ความสำคัญของระบบนิเวศแบบเปิดต่อการปรับใช้ Agentic AI ในองค์กร

บทความโดย Alexey Navolokin ผู้จัดการทั่วไป ประจำภูมิภาคเอเชียแปซิฟิก 

 สำหรับหลายองค์กร การนำ AI มาใช้ในระดับองค์กร ได้ก้าวข้ามช่วงของการทดลองนำร่องและการทำ Proof of Concept แบบแยกส่วน ไปสู่ช่วงการประเมินผลที่เข้มข้นมากขึ้น ความสามารถของ AI ในการสรุปเอกสาร ร่างอีเมล หรือตอบคำถาม กลายเป็นเพียงความสามารถพื้นฐานไปแล้ว ในปัจจุบันองค์กรต่าง ๆ ต้องการเครื่องมือ AI ที่สามารถทำงานครอบคลุมกิจกรรมหลักของธุรกิจ มากกว่าที่จะถูกจำกัดการใช้งานอยู่แค่ในแอปพลิเคชันเดียว 

การก้าวเข้ามาของเทคโนโลยี AI Agent — ซึ่งก็คือบอทที่สามารถลงมือทำงานข้ามแอปพลิเคชันหรือบริการต่างๆ ได้อย่างอิสระเพื่อบรรลุเป้าหมาย — ได้เข้ามายกระดับความคาดหวังของลูกค้า และทำให้ธุรกิจต้องหันมาพิจารณาว่า Agentic AI จะทำงานร่วมกับซอฟต์แวร์และระบบการทำงาน (Workflow) ที่มีอยู่เดิมได้อย่างไร AI Agent อาศัยโมเดลภาษาขนาดใหญ่ (LLMs) เช่นเดียวกับแชตบอต แต่ระบบ Agentic AI ได้รับการออกแบบมาให้สามารถใช้เครื่องมือซอฟต์แวร์และแหล่งข้อมูลที่แชตบอต Generative AI ทั่วไปมักเข้าถึงไม่ได้ ทรัพยากรเหล่านี้ครอบคลุมตั้งแต่ข้อมูลลูกค้า ไลบรารีภายในองค์กร ระบบรับแจ้งปัญหา (Ticketing systems) ที่เก็บโค้ด (Code repositories) ไปจนถึงแอปพลิเคชันทางธุรกิจอื่น ๆ 

Agentic AI ต้องการระบบนิเวศแบบเปิด (Open Ecosystem) 

เอเจนต์จำเป็นต้องเข้าถึงทรัพยากรเหล่านี้ รวมถึงต้องมีความสามารถในการทำงานร่วมกับซอฟต์แวร์อื่น ๆ ได้อย่างกว้างขวางเพื่อทำงานให้สำเร็จลุล่วง แต่บริษัทที่พยายามขยายสเกลจาก Generative AI ไปสู่ Agentic AI อาจต้องสะดุดกับปัญหาการถูกผูกขาดจากผู้ให้บริการ (Vendor lock-in) และโซลูชันซอฟต์แวร์แบบปิดที่ทำงานได้ดีกับแอปพลิเคชันเพียงไม่กี่ตัวเท่านั้น การผสานรวมระบบแบบเบ็ดเสร็จที่อาจดูเหมือนช่วยให้การเริ่มต้นใช้งานทำได้ง่ายขึ้นในช่วงแรก กลับสามารถกลายเป็นข้อจำกัดได้เมื่อบริษัทต้องการขยายการใช้งาน AI และชุดเครื่องมือใหม่ ๆ 

ปัจจุบัน เอเจนต์จำนวนมากอาจทำงานได้ดีภายใต้เฟรมเวิร์กซอฟต์แวร์เฉพาะกลุ่ม แต่จะเริ่มประสบปัญหาทันทีเมื่อต้องเชื่อมต่อกับแอปพลิเคชันอื่นนอกกรอบ 

รูปที่ 1: ประสิทธิภาพของโมเดลเปิด Instella-MoE ทั้งแบบ Pre-trained และ Post-trained เมื่อเทียบกับโมเดลล้ำสมัยอื่น ๆ ที่มีขนาดใกล้เคียงกัน

