วิธีที่ Agentic AI กำลังเปลี่ยนแปลงเวิร์กโฟลว์ขององค์กร

มีเรื่องราวที่คุ้นเคยกันดีในแวดวง AI ระดับองค์กร: AI ที่ทำหน้าที่เสมือนตัวแทนคือ “สิ่งใหม่ที่ยิ่งใหญ่” ที่เราควรพูดคุย วางแผน หรือทดลองใช้ก่อนที่มันจะกลายเป็นความจริง และอนาคตนั้นก็มาถึงแล้วอย่างเงียบๆ โดยแทรกซึมอยู่ในงานประจำวัน

ในองค์กรหลายแห่งในปัจจุบัน ระบบตัวแทนอัตโนมัติไม่ได้มีอยู่แค่ในรูปแบบโครงการนำร่องที่หวือหวา แต่เป็นระบบที่ใช้งานได้จริง ออกแบบมาเพื่อลดอุปสรรค เร่งการส่งมอบงาน และทดแทนงานประสานงานที่มนุษย์เคยทำด้วยตนเอง

ตัวอย่างเช่น ในบริษัทของเรา AI ได้ถูกผสานรวมเข้ากับหลายส่วนงานภายในองค์กร – ตั้งแต่ การเขียนโค้ดและการผลิตเนื้อหา ไปยัง หน่วยความจำขององค์กรและการวิเคราะห์การทำงานร่วมกันของทีม – รองรับพนักงานกว่า 2,000 คน ระบบเหล่านี้เป็นส่วนหนึ่งของการดำเนินงานประจำวัน ช่วยให้ทีมทำงานได้เร็วขึ้นและสม่ำเสมอมากขึ้น ทั้งในด้านงานทางเทคนิค งานสร้างสรรค์ และงานด้านการจัดการองค์กร

ความเป็นจริงที่กำลังเกิดขึ้นนี้สะท้อนให้เห็นถึงการเปลี่ยนแปลงครั้งใหญ่ในวิธีการทำงานที่แท้จริง

จากอินเทอร์เฟซ AI สู่การทำงานที่เน้นการไหลเวียนของข้อมูล

AI สำหรับองค์กรส่วนใหญ่ที่ผ่านมานั้นเกี่ยวกับ... เพิ่ม: การเพิ่มคำแนะนำ การสรุป หรือการสร้างข้อความลงในส่วนติดต่อผู้ใช้ แต่ความฉลาดในลักษณะนั้น แม้จะมีประโยชน์ ก็ไม่ได้เปลี่ยนแปลงวิธีการทำงาน มันเพียงแค่ทำให้ขั้นตอนที่มีอยู่เร็วขึ้นเท่านั้น

AI ที่มีตัวแทนนั้นแตกต่างออกไป: มันไม่ได้แค่ตอบสนองต่อคำสั่งเท่านั้น มัน... ตั้งเป้าหมาย วางแผน และดำเนินการตามภารกิจเพื่อให้บรรลุผลลัพธ์โดยประสานงานหลายขั้นตอนในระบบต่างๆ ด้วยการแทรกแซงจากมนุษย์ให้น้อยที่สุด กล่าวอีกนัยหนึ่งคือ มันเป็นระบบอัตโนมัติ ขั้นตอนการทำงานไม่ใช่แค่ส่วนประกอบของส่วนประกอบเหล่านั้น

เมื่อตัวแทนทำงานในระดับกระบวนการทำงานแทนที่จะเป็นระดับส่วนต่อประสาน รูปแบบการทำงานก็จะเปลี่ยนไป ระบบจะเริ่มคาดการณ์ความต้องการแทนที่จะตอบสนองต่อความต้องการเหล่านั้นเพียงอย่างเดียว

ในบริษัทของเรา การเปลี่ยนแปลงนี้มีลักษณะดังนี้:

