Decision‑making AI คืออะไร และทำไมจึงสำคัญกว่าการสร้างข้อความ
Decision‑making AI models คือแบบจำลองปัญญาประดิษฐ์ที่อ่านข้อมูลไม่ได้จัดโครงสร้างเหมือนโมเดลภาษาขนาดใหญ่ แต่ตอบกลับแบบตัวจำแนกด้วยคำตอบที่มีชนิดข้อมูลกำหนดชัดเจนและค่าความน่าจะเป็น พร้อมบริบทเพิ่มเติมเมื่อจำเป็น โดยไม่สร้างข้อความอิสระเลย แนวคิดนี้เปลี่ยนบทบาท AI จากเครื่องผลิตข้อความให้มนุษย์อ่าน ไปเป็นกลไกตัดสินใจที่ซอฟต์แวร์นำไปใช้ได้โดยตรง สิ่งที่ทีมพัฒนาทั่วโลกเจอในสามปีที่ผ่านมา คือการพยายามบังคับให้โมเดลสร้างข้อความทำตัวเหมือนฟังก์ชัน ส่งผลให้ต้องจ่ายต้นทุนวิศวกรรมจำนวนมาก ทั้งชั้นการแยกข้อความ ลูปลองใหม่ ไลบรารีซ่อม JSON และเครื่องมือกันหลอน การหันมาใช้โมเดลที่ออกแบบให้ผลลัพธ์เป็นค่าที่มีชนิดชัดเจนตั้งแต่ต้น จึงไม่ใช่เรื่องเทคนิคย่อย แต่เป็นการเปลี่ยนหมวดคิดว่า AI ในองค์กรควรทำหน้าที่อะไร
System One architecture และ RLCD: ทำให้คำตอบมีชนิดข้อมูลและตรวจสอบได้
หัวใจของ AI beyond text generation อยู่ที่ System One architecture และวิธีฝึกแบบ Reinforcement Learning for Calibrated Decisions หรือ RLCD ซึ่งถูกออกแบบให้จบปัญหาความไม่เข้ากันระหว่างข้อความกับค่าที่โค้ดต้องใช้ แนวคิดง่ายมาก ถ้าซอฟต์แวร์ต้องการค่า boolean ก็ฝึกโมเดลให้ผลลัพธ์โดยตรงเป็นความน่าจะเป็นของ boolean นั้น ถ้าต้องเลือกหนึ่งหมวดจากห้าหมวด ก็ฝึกให้ผลลัพธ์เป็นการกระจายความน่าจะเป็นในชุดคำตอบปิดที่กำหนดไว้ล่วงหน้า โมเดลไม่ได้ถูกขอให้สร้างข้อความอีกต่อไป แต่ถูกขอให้ตัดสินใจ และการตัดสินใจย่อมมีรูปแบบที่ซอฟต์แวร์บริโภคได้ตรงๆ RLCD เป็นขั้นตอนฝึกหลังการพรีเทรนที่ทำให้ผลลัพธ์ของโมเดลกลายเป็นการกระจายความน่าจะเป็นที่ปรับเทียบแล้วในชุดคำตอบปิด ไม่ใช่ข้อความที่สุ่มจากการกระจายเชิงสถิติที่ตีความไม่ได้ กลไกนี้ให้รางวัลกับความซื่อสัตย์ของค่าความน่าจะเป็น ไม่ใช่ความไพเราะของร้อยแก้ว
Jev: ตัวอย่าง System One ที่ไม่เขียน แต่ตัดสินใจเพื่อองค์กร
Jev เป็นตัวอย่างชัดเจนของ System One architecture ที่ออกแบบมาเพื่อจ่ายภาษีวิศวกรรมครั้งเดียวที่ชั้นฐาน แล้วไม่ต้องพึ่งโครงชั่วคราวรอบโมเดลสร้างข้อความอีกต่อไป โดยใช้การฝึกแบบ RLCD ทำให้การสร้างข้อความหมดสถานะเป็นผลลัพธ์เริ่มต้นของ AI ในซอฟต์แวร์ Jev อ่าน state ที่อาจเป็นอีเมล บรรทัดล็อก หน้าจอเกมที่อธิบายด้วยข้อความ หรือเรคอร์ด JSON แล้วตอบชุดคำถามแบบ typed questions เช่น ทีมไหนเป็นเจ้าของเคสนี้ ความเร่งด่วนเท่าใด หรือเป็นคำขอคืนเงินหรือไม่ พร้อมรับ context เป็นเกณฑ์การตัดสินเพิ่มเติม และส่งคืนคำตอบที่มีโครงสร้างหนึ่งค่าในแต่ละคำถาม พร้อมความน่าจะเป็นที่โค้ดสามารถแตกกิ่งการทำงานต่อได้ การตัดสินใจในความหมายของ Jev คือการผูกมัดตัวเองกับหนึ่งผลลัพธ์ในชุดเล็กปิดที่กำหนดไว้ ภายใต้ความไม่แน่นอน ซึ่งส่วนอื่นของระบบสามารถลงมือได้ทันทีต่อจากคำตัดสินนั้น โมเดลแบบนี้จึงเป็นชั้น reflex ที่ต่อบนสแตก AI ทั้งระบบ ไม่ใช่แค่บอตตอบแชตอีกหนึ่งตัว
