ประสบการณ์ครั้งแรกกับ AI ของคนส่วนใหญ่คือ AI เชิงสร้างสรรค์ (Generative AI) คือถามคำถามแล้วได้คำตอบ Agentic AI คือก้าวถัดไป: AI ที่ไม่รอให้ถาม แต่มุ่งไปสู่เป้าหมาย วางแผนข้ามหลายขั้นตอน และลงมือทำสิ่งต่าง ๆ จริงด้วยเครื่องมือที่มี สำหรับทีมวิศวกรรมและทีมปฏิบัติการ การเปลี่ยนจาก Generative ไปสู่ Agentic ไม่ใช่เพียงการปรับปรุงทีละน้อย แต่เป็นวิธีการทำงานร่วมกับ AI ที่แตกต่างไปโดยสิ้นเชิง
บทความนี้อธิบายว่า Agentic AI คืออะไร แตกต่างจาก Generative AI อย่างไร ทำงานจริงอย่างไร ถูกนำไปใช้ที่ใดแล้วบ้าง และมีความหมายอย่างไรต่อองค์กรที่ดำเนินงานในสิงคโปร์ในปัจจุบัน
Agentic AI คืออะไร
Agentic AI หมายถึงระบบ AI ที่สามารถใช้เหตุผล วางแผน และดำเนินลำดับการกระทำได้โดยอัตโนมัติ เพื่อให้บรรลุเป้าหมายที่กำหนด คำนี้มาจากคำว่า agency ซึ่งหมายถึงความสามารถในการกระทำอย่างอิสระและมีจุดมุ่งหมาย สิ่งที่ทำให้ระบบเป็น "Agentic" ไม่ใช่โมเดลที่อยู่เบื้องหลัง แต่คือการออกแบบที่อยู่รอบโมเดล ได้แก่ เป้าหมายที่ต้องไล่ตาม เครื่องมือที่ใช้งานได้ หน่วยความจำสำหรับส่งต่อบริบทข้ามขั้นตอน และขอบเขตที่กำหนดว่าเมื่อใดที่มนุษย์ต้องตรวจสอบก้าวต่อไป ต่างจากโมเดลที่ตอบสนองต่อพรอมต์แล้วหยุด ระบบ Agentic ทำงานเป็นวงจร คือสังเกตสภาพแวดล้อม ตัดสินใจว่าจะทำอะไรต่อ ลงมือทำ และทบทวนผลลัพธ์
หัวใจสำคัญของการใช้งาน Agentic AI อย่างมีความรับผิดชอบคือแนวคิด human-in-the-loop (มนุษย์มีส่วนร่วมในกระบวนการ) ณ จุดที่กำหนดในเวิร์กโฟลว์ มนุษย์จะตรวจสอบข้อค้นพบของเอเจนต์และอนุมัติการดำเนินการถัดไปก่อนที่ระบบจะดำเนินต่อ เอเจนต์รับผิดชอบการสืบสวนและการให้เหตุผล ส่วนมนุษย์รับผิดชอบการตัดสินใจ ไม่ว่าจะเป็นการยืนยันผลวินิจฉัย การอนุมัติการแก้ไข หรือการปฏิเสธข้อเสนอแนะ
ลักษณะสำคัญของ Agentic AI:
- มุ่งเป้าหมาย ทำงานเพื่อบรรลุวัตถุประสงค์ข้ามหลายขั้นตอน ไม่ใช่แค่พรอมต์เดียว
- การให้เหตุผลหลายขั้นตอน วางแผน จัดลำดับ และปรับตัวเมื่อสถานการณ์เปลี่ยนแปลง
- การใช้เครื่องมือ โต้ตอบกับ API ฐานข้อมูล และบริการภายนอกเพื่อรวบรวมข้อมูลและลงมือทำ
- หน่วยความจำและสถานะ เก็บบริบทจากช่วงก่อนหน้าในเวิร์กโฟลว์เพื่อใช้ประกอบการตัดสินใจในภายหลัง
