สัมภาษณ์

Brad Wardell ผู้ก่อตั้งและซีอีโอของ Clairvoyance AI – บทสัมภาษณ์

Antoine Tardif
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
Brad Wardell, Founder and CEO of Clairvoyance AI
ประเด็นสำคัญวอร์เดลล์โต้แย้งว่าการกำหนดเส้นทางการทำงานระหว่างฮาร์ดแวร์ในเครื่องและบนคลาวด์สำคัญกว่าข…
ดูเพิ่มเติม
  • วอร์เดลล์โต้แย้งว่าการกำหนดเส้นทางการทำงานระหว่างฮาร์ดแวร์ในเครื่องและบนคลาวด์สำคัญกว่าขนาดโมเดลดิบ
  • แคลร์วอยแอนซ์เก็บความจำของเอเจนต์ในกราฟเพื่อให้การอัปเดตแพร่กระจายและคงความเป็นปัจจุบัน
  • วอร์เดลล์คาดการณ์ว่างาน AI ร้อยละ 90 ถึง 95 จะทำงานในเครื่องภายใน 18 เดือน

Brad Wardell เป็นผู้ก่อตั้งและซีอีโอของ Clairvoyance AI และเป็นผู้ก่อตั้งและซีอีโอของ Stardock เขาสร้างซอฟต์แวร์สำหรับเดสก์ท็อปและเกมวางแผนมานานกว่า 30 ปี ซึ่งรวมถึงผลิตภัณฑ์อย่าง Fences และ Galactic Civilizations ประสบการณ์ของเขาในการพัฒนากระบวนการผลิตเกม การสร้างสรรค์แอสเซ็ต และการจัดทำรายงานธุรกิจประจำวัน ทำให้เขาสนใจเอเจนต์ AI ที่ทำงานได้อย่างต่อเนื่องและสามารถทำงานกับไฟล์และแอปพลิเคชันในเครื่องได้โดยตรง

Clairvoyance AI พื้นที่ทำงานสำหรับบุคลากร AI ที่มีชื่อ มีงานที่ได้รับมอบหมายอย่างต่อเนื่องและมีหน่วยความจำ โดยเชื่อมต่อไฟล์และเครื่องมือพัฒนาในเครื่องเข้ากับบริการบนคลาวด์และโมเดลที่ทำงานบนฮาร์ดแวร์ของผู้ใช้เอง ผลิตภัณฑ์นี้ได้รับการบ่มเพาะภายใน Stardock และรองรับกระบวนการทำงานที่สร้างบันทึก รายงาน และชิ้นงานอื่น ๆ ซึ่งนำกลับมาใช้ซ้ำได้ ในบทสัมภาษณ์นี้ Wardell พูดถึงการพัฒนาเกมที่หล่อหลอมผลิตภัณฑ์นี้ บทบาทของโมเดลที่ทำงานในเครื่องในงานประจำวัน ตลอดจนการกำหนดเส้นทาง หน่วยความจำ และการควบคุมสิทธิ์ที่จำเป็นต่อการทำให้เอเจนต์มีประโยชน์

คุณสร้างซอฟต์แวร์สำหรับเดสก์ท็อปและเกมวางแผนที่ Stardock มานานกว่า 30 ปี ซึ่งรวมถึงผลิตภัณฑ์อย่าง Fences และ Galactic Civilizations ปัญหาใดในธุรกิจของคุณเองที่ทำให้คุณเริ่มสร้าง Clairvoyance AI และคุณตระหนักได้เมื่อใดว่าผลิตภัณฑ์นี้อาจเติบโตเป็นบริษัทของตัวเองได้