• การสร้างโค้ดและเอกสารประกอบโดยอัตโนมัติ ซึ่งช่วยเร่งการพัฒนาและทำให้ผลลัพธ์สอดคล้องกับมาตรฐานโดยไม่ต้องมีการกระตุ้นจากมนุษย์ซ้ำๆ
• ระบบหน่วยความจำเชิงสถาบันที่มีโครงสร้าง ซึ่งเป็นการรวบรวมองค์ความรู้ขององค์กรและทำให้สามารถเรียกใช้ได้ในวงกว้าง
• การผลิตเนื้อหาโดยใช้ AI ช่วย ซึ่งช่วยยกระดับคุณภาพงานเขียนสำหรับทั้งกลุ่มเป้าหมายภายในและภายนอกองค์กร
• การวิเคราะห์ข้อมูลเชิงสัมพันธ์ ซึ่งจะช่วยให้เห็นพลวัตการทำงานร่วมกันระหว่างทีมต่างๆ และทำให้สามารถเข้าไปแก้ไขปัญหาได้ตั้งแต่เนิ่นๆ

ทั้งหมดนี้ไม่ใช่การทดลอง แต่เป็นการบูรณาการเข้ากับกระบวนการส่งมอบงาน ทำให้ผู้คนสามารถมุ่งเน้นไปที่กลยุทธ์และความคิดสร้างสรรค์แทนที่จะเป็นการประสานงาน

กระบวนการทำงานแบบ Agentic เผยให้เห็นปัญหาที่ซ่อนอยู่

ทันทีที่คุณผนวกเอเจนต์เข้ากับเวิร์กโฟลว์ ความเป็นจริงขององค์กรก็จะปรากฏให้เห็น (บางครั้งก็ปรากฏชัดเจนเกินไป)

กระบวนการดั้งเดิม การเป็นเจ้าของที่ไม่ชัดเจน และกฎที่ไม่ได้เขียนไว้ ซึ่งมนุษย์เคยใช้เป็นเครื่องมือชดเชย กลับกลายเป็นอุปสรรคสำคัญเมื่อตัวแทน AI พยายามทำงานข้ามระบบ

ปรากฏการณ์นี้ไม่ได้เกิดขึ้นเฉพาะกับเราเท่านั้น นักวิเคราะห์ชี้ให้เห็นว่า การที่จะได้รับคุณค่าที่แท้จริงจาก AI ที่ทำหน้าที่เสมือนตัวแทนนั้น จำเป็นต้องมีการปรับเปลี่ยนกระบวนการทำงานอย่างพื้นฐาน องค์กรที่เพียงแค่เพิ่มเอเจนต์เข้าไปในกระบวนการที่มีอยู่แล้ว มักจะเห็นผลลัพธ์ที่จำกัด เพราะยังไม่ได้แก้ไขปัญหาว่าเอเจนต์จะทำงานที่ใด จริง ที่เกิดขึ้น

รายงานของ Gartner ระบุว่า มากกว่านั้น คาดว่า 40% ของโครงการ AI ที่มีบทบาทเฉพาะจะถูกยกเลิกภายในปี 2027 ไม่ใช่เพราะเทคโนโลยีล้มเหลว แต่เป็นเพราะธุรกิจไม่สามารถกำหนดผลลัพธ์ที่ชัดเจนและนำไปปฏิบัติได้จริงสำหรับเทคโนโลยีเหล่านั้น

นี่ไม่ควรถูกตีความว่าเป็นคำตัดสินที่ต่อต้าน AI ที่มีบทบาทเฉพาะตัว แต่เป็นหลักฐานที่แสดงให้เห็นว่า ต้องมีการกำหนดแบบจำลองงานอย่างชัดเจนก่อนที่ AI จะสามารถทำการทำงานโดยอัตโนมัติได้หากเป็นไปในทางตรงกันข้าม เอเจนต์จะเน้นกระบวนการที่ผิดพลาด

AI ที่มีเอเจนต์ที่แท้จริงมีลักษณะอย่างไรในทางปฏิบัติ

แฉ่ง ปัญญาประดิษฐ์แบบเอเจนต์ หมายถึงระบบที่ผสมผสานเอเจนต์อิสระเข้ากับการจัดการกระบวนการทำงาน เพื่อดำเนินการตามลำดับของงานต่างๆ อย่างอิสระ พร้อมทั้งปรับตัวให้เข้ากับสภาวะและเป้าหมายที่เปลี่ยนแปลงไป

