ธุรกิจที่เหมาะกับ Agentic AI ไม่ได้จำกัดอยู่ที่อุตสาหกรรมใดอุตสาหกรรมหนึ่ง สิ่งที่ควรมองหาคืองานที่ต้องอ่านข้อมูลหลายรูปแบบ เลือกว่าจะตรวจอะไรต่อ และส่งผลลัพธ์ที่คนตรวจสอบได้ เช่น เตรียมข้อมูลก่อนพบลูกค้า เปรียบเทียบข้อเสนอผู้ขาย หรือรวบรวมหลักฐานของเรื่องเคลม
ก่อนเริ่มพัฒนา จึงควรระบุให้ได้ว่า Agent จะรับงานจากไหน ใช้ข้อมูลอะไร ทำอะไรได้เอง และต้องส่งต่อให้ใคร การมีคำตอบสี่ข้อนี้ช่วยให้การประเมินระบบเชื่อมกับงานประจำของทีม และทำให้ขอบเขตโครงการชัดกว่าการเริ่มจากรายชื่อโมเดล
แยกงานตามกติกาออกจากงานที่ต้องเลือกขั้นตอน
ในบทความนี้ Agentic AI หมายถึงระบบที่ให้โมเดลเลือกขั้นตอนหรือเครื่องมือภายในขอบเขตที่กำหนด เช่น ตรวจพบว่าคำขอขาดรหัสสินค้า จึงค้นแค็ตตาล็อกก่อนเตรียมคำถามกลับ หากระบบเพียงย้ายข้อมูลจากฟอร์มเข้า CRM ตามช่องที่กำหนดไว้ งานนั้นอาจทำด้วยระบบอัตโนมัติตามกติกาได้ครบอยู่แล้ว
การแยกสองลักษณะนี้สอดคล้องกับคำอธิบายเรื่อง workflow และ agent ของ Anthropic แต่การเลือกสำหรับธุรกิจต้องดูตัวอย่างงานจริงด้วย งานเดียวกันอาจมีทั้งส่วนที่ใช้กติกาตายตัวและส่วนที่ต้องให้ AI ช่วยตีความ
ตัวอย่างเช่น ระบบรับเรื่องคืนสินค้าสามารถใช้คำสั่งตามกติกาดึงประวัติคำสั่งซื้อ แล้วให้ AI อ่านคำอธิบายปัญหาและค้นนโยบายที่เกี่ยวข้อง การคำนวณยอดเงินและการอนุมัติคืนเงินยังเป็นหน้าที่ของระบบธุรกิจและผู้มีสิทธิ์ ระบบที่ดีจึงไม่จำเป็นต้องให้ Agent ตัดสินใจทุกขั้น
เริ่มมองจากงานที่ติดขัด ไม่ใช่ชื่ออุตสาหกรรม
ตารางนี้เป็นตัวอย่างแนวทางออกแบบ ไม่ใช่ผลลัพธ์ของลูกค้า Talvyn Labs และไม่ได้หมายความว่าทุกธุรกิจในกลุ่มนั้นต้องพัฒนา Agent
| ลักษณะธุรกิจ | งานที่ควรนำมาประเมิน | ผลลัพธ์ของรุ่นแรก | สิ่งที่ยังให้คนตัดสินใจ |
|---|---|---|---|
| ผู้จัดจำหน่าย | อ่านคำขอและเทียบข้อมูลสินค้าหรือข้อเสนอ | ตารางเปรียบเทียบพร้อมแหล่งข้อมูล | ยืนยันสินค้าทดแทนและเงื่อนไขซื้อขาย |
| ธุรกิจบริการ B2B | เตรียมข้อมูลก่อนคุยกับลูกค้า | สรุปประวัติและคำถามที่ต้องถามเพิ่ม | เลือกแนวทางเสนอขายและส่งข้อความ |
| เอเจนซี | รวมบรีฟจากเอกสารและการสนทนา | ร่างขอบเขตงานและรายการข้อมูลที่ขาด | รับรองสิ่งส่งมอบ ราคา และกำหนดส่ง |
| ธุรกิจขายสินค้า | รวบรวมข้อมูลคำขอเคลมหรือคืนสินค้า | แฟ้มหลักฐานและข้อเสนอให้ผู้ดูแลตรวจ | อนุมัติข้อยกเว้นและการคืนเงิน |
