ปัญหา Shadow IT ถัดไปจะเป็น Shadow Agents

Shadow IT เคยหมายถึงพนักงานสมัครใช้เครื่องมือ SaaS โดยไม่ขออนุญาต หรือแผนกที่ดำเนินการสมัครสมาชิกของตนเองจนฝ่าย IT ต้องพบเจอปัญหาแบบยากลำบาก เราได้ควบคุมปัญหานี้ด้วยการมองเห็นที่ดีขึ้น การมีวินัยในการจัดซื้อ และการกำกับดูแลคลาวด์

เอเจนต์จะรีเซ็ตปัญหานั้นและจะเคลื่อนที่เร็วกว่า SaaS หรือคลาวด์ใด ๆ มาก เพราะครั้งนี้ระบบที่ไม่ได้รับอนุญาตไม่ได้แค่ค้างอยู่เท่านั้น แต่ทำงานจริง

การแผ่ขยายของอิสระภาพ

ฝ่ายการเงินสร้างเอเจนต์ของตนเอง เช่นเดียวกับฝ่าย HR, ฝ่ายขาย, การจัดซื้อ, และการบริการลูกค้า พนักงานสร้างเอเจนต์ส่วนบุคคล ผู้จำหน่ายฝังเอเจนต์เข้าไปในผลิตภัณฑ์ที่เราจ่ายเงินแล้วอย่างเงียบๆ

คูณสิ่งนั้นในองค์กรขนาดใหญ่แล้ว CIO จะไม่ใช่แค่ติดตามเอเจนต์ยี่สิบตัวอีกต่อไป แต่เป็นหลายร้อยหรือหลายพันของเอนทิตีซอฟต์แวร์ที่แต่ละตัวมีความสามารถบางอย่างในการเข้าถึงระบบและทำการกระทำ. IBM ได้คาดการณ์ว่าองค์กรขนาดใหญ่จะดำเนินการเอเจนต์ AI มากกว่า 1,600 ตัวภายในสิ้นปีนี้. Gartner ได้เตือนว่าเอเจนต์สร้างโครงสร้างพื้นฐาน, ตัวตนและสิทธิการเข้าถึงได้เร็วกว่าโพรเซสการกำกับดูแลที่สามารถติดตามได้.

เป้าหมายหลักของ CIO ในปี 2027 จะเป็นการทำรายการสินทรัพย์จริง ใครเป็นผู้สร้างเอเจนต์แต่ละตัว, มันทำอะไร, ระบบใดที่มันสัมผัส, สิทธิการเข้าถึงอะไรบ้าง, และใครเป็นเจ้าของ หากไม่มีข้อมูลเหล่านี้ จะไม่มีโปรแกรมการกำกับดูแล; มีเพียงการสันนิษฐานว่ามีคนอื่นกำลังเฝ้าดู.

Human-in-the-Loop ไม่สามารถขยายได้

“Keep a human in the loop” เคยเป็นคำตอบที่สมเหตุสมผลเมื่อมีเอเจนต์เพียงไม่กี่ตัว แต่จะไม่ใช่กรณีนี้เมื่อองค์กรดำเนินการเอเจนต์หลายพันตัวที่ทำการกระทำจำนวนมหาศาล ไม่พอคนหรือชั่วโมงทำงานสำหรับสิ่งนั้น.

วิธีแก้คืออิสระภาพแบบอิงความเสี่ยง ไม่ใช่การกำกับดูแลแบบทั่วถึง เอเจนต์ที่อัปเดตบันทึกภายในไม่จำเป็นต้องได้รับการตรวจสอบเหมือนการทำธุรกรรมทางการเงิน สิ่งที่ควรกำหนดระดับการมีส่วนร่วมของมนุษย์คือ มูลค่าดอลลาร์ของการกระทำ, ความละเอียดอ่อนของข้อมูล, ระดับความมั่นใจของเอเจนต์, ความเสี่ยงตามกฎระเบียบ, และว่เอเจนต์ทำงานนอกพารามิเตอร์ที่คาดหวังหรือไม่.

Gartner ได้อธิบายโมเดลที่คล้ายกัน, รวมถึงจุดตรวจสอบตั้งแต่การอนุมัติก่อนดำเนินการจนถึงการแทรกแซงระหว่างงาน การตรวจทานหลังดำเนินการและการสุ่มตรวจเป็นระยะ จุดมุ่งหมายไม่ได้คือการมีมนุษย์ในวงจรทุกที่ แต่เป็นมนุษย์ในจุดที่เหมาะสมในวงจร.

