ยุคใหม่ของ Agentic AI: ก้าวต่อไปมีอะไรให้จับตามอง

การเปิดตัว Agentforce เมื่อเร็วๆ นี้ ถือเป็นช่วงเวลาสำคัญที่ช่วยให้ Salesforce และธุรกิจของลูกค้าได้ก้าวเข้าสู่อนาคตที่ขับเคลื่อนด้วย AI ในโลกใหม่ที่เกิดขึ้นนี้ ซึ่งเสริมพลังด้วยเครือข่าย AI agents บทบาทของมนุษย์ในที่ทำงานจะมีความสามารถมากขึ้น น่าสนใจยิ่งขึ้น และสร้างสรรค์มากกว่าที่เคยเป็นมา เราได้เข้าสู่ "คลื่นลูกที่สาม" ของ AI ซึ่งสร้างขึ้นจากศักยภาพของ AI เชิงพยากรณ์ (Predictive AI) และ AI เชิงสร้างสรรค์ (Generative AI) ตั้งแต่การสรรหาบุคลากรไปจนถึงการยกระดับบริการสุขภาพ เรากำลังจะได้เห็น AI ทำงานร่วมกับมนุษย์ในทุกภาคส่วนเพื่อตอบสนองความต้องการในหลากหลายรูปแบบได้อย่างรวดเร็วและแม่นยำยิ่งกว่าที่มนุษย์เพียงลำพังจะทำได้ ในส่วนของ Agentic AI อาจต้องใช้เวลาในการปรับตัว แต่จะช่วยพัฒนาด้านต่างๆ ในการทำงาน ทั้งด้านประสิทธิภาพ การตัดสินใจเชิงกลยุทธ์ และความพอใจในงานโดยรวม
ขอต้อนรับเข้าสู่ยุค Agentic AI ตั้งแต่ตอนนี้เป็นต้นไป เกือบทุกธุรกิจ ตั้งแต่พนักงานระดับปฏิบัติการไปจนถึงผู้บริหาร จะสามารถประสานงานได้ไม่เพียงแค่กับทีมมนุษย์ แต่รวมถึงแรงงานดิจิทัลด้วย เราจะได้เห็นความไว้วางใจและความรับผิดชอบกลายเป็นรากฐานของวิวัฒนาการที่คลี่คลายเป็นสามขั้นตอน: ตั้งแต่เอเจนต์เฉพาะทางที่เชี่ยวชาญงานเฉพาะด้าน ระบบหลายเอเจนต์ที่ร่วมมือกันอย่างไร้รอยต่อ ไปจนถึงการประสานงานระดับองค์กรที่ปฏิรูปวิธีการดำเนินธุรกิจ
บทบาทของ Salesforce AI Research คือ การกำหนดทิศทางของ AI ในภาคธุรกิจ นี่คือวิสัยทัศน์ของ Salesforce สำหรับอนาคตของระบบ Agentic AI และสิ่งที่มนุษย์จำเป็นต้องทำเพื่อสนับสนุนการพัฒนาในเส้นทางนี้
วิวัฒนาการของ AI Agents: จากกฎสู่เหตุผล
การพัฒนา AI agents สะท้อนให้เห็นถึงพัฒนาการของการเรียนรู้ของเครื่อง (Machine Learning) เอง ระบบที่ใช้กฎเกณฑ์แบบดั้งเดิม เช่น Robotic Process Automation (RPAs) สามารถดำเนินการตามลำดับขั้นตอนที่กำหนดไว้อย่างแม่นยำ แต่กลับสะดุดเมื่อต้องเผชิญกับความแปรปรวน การใช้งานในช่วงแรก ๆ จำเป็นต้องอาศัยทรัพยากรทางเทคนิคและต้องการบริการให้คำปรึกษาจากผู้เชี่ยวชาญอย่างมาก ทำให้หลายองค์กรไม่สามารถเข้าถึงได้
