Content Creator คนนี้ทำเงิน $70K/เดือน — ทีมงาน: 0 คน
ถ้ามีคนบอกว่าทำ YouTube, IG, TikTok, LinkedIn, Twitter ครบทุกแพลตฟอร์ม ทุกวัน ทำรายได้ $70K/เดือน (~2.4 ล้านบาท) โดยไม่จ้างทีมสักคน — ปกติผมจะไม่เชื่อ
แต่พอดูคลิปเต็ม 21 นาทีของ Brock Mesarich แล้ว ต้องยอมรับว่ามันทำได้จริง
เขาไม่ได้เก่งกว่าคนอื่น ไม่ได้ทำงาน 20 ชั่วโมง/วัน แต่เขาสร้าง "ระบบ" ที่ทำงานแทนทีมทั้งหมด
บทความนี้สรุปทุก workflow ที่เขาใช้ พร้อมวิเคราะห์ว่าอะไรเอาไปใช้ได้ทันที
ระบบ ไม่ใช่ AI ถาม-ตอบ
สิ่งที่ทำให้ Brock ต่างจากคนอื่น — เขาไม่ได้ใช้ AI แบบ "ถาม → ได้คำตอบ → copy ไปใช้"
เขาสร้างสิ่งที่เรียกว่า "Content Operating System" เป็นชุดคำสั่ง 30+ ตัว ที่ต่อกับ 6 services ทำงานครบ loop ตั้งแต่หาไอเดียจนโพสต์เสร็จ
ให้นึกภาพแบบนี้: เหมือนมีทีม 4 คน แต่ทุกคนเป็น AI ที่ทำงานผ่าน command line
"ทีม" ทั้ง 4 คน
คนที่ 1 — "นักหาข่าว" (Morning Research Agent)
ทุกเช้า Brock พิมพ์แค่คำว่า "morning" แล้ว AI จะ:
- ออกไปหาข่าว AI ที่กำลังเทรนด์
- ให้คะแนน viral potential ของแต่ละเรื่อง
- เช็คว่าคู่แข่งกำลังทำ content เรื่องอะไร
- สรุปออกมาเป็น "โอกาสที่ควรทำคลิปวันนี้"
เหมือนมีคน research มาวางบนโต๊ะให้ทุกเช้า โดยไม่ต้องเปิด Google, Twitter, YouTube ด้วยตัวเอง
Key insight: ส่วนที่เจ๋งคือ viral scoring — AI ไม่ได้แค่ดึงข่าว แต่ประเมินด้วยว่า "เรื่องนี้มีโอกาส viral แค่ไหน" โดยดูจาก engagement ของ content ที่คล้ายกัน
คนที่ 2 — "นักเขียนที่ด่าตัวเอง" (Self-Critique Engine)
นี่คือส่วนที่เจ๋งที่สุดในคลิป
พิมพ์ "script" → AI เขียน script ด้วยโทนเสียงของ Brock
แต่ไม่ได้จบแค่นั้น — มันเปิดสิ่งที่เรียกว่า Self-Critique Engine:
- AI เขียน script draft แรก
- AI อ่าน script ตัวเอง → วิจารณ์ตัวเอง
- ถ้าไม่ดีพอ → เขียนใหม่
- วิจารณ์อีกรอบ → วนจนกว่าจะผ่าน
เหมือน editor ที่ไม่เกรงใจนักเขียน — ด่าแล้วสั่งแก้ จนกว่างานจะดี
ทำไมมันสำคัญ: คนส่วนใหญ่ใช้ AI เขียน draft เดียว → เอาไปใช้เลย ผลก็คือ content มันกลางๆ ไม่โดดเด่น Self-Critique Engine ทำให้ output ดีขึ้นโดยไม่ต้องแก้เอง
คนที่ 3 — "นักวิเคราะห์" (Performance Dashboard)
พิมพ์ "reel" → AI จะไป scrape IG Reels ล่าสุดของ Brock แล้ววิเคราะห์:
- Hook retention — ดึงคนไว้ได้กี่ %?
- Engagement ratio — Comment vs Like เท่าไหร่?
- Comparison — เทียบกับ top content ที่เคยทำ ดีขึ้นหรือแย่ลง?
แล้วสร้างเป็น dashboard สวยๆ ให้ดูทันที ไม่ต้องเปิด spreadsheet ไม่ต้องคำนวณเอง
เหมือนมี data analyst ที่ทำรายงานให้ทุกวัน
คนที่ 4 — "นัก distribute" (Content Multiplier)
ถ่ายคลิป YouTube เสร็จ 1 ตัว → AI จะเอา transcript ไป:
- เขียนใหม่เป็น LinkedIn post (โทน professional)
- เขียนใหม่เป็น Twitter thread (โทน concise)
- เขียนใหม่เป็น TikTok caption (โทน casual)
- สร้าง carousel สำหรับ IG
- โพสต์ทุกแพลตฟอร์มให้เอง
1 คลิป กลายเป็น 5 posts โดยไม่ต้องนั่งเขียนซ้ำสักครั้ง
สิ่งสำคัญ: AI ไม่ได้ copy-paste เดิม แต่ เขียนใหม่ ให้เหมาะกับแต่ละ platform เพราะคนอ่าน LinkedIn กับ TikTok คนละจังหวะ
Quote ที่น่าจำ
"ถ้าติดปัญหา ก็แค่บอก Claude ว่า 'Figure it out' แล้วมันจะหาทางเอง" — Brock Mesarich
ฟังดูง่าย แต่มันเป็นจริง เพราะ AI ไม่ได้โง่ — มันแค่ต้องการ "ระบบ" ที่ชัด พอมีระบบแล้ว มันทำงานได้เหมือนทีม
เริ่มสร้าง Content Operating System ของตัวเอง
ไม่ต้องเริ่มจาก 30+ commands เหมือน Brock ลองเริ่มจาก 3 ขั้นตอนนี้:
Step 1: เลือก 1 งานที่ทำซ้ำทุกวัน
หาสิ่งที่ทำซ้ำ ใช้เวลาเยอะ แต่ไม่ต้องคิดมาก เช่น:
- หาไอเดีย content ประจำวัน
- เขียน caption สำหรับ social media
- สรุป performance ของ content
Step 2: สร้าง Prompt ที่ให้ผลลัพธ์ 80%+
เขียน prompt ที่ได้ผลลัพธ์ดีพอ → ทดสอบ → ปรับ → จนกว่า output จะ "ใช้ได้เลย" อย่างน้อย 8 ใน 10 ครั้ง
เคล็ดลับ: ใส่ ตัวอย่าง output ที่ดี ใน prompt — AI จะเลียนแบบสไตล์ที่คุณต้องการ
Step 3: ต่อเข้ากับ Workflow
เมื่อ prompt ทำงานได้ดีแล้ว → ทำให้เป็นคำสั่งเดียว:
พิมพ์คำสั่งเดียว → ได้ผลทั้งชุด
เริ่มจาก 1 คำสั่ง → ค่อยขยาย เหมือน Brock ที่เริ่มจาก "morning" คำเดียว แล้ววันนี้มี 30+ คำสั่ง
บทสรุป
ไม่ใช่เรื่องของ "AI เก่งแค่ไหน" แต่เป็นเรื่องของ "คุณออกแบบระบบให้มันได้ดีแค่ไหน"
Brock ไม่ได้เขียนโค้ดเก่ง แต่เขาคิดระบบเก่ง — แล้วให้ AI ทำ
สรุปจากคลิป: How I Run a $70K/Month Business With No Team — Brock Mesarich (21 นาที)
