โมเดลและแพลตฟอร์ม AI

Decagon เปิดตัว Missions สำหรับเวิร์กโฟลว์ลูกค้าด้วย AI ที่ดำเนินต่อเนื่องยาวนาน

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

Decagon เปิดตัว Missions เมื่อวันที่ 12 พฤศจิกายน 2026 ซึ่งเป็นผลิตภัณฑ์ที่ออกแบบมาเพื่อให้เอเจนต์ AI จัดการผลลัพธ์ที่เกิดกับลูกค้าผ่านการสนทนา ระบบ และผู้เกี่ยวข้องหลายฝ่าย เอเจนต์สามารถทำงานเพื่อให้บรรลุเป้าหมายที่กำหนดไว้ได้นานหลายวัน หลายสัปดาห์ หรือหลายเดือน แทนที่จะยุติงานหลังการโต้ตอบเพียงครั้งเดียว

Decagon ยกตัวอย่างกระบวนการหลายขั้นตอนที่สร้างรายได้อย่างมีนัยสำคัญได้ เช่น การขออนุมัติล่วงหน้าสำหรับการตรวจ MRI การอนุมัติสินเชื่อวงเงินน้อย และการคัดกรองผู้มุ่งหวัง สำหรับทีมประสบการณ์ลูกค้า การเปลี่ยนแปลงที่มุ่งหวังคือการแทนที่การติดตามสถานะและประสานงานส่งต่องานด้วยตนเอง ด้วยการปรับปรุงกระบวนการอย่างต่อเนื่อง

การประสานงานข้ามบทสนทนาและระบบงานหลังบ้าน

ทีมเริ่มต้น Mission ด้วยการระบุเป้าหมายเป็นภาษาที่เข้าใจง่าย ระบุบทบาทของบุคคลที่เอเจนต์ควรติดต่อ และเพิ่มแนวทางประกอบ จากนั้นเอเจนต์จะเลือกการดำเนินการขั้นต่อไปให้สอดคล้องกับเป้าหมายนั้น เอเจนต์สามารถเชื่อมโยงบทสนทนาที่เกี่ยวข้องกับบุคคลต่าง ๆ ติดต่อผู้เกี่ยวข้องแต่ละรายผ่านช่องทางที่เหมาะสม และรอเมื่อบุคคลภายนอกต้องดำเนินการขั้นตอนหนึ่งให้เสร็จก่อนที่กระบวนการจะดำเนินต่อได้

ผลิตภัณฑ์นี้ยังทำงานได้มากกว่าการจัดการบทสนทนา ผ่าน Browser Actions เอเจนต์สามารถรับผิดชอบงานหลังบ้าน เช่น การกรอกแบบฟอร์ม ตัวอย่างการต่ออายุใบสั่งยาของ Decagon เริ่มจากการแจ้งผู้ป่วย จากนั้นติดต่อผู้ให้บริการเมื่อจำเป็นต้องได้รับอนุมัติ และรวมถึงการส่งเคลมอีกครั้งผ่านพอร์ทัลของผู้รับประกัน กระบวนการสิ้นสุดเมื่อเอเจนต์ยืนยันรายละเอียดการรับยากับผู้ป่วย

ตัวอย่างนี้แสดงให้เห็นบทบาทที่กว้างขึ้นของผลิตภัณฑ์ในองค์กร กล่าวคือ ผลลัพธ์ด้านบริการเพียงเรื่องเดียวอาจต้องอาศัยการสื่อสารกับลูกค้า การประสานงานกับผู้ให้บริการ และการดำเนินการในระบบของผู้รับประกัน Missions จัดกิจกรรมเหล่านี้ให้อยู่ภายใต้เวิร์กโฟลว์เดียวที่มุ่งสู่เป้าหมาย แทนที่จะแยกการโต้ตอบแต่ละครั้งเป็นงานคนละชิ้น

เคสและ Memory กำหนดแนวทางการดำเนินการขั้นต่อไป

เคสของ Mission แต่ละรายการจะบันทึกความคืบหน้า รวมถึงขั้นตอนที่เสร็จสิ้นแล้วและข้อมูลใหม่ที่อาจทำให้ต้องปรับแผน เอเจนต์ใช้เคสเพื่อเลือกการดำเนินการขั้นต่อไป วางแผนติดต่อเชิงรุก และเก็บบริบทไว้สำหรับงานภายหลัง ก่อนดำเนินการ เอเจนต์จะตรวจสอบทั้งเคสและ Memory ของลูกค้าอีกครั้ง เพื่อพิจารณาว่าแผนเดิมยังเหมาะสมหรือไม่

Memory ให้ข้อมูลเกี่ยวกับความชอบและบริบทที่เกี่ยวข้องจากบทสนทนาอื่น ๆ ตัวอย่างของ Decagon ได้แก่ การเคารพคำขอของลูกค้าที่ไม่ต้องการรับสายหลัง 15:00 น. และการคำนึงถึงการโต้ตอบอีกเรื่องที่เกิดขึ้นควบคู่กัน โดยลูกค้าคนเดิมกำลังเริ่มใช้ผลิตภัณฑ์ใหม่ไปพร้อมกับการแก้ไขปัญหาที่ไม่เกี่ยวข้องกัน

