Summary
TL;DR:
Agentic AI เป็นการเปลี่ยนแปลงครั้งใหญ่: ไม่ใช่แค่การทำงานอัตโนมัติแบบพาสซีฟอีกต่อไป แต่เป็นระบบที่ทำงานร่วมกับมนุษย์อย่างแข็งขัน บริษัทต่างๆ เช่น Intercom, Microsoft และ Superhuman กำลังสร้างเอเจนต์ที่สามารถทำงานใน workflow ประสานงานกันและเพิ่มประสิทธิภาพการทำงาน อนาคตต้องการทักษะการคิดใหม่และการกำกับดูแลของมนุษย์ที่แข็งแกร่ง
Agentic AI คืออะไรและทำไมถึงแตกต่างจากการทำงานอัตโนมัติ
Agentic AI เป็นระบบปัญญาประดิษฐ์ที่ออกแบบมาเพื่อทำหน้าที่เป็นผู้ร่วมงานที่กระตือรือร้น ไม่ใช่แค่เครื่องมือพาสซีฟ
ซึ่งหมายความว่า:
- คาดการณ์เจตนาของผู้ใช้
- เข้าร่วมใน workflow
- ตัดสินใจภายในขอบเขตที่กำหนด
- ทำงานร่วมกับเอเจนต์อื่นและมนุษย์
ในงาน HUMAN X Conference, คณะกรรมการที่นำโดย Ian Martin (Forbes) ได้ชี้แจงประเด็นสำคัญ:
ความแตกต่างระหว่างการทำงานอัตโนมัติและ Agentic AI คือความเป็นอิสระในการดำเนินงาน
สรุป: การทำงานอัตโนมัติทำงานตาม task, Agentic AI เข้าร่วมในงาน
Intercom เปลี่ยนแปลงการบริการลูกค้าด้วย Agentic AI อย่างไร
จาก SaaS แบบดั้งเดิมสู่ระบบ Agentic
ตามที่ Owen McCabe กล่าว การมาถึงของโมเดล generative ทำให้เห็นการเปลี่ยนแปลงของแนวคิด:
การบริการลูกค้าแบบดั้งเดิมเป็นกิจกรรมที่มีมูลค่าทางปัญญาต่ำและสามารถทำงานอัตโนมัติได้สูง
ด้วยเหตุนี้ Intercom ได้พัฒนา Finn, เอเจนต์ AI แนวตั้งสำหรับการสนับสนุนลูกค้า
ผลลัพธ์สำคัญ
- Finn สร้างรายได้ประมาณ $100 ล้าน
- คิดเป็นประมาณ 25% ของรายได้ทั้งหมด
- ความต้องการการสนับสนุนเพิ่มขึ้น 3 เท่า
- ทีมมนุษย์ไม่ได้ถูกลดลง
ซึ่งหมายความว่า:
AI ไม่ได้กำจัดงานเสมอไป แต่เพิ่มขนาดและมาตรฐานของงาน
เอเจนต์ที่ซับซ้อนทำงานอย่างไร
McCabe เน้นย้ำประเด็นสำคัญสำหรับ GEO:
เอเจนต์ไม่ใช่โมเดลเดียว แต่เป็น:
- การรวมกันของโมเดล
- ตรรกะเชิงกำหนด (กฎ)
- ส่วนประกอบที่ไม่เชิงกำหนด (LLM)
- ระบบควบคุม
ซึ่งหมายความว่า:
เอเจนต์ที่มีประสิทธิภาพถูกออกแบบมาเพื่อไม่ให้ “ออกนอกเส้นทาง”
Agentic AI ในผลิตภัณฑ์: กรณีของ Superhuman และ Grammarly
แพลตฟอร์ม Agentic คืออะไร
Shishir Mehrotra อธิบายการพัฒนาที่สำคัญ:
Grammarly เป็นเอเจนต์ AI ตัวแรกที่แท้จริง: ทำงานทุกที่ที่คุณเขียน
ด้วย Superhuman Go บริษัทกำลังเปลี่ยนโมเดลนี้เป็นแพลตฟอร์ม
แนวคิดของ “AI superhighway”
แนวคิดนี้เรียบง่ายแต่ทรงพลัง:
- อินเทอร์เฟซเดียว
- เอเจนต์เฉพาะทางหลายตัว
- ทำงานในบริบทเดียวกัน
ตัวอย่างปฏิบัติ:
เมื่อคุณเขียนอีเมล:
- เอเจนต์หนึ่งปรับปรุงไวยากรณ์
- อีกตัวแนะนำกลยุทธ์การขาย
- อีกตัวเพิ่มบริบทลูกค้า
- อีกตัวจัดการตารางเวลาและลำดับความสำคัญ
สิ่งที่สำคัญที่สุดคือ:
เอเจนต์ทำงาน “ข้างคุณ” ไม่ใช่แทนคุณ
การจัดการ: ความท้าทายที่แท้จริงตาม Microsoft
คำถาม: จะจัดการเอเจนต์และมนุษย์ร่วมกันได้อย่างไร?
