Naïve ปิดรอบระดมทุน Series A มูลค่า 28.5 ล้านดอลลาร์ นำโดย Nexus Venture Partners เงินทุนนี้จะนำไปใช้พัฒนาแพลตฟอร์มโครงสร้างพื้นฐานที่ช่วยให้ AI agents สามารถจัดตั้งและดำเนินธุรกิจได้โดยแทบไม่ต้องอาศัยมนุษย์ ซึ่งเป็นการแก้ปัญหาค่าใช้จ่ายด้านการประมวลผล (compute bills) ที่พุ่งสูงขึ้นจนกลายเป็นอุปสรรคต่อการนำ autonomous agents มาใช้งาน

ทำไมเงินทุนนี้ถึงสำคัญในตอนนี้

การเริ่มต้นบริษัทในปัจจุบันยังคงต้องเผชิญกับการกรอกเอกสาร การเปิดบัญชีธนาคาร และการเชื่อมต่อเครื่องมือ SaaS นับสิบรายการ สำหรับนักพัฒนา "งานจุกจิก" (grunt work) เหล่านี้อาจเปลี่ยนไอเดียที่น่าสนใจให้กลายเป็นเพียงโปรเจกต์เสริมที่หยุดชะงัก Naïve เข้ามาตอบโจทย์นี้ด้วย API เพียงตัวเดียวที่มอบหมายงานเหล่านั้นให้แก่ AI agent ช่วยให้ผู้ก่อตั้งสามารถมุ่งเน้นไปที่ผลิตภัณฑ์และลูกค้า แทนที่จะต้องเสียเวลากับแบบฟอร์มทางกฎหมายและกล่องจดหมาย ซึ่งจังหวะเวลานี้ถือเป็นเรื่องสำคัญอย่างยิ่ง

แพลตฟอร์มนี้ทำงานอย่างไร

นักพัฒนาเพียงแค่เรียกใช้ API ของ Naïve ด้วยคำสั่ง (prompt) ระดับสูง เช่น "สร้างบริษัท U.S. LLC สำหรับเครื่องมือ SaaS ที่ช่วยให้ฟรีแลนซ์จัดการใบแจ้งหนี้" แพลตฟอร์มจะสร้าง AI agent เฉพาะทางที่ติดตั้ง prompt สำหรับเครื่องมือต่างๆ เช่น Cursor, Claude Code หรือ Codex โดย agent จะเลือกมลรัฐ กำหนดรหัสอุตสาหกรรม ร่างคำอธิบายธุรกิจ และยื่นเอกสารการจดทะเบียน แม้ว่ามนุษย์ยังคงต้องตรวจสอบการปฏิบัติตามกฎระเบียบ KYC/KYB และดำเนินการชำระเงินขั้นสุดท้าย แต่ส่วนที่เหลือ—ตั้งแต่การจัดเตรียมที่อยู่อีเมล, บัตรเดบิตเสมือน, หมายเลขโทรศัพท์, ทรัพยากรคลาวด์, บัญชี Stripe และการเชื่อมต่อกับ QuickBooks—จะเกิดขึ้นโดยอัตโนมัติ

นอกเหนือจากการจดทะเบียนแล้ว Naïve ยังมีเทมเพลตที่ช่วยให้ agent สามารถจัดการเรื่อง SEO, การวางโครงสร้าง full-stack SaaS, การบัญชี และแม้กระทั่งการโต้ตอบกับแอปพลิเคชันมือถือผ่าน smartphone emulator ผลลัพธ์ที่ได้คือระบบหลังบ้านแบบ "plug-and-play" ที่สามารถเริ่มต้นใช้งานได้ด้วยโค้ดเพียงไม่กี่บรรทัด

