ในช่วงหลายปีที่ผ่านมา องค์กรจำนวนมากลงทุนกับ automation เพื่อเพิ่มประสิทธิภาพ ลดต้นทุน และทำให้กระบวนการทำงานมีความรวดเร็วมากขึ้น

แต่วันนี้ทิศทางกำลังเปลี่ยนไปอีกขั้น จากการทำ automation แบบเดิมที่เน้นทำงานตามกฎ ไปสู่ระบบที่สามารถตัดสินใจ ปรับตัว และขับเคลื่อนงานไปจนถึงผลลัพธ์ได้มากขึ้น ซึ่งเป็นแนวคิดของ “Agentic Process Automation”

Agentic Process Automation คืออะไร?

Agentic Process Automation คือการนำ AI agents มาเป็นตัวกลางในการวางแผน ประสานงาน และขับเคลื่อนกระบวนการทำงานขององค์กรตั้งแต่ต้นจนจบ ซึ่งต่างจาก automation แบบเดิมที่เน้นการทำตามคำสั่ง

AI agents สามารถ:

• เข้าใจเป้าหมายของงาน (goal-driven)
• วางแผนลำดับขั้นตอน (planning)
• เลือกใช้เครื่องมือ เช่น APIs หรือระบบภายใน
• ตัดสินใจระหว่างทางตาม context 
• ปรับปรุงการทำงานจาก feedback

ทำให้เกิดเป็นกระบวนการทำงานที่มี AI เป็นศูนย์กลางของการทำงาน ไม่จำต้องมีคนสั่งในทุกขั้นตอน แต่ยังสามารถควบคุมได้ และเกิดผลลัพธ์จริง

จาก Task Automation สู่ Outcome-Driven Operations

การเปลี่ยนผ่านจาก Task Automation ไปสู่ Outcome-Driven Operations ไม่ได้เป็นแค่เรื่องของเทคโนโลยี แต่เป็นการเปลี่ยน “วิธีคิด” ในการออกแบบการทำงานขององค์กรอย่างสิ้นเชิง

ในอดีต องค์กรมักใช้ automation เพื่อแก้ปัญหาเฉพาะจุด เช่น ทำให้ขั้นตอนใดขั้นตอนหนึ่งเร็วขึ้น ลด manual work หรือเพิ่มประสิทธิภาพในงานย่อย แต่แต่ละส่วนยังคงแยกจากกัน และยังต้องอาศัยมนุษย์ในการเชื่อมต่อ ตัดสินใจ และผลักดันงานไปสู่ผลลัพธ์สุดท้าย

แต่ในแนวคิดของ Agentic AI องค์กรเริ่มมองทั้งกระบวนการทำงานเป็นระบบเดียวกัน โดยโฟกัสที่ “ผลลัพธ์” มากกว่าขั้นตอนย่อย AI agents จะเข้ามามีบทบาทในการวางแผนลำดับงาน ประสานการทำงานระหว่างระบบต่าง ๆ และตัดสินใจระหว่างทาง เพื่อให้กระบวนการทั้งหมดดำเนินไปอย่างต่อเนื่องจนบรรลุเป้าหมายที่ตั้งไว้

ดังนั้น แทนที่จะเพิ่มประสิทธิภาพไปทีละขั้นตอน องค์กรจะออกแบบให้ทั้งกระบวนการทำงานถูก optimize พร้อมกัน เช่น ลดระยะเวลาในการดำเนินงาน (cycle time) ลดข้อผิดพลาด (error rate) หรือเพิ่มรายได้ โดยมี AI เป็นตัวกลางที่คอยขับเคลื่อนงานทั้งหมด

ทำไม AI Agents ถึงเป็นก้าวถัดไปของ Automation

Automation แบบเดิม (RPA) ถูกออกแบบมาเพื่อทำงานตามกฎที่กำหนดไว้ล่วงหน้า ซึ่งเหมาะกับงานที่มีโครงสร้างชัดเจนและไม่เปลี่ยนแปลงบ่อย แต่ในโลกธุรกิจจริง งานส่วนใหญ่มีความไม่แน่นอน มี exception และต้องอาศัยการตัดสินใจอยู่ตลอดเวลา

นี่คือจุดที่ AI agents เข้ามาเติมช่องว่าง โดยเพิ่ม “ความสามารถในการคิดและปรับตัว” เข้าไปใน automation ได้แก่

ทำงานได้ต่อเนื่อง (Multi-step Execution)

AI agents สามารถวางแผนลำดับงานตั้งแต่ต้นจนจบ เชื่อมหลายขั้นตอนเข้าด้วยกัน และตัดสินใจระหว่างทางได้เอง ส่งผลให้กระบวนการที่เคยต้องใช้หลายทีมและหลายระบบ กลายเป็น flow เดียวที่ทำงานได้แบบ end-to-end อย่างมีประสิทธิภาพ

ตัดสินใจตามบริบท (Context Awareness)

AI agents มีความสามารถในการดึงข้อมูลจากหลายแหล่ง ทั้ง structured และ unstructured เพื่อทำความเข้าใจบริบท เช่น พฤติกรรมลูกค้า สถานการณ์ หรือประวัติที่ผ่านมา และนำข้อมูลเหล่านั้นมาปรับการตัดสินใจแบบเรียลไทม์ เพื่อให้เหมาะสมที่สุดในแต่ละสถานการณ์

เชื่อมต่อระบบอย่างไร้รอยต่อ (Seamless Integration)