ในความเป็นจริง ระบบที่มีตัวแทนมักไม่ปรากฏในรูปแบบของ “ตัวแทน” เดียวที่รวมเป็นหนึ่งเดียว แต่จะแสดงออกมาในรูปแบบอื่นๆ ตัวแทนผู้เชี่ยวชาญหลายตัวที่เชื่อมต่อกันด้วยตรรกะการประสานงานตัวแทนแต่ละคนอาจมีขอบเขตความรับผิดชอบที่ค่อนข้างจำกัด แต่เมื่อรวมกันแล้ว พวกเขาก็รวมตัวกันเป็นหนึ่งเดียว ระบบอัตโนมัติระดับเวิร์กโฟลว์.

ในทางปฏิบัตินี้หมายถึง:

• ตัวแทนที่ สร้างและตรวจสอบโค้ดและเอกสาร ตามธรรมเนียมปฏิบัติขององค์กร และสอดคล้องกับแนวทางการตรวจสอบรหัส รวมถึงการตรวจสอบโดยบุคคลหรือแม้แต่หน่วยงานอื่น
• ตัวแทนหน่วยความจำที่ รวบรวมและจัดทำดัชนีความรู้ของสถาบันทำให้สามารถค้นหาและนำกลับมาใช้ใหม่ได้
• ตัวแทนเนื้อหาที่ สร้างแบบร่างที่สมบูรณ์แบบ สำหรับการส่งมอบงานภายในและงานให้กับลูกค้า
• การวิเคราะห์การทำงานร่วมกันที่ ตรวจสอบโทนเสียงและ "บรรยากาศ" ครอบคลุมหลายทีม ทำให้เห็นแนวโน้มที่อาจต้องใช้เวลาหลายเดือนกว่าจะสังเกตเห็นได้หากไม่มีการทำงานร่วมกันของทีมเหล่านี้

เอเจนต์เหล่านี้ไม่ได้ทำงานอย่างโดดเดี่ยว พวกมันใช้บริบทและเซสชันร่วมกัน โดยมักมีเลเยอร์การประสานงานเป็นตัวกลางในการจัดลำดับการกระทำ แก้ไขข้อขัดแย้ง และจัดการกับข้อยกเว้น ซึ่งเป็นแนวทางที่คล้ายกับการทำงานอัตโนมัติของเวิร์กโฟลว์มากกว่าการสร้างผลลัพธ์แบบตรงไปตรงมา

เหตุใดการเปลี่ยนแปลงทางสถาปัตยกรรมจึงเป็นสิ่งที่หลีกเลี่ยงไม่ได้

โครงการริเริ่มแบบเอเจนต์ในระยะเริ่มต้นที่อาศัยโมเดลภาษาขนาดใหญ่เพียงโมเดลเดียวสำหรับทุกงาน มักประสบปัญหาคอขวดด้านต้นทุน การกำกับดูแล และความซับซ้อน เพื่อให้ระบบขององค์กรสามารถรองรับเวิร์กโฟลว์แบบเอเจนต์ได้อย่างน่าเชื่อถือ องค์กรต่างๆ จึงหันมาใช้แนวทางใหม่ๆ มากขึ้น สถาปัตยกรรมที่จัดวางอย่างเป็นระบบ โดยที่ส่วนประกอบต่างๆ จะทำหน้าที่เกี่ยวกับการให้เหตุผล หน่วยความจำ บริบท การบูรณาการ และการดำเนินการ

แนวโน้มนี้สะท้อนให้เห็นถึงไม่เพียงแต่แนวปฏิบัติเท่านั้น แต่ยังรวมถึงภูมิปัญญาด้านการออกแบบที่กำลังเกิดขึ้นด้วย: กระบวนการทำงานต้องการการประสานงาน ไม่ใช่ระบบอัจฉริยะแบบรวมศูนย์.

