วิธีที่ธุรกิจสามารถเปลี่ยนตัวแทน AI ให้เป็นการดำเนินงานประจำวัน
ตัวแทน AI กำลังเคลื่อนตัวเกินกว่าการสาธิตที่น่าประทับใจ คำถามสำคัญสำหรับธุรกิจไม่ใช่เพียงแค่ AI สามารถตอบสนองอะไรได้บ้าง แต่มันสามารถปฏิบัติงานใดได้อย่างเชื่อถือได้—และจะนำความสามารถนั้นมาใช้ได้อย่างไรโดยไม่สูญเสียการควบคุม
MSI AI Insights
Issue #001 สำรวจการเพิ่มขึ้นของ Agentic AI และการเปลี่ยนแปลงที่เกินกว่าการช่วยเหลือแบบพร้อมตอบ
Issue #002 ตรวจสอบว่างาน AI ควรทำงานผ่านท้องถิ่น คลาวด์ และวิธีการผสมผสาน
Issue #003 ถามว่าจะวัดคุณค่าทางธุรกิจที่แท้จริงของ AI ได้อย่างไรเกินกว่าผลผลิต
Issue #004 เป็นขั้นตอนต่อไป: การเปลี่ยนจากกลยุทธ์ AI ไปสู่การดำเนินการที่ใช้งานได้จริง ไม่ว่าคุณจะทำงานอิสระ จัดการทีมที่กำลังเติบโต หรือนำงานต่าง ๆ ข้ามแผนกต่าง ๆ ขั้นตอนเริ่มต้นค่อนข้างคล้ายกัน: เลือกขั้นตอนการทำงานที่เหมาะสม กำหนดขอบเขตที่ชัดเจน และตรวจสอบผลลัพธ์
จากผู้ช่วย AI ไปสู่เอเยนต์ AI: ความแตกต่างคือขั้นตอนการทำงาน
ผู้ช่วย AI โดยทั่วไปจะช่วยในส่วนต่าง ๆ ของงาน เช่น การสรุปเอกสาร อธิบายสเปรดชีต หรือร่างอีเมล ในทางตรงกันข้าม AI เอเจนต์สามารถมีบทบาทที่ครอบคลุมมากขึ้นโดยการดำเนินงานตามวัตถุประสงค์ที่กำหนดผ่านขั้นตอนที่ได้รับการอนุมัติหลายขั้นตอน มันอาจรวบรวมข้อมูลที่เกี่ยวข้อง เลือกเครื่องมือที่ได้รับอนุญาต ตรวจสอบผลลัพธ์ และทำงานเสร็จสิ้นหรือขออนุมัติจากมนุษย์หากจำเป็น
ตัวอย่างเช่น หากลูกค้าสอบถามว่าผลิตภัณฑ์ตอบสนองข้อกำหนดเฉพาะหรือไม่ ผู้ช่วยสามารถแนะนำคำตอบที่เหมาะสมได้ อย่างไรก็ตาม เอเจนต์สามารถจำแนกคำถาม ตรวจสอบเอกสารผลิตภัณฑ์ที่ได้รับการอนุมัติ ตรวจสอบข้อมูลที่เกี่ยวข้อง เตรียมคำตอบ และทำเครื่องหมายรายละเอียดที่ไม่แน่ชัดเพื่อการตรวจสอบ ด้วยการอนุญาตอย่างชัดแจ้ง มันอาจสร้างตั๋วบริการหรืออัปเดตบันทึกลูกค้าได้เช่นกัน การดำเนินการเพิ่มเติมแต่ละอย่างมีความรับผิดชอบที่เกินกว่าการให้คำตอบที่ดีเท่านั้น
ความก้าวหน้าที่มีประโยชน์ไม่ใช่ "เสรีภาพในการดำเนินงานด้วยตนเองทุกราคา" มันคือ:
ช่วย → แนะนำ → ดำเนินการด้วยการอนุมัติ → ดำเนินการภายในขอบเขต → ตรวจสอบและยกระดับ
