ผู้นำทางความคิด
เหตุใดโครงการ AI แบบเอเจนต์จึงถูกยกเลิก และสิ่งที่โครงการนำร่องแปดสัปดาห์ทำได้ถูกต้อง
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญMost agentic AI risk sits in the business processes the agent inherits rather than in…
ดูเพิ่มเติม
- Most agentic AI risk sits in the business processes the agent inherits rather than in the model itself.
- Value hinges on cost per completed task once human oversight is counted not on raw agent speed.
- An eight-week pilot should end in a scale fix or stop decision grounded in baseline evidence.
ลูกค้าขอคืนเงิน แล้วเอเจนต์ก็ค้นหารายการสั่งซื้อใน CRM ตรวจสอบนโยบายการคืนสินค้า และร่างคำตอบได้ภายในเวลาไม่ถึงหนึ่งนาที จากนั้นงานก็หยุดชะงัก เพราะระบบการเงินที่ใช้อนุมัติการคืนเงินไม่ได้เชื่อมต่อกับเอเจนต์ และที่อยู่ของลูกค้าก็ไม่ตรงกันระหว่างฐานข้อมูลสองแห่ง ช่องโหว่ลักษณะนี้แทบไม่ปรากฏให้เห็นในการสาธิต แต่กลับเป็นตัวกำหนดว่าการใช้งานเอเจนต์มีค่าใช้จ่ายเท่าใด และใครจะไว้วางใจได้หรือไม่ นั่นหมายความว่าความเสี่ยงใหญ่กว่าในการนำ AI แบบเอเจนต์มาใช้ในธุรกิจอยู่ที่ตัวธุรกิจที่นำเอเจนต์เข้าไปใช้งาน ไม่ใช่ตัวโมเดล
Gartner คาดการณ์ว่า โครงการ AI แบบเอเจนต์มากกว่า 40% จะถูกยกเลิกภายในสิ้นปี 2027 โดยชี้ถึงต้นทุนที่สูงขึ้น มูลค่าทางธุรกิจที่ไม่ชัดเจน และการควบคุมความเสี่ยงที่อ่อนแอ หากอ่านอย่างละเอียด การคาดการณ์นี้กล่าวถึงวิธีอนุมัติโครงการโดยอาศัยการสาธิตเป็นหลัก ทั้งที่แทบไม่มีข้อมูลว่าปัจจุบันงานดังกล่าวมีต้นทุนเท่าใด หรือใครเป็นผู้รับผิดชอบผลลัพธ์
คำถามที่ฉันจะถามทีมผู้บริหารทุกทีมคือ ธุรกิจสามารถรองรับให้เอเจนต์นี้ทำงานทุกวัน โดยมีต้นทุนและระดับความเสี่ยงที่ยอมรับได้หรือไม่ การตอบคำถามนี้ต้องพิจารณาอย่างจริงจังถึงสิ่งที่ฉันเรียกว่า “งานหลังระบบอัตโนมัติ” ซึ่งหมายถึงทุกสิ่งที่ผู้คนยังต้องทำหลังจากเอเจนต์ทำส่วนของตนเสร็จแล้ว และโครงการนำร่องแปดสัปดาห์ก็เป็นวิธีที่ใช้ได้จริงในการวัดเรื่องนี้ก่อนตัดสินใจเปิดใช้งานเต็มรูปแบบ
ปัญหาที่เอเจนต์รับช่วงต่อจากองค์กร
เอเจนต์แทบไม่เคยทำงานโดยลำพัง เพราะแม้งานที่ดูเรียบง่ายก็ต้องอาศัยข้อมูลลูกค้า แอปพลิเคชันทางธุรกิจสองสามระบบ และมักมีขั้นตอนอนุมัติด้วย การเชื่อมต่อแต่ละจุดล้วนจำกัดสิ่งที่เอเจนต์มองเห็นและทำได้ หากข้อมูลไม่สอดคล้องกัน หรือไม่มีใครแน่ใจว่าใครเป็นผู้อนุมัติ เอเจนต์ก็ย่อมรับช่วงความสับสนเหล่านั้นมาพร้อมกับงาน
