https://neng-lab.com/categories/risk-management/Recent content in Risk-Management on Code & CommunityHugo -- gohugo.ioth-thjitaret@gmail.com (เหน่ง)jitaret@gmail.com (เหน่ง)Mon, 13 Apr 2026 09:00:00 +0700https://neng-lab.com/posts/harness-part-1/Mon, 13 Apr 2026 09:00:00 +0700jitaret@gmail.com (เหน่ง)https://neng-lab.com/posts/harness-part-1/<img src="https://neng-lab.com/" alt="Featured image of post Harness Engineering ตอนที่ 1: ทำไม AI ต้องมี Harness?" /><h1 id="harness-engineering-ตอนท-1-ทำไม-ai-ตองม-harness"><a href="#harness-engineering-%e0%b8%95%e0%b8%ad%e0%b8%99%e0%b8%97-1-%e0%b8%97%e0%b8%b3%e0%b9%84%e0%b8%a1-ai-%e0%b8%95%e0%b8%ad%e0%b8%87%e0%b8%a1-harness" class="header-anchor"></a>Harness Engineering ตอนที่ 1: ทำไม AI ต้องมี Harness? </h1><h2 id="สวนท-1-ทำไมเราตองพดเรองน"><a href="#%e0%b8%aa%e0%b8%a7%e0%b8%99%e0%b8%97-1-%e0%b8%97%e0%b8%b3%e0%b9%84%e0%b8%a1%e0%b9%80%e0%b8%a3%e0%b8%b2%e0%b8%95%e0%b8%ad%e0%b8%87%e0%b8%9e%e0%b8%94%e0%b9%80%e0%b8%a3%e0%b8%ad%e0%b8%87%e0%b8%99" class="header-anchor"></a>ส่วนที่ 1: ทำไมเราต้องพูดเรื่องนี้ </h2><p>ลองนึกภาพว่าคุณลงทุนเงิน 10 ล้านบาทในโครงการ AI สักโครงการ จ้างทีมดีที่สุด ใช้เทคโนโลยีล้ำสมัย ผ่านไป 6 เดือน&hellip;</p> <p><strong>โครงการล้มเหลว</strong></p> <p>นี่ไม่ใช่เรื่องแปลก — สถิติจาก Gartner ชี้ตรงๆ ว่า <strong>95% ของโครงการ AI ในองค์กรล้มเหลว</strong> แม้ว่าทั่วโลกจะลงทุนใน AI มากกว่า 30-40 พันล้านดอลลาร์ต่อปี</p> <p>แล้วทำไมถึงยังมีคนลงทุนใน AI โดยไม่มี &ldquo;ระบบความปลอดภัย&rdquo;? นี่คือสิ่งที่ Harness Engineering จะมาตอบ</p> <hr> <h2 id="-harness-engineering-คออะไร"><a href="#-harness-engineering-%e0%b8%84%e0%b8%ad%e0%b8%ad%e0%b8%b0%e0%b9%84%e0%b8%a3" class="header-anchor"></a>⚙️ Harness Engineering คืออะไร? </h2><p>ลองนึกภาพรถยนต์ Formula 1 สมัยก่อน — รถแข่งที่ทรงพลังมาก แต่ไม่มีระบบความปลอดภัย ถ้าขับเร็วเกินไปหรือเบรกผิดจังหวะ นักแข่งก็เสี่ยงตาย</p> <p>ตอนนี้รถ F1 ทุกคันมี <strong>harness</strong> หรือเข็มขัดนิรภัย 5 จุด ระบบ ABS กรอบกันชน ระบบดับเพลิงอัตโนมัติ — ทุกอย่างออกแบบมาเพื่อให้ความเร็วสูงสุดได้ โดยลดความเสี่ยงต่ำสุด</p> <p><strong>Harness Engineering</strong> ในบริบทของ AI ก็ทำงานคล้ายๆ กัน</p> <p>มันคือการออกแบบระบบ &ldquo;กรอบการทำงาน&rdquo; ที่ทำให้ AI สามารถทำงานได้เต็มศักยภาพ โดยมีขอบเขต กฎเกณฑ์ และระบบตรวจสอบควบคุมไว้ ไม่ใช่การควบคุมจน AI ทำอะไรไม่ได้ แต่เป็นการสร้าง <strong>โครงสร้างพื้นฐานที่ช่วยให้ AI ทำงานได้อย่างมีประสิทธิภาพและปลอดภัย</strong></p> <p>Harness