ผู้ช่วยพื้นฐานอาจเป็นโซลูชันที่เหมาะสมที่สุดเมื่อกระบวนการอัตโนมัติอาจสร้างค่าใช้จ่ายหรือความเสี่ยงที่ไม่จำเป็นโดยไม่ปรับปรุงผลลัพธ์ ธุรกิจควรมอบหมายเฉพาะขั้นตอนที่ได้รับประโยชน์จากการดำเนินการ—และรักษาการตัดสินใจของมนุษย์ไว้ในที่ที่สำคัญ
เริ่มต้นด้วยเวิร์กโฟลว์ ไม่ใช่เทคโนโลยี
โครงการเอเยนต์ AI ครั้งแรกควรเริ่มต้นด้วยปัญหาทางธุรกิจที่เกิดขึ้นซ้ำๆ ไม่ใช่การเปรียบเทียบโมเดล ตัวอย่างที่เหมาะสมสำหรับการทำงานอัตโนมัติมีข้อมูลอินพุตที่ชัดเจน ข้อมูลที่ได้รับการอนุมัติและเข้าถึงได้ ขั้นตอนที่ทำซ้ำได้ เอาต์พุตที่วัดได้ และบุคคลที่รับผิดชอบในการจัดการกรณีที่มีข้อยกเว้น
ตัวอย่างของงานที่เหมาะสมรวมถึงการจำแนกคำถามที่เข้ามา การจัดทำรายงานประจำ การจัดระเบียบการติดตามการประชุม การเปรียบเทียบเอกสารจากซัพพลายเออร์ หรือการตรวจสอบการเปลี่ยนแปลงของแหล่งความรู้ที่ได้รับการอนุมัติ โดยการกำหนดเป้าหมายไปยังกระบวนการที่กำหนดไว้อย่างแคบซึ่งเกิดขึ้นบ่อยครั้ง ธุรกิจสามารถได้รับข้อมูลที่มีค่ามากกว่าการพยายามทำงานอัตโนมัติทั้งแผนกในครั้งเดียว
ก่อนที่จะสร้างโครงการนำร่อง ให้ถามว่า: อะไรที่กระตุ้นให้เกิดงานนี้? ผลลัพธ์ที่ประสบความสำเร็จมีลักษณะอย่างไร? ใครสามารถตรวจสอบเอาต์พุตได้อย่างอิสระ? เอเยนต์สามารถหยุดได้อย่างปลอดภัยเมื่อข้อมูลขาดหายไปหรือไม่? ใครเป็นเจ้าของกระบวนการ?
ตัวอย่างเช่น ผู้จัดจำหน่ายอาจเริ่มต้นด้วยการดึงข้อมูลจำเพาะผลิตภัณฑ์ที่ได้รับการยืนยันและร่างคำตอบสำหรับคำถามของลูกค้า อย่างไรก็ตาม การยอมรับราคา วันที่จัดส่ง หรือความพร้อมของสินค้าโดยอัตโนมัติควรอยู่นอกขอบเขตเริ่มต้นจนกว่าความถูกต้อง สิทธิ์ และการอนุมัติจะได้รับการทดสอบอย่างละเอียด
ภายในตัวแทน AI ที่ทำงาน
ตัวแทนที่ทำงานนั้นมีมากกว่าเพียงแค่โมเดลภาษาขนาดใหญ่ (LLM) โมเดลช่วยในการตีความคำสั่งและสร้างคำตอบ แต่การดำเนินการทางธุรกิจที่เชื่อถือได้ต้องการความสามารถที่เชื่อมโยงกันหลายประการ:
- LLM: ตีความคำขอ ให้เหตุผลเกี่ยวกับงาน และสร้างเอาต์พุตทางภาษาหรือโครงสร้าง
- RAG / ฐานความรู้: ดึงเนื้อหาที่เกี่ยวข้องจากเอกสารที่ได้รับการอนุมัติเพื่อให้การตอบสนองสามารถสะท้อนข้อมูลทางธุรกิจได้ คุณภาพและความเป็นปัจจุบันของแหล่งข้อมูลยังต้องได้รับการตรวจสอบ
