ในช่วงไม่กี่ปีที่ผ่านมา AI ได้พัฒนาอย่างรวดเร็ว โดยเปลี่ยนจากระบบที่ตอบคำถาม หรือช่วยวิเคราะห์ ไปสู่ AI ที่สามารถ ตัดสินใจ วางแผน และลงมือทำงานแทนมนุษย์ได้ หรือที่เรียกว่า “Agentic AI” และสิ่งนี้กำลังเข้ามาเปลี่ยนวิธีการดำเนินงานขององค์กรไปอย่างสิ้นเชิง 

บทความนี้จะอธิบายว่า Agentic AI คืออะไร องค์กรกำลังนำไปใช้งานจริงในธุรกิจอย่างไร รวมถึงสิ่งที่องค์กรต้องเตรียมตัว และความเสี่ยงที่ควรรู้ก่อนนำไปใช้

Agentic AI คืออะไร?

Agentic AI คือระบบที่สามารถ “คิด ตัดสินใจ และลงมือทำ” ได้คล้ายมนุษย์ เพื่อให้บรรลุเป้าหมายในสภาพแวดล้อมดิจิทัล โดยสิ่งที่ทำให้ Agentic AI มีความแตกต่างคือความสามารถในการ

• วางแผนและทำงานหลายขั้นตอน (multi-step execution)
• ใช้เครื่องมือภายนอก เช่น APIs
• โต้ตอบกับระบบอื่น มนุษย์ หรือแม้แต่ agents ตัวอื่น
• ทำธุรกรรม เช่น การจอง การจ่ายเงิน

ตัวอย่างเช่น AI agent สามารถวางแผนทริปท่องเที่ยวได้ตั้งแต่ค้นหาเที่ยวบิน เลือกโรงแรม เปรียบเทียบราคา ไปจนถึงจองและจ่ายเงิน โดยแทบไม่ต้องมีมนุษย์เข้ามาแทรก หรือในภาคธุรกิจ AI agent สามารถตรวจจับความผิดปกติในคลังสินค้าแบบเรียลไทม์ และสั่งหยุดสายพานได้ทันทีหากเกิดปัญหา

อีกมุมหนึ่ง Agentic AI หมายถึง ระบบที่ประกอบไปด้วย agents หลายตัวทำงานร่วมกัน (multi-agent systems) โดย agent แต่ละตัวมีความสามารถและหน้าที่เฉพาะ จัดการงานที่ซับซ้อน และมีหลายขั้นตอนเพื่อให้บรรลุเป้าหมายของงานได้อย่างสมบูรณ์

ตัวอย่างการนำ Agentic AI ไปใช้ในธุรกิจ

องค์กรในหลากหลายอุตสาหกรรมเริ่มนำ Agentic AI มาใช้จริง โดยเฉพาะในงานที่มีหลายขั้นตอนและต้องตัดสินใจต่อเนื่อง ตัวอย่างเช่น

ภาคธนาคารและการเงิน (Banking and financial services)

• ตรวจจับการฉ้อโกง (fraud) แบบเรียลไทม์
• ให้คำแนะนำทางการเงินแบบ personalized
• อนุมัติสินเชื่อ และจัดการงาน compliance อัตโนมัติ

ค้าปลีก (Retail)

• แนะนำสินค้า และโปรโมชั่นแบบรายบุคคล (Hyper-personalization)
• จัดการ customer service ตั้งแต่ตอบคำถาม แนะนำสินค้า ไปจนถึงจัดการ returns
• จัดการสต็อกอัตโนมัติ เพื่อเตรียมสินค้าให้พอดีกับความต้องการ

บริการสุขภาพ (Healthcare)

• วิเคราะห์ข้อมูลผู้ป่วยและแนะนำแนวทางการรักษา
• ช่วยแพทย์วินิจฉัยโรคจากข้อมูลและภาพทางการแพทย์
• จัดการ workflow เช่น การนัดหมาย การติดตามอาการผู้ป่วย

การผลิต (Manufacturing)

• ตรวจจับความผิดปกติในสายการผลิตแบบเรียลไทม์
• วางแผนการผลิตและ optimize resource อัตโนมัติ
• ทำ predictive maintenance เพื่อลด downtime ของเครื่องจักร

โลจิสติกส์และซัพพลายเชน (Supply chain & logistics)

• คาดการณ์ demand และวางแผน supply
• จัดการเส้นทางขนส่งแบบเรียลไทม์
• จัดการคลังสินค้าและ fulfillment อัตโนมัติ

Agentic AI จึงกลายเป็นเทคโนโลยีที่ไม่ได้แค่ automate งานเล็ก ๆ แต่กำลังเปลี่ยนรูปแบบการดำเนินงานของทั้งองค์กร โดยทำให้งานที่เคยใช้เวลาและคนจำนวนมาก กลายเป็นงานที่ทำได้เร็วขึ้น ถูกลง และ ขยายผลได้มากขึ้น

องค์กรควรคำนึงถึงอะไรเมื่อใช้ Agentic AI?

