เอเจนต์ AI ของคุณรู้ทุกอย่าง แต่ไม่เข้าใจอะไรเลย

“เราควรไปกับพ่อแม่ของฉันในการเดินทางไปไอร์แลนด์ของพวกท่าน” — คำพูดที่ดูไม่มีพิษภัยนี้ทำให้ฉันรู้สึกเย็นวาบไปทั้งสันหลัง

ภรรยาและฉันเดินทางท่องเที่ยวบ่อย เรารู้ว่าชอบอะไร ส่วนพ่อแม่ของภรรยาแทบไม่เดินทางไกลเกินไม่กี่ร้อยไมล์จากบ้าน และเคยเดินทางออกนอกประเทศด้วยกันเพียงครั้งเดียวเท่านั้น เพื่อมางานแต่งงานของเรา

ยิ่งไปกว่านั้น การเดินทางครั้งนี้เป็นของขวัญคริสต์มาสจากพ่อตาให้แม่ยาย เพื่อให้เธอได้ไปเยี่ยมครอบครัวของตน ซึ่งอาจเป็นครั้งสุดท้าย

ฉันมองเห็นภาพการเดินทางนี้ได้ในคำเดียวว่า หายนะ เราจะประสานประสบการณ์และความคาดหวังที่แตกต่างกันอย่างมากให้กลายเป็นทริปที่ยอดเยี่ยม หรืออย่างน้อยก็ไม่เกลียดกันตอนจบทริปได้อย่างไร

เช่นเดียวกับคนรักเทคโนโลยีที่นับถือตนเอง ฉันจึงหันไปพึ่งเทคโนโลยี โดยเฉพาะ AI

แต่สิ่งที่ไม่คาดคิดคือ การทดลองเล็ก ๆ ในการสร้างแอปวางแผนทริปครอบครัวที่ใช้ AI ด้วยวิธี vibe coding จะสอนฉันแทบทุกอย่างที่จำเป็นต้องรู้เกี่ยวกับการประยุกต์ใช้ AI ในงานไอทีองค์กร

ยิ่งป้อนข้อมูลให้ AI มากเท่าไร มันยิ่งโง่ลงเท่านั้น

การนำ AI มาใช้ในองค์กรส่วนใหญ่เป็นไปตาม รูปแบบที่คาดเดาได้ องค์กรเริ่มจากให้ชุดคำสั่งแก่เอเจนต์และเชื่อมต่อกับแหล่งข้อมูล ไม่ว่าจะเป็นกรอบการทำงาน RAG (Retrieval-Augmented Generation หรือการสร้างคำตอบโดยเสริมข้อมูลจากการค้นคืน) ฐานความรู้ที่มีอยู่ หรือแม้แต่ เซิร์ฟเวอร์ MCP จากนั้นเพิ่มโมเดลภาษาขนาดใหญ่หรือ LLM เข้าไป แล้วปล่อยให้ทำงาน

ปัญหาคือโดยแก่นแท้แล้ว LLM ไม่ได้ฉลาด มันไม่รู้ว่าจะจัดลำดับความสำคัญของข้อมูลทั้งหมดที่มีอย่างไร จึงมักปฏิบัติต่อบริบทแต่ละส่วนด้วยน้ำหนักเท่ากัน มนุษย์ต้องเพิ่มชั้นของการคัดสรรและจัดระเบียบข้อมูล เพื่อสอนโมเดลว่าอะไรสำคัญและอะไรไม่สำคัญ หากไม่มีการคัดสรร คุณจะได้ AI ที่รู้ทุกอย่างแต่ไม่เข้าใจอะไรเลย

ความจำสามประเภทที่สำคัญ

การคัดสรรข้อมูลสำหรับ AI องค์กรอย่างมีประสิทธิภาพหมายถึงการใช้ประโยชน์จากความจำเฉพาะสามประเภทให้ได้มากที่สุด