ในช่วงไม่กี่ทศวรรษที่ผ่านมา เราได้เห็นความก้าวหน้าแบบก้าวกระโดดและการพัฒนาทีละขั้นตอนที่เปลี่ยนแปลงวิธีที่เครื่องจักรประมวลผลข้อมูล จากระบบอัตโนมัติแบบแข็งทื่อ ไปสู่ระบบการเรียนรู้ที่ยืดหยุ่น ปรับตัวได้ และมีประสิทธิภาพมากขึ้น เอเจนต์ที่สร้างด้วยแพลตฟอร์มสมัยใหม่อย่าง Agentforce สามารถเข้าใจบริบท ปรับตัวเข้ากับสถานการณ์ใหม่ๆ และจัดการงานที่หลากหลายได้ แต่สิ่งที่น่าตื่นเต้นยิ่งกว่า คือจุดที่ Sleasforce กำลังมุ่งหน้าไป: เอเจนต์ที่ปรับตัวได้เองผ่านการใช้เหตุผลร่วมกับเอเจนต์อื่นๆ รวมถึงเอเจนต์ที่สามารถเรียนรู้จากสภาพแวดล้อม พัฒนาได้ด้วยประสบการณ์ และร่วมมือกันทั้งกับมนุษย์และเอเจนต์จากองค์กรพันธมิตร ลูกค้า ซัพพลายเออร์ หรือแม้แต่ผู้ช่วย AI ส่วนบุคคลของผู้บริโภคที่เริ่มมีบทบาทในชีวิตประจำวันมากขึ้นเรื่อย ๆ เราเพิ่งอยู่ในจุดเริ่มต้นของอนาคตสามขั้นตอนสำหรับ AI agents ในภาคธุรกิจ
3 ขั้นตอนของ Enterprise AI Agents
เช่นเดียวกับที่ดนตรีวิวัฒนาการจากทำนองเดี่ยวไปสู่ซิมโฟนีที่ซับซ้อน AI agents ก็กำลังก้าวจากการเป็นนักแสดงเดี่ยวไปสู่การประสานงานร่วมกัน ในแต่ละขั้นตอนจะต่อยอดจากขั้นตอนก่อนหน้า สร้างปฏิสัมพันธ์ในสภาพแวดล้อมทางธุรกิจที่สมบูรณ์ยิ่งขึ้น
ขั้นตอนที่ 1: AI แบบ "Monophonic" – ผู้เชี่ยวชาญเฉพาะด้าน
ในขั้นแรกของวิวัฒนาการ Agentic AI เอเจนต์เฉพาะทางจะเชี่ยวชาญในงานที่กำหนดไว้อย่างชัดเจนภายในอุตสาหกรรมเฉพาะ นำประสิทธิภาพและความแม่นยำระดับที่ไม่เคยมีมาก่อนมาสู่กระบวนการทางธุรกิจที่สำคัญแต่เป็นงานประจำวัน นี่คือรากฐานของการนำ AI ไปใช้ในองค์กร จัดการงานเฉพาะอย่างด้วยความสม่ำเสมอและรวดเร็ว ช่วยพลิกโฉมกระบวนการทำงานของแต่ละแผนกอย่างสิ้นเชิง นอกจากนี้ยังเชี่ยวชาญในการให้คำแนะนำเชิงพยากรณ์ เช่น การแนะนำขั้นตอนถัดไปที่ดีที่สุดและผลิตภัณฑ์ที่เหมาะกับความชอบและพฤติกรรมของลูกค้าแต่ละรายได้อย่างแม่นยำ รวมถึงการสร้างเนื้อหาสำหรับการตลาดและการสื่อสารในระดับสูงสุดสำหรับลูกค้า เจ้าหน้าที่บริการ และตัวแทนฝ่ายขายทั้งมนุษย์และบอท
ในภาคการค้า เอเจนต์เหล่านี้ปฏิวัติการจัดการสินค้าคงคลังและบัญชี พวกเขาไม่ได้แค่ตรวจสอบสต็อก แต่ยังติดตามระดับสินค้าคงคลังในหลายพื้นที่ คาดการณ์ความต้องการตามฤดูกาล และสร้างสรุปบัญชีแบบเรียลไทม์ที่ระบุรูปแบบหรือโอกาสที่ผิดปกติ งานที่เคยต้องใช้เวลาหลายชั่วโมงในการวิเคราะห์โดยมนุษย์ ตอนนี้สามารถทำเสร็จได้ภายในไม่กี่วินาทีด้วยความแม่นยำและลึกซึ้งยิ่งขึ้น สร้างประสบการณ์ที่เหมาะสมและเกือบจะ "มหัศจรรย์" ให้กับลูกค้าในภาคการค้าปลีก
