3 ทีมนศ. 3 ไอเดีย เปลี่ยนโจทย์รอบตัวกลายเป็น Startup AI มูลค่าหลายล้าน

โดย Insightist™ | เผยแพร่: 19 กรกฎาคม 2569 | อ้างอิง: จากงาน AI Preneur Day 2026

สรุปสาระสำคัญ

• 3 ทีมนักศึกษาขึ้นพิชต่อหน้ากรรมการจาก CPF Venture, depa และ Microsoft
• คนละสายงาน คนละปัญหา ผ้าไทยมูลค่า 59.6 พันล้านบาท, ขยะที่รัฐขาดทุน 10 เท่า, หัวใจแมวที่เงียบเกินไปจนอันตราย
• ทุกทีมมีตัวเลขจริงและวางเป้าหมายรายได้ถึงระดับร้อยล้านบาทใน 3-5 ปี
• กรรมการชี้จุดอ่อนตรงไปตรงมา ตั้งแต่กลุ่มเป้าหมายไปจนถึงความแม่นยำของฮาร์ดแวร์

สรุป Session: AI-Preneur Demo Pitching รับชมการนำเสนอผลงานและนวัตกรรม AI จากทีมผู้ผ่านเข้ารอบ จากงาน AI Preneur Day 2026 ครั้งที่ 1 โดย

1. ทีม Laya.ai
2. ทีม SafeMeow
3. ทีม Robin

กรรมการประกอบด้วย

1. คุณพีท Pollaratch วณิชยกุล, Director, CPF Venture, Team Leader, Digital Institute
2. คุณธัชณวัฒน์ พิริยธนพัทธ์, Team Leader, Digital Institute (DEPA)
3. คุณโบ๊ท สุวัฒน์ สังขยานนท์, Cloud Solution Architect, Prime Micro Credit by Microsoft

รูปแบบการแข่งขัน

• Pitching 10 นาที
• Q&A 10 นาที
• กระดิ่งเตือน 3 นาทีสุดท้าย
• เป่ายิ้งฉุบ เลือกลำดับการขึ้นเวที

ผล คือ ทีม Laya.ai Present ก่อน ตามมาด้วยทีม SafeMeow และ Robin ทีมสุดท้าย

Laya.ai: Every patterns tell a story

Pain Point / โจทย์ปัญหา

• ตลาดผ้าทอ/ผ้าไทยเติบโตมากในช่วง 2 ปีที่ผ่านมา มูลค่ารวมกว่า 1 แสนล้านบาท
• แต่กลุ่มผู้ผลิต/ชุมชนเข้าไม่ถึงโอกาสสร้างรายได้ — จากการลงพื้นที่ภาคเหนือและอีสาน พบว่าขายได้บ้างไม่ได้บ้าง และลูกค้าส่วนใหญ่เป็นลูกค้าเก่า
• จาก Customer Validation พบอุปสรรคฝั่งลูกค้า 2 ข้อ:
  1. ไม่มั่นใจเรื่องสี/ลวดลายว่าจะเข้ากับตัวเองไหมเมื่อสั่งออนไลน์
  2. ดีไซน์ในตลาดคล้ายกันเกินไป ทำให้ตัดสินใจซื้อช้า

Solution: Laya คืออะไร

• Fashion-Tech Platform ที่เชื่อมชุมชนทอผ้า ร้านทอผ้า และร้านตัดเย็บ เข้าด้วยกัน
• รวมแหล่งสินค้าผ้าไทยทุกชนิด พร้อมสั่งตัดได้ในแพลตฟอร์มเดียว
• ไม่ได้ขายแค่สินค้า แต่เล่าเรื่องราวที่มา/เทคนิคการทอ เพื่อเพิ่มคุณค่าให้ลูกค้า
• มีฟีเจอร์ค้นหาลายอัตลักษณ์ตามภูมิภาค/จังหวัดทั่วประเทศ