เอเจนต์จัดการเอเจนต์

ขณะนี้องค์กรส่วนใหญ่ยังอยู่ในขั้นตอนที่มนุษย์หนึ่งคนสั่งการเอเจนต์หนึ่งตัว ขั้นต่อไปคือระบบหลายเอเจนต์: เอเจนต์ที่เชี่ยวชาญซึ่งสื่อสารกัน, ส่งต่อภารกิจ, และดำเนินการเวิร์กโฟลว์ทั้งหมดโดยไม่มีคนอยู่ตรงกลาง.

เอเจนต์การจัดซื้อทำเครื่องหมายความต้องการ, ตรวจสอบกับเอเจนต์การเงินเกี่ยวกับงบประมาณ, และกระตุ้นเอเจนต์การจัดซื้อให้ดำเนินการ; ไม่มีมนุษย์สัมผัสใดๆ. McKinsey เรียกสิ่งนี้ว่าสถาปัตยกรรมที่กำลังเกิดขึ้นว่า “agentic mesh.” Deloitte พบว่าเพียง 15% ขององค์กรได้ขยายการนำเอเจนต์หลายฟังก์ชันข้ามแผนกแล้ว, และมีเพียง 5% บอกว่ากระบวนการธุรกิจของพวกเขาพร้อมอย่างมากสำหรับมัน.

ความเสี่ยงเปลี่ยนรูปแบบที่นี่ ไม่ใช่แค่ “เอเจนต์หนึ่งทำผิดพลาด” อีกต่อไป แต่เป็นว่าข้อผิดพลาดนั้นแพร่กระจายไปเท่าไหร่ผ่านเครือข่ายของเอเจนต์และระบบก่อนที่ใครจะสังเกตเห็น CIO จะต้องกำกับดูแลไม่เพียงเอเจนต์แต่ละตัวเท่านั้น แต่รวมถึงความสัมพันธ์และการพึ่งพากันระหว่างเอเจนต์.

เศรษฐศาสตร์ของเอเจนต์ไม่ใช่เศรษฐศาสตร์ของ SaaS

เอเจนต์ไม่ได้ตอบคำสั่งเพียงครั้งเดียวแล้วหยุด พวกมันทำงานอย่างต่อเนื่อง เรียกโมเดลซ้ำๆ เข้าถึง API ใช้ทรัพยากรคลาวด์ และกระตุ้นเอเจนต์อื่น นี่เป็นรูปแบบต้นทุนที่แตกต่างจากการเพิ่มผู้ใช้ SaaS และขาดความสามารถในการคาดการณ์.

เวิร์กโฟลว์ที่ดูเหมือนถูกในขั้นทดลองอาจกลายเป็นค่าใช้จ่ายสูงอย่างรวดเร็วเมื่อหลายร้อยเอเจนต์ทำงานในสภาพการผลิตอย่างต่อเนื่อง. IBM คาดการณ์ว่าการใช้จ่าย AI จะเพิ่มขึ้นจากน้อยกว่า 15% ของงบประมาณ IT ในปี 2025 ไปเกือบ 25% ในปี 2027, และพบว่า 85% ของผู้นำเทคโนโลยียังขาดการมองเห็นเต็มรูปแบบต่อการใช้จ่าย AI แบบเรียลไทม์.

รู้ต้นทุนของเอเจนต์ต่อภารกิจ, ต่อเวิร์กโฟลว์, ต่อผลลัพธ์ทางธุรกิจ ไม่ใช่แค่ราคาของโมเดลพื้นฐาน.

จากการจัดการเทคโนโลยีสู่การจัดการอิสระภาพ

หลายทศวรรษที่ผ่านมา งานของผมในฐานะ CTO คือการจัดการระบบที่ผู้คนใช้ นั่นกำลังเปลี่ยนไป ตอนนี้ผมกำลังจัดการระบบที่ทำงานแทนผู้คน และนั่นเป็นงานประเภทใหม่โดยสิ้นเชิง.

ดังนั้นเมื่อผมคิดว่าใครจะเป็นผู้ได้เปรียบในปี 2027 ไม่ได้เป็น CIO ที่มีเอเจนต์ติดตั้งมากที่สุด แต่เป็นผู้ที่สามารถบอกคุณได้ว่าเอเจนต์ใดบ้างที่พวกเขามี, เอเจนต์เหล่านั้นได้รับอนุญาตให้ทำอะไร, ใครเป็นผู้รับผิดชอบ, ค่าใช้จ่ายเท่าใด, และผลตอบแทนจากการลงทุนเป็นเท่าไร.

เราใช้ปี 2026 ในการค้นหาวิธีนำ AI ไปสู่การผลิต ปี 2027 จะเป็นการหาวิธีทำอะไรต่อเมื่อ AI ทำงานอิสระแล้ว, และวิธีกำกับดูแลมันให้เสริมความปลอดภัยและการปฏิบัติตามกฎโดยไม่ลดทอนประสิทธิภาพ.