การดำเนินงานด้านบริการก็มีการเปลี่ยนแปลงคล้ายกัน นอกเหนือจากการสรุปใบแจ้งหนี้พื้นฐานแล้ว เอเจนต์เหล่านี้ยังช่วยวิเคราะห์รูปแบบการโต้ตอบของลูกค้า จัดหมวดหมู่และจัดลำดับความสำคัญของคำขอบริการโดยอัตโนมัติ และสร้างข้อมูลเชิงลึกเชิงพยากรณ์เกี่ยวกับความต้องการของลูกค้า พวกเขามองเห็นแนวโน้มพฤติกรรมที่อาจบ่งชี้ถึงปัญหาความพึงพอใจหรือโอกาสในการขยายตัว มอบข้อมูลข่าวกรองที่นำไปใช้ได้จริงให้กับทีมบริการ แทนที่จะเป็นเพียงข้อมูลดิบ ผลลัพธ์ คือ บริการลูกค้าที่ราบรื่น เป็นธรรมชาติ โดยที่ปัญหาถูกแก้ไขก่อนที่ลูกค้าจะรู้ตัวด้วยซ้ำ
ในภาคบริการทางการเงิน เอเจนต์เหล่านี้นิยามประสิทธิภาพในการบริการลูกค้าใหม่ พวกเขาวิเคราะห์ประวัติธุรกรรมระหว่างกระบวนการยืนยันข้อพิพาท ระบุรูปแบบกิจกรรมที่อาจเป็นการฉ้อโกง และเรียกใช้โปรโตคอลความปลอดภัยที่เกี่ยวข้องโดยอัตโนมัติ
ระยะที่ 1: “Monophonic” AI – ผู้ช่วยเฉพาะทาง
ในระยะแรกของการพัฒนา AI ที่สามารถทำงานได้เอง (agentic evolution) เอเจนต์เฉพาะทางจะเก่งเป็นพิเศษในงานที่กำหนดไว้ในแต่ละอุตสาหกรรม พวกเขาช่วยเพิ่มประสิทธิภาพและความแม่นยำให้กับงานที่ต้องทำเป็นประจำ แต่มีความสำคัญต่อธุรกิจอย่างมาก นี่คือจุดเริ่มต้นของการนำ AI มาใช้ในองค์กร โดยเอเจนต์เหล่านี้สามารถทำงานที่ชัดเจนได้อย่างรวดเร็วและแม่นยำ จนทำให้กระบวนการทำงานในแต่ละแผนกเปลี่ยนไปอย่างสิ้นเชิง
นอกจากนี้ เอเจนต์ยังช่วยให้ธุรกิจใช้ประโยชน์จากเทคโนโลยี AI ได้อย่างเต็มที่ เช่น การคาดการณ์สิ่งที่ควรทำต่อไป (next best actions) หรือแนะนำสินค้าที่ตรงกับความชอบของลูกค้าแต่ละคนอย่างแม่นยำ พวกเขายังสามารถช่วยร่างข้อความการตลาด จดหมาย หรือเนื้อหาสำหรับทีมบริการลูกค้าและฝ่ายขายให้มีคุณภาพระดับมืออาชีพ ไม่ว่าจะเป็นมนุษย์หรือบอทก็ตาม
ในภาคการค้า เอเจนต์เหล่านี้ช่วยให้การจัดการสินค้าคงคลังและบัญชีเป็นเรื่องง่ายขึ้น พวกเขาไม่ได้แค่ตรวจสอบสต็อกสินค้า แต่ยังติดตามจำนวนสินค้าที่มีอยู่ในหลายสาขา คาดการณ์แนวโน้มการขายตามฤดูกาล และสร้างรายงานแบบเรียลไทม์ที่ช่วยให้ธุรกิจมองเห็นโอกาสหรือความผิดปกติได้ทันที งานที่เคยใช้เวลาหลายชั่วโมงในการวิเคราะห์โดยมนุษย์ สามารถทำได้ในไม่กี่วินาที และให้ผลลัพธ์ที่แม่นยำยิ่งขึ้น ทำให้ลูกค้าได้รับประสบการณ์การช้อปปิ้งที่เป็นส่วนตัวและราบรื่นราวกับเวทมนตร์
