การใช้ Agentic AI ในองค์กร คือการเปลี่ยนผ่านเชิงวิวัฒนาการ

มีการคาดการณ์ว่า Agentic AI จะเข้ามาปฏิวัติขั้นตอนการทำงานหลายด้านผ่านระบบอัตโนมัติอิสระที่ขับเคลื่อนด้วย AI ธุรกิจที่เป็นสตาร์ทอัพจะได้รับประโยชน์จากแนวทางนี้อย่างมาก เพราะสตาร์ทอัพไม่ต้องกังวลถึงระบบ กระบวนการ และบุคลากรที่มีอยู่เดิม แต่องค์กรใหญ่ ๆ ที่อยู่มานาน มักมีระบบที่มีความซับซ้อนเนื่องจากสร้างขึ้นต่อเนื่องมาหลายทศวรรษ เช่น กระบวนการต่าง ๆ ที่ตั้งขึ้นมาเพื่อตรวจสอบการปฏิบัติตามข้อกำหนด ระบบดั้งเดิมต่าง ๆ ที่ใช้กับการดำเนินงานสำคัญ ๆ และทีมงานที่มีประสบการณ์และมีองค์ความรู้เกี่ยวกับองค์กรที่สะสมมาอย่างยาวนานและเป็นตัวขับเคลื่อนความสำเร็จให้กับธุรกิจ ดังนั้นสำหรับองค์กรขนาดใหญ่แล้ว คุณค่าที่แท้จริงไม่ได้อยู่ที่การเปลี่ยนแปลงแบบหน้ามือเป็นหลังมือ แต่อยู่ที่การเสริมศักยภาพวิธีการดำเนินงานที่ใช้อยู่ในปัจจุบันอย่างมีกลยุทธ์ และนั่นคือ วิวัฒนาการ หรือ การเปลี่ยนแปลงแบบค่อยเป็นค่อยไปอย่างมีระบบ ไม่ใช่การปฏิวัติ หรือ การยกเครื่องใหม่ทั้งหมดอย่างทันทีทันใด

บทความนี้มีคำแนะนำเฉพาะเกี่ยวกับวิธีที่องค์กรสามารถสร้างประโยชน์ ด้วยการบูรณาการเครื่องมือและกระบวนการ AI อย่างมีกลยุทธ์ แทนที่จะต้องสร้างขึ้นมาใหม่ทั้งหมด

การนำ Agentic AI มาใช้ ทำให้เกิดข้อพิจารณาเชิงกลยุทธ์ชุดใหม่ เนื่องจาก Agentic AI สามารถทำการตัดสินใจต่าง ๆ เพื่อให้บรรลุเป้าหมายเฉพาะที่ตั้งไว้ได้ด้วยตัวเอง ซึ่งต่างจาก AI แบบเดิมที่ออกแบบมาเพื่อทำงานตามคำสั่งเพียงอย่างเดียว การเปลี่ยนจากระบบอัตโนมัติทั่วไป ไปสู่ระบบเอเจนต์ที่กำกับดูแลตัวเองและตัดสินใจได้เองนั้น จำเป็นต้องมีแนวทางที่รัดกุมและดำเนินการเป็นขั้นเป็นตอน ต่อไปนี้คือแนวทางสามประการที่จะช่วยให้องค์กรได้รับประโยชน์จาก Agentic AI

1. ทดลองใช้กับงานที่มีความเสี่ยงต่ำ

องค์กรสามารถใช้ศักยภาพของ agentic AI ได้อย่างปลอดภัยมากขึ้น ด้วยการเริ่มใช้กับสภาพแวดล้อมที่มีขอบเขตชัดเจนและมีความเสี่ยงต่ำที่เมื่อเกิดความล้มเหลวแล้วจะไม่กระทบต่อการดำเนินงานสำคัญ ๆ ของธุรกิจ แนวทางเชิงทดลองนี้ช่วยสร้างความมั่นใจและความเชี่ยวชาญให้ทีมไปพร้อม ๆ กับการลดความเสี่ยง เช่น การใช้ agentic AI จัดการงานที่ต้องทำซ้ำ ๆ และมีรูปแบบชัดเจน ซึ่งเอเจนต์สามารถเรียนรู้และดำเนินการได้โดยง่าย

