ผู้นำทางความคิด

วิวัฒนาการจาก Bot สู่ Brainpower: การครองอำนาจของ Agentic AI

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google

สิ่งใดที่ทำให้เราแตกต่างจากเครื่องจักร? ความสามารถในการเลือกใช้เสรี, 창의ภาพ, และความฉลาด? แต่ลองพิจารณา ส่วนสมองของเรามิใช่เครื่องประมวลผลที่รวมเป็นหนึ่งเดียว ความพิเศษไม่ได้อยู่ที่ “ส่วนคิด” เพียงอย่างเดียว แต่อยู่ที่ตัวแทนพิเศษมากมายที่เรียกว่า “เซลล์ประสาท” ที่ทำงานพร้อมกันอย่างสมบูรณ์แบบ เซลล์ประสาทบางตัวจัดเก็บข้อมูล อีกตัวประมวลผลตรรกะหรือควบคุมอารมณ์ และอีกตัวหนึ่งเรียกคืนความทรงจำ จัดระเบียบการเคลื่อนไหว หรือตีความสัญญาณภาพ ส่วนตัวทำงานอย่างง่าย แต่เมื่อรวมกันแล้วสร้างความซับซ้อนซึ่งเรียกว่า “ความฉลาดของมนุษย์”

ลองนึกภาพการจำลองการทำงานนี้ในดิจิทัล AI แบบดั้งเดิมมักแคบ: พัฒนาเพื่อทำงานเฉพาะเจาะจงและแยกจากกัน แต่แนวหน้าใหม่คือ Agentic AI ซึ่งเป็นระบบที่สร้างจากตัวแทนพิเศษอิสระที่โต้ตอบ คิดวิเคราะห์ และร่วมมือกัน โดยเลียนแบบการทำงานภายในสมองของเรา โมเดลภาษาขนาดใหญ่ (LLM) ทำหน้าที่เป็น “เซลล์ประสาท” ในด้านภาษา โดยดึงความหมายและบริบท ตัวแทนงานเฉพาะด้านดำเนินงานเฉพาะด้าน เช่น ดึงข้อมูล วิเคราะห์แนวโน้ม และแม้แต่การคาดการณ์ผลลัพธ์ ตัวแทนแบบอารมณ์ประเมินความรู้สึกของผู้ใช้ ในขณะที่ตัวแทนการตัดสินใจสรุปข้อมูลและดำเนินการ

ทุกโดเมนมีจุดอุดตัน — Agentic AI เปิดทางให้ทั้งหมด

ถามหัวหน้าโรงพยาบาลที่พยายามเติมเต็มตำแหน่งงานว่างที่เพิ่มขึ้น องค์การอนามัยโลกคาดการณ์ว่าจะมี การขาดแคลนบุคลากรสาธารณสุข 10 ล้านคนภายในปี 2030 แพทย์และพยาบาลทำงานเป็นเวลา 16 ชั่วโมงเหมือนเป็นเรื่องปกติ ผู้ประมวลผลคำร้องขอความช่วยเหลือต้องทำงานอย่างหนักเพื่อตรวจสอบนโยบาย ในขณะที่เทคนิคผู้ชำนาญการห้องปฏิบัติการต้องทำงานผ่านกระดาษนับไม่ถ้วนก่อนที่จะทดสอบตัวอย่างเพียงตัวอย่างเดียว ในโลกของ Agentic AI ที่ทำงานเป็นระบบเหล่านี้มืออาชีพเหล่านี้ได้รับการบรรเทา บอทประมวลผลคำร้องสามารถอ่านนโยบาย ประเมินความคุ้มครอง และแม้แต่ตรวจจับความผิดปกติภายในเวลาไม่กี่นาที — งานที่ปกติต้องใช้เวลานานและอาจมีข้อผิดพลาด

พลวัตเดียวกันนี้เกิดขึ้นทั่วอุตสาหกรรม ลองดูในธนาคารที่กระบวนการป้องกันการฟอกเงิน (AML) และการรู้จักลูกค้า (KYC) ยังคงเป็นปัญหาใหญ่ที่สุด KYC ขององค์กรต้องการขั้นตอนการยืนยันตัวตนอย่างไม่สิ้นสุด การตรวจสอบข้ามที่ซับซ้อน และเอกสารหลายร้อยหน้า ระบบ Agentic สามารถจัดระเบียบการดึงข้อมูลในเวลาจริง วิเคราะห์ความเสี่ยง และทำให้กระบวนการปฏิบัติตามกฎระเบียบง่ายขึ้น เพื่อให้พนักงานสามารถมุ่งเน้นไปที่ความสัมพันธ์กับลูกค้าจริงๆ มากกว่าการต่อสู้กับแบบฟอร์ม

