- “Generative AI”, “Large Language Model (LLM)”, “Foundation Model” กลายเป็นคีย์เวิร์ดที่ทุกคนจับตามอง
- เรากำลังเดินหน้าไปสู่ยุค Agentic AI
- การ์ทเนอร์ ยก Agentic AI เป็นหนึ่งใน Top Strategic Technology Trend ประจำปี 2568
การบูรณาการเทคโนโลยี AI ที่ล้ำสมัยส่งผลกระทบอย่างมีนัยสำคัญต่อการดำเนินธุรกิจและการวางโครงสร้างเทคโนโลยีในปี 2568…
ณัฐนภัส รชตะวิวรรธน์ ผู้ร่วมก่อตั้งและซีอีโอ เบลนเดต้า (Blendata) แสดงทัศนะว่า Generative AI นับเป็นเทรนด์แห่งปี 2567 ตลอดปีที่ผ่านมา ไม่มีใครไม่เคยได้ยินคำว่าปัญญาประดิษฐ์หรือ “AI” ที่ก้าวล้ำขึ้นอย่างมาก “Generative AI (GenAI)”, “Large Language Model (LLM)”, “Foundation Model” กลายเป็นคีย์เวิร์ดที่ทุกคนจับตามอง
ขณะเดียวกันได้เห็นว่าผู้ให้บริการหลายราย ไม่ว่าจะเป็น OpenAI (ChatGPT), กูเกิล (Gemini) ต่างเข้ามาทำให้ “Generative AI” เป็นที่รู้จักในวงกว้าง จากความสามารถ ความชาญฉลาด และการวิเคราะห์ข้อมูลที่มีประสิทธิภาพเกินกว่า AI ยุคก่อน ๆ
การประยุกต์ใช้ GenAI
สำหรับการประยุกต์ใช้ GenAI มีรูปแบบที่สามารถแบ่งตามการใช้งานได้ดังนี้ เพิ่มประสิทธิภาพการทำงานทั่วไป เช่น การใช้เขียนคอนเทนต์ อีเมล การวิเคราะห์และสรุปเนื้อหาหรือบทความ การจัดทำเอกสาร ซึ่งมีเครื่องมือให้ใช้หลากหลายตามแต่ละผู้ให้บริการ
รวมไปถึง ประยุกต์ใช้กับข้อมูลขององค์กร เนื่องด้วยโมเดลหลักของ GenAI อย่าง LLM ที่เปิดให้ใช้ทั่วไปนั้น ถูกฝึกสอนด้วยข้อมูลทั่วไปในโลกอินเทอร์เน็ตเป็นหลัก การที่จะให้โมเดลเหล่านั้นเข้าใจข้อมูลเฉพาะขององค์กร ที่ไม่ได้เปิดเผยสู่สาธารณะ เพื่อให้สามารถนำไปประยุกต์ใช้ต่อได้ จำเป็นที่จะต้องส่งข้อมูลองค์กรเข้าไปให้โมเดลวิเคราะห์
จึงเกิดการจัดทำสิ่งที่เรียกว่า Retrieval Augmented Generate (RAG) เพื่อทำให้โมเดล GenAI เหล่านั้นสามารถใช้งานและวิเคราะห์ข้อมูลขององค์กรแต่ละแห่งได้ ซึ่งทำให้เกิดการต่อยอดไปใช้ในมุมมองต่างๆ เช่น Chatbot ที่เข้าใจภาษามนุษย์ได้ง่ายและดีกว่าเดิม เพื่อตอบข้อมูลทั่วไปขององค์กรแทนคอลเซ็นเตอร์, Internal Knowledge Management (KM) เพื่อเพิ่มประสิทธิภาพของทีมงานต่างๆ เช่น Operation, IT, ไซเบอร์ซิเคียวริตี้ เป็นต้น
