วิธีการทำงานขององค์กรขนาดใหญ่กำลังถูกเขียนใหม่โดย Agentic AI

มีเรื่องราวที่คุ้นเคยในวงการ AI ขององค์กร: Agentic AI เป็น “สิ่งที่ยิ่งใหญ่ต่อไป” ซึ่งเราควรพูดคุย วางแผน หรือทดลองใช้ก่อนที่จะกลายเป็นความจริง และอนาคตนั้นอยู่ที่นี่แล้ว ซึ่งฝังอยู่ในงานประจำทุกวัน

ในหลายองค์กรในปัจจุบัน ระบบ Agentic ไม่มีอยู่ในรูปแบบการนำเสนอที่น่าดึงดูด พวกมันถูกออกแบบมาเพื่อลดความซับซ้อน เพิ่มความเร็วในการส่งมอบ และแทนที่การทำงานที่มนุษย์ทำด้วยมือ

ตัวอย่างเช่น ในบริษัทของเรา AI ถูกผสมผสานเข้ากับหลายโดเมนภายใน – ตั้งแต่ การเขียนโค้ดและการผลิตเนื้อหา ไปจนถึง การวิเคราะห์ความทรงจำของสถาบันและการทำงานร่วมกันของทีม – เพื่อสนับสนุนพนักงานมากกว่า 2,000 คน ระบบเหล่านี้เป็นส่วนหนึ่งของการดำเนินงานประจำวัน ช่วยให้ทีมทำงานได้เร็วขึ้นและสม่ำเสมอมากขึ้นในการทำงานทางเทคนิค การสร้างสรรค์ และองค์กร

ความเป็นจริงที่เกิดขึ้นนี้สะท้อนถึงการเปลี่ยนแปลงที่ใหญ่กว่านี้ใน cáchที่งานได้รับการดำเนินการ

จาก AI Interface ไปยัง Flow-Oriented Work

AI ขององค์กรส่วนใหญ่จนถึงตอนนี้เกี่ยวกับ การเพิ่มประสิทธิภาพ: การเพิ่มคำแนะนำ การสรุป หรือการสร้างข้อความให้กับอินเทอร์เฟซผู้ใช้ แต่ความฉลาดประเภทนั้น แม้ว่าจะมีประโยชน์ แต่ไม่ได้เปลี่ยนแปลงวิธีการทำงาน มันเพียงแต่ทำให้ขั้นตอนที่มีอยู่เร็วขึ้น

Agentic AI แตกต่าง: มันไม่ตอบสนองต่อคำสั่งเท่านั้น มัน ตั้งเป้าหมาย วางแผน และดำเนินการเพื่อให้บรรลุผลลัพธ์ โดยจัดระเบียบหลายขั้นตอนข้ามระบบด้วยการแทรกแซงมนุษย์ขั้นต่ำ ในอีกคำหนึ่ง มัน การทำงาน ไม่ใช่แค่ส่วนประกอบของมัน

เมื่อเอเจนต์ทำงานที่ระดับการทำงานมากกว่าอินเทอร์เฟซ รูปแบบการทำงานจะเปลี่ยน ระบบเริ่มคาดการณ์ความต้องการมากกว่าการตอบสนองต่อพวกมัน

ในบริษัทของเรา การเปลี่ยนแปลงนี้ดูเหมือน:

• การสร้างโค้ดและเอกสารอัตโนมัติ ที่เร่งการพัฒนาและจัดแนวผลลัพธ์กับมาตรฐานโดยไม่ต้องมีการกระตุ้นซ้ำจากมนุษย์
• ระบบความทรงจำของสถาบันที่มีโครงสร้าง ที่รวมความรู้ขององค์กรและทำให้สามารถค้นหาได้ในระดับใหญ่
• การผลิตเนื้อหาที่ได้รับการสนับสนุนจาก AI ที่ปรับขนาดการเขียนที่มีคุณภาพสำหรับทั้งผู้ฟังภายในและภายนอก
• การวิเคราะห์ Vibe-coding ที่แสดงให้เห็นถึงพลวัตการทำงานร่วมกันระหว่างทีม ทำให้สามารถแทรกแซงได้เร็วขึ้น