ตัวอย่างการใช้งาน:

• การบริการลูกค้า: ตัวแทนการสนทนา (conversational agents) สามารถจัดการกับคำถามพื้นฐานหรือคำขอรับบริการได้ และสามารถส่งต่อไปยังเจ้าหน้าที่ที่เป็นมนุษย์เมื่อเผชิญปัญหาที่ซับซ้อนได้อย่างราบรื่น เอเจนต์เหล่านี้สามารถแนะนำลูกค้าในการรีเซ็ตรหัสผ่าน อัปเดตที่อยู่จัดส่ง หรือดำเนินการคืนสินค้าที่ไม่ซับซ้อนได้ ด้วยการเชื่อมต่อกับพอร์ทัลลูกค้าและระบบหลังบ้านที่มีอยู่

• ผู้ช่วยฝ่ายธุรการ: เอเจนต์สามารถสรุปการประชุม ติดตามงานที่ได้รับมอบหมาย สรุปและจัดลำดับความสำคัญของอีเมล เพื่อช่วยเพิ่มประสิทธิภาพในการทำงาน

การใช้งานในลักษณะนี้ช่วยให้พนักงานมุ่งเน้นไปที่งานที่ซับซ้อน มีคุณค่าสูงกว่า หรืออ่อนไหวต่อความรู้สึกของลูกค้า ซึ่งต้องอาศัยความเข้าอกเข้าใจของมนุษย์อย่างแท้จริง และยังแสดงให้เห็นถึงคุณค่าของเอเจนต์ในสภาพแวดล้อมที่ควบคุมได้ พร้อมทั้งช่วยให้องค์กรพัฒนาทักษะและกรอบการทำงานที่จำเป็นสำหรับการนำไปใช้ในระดับที่ใหญ่ขึ้น

2. เพิ่มประสิทธิภาพการดำเนินงานของระบบหลังบ้าน

Agentic AI สามารถทำงานเบื้องหลังเพื่อช่วยให้การดำเนินงานปัจจุบันมีประสิทธิภาพและชาญฉลาดมากขึ้น แนวทางนี้ใช้โครงสร้างพื้นฐานที่มีอยู่เดิมขององค์กร และเพิ่มความสามารถในการตัดสินใจได้อย่างอิสระ เพื่อเพิ่มประสิทธิภาพการทำงาน โดยผู้ใช้งานไม่จำเป็นต้องเปลี่ยนรูปแบบการทำงาน กล่าวได้ว่า agentic AI ทำหน้าที่เป็นเลเยอร์อัจฉริยะที่สามารถสังเกตข้อมูลที่ไหลผ่านการดำเนินงานเบื้องหลังสำคัญ ๆ ซึ่งมักมีความซับซ้อน เช่น ระบบ ERP, CRM หรือระบบซัพพลายเชน และสามารถตรวจหาคอขวด กระตุ้นการทำงานเชิงรุก ไปจนถึงแก้ไขข้อผิดพลาดเล็กน้อยได้

ตัวอย่างการใช้งาน:

• ผู้ตรวจสอบทางการเงิน: คือเอเจนต์ที่คอยตรวจสอบรูปแบบการใช้จ่าย แจ้งเตือนความผิดปกติให้มนุษย์ตรวจสอบ และจัดหมวดหมู่ธุรกรรมโดยอัตโนมัติ

• เจ้าหน้าที่ตรวจสอบคุณภาพ: คือเอเจนต์ที่วิเคราะห์ข้อมูลการผลิตแบบเรียลไทม์ ระบุปัญหาคุณภาพที่อาจเกิดขึ้น และแนะนำแนวทางป้องกัน

แนวทางนี้สามารถสร้างคุณค่าได้ทันทีโดยไม่รบกวนกระบวนการทำงานที่มีอยู่ ทีมงานยังคงใช้ระบบที่คุ้นเคย ในขณะเดียวกันก็ได้รับประโยชน์จากความฉลาดและระบบอัตโนมัติที่ทำงานอย่างเงียบ ๆ อยู่เบื้องหลัง