อันที่จริง งานวิจัยทางวิชาการด้าน AI สำหรับองค์กรเน้นให้เห็นว่าสถาปัตยกรรมพิมพ์เขียวสำหรับเวิร์กโฟลว์แบบเอเจนต์นั้นทำให้ข้อมูล ตัววางแผน และการแบ่งงานเป็นไปอย่างเป็นทางการ เพื่อเชื่อมโยงความสามารถของ LLM เข้ากับตรรกะทางธุรกิจที่แท้จริง ซึ่งเป็นสัญญาณบ่งชี้ว่าสาขานี้กำลังก้าวไปข้างหน้า “ลูกเล่น AI” สาขาวิชาวิศวกรรมระบบ

การเปลี่ยนไปใช้ระบบมัลติเอเจนต์แบบประสานงานนั้น สะท้อนให้เห็นถึงสิ่งที่องค์กรต่างๆ เช่น Customertimes นำไปใช้ภายในองค์กร: ตัวแทนแบบโมดูลาร์ที่ทำงานร่วมกันไม่ใช่โมเดลอเนกประสงค์รุ่นเดียวที่พยายามทำทุกอย่าง

การต่อต้านของมนุษย์เป็นสัญญาณที่บ่งบอกถึงการออกแบบ ไม่ใช่ความกลัว

ความเข้าใจผิดที่พบบ่อยคือ พนักงานต่อต้าน AI ที่ทำหน้าที่แทนผู้อื่นเพราะความกลัว – พวกเขากลัวว่าจะถูกแทนที่ ในความเป็นจริง การต่อต้านมักเกิดขึ้นเพราะ... ระบบเหล่านี้ทำงานโดยปราศจากขอบเขตที่ชัดเจนหรือตรรกะที่เข้าใจได้.

ผลการวิจัยเกี่ยวกับการนำไปใช้ในองค์กรแสดงให้เห็นว่า AI จะประสบความสำเร็จเมื่อมัน... ลดแรงเสียดทาน และ ผสานรวมเข้ากับงานที่มีอยู่ได้อย่างลงตัวและคาดการณ์ได้มากกว่าเมื่อมันแสดงให้เห็นถึงความซับซ้อนอย่างแท้จริง

ที่ Customertimes เราได้นำความสามารถในการให้คำแนะนำแบบอัตโนมัติมาใช้โดยคำนึงถึงเรื่องนี้เป็นสำคัญ เจ้าหน้าที่จะเริ่มต้นด้วยการให้ความช่วยเหลือ แนะนำการดำเนินการก่อนที่จะลงมือทำ พวกเขาจะแสดงเหตุผลและบริบทออกมาแทนที่จะปกปิด และการกำกับดูแลโดยมนุษย์ไม่ใช่สิ่งที่รับประกันความผิดพลาดได้ 100% – แต่มันคือ... ความคาดหวังด้านการออกแบบ.

รูปแบบความไว้วางใจแบบค่อยเป็นค่อยไปนี้ไม่ใช่การเสียสละเพื่อผู้อื่น แต่มันเป็นเรื่องของความเป็นจริง ตัวแทนที่ขัดจังหวะ กระทำการที่ไม่สามารถคาดเดาได้ หรือแสดงผลลัพธ์ที่ไม่ชัดเจนจะไม่ได้รับการยอมรับจากมนุษย์ เพราะมนุษย์จะปิดใช้งานพวกมันไปเอง

ผลผลิตที่เพิ่มขึ้นอย่างแท้จริงอยู่ที่ไหน

เรื่องราวที่เผยแพร่สู่สาธารณะมักเน้นไปที่ประเด็นที่ว่า AI จะเข้ามาแทนที่งาน แต่ในกระบวนการทำงานจริงขององค์กร ประโยชน์ที่ยิ่งใหญ่ที่สุดจาก AI ที่มีบทบาทเฉพาะตัวนั้นมาจาก... ลดภาระงานด้านการประสานงาน - งานที่ไม่เคยมีการวัดผลมาก่อน แต่กลับให้ผลลัพธ์ที่ช้าอย่างสม่ำเสมอ

นักวิเคราะห์ตั้งข้อสังเกตว่า ระบบที่มีตัวแทน (agentic systems) สามารถเร่งกระบวนการทางธุรกิจหลักได้อย่างมีนัยสำคัญ โดยการประสานกระบวนการหลายขั้นตอนตั้งแต่ต้นจนจบ บางครั้งอาจเร็วกว่านั้นมาก % 30 50 ไป% ในด้านต่างๆ เช่น การจัดซื้อ หรือการดำเนินงานกับลูกค้า.