กรณีทั่วไปแทบไม่ใช่ปัญหา แต่กรณียกเว้นต่างหากที่เป็นปัญหา เพราะเป็นจุดที่ต้นทุนการดำเนินงานพอกพูนขึ้น และเป็นส่วนที่การสาธิตตั้งใจหลีกเลี่ยงโดยเฉพาะ งานวิจัยปี 2026 ของ Deloitte พบว่ามีองค์กรเพียง 5% ที่ประเมินว่ากระบวนการทางธุรกิจของตนพร้อมอย่างมากสำหรับเอเจนต์ AI ตัวเลขนี้บอกอะไรได้มากกว่าผลการทดสอบมาตรฐานของโมเดลใด ๆ เพราะชี้ว่า AI พร้อมใช้งานก่อนที่กระบวนการส่วนใหญ่จะพร้อมเสียอีก
การประเมินความคุ้มค่าทางธุรกิจต้องนับรวมงานที่ยังเหลือหลังระบบอัตโนมัติ
การจับเวลาว่าเอเจนต์สร้างผลลัพธ์ได้เร็วเพียงใดเป็นวิธีที่ง่ายที่สุดที่จะทำให้ประเมินคุณค่าของมันสูงเกินจริง เพราะตัวเลขที่สำคัญคือปริมาณแรงงานที่ต้องใช้จนงานเสร็จสมบูรณ์ สมมติว่าพนักงานใช้เวลา 20 นาทีดำเนินการตามคำขอ และเอเจนต์ลดเวลาทำร่างแรกเหลือสองนาที ซึ่งดูเหมือนช่วยประหยัดเวลาได้ 18 นาที จนกระทั่งมีคนใช้เวลา 15 นาทีตรวจสอบผลลัพธ์และแก้ข้อผิดพลาด เมื่อหักต้นทุนการทำงานของเอเจนต์ออกจากผลประหยัดแล้ว การประหยัดเวลาได้สามนาทีก็ให้ผลตอบแทนเพียงน้อยนิด
การวิเคราะห์เอเจนต์บริการลูกค้าของธนาคารโดย McKinsey แสดงรูปแบบเดียวกันในระดับใหญ่ โดยโทเคนคิดเป็น 20–25% ของต้นทุนดำเนินงานผันแปร และการกำกับดูแลโดยมนุษย์คิดเป็น 70–75% ดังนั้นค่าใช้จ่ายส่วนใหญ่จึงเกิดขึ้นนอกตัวโมเดล หากไม่มีค่าฐานก่อนเริ่มเขียนโค้ด โครงการนำร่องก็อาจแสดงความคืบหน้าทางเทคนิคได้มาก แต่ยังไม่ได้ทดสอบความคุ้มค่าของการลงทุน อย่างน้อยที่สุด เจ้าของธุรกิจต้องตอบคำถามต่อไปนี้ได้อย่างชัดเจน:
- ปริมาณงาน: กระบวนการนี้เกิดขึ้นบ่อยเพียงใด และมีคนเข้ามาเกี่ยวข้องกี่คน
- เวลาทำงานให้เสร็จ: งานทั้งหมดใช้เวลานานเท่าใด โดยรวมเวลาตรวจสอบและแก้ไขแล้ว
- ความแม่นยำ: งานผิดพลาดหรือต้องทำใหม่บ่อยเพียงใด
- ต้นทุนต่องาน: ปัจจุบันงานที่ทำเสร็จสมบูรณ์หนึ่งงานมีค่าใช้จ่ายเท่าใด
- ผลกระทบทางธุรกิจ: การปรับปรุงที่เกิดขึ้นจริงจะเปลี่ยนแปลงสิ่งใดบ้างสำหรับลูกค้า พนักงาน หรือธุรกิจ
เอเจนต์ต้องพิสูจน์ว่าตนเหมาะกับขั้นตอนการทำงาน