3. ผู้จัดการฝึกหัดที่กำกับดูแลโดยมนุษย์

ศักยภาพที่แท้จริงของ agentic AI สำหรับองค์กรนั้น อาจไม่ใช่การทำงานอัตโนมัติเต็มรูปแบบ แต่เป็นการทำงานอัตโนมัติแบบร่วมมือกัน โดยสามารถมองเอเจนต์เสมือนเป็น ‘ผู้จัดการฝึกหัด’ หรือ ‘ผู้ช่วย’ ที่มีอำนาจตัดสินใจเป็นลำดับขั้น โดยเอเจนต์จะตัดสินใจงานประจำต่าง ๆ ที่มีความเสี่ยงต่ำ ขณะที่งานที่ซับซ้อนหรือมีผลกระทบสูงจะถูกส่งต่อให้ผู้จัดการที่เป็นมนุษย์ดูแล เอเจนต์จะดำเนินการงานต่าง ๆ เช่น เก็บรวบรวมข้อมูล วิเคราะห์ และเสนอข้อแนะนำเบื้องต้น ขณะที่ผู้จัดการที่เป็นมนุษย์จะเป็นผู้อนุมัติขั้นสุดท้าย โดยเฉพาะอย่างยิ่งในการตัดสินใจที่มีนัยสำคัญทางการเงิน ชื่อเสียง หรือมีผลกระทบทางกฎหมาย

ตัวอย่างการใช้งาน:

• เจ้าหน้าที่สินเชื่อธุรกิจ: เอเจนต์จะรวบรวมข้อมูลจากรายงานการเงินและแหล่งข้อมูลอื่น ๆ จากนั้นจะวิเคราะห์ความเสี่ยง และสร้างคำแนะนำเบื้องต้น เช่น “อนุมัติแบบมีเงื่อนไข”, “ปฏิเสธ”, หรือ “ต้องการการตรวจสอบเพิ่มเติม” ก่อนที่เจ้าหน้าที่สินเชื่อที่เป็นมนุษย์จะเข้ามาพิจารณา ตรวจสอบ และตัดสินใจขั้นสุดท้าย

• ผู้จัดการฝ่ายขาย: เอเจนต์ผู้จัดการฝ่ายขายจะประสานงานกับตัวแทนย่อยเพื่อจัดทำข้อเสนอการขาย เช่น เอเจนต์หนึ่งดึงข้อมูลคู่แข่ง ในขณะที่อีกเอเจนต์ร่างข้อเสนอ และอีกเอเจนต์ตรวจสอบความถูกต้องของราคา จากนั้นผู้จัดการขายตัวจริงที่เป็นมนุษย์จะเป็นผู้สรุปและอนุมัติข้อเสนอก่อนดำเนินการขั้นต่อไป

แนวทางนี้เหมือนกับการจ้างผู้จัดการฝึกหัดที่เรียนรู้งานจากเพื่อนร่วมงานที่มีประสบการณ์และค่อย ๆ รับผิดชอบงานเพิ่มขึ้นเมื่อได้พิสูจน์ความสามารถแล้ว เอเจนต์ช่วยจัดการงานประจำเพื่อช่วยให้ผู้จัดการที่เป็นมนุษย์มีเวลาไปทำงานเชิงกลยุทธ์ที่สำคัญกว่าโดยยังคงความสามารถในการกำกับดูแลเอเจนต์เหล่านี้ได้อย่างใกล้ชิด

เร้ดแฮทกับการสนับสนุนองค์กรธุรกิจให้ใช้ agentic AI

เร้ดแฮทมีรากฐานแข็งแกร่งในด้านโอเพ่นซอร์ส และสามารถนำทางองค์กรต่าง ๆ ให้เดินบนเส้นทางวิวัฒนาการไปสู่การใช้ Agentic AI แนวทางของเร้ดแฮทเน้นที่การควบคุม ความยืดหยุ่น และให้การสนับสนุนที่มีคุณภาพระดับองค์กร ซึ่งเป็นสิ่งสำคัญมากต่อการบูรณาการ AI เข้ากับสภาพแวดล้อมที่ซับซ้อนที่องค์กรเหล่านั้นใช้อยู่