จุดที่เป็นปัญหาจริง ๆ คือ Ara: History Untold ซึ่ง Stardock ช่วย Microsoft และ Oxide Games พัฒนาจนเสร็จ มีเวลาจำนวนมากที่ต้องเสียไปกับการย้ายแอสเซ็ตสร้างสรรค์เข้าไปในเกมเพียงอย่างเดียว เนื้อหาที่เขียนมักอยู่ในไฟล์ .DOCX ซึ่งต้องแปลงด้วยมือเป็น XML หรือ CSV อย่างละเอียดและพิถีพิถัน ส่วนแอสเซ็ต 3D ก็ต้องนำเข้าเอนจินของเราอย่างระมัดระวัง การปรับสมดุลเพียงครั้งเดียวหมายถึงต้องแก้ไขไฟล์ถึง 12 ไฟล์ การแปลเป็นภาษาอื่นยังต้องจับคู่ข้อความแปลกับคีย์ที่ถูกต้องในไฟล์ที่ถูกต้องด้วยมือ Clairvoyance AI ทำให้เรื่องทั้งหมดนี้เป็นเรื่องง่าย และช่วยให้เราวางจำหน่ายเกมได้ตรงเวลา

ช่วงปลายปี 2025 เราถกเถียงกันภายในบริษัทว่าจะเปิดให้สาธารณชนใช้หรือไม่ เพราะมันเป็นข้อได้เปรียบในการแข่งขันอย่างแท้จริง ราวกับว่าเรามีชุดความสามารถที่ครอบคลุมกว่าเครื่องมืออย่าง OpenClaw อยู่ก่อนหนึ่งปี สิ่งที่ทำให้เราเอนเอียงไปทางการเปิดตัวสู่สาธารณะคือการได้เห็นเพื่อนและเพื่อนร่วมงานตกงานเพราะระบบอัตโนมัติที่ขับเคลื่อนด้วย AI ทั้งที่พวกเขาอาจยังรักษางานไว้ได้ หากมีเครื่องมือที่ดีกว่านี้ ตอนนั้นเองที่เรารู้ว่าอยากเปิด Clairvoyance AI ให้สาธารณชนใช้งาน

คุณเคยกล่าวว่าเครื่องมือเอเจนต์ AI จำนวนมากเผยให้เห็นว่าผู้พัฒนาขาดประสบการณ์ในการนำซอฟต์แวร์สำหรับผู้บริโภคออกสู่ตลาด คุณพบข้อผิดพลาดใดบ่อยที่สุด และนักพัฒนา AI ควรนำบทเรียนใดจากเส้นทางอาชีพของคุณไปปรับใช้

สิ่งที่เห็นได้ชัดที่สุดคือการใช้คำศัพท์ หากคุณไม่รู้คำศัพท์เหล่านั้นอยู่ก่อนแล้ว เช่น “glyph” ซึ่งหมายถึงสัญลักษณ์กราฟิกเล็ก ๆ บนปุ่ม คุณจะเสียเปรียบอย่างมากเวลาคุยกับ AI เพราะ AI ได้รับการฝึกจากข้อมูลของคนที่รู้ศัพท์เฉพาะเหล่านี้อยู่แล้ว ทีมส่วนใหญ่ที่สร้างเครื่องมือเหล่านี้ฉลาดมาก แต่ยังอายุน้อย และสิ่งนั้นก็สะท้อนออกมาในการตัดสินใจด้านการใช้งาน ตัวอย่างที่ดีคือครั้งที่ Anthropic เพิ่มความสามารถในการลากข้อความจากเทอร์มินัลเซสชันหนึ่งไปยังอีกเซสชันหนึ่ง ซึ่งได้รับยอดเข้าชมหลายล้านครั้ง เรามีเอเจนต์ที่แค่เรียกชื่อด้วยเครื่องหมาย @ ก็ส่งต่องานให้โดยอัตโนมัติได้แล้ว ไม่ต้องลากอะไรเลย ส่วนเครื่องมือของ Anthropic กลับให้ผู้ใช้ทำงานที่ AI ควรเป็นฝ่ายทำ

