- "AI เอเจนต์" ได้พัฒนาอย่างรวดเร็วจากการทดลองทางเทคโนโลยีสู่กระแสหลักในช่วง 18 เดือนที่ผ่านมา และผู้ใช้งานกลุ่มแรก ๆ รายงานผลลัพธ์ที่น่าทึ่ง เช่น ลดต้นทุน ประหยัดเวลา และเพิ่มประสิทธิภาพการทำงาน
- นวัตกรรมนี้นำมาซึ่งการเปลี่ยนแปลงพื้นฐานในการทำงานอัตโนมัติของงานที่ซับซ้อน แต่ก็ยังมีข้อจำกัด ความท้าทาย และคำถามที่ยังไม่ได้รับคำตอบ
AI เอเจนต์คืออะไร?
- AI เอเจนต์คือระบบซอฟต์แวร์ที่ใช้เครื่องมือ หน่วยความจำ และระบบ AI อื่น ๆ เพื่อวางแผน ประสานงาน และดำเนินงานที่ซับซ้อน
- มันทำงานในลักษณะคล้ายมนุษย์ โดยตั้งเป้าหมายแล้วแยกออกเป็นขั้นตอนย่อย ๆ เพื่อไปให้ถึงเป้าหมายนั้น
- ด้วยความก้าวหน้าของโมเดลภาษาขนาดใหญ่ (LLMs) และ generative AI (gen AI) จึงสามารถใช้ความฉลาด เครื่องมือ และหน่วยความจำในการวางแผน ลงมือทำ ประเมินผล และทำซ้ำเพื่อบรรลุเป้าหมายได้
ระบบ AI เอเจนต์แบบง่าย
- คำถามจากเพื่อน: "จะทำแอปที่เสนอเที่ยวบินราคาต่ำสุดไปยังจุดหมายที่มีสภาพอากาศดีที่สุดได้ไหม?"
- เรื่องนี้ทำได้ด้วยโค้ดแบบเดิมเช่นกัน แต่ AI เอเจนต์มอบแนวทางที่น่าสนใจกว่าโดยใช้ภาษาธรรมชาติ
- ตัวอย่างการแนะนำการเดินทางด้วยภาษาธรรมชาติ:
- เก็บความชอบของผู้ใช้: ให้ผู้ใช้ป้อนความชอบด้านสภาพอากาศและข้อมูลจุดออกเดินทางด้วยภาษาธรรมชาติ จากนั้น LLM จะตีความข้อมูลที่ป้อน ระบุเครื่องมือที่จำเป็น และตัดสินใจว่าจะทำงานอย่างไร
- ค้นหาจุดหมายปลายทาง: ใช้เครื่องมือ
find_destinations เพื่อค้นหาสถานที่ท่องเที่ยวที่ตรงกับความชอบ โดยอิงข้อมูลสภาพอากาศของ 200 เมืองในช่วง 12 เดือนที่ผ่านมา
- ค้นหาเที่ยวบิน: ค้นหาข้อมูลเที่ยวบินและราคาของจุดหมายปลายทาง
- สร้างคำแนะนำ: รวมข้อมูลจากขั้นตอนที่ 2 และ 3 แล้วสร้างผลลัพธ์คำแนะนำสุดท้ายเป็นภาษาธรรมชาติ
ระบบ AI เอเจนต์ขั้นสูง
- ด้วย LLM ที่ทรงพลังมากขึ้น AI เอเจนต์จึงสามารถจัดการงานที่ซับซ้อนยิ่งกว่าเดิมได้
- กรณีใช้งานหลัก:
- การพัฒนาซอฟต์แวร์: AI เอเจนต์ที่สร้างและดูแลรักษาซอฟต์แวร์ เช่น Devin, Cursor, Replit, GitHub Copilot (ตอนนี้มีผู้สมัครใช้งาน 1.8 ล้านราย) ฯลฯ
- บริการลูกค้า: AI เอเจนต์ที่จัดการคำขอของลูกค้า โดย Klarna AI แทนงานของพนักงาน 700 คน และประหยัดต้นทุนได้ $40m ในปี 2024
