Agentic AI : เมื่อปัญญาประดิษฐ์ ก้าวข้ามการเป็นแค่ผู้ช่วย

เทคโนโลยีเอไอ หรือ ปัญญาประดิษฐ์ ก้าวหน้าอย่างรวดเร็วโดยเป็นยุคของ Generative AI ซึ่งเป็นเอไอที่สามารถสร้างเนื้อหาใหม่ได้เอง บริษัทเทคโนโลยียักษ์ใหญ่ต่างก็มุ่งพัฒนาโมเดลภาษาขนาดใหญ่ (Large Language Model หรือ LLM) ออกมาแข่งกันทั้ง ChatGPT, Google Gemini, Claude และ Llama จนเห็นได้ว่าโมเดลหลายๆ ตัวเริ่มมีความสามารถเหนือมนุษย์

แต่อย่างไรตาม การทำงานของ Generative AI เหล่านี้ก็ยังต้องอาศัยมนุษย์เป็นคนป้อนคำสั่งที่เราเรียกว่า Prompt ให้ทำงาน และมนุษย์ก็ยังต้องมาคอยปรับแต่ง Prompt จนได้คำตอบที่พอใจ เรียกกันได้ว่า Generative AI ยังเป็นผู้ช่วยของมนุษย์ที่ดี โดยยังต้องฟังคำแนะนำของมนุษย์

แต่ในช่วงปลายปีที่ผ่านมาผู้บริหารบริษัทเทคโนโลยียักษ์ใหญ่หลายแห่งเริ่มพูดถึงว่าเทคโนโลยีเอไอกำลังก้าวหน้าขึ้นสู่อีกขั้นหนึ่งที่เรียกว่า Agentic AI โดยผู้บริหารของบริษัท Salesforce ตั้งเป้าไว้ว่าจะมี AI Agent ให้เกินพันล้านตัวเพื่อให้บริการกับผู้ใช้ภายในปี 2025

ขณะที่บริษัท Google และ OpenAI ก็ประกาศแผนพัฒนา Agentic AI เช่นกัน โดย OpenAI เตรียมเปิดตัว “Operator” ซึ่งมีความสามารถในการดำเนินการแทนมนุษย์ในด้านต่างๆ เช่น การเขียนโค้ดหรือการจองตั๋วเครื่องบิน และล่าสุด CEO ของบริษัทไมโครซอฟท์ ออกมากล่าวว่า “SaaS กำลังจะหมดความสำคัญ” และจะถูกแทนที่ด้วย AI Agents ที่สามารถดำเนินการและตัดสินใจได้เอง

Agentic AI จะแตกต่างกับ Generative AI ในแง่การทำงานที่เป็นอิสระไม่ต้องพึ่งพาการควบคุมจากมนุษย์ตลอดเวลา จะสามารถทำงาน ตัดสินใจ วิเคราะห์สถานการณ์ วางแผนอย่างเป็นอิสระ และดำเนินการเพื่อบรรลุเป้าหมายเฉพาะได้

Agentic AI มีการทำงานที่ผ่าน 4 ขั้นตอน คือ

ขั้นตอนที่หนึ่ง "การรับรู้" (Perceive) เป็นกระบวนการรวบรวมและประมวลผลข้อมูลจากแหล่งต่างๆ ไม่ว่าจะเป็นเซนเซอร์ ฐานข้อมูลขององค์กร หรือข้อมูลจากแหล่งต่างๆ ในอินเทอร์เน็ต ในขั้นตอนนี้เอไอ จะคัดกรองและจัดระเบียบข้อมูลที่สำคัญ รวมถึงระบุองค์ประกอบต่างๆ ที่เกี่ยวข้องกับงานที่ต้องทำ

ขั้นตอนที่สอง "การวิเคราะห์และให้เหตุผล" (Reason) เป็นส่วนที่ใช้โมเดลLLM ในการวิเคราะห์และประมวลผล โดยทำหน้าที่เข้าใจงาน สร้างแนวทางแก้ปัญหา

