AI agents คืออะไร และทำไมคำถามสำคัญคือ ‘คอขวดไหนที่ต้องแก้’
AI agents คือระบบอัตโนมัติที่ใช้ปัญญาประดิษฐ์ทำงานเป็นเสมือนพนักงานดิจิทัล สามารถรับเป้าหมาย ทำความเข้าใจกฎธุรกิจ ตัดสินใจ และลงมือทำงานข้ามหลายระบบได้อย่างต่อเนื่อง การทำงานของ AI รูปแบบนี้ต่างจากบอตแบบเดิมที่ทำแค่งานซ้ำ เพราะ AI agents ผสานทั้ง Automation Personalization และ Intelligence เพื่อช่วยแก้ปัญหาคอขวดและขยายประสิทธิภาพธุรกิจในระดับกระบวนการตั้งแต่ต้นจนจบ
บทเรียนจากหลายองค์กรชัดเจนว่า การลงทุน AI จะคุ้มก็ต่อเมื่อเริ่มจากคำถามว่า “เรามีคอขวดอะไรที่ทำให้ธุรกิจโตช้า” ไม่ใช่ “มี AI แล้วจะเอาไปทำอะไร” ดร ต้า วิโรจน์ จิรพัฒนกุล จาก LINE MAN Wongnai ชี้ว่าองค์กรจำนวนมากติดกับดักซื้อเครื่องมือแล้วค่อยหาทางใช้งาน ทั้งที่ควรเริ่มจากกลยุทธ์ จุดอ่อน และขั้นตอนที่ทำให้ต้นทุนสูงหรือขยายตัวไม่ได้ แล้วจึงเลือกว่าควรใช้ AI agents ระบบอัตโนมัติไปแก้ตรงไหน ถ้าไปลงมือกับโจทย์ที่ไม่ผูกกับผลลัพธ์ธุรกิจ ต่อให้เทคโนโลยีล้ำแค่ไหน ROI ก็แทบไม่เกิด
เคส LINE MAN Wongnai: แก้คอขวดก่อน แล้วค่อยคิดเรื่องระบบอัตโนมัติ
จากประสบการณ์ขับเคลื่อน AI ภายใน LINE MAN Wongnai ดร ต้าเล่าว่าองค์กรเริ่มจากการมองหากล้ามเนื้อมัดใหญ่ที่ใช้ทรัพยากรจำนวนมาก เช่นทีม Developer และงาน Operation อย่าง Customer Support แล้วประเมินว่าหาก AI agents ช่วยให้กลุ่มนี้ทำงานได้มีประสิทธิภาพขึ้น 20-30% จะกระทบธุรกิจอย่างฉับพลันเพียงใด แนวคิดคือโฟกัสทั้งจุดที่ใช้ทรัพยากรมากและจุดที่เป็นคอขวดของการเติบโต ไม่ใช่กระจายพลังไปกับ use case เล็กๆ ที่ไม่สร้างความต่างชัดเจน
ผลลัพธ์ที่เกิดขึ้นไม่ใช่แค่ตัวเลข Productivity แต่สะท้อนเป็น Business Outcome ชัด ตัวอย่างสำคัญคือสัดส่วนออเดอร์ที่ถูกยกเลิกหลังติดต่อ Customer Support ลดจากกว่า 50% เหลือราว 30% หลังนำ AI เข้ามาช่วย ซึ่งความต่างประมาณ 20 จุดเปอร์เซ็นต์นี้ถูกประเมินว่ามีมูลค่ากว่าร้อยล้านบาทต่อปี ประโยคนี้ควรถูกจดจำว่า “AI ที่ดีไม่ได้วัดจากฟีเจอร์ใหม่กี่ตัว แต่ต้องวัดจากยอดขาย ต้นทุน คุณภาพงาน และประสบการณ์ลูกค้าที่ดีขึ้น” การแก้ปัญหาคอขวดอย่างเจาะจงจึงทำให้การทำงานของ AI สร้างประสิทธิภาพธุรกิจแบบจับต้องได้
Toyota และ Mapfre: AI agents เป็นเพื่อนร่วมงาน ไม่ใช่แค่เครื่องจักร
องค์กรระดับโลกเริ่มมอง AI agents เป็นแรงงานรูปแบบใหม่มากกว่าจะเป็นเพียงสคริปต์อัตโนมัติ กลยุทธ์ของ Toyota คือใช้เครื่องมือแบบ agentic เพื่อมองเห็นเวลามาถึงของรถที่โชว์รูมได้ดีขึ้น จากเดิมที่ทีมต้องเปิดหน้าจอเมนเฟรม 50 ถึง 100 หน้าพร้อมงานมือจำนวนมาก ตอนนี้ agent ส่งข้อมูลแบบเรียลไทม์ให้พนักงานตั้งแต่ก่อนผลิตจนถึงส่งถึงโชว์รูม โดยไม่ต้องเข้าเมนเฟรมเลย แผนถัดไปคือให้ agent ช่วยระบุดีเลย์ของการขนส่งและร่างอีเมลเพื่อแก้ปัญหา ก่อนที่ทีมจะเริ่มงานในตอนเช้า