นั่นไม่ใช่ระบบอัตโนมัติในความหมายแคบๆ แต่มันคือความเร็วของกระบวนการทำงาน: การลดระยะเวลาล่าช้าระหว่างการรวบรวมข้อมูลบริบท การสนับสนุนการตัดสินใจ และการดำเนินการ

สำหรับองค์กรอย่างเรา ผลลัพธ์ที่ได้นั้นชัดเจน: ทีมงานใช้เวลาน้อยลงในการติดตามข้อมูลป้อนเข้า และใช้เวลามากขึ้นในการส่งมอบผลลัพธ์

UX คือปัญหาที่ยากที่สุดข้อสุดท้าย

เมื่อระบบ AI ที่ทำหน้าที่เหมือนตัวแทนมีความสามารถมากขึ้น ประสบการณ์ของผู้ใช้กลายเป็นปัจจัยจำกัด.

ประสบการณ์ผู้ใช้ (UX) แบบดั้งเดิมในองค์กรนั้นตั้งอยู่บนสมมติฐานของรูปแบบการทำงานแบบซิงโครนัสและขับเคลื่อนด้วยคำสั่ง AI ที่เป็นตัวแทน (Agentic AI) นำเสนอการทำงานแบบอะซิงโครนัส การตัดสินใจในเบื้องหลัง และการควบคุมร่วมกันระหว่างมนุษย์และเครื่องจักร หากปราศจากการออกแบบอย่างรอบคอบ ผู้ใช้จะรู้สึกว่าถูกละเลย

เพื่อหลีกเลี่ยงปัญหานี้ ระบบที่ประสบความสำเร็จจะเน้นย้ำเจตนา เปิดเผยความไม่แน่นอน และทำให้ชัดเจนว่าตัวแทนกำลังกระทำการใดและเพราะเหตุใด หากผู้ใช้ไม่สามารถรับรู้ได้ ทำไม มีการดำเนินการบางอย่าง ความไว้วางใจลดลง และการรับเลี้ยงบุตรบุญธรรมหยุดชะงัก

นี่ไม่ใช่การคาดเดา – แม้แต่สื่อกระแสหลักที่รายงานเกี่ยวกับ AI ที่ทำหน้าที่คล้ายมนุษย์ก็ยังเตือนว่าความสำเร็จขึ้นอยู่กับ... ไม่ใช่แค่เรื่องสติปัญญา แต่รวมถึงเรื่องอื่นๆ ด้วย ความสามารถในการอธิบายและการควบคุม.

AI ที่ทำงานอย่างมีประสิทธิภาพจะกลายเป็นโครงสร้างพื้นฐานขององค์กร ไม่ว่าบริษัทต่างๆ จะวางแผนไว้หรือไม่ก็ตาม

เส้นทางการพัฒนาของเทคโนโลยีองค์กรส่วนใหญ่เป็นไปตามแบบแผน: การทดลอง การกลายเป็นสิ่งจำเป็น และการมองไม่เห็น AI ที่เป็นตัวแทน (Agentic AI) อยู่ระหว่างครึ่งทางของเส้นทางนั้นแล้ว

เมื่อระบบแตกแยกและงานกระจายไปทั่วเครื่องมือและทีมต่างๆ เอเจนต์จะทำหน้าที่เป็น... เนื้อเยื่อเกี่ยวพัน – ไม่ได้หมายความว่าจะมาแทนที่มนุษย์ แต่... ทำให้งานที่ซับซ้อนเข้าใจง่ายขึ้น.

การเปลี่ยนแปลงนี้ไม่จำเป็นต้องมีการวางแผนเชิงกลยุทธ์ที่ซับซ้อน แต่เป็นการเผชิญหน้ากับความขัดแย้งภายในองค์กรโดยตรง และปรับโครงสร้างกระบวนการทำงานให้ชัดเจนและสามารถแบ่งย่อยได้ เมื่อเป็นเช่นนั้นแล้ว ปัญญาประดิษฐ์จะไม่ใช่ส่วนเสริม แต่จะเป็นส่วนสำคัญ กลาง ซึ่งเป็นช่องทางที่งานต่างๆ ไหลเวียนไป