 

ขั้นตอนที่สาม "การทำงาน" (Act) คือการลงมือทำตามแผนที่วางไว้ โดยเชื่อมต่อกับเครื่องมือและซอฟต์แวร์ต่างๆ ผ่าน API ในขั้นตอนนี้จะมีการสร้างกรอบการทำงานที่ชัดเจน เพื่อให้แน่ใจว่าเอไอจะทำงานได้อย่างถูกต้องและปลอดภัย เช่น ในระบบบริการลูกค้า อาจกำหนดวงเงินสูงสุดที่เอไอ สามารถอนุมัติได้เอง หากเกินกว่านั้นจะต้องส่งให้มนุษย์เป็นผู้พิจารณา

ขั้นตอนที่สี่ "การเรียนรู้" (Learn) เป็นส่วนที่ทำให้ Agentic AI แตกต่างจากเอไอทั่วไป เพราะมีความสามารถในการพัฒนาตัวเองอย่างต่อเนื่อง โดยนำข้อมูลจากการทำงานและการตอบสนองต่างๆ มาวิเคราะห์และปรับปรุงโมเดล ทำให้ระบบมีประสิทธิภาพเพิ่มขึ้นเรื่อยๆ ตามประสบการณ์การทำงาน

หากจะเปรียบเทียบให้เห็นภาพง่ายๆ การพัฒนาเอไอในช่วงที่ผ่านมาเหมือนกับการสร้างเด็กที่เก่งแต่ทำตามคำสั่ง อย่าง ChatGPT เปรียบเสมือนเด็กที่เก่งในการตอบคำถาม เขียนเรียงความ หรือแต่งกลอน แต่ทำได้เพียงสิ่งที่เราสั่งให้ทำเท่านั้น แต่ Agentic AI จะทำงานได้เองโดยไม่ต้องรอให้เราสั่งงานทุกขั้นตอน

ยกตัวอย่างเช่น หากเราซื้อของออนไลน์ Generative AI อาจช่วยเราเขียนข้อความสอบถามร้านค้า หรือเปรียบเทียบข้อมูลสินค้าให้ แต่ Agentic AI สามารถทำได้มากกว่านั้น มันจะทำงานแทนเราตั้งแต่ค้นหาสินค้า เปรียบเทียบราคา ตรวจสอบความน่าเชื่อถือของร้านค้า จัดการการชำระเงิน ติดตามการจัดส่ง โดยที่เราไม่ต้องคอยสั่งการทีละขั้นตอน

หรือในวงการแพทย์ ในขณะที่ Generative AI อาจช่วยสรุปข้อมูลจากเวชระเบียนหรือแปลผลการตรวจเบื้องต้น แต่ Agentic AI สามารถวิเคราะห์ประวัติผู้ป่วย เสนอแนะการวินิจฉัย วางแผนการรักษา และติดตามผลการรักษาได้อย่างต่อเนื่อง โดยปรับเปลี่ยนแผนการรักษาตามอาการที่เปลี่ยนแปลงไปของผู้ป่วยแต่ละราย

ในแง่ของประโยชน์ Agentic AI มีศักยภาพที่จะสร้างการเปลี่ยนแปลงครั้งสำคัญให้กับองค์กร โดยเฉพาะในด้านประสิทธิภาพการทำงาน ด้วยความสามารถในการทำงานซ้ำๆ อย่างอัตโนมัติ และจัดการกับงานที่ซับซ้อนได้อย่างรวดเร็ว ทำให้พนักงานมีเวลามากขึ้นสำหรับงานเชิงกลยุทธ์และงานสร้างสรรค์ นอกจากนี้ ความสามารถในการวิเคราะห์ข้อมูลจำนวนมหาศาล ยังช่วยให้องค์กรสามารถตัดสินใจได้อย่างแม่นยำและรวดเร็วขึ้น