- ความเป็นอิสระที่มีขอบเขต ทำงานภายในสิทธิ์ที่กำหนด โดยต้องได้รับการอนุมัติจากมนุษย์สำหรับการดำเนินการที่มีความเสี่ยงสูงกว่า
Agentic AI กับ Generative AI
Generative AI และ Agentic AI มีความเกี่ยวข้องกันแต่แตกต่างกัน Generative AI สร้างเนื้อหา เช่น ข้อความ โค้ด และรูปภาพ ตอบสนองต่อพรอมต์ เหมาะอย่างยิ่งสำหรับการร่าง การสรุป และการสังเคราะห์ข้อมูล แต่ไม่ได้ลงมือกระทำในโลกจริง การโต้ตอบแต่ละครั้งส่วนใหญ่เป็นอิสระต่อกัน
Agentic AI ใช้ความสามารถเชิงสร้างสรรค์เป็นกลไกให้เหตุผล แล้วเพิ่มการวางแผน การใช้เครื่องมือ และวงจรป้อนกลับเข้าไปด้านบน ผลลัพธ์คือระบบที่สามารถเปลี่ยนจากเป้าหมายระดับสูงไปเป็นชุดขั้นตอนที่ดำเนินการได้ และทำให้เสร็จสมบูรณ์ภายใต้การกำกับดูแลของมนุษย์ ณ จุดที่กำหนด
ความแตกต่างหลักระหว่าง Agentic AI และ Generative AI:
| มิติ | Generative AI | Agentic AI |
|---|---|---|
| ผลลัพธ์หลัก | เนื้อหา (ข้อความ โค้ด รูปภาพ) | การดำเนินการและการตัดสินใจ |
| การใช้เครื่องมือ | จำกัดหรือไม่มี | เป็นหัวใจของการทำงาน |
| การมีส่วนร่วมของมนุษย์ | ต้องมีในทุกขั้นตอน | เข้าแทรกแซงที่จุดอนุมัติที่กำหนด |
| ขอบเขต | ตอบคำถามและสร้างเนื้อหา | สืบสวน ตัดสินใจ และดำเนินการ |
Agentic AI ทำงานอย่างไร
วงจรการทำงานหลัก
ระบบ Agentic AI ทำงานตามวงจรที่ทำซ้ำได้ซึ่งประกอบด้วยห้าขั้นตอน:
- สังเกต เอเจนต์รับรู้สถานะปัจจุบันของสภาพแวดล้อม เช่น การแจ้งเตือน การเปลี่ยนแปลงของข้อมูล คำสั่งจากผู้ใช้ หรือสัญญาณจากระบบ
- เพิ่มบริบท รวบรวมข้อมูลที่จำเป็นต่อการตีความสิ่งที่สังเกตเห็น เช่น ผู้รับผิดชอบบริการ การเปลี่ยนแปลงล่าสุด ความสัมพันธ์พึ่งพาที่ทราบ และนโยบายที่เกี่ยวข้อง
- ตัดสินใจ เอเจนต์ใช้เหตุผลเพื่อหาสาเหตุที่น่าจะเป็นไปได้มากที่สุดหรือการดำเนินการถัดไปที่ดีที่สุด และตรวจสอบการดำเนินการนั้นกับขอบเขตที่กำหนดไว้
- ลงมือทำ ภายในสิทธิ์ที่ได้รับ เอเจนต์อ่านข้อมูล จัดทำข้อเสนอแนะ อัปเดตบันทึก หรือกระตุ้นการดำเนินการโดยรอการอนุมัติจากมนุษย์
- ทบทวน เอเจนต์บันทึกสิ่งที่สังเกตเห็น หลักฐานที่รวบรวมได้ สิ่งที่ตัดสินใจ และสิ่งที่เกิดขึ้น สร้างร่องรอยที่ตรวจสอบได้ซึ่งมนุษย์สามารถทบทวนได้