โดยทั่วไป การยอมรับการใช้งานมักถูกจัดอยู่ในหมวดการบริหารการเปลี่ยนแปลง แต่จากประสบการณ์ของฉัน เรื่องนี้ตัดสินกันตั้งแต่เนิ่น ๆ กว่านั้น โดยขึ้นอยู่กับว่าเอเจนต์อยู่ตรงไหนในขั้นตอนการทำงาน บริษัทผู้ให้บริการระดับมืออาชีพที่ดำเนินงานทั่วโลกแห่งหนึ่งสร้างเอเจนต์สำหรับงานสนับสนุนและงานกำกับดูแลการปฏิบัติตามข้อกำหนด โดยเอเจนต์สนับสนุนสามารถดึงข้อมูลจากระบบภายในหลายระบบได้ แต่พนักงานต้องเปิดแอปพลิเคชันแยกต่างหากเพื่อใช้งาน จึงแทบไม่มีใครใช้ เมื่อย้ายขั้นตอนการทำงานเดิมเข้าไปไว้ในแพลตฟอร์มสนับสนุนที่ใช้อยู่แล้ว เอเจนต์ก็ปรากฏอยู่ในตั๋วงานที่พนักงานกำลังดำเนินการอยู่ ส่วนเอเจนต์คัดกรองการปฏิบัติตามข้อกำหนดก็ได้รับการติดตั้งไว้ใน Salesforce เช่นกัน เพื่อให้ทำงานทุกครั้งที่มีการสร้างกรณีใหม่
ตัวเอเจนต์เองไม่ได้เปลี่ยนไป สิ่งที่เปลี่ยนคือจุดที่เอเจนต์อยู่ในขั้นตอนการทำงาน พนักงานมีเหตุผลที่ต้องเปิดตั๋วงานหรือสร้างกรณีใหม่อยู่แล้ว การนำเอเจนต์ไปไว้ตรงจุดที่พวกเขาทำงานจึงไม่ได้เพิ่มภาระใด ๆ การจัดวางเอเจนต์จึงเป็นทั้งการตัดสินใจด้านสถาปัตยกรรมและด้านการยอมรับใช้งาน เพราะเอเจนต์ต้องมีบริบท ณ จุดที่งานเกิดขึ้น และผลลัพธ์ต้องส่งต่อไปยังขั้นตอนถัดไปได้โดยไม่ต้องให้ใครคัดลอกไปวางด้วยตนเอง
ระดับความเป็นอิสระเปลี่ยนโจทย์ด้านความปลอดภัย
เอเจนต์ที่ทำได้เพียงอ่านข้อมูลย่อมมีความเสี่ยงแบบหนึ่ง ส่วนเอเจนต์ที่แก้ไขข้อมูลหรือติดต่อลูกค้าทางอีเมลได้ก็มีความเสี่ยงอีกแบบโดยสิ้นเชิง ดังนั้นมาตรการควบคุมจึงต้องสอดคล้องกับสิ่งที่เอเจนต์ได้รับอนุญาตให้ทำจริง การให้สิทธิ์มากเกินไปและการรั่วไหลของข้อมูลอ่อนไหวเป็นความเสี่ยงที่คุ้นเคยกันดี แต่ควรให้ความสำคัญกับการแทรกคำสั่งผ่านพรอมป์ต์เป็นพิเศษ ซึ่งหมายถึงคำสั่งที่ซ่อนอยู่ในเอกสารหรืออีเมลที่เอเจนต์พบระหว่างทำงานที่ได้รับมอบหมายอย่างถูกต้องตามปกติ
แนวทางของ Gartner ในเดือนพฤษภาคม 2026 ว่าด้วยการกำกับดูแลเอเจนต์แบ่งระดับความเป็นอิสระออกเป็น 4 ระดับ ซึ่งเป็นแนวทางที่ใช้ได้จริงในการตัดสินใจว่าควรกำหนดมาตรการควบคุมให้เข้มงวดเพียงใด:
- สังเกต: เอเจนต์ดึงข้อมูลและตรวจจับรูปแบบ โดยมีสิทธิ์เข้าถึงแบบอ่านอย่างเดียว
- ให้คำแนะนำ: เอเจนต์เสนอแนวทางดำเนินการ แล้วพนักงานเป็นผู้ตัดสินใจ
- ดำเนินการเมื่อได้รับอนุมัติ: เอเจนต์เตรียมหรือเริ่มดำเนินการ แต่ต้องให้บุคคลอนุมัติก่อนจึงจะดำเนินการได้
- ดำเนินการโดยอัตโนมัติ: เอเจนต์ดำเนินการตามที่ได้รับอนุมัติได้เองภายในขอบเขตที่กำหนด พร้อมมีการติดตามตรวจสอบและส่งต่อกรณียกเว้น