การเติบโตในตลาดและกรณีการใช้งานที่กำลังเกิดขึ้น

ในช่วง 6 เดือนนับตั้งแต่เปิดตัวสู่สาธารณะ Naïve สามารถดึงดูดลูกค้าที่เป็นนักพัฒนาได้มากกว่า 30,000 ราย ผู้ใช้งานเหล่านี้ช่วยผลักดันรายได้ต่อปี (annual run-rate revenue) ของบริษัทให้ขึ้นไปแตะระดับสิบล้านดอลลาร์ต้นๆ ซึ่งเพิ่มขึ้นถึงสิบเท่าจากช่วงเริ่มต้น CEO และผู้ร่วมก่อตั้ง Sean Dorje กล่าวว่ากลุ่มที่เติบโตเร็วที่สุดคือ AI-automation agencies ซึ่งเป็นบริษัทขนาดเล็กที่ขายบริการที่ขับเคลื่อนด้วย agent ให้กับธุรกิจอื่นๆ

ตัวอย่างในโลกความเป็นจริง ได้แก่ ช่อง TikTok แบบ "ไม่เผยหน้า" (faceless) ที่ผลิตวิดีโอสัตว์ที่สร้างโดย AI, บริการรถเช่าอัตโนมัติที่จัดการการจองและการชำระเงินโดยไม่ต้องมีพนักงาน และผลิตภัณฑ์ SaaS เฉพาะทางที่สามารถสร้างขึ้น ขยายขนาด และปิดตัวลงได้ตามความต้องการ ทั้งหมดนี้อาศัยความสามารถหลักอย่างเดียวกัน นั่นคือ AI agent ที่ก้าวข้ามการรันโค้ดไปสู่การประสานงาน (orchestrate) บริการภายนอก

อุปสรรคทางเทคนิค: ต้นทุนการประมวลผล (inference costs)

การรันโมเดล AI สำหรับคำสั่งเดียวอาจมีราคาถูก แต่ autonomous agent จำเป็นต้องมีวงจรการใช้เหตุผล (reasoning), การดึงข้อมูลจากหน่วยความจำ (memory retrieval) และการเรียกใช้ API อย่างต่อเนื่อง โดยมีปัจจัยหลัก 3 ประการที่ส่งผลต่อต้นทุน:

  • Inference price – ทุกๆ token ที่ large language model (LLM) สร้างขึ้นจะใช้เครดิตการประมวลผล
  • Context window size – agent มักจะเก็บข้อมูลการสนทนาหรือสถานะ (state) ขนาดใหญ่ไว้ในหน่วยความจำ ซึ่งจะเพิ่มจำนวน token
  • Idle resources – การติดตั้งใช้งานแบบดั้งเดิมจะเปิด virtual machine ทิ้งไว้แม้ในขณะที่ agent ไม่ได้ทำงาน ทำให้สิ้นเปลืองงบประมาณ

Naïve แก้ไขปัจจัยแต่ละอย่างด้วยเสาหลักทางวิศวกรรม 4 ประการ:

  1. Model routing – ส่งคำสั่งไปยังโมเดลที่เล็กที่สุดและราคาถูกที่สุดที่สามารถจัดการงานนั้นได้ และนำข้อมูลการใช้เหตุผลกลับมาใช้ใหม่ในภายหลัง
  2. Memory systems – เลเยอร์เฉพาะที่ใช้จัดเก็บบริบททางธุรกิจและดึงข้อมูลเฉพาะสิ่งที่ agent จำเป็นต้องใช้ในขณะนั้นออกมา
  3. Orchestration & governance – แบ่งงานระหว่าง agent หลายตัว, ใช้ระบบควบคุม (guardrails) และเพิ่มขั้นตอนการอนุมัติโดยมนุษย์ (human-in-the-loop) เพื่อป้องกันการทำงานที่ผิดพลาดหรือควบคุมไม่ได้
  4. Serverless agent runtime – รัน agent ในสภาพแวดล้อม JavaScript ที่มีน้ำหนักเบา ซึ่งจะเริ่มทำงานเมื่อมีการเรียกใช้และปิดตัวลงทันที เพื่อให้ผู้ใช้จ่ายเงินเฉพาะเมื่อมีการประมวลผลจริงเท่านั้น