ไม่มีสิ่งเหล่านี้เป็นการทดลอง พวกมันถูกผสมผสานเข้ากับกระบวนการในการส่งมอบ โดยปล่อยให้คนมุ่งเน้นไปที่กลยุทธ์และความสร้างสรรค์มากกว่าการประสานงาน

Agentic Workflows เผยให้เห็นความเสียดสีที่ซ่อนอยู่

เมื่อใดก็ตามที่คุณฝังตัวเอเจนต์เข้ากับการทำงาน องค์กรจะกลายเป็นความจริงที่มองเห็นได้ (บางครั้งมากเกินไป)

กระบวนการในอดีต การเป็นเจ้าของที่ไม่ได้กำหนดไว้ และกฎที่ไม่ได้เขียนไว้ที่มนุษย์เคยชดเชยกลายเป็นอุปสรรคที่ชัดเจนเมื่อเอเจนต์ AI พยายามดำเนินการข้ามระบบ

ปรากฏการณ์นี้ไม่เฉพาะเจาะจงกับเรา นักวิเคราะห์ชี้ให้เห็นว่าการบรรลุผลที่แท้จริงจาก Agentic AI ต้อง พื้นฐานการทำงานใหม่

จริงๆ แล้วรายงานของ Gartner ระบุว่ามากกว่า 40% ของโครงการ Agentic AI มีแนวโน้มที่จะถูกยกเลิกภายในปี 2027 — ไม่ใช่เพราะเทคโนโลยีไม่สำเร็จ แต่เพราะธุรกิจไม่สามารถกำหนดผลลัพธ์ที่ชัดเจนและสามารถดำเนินการได้สำหรับพวกมัน

สิ่งนี้ไม่ควรอ่านว่าเป็นคำตัดสินต่อ Agentic AI แต่เป็นหลักฐานว่า งานต้องถูกสร้างแบบจำลองอย่างชัดเจนก่อนที่ AI จะสามารถทำให้ทำงานได้ หากตรงกันข้าม – เอเจนต์จะเน้นกระบวนการที่เสียหาย

Agentic AI ในทางปฏิบัติ

โดยทั่วไป Agentic AI หมายถึงระบบที่รวมเอเจนต์อัตโนมัติเข้ากับการจัดระเบียบการทำงานเพื่อดำเนินการลำดับของงานโดยอิสระ ในขณะเดียวกันก็ปรับตัวให้เข้ากับสภาพและเป้าหมายที่เปลี่ยนแปลง

จริงๆ แล้ว ระบบ Agentic มักจะไม่ปรากฏเป็น “เอเจนต์” เดียว มันแสดงออกมาเป็น เอเจนต์เชี่ยวชาญหลายตัวที่เชื่อมต่อกันด้วยตรรกะการจัดระเบียบ แต่ละเอเจนต์อาจมีอำนาจที่ค่อนข้างแคบ แต่ด้วยวิธีนี้พวกเขาร่วมกันสร้าง การทำงานอัตโนมัติระดับการทำงาน

ในทางปฏิบัติ สิ่งนี้หมายถึง:

• เอเจนต์ที่ สร้างและตรวจสอบโค้ดและเอกสาร ตามมาตรฐานขององค์กร และสอดคล้องกับการทบทวนโค้ด รวมถึงการทบทวนโดยบุคคลหรือแม้แต่เอเจนต์อื่น
• เอเจนต์ความทรงจำที่ จับและดัชนีความทรงจำของสถาบัน ทำให้สามารถค้นหาและใช้ซ้ำได้
• เอเจนต์เนื้อหาที่ ผลิตแบบร่างที่มีคุณภาพ สำหรับการส่งมอบภายในและลูกค้า
• การวิเคราะห์การทำงานร่วมกันที่ ติดตามโทนและ “vibe” ระหว่างทีม โดยแสดงแนวโน้มที่อาจใช้เวลาหลายเดือนในการสังเกต

เอเจนต์เหล่านี้ไม่ทำงานโดดเดี่ยว พวกมันแบ่งปันบริบทและเซสชัน ซึ่งมักจะถูกจัดระเบียบโดยชั้นการจัดระเบียบซึ่งจัดลำดับการดำเนินการ แก้ไขข้อขัดแย้ง และจัดการข้อยกเว้ – วิธีการที่ใกล้เคียงกับการทำงานอัตโนมัติของการทำงานมากกว่าผลลัพธ์ที่สร้างขึ้นแบบแบน