Engineering ประกอบด้วยหลายองค์ประกอบ:</p> <ul> <li><strong>Guardrails</strong> — กำหนดขอบเขตว่า AI ทำอะไรได้/ไม่ได้</li> <li><strong>Monitoring</strong> — ติดตามการทำงานและตรวจจับปัญหา</li> <li><strong>Fallback mechanisms</strong> — ระบบสำรองเมื่อ AI ทำงานผิดพลาด</li> <li><strong>Evaluation frameworks</strong> — มาตรฐานการวัดผล</li> <li><strong>Governance policies</strong> — นโยบายและกฎเกณฑ์การใช้งาน</li> </ul> <p>แต่ที่สำคัญที่สุด — Harness ไม่ใช่แค่เครื่องมือทางเทคนิค แต่เป็น <strong>วิธีคิด</strong> ในการใช้ AI อย่างรับผิดชอบ</p> <hr> <h2 id="-ทำไมตองม-harness--ตวอยางจรงทนากลว"><a href="#-%e0%b8%97%e0%b8%b3%e0%b9%84%e0%b8%a1%e0%b8%95%e0%b8%ad%e0%b8%87%e0%b8%a1-harness--%e0%b8%95%e0%b8%a7%e0%b8%ad%e0%b8%a2%e0%b8%b2%e0%b8%87%e0%b8%88%e0%b8%a3%e0%b8%87%e0%b8%97%e0%b8%99%e0%b8%b2%e0%b8%81%e0%b8%a5%e0%b8%a7" class="header-anchor"></a>🚨 ทำไมต้องมี Harness? — ตัวอย่างจริงที่น่ากลัว </h2><p>ถ้ายังสงสัยว่า Harness จำเป็นจริงหรือไม่ ลองดูตัวอย่างเหล่านี้:</p> <h3 id="-microsoft-tay-2016--ai-ทกลายเปนคนเหยยดใน-24-ชวโมง"><a href="#-microsoft-tay-2016--ai-%e0%b8%97%e0%b8%81%e0%b8%a5%e0%b8%b2%e0%b8%a2%e0%b9%80%e0%b8%9b%e0%b8%99%e0%b8%84%e0%b8%99%e0%b9%80%e0%b8%ab%e0%b8%a2%e0%b8%a2%e0%b8%94%e0%b9%83%e0%b8%99-24-%e0%b8%8a%e0%b8%a7%e0%b9%82%e0%b8%a1%e0%b8%87" class="header-anchor"></a>🤖 Microsoft Tay (2016) — AI ที่กลายเป็นคนเหยียดใน 24 ชั่วโมง </h3><p>Microsoft เปิดตัว chatbot ชื่อ Tay บน Twitter มีเป้าหมายให้เรียนรู้การสนทนาจากผู้ใช้ ภายใน 24 ชั่วโมง Tay กลายเป็นบอทที่พูดจาเหยียดเชื้อชาติ ใส่ร้ายกลุ่มต่างๆ เพราะ &ldquo;เรียนรู้&rdquo; จากคนที่เล่นกับมัน — ไม่มี Guardrails กำกับ ไม่มีระบบกรองเนื้อหา</p> <h3 id="-tesla-autopilot--ความเชอมนทฆาคน"><a href="#-tesla-autopilot--%e0%b8%84%e0%b8%a7%e0%b8%b2%e0%b8%a1%e0%b9%80%e0%b8%8a%e0%b8%ad%e0%b8%a1%e0%b8%99%e0%b8%97%e0%b8%86%e0%b8%b2%e0%b8%84%e0%b8%99" class="header-anchor"></a>🚗 Tesla Autopilot — ความเชื่อมั่นที่ฆ่าคน </h3><p>ระบบขับขี่อัตโนมัติของ Tesla ถูกใช้งานในสถานการณ์ที่ไม่ควร ผู้ขับขี่เชื่อใจระบบมากเกินไป จนเกิดอุบัติเหตุหลายครั้งมีผู้เสียชีวิต ไม่มีระบบเตือนที่เข้มงวดพอ ไม่มีการกำหนดขอบเขตการใช้งานชัดเจน</p> <h3 id="-amazon-ai-recruitment--อคตทซอนอยในขอมล"><a href="#-amazon-ai-recruitment--%e0%b8%ad%e0%b8%84%e0%b8%95%e0%b8%97%e0%b8%8b%e0%b8%ad%e0%b8%99%e0%b8%ad%e0%b8%a2%e0%b9%83%e0%b8%99%e0%b8%82%e0%b8%ad%e0%b8%a1%e0%b8%a5" class="header-anchor"></a>💼 Amazon AI