ในอีกอุตสาหกรรม บริษัทประกันภัย Mapfre ใช้ AI agents ในงานสินไหม โดยให้ agent จัดการงานเอกสารและประเมินความเสียหายที่เป็นงานประจำ ส่วนงานสื่อสารกับลูกค้ายังมีคนคอยอยู่ในลูปเสมอ การจัดวางแบบนี้สะท้อนแนวคิด “ทีมผสมซิลิคอนกับคาร์บอน” ที่มนุษย์หันไปโฟกัสด้าน Compliance Governance และการคิดโมเดลธุรกิจใหม่ ขณะที่การทำงานของ AI รับภาระการประมวลผลตามกฎและงานที่ชัดเจน การออกแบบบทบาทเช่นนี้ทำให้ AI agents ระบบอัตโนมัติไม่แย่งงานคน แต่เปลี่ยนให้คนมีเวลาทำงานคุณค่าเพิ่มมากขึ้น
ภารกิจของ COO: ออกแบบงานใหม่ทั้งสาย ไม่ใช่แค่เพิ่มบอตเข้าไป
AI agents ให้ผลสูงสุดเมื่อใช้เพื่อออกแบบกระบวนการตั้งแต่ต้นจนจบใหม่ ไม่ใช่แค่ต่อสายให้ระบบเดิมทำงานเร็วขึ้น การวิเคราะห์ล่าสุดชี้ว่า agentic AI จะคุ้มค่าที่สุดเมื่อองค์กรไม่ได้มองมันเป็นแค่เครื่องมือ workflow automation แต่ใช้เป็นตัวขยาย Automation ให้ยืดหยุ่นและคิดวิเคราะห์ได้เอง นั่นหมายถึงผู้บริหารปฏิบัติการต้องมองการเปลี่ยนแปลงนี้เป็นโจทย์การออกแบบรูปแบบการทำงานใหม่ทั้งระบบ มากกว่าจะเป็นการ “ปรับจูนกระบวนการเดิม” แบบเล็กน้อย
โครงสร้างใหม่ต้องกำหนดให้คนและ AI agents แยกบทบาทกันชัดเจน คนไปเน้นกำกับ ตรวจสอบ และสร้างกรอบความเสี่ยง ขณะที่ agent ดูแลงานดำเนินการ วิเคราะห์ และจัดการงานซ้ำในหลายระบบ การทำเช่นนี้ต้องมี Top down sponsorship อย่างจริงจัง ดร ต้าชี้ว่าเมื่อ AI เป็นกลยุทธ์สำคัญ ผู้นำต้องปฏิบัติกับมันเหมือนกลยุทธ์อื่น ไม่ใช่โยนให้ทีมเทคโนโลยีลองเล่นเอง CEO ของ LINE MAN Wongnai ยังเข้าประชุมโครงการ AI สำคัญด้วยตัวเอง เพื่อถามคำถาม และปลดล็อกอุปสรรคเชิงองค์กร นี่คือสัญญาณว่าการเปลี่ยนผ่านต้องเริ่มจากห้องประชุมผู้บริหาร ไม่ใช่แค่ห้องทดลอง
จาก Pilot สู่การใช้งานจริงทั้งองค์กร วัด ROI ก่อน AI จะกลายเป็นของเล่นแพง
หลายองค์กรยังติดอยู่ในเฟสทดลอง AI ไม่กี่ use case โดยไม่มีกรอบวัดผลที่เชื่อมกับธุรกิจชัดเจน ทำให้ agentic AI กลายเป็นชุดทดลองราคาแพงแทนที่จะเป็นกลไกสร้างกำไร งานวิจัยชี้ว่าการทำ pilot ผ่านพันธมิตรเชิงกลยุทธ์มีโอกาสไปถึงการใช้งานเต็มรูปแบบมากกว่าโครงการที่พัฒนาภายในถึงสองเท่า และอัตราการใช้งานโดยพนักงานก็เกือบสองเท่าด้วย แต่นั่นเป็นเพียงจุดเริ่มต้น องค์กรยังต้องสร้างเลเยอร์กำกับดูแลเพื่อประสานหลาย agent เข้าด้วยกัน ไม่ให้กลายเป็นแค่ชุดบอประดับแผนกที่แยกส่วน
ดร ต้าเตือนว่า Use case ที่ดีต้องตอบทั้งว่า “ทำแล้วสำคัญกับธุรกิจหรือไม่” และ “เทคโนโลยีพร้อมหรือยัง” ถ้าขาดอย่างใดอย่างหนึ่ง โอกาสเจ็บตัวสูง การวัด ROI จึงต้องดูทั้งต้นทุน เวลา Productivity คุณภาพงาน และโอกาสทางธุรกิจ ไม่ใช่แค่จำนวนคนที่ลดได้ ในระยะถัดไปคำถามใหญ่คือ “AI agents จะเข้ามาดูแลทั้งพื้นที่ปฏิบัติการได้มากแค่ไหนในอีกห้าปี” นักกลยุทธ์เตือนว่าองค์กรที่สร้างระบบกำกับและประสาน agent ได้ดีทั้งองค์กร จะทิ้งห่างผู้เล่นที่มีเพียงชุดทดลอง AI กระจัดกระจายอย่างเห็นได้ชัด