- หน่วยความจำ: รักษาบริบทงานหรือสถานะเวิร์กโฟลว์ที่เลือกไว้อย่างเหมาะสม โดยมีข้อจำกัดที่ชัดเจนในการเก็บรักษาและการเข้าถึง
- การเรียกเครื่องมือ: ขอใช้ฟังก์ชันที่ได้รับอนุญาต เช่น การดึงข้อมูล ค้นหาในโฟลเดอร์ที่ได้รับอนุมัติ หรือสร้างร่าง
- การประสานงาน: ประสานขั้นตอน การดำเนินการเครื่องมือ การตรวจสอบ การทำซ้ำ และการส่งต่อไปยังบุคคล
ส่วนประกอบเหล่านี้ทำงานร่วมกันในลำดับที่กำหนด:
คำขอทางธุรกิจ → ความรู้ที่ได้รับการอนุมัติ → วางแผนและใช้เครื่องมือ → ตรวจสอบผลลัพธ์ → การอนุมัติจากมนุษย์เมื่อจำเป็น → บันทึกผลลัพธ์
การปรับใช้งานไม่ทุกครั้งที่ต้องการตัวแทนหลายตัว บ่อยครั้งที่ตัวแทนเพียงตัวเดียวพร้อมชุดเครื่องมือที่เชื่อถือได้น้อยกว่านั้นง่ายต่อการตรวจสอบและบำรุงรักษา ตัวแทนที่มีความเชี่ยวชาญอาจเป็นประโยชน์เมื่อบทบาทหรือระบบที่แตกต่างกันต้องการการประสานงานอย่างแท้จริง อย่างไรก็ตาม การส่งมอบแต่ละครั้งจะเพิ่มต้นทุน ความล่าช้า และจุดล้มเหลวที่อาจเกิดขึ้น
ตัวแทน AI ควรทำงานที่ใด?
ดังที่ได้พูดถึงใน
ปัญหา #002, การปรับใช้เป็นเรื่องของการตัดสินใจเกี่ยวกับการกระจายงาน AI ในระดับท้องถิ่นสามารถอำนวยความสะดวกในการจัดการข้อมูลที่ควบคุมได้และงานออฟไลน์เฉพาะ ในขณะที่ AI บนคลาวด์ให้การเข้าถึงโมเดลที่ทรงพลังและบริการที่ปรับขนาดได้ AI ไฮบริดรวมทั้งสองวิธีโดยกระจายขั้นตอนต่าง ๆ ไปยังสภาพแวดล้อมต่าง ๆ ตามความต้องการทางธุรกิจ
ตัวอย่างเช่น เอเจนต์อาจดึงเอกสารภายในในระดับท้องถิ่นในขณะที่ส่งคำถามที่ได้รับการอนุมัติและลดขนาดไปยังโมเดลบนคลาวด์สำหรับงานการให้เหตุผลที่ต้องการความสามารถสูง ขณะที่เวิร์กโฟลว์อื่น ๆ อาจทำงานทั้งหมดบนด้านเดียว ตัวเลือกที่ดีที่สุดขึ้นอยู่กับความละเอียดอ่อนของข้อมูล ความสามารถของโมเดล เวลาตอบสนอง ความพร้อมใช้งานของเครือข่าย ต้นทุนการดำเนินงาน และทรัพยากรการบำรุงรักษา
สิ่งที่สำคัญคือ การทำงานของโมเดลในระดับท้องถิ่นไม่ได้ทำให้เวิร์กโฟลว์ทั้งหมดเป็นส่วนตัวโดยอัตโนมัติ การค้นหาภายนอก การสื่อสาร การส่งสัญญาณโทรเลมิทรี และเครื่องมือที่เชื่อมต่ออาจยังคงย้ายข้อมูลออกไปนอกสภาพแวดล้อมที่ควบคุมได้ ให้ประเมินเส้นทางข้อมูลทั้งหมด—ไม่ใช่เพียงแค่สถานที่ที่โมเดลทำงาน