วงจรนี้ทำซ้ำจนกว่าจะบรรลุเป้าหมาย เวิร์กโฟลว์ถูกส่งต่อให้มนุษย์ หรือถึงขีดจำกัดที่กำหนด
ทักษะ (Skills)
ทักษะคือเวิร์กโฟลว์สำเร็จรูปที่ทำซ้ำได้สำหรับงานประเภทใดประเภทหนึ่ง ทักษะไม่ใช่แค่พรอมต์ แต่เป็นลำดับขั้นตอนที่มีโครงสร้างซึ่งรู้ว่าต้องดึงข้อมูลใด ต้องรันการตรวจสอบใด และต้องเตรียมอะไร ทักษะที่ดีจะรวบรวมความรู้ที่ทีมมีอยู่แล้วให้เป็นสิ่งที่นำกลับมาใช้ซ้ำและตรวจสอบได้
การเชื่อมต่อเครื่องมือที่มีการกำกับดูแล
การเชื่อมต่อเครื่องมือที่มีการกำกับดูแลมักถูกนำไปใช้งานผ่าน Model Context Protocol (MCP) ซึ่งช่วยให้ระบบ Agentic โต้ตอบกับเครื่องมือภายนอกได้อย่างเป็นมาตรฐานและคำนึงถึงสิทธิ์การเข้าถึง แทนที่การเชื่อมต่อแต่ละแบบจะทำงานแตกต่างกัน MCP สร้างรูปแบบที่สอดคล้องกันสำหรับอินพุต เอาต์พุต และการบันทึกการตรวจสอบ
บริบท (Contexts)
โดยเฉพาะในการปฏิบัติการบนคลาวด์ Agentic AI จะมีประโยชน์เท่ากับบริบทที่เข้าถึงได้เท่านั้น ข้อมูลเทเลเมทรีดิบ ซึ่งรวมถึงเมตริก ล็อก และเทรซ บอกได้เพียงว่ามีบางอย่างเปลี่ยนไป ระบบ Agentic ที่มีประโยชน์จะเสริมข้อมูลเทเลเมทรีด้วยบริบทเชิงปฏิบัติการสี่ประเภท:
- ความเป็นเจ้าของ ทีมใดเป็นเจ้าของบริการที่ได้รับผลกระทบและรันบุ๊กที่เกี่ยวข้อง
- โทโพโลยี บริการ คิว และฐานข้อมูลใดอยู่บนเส้นทางของคำขอ
- ประวัติการเปลี่ยนแปลง มีอะไรถูกดีพลอย กำหนดค่าใหม่ หรือปรับขนาดเมื่อไม่นานมานี้
- ขอบเขตของนโยบาย การดำเนินการใดปลอดภัยที่จะแนะนำ เตรียมการ หรือดำเนินการโดยอัตโนมัติ
หากไม่มีการเสริมบริบทเช่นนี้ เอเจนต์อาจทำงานได้รวดเร็วแต่ยังคงชี้ทีมไปผิดทาง เมื่อมีบริบท Agentic AI จึงกลายเป็นระบบสนับสนุนการตัดสินใจอย่างแท้จริง
เรียนรู้ วิธีที่ Observability ปรับตัวเข้าสู่ยุค Agentic AI และสิ่งที่ทีมวิศวกรรมควรทำเพื่อเตรียมความพร้อม
ตัวอย่างของ Agentic AI มีอะไรบ้าง
Agentic AI ถูกนำไปใช้งานแล้วในหลากหลายอุตสาหกรรม กรณีการใช้งานที่เป็นตัวแทนมีดังนี้
บริการลูกค้า
เอเจนต์ AI จัดการเวิร์กโฟลว์การบริการทั้งหมดตั้งแต่ต้นจนจบโดยไม่ต้องให้มนุษย์เข้าแทรกแซงในแต่ละขั้นตอน เอเจนต์จะส่งต่อให้บุคคลก็ต่อเมื่อสถานการณ์อยู่นอกขอบเขตที่กำหนดเท่านั้น ซึ่งหมายความว่าพนักงานที่เป็นมนุษย์สามารถใช้เวลากับกรณีที่ซับซ้อนจริง ๆ ได้มากขึ้น และใช้เวลากับการแก้ไขปัญหาประจำน้อยลง