งานบริการลูกค้าก็ได้รับการพัฒนาไปอีกขั้น นอกจากการสรุปบิลพื้นฐานแล้ว เอเจนต์สามารถวิเคราะห์พฤติกรรมของลูกค้า จัดลำดับความสำคัญของคำขอ และคาดการณ์ความต้องการของลูกค้าได้ล่วงหน้า พวกเขายังช่วยให้ธุรกิจเข้าใจแนวโน้มต่าง ๆ เช่น ปัญหาที่อาจทำให้ลูกค้าไม่พอใจ หรือโอกาสในการนำเสนอผลิตภัณฑ์เพิ่มเติม ส่งผลให้การให้บริการเป็นไปอย่างราบรื่น ลูกค้ารู้สึกเหมือนกับว่าไม่ต้องร้องขอความช่วยเหลือ เพราะปัญหาถูกแก้ไขก่อนที่พวกเขาจะรู้ตัวด้วยซ้ำ
ในภาคการเงิน เอเจนต์ช่วยให้บริการลูกค้ามีประสิทธิภาพยิ่งขึ้น เช่น ในกระบวนการตรวจสอบข้อโต้แย้ง พวกเขาสามารถวิเคราะห์ประวัติธุรกรรม ค้นหารูปแบบที่อาจเป็นการฉ้อโกง และสั่งให้ระบบรักษาความปลอดภัยดำเนินการทันที สำหรับการวางแผนทางการเงิน เอเจนต์สามารถรวมข้อมูลตลาด ประวัติของลูกค้า และสภาวะเศรษฐกิจเข้าด้วยกัน เพื่อสร้างรายงานวิเคราะห์ที่ครอบคลุม หากใช้ AI เหล่านี้อย่างเหมาะสม ธุรกิจจะสามารถทำงานหลังบ้าน (back-office) ได้อย่างมีประสิทธิภาพมากขึ้น และสร้างประสบการณ์ใหม่ ๆ ให้กับลูกค้าในด้านการธนาคาร คำแนะนำด้านการลงทุน และการบริหารความมั่งคั่ง
ระยะที่ 2: “Polyphonic” AI – ผู้ช่วยที่ทำงานร่วมกันอย่างไร้รอยต่อ
ในระยะนี้ เอเจนต์เฉพาะทางภายในบริษัทเดียวกันเริ่มทำงานร่วมกันเป็นทีม เพื่อบรรลุเป้าหมายทางธุรกิจเดียวกัน โดยมี "เอเจนต์ผู้ประสานงาน" (orchestrator agent) ทำหน้าที่คอยจัดการและควบคุมการทำงานของเอเจนต์แต่ละตัว เปรียบเสมือนผู้จัดการร้านอาหารที่ดูแลให้พนักงานต้อนรับ พนักงานเสิร์ฟ ผู้จัดการร้าน เชฟ ผู้ช่วยเตรียมอาหาร และทีมจัดส่ง ทำงานสอดประสานกัน เพื่อให้ร้านได้รับรางวัลมิชลินสตาร์
แล้ว AI แบบ polyphonic นี้มีลักษณะอย่างไรในธุรกิจที่ซับซ้อน? ลองนึกถึงกรณีตัวอย่างของงานบริการลูกค้า ที่เอเจนต์หลายตัวทำงานร่วมกันอย่างราบรื่น เพื่อช่วยดำเนินการคำขอเปลี่ยนขนาดสินค้าของลูกค้ารายสำคัญ
- เอเจนต์บริการลูกค้า รับเรื่องจากลูกค้าและบันทึกคำขอ
- เอเจนต์สินค้าคงคลัง ตรวจสอบว่ามีสินค้าขนาดที่ต้องการอยู่ในสต็อกหรือไม่ และที่สาขาใด
- เอเจนต์โลจิสติกส์ คำนวณตัวเลือกการจัดส่งและระยะเวลาที่ลูกค้าจะได้รับสินค้า
- เอเจนต์การเงิน ตรวจสอบประวัติบัญชีและตัวเลือกการชำระเงินที่เหมาะสม
แต่ที่สำคัญที่สุด เอเจนต์ผู้ประสานงาน จะรวบรวมข้อมูลจากทุกฝ่ายและสรุปเป็นคำตอบที่สมบูรณ์ ถูกต้อง สอดคล้องกับแบรนด์ และเหมาะกับบริบท เพื่อให้มนุษย์ตรวจสอบ ปรับแต่ง และแจ้งให้ลูกค้าทราบ