• รากฐานโอเพ่นซอร์สเพื่อความยืดหยุ่นและการควบคุม: พอร์ตโฟลิโอของเร้ดแฮท รวมถึง Red Hat AI มอบรากฐานโอเพ่นซอร์สที่แข็งแกร่งสำหรับการสร้าง ติดตั้ง และบริหารจัดการโมเดล AI และระบบ agentic ต่าง ๆ

• ความสอดคล้องกันของไฮบริดคลาวด์: องค์กรมักทำงานข้ามสภาพแวดล้อมไอทีต่าง ๆ ทั้งที่เป็นดาต้าเซ็นเตอร์ที่อยู่ในองค์กร, พับลิคคลาวด์หลายระบบ, และ edge แพลตฟอร์มของเร้ดแฮท ออกแบบมาเพื่อการใช้ไฮบริดคลาวด์ ดังนั้นองค์กรสามารถพัฒนา ใช้ และบริหารจัดการโซลูชัน agentic AI ได้อย่างสอดคล้องกันไม่ว่าจะเก็บข้อมูลไว้ที่ใด หรือแอปพลิเคชันขององค์กรจะทำงานอยู่บนสภาพแวดล้อมใด ความสอดคล้องคงเส้นคงวานี้ช่วยลดความยุ่งยากในการดำเนินงานและช่วยให้สามารถขยายขนาดการทำงานได้อย่างราบรื่น

• การใช้งาน AI ด้วย MLOps และ LLMOps: Red Hat OpenShift AI มอบแพลตฟอร์มที่สมบูรณ์แบบสำหรับการบริหารจัดการไลฟ์ไซเคิลของ AI ทั้งหมด ตั้งแต่การเตรียมข้อมูลและการเทรนโมเดล ไปจนถึง การใช้งาน และการติดตามตรวจสอบ ซึ่งรวมถึงความสามารถสำหรับ MLOps (Machine Learning Operations) และ LLMOps (Large Language Model Operations) ที่เป็นสิ่งจำเป็นในการทำให้ agentic AI ที่อยู่ในขั้นทดลองกลายเป็นการใช้งานจริงที่เชื่อถือได้ ทั้งยังช่วยให้ทีมงานต่าง ๆ ทำงานร่วมกัน สร้างเวิร์กโฟลว์อัตโนมัติ และตรวจสอบได้ว่าโมเดลกำลังทำงานตามที่คาดหมายไว้หรือไม่

Red Hat นำเสนอแพลตฟอร์มโอเพ่นซอร์สระดับองค์กรที่ช่วยให้ธุรกิจต่าง ๆ ทดลองใช้ สร้าง และปรับขนาดความสามารถของ Agentic AI ได้อย่างปลอดภัย บนแลนด์สเคปไอทีที่องค์กรใช้อยู่

Agentic AI สำหรับองค์กร ไม่ใช่เรื่องการเปลี่ยนแปลงแบบ "บิ๊กแบง" ที่ทำให้การลงทุนในปัจจุบันที่องค์กรได้ลงทุนไปนั้นเสียเปล่า แต่เป็นการนำเสนอเส้นทางวิวัฒนาการที่เน้นความจริงจัง เพื่อเพิ่มประสิทธิภาพและนวัตกรรม การให้ความสำคัญกับการปรับปรุงประสิทธิภาพการดำเนินงานเบื้องหลังที่องค์กรใช้อยู่ การทดลองใช้กับงานที่มีความเสี่ยงต่ำ และการบูรณาการเอเจนต์ต่าง ๆ ในฐานะ "ผู้จัดการฝึกหัด" เข้ากับการควบคุมของมนุษย์อย่างรอบคอบ จะช่วยให้ธุรกิจสามารถค่อย ๆ ปลดล็อกคุณค่าสำคัญเพิ่มขึ้นเรื่อย ๆ

เป้าหมายคือการเพิ่มขีดความสามารถขององค์กร เสริมศักยภาพบุคลากร และทำให้องค์กรเป็นองค์กรที่ชาญฉลาด คล่องตัว และแข็งแกร่งมากขึ้นในอนาคต

บทความโดยนายอิชู แวร์มา, Emerging Technology Evangelist, เร้ดแฮท