- การขายและการตลาด: AI เอเจนต์ที่ทำงานหาโอกาสทางการขายและทำการตลาดแบบอัตโนมัติ โดยการตลาด generative AI ของ KFC และ Taco Bell ช่วยเพิ่มการมีส่วนร่วมของผู้บริโภคเป็นตัวเลขสองหลัก
พื้นที่แห่งโอกาส
- มีสตาร์ตอัปหลากหลายรายที่กำลังพัฒนาผลิตภัณฑ์นวัตกรรมโดยใช้ AI เอเจนต์
- ตัวอย่างแอปพลิเคชัน:
- การแพทย์: OpenClinic – ระบบที่ช่วยสนับสนุนแพทย์
- การฝึกหุ่นยนต์: innate – แพลตฟอร์มสำหรับฝึกหุ่นยนต์
- ผู้ช่วยส่วนตัว: Khoj – ทำหน้าที่เป็นสมองที่สองของผู้ใช้
- การออกแบบภายใน: Rastro – ทำหน้าที่เป็นนักออกแบบตกแต่งภายในเฉพาะบุคคล
- กรณีความสำเร็จ: HappyRobot
- ทำงานอัตโนมัติด้านการโทรศัพท์และการสื่อสารในบริษัทโลจิสติกส์
- มีลูกค้ามากกว่า 50 ราย และได้รับประโยชน์ที่เห็นผลแล้ว โดยลดเวลาโทรเฉลี่ยลง 50% และลดต้นทุนการดำเนินงานลงเหลือ 1/3
- ตัวอย่างด้านเครื่องมือ
- สร้างเอเจนต์แบบ no-code: Gumloop – สร้าง AI เอเจนต์ได้โดยไม่ต้องเขียนโค้ด
- ระบบชำระเงินทางโทรศัพท์: Protegee – รองรับการชำระเงินทางโทรศัพท์อย่างปลอดภัยผ่านเอเจนต์
- การทดสอบความปลอดภัย: ใช้ AI เอเจนต์แบบ "red team" เพื่อทำ stress test ด้านความปลอดภัยและความสอดคล้องของระบบแบบอัตโนมัติ
ข้อจำกัดในปัจจุบัน
- แม้ความคาดหวังต่อ AI เอเจนต์จะสูงมาก แต่สิ่งสำคัญคือต้องตระหนักถึงข้อจำกัดในปัจจุบันและตั้งความคาดหวังอย่างสมจริง
- ปัญหาบางอย่างอาจได้รับการแก้ไขในอนาคตอันใกล้ แต่บางอย่างก็อาจคงอยู่ในระยะยาว
- ข้อจำกัดทางเทคนิค: ปัญหาความน่าเชื่อถือของ LLM ความยากในการวางแผนเป้าหมายระยะยาว และความเป็นไปได้ที่ความผิดพลาดจะสะสม
- โมเดลภาษาขนาดใหญ่ (LLMs) ซึ่งเป็นสมองของ AI เอเจนต์ ยังประสบปัญหาด้านความน่าเชื่อถือ
- ปรากฏการณ์ "หลอน" (
hallucination): สร้างข้อมูลที่ไม่เป็นความจริง
- ขาดความสามารถในการวางแผนและให้เหตุผลกับเป้าหมายระยะยาว
- เมื่อเชื่อมหลายงานเข้าด้วยกัน มีความเสี่ยงที่ความผิดพลาดจะสะสม
- ตัวอย่าง: กระบวนการ 10 ขั้นตอนที่แต่ละขั้นแม่นยำ 90% จะเหลือความน่าเชื่อถือสุดท้ายเพียง 35% (90%^10)
- ความท้าทายด้านการปฏิบัติการ: ปัญหาการผสานรวมข้อมูลและความปลอดภัย รวมถึงความยากในการจัดการข้อมูลอ่อนไหว
- การโต้ตอบกับซอฟต์แวร์อื่น การจัดการข้อมูลอ่อนไหว และการตัดสินใจแบบอัตโนมัติ (เช่น การชำระเงิน) ล้วนต้องการการผสานรวมและข้อกำหนดด้านความปลอดภัยในระดับสูง
