Figma Config 2026: การเชื่อมช่องว่างระหว่างการสร้างสรรค์ด้วย AI และการควบคุมโดยมนุษย์
ในงานประชุม Config 2026 ทาง Figma ได้เปิดตัวชุดอัปเดตครั้งใหญ่ที่ออกแบบมาเพื่อเปลี่ยนพื้นที่การออกแบบ (canvas) ให้กลายเป็นพื้นที่ทำงานแบบหลายมิติสำหรับโค้ด, โมชัน (motion) และเอฟเฟกต์ 3D แทนที่จะแข่งขันกันสร้างโมเดล LLM พื้นฐาน Figma กลับมุ่งเน้นไปที่การบูรณาการเชิงลึก เพื่อให้มั่นใจว่า AI จะทำหน้าที่เป็นเครื่องมือที่มีความละเอียดสูงสำหรับนักออกแบบมืออาชีพ มากกว่าที่จะเป็นเพียงเครื่องมือแบบ "กล่องดำ" (black-box) ที่เข้ามาแทนที่มนุษย์
เหนือกว่าการใช้ Prompt: การบูรณาการโค้ด, โมชัน และ Shaders
กลยุทธ์หลักของ Figma คือการนำการสร้างสรรค์ด้วย AI เข้ามาไว้บน canvas โดยตรง เพื่อป้องกันไม่ให้ผู้ใช้ต้องสลับไปใช้เครื่องมือ "vibecoding" ภายนอก ก้าวกระโดดทางเทคนิคที่สำคัญที่สุดคือการเปิดตัว Code Layers ซึ่งช่วยให้โค้ดสำหรับการออกแบบและโค้ดสำหรับการใช้งานจริง (production code) สามารถอยู่ร่วมกันได้ ตอนนี้ผู้ใช้สามารถดึงโค้ดจาก GitHub เข้ามา จัดการผ่าน agent และแปลงการปรับแต่งงานดีไซน์กลับไปเป็นโค้ดได้อย่างราบรื่น
แพลตฟอร์มนี้ยังกำลังทลายขอบเขตของการออกแบบ 2D แบบเดิมด้วยการเพิ่มฟีเจอร์ทางเทคนิคที่สำคัญ 3 ประการ:
- Motion & Timelines: นักออกแบบสามารถจัดการแอนิเมชันและการเปลี่ยนผ่าน (transitions) ภายในไทม์ไลน์ที่ใช้ร่วมกัน ซึ่งสามารถส่งต่อไปยังขั้นตอนการผลิตผ่าน Dev Mode และ MCP ได้
- 3D Transformations: เลเยอร์ความลึก (depth layer) แบบใหม่ช่วยให้เกิดมุมมองเชิงพื้นที่ (spatial perspective) ที่แท้จริง ก้าวข้ามวิธีการแบบเดิมที่ใช้การซ้อนเงาเพื่อหลอกตาว่ามีความลึก
- WebGPU-Powered Shaders: ด้วยการใช้ WebGPU ทาง Figma ได้เปิดตัวฟีเจอร์ shader ที่ช่วยให้ผู้ใช้สร้างเอฟเฟกต์ภาพที่ซับซ้อน เช่น dithering, กระจกฝ้า (frosted glass) หรือโครเมียมขัดเงา (polished chrome) ได้ง่ายๆ เพียงแค่บรรยายลักษณะให้ AI agent ฟัง
Weave และการเปลี่ยนผ่านสู่ "AI Materials"
ต่อยอดจากการเข้าซื้อกิจการ Weave ทาง Figma กำลังบูรณาการสิ่งที่เรียกว่า "AI materials" เข้ากับเวิร์กโฟลว์การออกแบบ ระบบนี้ช่วยให้ทีมสามารถรวมโมเดลและแหล่งที่มาของรูปภาพที่หลากหลายเข้าด้วยกันเพื่อกำหนดทิศทางการออกแบบที่เป็นหนึ่งเดียว ปัจจุบันมีเครื่องมือ Weave มากกว่า 20 รายการ เช่น ปลั๊กอิน Texturize ที่พร้อมใช้งานบน canvas ช่วยให้นักออกแบบสามารถใส่พื้นผิว (textures) และลวดลายแบบ procedural ลงในองค์ประกอบต่างๆ ได้ผ่านการใช้ prompt ภาษาธรรมชาติ
