เมื่อสามปีก่อน ถ้าคุณถาม CIO ของบริษัทไหนว่า "ใช้ AI อะไรอยู่" คำตอบมักเป็น Chatbot ที่ฝังไว้ในเว็บไซต์ ตอบคำถามลูกค้าซ้ำ ๆ ตาม script ที่เขียนไว้ วันนี้ คำตอบเปลี่ยนไปแล้ว สิ่งที่องค์กรชั้นนำทั่วโลกกำลังทำคือ AI Agent ที่ไม่ได้แค่ตอบคำถาม แต่คิด วางแผน และลงมือทำงานจนจบ

Agent มาจากไหน

คำว่า Agent ในบริบท AI ยืมมาจากวงการเศรษฐศาสตร์ ที่ Agent หมายถึง "ผู้ที่ได้รับมอบหมายให้ทำงานแทนเรา" เช่น นายหน้าประกันภัยที่ไม่ได้แค่บอกข้อมูล แต่เจรจา จัดเอกสาร และปิดดีลให้เรา ในโลก AI คำนี้ถูกใช้ครั้งแรกในงานวิจัยปี 1990s เพื่ออธิบายซอฟต์แวร์ที่ทำงานอัตโนมัติบนอินเทอร์เน็ต แต่เพิ่งมา "เป็นจริง" ได้ในปี 2024-2026 เมื่อ LLM มีความสามารถเรื่อง reasoning (การให้เหตุผล) พอที่จะแตกงานใหญ่เป็นขั้นตอนย่อยแล้วทำทีละ step ได้เอง

Chatbot vs Agent: ต่างกันตรงไหน

ลองนึกภาพเหมือนการจ้างคนทำงาน:

  • Chatbot เปรียบเหมือนเด็กฝึกงานที่นั่งตอบคำถามเบอร์โทรศัพท์ - ถามอะไรก็ตอบตามที่มีในคู่มือ ถ้าคำถามเพี้ยนไปนิดเดียวก็ติด ไม่รู้จะทำอย่างไร
  • AI Agent เปรียบเหมือนผู้ช่วยบริหารจริง ๆ - บอกว่า "ช่วยจัดประชุมสัมมนาให้" เขาจะไปเช็คห้องว่าง ส่งเชิญผู้เข้าร่วม จัดเครื่องดื่ม เตรียมสไลด์ และแจ้งเตือนทุกคนก่อนงาน โดยที่เราไม่ต้องบอกทีละขั้น

ในทางเทคนิค Chatbot คือ LLM ที่ตอบ 1 ครั้งต่อ 1 คำถาม (single-turn) ส่วน Agent คือ LLM ที่ทำงานเป็น loop: คิด → เลือกใช้เครื่องมือ → ดูผลลัพธ์ → คิดต่อ → ใช้เครื่องมือถัดไป → วนจนกว่างานจะเสร็จ เครื่องมือที่ว่านี้อาจเป็นการเรียก API ค้นข้อมูลจาก ERP ส่งอีเมล หรือเขียนไฟล์ลงเครื่อง

ใช้ทำอะไรได้จริงในธุรกิจไทย

จากที่ทีมเราได้ลงมือทำจริงกับลูกค้าองค์กร ตัวอย่างที่เห็นผลเร็วที่สุดคือ:

  • ฝ่ายบัญชี - Agent ตรวจรับ Invoice หนึ่งในลูกค้าของเราเคยใช้คน 3 คนเช็ค Invoice กับ PO ทุกวัน หลังใช้ Agent ที่อ่าน PDF → แยกหมวดหมู่ → จับคู่กับ PO → แจ้งเตือนเฉพาะรายการที่ผิดปกติ งานที่เคยใช้ 6 ชั่วโมงเหลือ 40 นาที และคนทั้ง 3 คนได้ไปทำงานวิเคราะห์ที่มีมูลค่ามากกว่า
  • ฝ่ายขาย - Agent เตรียมข้อมูลก่อนพบลูกค้า ก่อนยิง proposal ทีมขายต้องเปิด CRM + อีเมลเก่า + ประวัติซื้อ + ข่าวองค์กรลูกค้า ใช้เวลา 30-45 นาทีต่อครั้ง Agent ทำได้ใน 2 นาที พร้อมสรุปเป็น Brief สั้น ๆ
  • HR - Agent ตอบคำถามนโยบาย คำถามซ้ำ ๆ เช่น "ลาป่วยได้กี่วัน" "ประกันสุขภาพครอบคลุมอะไรบ้าง" Agent ตอบได้ทันทีโดยอ้างอิงจากคู่มือพนักงานจริง พร้อมให้ link ไปยังหน้าเอกสารต้นทาง ลดงานแจ้งเตือน HR ลงกว่า 60%

ข้อควรระวัง: อย่าให้ Agent มีอำนาจเกินไป

กฎเหล็กที่เราบอกลูกค้าทุกรายคือ "อย่าให้ AI Agent กดปุ่มที่เงินออกจากบัญชีเองได้" สิ่งที่ควรทำคือออกแบบให้ Agent เป็นผู้เตรียมงาน แต่มนุษย์เป็นผู้ยืนยันขั้นสุดท้าย (Human-in-the-Loop) สำหรับงานที่มีผลกระทบสูง เช่น การอนุมัติค่าใช้จ่าย การส่งอีเมลถึงลูกค้า หรือการแก้ไขข้อมูลในระบบหลัก

นอกจากนี้ต้องออกแบบตั้งแต่ต้นเรื่อง Access Control (Agent ของฝ่ายขายไม่ควรเห็นข้อมูลเงินเดือน) และ Audit Log (ต้องดูย้อนหลังได้ว่า Agent ทำอะไร เมื่อไร กับข้อมูลอะไร) ตามข้อกำหนด PDPA

เริ่มจากไหนดี

คำแนะนำของเรา: เริ่มจาก 1 workflow ที่วัดผลได้ เช่น งานเอกสารที่ทำซ้ำทุกวัน ใช้งานจริง 90 วัน วัดผลว่าประหยัดเวลาเท่าไร แล้วค่อยขยายไป workflow ถัดไป อย่าเริ่มจากการ "ใช้ AI ทั่วทั้งองค์กร" เพราะจะกลายเป็นโปรเจกต์ที่ไม่มีใครรู้ว่าได้ผลจริงไหม

ทีม Devsign ให้บริการออกแบบและวางระบบ AI Agent ครบวงจร ตั้งแต่เชื่อมต่อข้อมูลเดิม เลือกโมเดลที่เหมาะกับงาน ออกแบบ Guard Rails จนถึงอบรมทีมงานให้ใช้ได้จริง