Autonomy Should Be Earned, Not Assumed
ตัวแทน AI อาจพบข้อมูลที่ทำให้เข้าใจผิดในอีเมล เว็บไซต์ หรือเอกสารที่พวกเขาดึงข้อมูลมา พวกเขาอาจสร้างข้อมูลที่ไม่ถูกต้องหรือดำเนินการนอกขอบเขตที่ตั้งใจไว้ ดังนั้นการรับรองความพร้อมทางธุรกิจจึงต้องมีการควบคุมด้านสิทธิ์การใช้งาน การตรวจสอบ การติดตาม และความรับผิดชอบของมนุษย์ที่ชัดเจน
วิธีปฏิบัติที่ใช้งานได้ในการใช้งาน AI เริ่มต้นด้วยการให้สิทธิ์การอ่านเท่านั้น ซึ่งสามารถพัฒนาไปสู่การอนุญาตให้สร้างร่างและจากนั้นแนะนำจุดตรวจสอบการอนุมัติสำหรับการดำเนินการที่มีผลลัพธ์สำคัญ เมื่อผ่านขั้นตอนเหล่านี้แล้วจึงควรมอบสิทธิ์การดำเนินการอย่างอิสระที่กำหนดไว้อย่างชัดเจน การดำเนินการบางอย่าง เช่น การส่งข้อความภายนอก การเปลี่ยนแปลงบันทึกลูกค้า การทำการซื้อ หรือการลบข้อมูล ควรมีการควบคุมที่เข้มงวดกว่าการสรุปเอกสารภายใน
การอนุมัติของมนุษย์ไม่ใช่สัญญาณว่าการปรับใช้ AI ล้มเหลว มันเป็นจุดควบคุมที่ตั้งใจไว้เพื่อความถูกต้อง การปฏิบัติตามข้อกำหนด การมุ่งมั่นทางการค้า และข้อยกเว้น ตัวแทนควรมีความสามารถในการหยุด อธิบายความไม่แน่นอน และส่งมอบงานคืนให้กับบุคคลที่รับผิดชอบ
จากการทดลองไปสู่การดำเนินงานประจำวัน
การปรับใช้ระบบที่ประสบความสำเร็จเป็นกระบวนการมากกว่าเหตุการณ์การเปิดตัวครั้งเดียว MSI AI Insights กำหนดขั้นตอนที่ใช้งานได้จริงหกขั้นตอนสำหรับกระบวนการนี้:
- กำหนด: เลือกเวิร์กโฟลว์หนึ่งรายการ เจ้าของของมัน ผลลัพธ์เป้าหมาย และขอบเขตการดำเนินงาน
- เตรียม: ตรวจสอบแหล่งความรู้ สิทธิ์การใช้ข้อมูล การเข้าถึงเครื่องมือ และโครงสร้างพื้นฐาน
- สร้างต้นแบบ: สร้างเวิร์กโฟลว์ที่มีข้อจำกัดโดยใช้กรณีตัวอย่างจากโลกแห่งความเป็นจริง
- ตรวจสอบ: เปรียบเทียบประสิทธิภาพกับเกณฑ์มาตรฐาน รวมถึงข้อผิดพลาดและการแก้ไขของมนุษย์
- ปรับใช้: แนะนำการเข้าถึงการผลิตที่จำกัดพร้อมการอนุมัติ การบันทึก และการสนับสนุน
- ปรับปรุง: รีเฟรชความรู้ ตรวจสอบผลลัพธ์ และขยายเมื่อมีเหตุผลเท่านั้น