Core Features

• Custom Design: เลือกดีไซน์ สี ลาย รูปทรง ระบบ Generate ตัวอย่างสินค้าให้ทันที
• AI Virtual Try-on: จำลองสินค้าบนตัวลูกค้าจริง เพิ่มความมั่นใจก่อนตัดสินใจซื้อ (ที่มา: ลูกค้ายอมจ่ายเพิ่ม 10-20% ถ้าดีไซน์เหมาะกับตนเองมากขึ้น)
• กลยุทธ์เศษผ้า: แนะนำชุมชนนำเศษผ้าไปทำของแมตช์กับสินค้าหลัก เช่น พวงกุญแจคู่กับกระเป๋า เพื่อเพิ่มรายได้ทั้งชุมชนและแพลตฟอร์ม
• เปลี่ยน Customer Journey จากที่ต้องเทียบร้าน คุยซับซ้อน ให้จบในแพลตฟอร์มเดียว เห็นดีไซน์เบื้องต้นได้ทันทีโดยไม่ต้องรอร้านตอบ

ขนาดตลาด

รายการ	มูลค่า
ตลาดผ้าทอ/ผ้าไทยรวม	59.6 พันล้านบาท
กลุ่มเป้าหมายศักยภาพซื้อ (E-commerce, Fashion e-commerce, OTOP ที่พร้อม)	11.92 พันล้านบาท
ส่วนแบ่งที่คาดหวัง (~1%)	โอกาสรายได้ 119 ล้านบาท

Demand – Supply

• Demand: Gen Z, First Jobber, กลุ่มคนทำงาน, Creator
• Supply: ชุมชนทอผ้า, ช่างตัดเย็บ, ดีไซเนอร์, แบรนด์ไทย

Business Model (3 Revenue Streams)

1. B2C (ช่องทางหลัก): ค่าคอมมิชชัน 10% เก็บจากทุกออร์เดอร์บนแพลตฟอร์ม (ช่องทางหลัก)
2. Laya Premium Membership: รายเดือน 149 บาท / รายปี 1,788 บาท ได้ส่วนลด/โปรก่อนใคร และปลดล็อก Virtual Try-on + Custom Design แบบไม่จำกัด
3. B2B & B2G:
   • B2B = โรงแรม/รีสอร์ต/องค์กรที่ต้องการ Uniform มีเอกลักษณ์
   • B2G = โครงการของหน่วยงานรัฐ

เป้าหมาย Impact

• สร้างรายได้สู่ชุมชนมากกว่า 22 ล้านบาท
• ดึงร้านค้าเข้าร่วมมากกว่า 196 ร้าน
• เพิ่มมูลค่าเศษผ้าจากชุมชน และลดเศษผ้าจากการทำผ้าได้มากกว่า 70%

เงินลงทุน & แผนใช้เงิน

• ต้องการเงินลงทุนเริ่มต้น 2,000,000 บาท แบ่งเป็น:
  • พัฒนาโปรดักส์ 480,000 บาท
  • เปิดตัวตลาด ~400,000 บาท
  • ค่าใช้จ่ายอื่นๆ ส่วนที่เหลือ (~1,120,000 บาท)

ความสำเร็จของทีม

พัฒนารายามาตลอด 4 เดือน ได้รับทุนสนับสนุนจากโครงการ AI Preneur และเป็นทีมนักศึกษาทีมเดียวที่เข้ารอบไป Pitching กับ VC ในงาน Isan Pitching

Implementation Plan

ผ่านการ Validate มาแล้ว ปัจจุบันอยู่ในเฟส Pilot & Roll Out ได้คุยกับกลุ่มลูกค้าแล้ว กำลังมุ่งสู่ First Transaction ในเร็วๆ นี้

สิ่งที่ทีมกำลังมองหา (The Ask)

ไม่ได้มองหาแค่เงินลงทุน แต่มองหา Strategic Partner ด้าน Fashion และ Technology เพื่อช่วยสร้างคุณค่าให้ชุมชนทอผ้าและร้านตัดเย็บไทยให้ไปได้ไกลกว่าเดิม