ประเภทแรกคือความจำขององค์กร ซึ่งในตอนต้นอาจดูเป็นเรื่องพื้นฐาน เมื่อใครพูดว่า “บริการทางการเงิน” เอเจนต์รู้ว่าหมายถึงฝ่ายบริการทางการเงินของบริษัท ไม่ใช่ทั้งอุตสาหกรรม สิ่งนี้กลายเป็นความรู้ถาวรขององค์กรที่เต็มไปด้วยคำจำกัดความ ความชอบ และธรรมเนียมปฏิบัติที่ไม่เปลี่ยนแปลงบ่อย เมื่อความรู้นี้ขยายไปครอบคลุมลำดับความสำคัญเชิงกลยุทธ์ โครงการสำคัญ และพลวัตภายในองค์กร ก็จะเป็นแหล่งบริบทขององค์กรที่ลุ่มลึก

ถัดมาคือประวัติการดำเนินการ ซึ่งเน้นการตัดสินใจ งาน และเหตุการณ์สำคัญ เมื่อมีการยื่นคำร้องขอรับบริการหรือนำระบบขึ้นใช้งาน เอเจนต์จะรับรู้การดำเนินการนั้นและบันทึกไว้ในประวัติการดำเนินการ นี่คือบันทึกทางประวัติศาสตร์ที่เชื่อมบริบทขององค์กรเข้าด้วยกัน

สุดท้ายคือบริบทการสนทนาระยะสั้น ให้นึกถึงการโต้ตอบกับเอเจนต์ที่ดำเนินไปทีละขณะ มันมีประโยชน์ในช่วงเวลานั้น แต่โดยมากความเกี่ยวข้องจะลดลงอย่างรวดเร็ว

ความจำทั้งสามประเภทร่วมกันสร้างระบบถ่วงน้ำหนักที่โมเดล AI ทั่วไปขาดไป เมื่อใครเล่าเรื่องธุรกิจให้เอเจนต์ฟัง เขากำลังจัดประเภทและลำดับความสำคัญของความจำทั้งหมด พร้อมคัดสรรข้อมูลที่สำคัญ นี่คือแก่นของสิ่งที่ AI ควรมอบให้ ไม่ใช่เพียงข้อมูลเฉพาะด้าน แต่เป็นวิจารณญาณในด้านนั้นด้วย

ความจำที่ผ่านการคัดสรรมีลักษณะอย่างไรเมื่อใช้ในวงกว้าง

พักเรื่องกรอบแนวคิดไว้ก่อน แล้วในทางปฏิบัติเป็นอย่างไร นี่คือสิ่งที่เราค้นพบจากการสร้างเอเจนต์เหล่านี้ด้วยตนเอง

สถานการณ์ทั่วไปในงานไอทีคือส่งคำร้องแจ้งปัญหาไปยังเอเจนต์ฝ่ายสนับสนุน สมมติว่า Outlook ไม่ทำงาน คุณจึงพิมพ์อธิบายปัญหาแล้วรอให้เอเจนต์ตรวจสอบและเสนอวิธีแก้

แต่เมื่อมีความจำที่ผ่านการคัดสรรช่วยอยู่ กระบวนการที่ดีกว่าอาจเป็นการจับภาพหน้าจอที่แสดงข้อผิดพลาดของ Outlook แล้วอัปโหลดให้เอเจนต์ คราวนี้เอเจนต์จะ (1) ใช้ความจำขององค์กรเพื่อเข้าใจสภาพแวดล้อมการทำงานของคุณ (2) ตรวจสอบประวัติการดำเนินการเพื่อหาเหตุการณ์ที่เกี่ยวข้อง และ (3) ใช้วิจารณญาณตามบริบทเพื่อหาวิธีแก้เฉพาะกรณี ไม่ใช่เพียงคำตอบทั่วไป