งานจริงในองค์กร: จาก triage อีเมลสู่ AI agents ที่ตัดสินใจเป็นลูป
เมื่อมองในระดับการใช้งาน System One และ RLCD ไม่ใช่แนวคิดเชิงทฤษฎีล้วน แต่แปลเป็นสถาปัตยกรรมที่ใช้ได้ทันที เช่นบริการ triage ลูกค้าสนับสนุนขาเข้าโดยใช้ SDK ของ Jev สามารถประเมินหลายคำถามในหนึ่งรอบเน็ตเวิร์ก โดยไม่สร้างข้อความเลย และใช้การกำหนดเส้นความมั่นใจเพื่อจัดเส้นทางงานอัตโนมัติ ตัวอย่างงาน System One ที่มนุษย์ทำได้แทบจะตามสัญชาตญาณ ได้แก่ การตัดสินว่าอีเมลนี้คือสแปมหรือไม่ คำสั่งเชลล์นี้ปลอดภัยหรือเปล่า ปุ่มใดบนหน้าชำระเงินที่ใช้ดำเนินการต่อ หรือภารกิจของเอเจนต์เสร็จแล้วจริงหรือยัง ในโลก AI agents ทุกเอเจนต์ทำงานเป็นลูปของการตัดสินใจเล็กๆ เช่นใช้เครื่องมือไหน เปิดไฟล์ใด เรียกซับเอเจนต์ตัวไหน จะลองใหม่หรือยอมแพ้ จะถือว่างานเสร็จหรือยัง วันนี้โมเดลปลายทางสร้างข้อความต้องเขียนร้อยแก้วหนึ่งชุดในทุกจุดแยก แต่โมเดลตัดสินใจสามารถตอบทางเลือกแต่ละจุดในระดับมิลลิวินาที ข้อความหนึ่งจากนักพัฒนาที่อธิบาย Jev ว่าเป็น "smart if statement" ชี้ให้เห็นว่าเรากำลังเปลี่ยนเงื่อนไขในโค้ดจากค่าที่คำนวณเอง ไปเป็นคำตัดสินเชิงวิจารณญาณที่มีความน่าจะเป็นประกอบ
ลดหลอน เพิ่มความเชื่อใจ: ทำไมองค์กรควรวางชั้นตัดสินใจก่อนชั้นสร้างข้อความ
ข้อโต้แย้งที่น่าสนใจที่สุดต่อ Decision‑making AI คือเรื่องความเชื่อใจในการนำไปใช้กับกระบวนการสำคัญของธุรกิจ โลกของโมเดลข้อความเคยเชื่อว่าบังคับให้ตอบเป็น JSON ที่ตรงตามสคีมาก็เพียงพอ แต่แม้ JSON จะถูกต้องตามรูปแบบ โมเดลก็ยังสามารถใส่ค่าฟิลด์เทียม วันที่ปลอม หรือ enum ที่ผ่านสคีมาแต่ผิดตรรกะธุรกิจได้อยู่ดี ปัญหานี้ยิ่งแย่ลงเมื่อโมเดลมีความมั่นใจที่ไม่ปรับเทียบ การถามโมเดลให้ตอบพร้อมค่าความมั่นใจ 0.95 มีแนวโน้มให้เพียงข้อความที่ฟังดูมั่นใจ แต่ถ้าโมเดลทำงานสำเร็จ 95 เปอร์เซ็นต์ของเวลาแต่ไม่สามารถบอกได้ว่าตอนไหนคืออีก 5 เปอร์เซ็นต์ที่ผิด เราไม่สามารถทำงานนั้นให้เป็นอัตโนมัติได้เลย RLCD ฝึกให้โมเดลจัดแนวค่าความน่าจะเป็นกับความถี่ของผลลัพธ์ เมื่อโมเดลตอบ 0.7 ก็ได้รับรางวัลเมื่อคำตอบนั้นถูกต้องราว 70 เปอร์เซ็นต์ของเวลา เมื่อรวมชั้นตัดสินใจเร็วแบบ System One เข้ากับชั้นเหตุผลแบบโมเดลข้อความ เราได้ระบบสองความเร็วที่ใช้ชั้นเร็วสำหรับการตัดสินใจส่วนใหญ่ในระดับมิลลิวินาที และเรียกชั้นช้าเฉพาะงานที่ต้องใช้การไตร่ตรอง เช่นการเขียนโค้ดหรือเอกสารทางกฎหมาย ซึ่งเป็นเหตุผลสำคัญที่สุดที่ทำให้ System One models มีความเชื่อถือในการทำงานจริง