การพัฒนาซอฟต์แวร์
เอเจนต์เขียนโค้ดเขียน ทดสอบ แก้จุดบกพร่อง และคอมมิตโค้ดตามข้อกำหนดระดับสูง สามารถตรวจสอบไปป์ไลน์ CI/CD ตรวจจับความล้มเหลวของการบิลด์ และเปิด pull request พร้อมการแก้ไขที่เสนอ ช่วยลดวงจรป้อนกลับระหว่างการเขียนโค้ดกับการรู้ว่าโค้ดทำงานได้หรือไม่
บริการทางการเงิน
ระบบ Agentic ตรวจสอบกระแสธุรกรรมอย่างต่อเนื่องเพื่อหารูปแบบที่ผิดปกติ จัดเตรียมกรณีที่ถูกทำเครื่องหมายพร้อมหลักฐานสนับสนุนให้นักวิเคราะห์ตรวจสอบ และสร้างรายงานการปฏิบัติตามกฎระเบียบตามกำหนดเวลาหรือเมื่อมีตัวกระตุ้น งานที่เดิมต้องใช้เวลาหลายชั่วโมงในการรวบรวมข้อมูลด้วยตนเองสามารถย่อให้เป็นสรุปที่มีโครงสร้างพร้อมสำหรับการตัดสินใจของมนุษย์
การดูแลสุขภาพ
เอเจนต์ AI ทางคลินิกสังเคราะห์เวชระเบียนผู้ป่วยก่อนการปรึกษา แสดงปฏิกิริยาระหว่างยาที่อาจเกิดขึ้น และทำเครื่องหมายผลตรวจที่ผิดปกติเพื่อให้แพทย์ตรวจสอบ เอเจนต์ทำหน้าที่เป็นการคัดกรองเบื้องต้นอย่างเป็นระบบ ไม่ได้มาแทนที่วิจารณญาณทางคลินิก แต่ช่วยให้วิจารณญาณนั้นถูกใช้กับหลักฐานที่จัดระเบียบไว้แล้วและเกี่ยวข้อง แทนที่จะเป็นข้อมูลดิบ
การปฏิบัติการด้านไอทีและ Observability
Agentic Observability เป็นหนึ่งในการประยุกต์ใช้ Agentic AI ที่น่าสนใจที่สุด แทนที่จะรอให้วิศวกรเปิดแดชบอร์ดและสร้างไทม์ไลน์ของเหตุการณ์ขึ้นใหม่ด้วยตนเอง ระบบ Agentic จะ:
- ตรวจจับความผิดปกติทันทีที่สัญญาณข้ามเกณฑ์
- ติดตามความสัมพันธ์พึ่งพาที่ได้รับผลกระทบและระบุขอบเขตของผลกระทบ
- ตรวจสอบการดีพลอยและการเปลี่ยนแปลงการกำหนดค่าล่าสุดเพื่อหาความสัมพันธ์
- เปรียบเทียบพฤติกรรมปัจจุบันกับเกณฑ์พื้นฐานที่กำหนดไว้
- จัดทำสรุปการสืบสวนที่มีโครงสร้างพร้อมขั้นตอนถัดไปที่แนะนำ
ทีมที่สร้างโครงสร้างพื้นฐานเชิงปฏิบัติการสำหรับ Agentic Observability จะตอบสนองได้เร็วขึ้นและจัดการเหตุการณ์ได้สม่ำเสมอมากขึ้น
TrueWatch เป็นผู้นำในการเปลี่ยนผ่านสู่ Agentic AI Observability โดยก้าวข้ามแดชบอร์ดแบบคงที่ไปสู่การดำเนินการอัตโนมัติที่มีการกำกับดูแลซึ่งอยู่บนพื้นฐานของบริบทเชิงปฏิบัติการ เชื่อมต่อข้อมูลเทเลเมทรีดิบเข้ากับบริบทเชิงปฏิบัติการที่ทำให้การสืบสวนด้วย AI มีความหมาย สถาปัตยกรรมเอเจนต์ออกแบบโดยยึดการดำเนินการที่มีการกำกับดูแลและตรวจสอบได้เป็นหลัก