เมื่อระบบนี้ถูกใช้งานอย่างเหมาะสม การทำงานของ AI หลายตัวภายใต้การนำของ "เอเจนต์ผู้ประสานงาน" และ "มนุษย์ผู้ดูแล" จะช่วยให้ธุรกิจได้รับประโยชน์สูงสุดจาก AI ระบบจะมีความน่าเชื่อถือสูงขึ้น เพราะแต่ละเอเจนต์โฟกัสเฉพาะในขอบเขตที่ตนถนัด ลดปัญหาการ "หลอน" ของ AI (hallucination) เนื่องจากไม่มีเอเจนต์ตัวใดต้องคาดเดาข้อมูลเอง นอกจากนี้ ยังช่วยเพิ่มความปลอดภัย เพราะข้อมูลสำคัญจะถูกจัดการโดยเอเจนต์เฉพาะด้าน และที่สำคัญที่สุด ระบบนี้สามารถขยายขีดความสามารถได้อย่างต่อเนื่อง องค์กรสามารถเพิ่มเอเจนต์ใหม่ ๆ ได้ตลอดเวลาเพื่อตอบสนองต่อความต้องการทางธุรกิจที่เปลี่ยนไป
ระยะที่ 3: “Ensemble” AI – ผู้ประสานงานระดับองค์กร
ระยะสุดท้าย และเป็นระยะที่สมบูรณ์แบบที่สุด คือ การเชื่อมต่อระหว่างเอเจนต์ (Agent-to-Agent หรือ A2A) ข้ามขอบเขตขององค์กร ซึ่งนำไปสู่รูปแบบใหม่ของความสัมพันธ์ทางธุรกิจ นอกเหนือจากโมเดล B2B (Business-to-Business) และ B2C (Business-to-Consumer) แบบดั้งเดิมแล้ว เราจะเริ่มเห็นการเกิดขึ้นของ B2A (Business-to-Agent) และแม้แต่ B2A2C (Business-to-Agent-to-Consumer) ซึ่ง AI จะกลายเป็นตัวกลางในการทำงานและการทำธุรกรรม
ลองนึกถึงกรณีการเช่ารถที่ AI ทำงานแทนมนุษย์:
- เอเจนต์ส่วนตัวของลูกค้า ต่อรองราคากับ เอเจนต์ของบริษัทให้เช่ารถ
- เอเจนต์ของลูกค้า พยายามหาข้อเสนอที่ดีที่สุด ในขณะที่ เอเจนต์ของบริษัท ต้องการเพิ่มรายได้จากบริการเสริม
- แต่เอเจนต์ของบริษัทต้องคำนวณให้ดีระหว่างการใช้กลยุทธ์ขายที่แข็งแกร่งกับความเสี่ยงที่ลูกค้าจะไปใช้บริการคู่แข่ง
การเจรจาระหว่าง AI เหล่านี้อาจซับซ้อนและต้องอาศัยหลัก ทฤษฎีเกม (Game Theory) เช่น การต่อรองอย่างชาญฉลาด การบริหารความเสี่ยง การตรวจสอบความน่าเชื่อถือ และความสามารถในการแก้ไขความขัดแย้งอย่างมีประสิทธิภาพ
ตอนนี้ลองจินตนาการว่ากระบวนการนี้ถูกนำไปใช้กับธุรกิจที่ซับซ้อนยิ่งขึ้น เช่น การบริหารซัพพลายเชน หรือการจัดการประสบการณ์ลูกค้า Ensemble AI จะทำให้ไม่ว่าคุณจะเป็นลูกค้าทั่วไปหรือพนักงานองค์กร คุณจะมีผู้ช่วย AI ที่สามารถทำงานประสานกันได้อย่างสมบูรณ์แบบ ตอบโจทย์ทุกความต้องการของคุณ
และเพื่อให้สิ่งนี้เป็นจริง มนุษย์เองก็ต้องเตรียมพร้อมและพัฒนา AI ให้ก้าวไปข้างหน้าต่อไป
หลักสำคัญที่ไม่อาจต่อรองได้: ความไว้วางใจและความรับผิดชอบ
เมื่อองค์กรเริ่มนำระบบ AI ที่ซับซ้อนขึ้นมาใช้ สิ่งสำคัญที่ต้องให้ความสำคัญคือ ความไว้วางใจ (trust) และความรับผิดชอบ (accountability) ซึ่งเป็นรากฐานของทุกการตัดสินใจ