ผลลัพธ์คือเอเจนต์อัจฉริยะที่ไม่ต้องเดาคำตอบจากภาพหน้าจอ มันกำลังตรวจสอบอย่างจริงจัง พิจารณาข้อมูลปัจจุบันทั้งหมด และให้คำตอบที่มีประโยชน์ยิ่งขึ้น เอเจนต์อาจขยายการทำงานไปสู่ ผลของเครือข่ายหรือกลุ่มเอเจนต์ โดยดูผู้ใช้คนอื่นในระบบเพื่อตรวจว่าปัญหา Outlook เกิดกับคุณเพียงคนเดียวหรือเกิดทั่วทั้งองค์กร

การนำประวัติหรือความจำมาวางในบริบทคือสิ่งที่สร้างความแตกต่าง หากคุณไม่คัดสรรความจำอย่างมีประสิทธิภาพ ก็จะตามหลังผู้ที่ทำเช่นนั้น จำเป็นต้องมีสถาปัตยกรรมที่รู้ว่าจะจัดการข้อมูลเมื่อเวลาผ่านไปอย่างไร และเข้าใจว่าอะไรควรเก็บ อะไรควรนำมาแสดง และอะไรควรปล่อยไป

กลับมาที่การเดินทาง

แล้วแอปวางแผนทริปที่ใช้ AI เปลี่ยนมุมมองของฉันต่อ AI ในงานไอทีองค์กรอย่างไร

สิ่งที่ฉันสร้างคือแอปที่ทำหน้าที่เป็นผู้ช่วยดูแลการเดินทางส่วนตัวของเรา โดยเริ่มจาก “สัมภาษณ์” ผู้ร่วมทริปทีละคน เราทุกคนอธิบายว่าอะไรสำคัญในทริปนี้ อะไรต้องทำให้ได้ และอะไรข้ามไปได้ ที่สำคัญกว่านั้น มันถามถึง “เหตุผล” ว่าทำไมสิ่งนั้นจึงสำคัญและมีความหมายกับเราอย่างไร

แอปใช้ข้อมูลนี้ทำสองสิ่ง อย่างแรกคือคัดสรรแผนการเดินทางที่สมดุลเพื่อให้ทุกคนได้บางอย่าง เราทุกคนเห็นความต้องการและความชอบของตนอยู่ในแผนที่มันสร้าง

แน่นอนว่าแผนการเดินทางแรกยังเป็นเพียงฉบับร่าง ยังมีคำถามอีกมากที่ต้องหาคำตอบ

แล้วสิ่งมหัศจรรย์จริง ๆ ก็เกิดขึ้น เราถามเอเจนต์เรื่องโรงแรม สถานที่ท่องเที่ยว หรือการขับรถ และคำตอบก็ได้รับการเสริมด้วยบริบทเฉพาะของเรา เช่น “การขับรถจะนานสำหรับเด็ก ๆ แต่พ่อตาจะชอบปราสาทและร้านกาแฟที่มีเอกลักษณ์ข้าง ๆ มาก และที่นี่อาจเหมาะพอดีให้ภรรยาไปนวดอย่างที่ต้องการ”

ด้วยความเข้าใจอย่างลึกซึ้งว่าอะไรสำคัญสำหรับเรา มันจึงช่วยวางแผนและปรับแต่งทริปในแบบที่ฉันคิดว่าไม่มีทางทำได้ด้วยวิธีอื่น

ในช่วงแรก ๆ ช่วงหนึ่งนั่นเอง ฉันเข้าใจว่าเราต้องสร้างอะไรให้ ลูกค้าองค์กรของเรา นั่นคือระบบอัจฉริยะที่มีบริบทขององค์กร ธุรกรรม และบุคคลอย่างลุ่มลึก จนทุกคำตอบและทุกการโต้ตอบเป็นเหมือนลายนิ้วมือ มีเอกลักษณ์เฉพาะสำหรับขณะนั้นและการโต้ตอบนั้นอย่างสมบูรณ์ และมอบคุณค่าประเภทที่ไม่อาจเกิดขึ้นได้ด้วยวิธีอื่น