AI agents คืออะไร และทำไมทุกคนถึงเริ่มอวดว่ามีเป็นสิบตัว
AI agents ในบริบทการทำงานหมายถึงตัวช่วยดิจิทัลที่ถูกออกแบบให้ทำงานเฉพาะด้านแบบกึ่งอัตโนมัติ เช่น วิเคราะห์ข้อมูล เขียนคอนเทนต์ หรือสรุปประชุม โดยเชื่อมต่อกับโมเดลปัญญาประดิษฐ์และบริการอื่นเพื่อรับข้อมูล ประมวลผล แล้วส่งผลลัพธ์กลับมาช่วยตัดสินใจหรือดำเนินงานต่อ ผู้ใช้มักตั้งบทบาท กติกา และเวิร์กโฟลว์ให้แต่ละ agent ทำงานประจำอย่างต่อเนื่อง เพื่อหวังเพิ่มประสิทธิภาพ ลดงานซ้ำ และขยายขีดความสามารถของทีมโดยไม่ต้องเพิ่มพนักงานมนุษย์ กระแส “ผมมี AI agents เป็นสิบตัว” เกิดขึ้นชัดเจนเมื่อคนทำงานสายเอกสารเริ่มกลับด้านความกลัวว่าจะถูก AI แย่งงาน แล้วหันมาประกาศว่าตัวเองเป็นหัวหน้าฝูงบอตแทน As AI threatens to upend white-collar work คนจำนวนมากเลือกสร้างและบริหาร agent ของตัวเองเพื่อบอกโลกว่า “ผมไม่ได้ถูกแทนที่ ผมเป็นคนสั่ง AI ให้ทำงาน” ตัวอย่างชัดคือ Mason Scurry ที่บอกว่าบริษัทให้คำปรึกษา AI ของเขามี AI “พนักงาน” มากกว่า 30 ตัว แต่ละตัวมีชื่อ ตำแหน่ง และพื้นที่รับผิดชอบครบรวมถึงบุคลิกและโปรไฟล์ส่วนตัว ทำงานตลอดเวลาในต้นทุนต่ำมาก ภาพแบบนี้ฟังดูทรงพลังและชวนตื่นเต้น แต่จุดสำคัญคือจำนวนบอตเหล่านี้สะท้อนความสามารถเชิงธุรกิจจริงหรือแค่ภาพลักษณ์ดิจิทัลเท่านั้น
จาก bot bragging สู่ตัวเลขการใช้ AI agents ที่ชวนเข้าใจผิด
วัฒนธรรม “agentmaxxing” หรือการอวดจำนวน AI agents กลายเป็นสัญลักษณ์สถานะในสายงานที่ไม่ใช่วิศวกรรม ผู้คนใช้เครื่องมือ no-code สร้างบอตง่ายขึ้น แล้วโพสต์ว่าตัวเองบริหารบอตเป็นสิบเป็นร้อยเพื่อเรียกความสนใจและลูกค้า แทนที่จะโชว์ผลลัพธ์ทางธุรกิจจริง Mason Scurry เองก็ยอมรับว่ามีคนจำนวนไม่น้อยที่ “แค่สร้าง agent เพื่อให้โพสต์ดูเท่” โดยไม่มีหลักฐานว่ามีลูกค้าหรือโปรเจกต์จริงรองรับ ด้านองค์กรใหญ่ ตัวเลขการใช้คำว่า agent ในการสื่อสารก็พุ่งสูง แค่ไตรมาสล่าสุดมีการพูดถึง agents ในทรานสคริปต์ของบริษัทยุคใหม่ถึง 2,175 ครั้ง เพิ่มขึ้นเท่าตัวเมื่อเทียบกับปีก่อน แพลตฟอร์มรายหนึ่งระบุว่ามีบริษัทมากกว่า 25,000 แห่งสร้างและใช้งาน agents ผ่านระบบของตนแล้ว ฟังดูเหมือน AI adoption reality กำลังทะยาน แต่คำถามคือ ตัวเลขเหล่านี้วัดอะไรแน่ วัดจำนวนบอตที่ถูกเปิดใช้ หรือวัดมูลค่าจริงที่ธุรกิจได้รับ ยิ่งไปกว่านั้น ความหมายของคำว่า “agent” แตกต่างกันมาก บางรายหมายถึงงานเล็ก ๆ ที่ตื่นมาทำตามสคริปต์เป็นช่วง ๆ ไม่ใช่ระบบอัตโนมัติที่คิดเหมือนพนักงานเต็มเวลา ผู้เชี่ยวชาญอย่าง Robbie Allen บอกตรง ๆ ว่าเขามี agent ราว 25 ตัวก็เพราะสร้างได้เร็ว แต่หลายตัวคือ job เล็กที่แค่เชื่อมข้อมูลไปมา ไม่ใช่ AI ที่ตัดสินใจเอง เมื่อมีความหลากหลายแบบนี้ ตัวเลขจำนวน agents จึงเป็นตัวชี้วัดที่ชวนหลงทางมากกว่าน่าเชื่อถือ