การตรวจสอบควรรวมถึงกรณีที่ยากลำบาก—ไม่ใช่เพียงแค่การสาธิตที่ประสบความสำเร็จ ทดสอบคำขอที่คลุมเครือ เอกสารที่หายไปหรือล้าหลัง ความล้มเหลวของเครื่องมือ และความพยายามที่จะเกินขอบเขตสิทธิ์ หลังจากเปิดตัว ให้วัดคุณภาพการทำงานจนจบสิ้นทั้งหมด อัตราการแทรกแซง ข้อผิดพลาด การทำงานซ้ำ เวลาในการดำเนินการ ต้นทุนต่อเวิร์กโฟลว์ที่เสร็จสมบูรณ์ และผลกระทบต่อลูกค้าหรือพนักงาน
ลิงก์ไปยัง
ปัญหา #003 เป็นเรื่องง่าย:
เวิร์กโฟลว์พื้นฐาน → เวิร์กโฟลว์ที่มี AI เปิดใช้งาน → ผลลัพธ์ที่ตรวจสอบแล้ว → มูลค่าทางธุรกิจ
เวิร์กโฟลว์ที่เร็วขึ้นไม่จำเป็นต้องดีกว่าหากทำให้เกิดการแก้ไขมากขึ้น ในทำนองเดียวกัน ตัวแทนที่ส่งเคสที่ยากยุ่งไปยังระดับที่ปลอดภัยก็ยังสามารถสร้างมูลค่าอย่างมากได้โดยการทำงานประจำวันอย่างสม่ำเสมอ
ตัวแทน AI สำหรับทุกขนาดธุรกิจ
มืออาชีพอิสระและผู้ใช้สำนักงานขนาดเล็ก/ที่ทำงานที่บ้าน (SOHO) สามารถเริ่มต้นด้วยการจัดระเบียบเอกสารอ้างอิง เตรียมการติดตามการประชุม และร่างข้อเสนอ ธุรกิจขนาดกลางและขนาดย่อม (SMBs) สามารถเชื่อมโยงข้อมูลผลิตภัณฑ์ที่ได้รับการอนุมัติกับคำถามของลูกค้าที่เข้ามาและงานติดตาม องค์กรขนาดใหญ่อาจจำเป็นต้องประสานงานบริการข้ามฝ่ายปฏิบัติการ IT และแผนกอื่น ๆ พร้อมกับจัดการเรื่องตัวตน ขอบเขตการเข้าถึง ร่องรอยการตรวจสอบ และการจัดการการเปลี่ยนแปลง
สถาปัตยกรรมของตัวแทน AI เหล่านี้สามารถขยายตามขนาดขององค์กรได้ หลักการแนะนำควรคงที่: ให้นำเสนอการออกแบบตัวแทนที่เรียบง่ายที่สุดซึ่งช่วยเพิ่มขั้นตอนการทำงานที่มีความหมายได้อย่างเชื่อถือได้ พร้อมด้วยการกำกับดูแลที่สอดคล้องกับผลกระทบของตัวแทน
ข้อสรุปสำคัญ
- เริ่มต้นด้วยขั้นตอนการทำงานที่วัดได้—ไม่ใช่โมเดล แพลตฟอร์ม หรือการสาธิตที่น่าประทับใจ
- ตัวแทน AI รวมเหตุผล ความรู้ที่ได้รับการอนุมัติ เครื่องมือ การจัดวาง และการกำกับดูแล
- เลือกการดำเนินการในระดับท้องถิ่น ระบบคลาวด์ หรือระบบไฮบริดตามความต้องการของงาน
- ขยายอำนาจอย่างค่อยเป็นค่อยไป โดยมีการอนุมัติจากมนุษย์สำหรับการดำเนินการที่สำคัญ
- ทำตามขั้นตอน กำหนด → เตรียม → สร้างต้นแบบ → ตรวจสอบ → ปรับใช้ → ปรับปรุง
- วัดผลลัพธ์ของขั้นตอนการทำงานที่ตรวจสอบแล้วและมูลค่าทางธุรกิจ ไม่ใช่เพียงแค่กิจกรรมของตัวแทน
คำถามที่พบบ่อย
อะไรคือความแตกต่างระหว่างผู้ช่วย AI และตัวแทน AI?