การนำไปใช้งานจริงเป็นความท้าทายหลัก (Implementation complexity)

ความสำเร็จของ Agentic AI ในองค์กรขึ้นอยู่กับการนำไปใช้งานจริงเป็นหลัก โดยงานวิจัยชี้ให้เห็นว่ากว่า 80% ของ effort อยู่ในส่วนของ data engineering, การจัดการ stakeholder, governance และการเชื่อมต่อเข้ากับ workflow เดิมขององค์กร ซึ่งเป็นงานที่ซับซ้อนและต้องอาศัยการวางแผนอย่างเป็นระบบ

การจัดการข้อมูลและโครงสร้างระบบ (Data & system readiness)

Agentic AI ต้องอาศัยข้อมูลที่มีโครงสร้างและเชื่อมโยงกันอย่างมีประสิทธิภาพ องค์กรจึงจำเป็นต้องลงทุนในการจัดระเบียบข้อมูลให้อยู่ในรูปแบบมาตรฐาน พร้อมทั้งพัฒนา API ที่เสถียร ระบบ validation อย่างต่อเนื่อง และการบริหารจัดการ lifecycle เพื่อให้ AI สามารถทำงานได้อย่างแม่นยำ

การกำกับดูแลและการกำหนดขอบเขต (Governance & guardrails)

Agentic AI มีความสามารถในการตัดสินใจและลงมือทำ องค์กรจึงต้องกำหนดกรอบการทำงานที่ชัดเจนรวมถึงการตั้ง KPI ที่สอดคล้องกับเป้าหมายทางธุรกิจ เพื่อประเมินผลลัพธ์ได้อย่างแท้จริง

การตัดสินใจที่มีมนุษย์เป็นศูนย์กลาง (Human-Centered Decision-Making)

แม้ Agentic AI จะสามารถดำเนินงานได้อย่างอัตโนมัติ แต่ยังมีข้อจำกัดในสถานการณ์ที่ซับซ้อนหรือมีความไม่แน่นอนสูง องค์กรจึงควรออกแบบการดำเนินงานให้มนุษย์มีบทบาทในการกำกับ ดูแล และตัดสินใจในประเด็นที่มีความสำคัญเชิงกลยุทธ์

การนำ Agentic AI มาใช้ให้ประสบความสำเร็จ จึงไม่ใช่เพียงการเลือกใช้เทคโนโลยีที่เหมาะสม แต่คือการออกแบบการดำเนินงานใหม่ทั้งองค์กร ให้รองรับการทำงานร่วมกันระหว่างมนุษย์และ AI อย่างมีประสิทธิภาพและยั่งยืน

ความเสี่ยงที่อาจเกิดขึ้นจากการใช้ Agentic AI

ความไม่สม่ำเสมอและความเสี่ยงด้านจริยธรรม (Reliability & ethical risks)

Agentic AI อาจตัดสินใจจากข้อมูลที่ไม่ถูกต้องหรือไม่ครบถ้วน ส่งผลให้เกิดความเสียหายในระดับธุรกิจได้ เช่น การปฏิเสธสินเชื่อหรือการคัดเลือกผู้สมัครโดยไม่เป็นธรรม ดังนั้น องค์กรจำเป็นต้องสามารถอธิบายเหตุผลของการตัดสินใจ และรักษามาตรฐานให้สอดคล้องกันในทุกกรณี

ความเสี่ยงด้านความปลอดภัยไซเบอร์ (Cybersecurity Risks)

เมื่อ AI agents ได้รับสิทธิ์เข้าถึงหลายระบบและข้อมูลภายในองค์กร ความเสี่ยงด้านความปลอดภัยจะเพิ่มขึ้นอย่างมีนัยสำคัญ องค์กรจึงต้องออกแบบระบบสิทธิ์การเข้าถึง (permission-based systems) ที่รัดกุม และมีการควบคุมการใช้งานอย่างเหมาะสม

ความรับผิดชอบเมื่อเกิดข้อผิดพลาด (Accountability)

การกำหนดความรับผิดชอบเป็นประเด็นสำคัญ โดยเฉพาะในกรณีที่ AI ทำงานแบบอัตโนมัติ องค์กรต้องกำหนดให้ชัดเจนว่าใครเป็นผู้รับผิดชอบเมื่อเกิดความผิดพลาดหรือความเสียหาย รวมถึงเตรียมรับมือกับความเสี่ยงจาก system malfunction ที่อาจเกิดขึ้น

องค์กรควรมีการติดตาม (monitoring) อย่างต่อเนื่อง และมองว่าเป็นต้นทุนในการดำเนินงานระยะยาว พร้อมจัดตั้ง governance board เพื่อกำกับดูแลในระดับองค์กร และกำหนดบทบาทหน้าที่ด้านความปลอดภัยให้ชัดเจน

อนาคตของธุรกิจกับ Agentic AI

Agentic AI กำลังเปลี่ยนบทบาทของ AI จาก “เครื่องมือที่รอคำสั่ง” ไปสู่ “ระบบที่สามารถตัดสินใจและลงมือทำงานได้เอง” การแข่งขันในอนาคตจะไม่ใช่แค่เรื่องของการมี AI แต่คือการออกแบบให้องค์กรสามารถใช้ AI เพื่อขับเคลื่อนงานจริงได้อย่างมีประสิทธิภาพ

องค์กรที่ได้เปรียบจะไม่ใช่แค่มีโมเดลที่เก่งที่สุด แต่คือองค์กรที่สามารถออกแบบ workflow ใหม่เพื่อสร้างการทำงานร่วมกันระหว่างมนุษย์และ AI ได้อย่างลงตัว และเชื่อม AI เข้ากับระบบขององค์กรจริง

และนี่คือสิ่งที่ bricks กำลังสร้างกับ Worker — แพลตฟอร์ม Agentic Operations ที่ช่วยให้ AI สามารถทำงานจริงใน workflow ขององค์กรได้อย่างปลอดภัย น่าเชื่อถือ และเชื่อมต่อกับระบบต่าง ๆ ขององค์กรได้อย่างไร้รอยต่อ