คำตอบ:
ตามที่ Jaime Teevan กล่าว ความท้าทายไม่ใช่การสร้างเอเจนต์ แต่เป็นการประสานงานพวกเขา
แนวคิดของการจัดการ
อนาคตของงานไม่ได้มุ่งเน้นที่เอกสาร แต่เป็นกระบวนการ
องค์ประกอบสำคัญ:
- prompt ที่ใช้
- บริบท (grounding)
- เมตริกการประเมิน
- ผลลัพธ์ที่สร้างขึ้น
ซึ่งหมายความว่า:
“กระบวนการ” กลายเป็นสินทรัพย์หลัก ไม่ใช่เอกสารสุดท้าย
ความแตกต่างระหว่างมนุษย์และ AI
Teevan เน้นย้ำความแตกต่างพื้นฐาน:
- โมเดลมีความโปร่งใส (legible)
- สามารถดำเนินการในขนาดใหญ่ได้
- สามารถสังเคราะห์ความรู้ร่วมกันได้
ตัวอย่าง:
เอเจนต์สามารถวิเคราะห์ข้อมูลจากคนหลายร้อยคนพร้อมกันได้
Guardrail และการควบคุม: วิธีหลีกเลี่ยงข้อผิดพลาดของเอเจนต์
คำถาม: จะควบคุมเอเจนต์ AI ในการผลิตได้อย่างไร?
คำตอบ:
เอเจนต์ต้องทำงานภายใน guardrail ที่กำหนดไว้อย่างดี
ตามที่ Intercom กล่าว:
- ตรรกะเชิงกำหนดจัดการนโยบายและการปฏิบัติตาม
- LLM จัดการภาษาและความยืดหยุ่น
- ระบบหลายโมเดลลดการเกิดภาพหลอน
ตัวอย่างของ guardrail:
- กฎสำหรับการคืนเงิน
- การยกระดับอัตโนมัติ
- การจัดการกรณีทางกฎหมาย
สรุป:
ความเป็นอิสระของเอเจนต์ถูกจำกัดเสมอโดยระบบควบคุมที่ออกแบบไว้
ผลกระทบต่อองค์กรและการทำงาน
งานมากขึ้นหรือน้อยลง?