ผู้ช่วยโดยทั่วไปจะช่วยในงานเดี่ยว ๆ; ตัวแทนสามารถดำเนินวัตถุประสงค์ที่กำหนดขึ้นได้ในหลายขั้นตอนที่ได้รับอนุญาต รวมถึงการดึงความรู้ ใช้เครื่องมือ และขออนุมัติ
ธุรกิจจำเป็นต้องสร้างโมเดล AI ของตนเองหรือไม่
ไม่จำเป็น ธุรกิจสามารถใช้โมเดลท้องถิ่นหรือโฮสต์ที่มีอยู่ได้ งานที่สำคัญคือการกำหนดเวิร์กโฟลว์ ควบคุมการเข้าถึงข้อมูลและเครื่องมือ และตรวจสอบผลลัพธ์
RAG คืออะไร และทำไมจึงสำคัญ
การสืบค้นเพิ่มประสิทธิภาพการสร้างจะจัดหาเนื้อหาที่เกี่ยวข้องจากแหล่งความรู้ที่ได้รับการอนุมัติ สามารถช่วยให้คำตอบสะท้อนเอกสารปัจจุบันได้ แต่ไม่รับประกันความถูกต้อง
ฉันต้องการตัวแทน AI หลายตัวหรือไม่
โดยปกติแล้วไม่จำเป็นสำหรับการทดลองครั้งแรก เริ่มต้นด้วยตัวแทนที่กำหนดขอบเขตได้ดีและเครื่องมือที่เชื่อถือได้ เพิ่มตัวแทนพิเศษเฉพาะเมื่อการประสานงานช่วยปรับปรุงผลลัพธ์ได้อย่างชัดเจน
ตัวแทน AI ควรทำงานในระดับท้องถิ่นหรือบนคลาวด์
นั้นขึ้นอยู่กับความละเอียดอ่อนของข้อมูล ความต้องการโมเดล การเชื่อมต่อ ต้นทุน ประสิตภาพการทำงาน และความสามารถในการดำเนินงาน การออกแบบแบบไฮบริดสามารถจัดสรรขั้นตอนที่แตกต่างกันไปยังสภาพแวดล้อมที่แตกต่างกันได้
วิธีที่ธุรกิจสามารถลดความเสี่ยงของตัวแทน AI ได้บ้าง
ใช้สิทธิ์ที่มีความสำคัญน้อยที่สุด แหล่งข้อมูลที่เชื่อถือได้ การตรวจสอบ จุดตรวจสอบการอนุมัติ ข้อจำกัดการดำเนินการ การบันทึก และเส้นทางการเพิ่มระดับที่ชัดเจน
ควรวัดตัวแทน AI ได้อย่างไร
เปรียบเทียบกับเกณฑ์มาตรฐานพื้นฐานด้วยผลลัพธ์ที่ตรวจสอบแล้ว: คุณภาพการทำงานเสร็จ เวลา ข้อผิดพลาด การทำงานซ้ำ การแทรกแซงของมนุษย์ ต้นทุนต่อขั้นตอนการทำงาน และผลกระทบต่อธุรกิจ
ธุรกิจขนาดเล็กควรเริ่มต้นที่ไหน
เลือกขั้นตอนการทำงานที่มีความถี่สูง ความเสี่ยงต่ำ มีการควบคุมอย่างชัดเจน และมีมูลค่าที่วัดได้ เริ่มต้นด้วยการอ่านเท่านั้นหรือร่างก่อนที่จะมอบสิทธิ์ในการดำเนินการ
ต้องการสำรวจภาพรวมหรือไม่
การนำตัวแทน AI ไปใช้งาน: กรอบความคิดเชิงปฏิบัติสำหรับการปรับใช้ AI ในธุรกิจ
สำรวจวิธีการครบวงจรในการเลือกขั้นตอนการทำงาน ออกแบบตัวแทน เลือกสภาพแวดล้อมการปรับใช้ จัดการความเสี่ยง และเปลี่ยนการทดลองให้กลายเป็นการดำเนินงานประจำวันที่เชื่อถือได้
ต้องการสำรวจภาพรวมหรือไม่
MSI AI Insights — ฉบับที่ #003 | เกินกว่าการผลิต: การวัดคุณค่าทางธุรกิจที่แท้จริงของ AI แบบ Agentic
ค้นพบว่าเศรษฐศาสตร์ของเวิร์กโฟลว์ ผลลัพธ์ทางธุรกิจ และคุณค่าของมนุษย์สร้างกรณีการใช้งาน AI แบบ Agentic ที่แข็งแกร่งขึ้น
https://www.msi.com/blog/ai-insights-beyond-productivity-of-agentic-ai
MSI AI Insights — ฉบับที่ #002 | องค์กร AI แบบไฮบริด: สำรวจตัวเลือกแบบ workload-first ทั่ว local, cloud และ AI แบบไฮบริด
https://www.msi.com/blog/the-hybrid-ai-enterprise
MSI AI Insights — ฉบับที่ #001 | การเพิ่มขึ้นของ AI แบบ Agentic: ทำความเข้าใจการเปลี่ยนแปลงจากการช่วยเหลือแบบ prompt-based ไปสู่ตัวแทน AI หลายขั้นตอน
https://www.msi.com/blog/the-rise-of-agentic-ai