- ปัญหาความเป็นส่วนตัวและความปลอดภัยของข้อมูล
- โครงสร้างการเชื่อมต่อและมาตรการป้องกันเพื่อรองรับระบบเหล่านี้ยังไม่เพียงพอ
- ความไว้วางใจทางสังคม: การขาดความเชื่อมั่นและผลกระทบอย่างการลดตำแหน่งงาน อาจทำให้การนำไปใช้ในวงกว้างล่าช้า
- คาดว่าจะต้องใช้เวลา ก่อนที่สังคมโดยรวมจะไว้วางใจและนำ AI เอเจนต์ไปใช้ในวงกว้าง
- นอกเหนือจากปัญหาความน่าเชื่อถือและความปลอดภัยแล้ว ยังมีความกังวลเรื่องการลดลงของงานและความปั่นป่วนของรูปแบบการทำงานจาก AI
- แม้บางด้านอาจทำให้เป็นอัตโนมัติได้ทั้งหมด แต่ก็ไม่ได้หมายความว่าจะเป็นสิ่งที่พึงปรารถนาเสมอไป
คำถามที่ยังเปิดอยู่
- AI เอเจนต์มีศักยภาพในการเปลี่ยนแปลงเศรษฐกิจ แต่ยิ่งระบบเหล่านี้ฉลาดขึ้นและถูกใช้อย่างแพร่หลายมากขึ้น ก็ยิ่งต้องเผชิญกับคำถามที่ยังไม่ได้รับการแก้ไขหลายข้อ
- คำถามทางเทคนิค
- อนาคตจะเป็นโลกของ AI เอเจนต์ที่เชี่ยวชาญเฉพาะด้าน หรือจะมีระบบเอเจนต์อเนกประสงค์สมรรถนะสูงได้จริง?
- เราจะยังใช้ LLM ที่มีธรรมชาติแบบความน่าจะเป็นต่อไป หรือจำเป็นต้องมีระบบวางแผนที่มีความกำหนดแน่นอนมากกว่า?
- ควรใช้เกณฑ์ใดในการประเมินประสิทธิภาพ? เทียบเท่ามนุษย์หรือสูงกว่านั้น?
- ผลกระทบต่อมนุษย์และแรงงาน
- มนุษย์ต้องเข้ามาแทรกแซงมากแค่ไหน และในจุดใดที่การแทรกแซงอาจไม่สำคัญ?
- AI เอเจนต์จะส่งผลอย่างไรต่อการจ้างงานและตลาดแรงงานโลก?
- โมเดลธุรกิจและประเด็นเชิงพาณิชย์
- ควรกำหนดราคาผลิตภัณฑ์ AI เอเจนต์อย่างไร? ตามหน่วยงาน ตามเวลา หรือมูลค่าที่สร้างขึ้น แบบใดเหมาะสมกว่า?
- มีงานสร้างสรรค์แบบใดบ้างที่ก่อนหน้านี้เป็นไปไม่ได้ แต่ AI เอเจนต์จะทำให้เกิดขึ้นได้?
- ตัวอย่าง: ใช้ระบบเอเจนต์สังเคราะห์รีวิวสินค้านับพันรายการ ทำให้สิ่งที่มนุษย์ทำไม่ได้กลายเป็นไปได้
- การกำกับดูแลและการจัดการความเสี่ยง
- ควรกำกับดูแลระบบเอเจนต์อย่างไร? และจะแก้ปัญหาความเป็นส่วนตัวกับความปลอดภัยอย่างไร?
- หากระบบเอเจนต์ทำงานผิดพลาดและก่อให้เกิดความเสียหาย ใครควรเป็นผู้รับผิดชอบ?
- ยังมีคำถามอีกมากที่ต้องสำรวจ
- ตอนนี้คือช่วงเวลาที่ควร ลองสัมผัสเทคโนโลยีด้วยตัวเอง
- ขอแนะนำให้ จินตนาการอนาคตอย่างเป็นรูปธรรม พร้อมทั้งแยกแยะระหว่างกระแส hype กับความเป็นจริง และสำรวจว่า AI เอเจนต์จะ ช่วยพัฒนาทั้งงานและเวลาว่างได้อย่างไร
1 ความคิดเห็น
ช่วงนี้มีการพูดถึง AI Agent กันเยอะมากจริง ๆ