เจาะประเด็น
AI / Agents
งาน AI ส่วนใหญ่ไม่ต้องทำทันที: ระบบ "จัดคิว" คืออนาคตของ Agent ไม่ใช่ความเร็ว
AI ที่ฉลาดจริงไม่ใช่วิ่งทำทุกอย่างทันที แต่รู้ว่างานไหนรอได้ — และนี่คือจุดเปลี่ยนที่คนส่วนใหญ่ยังมองไม่เห็น
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้า AI เรียนรู้ที่จะ "ผัดวันประกันพรุ่ง" อย่างชาญฉลาดได้ นั่นอาจเป็นก้าวที่สำคัญกว่าการเร่งความเร็วเป็นสิบเท่าเสียอีก
หมุดหัวข้อนี้ไปก่อนนะ — ผมไม่ได้จะบอกว่า AI ไม่สำคัญหรืออะไร แต่บทความจาก Tom Tunguz ที่เพิ่งขึ้นหน้า Hacker News เมื่อไม่กี่ชั่วโมงที่แล้ว มันชี้ให้เห็นอะไรบางอย่างที่คนคลั่ง AI ส่วนใหญ่กำลังมองข้าม: งาน AI ส่วนใหญ่ไม่ได้ต้องการ "ความเร็ว" แต่ต้องการ "การจัดลำดับความสำคัญ" ให้ถูกต้องต่างหาก
พูดง่ายๆ คือตอนนี้ทุกคนมัวแต่แข่งขันกันว่าใครสร้าง Agent ที่ตอบสนองไวที่สุด ฉลาดที่สุด ประมวลผลได้เร็วที่สุด แต่ลืมคิดไปว่างานส่วนใหญ่ในโลกความจริงมันไม่ใช่แบบนั้น — งานส่วนใหญ่รอได้ ไม่ได้เร่งด่วนขนาดต้องตอบสนองภายในเสี้ยววินาที
ลองนึกภาพตามนะ สมมติว่าคุณมี AI Agent ที่คอยจัดการอีเมล กรองเอกสาร สรุปข้อมูล หรือแม้แต่ตอบคำถามลูกค้า — งานพวกนี้มันต้องเสร็จภายใน 3 วินาทีจริงเหรอ? หรือจริงๆ แล้วมันเสร็จภายใน 10 นาทีหรือ 1 ชั่วโมงก็ได้ แค่ต้องทำอย่างถูกต้องและตรงตามความต้องการ?
Tom Tunguz เสนอแนวคิดที่เรียกว่า "AI Execution Routing" — ระบบจัดเส้นทางงานให้ AI — ซึ่งไม่ได้โฟกัสที่ความเร็ว แต่โฟกัสที่การตัดสินใจว่างานไหนควรทำทันที งานไหนรอได้ งานไหนควรส่งให้โมเดลเล็กๆ จัดการ งานไหนต้องเรียกโมเดลใหญ่ระดับเทพมาลงมือ
มันเหมือนการมีเลขาหัวไวที่รู้ว่าจดหมายฉบับไหนต้องส่งให้เจ้านายเซ็นปุ๊บปั๊บ ฉบับไหนเก็บไว้รวมกันเซ็นทีเดียวช่วงบ่าย ฉบับไหนตอบกลับเองได้เลยโดยไม่ต้องรบกวนเจ้านาย — นี่คือสิ่งที่ AI Agent ส่วนใหญ่ในตอนนี้ทำไม่ได้ เพราะมันถูกเทรนมาให้ "ทำทันที" เสมอ
ฟังดูอาจขัดกับสัญชาตญาณ แต่ลองคิดถึงต้นทุนดู — การเรียกใช้โมเดลใหญ่ๆ ทุกครั้งมันแพง ทั้งในแง่เงินและพลังงาน ถ้า Agent ของคุณส่งงานทุกอย่างไปให้ GPT-4o หรือ Claude ระดับท็อปจัดการแม้กระทั่งงาน trivial อย่างการจัดรูปแบบเอกสาร นั่นคือการเผาเงินทิ้งโดยเปล่าประโยชน์