คำถามบางข้อจากกรรมการ

1. ผ้าไทยดูโบราณ จะทำให้ทันสมัยได้อย่างไร มี Collaboration กับแบรนด์ระดับโลกไหม?
   • ทีมตอบว่า หลายร้านเริ่มปรับสินค้าเข้าถึงวัยรุ่น/วัยทำงานแล้ว เช่น ร้านพาร์ตเนอร์ กันเชอร์ ทำสไบสีพาสเทล ในอนาคตอยากร่วมมือกับแบรนด์ระดับ Jim Thompson หรือพิจิตรา เพื่อ Adapt ลาย เพิ่มความพรีเมียม และสื่อสารความเป็นไทยให้ตรงกลุ่มเป้าหมายมากขึ้น
2. ตลาดนี้เป็น Traditional Business ผู้ขายส่วนใหญ่สูงวัย จะ Acquire Supplier อย่างไร?
   • ทีมตอบว่า เน้นลงพื้นที่ชุมชนที่สนใจหาช่องทางรายได้ใหม่ ผู้ทอส่วนใหญ่สูงอายุไม่ถนัดเทคโนโลยีแต่ใช้ LINE ได้ ระบบจะยิงออร์เดอร์ผ่าน LINE ให้ Approve ในช่วงเฟสแรก/Demo ทีมยังต้องลงพื้นที่เข้าหาร้านค้า/ชุมชนโดยตรง

SafeMeow: พี่เลี้ยงอัจฉริยะติดตามสุขภาพแมว ตลอด 24 ชม.

Pain Point / จุดเริ่มต้นของปัญหา

Case Study เปิดเรื่อง: คุณบิวตี้ เจ้าของแมวที่ป่วยเป็นโรคหัวใจ แมวดูสุขภาพดี ร่าเริงตลอด แต่วันหนึ่งที่ต้องออกไปทำงาน แม้จะมีกล้องวงจรปิดแต่ไม่สามารถเฝ้าดูได้ตลอด 24 ชั่วโมง กลับมาบ้านพบว่าแมวเสียชีวิตไปแล้วโดยไม่ทันรู้ตัว

Pain Point หลัก 3 ข้อ (จากการสัมภาษณ์เจ้าของแมวโรคหัวใจ):

1. ความเงียบ แมวเป็นสัตว์ที่ซ่อนอาการเก่งมาก กว่าเจ้าของจะรู้ตัวก็เข้าขั้นวิกฤตแล้ว
2. เวลา ไม่มีใครสามารถนั่งเฝ้าแมวได้ตลอด 24 ชั่วโมง
3. ภาระตกอยู่ที่เจ้าของ ต้องนับอัตราการหายใจเอง จดบันทึกใน Excel เอง และการจับ/สัมผัสแมวบ่อย ๆ ยิ่งทำให้แมวเครียดกว่าเดิม

Solution: SafeMeow Collar System

ไม่ใช่แค่ปลอกคอ แต่เป็น “ผู้ช่วยอัจฉริยะ” ที่ติดตามสุขภาพแมวต่อเนื่อง 24 ชั่วโมง ส่งมอบคุณค่าหลัก 3 ข้อ:

1. รู้ไว แจ้งเตือนทันทีผ่านแอปพลิเคชันเมื่อพบสิ่งผิดปกติ พร้อมคำแนะนำการดูแล
2. ใส่ใจ เฝ้าติดตามดูแลต่อเนื่องตลอด 24 ชั่วโมง
3. รักษาตรงจุด เก็บข้อมูลย้อนหลังส่งต่อให้สัตวแพทย์ใช้ประกอบการวินิจฉัย