การอ้างสิทธิ์ประกัน การทบทวนสัญญาโทรคมนาคม การจัดตารางการขนส่ง — รายการนี้ไม่มีที่สิ้นสุด ทุกโดเมนมีงานซ้ำๆ ที่ทำให้ผู้มีพรสวรรค์เสียเวลา

ใช่ Agentic AI คือไฟฉายในห้องใต้ดินที่มืดมิด: ส่องแสงสว่างไปที่ความไม่มีประสิทธิภาพที่ซ่อนอยู่ และให้ตัวแทนพิเศษจัดการงานที่ไม่จำเป็นในแบบขนาน ทำให้ทีมมีความสามารถในการมุ่งเน้นไปที่กลยุทธ์ การนวัตกรรม และการสร้างความสัมพันธ์ที่ลึกซึ้งยิ่งขึ้นกับลูกค้า

แต่พลังที่แท้จริงของ Agentic AI อยู่ที่ความสามารถในการแก้ปัญหาไม่เพียงแต่ในเรื่องของประสิทธิภาพหรือหนึ่งแผนก แต่ยังสามารถขยายตัวได้อย่างราบรื่นข้ามฟังก์ชันหลายอย่าง — แม้กระทั่งข้ามภูมิภาคต่างๆ นี่คือการปรับปรุงขนาด 100 เท่า

  • ความสามารถในการปรับขนาด: Agentic AI เป็นแบบโมดูลาร์ตั้งแต่แก่นแท้ ทำให้คุณสามารถเริ่มต้นด้วยขนาดเล็ก — เช่น แชทบอท FAQ เพียงตัวเดียว — จากนั้นขยายได้อย่างราบรื่น ต้องการติดตามคำสั่งซื้อแบบเรียลไทม์หรือวิเคราะห์เชิงพยากรณ์ภายหลัง? เพิ่มตัวแทนใหม่โดยไม่ทำให้ระบบทั้งหมดต้องหยุดทำงาน ตัวแทนแต่ละตัวจัดการงานเฉพาะด้าน ลดภาระการพัฒนา และทำให้คุณสามารถใช้ความสามารถใหม่ๆ โดยไม่ต้องทิ้งระบบที่มีอยู่
  • ความทนทาน: ในระบบหลายตัวแทน หากตัวแทนหนึ่งตัวมีปัญหา สิ่งนี้จะไม่ทำให้ทุกอย่างล่มจม หากตัวแทนการวินิจฉัยในด้านสุขภาพหยุดทำงาน ตัวแทนอื่นๆ เช่น บันทึกผู้ป่วยหรือการจัดตาราง — ยังคงทำงานต่อไป การล้มเหลวจะถูกจำกัดไว้ภายในตัวแทนแต่ละตัว ทำให้แน่ใจว่าบริการจะยังคงดำเนินต่อไป
  • ความสามารถในการปรับตัว: เมื่อกฎระเบียบหรือความคาดหวังของผู้บริโภคเปลี่ยนแปลง คุณสามารถปรับเปลี่ยนหรือแทนที่ตัวแทนแต่ละตัว — เช่น บอทความเป็นไปได้ — โดยไม่ต้องเปลี่ยนแปลงระบบทั้งหมด วิธีการนี้คล้ายกับการอัปเดตแอปบนโทรศัพท์ของคุณ มากกว่าการติดตั้งระบบปฏิบัติการใหม่ทั้งหมด ผลลัพธ์คือโครงสร้างพื้นฐานที่มีอายุการใช้งานยาวนานซึ่งพัฒนาไปพร้อมกับธุรกิจของคุณ โดยกำจัดเวลาที่หยุดทำงานหรือการรีบูตที่มีความเสี่ยง