ข้อโต้แย้งและความเสี่ยง

แนวคิด "ธุรกิจที่บริหารโดย AI" ยังอยู่ในช่วงเริ่มต้น และมีความท้าทายหลายประการที่อาจทำให้การนำมาใช้งานล่าช้า ประการแรก การปฏิบัติตามกฎระเบียบมีความแตกต่างกันไปตามเขตอำนาจศาล ปัจจุบัน Naïve รองรับการจดทะเบียน U.S. LLC แต่การขยายไปสู่ระดับสากลจำเป็นต้องมีกรอบกฎหมายที่ลึกซึ้งกว่านี้ ประการที่สอง การพึ่งพาผู้ให้บริการ LLM จากภายนอกทำให้เกิดความเสี่ยงด้านราคาและความพร้อมใช้งาน หากมีการปรับราคาขึ้นอย่างกะทันหันอาจทำลายความได้เปรียบด้านต้นทุนของ Naïve ประการที่สาม ขั้นตอนการตรวจสอบโดยมนุษย์สำหรับ KYC/KYB ยังคงเป็นคอขวด ซึ่งการตรวจสอบที่เข้มงวดขึ้นอาจทำให้คำมั่นสัญญาเรื่องระบบอัตโนมัติแบบครบวงจร (end-to-end automation) อ่อนแอลง

นักวิจารณ์เตือนว่า autonomous agents ที่ทำงานโดยอิสระอย่างเต็มรูปแบบอาจเกิดข้อผิดพลาดที่ซ่อนอยู่จนกว่าจะก่อให้เกิดความเสียหายทางการเงิน แม้ว่าเลเยอร์การกำกับดูแล (governance layer) ของ Naïve จะช่วยลดความเสี่ยงนี้ แต่ประสิทธิภาพที่แท้จริงจะปรากฏชัดก็ต่อเมื่อมีการใช้งาน agent จำนวนมหาศาลในวงกว้างเท่านั้น

สิ่งที่ต้องจับตามอง

  • การขยายขอบเขตการเลือกเส้นทางโมเดล (model routing) – ความสำเร็จจะวัดจากความสามารถของแพลตฟอร์มในการลดต้นทุนต่อโทเคน (per-token cost) โดยไม่สูญเสียคุณภาพของคำตอบ
  • การนำไปใช้งานที่กว้างกว่ากลุ่มนักพัฒนา – หากผู้ก่อตั้งที่ไม่มีความรู้ด้านเทคนิคเริ่มใช้งาน API โดยตรง Naïve อาจกลายเป็นเครื่องมืออรรถประโยชน์กระแสหลัก แทนที่จะเป็นเพียงเครื่องมือเฉพาะกลุ่มสำหรับนักพัฒนา
  • การเปลี่ยนแปลงด้านกฎระเบียบ – การเปลี่ยนแปลงใดๆ ในกฎหมายการจดทะเบียนบริษัทของสหรัฐฯ หรือข้อกำหนดในการรับลูกค้า (onboarding) ของฟินเทค อาจส่งผลให้ต้องมีการปรับเปลี่ยนกระบวนการทำงาน
  • การตอบโต้จากคู่แข่ง – ผู้ให้บริการคลาวด์และผู้จำหน่ายแพลตฟอร์ม AI อาจเปิดตัวบริการ "agent-as-a-service" ของตนเอง ซึ่งจะเป็นการทดสอบความสามารถของ Naïve ในการรักษาความได้เปรียบด้านราคาและความลึกของการเชื่อมต่อระบบ (integration depth)

บทสรุป

การระดมทุนจำนวน 28.5 ล้านดอลลาร์ของ Naïve คือการเดิมพันกับอนาคตที่การเป็นผู้ประกอบการไม่ได้ขับเคลื่อนด้วยการเขียนโค้ดด้วยมือ แต่ขับเคลื่อนด้วย AI agents ที่สามารถสร้าง บริหารจัดการ และขยายธุรกิจได้โดยแทบไม่ต้องมีภาระด้านบุคลากร หากสตาร์ทอัพรายนี้สามารถรักษาต้นทุนการประมวลผล (inference costs) ให้ต่ำพอที่จะสร้างกำไรได้ในระดับสเกลใหญ่ มันอาจกลายเป็นกลไกเบื้องหลังที่ซ่อนอยู่ของธุรกิจยุคใหม่ที่เป็นแบบ "invisible" (ธุรกิจที่มองไม่เห็น)