| ผู้ให้บริการ SaaS | ช่วยลูกค้าเตรียมการตั้งค่าเริ่มต้น | แผนการตั้งค่าและตัวอย่างข้อมูลนำเข้า | ยืนยันการเปลี่ยนค่าหรือบันทึกข้อมูลจริง |
งานที่น่าเริ่มมักมีจุดสิ้นสุดที่อธิบายได้ เช่น ได้ตารางเปรียบเทียบที่ตรวจย้อนกลับได้ หรือได้แฟ้มเคลมที่ข้อมูลครบ การตั้งเป้าว่าให้ AI ดูแลฝ่ายขายทั้งฝ่ายยังไม่บอกว่าต้องส่งมอบอะไร และทำให้แยกความสำเร็จออกจากการสาธิตที่ดูดีได้ยาก
ทดสอบความเหมาะสมด้วยคำถามห้าข้อ
หนึ่ง ข้อมูลมีรูปแบบหลากหลายจริงหรือไม่ หากข้อมูลเข้ามาเป็นฟอร์มที่บังคับช่องครบและกติกาไม่เปลี่ยน เริ่มประเมินระบบอัตโนมัติธรรมดาก่อน หากมีข้อความ เอกสาร และคำขอที่เขียนต่างกัน AI อาจช่วยส่วนตีความได้
สอง ต้องเลือกว่าจะทำอะไรต่อหรือไม่ งานบางอย่างต้องค้นข้อมูลเพิ่มเมื่อเจอข้อสงสัย ขณะที่บางงานมีขั้นตอนเดิมทุกครั้ง ความแตกต่างนี้สำคัญกว่าจำนวนแอปที่นำมาเชื่อม
สาม มีวิธีตรวจผลลัพธ์หรือไม่ ระบุว่าผู้ตรวจจะเทียบกับอะไร เช่น บรรทัดต้นฉบับในเอกสาร รหัสสินค้า หรือข้อกำหนดที่อนุมัติแล้ว หากตรวจได้เพียงว่าอ่านข้อความแล้วรู้สึกดี ยังต้องออกแบบเกณฑ์เพิ่ม
สี่ ความผิดพลาดกระทบอะไร แยกการเตรียมร่างออกจากการส่งข้อมูลออกนอกทีม และแยกการอ่านออกจากการแก้ไขรายการจริง ความเสียหายจากร่างสรุปผิดกับคำสั่งซื้อผิดมีระดับต่างกัน
ห้า มีผู้รับผิดชอบระบบหลังเปิดใช้หรือไม่ ต้องมีเจ้าของข้อมูล ผู้ดูแลงานที่ติดค้าง และคนตัดสินใจเมื่อกติกาธุรกิจเปลี่ยน การเพิ่ม Agent ไม่ได้ทำให้ความรับผิดชอบเหล่านี้หายไป
แนวทางเลือกแบบระบบของ Google Cloud ใช้ลักษณะงาน ความหน่วง ต้นทุน และการมีส่วนร่วมของคนเป็นปัจจัยประกอบ จึงควรประเมินทั้งกระบวนการ ไม่ดูเฉพาะความสามารถในการตอบของโมเดล
ตัวอย่างการลดขอบเขตให้เริ่มได้จริง
สมมติผู้จัดจำหน่ายต้องการให้ AI ดูแลคำขอสินค้าที่เข้ามาทางอีเมลทั้งหมด ขอบเขตนี้รวมทั้งการอ่านคำขอ ระบุสินค้า ตรวจราคา เจรจา และสร้างเอกสาร ซึ่งมีผู้รับผิดชอบหลายฝ่าย
รุ่นแรกอาจเลือกเพียงเตรียมรายการให้ทีมขายตรวจ โดยรับคำขอหนึ่งรายการ ค้นแค็ตตาล็อกที่อนุญาต และแสดงสินค้าที่น่าจะตรงพร้อมหลักฐาน เมื่อมีหลายตัวเลือก ระบบต้องแสดงความแตกต่างหรือขอข้อมูลเพิ่ม ไม่เลือกแทนโดยไม่มีเหตุผลที่ตรวจได้
หน้าทำงานควรให้พนักงานเห็นคำขอต้นฉบับ ผลที่ระบบเตรียม และช่องที่ต้องยืนยันอยู่ใกล้กัน หลังผู้ใช้แก้ข้อมูล ควรเก็บเหตุผลว่าผิดเพราะอ่านเอกสารผิด แค็ตตาล็อกไม่ครบ หรือกติกายังไม่ชัด การแยกสาเหตุช่วยให้ปรับส่วนที่มีปัญหาได้ตรงจุด