การสร้างความไว้วางใจ
ในยุคของ AI ที่สามารถทำงานแทนมนุษย์ ความไว้วางใจไม่ได้หมายถึงแค่การป้องกันปัญหาด้านความปลอดภัย อคติ หรือข้อมูลที่ผิดพลาดเท่านั้น งานวิจัยล่าสุดจาก Salesforce พบว่า 61% ของลูกค้าเชื่อว่าความน่าเชื่อถือของ AI มีความสำคัญมากกว่าที่เคยเป็นมา ซึ่งเป็นเรื่องที่ถูกต้อง เพราะ AI กำลังก้าวเข้าสู่บทบาทที่ต้องได้รับความเชื่อมั่นจากองค์กรและบุคคล
การสร้างความไว้วางใจใน AI ต้องอาศัย 4 ปัจจัยหลัก:
- ความแม่นยำและขอบเขตที่ชัดเจน – AI ต้องทำงานอยู่ในกรอบที่กำหนดไว้อย่างรอบคอบ เพื่อป้องกันข้อผิดพลาด และสร้างความสัมพันธ์ที่เชื่อถือได้ระหว่างมนุษย์กับ AI
- ความตระหนักรู้ในตนเองของ AI – เช่นเดียวกับเพื่อนร่วมงานที่ดี AI ก็ควรทราบข้อจำกัดของตนเอง และรู้ว่าเมื่อใดควรขอความช่วยเหลือจากมนุษย์ ทีมวิจัยของ Salesforce ได้พัฒนาเทคนิคที่ช่วยให้ AI สามารถตรวจจับข้อมูลที่ไม่แน่นอน และร้องขอการสนับสนุนจากมนุษย์ แทนที่จะคาดเดาคำตอบเอง
- มาตรฐานการทำงานที่เป็นที่ยอมรับในระดับสากล – เช่นเดียวกับที่ระบบธนาคารมีโปรโตคอลสำหรับการโอนเงินข้ามประเทศ หรือระบบจราจรมีสัญญาณไฟเพื่อควบคุมการขับขี่ AI ก็ต้องมีมาตรฐานที่เป็นที่ยอมรับ เพื่อให้เอเจนต์สามารถสื่อสาร ต่อรอง และร่วมมือกันได้อย่างปลอดภัยและมีจริยธรรม หากไม่มีมาตรฐานเหล่านี้ อาจเกิดปัญหาข้อมูลขยะระหว่าง AI (agent-to-agent spam) หรือแม้แต่การฉ้อโกงทางธุรกิจ
- มาตรการรักษาความปลอดภัยที่แข็งแกร่งขึ้น – เช่นเดียวกับเทคโนโลยีอื่น ๆ AI อาจถูกนำไปใช้ในทางที่ผิด เช่น การพัฒนา “AI Worms” เพื่อขโมยข้อมูลหรือเจาะระบบของเอเจนต์อื่น ดังนั้น การปกป้องข้อมูล ความเป็นส่วนตัว และการตรวจสอบอย่างต่อเนื่อง ไม่ใช่เพียงแค่ข้อกำหนดทางเทคนิค แต่เป็นหัวใจสำคัญของการสร้างความไว้วางใจที่แท้จริง
การสร้างความรับผิดชอบ
เมื่อนำ AI มาใช้ตัดสินใจในระดับองค์กรซึ่งอาจเกิดขึ้นนับพันครั้งต่อวินาที สิ่งสำคัญคือ ต้องกำหนดกรอบความรับผิดชอบที่ชัดเจน เพื่อให้สามารถจัดการกับปัญหาที่อาจเกิดขึ้นได้อย่างมีประสิทธิภาพ
นี่คือลำดับความสำคัญที่องค์กรต้องคำนึงถึง:
- โครงสร้างความรับผิดชอบที่ชัดเจน – ทุกการตัดสินใจของ AI ต้องมีผู้รับผิดชอบ อาจต้องมีบทบาทใหม่ เช่น AI Operations Officers ที่มีอำนาจควบคุมการใช้งาน AI และรับผิดชอบหากเกิดข้อผิดพลาด