ทำไมการเปลี่ยนแปลงสถาปัตยกรรมจึงไม่สามารถหลีกเลี่ยงได้

การเริ่มต้น Agentic ที่พึ่งพาโมเดลภาษาขนาดใหญ่เพียงตัวเดียวสำหรับทุกงานมักจะพบกับปัญหาค่าใช้จ่าย การกำกับดูแล และความซับซ้อน สำหรับระบบองค์กรในการขยายการทำงานของ Agentic ได้อย่างน่าเชื่อถือ องค์กรจึงใช้ สถาปัตยกรรมที่จัดระเบียบ โดยที่ส่วนประกอบต่างๆ จัดการเหตุผล ความทรงจำ บริบท การบูรณาการ และการดำเนินการ

แนวโน้มนี้สะท้อนไม่เพียงแต่การปฏิบัติเท่านั้น แต่ยังสะท้อนถึงความฉลาดในการออกแบบที่เกิดขึ้นใหม่: การทำงานต้องการการจัดระเบียบ ไม่ใช่ความฉลาดแบบโมโนลิธิก

ในความเป็นจริง การวิจัยทางวิชาการใน AI ขององค์กรเน้นย้ำว่า สถาปัตยกรรมแบบแผนสำหรับการทำงานของ Agentic จะทำให้ข้อมูล ผู้วางแผน และการแยกงานเป็นชิ้นเล็กๆ เพื่อเชื่อมความสามารถของ LLM กับตรรกะธุรกิจที่แท้จริง – เป็นเครื่องหมายที่สาขานี้กำลังย้ายจาก “AI ที่น่าดึงดูด” ไปเป็น วิศวกรรมระบบ

การย้ายไปสู่ระบบหลายเอเจนต์ที่จัดระเบียบซึ่งกันและกัน สะท้อนถึงสิ่งที่องค์กรอย่าง Customertimes นำไปใช้ภายใน: เอเจนต์แบบโมดูลาร์ที่ทำงานร่วมกัน ไม่ใช่โมเดลทั่วไปที่พยายามทำทุกอย่าง

การดื้อแพ้ของมนุษย์เป็นสัญญาณการออกแบบ ไม่ใช่ความกลัว

ความเข้าใจผิดที่พบบ่อยคือพนักงานต้านทาน Agentic AI เนื่องจากความกลัว – ว่าพวกเขากลัวถูกแทนที่ ในความเป็นจริง การดื้อแพ้บ่อยครั้งเกิดขึ้นเพราะ ระบบดำเนินการโดยไม่มีขอบเขตที่ชัดเจนหรือตรรกะที่เข้าใจได้

การวิจัยเกี่ยวกับการนำ AI ไปใช้ในองค์กรแสดงให้เห็นว่า AI ประสบความสำเร็จเมื่อ ลดความเสียดสี และ รวมเข้ากับการทำงานที่มีอยู่ได้อย่างคาดการณ์ได้ มากกว่าเมื่อมันแสดงความซับซ้อนที่ไม่จำเป็น

ที่ Customertimes ความสามารถ Agentic ถูกปล่อยออกมาโดยคำนึงถึงสิ่งนี้ เอเจนต์เริ่มต้นด้วยการช่วยเหลือ พวกมันแนะนำการดำเนินการก่อนที่จะดำเนินการ พวกมันแสดงให้เห็นถึงเหตุผลและบริบทมากกว่าการซ่อนมัน และการดูแลของมนุษย์ไม่ใช่การรับประกัน – มันเป็น ความคาดหวังในการออกแบบ

แบบจำลองความเชื่อถือที่เพิ่มขึ้นนี้ไม่ใช่ความเมตตา มันเป็นเรื่องจริง เอเจนต์ที่ขัดจังหวะ ดำเนินการไม่คาดคิด หรือแสดงผลลัพธ์ที่ไม่โปร่งใส ไม่ได้รับการนำมาใช้ – มนุษย์แค่ปิดมัน