AMD พร้อมสนับสนุนความต้องการของอุตสาหกรรมในการสร้างนวัตกรรมอย่างรวดเร็วและต่อเนื่อง ด้วยชุดโซลูชัน AI แบบครบวงจรตั้งแต่ต้นทางถึงปลายทาง ซึ่งครอบคลุมตั้งแต่ FPGA แบบฝังตัว, เซิร์ฟเวอร์โปรเซสเซอร์ AMD EPYC™, โมบายเวิร์กสเตชัน ไปจนถึงตัวเร่งความเร็ว AMD Instinct™ ความครอบคลุมนี้ช่วยให้ลูกค้ามีทางเลือกที่ยืดหยุ่นมากขึ้นในการจับคู่เวิร์กโหลด AI ให้เข้ากับข้อจำกัดด้านพลังงานและการระบายความร้อนของสภาพแวดล้อมการทำงานนั้น ๆ นอกจากนี้ แพลตฟอร์ม AMD ROCm™ และ HIP ยังรองรับเฟรมเวิร์กมาตรฐานอุตสาหกรรมอย่าง PyTorch และ TensorFlow รวมถึง ONNX Runtime ทำให้สามารถประเมิน พอร์ต และปรับใช้โมเดลข้ามสภาพแวดล้อมได้โดยไม่ต้องเทรนหรือจัดรูปแบบใหม่ ความยืดหยุ่นนี้ช่วยให้องค์กรสามารถตอบสนองต่อสภาวะปัจจุบันได้อย่างรวดเร็ว โดยไม่สูญเสียโอกาสทางกลยุทธ์ที่อาจมีความสำคัญในอีกหลายเดือนหรือหลายปีข้างหน้า 

นอกจากนี้ AMD ยังให้บริการในรูปแบบคอนเทนเนอร์ เช่น AMD Inference Microservices (AIMs) เพื่อบริหารจัดการเวิร์กโหลดด้าน AI Inference บนกราฟิกการ์ด AMD Instinct โดย AIMs จะทำหน้าที่เสมือน "ปุ่มลัด" สำหรับการรัน Inference ที่ช่วยลดทอนความซับซ้อน พร้อมให้การรับประกันประสิทธิภาพเมื่อนำไปใช้งานบนการกำหนดค่าฮาร์ดแวร์ AMD ที่ระบุ ไมโครเซอร์วิสเหล่านี้เป็นส่วนหนึ่งของ AMD Enterprise Reference Stack แบบโอเพนซอร์ส และได้รับการออกแบบมาให้เชื่อมต่อกับสภาพแวดล้อมและชุดเครื่องมือเดิมขององค์กรได้อย่างราบรื่น ผ่านพันธมิตรแพลตฟอร์มทั้งแบบเปิดและแบบปิด เช่น Red Hat, SUSE, Canonical, VMware และ Nutanix เป้าหมายของเราคือการทำให้เอเจนต์และฟังก์ชันตัวเชื่อมต่อข้อมูลสามารถทำงานร่วมกับฐานข้อมูลทั้งแบบมีโครงสร้างและไม่มีโครงสร้าง สเปรดชีต และผลิตภัณฑ์ SaaS ได้ ซึ่งการจะบรรลุเป้าหมายนี้ได้นั้น ต้องอาศัยสถาปัตยกรรมที่ไม่ปิดกั้นการเข้าถึงแหล่งข้อมูลหรือแอปพลิเคชันที่หลากหลาย 

ความยืดหยุ่นและอิสระในการเลือกจะยิ่งมีความสำคัญมากขึ้นเมื่อเทคโนโลยี Agentic AI เติบโตขึ้น การทดสอบเอเจนต์ในระยะแรกอาจเป็นแค่การทำงานอัตโนมัติในขอบเขตแคบ ๆ ภายในแอปพลิเคชันเดียว แต่การนำไปใช้งานจริงแบบเต็มรูปแบบจะทำให้เอเจนต์ต้องเข้าถึงแหล่งข้อมูลที่หลากหลาย ต้องรู้จักเปิดใช้เครื่องมือที่เหมาะสม และส่งผลลัพธ์กลับมาในรูปแบบที่ซอฟต์แวร์อื่นสามารถนำไปใช้งานต่อได้ องค์กรที่ให้ความสำคัญกับเอเจนต์ที่สามารถเชื่อมต่อกับเวิร์กโฟลว์และระบบเดิมของพนักงานได้ จะเป็นองค์กรที่อยู่ในจุดที่ได้เปรียบที่สุดในการดึงศักยภาพของ Agentic AI ออกมาใช้ แนวทาง "ระบบนิเวศแบบเปิด" ที่ AMD สนับสนุน จะช่วยปูทางให้องค์กรสามารถขยายสเกล AI ไปได้ทั่วทั้งองค์กร โดยไม่ถูกตีกรอบทางเลือกซอฟต์แวร์ หรือถูกบังคับให้การตัดสินใจในอนาคตต้องผูกติดอยู่กับโครงสร้างซอฟต์แวร์ของผู้ให้บริการเพียงรายเดียว