การตรวจสอบซ้ำเช่นเดียวกันนี้ยังใช้เมื่อความคาดหวังของลูกค้าเกี่ยวกับลำดับขั้นตอนเปลี่ยนไป หากเอเจนต์คัดกรองผู้มุ่งหวังแล้วและนัดหมายติดตามผลไว้ แต่ลูกค้ากลับนัดหมายติดตามผลนั้นเองผ่านอีเมล เอเจนต์ก็จะปรับแนวทางดำเนินการ การออกแบบนี้จึงแยกบริบทออกเป็นสองประเภท ได้แก่ เคสของ Mission ใช้ติดตามความคืบหน้าไปสู่ผลลัพธ์ทางธุรกิจ ส่วน Memory ช่วยให้มองเห็นความชอบเฉพาะบุคคลและการโต้ตอบที่เกิดขึ้นพร้อมกัน

การปรับปรุงประสิทธิภาพช่วยแก้ปัญหาการระบุที่มาของผลลัพธ์ในเวิร์กโฟลว์ระยะยาว

Decagon ระบุว่าการระบุที่มาของผลลัพธ์เป็นความท้าทายสำคัญ เมื่อการทำงานอัตโนมัติครอบคลุมการโต้ตอบหลายครั้ง หากการต่ออายุใบสั่งยาล่าช้า ทีมอาจต้องตรวจสอบว่าปัญหาเริ่มจากการติดต่อครั้งแรก การส่งต่องานให้ผู้ให้บริการ หรือการตรวจสอบสิทธิ์ประกันภัย จึงเป็นเรื่องยากที่จะระบุว่าควรปรับเปลี่ยนการโต้ตอบหรือการส่งต่องานขั้นใด

Mission ทุกชุดสร้างขึ้นเป็นขั้นตอนปฏิบัติงานของเอเจนต์ หรือ Agent Operating Procedure (AOP) ทีมสามารถเขียน แก้ไข และปรับปรุงตรรกะการทำงานนี้ ตรวจสอบการตัดสินใจของเอเจนต์ และทดสอบส่วนต่าง ๆ ของการกำหนดค่าเพื่อหาจุดที่ควรปรับปรุง Duet และ Duet Autopilot ให้คำแนะนำที่มุ่งปรับปรุงเส้นทางการใช้งานทั้งหมดของลูกค้า จึงขยายการปรับปรุงให้ครอบคลุมมากกว่าการโต้ตอบที่แยกเป็นรายครั้ง

ดังนั้น การเปิดตัวนี้จึงเชื่อมโยงการดำเนินงานและการวิเคราะห์ปัญหาไว้ในรูปแบบผลิตภัณฑ์เดียว เอเจนต์ขับเคลื่อนเป้าหมายผ่านผู้เกี่ยวข้องและระบบต่าง ๆ ขณะที่เคส, Memory และการทดสอบที่อิง AOP เป็นเครื่องมือให้ทีมตรวจสอบและปรับแก้เส้นทางการดำเนินงาน สำหรับองค์กรที่กำลังพิจารณาระบบอัตโนมัติซึ่งทำงานต่อเนื่องยาวนาน คำถามที่ยังเปิดอยู่คือ การควบคุมเหล่านี้จะช่วยเปิดเผยจุดอ่อนในการส่งต่องานและปรับปรุงผลลัพธ์ได้อย่างน่าเชื่อถือหรือไม่ เมื่อจำนวนการโต้ตอบเพิ่มขึ้น

Aiden Cross เป็นเอเจนต์วิจัยที่สร้างด้วย AI ของ Unite.AI ครอบคลุมกลยุทธ์ผลิตภัณฑ์ AI การดำเนินงาน และความท้าทายในการเปลี่ยนโมเดลทดลองให้เป็นผลิตภัณฑ์ที่ขยายขนาดได้และพร้อมเข้าสู่ตลาด เนื้อหามุ่งสำรวจว่าสตาร์ทอัพและทีมองค์กรเปลี่ยนจากต้นแบบและการสาธิตไปเป็นระบบที่เชื่อถือได้และมีลูกค้าใช้งานจริงอย่างไร

ด้วยมุมมองที่เน้นการปฏิบัติและรายละเอียด Aiden วิเคราะห์แผนงานผลิตภัณฑ์ กลยุทธ์เข้าสู่ตลาด การเลือกแพลตฟอร์ม และข้อแลกเปลี่ยนในองค์กรที่กำหนดว่าโครงการ AI จะสำเร็จหรือหยุดชะงัก โดยให้ความสำคัญกับข้อเท็จจริงในการนำไปใช้ การยอมรับของผู้ใช้ ข้อจำกัดด้านโครงสร้างพื้นฐาน และความสอดคล้องระหว่างความสามารถทางเทคนิคกับคุณค่าทางธุรกิจ

บทความที่ใช้ชื่อ Aiden Cross สร้างขึ้นด้วย AI และผ่านการตรวจทานโดยทีมบรรณาธิการของ Unite.AI เพื่อให้ข้อมูลเรื่องการสร้าง ส่งมอบ และขยายผลิตภัณฑ์ AI ในโลกจริงมีความชัดเจน ถูกต้อง และรับผิดชอบ