บทเรียนจากการนำซอฟต์แวร์สำหรับเดสก์ท็อปออกสู่ตลาดมา 30 ปีคือ คุณต้องใช้สิ่งที่กำลังสร้างจริง ๆ ทุกวัน ภายใต้กำหนดส่งงานจริง ก่อนที่ใครก็ตามนอกบริษัทจะได้เห็น ผลิตภัณฑ์ AI จำนวนมากให้ความรู้สึกเหมือนสร้างโดยคนที่ไม่เคยต้องใช้ชีวิตอยู่กับซอฟต์แวร์ของตัวเอง

คุณอธิบายว่า AI ในระยะต่อไปเป็นปัญหาเรื่องการกำหนดเส้นทาง นั่นคือการตัดสินใจว่าจะให้สิ่งใดทำงานบนอุปกรณ์ ภายในเครือข่ายท้องถิ่น หรือบนคลาวด์ ช่วยยกตัวอย่างกระบวนการทำงานจริงและอธิบายได้ไหมว่าควรตัดสินใจเรื่องเหล่านี้อย่างไร

การกำหนดเส้นทางไม่ได้เป็นการตัดสินใจของแต่ละคนอีกต่อไป แต่กำลังกลายเป็นเรื่องระดับบริษัท เรากำลังจะเปิดตัวฟีเจอร์ชื่อ Hivemind ซึ่งทำให้แนวคิดนี้เป็นรูปธรรม องค์กรส่วนใหญ่มีเครื่องที่มีประสิทธิภาพเพียงพออยู่แล้วจำนวนมาก แต่ปล่อยว่างไว้ทุกคืน Hivemind ช่วยให้บริษัทนำ GPU ที่ไม่ได้ใช้งานจากเครื่องต่าง ๆ ของตนมารวมเป็นทรัพยากรเดียว เพื่อให้ทุกคนในทีมใช้ทำงานด้าน AI ได้แทนการส่งงานไปยังคลาวด์ หากคุณกำลังติดตามพัสดุหลายหมื่นชิ้นตลอดห่วงโซ่อุปทาน หรือตรวจสอบว่าเงินของบริษัทถูกนำไปใช้ที่ใด คุณไม่จำเป็นต้องใช้โมเดลคลาวด์ระดับแนวหน้า สิ่งที่ต้องมีคือกำลังประมวลผลที่เพียงพอ ซึ่งบริษัทส่วนใหญ่มีอยู่แล้วและปล่อยทิ้งไว้โดยไม่ได้ใช้หลังเวลาทำงาน

ในระดับบุคคลก็ใช้หลักการเดียวกัน เพียงแต่มีขนาดเล็กกว่า ผมประมวลผลแดชบอร์ด รายงานข้อขัดข้อง รายงานความรู้สึกของลูกค้า และข้อมูลยอดขายทุกคืนด้วยโมเดลที่ทำงานในเครื่องแทนโมเดลบนคลาวด์ เมื่อก่อนผมใช้ Claude ประมวลผลงานชุดเดียวกันนี้ ซึ่งมีค่าโทเคนประมาณ 100 ดอลลาร์ต่อเดือน ตอนนี้งานเหล่านี้ประมวลผลได้ฟรีข้ามคืนบนฮาร์ดแวร์ที่ผมมีอยู่แล้ว และผมอ่านผลลัพธ์ได้ในตอนเช้า

ดังนั้น การตัดสินใจจริง ๆ ไม่ใช่ “ใช้ระบบในเครื่องหรือบนคลาวด์” แต่คือ “งานนี้ต้องเสร็จในขณะที่มีคนกำลังจ้องหน้าจออยู่หรือไม่ และบริษัทมีฮาร์ดแวร์ที่ทำงานนี้ได้อยู่แล้วโดยไม่ต้องจ่ายค่าบริการตามจำนวนโทเคนหรือไม่”