เมื่อส่วนนี้ผ่านการใช้งานจริง จึงค่อยประเมินการเชื่อมร่างใบเสนอราคาเพิ่มเติม โดยรักษาจุดอนุมัติเดิมไว้ อ่านตัวอย่างขอบเขตที่ละเอียดขึ้นได้ในเรื่อง AI ช่วยเตรียมใบเสนอราคาจาก LINE และ PDF
ข้อมูลภายนอกต้องไม่กลายเป็นคำสั่งให้ระบบ
เอกสารลูกค้า เว็บไซต์ผู้ขาย หรือข้อความในไฟล์อาจมีคำสั่งที่ไม่ได้มาจากผู้ใช้ระบบ OWASP อธิบายความเสี่ยง Prompt Injection ว่าเกิดได้ทั้งจากคำสั่งโดยตรงและเนื้อหาที่ระบบนำเข้ามาอ่าน
ในทางออกแบบจึงต้องจำกัดเครื่องมือและข้อมูลที่แต่ละงานเข้าถึง ตรวจสิทธิ์ที่ระบบปลายทาง และมีจุดยืนยันก่อนการกระทำสำคัญ คำสั่งใน Prompt เพียงอย่างเดียวไม่ควรเป็นตัวอนุญาตให้เปลี่ยนข้อมูลธุรกิจ ส่วนงานที่ข้อมูลไม่ครบควรกลับเข้าแถวให้คนตรวจ พร้อมบอกว่าติดตรงไหน
วัดงานที่จบได้ พร้อมนับภาระการตรวจ
ก่อนใช้งานให้เก็บตัวอย่างกระบวนการเดิม ตั้งแต่รับเรื่องจนถึงส่งมอบผลที่ยอมรับได้ แล้ววัดกระบวนการใหม่ด้วยขอบเขตเดียวกัน รวมเวลารอ เวลาตรวจแก้ และงานที่ต้องย้อนกลับมาทำใหม่ การตอบเร็วขึ้นอย่างเดียวไม่ได้บอกว่าทีมทำงานเสร็จเร็วขึ้น
กำหนดไว้ล่วงหน้าว่ากรณีใดผ่าน กรณีใดต้องแก้ และกรณีใดต้องหยุดใช้งาน พร้อมทดสอบงานที่ข้อมูลหาย เอกสารขัดกัน หรือสิทธิ์ไม่พอด้วย แนวคิดประเมินและจัดการความเสี่ยงตลอดวงจรของ NIST AI RMF ใช้เป็นกรอบประกอบได้ โดยไม่ได้แทนเกณฑ์รับงานเฉพาะของธุรกิจ
เลือกหนึ่งกระบวนการ แล้วเตรียมระบบให้ใช้งานได้จริง
หากทีมมีงานที่ต้องอ่าน ตรวจ และส่งต่อข้อมูลซ้ำทุกวัน ให้รวบรวมตัวอย่างที่ได้รับอนุญาตหรือปกปิดข้อมูลสำคัญ พร้อมระบุระบบที่ใช้ ผู้ตรวจผล และการกระทำที่ต้องอนุมัติ ข้อมูลชุดนี้เพียงพอสำหรับเริ่มคุยขอบเขตอย่างมีรายละเอียด
Talvyn Labs ให้บริการออกแบบและพัฒนา AI Product และ Agent ที่เชื่อมกับงานของทีม ตั้งแต่หน้าตรวจร่าง การเชื่อมข้อมูล ไปจนถึงเกณฑ์ทดสอบก่อนเปิดใช้ หากยังเลือกรูปแบบการลงทุนไม่ได้ อ่านต่อเรื่อง ซื้อ AI สำเร็จรูปหรือพัฒนา Agent เฉพาะธุรกิจ แล้วนำกระบวนการที่ต้องการปรับมาประเมินร่วมกัน
เริ่มสร้าง AI Agent ที่ทำงานให้ธุรกิจได้จริง
นำงานที่ทีมทำซ้ำและตัวอย่างข้อมูลมาคุยกับ Talvyn Labs เพื่อกำหนดระบบ จุดอนุมัติ และเกณฑ์ทดสอบก่อนพัฒนา
ประเมิน AI Agent สำหรับธุรกิจ