Agentic AI ที่สเกลได้จริงต้องเริ่มจากอิสระด้านโครงสร้างพื้นฐาน
Agentic AI คือแนวทางสร้างระบบปัญญาประดิษฐ์ที่ประกอบด้วยเอเจนต์หลายตัวซึ่งตัดสินใจ วางแผน และเรียกใช้เครื่องมือหรือบริการต่าง ๆ ได้เองเชิงรุก เชื่อมต่อกับข้อมูลองค์กรและระบบงานเดิมแบบอัตโนมัติ ทำงานต่อเนื่องเป็นกระบวนการยาวและประสานงานกันระหว่างหลายเวิร์กโฟลว์ เพื่อส่งมอบผลลัพธ์ระดับการผลิตในสภาพแวดล้อมไฮบริดคลาวด์และออนพรอม
ทิศทางล่าสุดของแพลตฟอร์มองค์กรกำลังพลิกเกมจากการเน้นทำเดโม มาเป็นการรัน agentic AI deployment ที่ระดับโปรดักชันโดยไม่ต้องยอมติดอยู่กับผู้ให้บริการรายเดียว องค์กรกำลังมองหาวิธีใช้ AI เหล่านี้บนโครงสร้างพื้นฐานของตัวเอง ควบคุมข้อมูลละเอียดอ่อน และสลับโมเดลได้อย่างยืดหยุ่น เพราะคำถามวันนี้ไม่ใช่ว่า AI เก่งแค่ไหน แต่คือองค์กรจะคุมความเสี่ยง ดึงผลตอบแทนการลงทุน และไม่ผูกชะตากับแพลตฟอร์มใดแพลตฟอร์มหนึ่งอย่างไร เมื่อ AI ถูกยกระดับเป็นวาระของบอร์ดบริหารและผูกติดกับตัวชี้วัดทางธุรกิจมากกว่าที่เคย
Nutanix Enterprise AI 2.8: ดึง Agentic AI เข้าใกล้ข้อมูล โดยไม่ต้องรื้อศูนย์กลางระบบ
Nutanix ประกาศวางตลาด Nutanix Enterprise AI หรือ NAI เวอร์ชัน 2.8 พร้อมเตรียมออก Nutanix Kubernetes Platform 2.19 ในลำดับถัดไป ทิศทางนี้ชี้ชัดว่าแพลตฟอร์มองค์กรกำลังย้ายจากการสร้างไซโล AI ใหม่ ไปสู่โครงสร้างแบบ dual‑native ที่รันทั้งเวิร์กโหลดแบบเวอร์ชวลไลซ์ แอปคอนเทนเนอร์ และเวิร์กโหลด AI บนสแตกเดียวกันได้ จุดสำคัญคือองค์กรไม่จำเป็นต้องย้ายข้อมูลหรือรื้อเวิร์กโหลดเดิมเพื่อรองรับ AI อีกต่อไป ลดทั้งความเสี่ยงและต้นทุนเชิงสถาปัตยกรรม
NAI 2.8 ทำให้ agentic AI deployment ใกล้ความเป็นจริงขององค์กรมากขึ้นผ่าน Agent Gateway และ MCP Server ที่ทำหน้าที่เป็นทางเข้ากลางให้ AI agents เข้าถึงเครื่องมือและข้อมูลบนโครงสร้างพื้นฐานภายใต้การจัดการของ Nutanix ได้อย่างปลอดภัย โดยไม่ต้องเขียนโค้ดเชื่อมต่อจำนวนมาก เมื่อรวมกับความสามารถด้าน Private Inference และการประมวลผลแบบ multi‑GPU บนสภาพแวดล้อม hybrid cloud องค์กรจึงมีแพลตฟอร์ม AI ระดับองค์กรที่ควบคุมได้เองทั้งด้านการกำกับดูแล การใช้โทเค็น และการสเกลเวิร์กโหลด โดยไม่ถูกบังคับให้ย้ายขึ้นไปอยู่บนคลาวด์ใดคลาวด์หนึ่งทั้งหมด
RavenDB Quill: เชื่อม SQL เดิมกับ AI Agents โดยไม่ต้องย้ายข้อมูล
อีกด้านหนึ่งของโจทย์ AI ระดับองค์กรคือโลกของฐานข้อมูลเชิงสัมพันธ์ที่ยังคุมข้อมูลธุรกิจหลักอยู่ Quill จาก RavenDB ถูกออกแบบมาเพื่อแก้จุดนี้โดยตรง ในฐานะเลเยอร์บริบทสำหรับฐานข้อมูล SQL ที่ทำให้ระบบพร้อมต่อการรัน production AI agents โดยไม่ต้องย้าย system of record หรือออกแบบ AI stack ใหม่ตั้งแต่ต้น ผลคือองค์กรไม่ต้องเสี่ยงกับโปรเจกต์ยกเครื่องระบบที่ยืดเยื้อ