- ระบบตรวจจับและแก้ไขข้อผิดพลาดแบบเรียลไทม์ – ต้องมีการตรวจสอบข้อมูล AI อย่างต่อเนื่อง เพื่อป้องกันความผิดพลาด อคติ หรือข้อมูลที่เป็นอันตราย ก่อนที่จะส่งผลกระทบต่อธุรกิจ ตัวอย่างหนึ่งคือ เทคนิค retrieval-augmented generation (RAG) ที่ช่วยให้ AI ตรวจสอบและประเมินความถูกต้องของข้อมูลก่อนนำไปใช้
- แนวทางการทำงานร่วมกันระหว่างมนุษย์และ AI – การกำหนดแนวทางที่ชัดเจนว่า เมื่อใดมนุษย์ควรเข้าแทรกแซงการตัดสินใจของ AI เป็นสิ่งสำคัญ แทนที่จะเป็นเพียง "human in the loop" แนวทางที่ดีกว่าคือ "human-at-the-helm" หรือการที่มนุษย์อยู่ในตำแหน่งผู้นำ พร้อมกำกับและควบคุมการทำงานของ AI
- มาตรการแก้ไขเมื่อเกิดข้อผิดพลาด – นอกเหนือจากการแก้ไขปัญหาทางเทคนิคแล้ว ควรมีแนวทางการสื่อสารกับลูกค้า กระบวนการเยียวยา และการปรับปรุงระบบอย่างเป็นระบบ
- กรอบกฎหมายและข้อบังคับที่รองรับ AI – กฎหมายในปัจจุบันยังไม่ได้ออกแบบมาเพื่อรองรับ AI ที่สามารถตัดสินใจเองได้ องค์กรต้องทำงานร่วมกับหน่วยงานกำกับดูแล เพื่อสร้างมาตรฐานและกรอบการทำงานที่เหมาะสม
ก้าวต่อไป: หลักวิทยาศาสตร์กับนวัตกรรมระดับองค์กร
การนำ AI ไปใช้อย่างมีประสิทธิภาพต้องอาศัยมุมมองเชิงกลยุทธ์ของผู้นำองค์กร เราต้องใช้ หลักวิทยาศาสตร์ เป็นแนวทาง เช่นเดียวกับที่เราใช้กระบวนการทดลองเพื่อพัฒนา AI เราก็ควรใช้แนวทางเดียวกันในการนำ AI ไปประยุกต์ใช้ในโลกธุรกิจ
ความสำเร็จของ AI ไม่ได้วัดจากจำนวนเอเจนต์ที่ถูกนำมาใช้ หรือความเร็วในการติดตั้ง แต่วัดจาก ความสามารถขององค์กรในการผสาน AI เข้ากับกระบวนการทำงานเดิมอย่างราบรื่น
Salesforce ใช้ประสบการณ์หลายทศวรรษในระบบ CRM และการเพิ่มประสิทธิภาพธุรกิจ มาพัฒนา Agentforce เพื่อให้มั่นใจว่า AI ที่นำมาใช้ไม่เพียงแต่ทรงพลัง แต่ยัง น่าเชื่อถือและมีความรับผิดชอบ ตอบสนองต่อความต้องการของธุรกิจและลูกค้า
อนาคตไม่ได้เป็นการแข่งขันระหว่างมนุษย์กับ AI แต่เป็นการทำงานร่วมกันระหว่างมนุษย์และ AI โดยแต่ละฝ่ายใช้จุดแข็งของตนเองให้เกิดประโยชน์สูงสุด และวันนี้ เอเจนต์ AI กำลังกลายเป็น "ตัวคูณกำลังแรงงาน" (workforce multiplier) ที่ช่วยให้ทีมสามารถทำสิ่งที่เคยเป็นไปไม่ได้ ให้กลายเป็นจริง
เวลาที่จะเริ่มต้นการเปลี่ยนแปลงนี้ คือ ตอนนี้ และเราจะใช้ กระบวนการทางวิทยาศาสตร์เป็นแนวทาง โดยเริ่มจากสมมติฐาน ทดลอง วัดผล และปรับปรุงอย่างต่อเนื่อง
เช่นเดียวกับทุกนวัตกรรมที่ยิ่งใหญ่ ทุกการเปลี่ยนแปลงของ AI เริ่มต้นจากวิสัยทัศน์และจบลงด้วยความจริงที่พิสูจน์ได้