อีกประโยชน์ที่สำคัญคือการปรับแต่งบริการให้เหมาะกับความต้องการของลูกค้าแต่ละราย Agentic AI สามารถคาดการณ์ความต้องการและให้คำแนะนำที่เฉพาะเจาะจง ส่งผลให้ลูกค้าเกิดความพึงพอใจและความภักดีต่อแบรนด์มากขึ้น ที่สำคัญ เทคโนโลยีนี้ยังช่วยกระตุ้นนวัตกรรมในองค์กร ด้วยการช่วยค้นหาโอกาสใหม่ๆ ทางธุรกิจ และปรับตัวให้เข้ากับสภาพตลาดที่เปลี่ยนแปลงอย่างรวดเร็ว

อย่างไรก็ตาม เราไม่อาจมองข้ามความท้าทายที่มาพร้อมกับ Agentic AI ประการแรกคือความเสี่ยงด้านอคติในการตัดสินใจ เนื่องจากเอไออาจได้รับอิทธิพลจากข้อมูลที่ใช้ในการฝึกฝน ซึ่งอาจนำไปสู่การเลือกปฏิบัติ โดยเฉพาะในงานที่ละเอียดอ่อน เช่น การคัดเลือกพนักงานหรือการพิจารณาสินเชื่อ

ความท้าทายที่สำคัญอีกประการคือ การพึ่งพาระบบอัตโนมัติมากเกินไป หากระบบเกิดข้อผิดพลาดหรือล่มลง อาจส่งผลกระทบร้ายแรงต่อการดำเนินงาน นอกจากนี้ การที่ Agentic AI ต้องจัดการกับข้อมูลที่ละเอียดอ่อน ยังเพิ่มความเสี่ยงด้านความปลอดภัยของข้อมูลและการโจมตีทางไซเบอร์

ประเด็นที่น่ากังวลอีกข้อคือ เมื่อเอไอสามารถทำงานแทนมนุษย์ได้มากขึ้น อาจส่งผลให้เกิดการเปลี่ยนแปลงในตลาดแรงงาน ทำให้ต้องมีการวางแผนรองรับและพัฒนาทักษะใหม่ให้กับแรงงานที่ได้รับผลกระทบ

ท้ายที่สุด ความซับซ้อนของระบบ Agentic AI ทำให้เกิดความท้าทายในการควบคุมและตรวจสอบการทำงาน บางครั้งอาจยากที่จะเข้าใจกระบวนการตัดสินใจของระบบ หรือคาดการณ์ผลกระทบที่อาจเกิดขึ้น ซึ่งสร้างความกังวลเกี่ยวกับความรับผิดชอบและการควบคุมที่เหมาะสม

การตระหนักถึงทั้งประโยชน์และความท้าทายเหล่านี้ จึงเป็นสิ่งสำคัญสำหรับองค์กรที่กำลังพิจารณานำ Agentic AI มาใช้งาน เพื่อให้สามารถวางแผนและเตรียมการรองรับได้อย่างเหมาะสม ทั้งในด้านการพัฒนาบุคลากร การรักษาความปลอดภัย และการสร้างกรอบการกำกับดูแลที่มีประสิทธิภาพ

มาถึงตรงนี้หลายๆ คนอาจสงสัยว่า Agentic AI จะเกิดขึ้นได้จริงหรือจะมาทำงานแทนเราได้จริงหรือ? ต้องขอตอบว่าทุกวันนี้เราก็เริ่มใช้ AI Agent หลายตัวแล้ว เช่น ระบบขับเคลื่อนอัตโนมัติบางส่วนของรถยนต์ ระบบการเขียนโค้ดอัตโนมัติ หรือแม้แต่การเขียนบทความนี้บางส่วนผมใช้ Gemini Advanced with Deep Research ที่เป็น AI Agent ในการค้นหาและรวบรวมเอกสารต่างๆ ในอินเทอร์เน็ต จากนั้นทำการวิเคราะห์ข้อมูลต่างๆ พร้อมทั้งสรุปเอกสารสร้างบทความให้โดยอัตโนมัติ