Recruitment — อคติที่ซ่อนอยู่ในข้อมูล </h3><p>Amazon เคยพัฒนา AI เพื่อช่วยคัดกรองผู้สมัครงาน แต่ระบบกลับลดทอนผู้หญิงโดยอัตโนมัติ เพราะเรียนรู้จากข้อมูลประวัติการรับพนักงานในอดีตที่ส่วนใหญ่เป็นผู้ชาย — ไม่มีระบบตรวจสอบอคติ ไม่มีการประเมินความเป็นธรรม</p> <h3 id="-knight-capital--440-ลานใน-30-นาท"><a href="#-knight-capital--440-%e0%b8%a5%e0%b8%b2%e0%b8%99%e0%b9%83%e0%b8%99-30-%e0%b8%99%e0%b8%b2%e0%b8%97" class="header-anchor"></a>💰 Knight Capital — $440 ล้านใน 30 นาที </h3><p>ในปี 2013 บริษัท Knight Capital ใช้ trading bot ที่มี bug ในโค้ด ทำให้ซื้อขายหุ้นผิดพลาดอย่างรวดเร็ว สูญเสียเงิน 440 ล้านดอลลาร์ภายในครึ่งชั่วโมง และล้มละลายในเวลาต่อมา — ไม่มีระบบตรวจสอบความเสี่ยง ไม่มีวงเงินควบคุม</p> <h3 id="-air-canada-chatbot-2024--ai-โกหกแลวบรษทตองจาย"><a href="#-air-canada-chatbot-2024--ai-%e0%b9%82%e0%b8%81%e0%b8%ab%e0%b8%81%e0%b9%81%e0%b8%a5%e0%b8%a7%e0%b8%9a%e0%b8%a3%e0%b8%a9%e0%b8%97%e0%b8%95%e0%b8%ad%e0%b8%87%e0%b8%88%e0%b8%b2%e0%b8%a2" class="header-anchor"></a>🇨🇦 Air Canada Chatbot (2024) — AI โกหกแล้วบริษัทต้องจ่าย </h3><p>Air Canada มี chatbot ที่บอกลูกค้าว่าสามารถขอเงินคืนได้ตามนโยบาย &ldquo;Bereavement Fare&rdquo; แม้ว่านโยบายนั้นจะไม่มีอยู่จริง ศาลตัดสินให้ Air Canada จ่ายเงินชดเชยเพราะ chatbot ให้ข้อมูลผิด — ไม่มีระบบยืนยันข้อมูล ไม่มีการกำกับดูแลเนื้อหา</p> <p>และนี่เป็นแค่ตัวอย่างที่ถูกเปิดเผย ยังมีอีกมากที่เกิดขึ้นในองค์กรทั่วโลกโดยไม่มีใครรู้</p> <hr> <h2 id="-ตวเลขทไมโกหก"><a href="#-%e0%b8%95%e0%b8%a7%e0%b9%80%e0%b8%a5%e0%b8%82%e0%b8%97%e0%b9%84%e0%b8%a1%e0%b9%82%e0%b8%81%e0%b8%ab%e0%b8%81" class="header-anchor"></a>📊 ตัวเลขที่ไม่โกหก </h2><p>นอกจากเรื่องราวความล้มเหลวแล้ว ตัวเลขก็บอกเล่าความจริงที่น่าตกใจ:</p> <ul> <li><strong>72%</strong> ขององค์กรทั่วโลกมี AI deployment อย่างน้อย 1 ระบบใน production</li> <li><strong>65%</strong> ใช้ Generative AI ในอย่างน้อย 1 ฟังก์ชัน</li> <li>แต่เพียง <strong>25%</strong> ขององค์กร มี AI governance program ที่ implement ครบถ้วน</li> <li>และ <strong>97%</strong> ของเหยื่อ breach ที่เกี่ยวข้องกับ AI ขาด access controls</li> </ul> <p>นี่คือช่องว่างระหว่าง <strong>การใช้ AI</strong> กับ <strong>การใช้ AI อย่างปลอดภัย</strong> — ช่องว่างที่ Harness Engineering จะมาอุด</p> <h3 id="-10-สาเหตหลกท-ai-ลมเหลว"><a href="#-10-%e0%b8%aa%e0%b8%b2%e0%b9%80%e0%b8%ab%e0%b8%95%e0%b8%ab%e0%b8%a5%e0%b8%81%e0%b8%97-ai-%e0%b8%a5%e0%b8%a1%e0%b9%80%e0%b8%ab%e0%b8%a5%e0%b8%a7" class="header-anchor"></a>🔍 