3. Product Detail

Hardware: ปลอกคอที่ออกแบบโดยคำนึงถึงความปลอดภัยของแมวเป็นหลัก ใช้เซนเซอร์ประเภท Gyroscope Sensor วัดการเคลื่อนไหว/การขยับ (ไม่ใช่วัดชีพจรโดยตรง) แล้วจำแนกลักษณะคลื่นการเคลื่อนไหวด้วยสมการคณิตศาสตร์เบื้องต้น

เหตุผลที่เลือกทำเป็นปลอกคอ (ไม่ใช่เสื้อเกราะหน้าอก): แม้การวัดจากหน้าอกจะให้ข้อมูลตรงกว่า แต่แมวไม่สามารถใส่ชุดครอบหน้าอกได้นาน ๆ ทีมจึงเลือกทำเป็นปลอกคอแทน ซึ่งความแม่นยำไม่ต่างจากวัดที่หน้าอกมากนัก

Application:

• มี AI สรุป Insight สุขภาพแมว
• ฟีเจอร์ออกแบบตาม Feedback จริงของเจ้าของแมว
• ระบบ AI Insight Monitor: เส้นสีเขียว = Baseline ปกติของแมวตัวนั้น, สีเหลือง = ช่วง Warning ต้องเฝ้าระวัง, สีแดง = ช่วงอันตราย
• ติดตามอัตราการฟื้นฟูจาก Activity, การนอนหลับ, ความเครียดของแมว, การดื่มน้ำ
• แจ้งเตือนเรื่องยา (Validate กับสัตวแพทย์แล้วว่าแมวโรคหัวใจมักมีโรคไตร่วมด้วย)
• สรุปสุขภาพย้อนหลัง
• Gimmick เทียบอายุแมวกับอายุคน
• เมื่ออัตราการหายใจผิดปกติ แอปจะแจ้งว่าควรทำอะไร และหากอาการหนักขึ้นจะแจ้งเตือนสีแดง

การเก็บ Baseline: เก็บข้อมูล Baseline 7 วันแรกของแมวแต่ละตัว เพื่อให้ค่าปกติตรงตามลักษณะเฉพาะของแมวตัวนั้น (อัตราการหายใจ/นิสัยต่างกันในแต่ละตัว) ใช้ 2 Condition ร่วมกันคือ Condition จากงานวิจัย + Condition จาก Baseline ที่เก็บเอง

ผลทดสอบ Prototype: นำไปให้แมวจริงลองใส่ แมวไม่สลัดออก เจ้าของแมวยืนยันว่าพร้อมซื้อหากมีสินค้าจริง ด้าน Hardware สามารถแยก Activity ของแมวได้แล้ว แต่การแยกอัตราการหายใจขณะนอนหลับยังทำไม่ได้แม่นยำ (เพราะอุปกรณ์ยังมีขนาดใหญ่ ทำให้แมวสั่น/ขยับ) อย่างไรก็ตามมีงานวิจัยอ้างอิงที่ทดสอบกับคนแล้วได้ผลในระดับที่ยอมรับได้

Validation: สัตวแพทย์ยืนยันว่า หากปลอกคอมีความแม่นยำมากพอ ก็พร้อมแนะนำให้เจ้าของแมวนำไปใช้จริง

Go-to-Market Strategy

เริ่มเจาะตลาดจากกลุ่มเจ้าของแมวที่ป่วยเป็นโรคหัวใจจริง ๆ ก่อน แล้วจึงขยายสู่ตลาดอุปกรณ์สุขภาพแมวทั่วไป โดยคาดการณ์รายได้กว่า 320 ล้านบาทภายใน 3 ปี จากการขายปลอกคอทั้งหมด 50,000 ชิ้น

Revenue Model (2 ส่วนหลัก)

1. ขายปลอกคอ + Hardware แบบ B2B2C ผ่านคลินิก
2. ขายปลอกคอ + Subscription แบบ B2C ผ่านคลินิก

