โครงสร้างพื้นฐานของเอเจนต์ไม่ได้มีแค่โมเดล
AI Agent คือระบบปัญญาประดิษฐ์ที่รับเป้าหมายแล้วลงมือทำงานผ่านเครื่องมือ ซอฟต์แวร์ หรือคอมพิวเตอร์ โดยไม่ต้องรอให้มนุษย์สั่งทุกขั้นตอน และยังต้องมีขอบเขตสิทธิ์กับวิธีตรวจผลงานที่เหมาะสม
เงินลงทุนรอบใหม่ของ Phaze และ e2e สะท้อนบทเรียนสำคัญข้อหนึ่ง: เมื่อเอเจนต์เริ่มรับงานจริง ปัญหาไม่ได้อยู่ที่การคิดของโมเดลเพียงอย่างเดียว แต่อยู่ที่มันจะทำงานบนเครื่องใด และองค์กรจะรู้ได้อย่างไรว่าผลงานถูกต้อง Phaze ประกาศเมื่อวันที่ 4 พฤศจิกายน ระดมทุนรอบเริ่มต้นเพื่อเปิดทางให้พนักงานและเอเจนต์เข้าถึงคอมพิวเตอร์ระยะไกลประสิทธิภาพสูง ส่วน e2e ประกาศเมื่อวันที่ 3 พฤศจิกายน ระดมทุนรอบ Seed พร้อมเปลี่ยนชื่อจาก TesterArmy และพัฒนาเครื่องมือตรวจสอบซอฟต์แวร์ที่สร้างโดยเอเจนต์เขียนโค้ด
ทั้งสองข่าวไม่ใช่เรื่องเงินทุนอย่างเดียว แต่ชี้ถึงชั้นโครงสร้างพื้นฐานที่ขาดหายไปจากภาพฝันเรื่องระบบอัตโนมัติ: สภาพแวดล้อมที่เอเจนต์ใช้ทำงานได้ต่อเนื่อง และหลักฐานที่ช่วยยืนยันว่ามันทำงานสำเร็จจริง
Phaze แยกพื้นที่ทำงานของคนกับเอเจนต์
Phaze วางตัวเป็นชั้นการเข้าถึงคอมพิวเตอร์ ไม่ใช่ผู้สร้างโมเดลที่ตัดสินใจแทนเอเจนต์ บริษัทเสนอให้พนักงานและ AI Agent ใช้เครื่องที่องค์กรจัดการผ่านคอมพิวเตอร์ระยะไกล โดยกำหนดสิทธิ์ตามระบบขององค์กร แนวคิดนี้ตอบโจทย์ที่เกิดขึ้นเมื่อเอเจนต์เริ่มควบคุมหน้าจอได้ เพราะหากมันใช้เดสก์ท็อปเครื่องเดียวกับพนักงาน ก็อาจขัดจังหวะงานของคนได้
ในภาพการใช้งาน นักออกแบบยังทำงานบนเวิร์กสเตชันของตน ขณะที่เอเจนต์เชื่อมต่ออีกเครื่องเพื่อทดสอบซอฟต์แวร์หรือติดตามงานที่ใช้เวลานาน เมื่อจำเป็นต้องใช้วิจารณญาณหรือการอนุมัติ มนุษย์เข้ามาควบคุม แล้วส่งงานกลับให้ระบบอัตโนมัติทำต่อได้ การแยกเครื่องเช่นนี้จึงเป็นเรื่องของความต่อเนื่องและการจัดการสิทธิ์ ไม่ใช่แค่ความเร็วในการเชื่อมต่อ
Phaze วางแผนขยายทีมวิศวกรรม พัฒนาผลิตภัณฑ์ และรองรับลูกค้าที่เพิ่มขึ้น อย่างไรก็ตาม การมีเครื่องให้เอเจนต์ใช้ไม่ได้รับประกันว่ามันจะทำงานถูกต้อง นี่คือขอบเขตที่ต้องอาศัยระบบตรวจสอบอีกชั้น
e2e ทำให้ผลจากเอเจนต์เขียนโค้ดตรวจทานได้