ที่ไหนที่มีการเพิ่มผลผลิตที่แท้จริง

เรื่องราวสาธารณะมุ่งเน้นไปที่ AI ที่แทนที่งาน แต่ในกระบวนการทำงานขององค์กรที่แท้จริง การเพิ่มผลผลิตที่แท้จริงจาก Agentic AI มาจาก การลบความเสียดสีในการประสานงาน – งานที่ไม่เคยถูกวัด แต่ชะลอการบรรลุผลลัพธ์อย่างต่อเนื่อง

นักวิเคราะห์指出ว่าระบบ Agentic โดยการจัดระเบียบกระบวนการหลายขั้นตอนจากต้นจนจบ สามารถเร่งกระบวนการหลักของธุรกิจได้มากถึง 30% ถึง 50% ในด้านเช่น การจัดซื้อหรือการดำเนินงานของลูกค้า

สิ่งนี้ไม่ใช่การทำให้ทำงานอัตโนมัติในความหมายแคบๆ มันเป็น ความเร็วของการทำงาน: การบีบอัดความล่าช้าระหว่างการรวบรวมบริบท การสนับสนุนการตัดสินใจ และการดำเนินการ

สำหรับองค์กรอย่างเรา ผลลัพธ์เป็นเรื่องที่ชัดเจน: ทีมใช้เวลาในการตามหาข้อมูลน้อยลงและใช้เวลาในการส่งมอบผลลัพธ์มากขึ้น

UX คือปัญหาที่ยากที่สุด

เมื่อระบบ Agentic AI มีความสามารถมากขึ้น ประสบการณ์ผู้ใช้กลายเป็นปัจจัยที่จำกัด

UX แบบดั้งเดิมขององค์กรสมมติว่ารูปแบบที่ส่งสัญญาณและขับเคลื่อนด้วยคำสั่ง Agentic AI นำการดำเนินการแบบไม่สynchronous และการควบคุมร่วมกันระหว่างมนุษย์และเครื่องจักรมาให้ หากไม่มีการออกแบบอย่างระมัดระวัง ผู้ใช้รู้สึกถูกข้าม

เพื่อหลีกเลี่ยงสิ่งนี้ ระบบที่ประสบความสำเร็จเน้นย้ำถึงความตั้งใจ เปิดเผยความไม่แน่นอน และทำให้ชัดเจนว่าเมื่อใดที่เอเจนต์กำลังดำเนินการและทำไม หากผู้ใช้ไม่สามารถ ทำไม การดำเนินการถูกดำเนินการ ความเชื่อถือจะถูกทำลายและความสำเร็จจะหยุดชะงัก

สิ่งนี้ไม่ใช่การคาดเดา – แม้แต่การรายงานทั่วไปเกี่ยวกับ Agentic AI ก็เตือนว่าความสำเร็จไม่ขึ้นอยู่กับ ความฉลาดเท่านั้น แต่ยัง การอธิบายและควบคุม

Agentic AI จะกลายเป็นโครงสร้างพื้นฐานขององค์กร – ไม่ว่าบริษัทจะวางแผนหรือไม่

การเคลื่อนไหวของเทคโนโลยีองค์กรส่วนใหญ่ติดตามรูปแบบ: การทดลอง การจำเป็น และความไม่เห็น Agentic AI อยู่ครึ่งทางผ่านการเดินทางนี้แล้ว

เมื่อระบบแตกออกและงานกระจายไปทั่วเครื่องมือและทีม เอเจนต์จะทำหน้าที่เป็น เนื้อเยื่อเชื่อมต่อ – ไม่ใช่การแทนที่มนุษย์ แต่ ทำให้การทำงานที่ซับซ้อนเป็นไปอย่างชัดเจน

การเปลี่ยนแปลงนี้ไม่ต้องการการวางแผนเชิงกลยุทธ์ที่น่าดึงดูด มันจำเป็นต้องเผชิญหน้ากับความเสียดสีขององค์กรอย่างตรงไปตรงมา และจัดโครงสร้างการทำงานใหม่เพื่อให้พวกมันชัดเจนและสามารถแยกออกได้ เมื่อเกิดขึ้น ความฉลาดจะไม่ใช่สิ่งเสริมแต่จะเป็น สื่อกลาง ที่การทำงานไหลผ่าน