Exit Opportunity

มองเป็น Strategy M&A ร่วมกับเครือโรงพยาบาลสัตว์ชั้นนำของประเทศไทย

แผน 3 ปี

• ปีที่ 1: วิจัยและเก็บข้อมูลร่วมกับคณะสัตวแพทย์ ขายปลอกคอ 500 ชิ้น ควบคู่กับกลุ่มทดลองแรก
• ปีที่ 2: ขยายสู่ตลาดโรงพยาบาลสัตว์ทั่วประเทศ พร้อมโมเดลหารายได้รูปแบบใหม่
• ปีที่ 3 เป็นต้นไป: ขยายสู่ตลาดต่างประเทศ เป้าหมายแรกคือญี่ปุ่น เพราะเป็นประเทศที่มีตลาดแมวมูลค่าสูง

คำถามบางข้อจากกรรมการ

1. ถ้าเป็นปลอกคอ แล้วจะรู้ได้ยังไงว่าเซนเซอร์อยู่ตรงไหน ถ้ามันขยับไปมา ข้อมูลจะเพี้ยนไหม?
   • ทีม SafeMeow ตอบว่า มีการเก็บ Baseline 7 วันของแมวแต่ละตัวก่อน เพื่อให้ข้อมูลตรงตามลักษณะเฉพาะของแมวตัวนั้น (อัตราการหายใจ/นิสัยต่างกัน) โดยใช้ 2 Condition ร่วมกัน คือ Condition จากงานวิจัย และ Condition จาก Baseline ที่เก็บเอง
2. ที่บอกว่ามันสามารถวัดชีพจร/การหายใจของแมวจากคอ หรือวัดจากตรงไหน ถ้าสัตว์มีขนเยอะ วัดที่คอจะได้ข้อมูลเป็นชีพจรไหม
   • ทีม SafeMeow ตอบว่า Sensor เป็น Gyroscope Sensor วัดการขยับหน้าอก แต่การทำเป็นเสื้อเกราะครอบหน้าอกไม่ตอบโจทย์ เพราะแมวใส่ของตรงหน้าอกนาน ๆ ไม่ได้ จึงเลือกทำเป็นปลอกคอแทน ซึ่งความแม่นยำไม่ต่างจากวัดที่หน้าอกมากนัก

Robin

Pain Point

• รัฐบาลเสียงบประมาณจัดการขยะ 20,000 ล้านบาท/ปี แต่เก็บค่ากำจัดขยะจากภาคเอกชน/ประชาชนได้เพียง 2,000 กว่าล้านบาท → ขาดทุนอยู่ราว 10 เท่า
• ผลคือภาระถูกผลักไปยังสถานประกอบการในกทม. โดยค่าธรรมเนียมเพิ่มขึ้นถึง 4 เท่า ซึ่งคิดเป็นเงินหลักแสนถึงหลักล้านบาทต่อสถานประกอบการ

ทำไมการแยกขยะถึงช่วยลดค่าใช้จ่าย

ค่าธรรมเนียมของกทม. คิดตามปริมาณขยะที่ส่งขึ้นรถขยะ ถ้าสถานประกอบการแยก Recycle และขยะพลังงานออกได้มาก ก็จะส่งขยะมูลฝอยลงรถน้อยลง → ค่าธรรมเนียมลดลงตามไปด้วย แม้ลดได้ไม่กี่เปอร์เซ็นต์ก็เป็นเงินจำนวนมากเมื่อฐานค่าธรรมเนียมอยู่ในหลักแสน-ล้าน

วิกฤตสิ่งแวดล้อม

• ลำดับการจัดการขยะที่ดีที่สุดไปแย่ที่สุด: การละ(เลี่ยงสร้างขยะ) → ลด → ใช้ซ้ำ → Recycle → Recovery → ฝังกลบ
• ปัจจุบันไทย “ฝังกลบ” ซึ่งแย่ที่สุด กลับเป็นวิธีหลัก ก่อผลเสีย: สารพิษปนเปื้อนดิน/น้ำ/อากาศ, ก๊าซเรือนกระจก, เสี่ยงไฟไหม้ (ตามข่าวบ่อยๆ), ไมโครพลาสติกย้อนกลับสู่ชีวิตประจำวัน
• ไทยมีสถานที่กำจัดขยะราว 2,000 แห่ง โดย 1,900 แห่ง กำจัดอย่างไม่ถูกวิธี