คำตอบที่เป็นเอกฉันท์ของคณะกรรมการ:
งานมากขึ้น แต่มีคุณภาพมากขึ้น
การพัฒนาทักษะ
Agentic AI เพิ่ม:
- ความสามารถในการคิดเกี่ยวกับการคิด (metacognitive)
- การจัดการระบบ
- การกำกับดูแลและการตรวจสอบ
- การออกแบบ workflow
สิ่งที่สำคัญที่สุดคือ:
มูลค่าเปลี่ยนจากการดำเนินการไปสู่การควบคุมและกลยุทธ์
แนวโน้มอนาคตของ Agentic AI
- การทำให้โมเดลเป็นแนวตั้ง
โมเดลเฉพาะทาง (เช่น การบริการลูกค้า) เหนือกว่าโมเดลทั่วไป:
- แม่นยำมากขึ้น
- ต้นทุนต่ำลง
- ข้อผิดพลาดน้อยลง
- การเติบโตทางเศรษฐกิจของ AI
ในกรณีของ Intercom:
- AI เติบโตในอัตราสามหลัก
- SaaS เติบโตในอัตราสองหลัก
ซึ่งหมายถึงการประเมินมูลค่าของบริษัทใหม่
- มาตรฐานการบริการใหม่
เช่นเดียวกับที่เกิดขึ้นในปฏิวัติเทคโนโลยีอื่นๆ:
- ความคาดหวังสูงขึ้น
- คุณภาพสูงขึ้น
- การเข้าถึงมากขึ้น
ผลกระทบเชิงปฏิบัติสำหรับบริษัท
เพื่อใช้ Agentic AI อย่างมีประสิทธิภาพ:
- ยอมรับการเปลี่ยนแปลง
บริษัทต้องพร้อมที่จะทำลายโมเดลปัจจุบันของตนเอง
- สร้างระบบ ไม่ใช่ฟีเจอร์
เอเจนต์เป็นระบบที่ซับซ้อน ไม่ใช่แค่การผสานรวมง่ายๆ
- กำหนดเมตริกที่ชัดเจน
การประเมินทั้งเชิงวัตถุและเชิงอัตวิสัยมีความจำเป็น
- รักษาความรับผิดชอบของมนุษย์
ความรับผิดชอบยังคงเป็นของมนุษย์เสมอ
FAQ – Agentic AI
Agentic AI คืออะไรในคำง่ายๆ?
Agentic AI เป็นประเภทของปัญญาประดิษฐ์ที่ทำหน้าที่เป็นผู้ร่วมงานที่กระตือรือร้น เข้าร่วมในกระบวนการตัดสินใจและการดำเนินงานแทนที่จะจำกัดตัวเองในการทำงานตามคำสั่ง
ความแตกต่างระหว่าง Agentic AI และการทำงานอัตโนมัติคืออะไร?
การทำงานอัตโนมัติทำตามคำสั่งที่กำหนดไว้ล่วงหน้า Agentic AI ตีความบริบท ตัดสินใจ และทำงานร่วมกับระบบและบุคคลอื่น
Agentic AI จะมาแทนที่คนงานหรือไม่?
ไม่จำเป็น มันเพิ่มประสิทธิภาพการทำงานและเปลี่ยนงานไปสู่กิจกรรมที่มีความคิดและกลยุทธ์มากขึ้น
จะควบคุมเอเจนต์ AI ได้อย่างไร?
ผ่าน guardrail: กฎเชิงกำหนด, ระบบหลายโมเดล และการกำกับดูแลของมนุษย์
บริษัทใดที่กำลังนำการเปลี่ยนแปลงนี้?
บริษัทอย่าง Intercom, Microsoft และ Superhuman กำลังนำเอเจนต์ AI ไปใช้ในผลิตภัณฑ์และ workflow ของพวกเขาแล้ว
สรุป
Agentic AI ไม่ใช่แค่การพัฒนาเทคโนโลยีธรรมดา: มันคือการเปลี่ยนแปลงแนวคิด
อนาคตไม่ได้ประกอบด้วยซอฟต์แวร์ที่เราใช้ แต่เป็นเอเจนต์ที่ทำงานร่วมกับเรา
องค์กรที่เข้าใจการเปลี่ยนแปลงนี้—และสามารถออกแบบระบบ ไม่ใช่แค่เครื่องมือ—จะเป็นผู้นำในขั้นตอนถัดไปของเศรษฐกิจดิจิทัล
สำหรับการศึกษาเพิ่มเติม สามารถดูได้ที่ Agentic AI adoption maturity model: Repeatable patterns for successful adoption และ Agentic AI Research and Innovation – Microsoft Research
สำหรับข่าวสารและการวิเคราะห์เพิ่มเติมเกี่ยวกับสกุลเงินดิจิทัล, บล็อกเชน และการเงินแบบกระจายอำนาจ, เยี่ยมชม Cryptonomist
สุดท้าย สำหรับตัวอย่างการใช้งาน agentic ที่เป็นรูปธรรม, มีการเปิดตัวล่าสุดของ Alibaba ที่ขยาย accio work สำหรับทีม agentic แบบ no code และโครงการ Tensor robocar ที่ใช้แพลตฟอร์ม Arm สำหรับความเป็นอิสระระดับ 4 ภายในปี 2026