Quill เชื่อมต่อกับฐานข้อมูล SQL เดิมโดยตรงแล้วสร้าง context layer ทับลงไป ทำให้สามารถเปิดตัวเอเจนต์ในระดับโปรดักชันได้ภายในไม่กี่สัปดาห์ แทนที่จะกินเวลาถึง 18‑24 เดือนเหมือนการพัฒนาระบบเองในองค์กร โครงสร้างนี้ช่วยรักษาความต่อเนื่องการปฏิบัติงาน เพราะระบบแหล่งข้อมูลยังอยู่ตำแหน่งเดิมและยังเป็นแหล่งอ้างอิงหลัก ขณะเดียวกัน Quill ยังรองรับการปรับใช้บนคลาวด์หรือออนพรอมเพื่อตอบโจทย์ข้อกำหนดด้านที่ตั้งข้อมูล และเป็น model‑agnostic ให้ทีมเลือกใช้หรือสลับผู้ให้บริการโมเดลได้อย่างอิสระ หรือแม้แต่รันบนฮาร์ดแวร์ของตัวเองทั้งหมดเพื่อป้องกัน vendor lock‑in โดยตรง
Hybrid cloud AI และการป้องกัน Vendor Lock‑in คือเกราะป้องกันระยะยาว
กติกาใหม่ของ enterprise AI platform คือจะต้องเปิดทางให้ใช้ hybrid cloud AI อย่างยืดหยุ่น และป้องกัน vendor lock‑in ตั้งแต่วันแรก Nutanix ในฐานะผู้นำด้านไฮบริดคลาวด์ประกอบความสามารถด้าน AI เข้าไปตรงจุดที่ข้อมูลองค์กรอยู่แล้ว เพื่อลดการสร้างไซโลและเร่งคืนทุนจากการลงทุนโครงสร้างพื้นฐานเดิม สถาปัตยกรรมแบบ dual‑native ทำให้องค์กรเลือกได้ว่าจะรันเวิร์กโหลดบนเวอร์ชวลแมชชีน คอนเทนเนอร์ หรือ AI โดยยังรักษามาตรฐานการกำกับดูแลเดียวกัน
ในเชิงการปรับใช้ แพลตฟอร์ม AI สมัยใหม่กำลังหันไปสู่รูปแบบที่รองรับทั้งสภาพแวดล้อม air‑gapped สำหรับการรันโมเดลอย่าง NVIDIA NIM บนออนพรอม และการขยายบริการครอบคลุมสภาพแวดล้อมไฮบริดคลาวด์ขององค์กรผ่านการประมวลผลแบบ multi‑GPU tensor parallelism ขณะเดียวกัน Quill ก็ยืนยันแนวทางเดียวกันด้วยการรองรับการติดตั้งทั้งบนคลาวด์และออนพรอม เพื่อตอบโจทย์ข้อกำหนดด้านที่ตั้งข้อมูลหรือกฎเกณฑ์กำกับดูแล และยังเป็นสถาปัตยกรรมที่ไม่ยึดติดโมเดล ช่วยให้องค์กรสลับผู้ให้บริการหรือใช้หลายโมเดลคู่กันได้โดยไม่ต้องรื้อโครงสร้างเดิม
จากเดโมสู่การผลิต: Agentic AI ที่สเกลได้ต้องวัดจากโครงสร้าง ไม่ใช่เฉพาะโมเดล
ความท้าทายใหญ่ขององค์กรวันนี้ไม่ใช่การสร้างเดโม AI แต่คือการพาเดโมนั้นเข้าสู่ระบบจริงพร้อมการรักษาความปลอดภัย การกำกับดูแล และอินทิเกรตกับระบบงานเดิม ผลการสำรวจของ Gartner ชี้ว่าโครงการ AI หนึ่งในห้าล้มเหลว และมีเพียง 28 เปอร์เซ็นต์ที่รายงานว่าได้ผลตอบแทนการลงทุนเป็นบวก โดยความสำเร็จไม่ได้ผูกกับความซับซ้อนของโมเดล แต่ผูกกับคุณภาพการอินทิเกรตและการกำกับดูแลเทคโนโลยีกับการปฏิบัติงาน
ตัวอย่างอย่าง NAI 2.8 และ Quill แสดงให้เห็นชัดว่า agentic AI deployment ที่ใช้งานได้จริงต้องมีสามแกนหลัก คือหนึ่ง แพลตฟอร์มที่รวมศูนย์การควบคุมเอเจนต์และโมเดลบนสภาพแวดล้อมผสมผสานขององค์กร สอง ความสามารถเชื่อมต่อกับฐานข้อมูลและระบบเดิมโดยไม่ต้องย้ายหรือรื้อสถาปัตยกรรมหลัก สาม สถาปัตยกรรมแบบ model‑agnostic และทางเลือก hybrid cloud ที่ลดความเสี่ยง vendor lock‑in หากองค์กรต้องการให้ AI กลายเป็นเสาหลักใหม่ของโครงสร้างธุรกิจ แทนที่จะเป็นแค่โครงการทดลอง ทางออกคือเริ่มออกแบบแพลตฟอร์มด้วยแนวคิดอิสระในการเลือกโมเดล โครงสร้างพื้นฐาน และเส้นทางข้อมูลตั้งแต่วันนี้