คุณเชื่อว่างานประจำวันส่วนใหญ่ที่ใช้เอเจนต์สามารถทำงานบนฮาร์ดแวร์ในเครื่องได้แล้ว คุณได้สาธิตเรื่องนี้กับงานประเภทใดบ้าง ใช้ฮาร์ดแวร์แบบไหน และวัดความสำเร็จอย่างไร นอกเหนือจากการดูว่าโมเดลให้คำตอบที่ฟังดูสมเหตุสมผลหรือไม่

เราใช้ AI ที่ทำงานบนเครื่องของเราเองเพื่อเพิ่มเมทาดาทาให้ไฟล์ และได้ผลลัพธ์ที่ดีมาก เช่นเดียวกับหลายบริษัท เรามีข้อมูลบนเครือข่ายขนาดหลายเทราไบต์ Stardock พัฒนาทั้งซอฟต์แวร์และเกม ส่วนงานเกมก็มีทั้งสินทรัพย์งานศิลป์ 3 มิติและ 2 มิติ วิดีโอ ผลงานต่าง ๆ และอื่น ๆ ที่สะสมมานานหลายทศวรรษ

ภายในบริษัท เรามีการ์ดจอจาก AMD และ NVIDIA ที่มีประสิทธิภาพดีอยู่หลายใบ เราพบว่าโมเดลที่มีพารามิเตอร์ 8B ถึง 12B ก็เพียงพอสำหรับงานทุกอย่างที่เราต้องการแล้ว และยังทำงานบนฮาร์ดแวร์ที่ค่อนข้างเก่าได้ด้วย ตอนนี้เรามีแล็ปท็อปที่ใช้ Qualcomm Snapdragon X2 ทำงานบางส่วนนี้อยู่เบื้องหลังในช่วงเย็น

AI ที่ทำงานบนเครื่องของเราเองเก่งมากในการค่อย ๆ ประมวลผลและตรวจดูไฟล์เหล่านี้ พร้อมเพิ่มเมทาดาทาให้ไฟล์ เพื่อให้เมื่อเราต้องการค้นหาอะไรสักอย่าง ก็สามารถค้นหาและพบสิ่งนั้นได้อย่างรวดเร็ว ด้วยเหตุนี้ เราจึงค้นพบว่าเรามีโมเดลหมาป่า 3 มิติอยู่ 16 แบบ เฮ้อ

อะไรควรเป็นสัญญาณให้ส่งต่องานจากโมเดลขนาดเล็กที่ทำงานบนเครื่องไปยังโมเดลบนคลาวด์ที่มีความสามารถสูงกว่า และคุณตรวจจับได้อย่างไรว่าก่อนที่โมเดลบนเครื่องจะทำผิดพลาดที่ส่งผลสำคัญ โมเดลนั้นกำลังรับมือไม่ไหว

ตอนนี้ งานใดก็ตามที่ต้องใช้วิจารณญาณในเรื่องที่ไม่มีคำตอบตายตัว น่าจะต้องส่งไปประมวลผลบนคลาวด์ โมเดลระดับแนวหน้าแก้ปัญหาการหลอนได้ไปมากแล้ว แต่เมื่อหันมาใช้โมเดลขนาดเล็กกว่า (ที่ทำงานบนเครื่อง) อาการหลอนก็กลับมา ดังนั้น เราจึงมักต้องวางกลไกป้องกันไว้กับโมเดลที่ทำงานบนเครื่องอย่างรัดกุม

Clairvoyance จัดระบบเอเจนต์ให้เป็นพนักงาน AI ที่มีความทรงจำต่อเนื่องและได้รับมอบหมายงานอย่างต่อเนื่อง คุณเรียนรู้อะไรบ้างเกี่ยวกับการรักษาบริบทที่มีประโยชน์ให้คงอยู่ในระยะยาว โดยไม่ปล่อยให้คำสั่งที่ล้าสมัย ข้อสมมติที่ไม่ถูกต้อง หรือความทรงจำที่ขัดแย้งกันสะสมขึ้น