ต้นตอปัญหา

ปัญหาขยะปนกันเกิด ตั้งแต่ต้นทาง พอผ่านการเก็บขนไปถึงโรงงานปลายทางก็สายเกินจะแยกใหม่ แม้จะมีป้ายแยกประเภทติดไว้ แต่คนจำนวนมากไม่เข้าใจวิธีแยก (มีรายละเอียดเยอะ) หรือไม่สนใจป้ายเลย ทำให้สถานประกอบการหลายแห่งที่ทีมไปคุยมาถอดใจ เลือกส่งขยะรวมทั้งหมดขึ้นรถกทม.ไปเลย

แรงบันดาลใจ

เคสสามย่านมิตรทาวน์: คนเยอะ ขยะเยอะ แต่จัดการได้ดี เพราะมีแม่บ้านยืนสแตนด์บายคัดแยกขยะหน้าถังตลอดเวลา → จุดประกายไอเดีย Robin

Solution: Robin

• วิธีใช้: User ทิ้งขยะลงกล่องรับ → กล้อง + บอร์ดประมวลผล AI จับภาพระบุประเภทขยะ → สั่งกล่องรับเลื่อนไปปล่อยขยะในช่องที่ถูกต้อง (เสมือนมีแม่บ้านคอยบอก)
• มี Dashboard ให้ลูกค้าใช้วิเคราะห์ปริมาณขยะ และดูว่าประหยัดค่าใช้จ่ายไปได้เท่าไหร่
• ไอเดียต่อยอดที่ได้จากตอนไป Market Validation: ถังเวอร์ชันใหม่ที่ฝาจะเปิดอยู่ตลอด แต่จะ อนุญาตให้ทิ้งขยะได้ก็ต่อเมื่อทิ้งถูกประเภทเท่านั้น

เทียบ Flow เก่า vs ใหม่

• เก่า: ทิ้งผิดประเภท → ต้องมาแยกหลังบ้าน (ยาก/ซับซ้อน/cost สูง) → Recycle ได้น้อย → ส่วนใหญ่จบที่หลุมฝังกลบ
• ใหม่: ทิ้งลงถัง Robin → แยกถูกต้องตั้งแต่แรก → Treatment ตามประเภทขยะอย่างเหมาะสม → มูลค่ากลับคืนสู่ Circular Economy
  • อาศัย First-mover advantage ทำก่อนจะมี Data มากกว่าคู่แข่ง ได้เปรียบกว่า ส่วนฮาร์ดแวร์จะจดสิทธิบัตร (Patent)

Market Validation

• คุยกับสถานประกอบการมาแล้ว 8+ แห่ง
• Pilot ที่ใช้งานจริงแล้ว 1 แห่ง ที่วิศวะจุฬาฯ + มี Pilot Agreement เพิ่มอีก 3 แห่ง
• กลุ่มที่สัมภาษณ์ครอบคลุมหลาย Segment เช่น สนามบิน, มหาวิทยาลัย, โรงเรียน, โรงพยาบาล (รายละเอียดจำนวนที่แน่ชัดของแต่ละกลุ่มในบทถอดเสียงไม่ชัดเจน/สับสน จึงขอไม่ระบุตัวเลขที่แน่นอนเพื่อความถูกต้อง)
• 3 องค์กรแรกที่คุยด้วยค่อนข้างสนใจ Solution มาก และมี Use Case ที่ดี 2 กลุ่มแรกโดนผลกระทบเรื่องค่าธรรมเนียมโดยตรง ส่วนกลุ่ม Hospital สนใจเป็นพิเศษ เพราะแบกรับต้นทุนค่าธรรมเนียมขยะสูงมาก