e2e มุ่งแก้ปัญหาคนละด้านกับ Phaze: แทนที่จะจัดหาคอมพิวเตอร์ให้เอเจนต์ บริษัทพัฒนาเครื่องมือสำหรับตรวจสอบโค้ด AI และซอฟต์แวร์ที่เอเจนต์เขียน เฟรมเวิร์ก TypeScript ของบริษัทใช้ API เดียวรองรับเว็บ, iOS และ Android พร้อมให้ผู้พัฒนากำหนดการทดสอบเป็นโค้ดที่ตนเป็นเจ้าของ เลือกโมเดลเอง และรันทดสอบในเครื่องหรือในระบบผสานรวมอย่างต่อเนื่องได้
แนวทางนี้มีน้ำหนัก เพราะการให้เอเจนต์เขียนโค้ดได้เร็วขึ้นโดยไม่มีวิธีตรวจผล ไม่ได้ทำให้การพัฒนาน่าเชื่อถือขึ้น e2e ใช้ตัวระบุตำแหน่งตามบทบาทและการตรวจยืนยันซ้ำในจุดที่ต้องการความแม่นยำ เมื่อขั้นตอนผ่านการตรวจที่บันทึกไว้ ระบบสามารถเก็บการกระทำไว้เล่นซ้ำได้ ลดการเรียกโมเดลซ้ำในงานเดิม หากหน้าจอเปลี่ยนจนขั้นตอนเดิมใช้ไม่ได้ เอเจนต์จึงค่อยค้นหาเส้นทางใหม่
เฟรมเวิร์กได้รับยอดดาวน์โหลดบน npm มากกว่า 1.5 ล้านครั้งในเดือนแรก มียอดดาวน์โหลดรายวันราว 100,000 ครั้ง และมีผู้ร่วมพัฒนาจากภายนอก 60 คน บริษัทมีแผนเปิดตัวบริการคลาวด์ในปี 2027 ส่วนลูกค้าเดิมใช้แพลตฟอร์มรุ่นเก่าได้ถึงวันที่ 15 มกราคม 2027
การขยายเอเจนต์ต้องวัดทั้งการเข้าถึงและความถูกต้อง
Phaze และ e2e แสดงให้เห็นว่างานของ AI Agent ต้องพึ่งพาองค์ประกอบสองด้านที่แยกจากกันแต่ขาดกันไม่ได้ ด้านหนึ่งคือสภาพแวดล้อมที่เอเจนต์เข้าถึงแอปและทำงานต่อได้โดยไม่รบกวนคน อีกด้านคือการตรวจสอบว่าโค้ดหรือการกระทำที่ได้ทำงานตรงตามเป้าหมาย การเปิดให้เอเจนต์ควบคุมหน้าจอช่วยให้ใช้ซอฟต์แวร์ที่ไม่มีการเชื่อมต่อเฉพาะได้กว้างขึ้น แต่ยิ่งเข้าถึงได้มาก การกำหนดสิทธิ์และการยืนยันผลก็ยิ่งสำคัญ
สำหรับองค์กร การประเมินระบบอัตโนมัติจึงไม่ควรหยุดที่จำนวนงานที่เอเจนต์ทำได้ ควรถามด้วยว่ามีเครื่องแยกและสิทธิ์เหมาะสมหรือไม่ งานส่งต่อให้มนุษย์ได้ตรงจุดหรือเปล่า และมีการทดสอบซ้ำที่ตรวจสอบย้อนหลังได้หรือไม่ การลงทุนในคอมพิวเตอร์ระยะไกลช่วยให้เอเจนต์มีที่ทำงาน ส่วนเครื่องมือตรวจสอบช่วยให้ผลลัพธ์มีหลักฐานรองรับ
ข้อสรุปคือ การนำเอเจนต์ไปใช้จริงต้องสร้างทั้งพื้นที่ปฏิบัติงานและระบบควบคุมคุณภาพไปพร้อมกัน มีเพียงอย่างใดอย่างหนึ่งก็ยังไม่พอ: เครื่องที่เข้าถึงได้ไม่ได้รับประกันงานที่ถูกต้อง และการทดสอบที่ดีจะทำงานได้ไม่เต็มที่หากเอเจนต์ไม่มีสภาพแวดล้อมที่ปลอดภัยและต่อเนื่อง