เบื้องหลังนั้น Clairvoyance จัดเก็บความทรงจำในโครงสร้างแบบกราฟ ดังนั้นเมื่อข้อมูลหนึ่งส่วนได้รับการอัปเดต ก็มักจะกระตุ้นให้อัปเดตโหนดอื่น ๆ ต่อเนื่องกันไป วิธีนี้ช่วยให้ความทรงจำเป็นระเบียบและทันสมัยอยู่เสมอ

ความท้าทายคือการป้องกันไม่ให้เกิดการเรียกซ้ำไม่รู้จบ ซึ่งต้องอาศัยการลองผิดลองถูกอย่างมากตลอดสองสามปีที่ผ่านมา

การให้เอเจนต์เข้าถึงไฟล์ แอปพลิเคชัน และเครื่องมือสำหรับการพัฒนาทำให้เอเจนต์มีประโยชน์มากขึ้น แต่ก็เพิ่มผลกระทบจากข้อผิดพลาดด้วย คุณจัดการสิทธิ์ การอนุมัติจากมนุษย์ และการกู้คืนอย่างไรเมื่อเอเจนต์ดำเนินการผิดพลาด

สิ่งที่เป็นรูปธรรมอย่างหนึ่งที่เรามีคือการป้องกันไฟล์ โดย Clairvoyance สามารถบล็อกไม่ให้เอเจนต์ลบไดเรกทอรีทิ้งได้ และบังคับใช้การป้องกันนี้ในระดับแอป แทนที่จะใช้ฮุกที่เอเจนต์อาจหาทางเลี่ยงได้

เมื่อเวิร์กโฟลว์ผสานการประมวลผลบนเครื่องเข้ากับการอนุมานบนคลาวด์ คำว่า “ให้ความสำคัญกับการประมวลผลบนเครื่องก่อน” ก็อาจมีความหมายต่างกันไป ข้อมูลใดบ้างที่ออกจากเครื่องของผู้ใช้ และผู้ใช้จะเข้าใจและควบคุมขอบเขตนี้ได้อย่างไร

ความปลอดภัยบนคลาวด์มุ่งป้องกันไม่ให้คนอื่นเข้าถึงข้อมูล แต่ไม่ได้ตอบคำถามว่าผู้ให้บริการโมเดลควรได้เห็นความลับของบริษัทคุณตั้งแต่แรกหรือไม่ Clairvoyance ออกแบบมาให้ประมวลผลบนเครื่องเป็นหลัก โดยบันทึกโน้ต โปรเจกต์ และความทรงจำเกี่ยวกับพนักงานไว้ในเครื่องของคุณเอง การส่งข้อมูลใดไปยังโมเดลบนคลาวด์เป็นเรื่องที่คุณตัดสินใจ โดยกำหนดแยกตามพนักงานแต่ละคน ไม่ใช่การตั้งค่าแบบครอบคลุมทุกคน หากใช้โมเดลที่ทำงานบนเครื่อง ก็ไม่จำเป็นต้องส่งข้อมูลใดออกจากฮาร์ดแวร์ของคุณเลย เราได้ยินเรื่องนี้โดยตรงจากลูกค้าองค์กรที่ไม่พอใจที่ต้องอัปโหลดเวิร์กโฟลว์ลับเฉพาะทั้งหมดไปยัง Anthropic หรือ OpenAI เพียงเพื่อให้งานสำเร็จ

Clairvoyance มีผู้ใช้มากกว่า 40,000 คน คุณเรียนรู้อะไรบ้างจากการใช้งาน Clairvoyance จริงของผู้คน และพอจะแบ่งปันตัวอย่างเวิร์กโฟลว์ที่เกิดขึ้นเป็นประจำ ซึ่งสร้างคุณค่าอย่างต่อเนื่องและวัดผลได้หรือไม่

อัตราการรักษาผู้ใช้ขึ้นอยู่กับปริมาณข้อมูลที่ผู้ใช้สร้างขึ้นระหว่างเซสชันเป็นอย่างมาก