แนวคิดนี้กระทบกับผู้เล่นในวงการหลายระดับ เริ่มจากคนที่สร้าง Agent ใช้งานเอง — ถ้าคุณออกแบบระบบให้มี "ชั้นจัดคิว" (routing layer) ที่คอยตัดสินใจก่อนส่งงานเข้าโมเดล คุณจะประหยัดต้นทุนได้มหาศาล และได้ผลลัพธ์ที่เสถียรกว่าเดิมด้วยซ้ำ เพราะไม่ต้องรีบส่งงานออกไปให้โมเดลเล็กๆ ตอบแบบมั่วๆ
อีกมุมที่สำคัญไม่แพ้กันคือเรื่อง UX — ผู้ใช้ทั่วไปไม่ได้ต้องการคำตอบภายใน 1 วินาทีเสมอไป แต่ต้องการคำตอบที่ถูกต้อง งานวิจัยด้าน human-computer interaction บอกมานานแล้วว่าคนเรายอมรับความล่าช้าได้ ถ้ารู้ว่าระบบกำลัง "คิดหนัก" อยู่ ปัญหาคือ AI ในตอนนี้ตอบไวเกินไปจนบางทีดูฉลาดแต่ตอบผิด แทนที่จะช้าลงหน่อยแล้วตอบถูก
1. งานแบบ real-time
เช่น แชทบอทช่วยเหลือลูกค้าที่กำลังจะยกเลิกบริการ — ต้องการการตอบสนองทันทีจริงๆ
2. งานแบบ batch ได้
เช่น สรุปเอกสาร วิเคราะห์ข้อมูล จัดหมวดหมู่อีเมล — รอได้เป็นนาทีหรือชั่วโมง ไม่มีใครเดือดร้อน
3. งานที่ต้องใช้โมเดลเล็ก
เช่น การแยกชื่อวันที่ออกจากข้อความ — โมเดลเล็กๆ จัดการได้ ไม่ต้องรบกวนโมเดลใหญ่ให้สิ้นเปลือง
ประเด็นนี้ยิ่งสำคัญเมื่อมองไปข้างหน้า — ถ้าเราจะมี AI Agent นับพันตัวทำงานแทนเราพร้อมๆ กัน การออกแบบระบบให้ "รู้จักรอ" จะเป็นตัวชี้ขาดระหว่างระบบที่ใช้งานได้จริงกับระบบที่เจ๋งบนสไลด์แต่พังในโปรดักชัน
และนี่คือสิ่งที่ผมคิดว่า Tom พูดถูกต้องที่สุด: ในโลกที่ทุกคนมัวแต่แข่งขันกันเรื่องความเร็วของโมเดล การออกแบบ "ความหน่วงอย่างชาญฉลาด" (intelligent latency) จะกลายเป็นจุดต่างที่สำคัญกว่า — เพราะมันช่วยลดต้นทุน เพิ่มความแม่นยำ และที่สำคัญที่สุด มันทำให้ AI ทำงานได้สอดคล้องกับธรรมชาติของงานจริงๆ ที่ไม่เคยต้องการความเร็วเหนือมนุษย์ตั้งแต่แรก
ผมฟันธงเลยว่า 5 ปีข้างหน้า ระบบ AI ที่ชนะในตลาดจะไม่ใช่ระบบที่ตอบเร็วที่สุด แต่เป็นระบบที่ "รู้จักคิดก่อนตอบ" มากที่สุด — การจัดคิวงานคือทักษะที่คนสร้าง AI ทุกคนต้องเริ่มฝึกตั้งแต่วันนี้ ไม่ใช่พรุ่งนี้
ที่มา: Hacker News (Coding/Agent) — อ่านต้นฉบับ
ความคิดเห็น 6
กำลังโหลดความคิดเห็น...