AI agent คืออะไร และบทเรียนแรกจากการใช้งานที่ล้มเหลว
AI agent คือระบบปัญญาประดิษฐ์ที่ทำงานแบบกึ่งอัตโนมัติหรือเกือบเต็มรูปแบบ สามารถเรียนรู้กฎธุรกิจ ทำความเข้าใจ workflow และตัดสินใจลงมือทำงานแทนมนุษย์ในหลายขั้นตอน โดยไม่ใช่แค่ตอบคำถามแต่ทำงานต่อเนื่อง เชื่อมต่อหลายระบบ และร่วมมือกับ agent ตัวอื่นได้ จนถูกมองว่าเป็นแรงงานดิจิทัลรูปแบบใหม่ในองค์กรสมัยใหม่ หลายองค์กรเริ่มทดลอง agentic AI implementation เพราะเทคโนโลยีนี้ขยายขอบเขต automation ให้มีความยืดหยุ่น เหตุผลเชิงตรรกะ และความสามารถในการตัดสินใจที่สูงกว่าระบบเดิม แต่เมื่อมองในโลกความเป็นจริง การ rollout จำนวนมากกลับสะดุด เพราะถูกมองเป็นโปรเจกต์ IT ไม่ใช่การเปลี่ยนวิธีทำงาน ผลคือไม่มีกรอบบริหาร ไม่มีโครงสร้างงานใหม่ และไม่มีใครรับบทเป็น “หัวหน้าทีม” ให้ AI agent แม้เทคโนโลยีพร้อม ศักยภาพมาก แต่ขาดโครงเรื่องและคนคุมเกม ผลลัพธ์จึงไม่ต่างจาก automation แบบเดิมที่ไม่เคย scale
เรียนดูงานจากองค์กรผู้นำ: จาก Toyota ถึงบริษัทประกันและไบโอเทค
ตัวอย่างที่เห็นชัดคือการที่ทีมของ Toyota ใช้เครื่องมือเชิง agentic เพื่อดูเวลามาถึงของรถที่โชว์รูมแบบเรียลไทม์ แทนกระบวนการเดิมที่ต้องเปิดหน้าจอเมนเฟรม 50 ถึง 100 หน้าพร้อมงาน manual จำนวนมาก ตอนนี้ agent ทำหน้าที่ดึงข้อมูลตั้งแต่ก่อนผลิตจนถึงการส่งถึงดีลเลอร์โดยที่พนักงานไม่ต้องแตะเมนเฟรมเลย และมีแผนจะให้ agent ตรวจจับความล่าช้าและร่างอีเมลแก้ปัญหาอัตโนมัติในอนาคต ในอีกอุตสาหกรรม บริษัทประกันอย่าง Mapfre ใช้ AI agent ดูแลงานเคลม เช่น การประเมินความเสียหาย ขณะที่งานคุยกับลูกค้าที่เสี่ยงสูงยังมีคนอยู่ใน loop เสมอ เพื่อให้เป็น “hybrid by design” คือ agent ทำงานซ้ำได้ดี ส่วนมนุษย์ย้ายไปโฟกัสงานที่มีคุณค่าและเสี่ยงสูงกว่า การออกแถลงการณ์ AI manifesto ที่เน้นการใช้ AI อย่างปลอดภัยสะท้อนชัดว่าองค์กรที่ไปไกลคือองค์กรที่จัดกรอบระเบียบไว้ก่อน ไม่ใช่ค่อยไปแก้ทีหลัง
AI agent เป็นแรงงานใหม่: การบริหารคนผสมซิลิคอนและคาร์บอน
หัวใจของการเปลี่ยนผ่านไม่ใช่แค่เทคโนโลยี แต่คือการยอมรับว่า AI agent คือแรงงานรูปแบบใหม่ที่ต้องบริหารเหมือน workforce จริงๆ งานของมนุษย์จึงค่อยๆ ขยับไปสองด้าน หนึ่งคือ ด้าน compliance และ governance ที่เน้นการตรวจสอบ วางกติกา และกำกับการทำงานของ agent สองคือ ด้าน growth และ innovation ที่ใช้เวลาคิดรูปแบบงานใหม่และหาโอกาสจากความสามารถของ agent ตัวอย่างชัดคือบริษัทไบโอเทคอย่าง Moderna ที่ตั้งตำแหน่ง chief people and digital technology officer รวมงาน HR กับเทคโนโลยีเข้าด้วยกัน เพื่อออกแบบโมเดลการทำงานใหม่ที่มอง workforce เป็นทั้งคนและเทคโนโลยีในกรอบเดียวกัน คำกล่าวว่า “เราต้องคิดเรื่อง work planning โดยไม่สนว่าผู้ทำงานเป็นคนหรือเทคโนโลยี” ไม่ใช่สโลแกน แต่คือการบังคับให้องค์กรเลิกคิดแยกคนกับระบบ และเริ่มวางแผนงานราวกับกำลังจัดทีมให้คนและ agent ทำงานร่วมกัน