AI agents สามารถเชื่อมต่อกับหลายระบบผ่าน APIs และเลือกใช้เครื่องมือที่เหมาะสมในแต่ละขั้นตอนของงานได้โดยอัตโนมัติ ส่งผลให้ workflow สามารถไหลผ่านระบบต่าง ๆ ได้อย่างไร้รอยต่อ

ปรับตัวและพัฒนาได้ต่อเนื่อง (Adaptive Behavior)

AI agents สามารถเรียนรู้จาก feedback และผลลัพธ์ของการทำงาน ปรับวิธีการดำเนินงานเมื่อไม่เป็นไปตามเป้าหมาย และ optimize performance ได้อย่างต่อเนื่อง ทำให้ระบบมีความสามารถในการพัฒนาและปรับตัวได้ด้วยตัวเอง แทนที่จะหยุดอยู่กับ logic เดิมที่ถูกกำหนดไว้ตั้งแต่ต้น

Use Cases: AI Agents กำลังเปลี่ยน Operations อย่างไร

การบริการลูกค้า (Customer Service & Experience)

• ให้บริการลูกค้าแบบ 24/7
• แนะนำสินค้าและแก้ปัญหาแบบเฉพาะบุคคล (personalized)
• จัดการเคสลูกค้าแบบ end-to-end โดยไม่ต้องส่งต่อทุกครั้ง

การเงินและการบริหารความเสี่ยง (Finance & Risk)

• วิเคราะห์ข้อมูลทางการเงินแบบเรียลไทม์
• ตรวจจับความผิดปกติและความเสี่ยง
• อนุมัติสินเชื่อ และจัดการงาน compliance อัตโนมัติ

การจัดซื้อและซัพพลายเชน (Procurement & Supply Chain)

• วิเคราะห์ supplier และราคา
• วางแผนการจัดซื้อแบบยืดหยุ่นตามสถานการณ์ (dynamic sourcing)
• เพิ่มประสิทธิภาพการจัดการสต็อกและโลจิสติกส์

สิ่งที่องค์กรต้องทำเพื่อสร้าง Agentic Process Automation

ออกแบบกระบวนการทำงานใหม่ (Workflow Redesign)

การนำ AI มาใช้ให้ได้ผลจริง ต้องเริ่มจากการออกแบบกระบวนการทำงานใหม่ทั้งหมด ว่างานควรถูกทำอย่างไร โดยเฉพาะการกำหนดว่าขั้นตอนไหนให้ AI ทำได้อัตโนมัติ ขั้นตอนไหนต้องมี human-in-the-loop การออกแบบที่ดีจะช่วยลดความซ้ำซ้อน เพิ่มความเร็ว และทำให้ AI เป็นส่วนหนึ่งของการขับเคลื่อนงานจริง

ลงทุนในข้อมูลและโครงสร้างพื้นฐาน (Data & Infrastructure)

ประสิทธิภาพของ AI ขึ้นอยู่กับคุณภาพของข้อมูลโดยตรง หากข้อมูลกระจัดกระจาย ไม่เป็นระบบ หรือไม่สามารถเข้าถึงได้แบบเรียลไทม์ AI ก็ไม่สามารถสร้างคุณค่าได้อย่างเต็มที่ องค์กรจึงต้องลงทุนในการจัดโครงสร้างข้อมูลให้เป็นมาตรฐาน (structured data) เชื่อมแหล่งข้อมูลต่าง ๆ เข้าด้วยกัน และสร้างโครงสร้างพื้นฐานที่รองรับการทำงานของ AI เช่น data pipelines, storage, และ compute ที่เพียงพอ

สร้าง Orchestration Layer 

AI agents จะไม่สามารถทำงานได้เต็มศักยภาพ หากยังทำงานแบบแยกส่วน Orchestration layer จึงมีบทบาทสำคัญในการเชื่อม AI เข้ากับระบบต่าง ๆ ขององค์กร เช่น ERP, CRM, database และ tools อื่น ๆ เพื่อให้ workflow สามารถไหลต่อเนื่อง รวมถึงช่วยจัดการลำดับงาน การสื่อสารระหว่าง agents และการควบคุมการทำงานให้เป็นไปตามเป้าหมายที่กำหนด

วาง Governance ให้ชัด

เมื่อ AI มีบทบาทในการตัดสินใจและลงมือทำ ความเสี่ยงก็เพิ่มขึ้นตาม องค์กรจึงต้องมี framework ด้าน governance ที่ชัดเจน เพื่อกำหนดขอบเขตการทำงานของ AI ตรวจสอบความถูกต้อง และควบคุมความเสี่ยง ทั้งในด้านความปลอดภัย ความโปร่งใส

ก้าวสู่ยุคใหม่ของ Automation ด้วย AI ที่ลงมือทำงานได้จริง

Agentic Process Automation ไม่ใช่แค่พัฒนา automation ให้เก่งขึ้น แต่คือการเปลี่ยนวิธีคิดขององค์กรจากการ optimize งานทีละขั้นตอน ไปสู่การออกแบบระบบที่สามารถขับเคลื่อนผลลัพธ์ได้ทั้งกระบวนการ

ในโลกที่กระบวนการทำงานมีความซับซ้อนและเปลี่ยนแปลงตลอดเวลา องค์กรที่ได้เปรียบจะไม่ใช่แค่มี AI

แต่คือองค์กรที่สามารถทำให้ AI + คน + ระบบ + ข้อมูล ทำงานร่วมกันได้อย่างต่อเนื่องและมีประสิทธิภาพ

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