โดยทั้งหมดนี้เพื่อตอบโจทย์ด้านการเพิ่มประสิทธิภาพในการทำงาน การเพิ่มประสบการณ์และความพึงพอใจของลูกค้า รวมถึงเป็นเครื่องมือสำคัญในการช่วยทำดิจิทัลทรานส์ฟอร์เมชันขององค์กรให้สัมฤทธิ์ผล
‘Agentic AI’ ท็อปเทรนด์ปี 68
สำหรับปีนี้กล่าวได้ว่า เรากำลังเดินหน้าไปสู่ ยุค “Agentic AI” ที่ขึ้นแท่นเป็นท็อปเทรนด์ของปี 2568 หนึ่งในความสามารถหลักที่สำคัญของ LLM คือความสามารถในการเข้าใจภาษามนุษย์ เข้าใจบริบท การวิเคราะห์ และแนะนำการกระทำ (Action) จากสิ่งที่รับรู้ได้
จึงได้เกิดไอเดียต่อยอดที่จะนำ AI หลายๆ โมเดล รวมถึง LLM ประยุกต์เป็น “Agentic AI” ซึ่งคือระบบ AI ที่ทำงานด้วยตนเองอัตโนมัติ สามารถดำเนินการได้อย่างอิสระ เรียนรู้และปรับตัวตามสถานการณ์จริง รวมถึงแก้ปัญหาที่ซับซ้อนได้ด้วยตัวเอง
โดยอาศัยบริบทและจุดประสงค์ที่กำหนดไว้ เปรียบเสมือนผู้ช่วย (Agent) เสมือนจริงที่มีความสามารถจัดการดำเนินการต่างๆ โดยอัตโนมัติได้ โดยไม่ต้องรอรับคำสั่ง
การ์ทเนอร์ ยก Agentic AI เป็นหนึ่งใน Top Strategic Technology Trend ประจำปี 2568 โดยคาดการณ์ว่า ภายในปี 2571 Agentic AI จะมีบทบาทในการดำเนินการตัดสินใจงานทั่วไปที่ต้องทำในแต่ละวัน (day-to-day work) โดยอัตโนมัติอย่างน้อย 15%
สำหรับองค์กรสามารถนำ Agentic AI ไปใช้ประโยชน์ได้อย่างหลากหลาย ตั้งแต่การเพิ่มประสิทธิภาพ หรือทดแทนบุคลากรที่ต้องจัดการงานที่ต้องทำเป็นประจำ ไปจนถึงการทำงานร่วมกันในโครงการที่ซับซ้อน ซึ่งสามารถประยุกต์ใช้ได้ในหลากหลายสาขา ตั้งแต่ฝั่งการตลาดเพื่อช่วยเหลือในการทำ ดิจิทัลมาร์เก็ตติ้ง หรือการทำ Personalized Up-sell/Cross sell โดยอัตโนมัติ ในฝั่ง Operation เช่น การบริหารจัดการ Supply Chain ให้ต้นทุนต่ำที่สุดโดยมีประสิทธิภาพที่ดี ซึ่งกระทำการจัดซื้อ การแจ้งเตือน หรือการส่งงานโดยอัตโนมัติ หรือในฝั่งไอทีที่ช่วยในการตรวจสอบ แก้ไขปัญหาระบบเน็ตเวิร์ค แอปพลิเคชัน โดยไม่จำเป็นต้องมีทีมไอทีขนาดใหญ่คอยสนับสนุนงานเหล่านี้ด้วยตนเอง เป็นต้น
เตรียมพร้อมอินฟราฯ ‘ข้อมูล’
ส่วนของการปูทางสู่ความสำเร็จ Data Infrastructure ที่เหมาะสม เป็นหนึ่งในปัจจัยสำคัญต่อความเร็วและประสิทธิภาพในการประยุกต์ใช้ AI ในปี 2568