ผู้ใช้ AI ส่วนใหญ่ยังไปไม่ถึงจุดที่นำข้อมูลที่ AI สร้างขึ้นมาต่อยอดจริง ๆ ผู้ใช้ส่วนใหญ่ยังคิดในกรอบของพรอมป์ต์ ผู้ที่ยังคงใช้ Clairvoyance คือกลุ่มที่สร้างเอกสารประกอบและรายงานจำนวนมาก ซึ่งนำไปใช้เป็นรากฐานสำหรับงานต่อยอด

เมื่อมองไปข้างหน้าหนึ่งปี ความก้าวหน้าใดจะช่วยขยายขอบเขตงานที่เอเจนต์สามารถจัดการบนเครื่องได้อย่างน่าเชื่อถือมากที่สุด และต้องเกิดอะไรขึ้นบ้างจึงจะทำให้คุณทบทวนความเห็นที่ว่าการกำหนดเส้นทางมีความสำคัญมากกว่าขนาดของโมเดล

ผมคิดว่าภายใน 18 เดือน งาน AI 90 ถึง 95% จะประมวลผลบนเครื่อง และอาจมีเพียง 5% ที่ต้องใช้คลาวด์สำหรับงานที่ต้องอาศัยโมเดลระดับแนวหน้า สาเหตุหลักคือขณะนี้แทบไม่มีการมอบหมายงานให้ AI เลย แม้แต่งานง่าย ๆ อย่างคัดกรองประวัติย่อเพื่อดูว่าผู้สมัครอยู่ที่ไหน หรือตรวจสอบกำหนดเวลาการขนส่ง ก็ยังทำด้วยมือ ทั้งที่โมเดล 4B ก็ทำงานเหล่านี้บนแล็ปท็อปได้แล้ว สิ่งที่จะช่วยขยายขอบเขตงานได้คือการรวมพลังประมวลผลแบบ Hivemind ซึ่งเปิดให้ GPU ที่ไม่ได้ใช้งานเต็มที่ของบริษัทช่วยประมวลผลให้ทุกคนในโดเมน และการกำหนดเส้นทางที่มีประสิทธิภาพดีพอจนไม่มีใครต้องรู้ด้วยซ้ำว่า 4B หรือ Opus คืออะไร

ขอบคุณสำหรับบทสัมภาษณ์ที่ยอดเยี่ยม ผู้อ่านที่ต้องการทดลองใช้แอปเดสก์ท็อปสำหรับจัดการเอเจนต์ AI ที่มีความทรงจำต่อเนื่องในคอมพิวเตอร์ของตน สามารถเข้าไปที่ Clairvoyance AI

อองตวนเป็นผู้นำที่มีวิสัยทัศน์และหุ้นส่วนผู้ก่อตั้ง Unite.AI โดยมีความมุ่งมั่นอย่างไม่เปลี่ยนแปลงในการกำหนดทิศทางและส่งเสริมอนาคตของ AI และหุ่นยนต์ ในฐานะผู้ประกอบการที่ก่อตั้งธุรกิจมาแล้วหลายแห่ง เขาเชื่อว่า AI จะสร้างการเปลี่ยนแปลงครั้งใหญ่ต่อสังคมเช่นเดียวกับไฟฟ้า และมักกล่าวถึงศักยภาพของเทคโนโลยีที่พลิกโฉมโลกและ AGI อย่างกระตือรือร้น

ในฐานะ นักอนาคตศาสตร์ เขาทุ่มเทให้กับการสำรวจว่านวัตกรรมเหล่านี้จะกำหนดรูปแบบโลกของเราอย่างไร นอกจากนี้ เขายังเป็นผู้ก่อตั้ง Securities.io ซึ่งเป็นแพลตฟอร์มที่มุ่งเน้นการลงทุนในเทคโนโลยีล้ำสมัยที่กำลังนิยามอนาคตใหม่และเปลี่ยนโฉมอุตสาหกรรมทั้งภาคส่วน