ไม่ว่าจะอยู่ในระดับใด เอเจนต์ต้องมีข้อมูลระบุตัวตนของตนเอง ได้รับสิทธิ์เท่าที่จำเป็นต่อภารกิจ และมีบันทึกการดำเนินการทุกอย่าง องค์กรยังต้องกำหนดกฎเกณฑ์เกี่ยวกับวิธีจัดการและเก็บรักษาข้อมูล ทำให้ชัดเจนว่าข้อมูลใดถูกส่งไปยังผู้ให้บริการโมเดลภายนอก และมอบอำนาจให้บุคคลคนหนึ่งสั่งหยุดเอเจนต์และเพิกถอนสิทธิ์เข้าถึงได้ทันทีเมื่อพบสิ่งผิดปกติ
มาตรการควบคุมแต่ละอย่างมีต้นทุนต่อเนื่อง เพราะการให้สิทธิ์ที่กว้างขึ้น การติดตามตรวจสอบเพิ่มเติม และการขออนุมัติบ่อยครั้ง ล้วนทำให้ค่าใช้จ่ายสะสมเพิ่มขึ้นเมื่อเวลาผ่านไป ดังนั้น การกำหนดระดับความเป็นอิสระที่เหมาะสมจึงเป็นการตัดสินใจด้านเศรษฐศาสตร์ควบคู่ไปกับเรื่องความปลอดภัย โดยควรเลือกจุดที่เอเจนต์ให้ผลลัพธ์คุ้มค่า ภายใต้ความเสี่ยงที่ธุรกิจยอมรับได้
เลือกกระบวนการที่คุ้มค่าพอจะใช้เอเจนต์
หลายทีมเริ่มจากเทคโนโลยีแล้วค่อยออกไปหาปัญหามาแก้ ทั้งที่จุดเริ่มต้นที่ดีกว่าคือกระบวนการซึ่งผู้ปฏิบัติงานเห็นชัดอยู่แล้วว่ามีต้นทุนสูงหรือล่าช้า
บริษัทเครือข่ายผู้เชี่ยวชาญระดับโลกแห่งหนึ่งที่เราร่วมงานด้วยมีปัญหาตรงตามลักษณะดังกล่าว ทีมงานต้องจับคู่คำขอทำแบบสำรวจกับผู้เชี่ยวชาญ โดยใช้ระบบ 3 ระบบที่ไม่เชื่อมต่อกัน และตรวจสอบประวัติ โปรไฟล์ การเข้าร่วมในอดีต และการปฏิบัติตามข้อกำหนดด้วยตนเองสำหรับการจับคู่ทุกรายการ เราสร้างเอเจนต์ที่ผสานการค้นหาเชิงความหมายเข้ากับประวัติการเข้าร่วมและกฎการปฏิบัติตามข้อกำหนด เมื่อนำไปใช้งานจริง จำนวนใบแจ้งปัญหาการจับคู่ไม่ตรงกันลดลง 80% ความแม่นยำในการจับคู่เพิ่มขึ้น 40% และทีมมีเวลาทำงานเพิ่มขึ้น 22%
โครงการนี้ได้ผลเพราะกำหนดปัญหาไว้ชัดเจน ทั้งข้อมูลที่กระจัดกระจาย การรวบรวมข้อมูลด้วยตนเอง และคุณภาพการจับคู่ที่วัดผลได้ทั้งก่อนและหลัง ความชัดเจนยังช่วยให้ตอบได้ด้วยว่ากระบวนการนั้นจำเป็นต้องใช้เอเจนต์หรือไม่ งานที่มีกฎตายตัวมักจัดการได้ถูกกว่าด้วยระบบอัตโนมัติแบบเดิม ส่วนงานที่เน้นค้นหาและสรุปข้อมูลเป็นหลักมักเหมาะกับผู้ช่วย AI ขณะที่เอเจนต์คุ้มกับต้นทุนและความเสี่ยงที่เพิ่มขึ้นเมื่องานต้องอ่านบริบท เลือกจากการดำเนินการที่ได้รับอนุญาต และเชื่อมโยงหลายขั้นตอนเข้าด้วยกันเพื่อให้ได้ผลลัพธ์
โครงการนำร่อง 8 สัปดาห์ พร้อมจุดตัดสินใจที่ชัดเจน