10 สาเหตุหลักที่ AI ล้มเหลว </h3><p>จากการศึกษาของ MIT และ Stanford พบ 10 สาเหตุหลักที่ทำให้โครงการ AI ล้มเหลว:</p> <ol> <li><strong>Unclear business objectives</strong> — ไม่มีเป้าหมายธุรกิจที่ชัดเจน</li> <li><strong>Black Box AI systems</strong> — ไม่เข้าใจว่า AI ตัดสินใจอย่างไร</li> <li><strong>Lack of collaboration</strong> — ทีมไม่ทำงานร่วมกัน</li> <li><strong>Lack of talent</strong> — ขาดคนที่เข้าใจทั้ง AI และธุรกิจ</li> <li><strong>Overfitting</strong> — ระบบทำงานดีกับข้อมูลเก่าแต่ไม่กับข้อมูลใหม่</li> <li><strong>Edge-case neglect</strong> — ไม่คิดถึงกรณีขอบเขต</li> <li><strong>Correlation dependency</strong> — เข้าใจผิดว่าความสัมพันธ์คือเหตุผล</li> <li><strong>Data bias</strong> — ข้อมูลฝังอคติ</li> <li><strong>Underfitting</strong> — โมเดลเรียนรู้ไม่เพียงพอ</li> <li><strong>Inadequate testing</strong> — ทดสอบไม่เข้มงวด</li> </ol> <p>Harness Engineering ออกแบบมาเพื่อจัดการกับทุกจุดนี้ — ไม่ใช่แก้ทีละจุด แต่เป็นระบบที่ครอบคลุม</p> <hr> <h2 id="-จากประสบการณจรง-การใช-ai-โดยไมม-harness--ม-harness"><a href="#-%e0%b8%88%e0%b8%b2%e0%b8%81%e0%b8%9b%e0%b8%a3%e0%b8%b0%e0%b8%aa%e0%b8%9a%e0%b8%81%e0%b8%b2%e0%b8%a3%e0%b8%93%e0%b8%88%e0%b8%a3%e0%b8%87-%e0%b8%81%e0%b8%b2%e0%b8%a3%e0%b9%83%e0%b8%8a-ai-%e0%b9%82%e0%b8%94%e0%b8%a2%e0%b9%84%e0%b8%a1%e0%b8%a1-harness--%e0%b8%a1-harness" class="header-anchor"></a>🌱 จากประสบการณ์จริง: การใช้ AI โดยไม่มี Harness → มี Harness </h2><p>ขอเล่าประสบการณ์ส่วนตัวของเหน่งให้ฟัง</p> <p>ช่วงแรกที่เริ่มใช้ AI (ยังจำได้ ประมาณปี 2023-2024) — เหน่งใช้งาน AI แบบตรงไปตรงมา ถามคำถาม รอคำตอบ บางทีก็ใช้ผลลัพธ์ที่ได้มาโดยไม่ตรวจสอบ ไม่มีกระบวนการ ไม่มีมาตรฐาน ไม่มีระบบตรวจสอบ</p> <p>ผลลัพธ์เป็นอย่างไร? บางครั้งก็ได้คำตอบดี บางครั้งก็ได้คำตอบที่ผิดหรือ outdated แต่ไม่รู้ตัว ต้องเสียเวลาตรวจสอบทีหลัง และบางครั้งก็เสียเวลาไปกับงานที่ไม่จำเป็นเพราะไม่รู้ว่า AI สามารถช่วยได้ดีกว่า</p> <p>แล้วมาวันหนึ่ง เหน่งเริ่มสังเกตว่า&hellip; ถ้ามีกรอบการทำงานที่ชัดเจน การใช้ AI จะมีประสิทธิภาพมากขึ้น</p> <p>ปัจจุบัน เหน่งใช้ระบบ <strong>Qwen (Alibaba)</strong> ที่ rotate ตามประเภทงาน:</p> <ul> <li><strong>Qwen 3.5 Plus</strong> — สำหรับงานทั่วไป ตอบคำถาม เขียนบทความ</li> <li><strong>Qwen Max</strong> — สำหรับงานซับซ้อน ต้องการความลึก</li> <li><strong>Qwen Coder</strong> — สำหรับเขียนโค้ด งานด้านเทคนิค</li> </ul> <p>แต่ที่สำคัญกว่าเครื่องมือคือ <strong>Flow</strong> — กระบวนการทำงานที่วางไว้ เมื่อได้คำตอบจาก AI