เรียนรู้ Agentic Observability คืออะไร และ ทีมใช้ประโยชน์จาก Agentic Observability อย่างไร ผ่านบริบทเชิงปฏิบัติการ
คำถามที่พบบ่อย (FAQ) เกี่ยวกับ Agentic AI
Q: เอเจนต์ AI กับ Agentic AI แตกต่างกันอย่างไร
A: เอเจนต์ AI คือระบบเฉพาะที่ออกแบบมาเพื่อทำงานอย่างอิสระสู่เป้าหมาย ส่วน Agentic AI เป็นกระบวนทัศน์ที่กว้างกว่า คือแนวทางการออกแบบและขีดความสามารถที่ทำให้เอเจนต์ AI เกิดขึ้นได้
Q: Agentic AI ทำผิดพลาดได้หรือไม่
A: ได้ เอเจนต์ AI อาจระบุสาเหตุหลักผิดหรือดำเนินการจากข้อมูลที่ไม่ครบถ้วน นี่คือเหตุผลที่ human-in-the-loop จำเป็นในการใช้งาน Agentic AI การกำกับดูแลที่มีความหมายและร่องรอยการตรวจสอบที่ชัดเจนคือสิ่งที่ทำให้ Agentic AI น่าเชื่อถือในสภาพแวดล้อมจริง
Q: Agentic AI แตกต่างจากแชทบอทอย่างไร
A: แชทบอทตอบสนองภายในบทสนทนา ส่วนระบบ Agentic AI มุ่งไปสู่เป้าหมายข้ามหลายขั้นตอน ใช้เครื่องมือเพื่อโต้ตอบกับระบบภายนอก และสามารถลงมือทำในโลกจริงได้ ไม่ใช่แค่สร้างข้อความ
Q: Agentic AI ดำเนินการแก้ไขได้หรือให้เพียงข้อเสนอแนะ
A: มีทั้งสองโหมด และทีมส่วนใหญ่เริ่มต้นอย่างระมัดระวัง ในโหมดอ่านอย่างเดียว ระบบ Agentic จะรวบรวมหลักฐานและแนะนำขั้นตอนถัดไปที่ปลอดภัยที่สุด ในโหมดที่มีการกำกับดูแล เอเจนต์จะรอการอนุมัติจากมนุษย์ก่อนดำเนินการ สิ่งสำคัญคือทุกการดำเนินการต้องตรวจสอบได้ Toby AI Agent ถูกออกแบบโดยยึดสถาปัตยกรรมแบบอนุมัติก่อนนี้โดยเฉพาะ เข้าร่วมรายชื่อรอ Toby AI Agent →
Agentic AI ในทางปฏิบัติ: เริ่มต้นกับ TrueWatch
TrueWatch เชื่อมต่อข้อมูลเทเลเมทรีเข้ากับบริบทเชิงปฏิบัติการที่ทำให้ Agentic AI เชื่อถือได้ในสภาพแวดล้อมจริง เพื่อให้การให้เหตุผลอัตโนมัติอยู่บนพื้นฐานของหลักฐาน ไม่ใช่การคาดเดา หากทีมของคุณพร้อมที่จะก้าวจากแดชบอร์ดเชิงรับไปสู่การตอบสนองต่อเหตุการณ์ด้วย AI ที่มีการกำกับดูแล TrueWatch คือจุดเริ่มต้นที่เหมาะสม
พร้อมที่จะก้าวจากสัญญาณสู่การดำเนินการที่มีการกำกับดูแลแล้วหรือยัง เริ่มต้นกับ Toby AI Copilot วันนี้ หรือเข้าร่วมรายชื่อรอ Toby AI Agent เพื่อเป็นกลุ่มแรกเมื่อการตอบสนองต่อเหตุการณ์อัตโนมัติเปิดให้บริการ