คุณไม่สามารถคาดเดากระแส AI ต่อไปได้ แต่คุณสามารถเตรียมพร้อมสำหรับมันได้

AI ที่สร้างสรรค์เป็นดาราหน้าใหม่เมื่อไม่กี่ปีที่แล้ว; Agentic AI กำลังดึงดูดความสนใจ ในขณะนี้ วันพรุ่งนี้สิ่งใหม่ๆ จะเกิดขึ้น — เพราะนวัตกรรมไม่เคยหยุดยั้ง แล้วเราจะเตรียมโครงสร้างพื้นฐานของเราให้พร้อมสำหรับการเปลี่ยนแปลงเทคโนโลยีใหม่ๆ ได้อย่างไร โดยไม่ทำให้เกิดการล่มจมของ IT? ตามการศึกษาของ Forrester ล่าสุด 70% ของผู้นำ ที่ลงทุนมากกว่า 100 ล้านดอลลาร์ในโครงการดิจิทัลให้เครดิตกลยุทธ์หนึ่งๆ สำหรับความสำเร็จ: การใช้แพลตฟอร์ม

แทนที่จะถอดระบบเก่าออกและเปลี่ยนใหม่ทุกครั้งที่แนวคิด AI ใหม่เกิดขึ้น แพลตฟอร์มจะรวมความสามารถใหม่เหล่านี้เข้าด้วยกันเป็นบล็อกการสร้างที่เฉพาะเจาะจง เมื่อ Agentic AI มาถึง คุณไม่ต้องทิ้งระบบทั้งหมด — คุณเพียงแค่เสียบโมดูลตัวแทนใหม่เข้าไป วิธีการนี้หมายถึงการโอเวอร์รันโครงการที่น้อยลง การติดตั้งที่เร็วขึ้น และผลลัพธ์ที่สม่ำเสมอมากขึ้น

ดียิ่งขึ้น แพลตฟอร์มที่มั่นคงให้ความสามารถในการมองเห็นแบบ end-to-end ในการดำเนินการของตัวแทนแต่ละตัว — เพื่อให้คุณสามารถเพิ่มประสิทธิภาพต้นทุนและควบคุมการใช้คำนวณได้ดีขึ้น อินเทอร์เฟซ low-code/no-code ลดข้อจำกัดในการเข้าถึงสำหรับผู้ใช้ทางธุรกิจในการสร้างและติดตั้งตัวแทน ในขณะที่ไลบรารีตัวช่วยและตัวแทนพรีเบิลด์เร่งการทำงานข้ามฟังก์ชัน ไม่ว่าจะเป็นใน HR การตลาด หรือแผนกอื่นๆ แพลตฟอร์มที่รองรับโครงสร้าง PolyAI และเฟรมเวิร์กการออร์เคสตราที่หลากหลายช่วยให้คุณสามารถเปลี่ยนโมเดลที่แตกต่างกัน จัดการพรอมต์ และเพิ่มความสามารถใหม่ๆ โดยไม่ต้องเขียนทุกอย่างจากศูนย์ โดยการเป็นกลางบนคลาวด์ ก็ช่วยให้คุณหลีกเลี่ยงการล็อกอินของซัพพลายเออร์ และเข้าถึงบริการ AI ที่ดีที่สุดจากผู้ให้บริการใดๆ โดยหลักการ แพลตฟอร์มเป็นกุญแจสำคัญในการออร์เคสตราการให้เหตุผลแบบหลายตัวแทนในระดับที่ไม่ทำให้คุณจมอยู่ในหนี้สินทางเทคนิคหรือเสียความคล่องตัว

ดังนั้น ส่วนประกอบหลักของแนวทางแพลตฟอร์มคืออะไร?