โครงการนำร่องทั้งหมดขึ้นอยู่กับคำถามทางธุรกิจเพียงข้อเดียว: เอเจนต์นี้ช่วยปรับปรุงกระบวนการได้มากพอที่จะคุ้มกับการนำไปใช้งานในวงกว้างหรือไม่ ระยะเวลา 8 สัปดาห์มีเวลามากพอสำหรับทดสอบทั้งความคุ้มค่าทางธุรกิจ เทคโนโลยี และความสามารถขององค์กรในการจัดการสิ่งที่ตนสร้างขึ้น
สัปดาห์ที่ 1–2: กำหนดสิ่งที่ต้องปรับปรุง
เริ่มจากบันทึกกระบวนการตามที่ดำเนินอยู่ในปัจจุบัน ตั้งแต่ปริมาณงานและเวลาที่ใช้จนเสร็จ ไปจนถึงอัตราข้อผิดพลาด งานที่ต้องทำซ้ำ และต้นทุน ระบุว่ามีระบบใดเกี่ยวข้อง ใครรับผิดชอบแต่ละขั้นตอน และกรณียกเว้นใดที่ต้องให้มนุษย์จัดการ จากนั้นให้เจ้าของงานฝั่งธุรกิจและทีมเทคนิคตกลงร่วมกันว่าเอเจนต์ควรปรับปรุงผลลัพธ์ใดเพียงหนึ่งอย่าง จุดตัดสินใจ: ดำเนินการต่อเมื่อระบุปัญหา ค่าฐาน ผู้รับผิดชอบ และตัวชี้วัดความสำเร็จได้ชัดเจนแล้ว
สัปดาห์ที่ 3: กำหนดขอบเขตของเอเจนต์
ขั้นตอนนี้เป็นการกำหนดขีดจำกัดของเอเจนต์ ทั้งข้อมูลระบุตัวตน สิทธิ์ การเข้าถึงข้อมูล เครื่องมือที่อนุมัติให้ใช้ และระดับความเป็นอิสระ ทดสอบเอเจนต์กับการโจมตีแบบแทรกพรอมป์ต การเข้าถึงโดยไม่ได้รับอนุญาต การเปิดเผยข้อมูลอ่อนไหว และการใช้เครื่องมือในทางที่ผิด พร้อมจัดให้มีระบบบันทึกเหตุการณ์และการรับมือเมื่อเกิดเหตุ รวมถึงวิธีระงับเอเจนต์หรือเพิกถอนสิทธิ์เข้าถึง จุดตัดสินใจ: ดำเนินการต่อเมื่อได้ทดสอบมาตรการควบคุมและขั้นตอนแทรกแซงจริงแล้ว และทุกคนเข้าใจว่าเอเจนต์ได้รับอนุญาตให้ทำอะไรได้บ้าง
สัปดาห์ที่ 4–6: ทดสอบสถานการณ์ที่ทำให้การสาธิตล้มเหลว
จากนั้นให้เอเจนต์ทำงานในสถานการณ์สมจริง ทั้งระเบียนที่มีข้อมูลไม่ครบ ข้อมูลที่ขัดแย้งกัน คำขอแปลก ๆ และระบบที่ขัดข้องเป็นครั้งคราว ติดตามจำนวนงานที่ทำสำเร็จ ความแม่นยำ และปริมาณงานแก้ไขที่คนต้องทำ แล้วคำนวณต้นทุนจริงต่อภารกิจที่ทำสำเร็จ โดยนับรวมค่าใช้โมเดล การเชื่อมต่อระบบ การติดตามตรวจสอบ และการทบทวนทั้งหมด จุดตัดสินใจ: เริ่มทดสอบกับการใช้งานจริงเมื่อเอเจนต์ทำได้ตามเกณฑ์ที่ตกลงกันไว้ และทีมเข้าใจทั้งต้นทุนการดำเนินงานกับรูปแบบที่เอเจนต์ทำงานล้มเหลว
สัปดาห์ที่ 7–8: ให้ผู้ใช้จริงได้ทดลองใช้
เปิดให้พนักงานกลุ่มเล็ก ๆ ใช้งานกับงานจริงในขอบเขตที่ควบคุมไว้ โดยยังคงกระบวนการเดิมไว้รองรับงานที่เอเจนต์จัดการไม่ได้ สังเกตว่าผู้คนใช้งานจริงหรือไม่ ช่วยลดภาระงานให้พวกเขาได้หรือไม่ และพวกเขาเชื่อถือผลลัพธ์ที่เอเจนต์สร้างขึ้นหรือไม่