ขนาดตลาดและโมเดลรายได้

• ตลาด Smart Bin โลก: 6 แสนล้านบาท เติบโต 6% ต่อปี
• ตลาดไทย: 9 หมื่นล้านบาท
• โฟกัสกลุ่ม University + สนามบิน ในกทม. คำนวณจากจำนวนตึกเป้าหมาย x Average Contract Value ได้มูลค่าตลาดโฟกัสประมาณ 400 ล้านบาท และทีมคาดหวังรายได้ที่จะได้จริงประมาณ 40 ล้านบาท
• Revenue Model:
  • 1. ขายฮาร์ดแวร์
  • 2. ค่า Subscription
  • 3. ค่า Maintenance แบ่งเป็น Preventive และ Corrective
  • 4. บริการขนส่งขยะ ผ่านพาร์ตเนอร์ (ทีมไม่ได้ทำเอง)
• ตัวสินค้า: ถัง 1 ยูนิต มีให้เลือก 3 แบบ (2 ช่อง สำหรับที่ขยะไม่เยอะ / 3 ช่อง สำหรับที่ขยะเยอะ) จากผลวิจัยพบว่าส่วนใหญ่ต้องการแบบ 3 ช่อง
• มีการตั้งราคาขายฮาร์ดแวร์ไว้ (ตัวเลขราคาปรากฏบนสไลด์ แต่ไม่ได้พูดระบุตัวเลขในบทถอดเสียง)

คำถามบางข้อจากกรรมการ

1. ตัวเลขบน Dashboard (หน่วยบาท) เป็นตัวเลข Actual จริงหรือไม่?
   • ทีม Robin ตอบว่า เป็นตัวเลขประมาณการ ที่คาดการณ์จากข้อมูลจริงที่เก็บมา ยังไม่ใช่ Actual 100%
2. เทคโนโลยีเป็น Hardware + Software ล้วน มั่นใจได้ยังไงว่าจะไม่ถูก Copy?
   • ทีม Robin ตอบว่า อาศัย First-mover advantage ทำก่อน มี Data มากกว่า ได้เปรียบกว่า ส่วนฮาร์ดแวร์จะจด Patent
3. Journey ขยะจากห้างไปยังพื้นที่จัดการขยะ ทีมจัดการเองหรือไม่?
   • ทีม Robin ตอบว่า ไม่ได้ทำเอง เป็นส่วนที่ให้ พาร์ตเนอร์ หรือ ทางห้าง เป็นผู้จัดการ

คำถามที่พบบ่อย (FAQ)

Q: ทั้ง 3 ทีมเป็นใคร

A: นักศึกษาที่ผ่านการพัฒนาโครงการมาแล้วหลายเดือนก่อนขึ้นพิชกับกรรมการตัวจริงในงาน AI-Preneur Day 2026 ครั้งที่ 1

Q: มี Prototype จริงหรือแค่ไอเดียบนกระดาษ

A: มีของจริง ทั้ง SafeMeow ที่ทดลองสวมกับแมวจริง และ Robin ที่มี Pilot ใช้งานอยู่ที่วิศวะจุฬาฯ

Q: ทีมไหนน่าจับตามองที่สุด

A: แต่ละทีมแข็งแรงคนละด้าน Laya.ai แน่นเรื่องโมเดลรายได้ SafeMeow แน่นเรื่อง Pain Point ที่ชัดเจน ส่วน Robin มีขนาดตลาดใหญ่ที่สุด

Q: ขั้นต่อไปของแต่ละทีมคืออะไร

A: ทุกทีมอยู่ในช่วง Pilot และ Roll Out ก่อนขยายตลาดตามแผน 3-5 ปีที่วางไว้

ถ้าคุณสนใจข่าวสารนี้ ให้ Add Line OA เพิ่ม: https://lin.ee/ulsmCKk

Source:

จากงาน AI Preneur Day 2026