  1. ข้อมูล: เชื่อมต่อกับชั้นร่วมที่มีฐานข้อมูล ไม่ว่าคุณจะใช้ LLM หรือโครงสร้าง Agentic ข้อมูลชั้นของแพลตฟอร์มยังคงเป็นรากฐาน หากมันรวมเป็นหนึ่งเดียว ตัวแทน AI ใหม่ๆ จะสามารถดึงข้อมูลจากฐานความรู้ที่คัดสรรมาโดยไม่ต้องมีการปรับเปลี่ยนแบบย้อนหลังที่ยุ่งยาก
  2. โมเดล: สมองแบบเปลี่ยนได้ แพลตฟอร์มที่ยืดหยุ่นช่วยให้คุณเลือกโมเดลที่เหมาะสมสำหรับการใช้งานแต่ละครั้ง — ไม่ว่าจะเป็นการวิเคราะห์ความเสี่ยงทางการเงิน การบริการลูกค้า การวินิจฉัยทางการแพทย์ — แล้วอัปเดตหรือเปลี่ยนโดยไม่ต้องทำลายทุกอย่าง
  3. ตัวแทน: การทำงานแบบโมดูลาร์ ตัวแทนสามารถทำงานเป็นบริการขนาดเล็กที่อิสระแต่สอดคล้องกัน หากคุณต้องการตัวแทนการตลาดใหม่หรือตัวแทนการปฏิบัติตามกฎระเบียบ คุณสามารถสร้างขึ้นได้ข้างๆ ตัวแทนที่มีอยู่โดยไม่ทำให้ระบบทั้งหมดไม่เสถียร
  4. การกำกับดูแล: การป้องกันความเสี่ยงในระดับใหญ่ เมื่อโครงสร้างการกำกับดูแลถูกสร้างเข้าไปในตัวแพลตฟอร์ม — ครอบคลุมการตรวจสอบความลำเอียง การบันทึกการตรวจสอบ และการปฏิบัติตามกฎระเบียบ — คุณจะสามารถเตรียมพร้อมและควบคุมได้ ไม่ว่าคุณจะนำ AI ใหม่ๆ มาใช้หรือไม่

เริ่มต้นด้วยขนาดเล็กและออร์เคสตราไปข้างหน้า

Agentic AI ไม่ใช่สิ่งใหม่ — รถยนต์ขับเคลื่อนอัตโนมัติของ Tesla ใช้โมดูลอิสระหลายตัว ความแตกต่างคือเฟรมเวิร์กการออร์เคสตราใหม่ทำให้ความฉลาดหลายตัวนี้เข้าถึงได้ทั่วไป ไม่จำกัดเฉพาะฮาร์ดแวร์หรืออุตสาหกรรมเฉพาะอีกต่อไป Agentic AI สามารถนำไปใช้กับทุกสิ่ง ตั้งแต่การเงินไปจนถึงสุขภาพ ทำให้เกิดความสนใจและแรงผลักดันใหม่ๆ ในกระแสหลัก

การออกแบบสำหรับการเตรียมพร้อมของแพลตฟอร์ม เริ่มต้นด้วยตัวแทนหนึ่งตัวที่แก้ไขปัญหาที่เจาะจงแล้วขยายออกไปอย่างต่อเนื่อง รักษาข้อมูลเป็นสินทรัพย์เชิงกลยุทธ์ เลือกโมเดลอย่างรอบคอบ และสร้างการกำกับดูแลที่โปร่งใส ด้วยวิธีนี้ ทุกคลื่น AI ใหม่จะรวมเข้ากับโครงสร้างพื้นฐานที่มีอยู่ของคุณได้อย่างราบรื่น — เพิ่มความคล่องตัวโดยไม่ต้องมีการเปลี่ยนแปลงอย่างต่อเนื่อง

อาร์วินด์ ราว เป็น Chief Technology Officer, Edge Platforms, ที่ EdgeVerve อาร์วินด์มีประสบการณ์ที่สำคัญในการนำทีมผลิตภัณฑ์ที่กระจายอยู่ทั่วโลกผ่านชีวิต цикルของการพัฒนาซอฟต์แวร์สำหรับผลิตภัณฑ์ขนาดใหญ่และสำคัญต่างๆ ก่อนที่จะเข้าร่วม EdgeVerve เขาใช้เวลาเกินสองทศวรรษกับ e2open ซึ่งเขายังดำรงตำแหน่ง Chief Architect อาร์วินด์เริ่มต้นการเดินทางของเขากับ e2open ในช่วงต้นของสหรัฐอเมริกา ตามด้วย Zyme Solutions ในอินเดีย และกลับมาที่ e2open หลังจากที่พวกเขาซื้อ Zyme อาร์วินด์ทำงานอย่างสั้นสำหรับ Telus Mobility (โตรอนโต) ในฐานะ Enterprise Architect โดยนำการริเริ่ม Enterprise Architecture ของพวกเขา อาร์วินด์เริ่มต้นการเดินทางอาชีพของเขากับ DSET Corporation, NJ ซึ่งเป็นสตาร์ทอัพที่มุ่งเน้นไปที่เครื่องมือและแอปพลิเคชันการจัดการเครือข่ายโทรคมนาคม อาร์วินด์เป็นเจ้าของ BE (Comp Science) จาก Bangalore University และ MS (Computer Science) จาก University of Kentucky