วัตถุดิบของ AI ที่สำคัญที่สุดคือข้อมูลขนาดใหญ่ (Big Data) ที่มีคุณภาพ ครบถ้วนในทุกมิติและมีปริมาณเพียงพอต่อการใช้งาน โดยจะต้องจัดเก็บ Big Data เหล่านั้นไว้ บนเทคโนโลยีจัดเก็บข้อมูลที่ทันสมัย มีความยืดหยุ่น สามารถนำไปประยุกต์ใช้ได้หลายรูปแบบ
โดยหลักการในการเลือกเทคโนโลยีมีดังต่อไปนี้ ควรเป็นเทคโนโลยีสมัยใหม่ สามารถรองรับการจัดเก็บข้อมูลและรองรับเวิร์กโหลดทุกรูปแบบในแพลตฟอร์มเดียว ไม่ว่าจะเป็น Warehouse, Report, ไปจนถึง AI/ML เพื่อประสิทธิภาพในการใช้งานและวิเคราะห์ข้อมูล เช่น Data Lakehouse เป็นต้น
นอกจากนี้ ควรเป็นเทคโนโลยีเปิด: เทคโนโลยีที่เกี่ยวกับ Data และ AI มีการเปลี่ยนแปลงอย่างรวดเร็ว การเลือกใช้เทคโนโลยีแบบเปิด และไม่ผูกมัดอยู่กับผู้ให้บริการรายใดรายหนึ่ง (Open Platform) จะช่วยรองรับการขยายการใช้งาน และการเชื่อมต่อกับเทคโนโลยีรอบข้างได้อย่างง่ายดาย
โดยเฉพาะเทคโนโลยี AI ที่ส่วนใหญ่แล้วมักมาจากผู้ให้บริการอิสระ นักวิจัย และมักจะอยู่ในรูปแบบ Open Source ที่เลือกจะเชื่อมต่อได้กับเทคโนโลยีเปิดด้วยกันเท่านั้น หรือแม้กระทั่งรองรับการย้ายไปสู่เทคโนโลยีใหม่ในอนาคตอย่างอิสระหากจำเป็นจะต้องเปลี่ยนเทคโนโลยีซึ่งมีผู้ให้บริการแพลตฟอร์มข้อมูลขนาดใหญ่อยู่หลากหลายรายที่ให้บริการบนพื้นฐานเทคโนโลยีเหล่านี้
ที่สำคัญ มีความยืดหยุ่น ในต้นทุนที่เหมาะสม รองรับการเพิ่ม ขยาย เปลี่ยนแปลงการใช้งานได้อิสระสำหรับโครงการที่ทดลองใช้งาน เทคโนโลยีคลาวด์จึงเหมาะสมต่อโครงการประเภทนี้
หากแต่เมื่อบางโครงการมีการใช้งานที่คงที่แล้ว การพิจารณาย้ายจากคลาวด์กลับมาที่ศูนย์ข้อมูลตนเอง (On-premise) ก็จะส่งผลดีต่อการลดค่าใช้จ่ายโดยรวมได้มากขึ้น
ขาขึ้นลงทุน ‘AI – ดาต้าเซ็นเตอร์’
หากถามว่าแล้ว “เราจะเห็นอะไรต่อจากนี้” คำตอบคือ AI ที่พัฒนาอย่างรวดเร็วในปัจจุบัน ไปจนถึงการลงทุนด้าน AI และ ดาต้าเซ็นเตอร์ ด้วยเม็ดเงินมหาศาลจากรัฐและเอกชน และจากผู้ให้บริการคลาวด์รายใหญ่ของโลก จะช่วยปลดล็อคข้อจำกัดทั้งทางด้านกฎระเบียบ และข้อจำกัดด้านเทคโนโลยี ส่งผลให้ธุรกิจไทย ทั้งขนาดใหญ่ กลาง และเล็ก สามารถนำเทคโนโลยี เช่น AI และบิ๊กดาต้ามาใช้ได้ง่ายขึ้น รวดเร็วขึ้น และมีประสิทธิภาพมากขึ้น ในราคาต้นทุนการใช้เทคโนโลยีที่ถูกลง