จะตรวจสอบยังไง ประเมินคุณภาพอย่างไร และเก็บบทเรียนจากการใช้งานอย่างไร</p> <p>เหน่งพอใจกับระบบปัจจุบันประมาณ 90% — ยังมีพื้นที่ให้ปรับปรุง แต่การมี Harness ทำให้รู้สึกมั่นใจขึ้นมากเมื่อเทียบกับตอนแรก</p> <p><strong>Key Takeaway:</strong> เริ่มต้นไม่จำเป็นต้องซับซ้อน เริ่มจากสิ่งเล็กๆ — กำหนดว่าจะใช้ AI ทำอะไร ตรวจสอบผลลัพธ์อย่างไร และเก็บข้อมูลว่าอะไรได้ผล/ไม่ได้ผล ค่อยๆ สร้าง Harness ของตัวเองไปเรื่อยๆ</p> <hr> <h2 id="-ตอไป-harness-ประกอบดวยอะไร"><a href="#-%e0%b8%95%e0%b8%ad%e0%b9%84%e0%b8%9b-harness-%e0%b8%9b%e0%b8%a3%e0%b8%b0%e0%b8%81%e0%b8%ad%e0%b8%9a%e0%b8%94%e0%b8%a7%e0%b8%a2%e0%b8%ad%e0%b8%b0%e0%b9%84%e0%b8%a3" class="header-anchor"></a>🔜 ต่อไป: Harness ประกอบด้วยอะไร? </h2><p>ในตอนที่ 2 เราจะมาดูกันว่า <strong>Harness ที่ดีต้องมีองค์ประกอบอะไรบ้าง</strong> และ <strong>10 หลักการสำคัญ</strong> ในการออกแบบระบบ Harness ที่จะช่วยให้ AI ทำงานได้อย่างมีประสิทธิภาพและปลอดภัย</p> <p>เตรียมตัวอ่านต่อนะครับ! 🙌</p> <hr> <h2 id="-อางอง"><a href="#-%e0%b8%ad%e0%b8%b2%e0%b8%87%e0%b8%ad%e0%b8%87" class="header-anchor"></a>📚 อ้างอิง </h2><h3 id="แหลงหลก"><a href="#%e0%b9%81%e0%b8%ab%e0%b8%a5%e0%b8%87%e0%b8%ab%e0%b8%a5%e0%b8%81" class="header-anchor"></a>แหล่งหลัก: </h3><p><strong>Harness Books 2 เล่ม โดย wquguru</strong></p> <ul> <li>Book 1: <a class="link" href="https://github.com/wquguru/harness-books/blob/main/book1-claude-code/index.md" target="_blank" rel="noopener" >Claude Code Harness</a></li> <li>Book 2: <a class="link" href="https://github.com/wquguru/harness-books/blob/main/book2-comparing/index.md" target="_blank" rel="noopener" >Claude Code vs Codex</a></li> <li>Online Version: <a class="link" href="https://harness-books.agentway.dev/book1-claude-code/" target="_blank" rel="noopener" >harness-books.agentway.dev</a></li> </ul> <h3 id="แหลงเสรม"><a href="#%e0%b9%81%e0%b8%ab%e0%b8%a5%e0%b8%87%e0%b9%80%e0%b8%aa%e0%b8%a3%e0%b8%a1" class="header-anchor"></a>แหล่งเสริม: </h3><ol> <li>MIT Media Lab - State of AI in Business 2025</li> <li>Knostic - AI Governance Statistics 2025</li> <li>Harvard Law School Forum - AI Risk Disclosures</li> <li>Thomson Reuters - AI Governance Gap</li> <li>Medha Cloud - AI Adoption Statistics 2026</li> <li>Mashable - Biggest AI Fails 2025</li> <li>AI Multiple - AI Fail Examples</li> <li>SG Solutions - Real World AI Failures</li> <li>WebAsha - Top 7 AI Failures</li> <li>Gartner - AI Risk Reports</li> </ol>