AI agents productivity: ประสิทธิภาพจริงกับงานที่เร็วขึ้นและงานดูแลบอตที่เพิ่มขึ้น
ด้านหนึ่ง AI agents productivity มีตัวอย่างที่น่าสนใจ ผู้เชี่ยวชาญด้านการตลาดอย่าง Derrick Hicks เล่าว่าทีม agent ของเขาสามารถตรวจสอบ SEO โซเชียลมีเดีย โฆษณา และคู่แข่งของบริษัทแล้ววิเคราะห์ผลลัพธ์ งานที่เคยใช้เวลาสามถึงสี่สัปดาห์ลดเหลือประมาณหนึ่งชั่วโมง นี่คือประสิทธิภาพที่จับต้องได้ เมื่อใช้ workplace AI tools ในงานที่โครงสร้างชัด และกระบวนการซ้ำ ๆ การเร่งเวลากลายเป็นข้อได้เปรียบจริง Maayan Sarig สายสื่อสารในองค์กรเทคโนโลยีใหญ่ก็สร้างทีม agent ที่ช่วยแนะนำจุดประหยัดเวลา และทำหน้าที่เป็น “นักข่าวสายแย้ง” ทดสอบพิตช์ข่าวก่อนส่งออก เธอระบุชัดว่า “สำหรับฉัน ตัวชี้วัดไม่ใช่จำนวน แต่เป็นคุณภาพของผลลัพธ์และเวลาที่ประหยัดได้” นี่คือ quote ที่ควรจารึกบนทุกดาชบอร์ดของระบบ AI ในองค์กร แต่ด้านมืดของ AI efficiency gap เริ่มชัด A recent report จากสถาบันวิจัยการทำงานระบุว่าพนักงานออฟฟิศใช้เวลามากกว่าหกชั่วโมงต่อสัปดาห์ไปกับการ “botsitting” หรือการให้บริบท ตรวจสอบผลลัพธ์ และแก้ไขข้อผิดพลาดของ agent กล่าวอีกแบบ agents ไม่ได้แค่ช่วยลดงาน พวกมันสร้างงานใหม่ให้คนต้องดูแลด้วย Robbie Allen ถึงขั้นสร้าง agent อีกตัวที่มีหน้าที่ตรวจสอบว่า agent ตัวอื่นยังทำงานปกติหรือไม่ และได้รับข้อความแจ้งเตือนแทบทุกวันเมื่อมีบางตัวล้มเหลว ภาพนี้ตอกย้ำว่า productivity ที่ได้ไม่ฟรี แต่แลกกับต้นทุนการดูแลระบบที่หลายองค์กรยังไม่คิดบัญชีให้ครบ
จากการทดลองในสนามจริงสู่คำถามเรื่องคุณค่าทางธุรกิจ
การใช้งาน AI agents ในสนามจริงยังให้ภาพที่ซับซ้อน Yuxiang Zhou ผู้ก่อตั้งบริษัทเทคโนโลยีด้านโรงงานทดลองให้ agent สายโค้ชฝ่ายขายแข่งกับหัวหน้าฝ่ายขายมนุษย์ที่มีประสบการณ์สูง ผลคือ 7 จาก 10 เซลส์รุ่นใหญ่ของบริษัทเลือกคำแนะนำจาก agent แทน การทดลองนี้เริ่มจากความไม่พอใจต่อระบบ CRM ที่สรุปบทสนทนากับลูกค้าเหลือเพียงย่อหน้าเดียวที่มีมุมมองส่วนตัวสูง Zhou จึงให้ทีมขายติดอุปกรณ์รูปเข็มกลัดที่บันทึกเสียงและตำแหน่ง แล้วป้อนข้อมูลเข้า agent ที่ถูกฝึกให้ทำหน้าที่เหมือนโค้ช อย่างไรก็ตาม เขาเน้นว่าคนขายยังจำเป็น เพราะ agent ไม่มีอารมณ์ ไม่สามารถสร้างแรงจูงใจให้ทีมได้ แม้ AI จะช่วยตัดสินใจเชิงเหตุผลและการดำเนินงาน แต่การปลุกขวัญและสร้างความเชื่อใจยังเป็นหน้าที่มนุษย์โดยตรง บนเวทีเดียวกัน ผู้บริหารจากหน่วยงานด้านกลยุทธ์ออกแบบย้ำว่าสปีดไม่พอจะสร้างความได้เปรียบที่ยั่งยืน แม้คุณจะปล่อยนวัตกรรม workplace AI tools ก่อน แต่คู่แข่งสามารถทำตามได้ภายในหนึ่งวันหรือไม่กี่สัปดาห์ จึงเริ่มมีแนวคิดบุคลากรแบบ “comb-shaped” ที่ต้องมีความเชี่ยวชาญลึกในหลายด้านและขยับตัวระหว่างสาขาได้อย่างคล่อง เพื่อใช้ AI เป็นส่วนเสริม ไม่ใช่แทนที่ทั้งหมด ฝั่งผู้บริหารบริการ IT รายใหญ่ก็ยอมรับตรง ๆ ว่า “ข้อจำกัดไม่ใช่เทคโนโลยี แต่เป็นคน ทั้งพนักงาน ลูกค้า และผู้บริหารเอง” และตั้งคำถามว่า “หลายครั้งเราเห็นว่า AI ทำอะไรได้ แต่องค์กรพร้อมรับหรือยัง” รวมถึงยังบอกว่า “ผมยังมองหาโมเมนต์แบบ Google สำหรับ AI อยู่ และคิดว่ายังไม่เกิดขึ้น” คำพูดนี้สะท้อนภาพชัดว่า AI adoption reality ยังอยู่ช่วงทดลองจัดรูปแบบมากกว่าจุดที่มูลค่าทางธุรกิจถูกพิสูจน์อย่างกว้างขวาง
บริษัทควรเลิกนับจำนวนบอต แล้วหันมาวัดผลลัพธ์ธุรกิจให้ชัด
เมื่อกระแสการอวดจำนวน agents แรงขึ้น บริษัทเริ่มตระหนักว่าตัวเลขเหล่านี้ไม่ตอบโจทย์ธุรกิจ As Business Insider เคยรายงาน บริษัทที่ปรึกษาบางแห่งที่เคยภูมิใจว่า “เรามี agent เป็นกองทัพ” เริ่มขยับเกณฑ์วัดผลจากจำนวนไปสู่การใช้งานจริง PwC ระบุว่าตอนนี้สนใจน้อยลงว่าติดตั้งไปกี่ agent แต่สนใจมากขึ้นว่ามีคนใช้กี่คน ขณะที่ EY และ Boston Consulting Group หันมาวัด productivity ต้นทุน และเวลาที่ประหยัดได้เป็นหลัก ผู้เชี่ยวชาญด้านกลยุทธ์อย่าง Hilbert สรุปสั้น ๆ ว่า “คุณมี agent 200 ตัวก็ได้ แต่ถ้ามันสร้างคอนเทนต์ออกมาหลายพันชิ้นแล้วไม่มีใครใช้ มันก็ไร้ค่า” ตรงกันข้าม “คุณอาจมีแค่สอง agent ที่ช่วยลดเวลาวงจรการขายลง 50% นั่นต่างหากคือผลลัพธ์ที่สร้างคุณค่า” ความเห็นนี้เชื่อมตรงกับ AI efficiency gap ที่เริ่มเห็นในองค์กรจริง เมื่อบอตถูกนำไปใช้แบบไม่กลั่นกรอง ทำให้พนักงานต้องก้มหน้าดูแลระบบเพิ่ม และระบบที่บูรณาการไม่ดีถึงขั้นทำให้คนทำงานไม่มีประสิทธิภาพ เพราะต้องใช้เวลาสลับหลายระบบและคอยเช็คงานของ agent เอง ทั้งหมดนี้ชี้ชัดว่าคำถามสำคัญของยุค workplace AI tools ไม่ใช่ “เรามี agent กี่ตัว” แต่เป็น “ใครใช้มัน งานไหนเบาลง และตัวเลขทางธุรกิจเปลี่ยนแปลงอย่างไร” บริษัทที่เริ่มปรับมุมมองไปสู่วัดผลลัพธ์แทนที่จะสะสมบอตกำลังสร้างมาตรฐานใหม่ให้ตลาด โดยวัดทั้งการใช้งานจริง ประสิทธิภาพที่เพิ่มขึ้น และต้นทุนด้านเวลาและความยุ่งยากที่ลดลงหรือกลับเพิ่มขึ้น บทสรุปคือ AI agents มีศักยภาพสร้าง productivity gold ได้ในงานที่เหมาะสมและออกแบบดี แต่จำนวนการติดตั้งหรือการอวดว่า “ผมมีบอตเป็นกองทัพ” ไม่ได้การันตีมูลค่าทางธุรกิจ ในโลกที่เทคโนโลยีไม่ใช่ข้อจำกัด ความท้าทายคือการออกแบบองค์กร คน และกระบวนการให้พร้อมรับ AI อย่างมีสติ เลิกหลงกับตัวเลข และกล้าวัดผลที่เจ็บจริง เช่น เวลาที่ลดลง คุณภาพงานที่ดีขึ้น และผลลัพธ์ทางรายได้หรือการบริการที่เปลี่ยนไปอย่างชัดเจน