นอกจากนี้ ในระยะเวลาอันสั้น เราจะได้เห็นว่า Agentic AI มีบทบาทเพิ่มขึ้นหลากหลาย ตั้งแต่การเป็นเครื่องมือให้ความช่วยเหลือ ไปจนถึงเป็นเครื่องมือที่ทดแทนการทำงานของมนุษย์บางด้าน ซึ่งเป็นสมรรถนะที่ทำได้มากกว่าการสร้างคอนเทนต์ หรือทำได้เฉพาะเรื่องแบบเจาะจง (ANI: Artificial Narrow Intelligence) ซึ่งจะปรับเปลี่ยนงานหลายอย่างที่มนุษย์ต้องคอยทำหน้าที่เดิมซ้ำๆ ให้กลายเป็น AI ที่ทำทุกอย่างด้วยคอมพิวเตอร์แบบอัตโนมัติ
กลยุทธ์เตรียมพร้อมองค์กร
แล้วองค์กรควรเตรียมตัวอย่างไรในปี 2568 ประการแรก เริ่มใช้ AI หากยังไม่ได้เริ่ม หากเป็นองค์กรที่ยังไม่ได้เริ่มใช้ AI เลย แนะนำว่าควรเริ่มต้นศึกษา และทดลองใช้ AI ในองค์กร โดยไม่ต้องเจาะจงว่าต้องเป็น Agentic หรือ Generative AI แต่รวมถึง AI ดั้งเดิม เช่น Machine Learning หรือแม้กระทั่ง AI Embedded ที่มาพร้อมกับซอฟต์แวร์พื้นฐานขององค์กร (เช่น Microsoft Copilot, Google Workspace Gemini) เพื่อให้ AI เริ่มกลายมาเป็นส่วนหนึ่งของการทำงาน
ทดลองทำโปรเจกต์ Agentic AI สำหรับองค์กรที่ใช้ AI ควบคู่กับบิ๊กดาต้ามาระยะหนึ่งแล้ว แนะนำว่าสามารถทดลองทำโปรเจกต์ Agentic AI เพื่อใช้ทดแทนงานบางประเภท โดยอาจเริ่มต้นที่การใช้ Agentic ควบคู่กับการตัดสินใจจากมนุษย์ เพื่อทดลองและปรับแก้ไขให้แม่นยำ ก่อนที่จะปล่อยให้ระบบ Agentic เหล่านั้นทำงานเองโดยอัตโนมัติ เพื่อทดแทนบุคลากรที่ทำงานไม่ซับซ้อนในระยะยาว เพื่อนำบุคลากรกลุ่มนั้นไปโฟกัสกับงานที่ท้าทาย หรือต้องการใช้การตัดสินใจที่ซับซ้อนมากขึ้นในอนาคต
เพิ่มประสิทธิภาพต้นทุนและบุคลากร เนื่องจากการทำ AI ที่ประสบความสำเร็จจะช่วยเพิ่มรายได้และลดบุคลากรได้ จึงเป็นการดีถ้าหากเราควบคุมค่าใช้จ่ายด้านบุคลากรที่ยังไม่จำเป็นหรือสามารถทดแทนได้ด้วย AI หรือรวมถึงการ Up-skill/Re-skill ให้แก่บุคลากรเพื่อให้สามารถทำงานอื่นที่ AI ยังไม่สามารถทดแทนได้
เตรียม Data & AI Infrastructure ที่ดีรองรับ ไม่ว่าเทคโนโลยีจะเปลี่ยนหรือพัฒนาไปเช่นไร ข้อมูลที่เราสามารถจัดเก็บเอาไว้ก็ยังเปรียบเหมือนขุมน้ำมันขององค์กร ที่จะทำให้เราสามารถใช้ข้อมูลเหล่านั้นสร้างข้อได้เปรียบทางธุรกิจ ไม่ว่าเพื่อใช้ในการวิเคราะห์ หรือการนำไปฝึกสอน AI ต่อไปในอนาคต
แหล่งข้อมูล