เพื่อแก้ปัญหาเวิร์กโฟลว์ AI ที่กระจัดกระจาย Figma กำลังเปิดตัว Agent Skills ซึ่งช่วยให้ทีมสามารถบันทึกเทคนิคการใช้ prompt ที่ประสบความสำเร็จ เช่น คำสั่ง /contrast-improvements และนำไปใช้ได้ทั่วทั้งองค์กร สิ่งนี้จะเปลี่ยน "ความสำเร็จ" ในการใช้ AI ของแต่ละบุคคลให้กลายเป็นสินทรัพย์ของทีมที่สามารถค้นหาและนำกลับมาใช้ใหม่ได้
เศรษฐศาสตร์ของ "Intelligence แบบเช่าใช้" (Rented Intelligence)
แม้ว่าชุดฟีเจอร์ของ Figma จะขยายตัวขึ้น แต่บริษัทก็กำลังเผชิญกับความท้าทายเชิงโครงสร้างที่สำคัญ นั่นคือการพึ่งพาความฉลาดแบบ "เช่าใช้" (rented intelligence) ความสามารถด้าน AI ของ Figma ขับเคลื่อนโดยโมเดลจากบุคคลที่สามอย่าง OpenAI, Google และ Anthropic ซึ่งการพึ่งพานี้ส่งผลกระทบต่อผลกำไรอย่างเห็นได้ชัด โดยอัตรากำไรขั้นต้น (gross margins) ของ Figma ลดลงจากประมาณ 92% เหลือ 86% ในช่วงปี 2025 เนื่องจากต้นทุนการประมวลผล AI (inference costs) ที่สูงขึ้น
นอกจากนี้ สิ่งนี้ยังสร้างความย้อนแย้งทางกลยุทธ์ เนื่องจาก Anthropic ซึ่งเป็นหนึ่งในผู้ให้บริการโมเดลหลักของ Figma ได้เปิดตัว Claude Design ซึ่งเป็นเครื่องมือที่สามารถสร้างอินเทอร์เฟซที่สวยงามและคลิกใช้งานได้จริงจากการใช้ prompt เพียงครั้งเดียว สิ่งนี้คุกคามตำแหน่งของ Figma ในฐานะจุดเริ่มต้นของการพัฒนาผลิตภัณฑ์ดิจิทัลโดยตรง การมุ่งเน้นไปที่เลเยอร์ที่ละเอียดและแก้ไขได้ (Code, Motion และ Shaders) แสดงให้เห็นว่า Figma กำลังเดิมพันว่านักออกแบบมืออาชีพจะเลือกใช้เครื่องมือที่พวกเขาสามารถควบคุมได้ มากกว่าโมเดลที่เพียงแค่ "พ่น" ผลลัพธ์สุดท้ายออกมาให้เท่านั้น
สรุปประเด็นสำคัญ
- การบูรณาการเชิงลึกเหนือกว่าการสร้างเพียงอย่างเดียว: Figma กำลังตอบโต้เครื่องมือ AI แบบ "one-shot" ด้วยการเพิ่มโค้ด, โมชัน และ 3D shaders ลงใน canvas โดยตรง เพื่อให้สามารถควบคุมและปรับปรุงงานแบบวนซ้ำ (iterative control) ได้
- เวิร์กโฟลว์ AI แบบร่วมมือกัน: ผ่าน Agent Skills และ Weave ทาง Figma กำลังเปลี่ยน AI จากเครื่องมือเพิ่มประสิทธิภาพส่วนบุคคล ให้กลายเป็นสินทรัพย์ของทีมที่ใช้ร่วมกันและค้นหาได้
- ความท้าทายด้านอัตรากำไร: ต้นทุนการประมวลผล (inference costs) ที่สูงจากผู้ให้บริการ LLM ภายนอก กำลังส่งผลกระทบต่ออัตรากำไรขั้นต้น แม้ว่าบริษัทจะพยายามผลักดันการใช้งาน AI ให้ลึกซึ้งยิ่งขึ้นก็ตาม