หรือสิ่งที่สะสมกับลูกค้ามาหลายปี เขาเปรียบว่าสมัย SEO เราแข่งกันให้ Google มองเห็น ส่วนตอนนี้เราแข่งกันให้ AI เชื่อ
ก่อนจบ เขาเตือนถึงกับดักที่คนเล่าเรื่องเก่งมักพลาด คือฉลองเร็วเกินไปก่อนผลจริงจะมา แล้วปิดด้วยประโยคนี้
“Everyone can rent the same AI. No one can rent your story.”
7 บทเรียนจากการบรรยาย
- ถามก่อน แล้วค่อยบอก
- เรื่องเดียวกัน คนต่างกัน เล่าต่างกัน
- ตัวเลขทุกตัวต้องผ่านคำถาม “So what?”
- ตั้งชื่อและหาภาพให้ไอเดีย
- เรื่องยิ่งยาก ยิ่งต้องเล่าความจริง
- ชวนคนฟังมาร่วมเขียน
- AI ช่วยเล่าได้ แต่คนต้องเชื่อ “คุณ”
7 คำถามที่ควรถามตัวเองก่อนเสนอไอเดียครั้งหน้า

- คำถามแรกที่ฉันจะถามคนในห้องคืออะไร
- คนฟังกลัวอะไร อยากได้อะไร และต้องเชื่ออะไร
- ตัวเลขที่สำคัญที่สุดแปลว่าอะไร และต้องทำอะไรต่อ
- ไอเดียนี้มีชื่อและภาพที่คนอื่นเล่าต่อได้หรือยัง
- มีความจริงข้อไหนที่ฉันยังไม่กล้าบอก
- ใครควรได้ร่วมเขียนเรื่องนี้ก่อนวันเสนอ
- ถ้าไม่มี AI ช่วย ฉันยังเชื่อเรื่องนี้อยู่ไหม เพราะอะไร
เกี่ยวกับ Predictive
Predictive เป็นบริษัทที่ปรึกษาด้าน Data & AI ที่ดูแลตั้งแต่วางกลยุทธ์ ติดตั้งระบบ ไปจนถึงนำข้อมูลไปใช้งานจริง (Consultancy, Implementation และ Activation) ตลอด 14 ปีที่ผ่านมาทำงานกับองค์กรกว่า 150 แห่งทั่วเอเชียแปซิฟิกใน 14 อุตสาหกรรม และปีนี้ได้รางวัล Silver จาก Google Analytics APAC Showcase 2026 ซึ่งตัดสินโดยทีม Product Manager ระดับ Global ของ Google Analytics
Predictive เห็นมาตลอดจากการทำงานกับลูกค้า Data กับ AI จะสร้างผลได้จริงก็ต่อเมื่อคนในองค์กรเข้าใจ เชื่อ และอยากลงมือทำ
Predictive ขอขอบพระคุณกรุงศรีเป็นอย่างสูงที่ให้เกียรติเชิญคุณณัฐกรมาร่วมเป็นวิทยากรบนเวที Stellar Spark #9 และขอบคุณผู้เข้าร่วมทุกท่านที่ร่วมฟังและแลกเปลี่ยนมุมมองกันตลอดการบรรยาย ถ้าองค์กรของคุณกำลังวางแผน Data & AI และอยากให้โปรเจกต์ไปถึงการใช้งานจริง คุยกับทีม Predictive ได้ที่นี่
How we can help
Fill out the form below to discuss your needs or learn more about our services
"*" indicates required fields