เมื่อสิ้นสุดโครงการ ให้นำผลลัพธ์มาเปรียบเทียบกับค่าฐานจากสัปดาห์แรก แล้วพิจารณาผลิตภาพ ความแม่นยำ การยอมรับใช้งาน ความถี่ที่คนต้องเข้ามาแทรกแซง ต้นทุนการดำเนินงานทั้งหมด และความเสี่ยงด้านความปลอดภัยที่ยังไม่ได้แก้ไข จากนั้นตัดสินใจว่าจะขยายการใช้งาน แก้ไขช่องโหว่เฉพาะจุดแล้วทดสอบซ้ำ หรือยุติโครงการ แม้โครงการนำร่องจะแสดงให้เห็นว่าเอเจนต์มีต้นทุนสูงเกินไปหรือไม่น่าเชื่อถือพอสำหรับงานนั้น ก็ถือว่าทำหน้าที่ของมันแล้ว เพราะช่วยป้องกันการลงทุนก้อนใหญ่กว่าที่ตั้งอยู่บนการคาดเดา
วัดผลลัพธ์ แล้วตัดสินใจว่าจะให้อิสระแก่เอเจนต์มากน้อยเพียงใด
การนับจำนวนงานที่เอเจนต์ประมวลผลได้แทบไม่ได้บอกอะไร เพราะระบบอาจจัดการคำขอหลายพันรายการ แต่พนักงานก็ยังต้องตรวจสอบ แก้ไข หรือทำงานส่วนใหญ่ให้เสร็จด้วยตนเอง เมื่อนำต้นทุนต่อหนึ่งงานที่ทำเสร็จสมบูรณ์มาพิจารณาควบคู่กับความแม่นยำและอัตราการเกิดกรณียกเว้น ก็จะเห็นภาพได้ชัดเจนกว่ามากว่ากระบวนการดีขึ้นตั้งแต่ต้นจนจบหรือไม่
ตัวชี้วัดเหล่านี้ยังเป็นหลักฐานประกอบการตัดสินใจว่าจะให้อิสระแก่เอเจนต์มากขึ้นได้เพียงใด หากเอเจนต์จัดการคำขอทั่วไปภายในขอบเขตที่ตกลงกันไว้ได้อย่างน่าเชื่อถือ ก็สามารถไว้วางใจให้ดำเนินการเหล่านั้นได้เอง ส่วนเอเจนต์ที่ยังพบกรณีกำกวมอยู่บ่อยครั้ง ก็ควรให้มนุษย์อนุมัติการตัดสินใจเหล่านั้นต่อไป พร้อมทบทวนสิทธิ์การเข้าถึงเมื่อมีหลักฐานเพิ่มขึ้น
ขยายการใช้งานเมื่อธุรกิจรองรับเอเจนต์ได้
ไม่ช้าก็เร็ว เอเจนต์ที่ทำงานได้ดีสำหรับทีมหนึ่งจะต้องทำงานร่วมกับแผนกอื่น แอปพลิเคชันอื่น และสายการอนุมัติอื่นด้วย การขยายการใช้งานต้องมีผู้รับผิดชอบที่ชัดเจน การควบคุมสิทธิ์การเข้าถึงที่สอดคล้องกัน และแนวทางจัดการกรณียกเว้น รวมถึงงบประมาณสำหรับดูแลให้เอเจนต์ทันสมัยอยู่เสมอ เมื่อกระบวนการที่เกี่ยวข้องเปลี่ยนแปลงไป
หัวใจสำคัญของเรื่องทั้งหมดคือ องค์กรพร้อมมอบความรับผิดชอบให้เอเจนต์มากเพียงใด และการตัดสินใจนั้นต้องตั้งอยู่บนหลักฐานจากการทำงานจริง ไม่ใช่การสาธิตที่น่าประทับใจ เมื่อสิ้นสุดแปดสัปดาห์ ผู้นำองค์กรควรรู้ว่าเอเจนต์ทำอะไรได้บ้าง คนยังต้องเข้ามาช่วยตรงไหน และการใช้งานจะมีค่าใช้จ่ายเท่าใด องค์กรที่จะก้าวนำด้วย AI แบบเอเจนต์คือองค์กรที่วางแผนตั้งแต่สัปดาห์แรกว่าจะจัดการงานหลังการทำงานอัตโนมัติอย่างไร และจัดสรรงบให้เอเจนต์ทำงานที่ทำเสร็จได้จริง