AI agent workflows ที่ทำงานได้จริง: จากตลาดวิจัยข้ามสัปดาห์สู่คืนเดียว
รายงานล่าสุดจากเครือข่ายเอเจนซีดิจิทัลเผยว่า AI agent workflows ที่ออกแบบดีสามารถเปลี่ยนงานวิจัยการตลาดจากงานยาวกว่าหนึ่งสัปดาห์ให้เสร็จได้ในหนึ่งคืน ขณะที่อีกเอเจนซีลดเวลางานวางแผนและตรวจ SEO จากหนึ่งถึงสองวันเหลือเพียงไม่กี่ชั่วโมง บุคคลหนึ่งกล่าวว่า “one contributing agency compressed a market intelligence process that previously took more than a week into a single overnight run” เบื้องหลังตัวเลขนี้คือการออกแบบ workflow ที่ใช้ multi‑agent ทั้งแบบลำดับและแบบทำงานขนาน แบ่ง agent เฉพาะทางให้ทำวิจัย วิเคราะห์ ประเมิน ผลิตคอนเทนต์ และตรวจคุณภาพ ก่อนส่งต่อให้คนตรวจรอบสุดท้าย ผลประโยชน์ส่วนใหญ่ตกในงานปฏิบัติการมากกว่างานสร้างสรรค์ โดยการผลิตคอนเทนต์คิดเป็น 28 เปอร์เซ็นต์ของมูลค่าที่รายงาน ตามด้วยการวิเคราะห์ข้อมูลและรายงาน 24 เปอร์เซ็นต์ และงานปฏิบัติการภายใน 17 เปอร์เซ็นต์ ขณะที่การผลิตงานสร้างสรรค์มีเพียง 3 เปอร์เซ็นต์ การเลือกเครื่องมือก็ไม่ผูกกับเจ้าเดียว แต่วางเป็น stack หลายชั้น โดย AI รุ่นต่างๆ แบ่งกันทำวิจัย เหตุผล การ automation และการประกันคุณภาพ ที่สำคัญคือ “ไม่มี output เริ่มต้นจากโมเดลใดถูกส่งถึงลูกค้าโดยไม่ผ่านคน” เพราะเอเจนซีส่วนใหญ่ยังคง workflow แบบ human‑controlled หรือ semi‑autonomous ที่ให้คนถือดุลยพินิจขั้นสุดท้าย
Enterprise automation adoption ต้องเริ่มที่โครงองค์กร ไม่ใช่แค่เทคโนโลยี
การนำ agentic AI ไปใช้ในระดับองค์กรไม่ได้อยู่ที่การเขียนโค้ด agent ตัวเดียวครอบจักรวาล แต่ต้องเลือกโดเมนเฉพาะที่ชัดเจน แล้วใช้ agent หลายตัวแบบ orchestrated เพื่อ automate workflow ทั้งเส้นทาง งานสำรวจยังพบว่าความพร้อมขององค์กรมีตั้งแต่ระดับ project‑specific และ experimental เป็นหลัก ขณะที่เพียง 10 เปอร์เซ็นต์ที่มี AI agent workflows เป็นมาตรฐานทั้งองค์กร และอีก 10 เปอร์เซ็นต์เท่านั้นที่ไปถึงระดับ enterprise grade การขยายไปสู่ระดับ enterprise จึงต้องวางกรอบ governance ให้คนรับบทควบคุม ดูค่าใช้จ่าย และป้องกันการทำงานแบบบานปลาย เช่น การตั้งกรอบ FinOps เพื่อตรวจและควบคุมค่าใช้จ่ายจาก agent ที่วิ่งต่อเนื่องและคิดค่าบริการตาม token อีกด้านหนึ่งต้องตั้งคำถามเชิงกลยุทธ์ให้ชัดว่าอะไรคือระบบแกน อะไรควร modernize หรือปล่อยให้ agent ทำหน้าที่เชื่อม legacy system แทน ท้ายที่สุด enterprise automation adoption ที่ใช้ AI agent จำเป็นต้องคิดใหม่ทั้งโครงสร้างงานและองค์กร ไม่ใช่เพียงนำ agent ไปแปะบน workflow เดิม เพราะการเปลี่ยนแปลงนี้คือการตีความคำว่า “งาน” ใหม่ ว่าใครทำ อะไรควรให้คน อะไรควรให้ agent และใครคือผู้จัดการของทีมผสมคนกับซิลิคอน
