เจาะประเด็น
AI / Agents
Meta ชี้ทางสร้าง AI Agent ให้เป็น "สมองที่สอง" ขององค์กร ไม่ใช่แค่ตู้เก็บเอกสาร
ความต่างระหว่าง agent ที่ "รู้ว่าอะไรอยู่ตรงไหน" กับ agent ที่ "คิดแบบที่ผู้เชี่ยวชาญคิด" คือหัวใจของสถาปัตยกรรมที่ Meta กำลังผลักดัน
ทีมข่าว เอไอไทย.com
⏱ อ่าน 4 นาที
ถ้าคนเก่งในบริษัทลาออก แล้วความรู้อันนั้นหายไปกับตัวเขาด้วย นั่นคือปัญหาที่ AI agent แบบนี้พยายามแก้
เมื่อพูดถึง AI agent ในองค์กร ภาพที่คนส่วนใหญ่คิดถึงมักเป็นแชทบอทที่ตอบได้ว่ากฎระเบียบข้อไหนอยู่หน้าไหน หรือค้นเอกสารเก่าให้เสร็จในไม่กี่วินาที ซึ่งจริงๆ มันก็มีประโยชน์นะ แต่ Meta ออกมาบอกว่ามันยังไม่พอ และนั่นคือจุดเริ่มต้นของสิ่งที่พวกเขาเรียกว่า "organizational second brain" หรือสมองที่สองขององค์กร
แนวคิดนี้ไม่ใช่การเอา AI มาทำหน้าที่เป็นเสมือน search engine ฉลาดๆ ที่คอยดึงข้อมูลที่เกี่ยวข้องออกมาให้ แต่เป็นการออกแบบ agent ให้มัน "ซึมซับ" ตรรกะและความเชี่ยวชาญของคนที่ทำงานด้านนั้นจริงๆ เอาไว้ในตัว แล้วใช้ความรู้นั้นในการคิด วิเคราะห์ และให้คำตอบแบบที่ผู้เชี่ยวชาญตัวจริงจะให้
ลองนึกภาพง่ายๆ ว่า agent แบบเดิมเปรียบเสมือนห้องสมุดที่จัดเรียงหนังสืออย่างดี คุณถามอะไรก็หาหนังสือที่เกี่ยวข้องมาให้ได้ถูกเล่ม แต่การจะตัดสินใจว่าควรทำอะไรต่อจากข้อมูลในหนังสือเหล่านั้น ยังต้องเป็นคนอ่านเองคิดเอง ส่วน agent แบบที่ Meta อธิบายคือการยัด "วิธีคิด" ของบรรณารักษ์ที่ทำงานมาสามสิบปีเข้าไปด้วย ทั้งประสบการณ์ว่าอะไรสำคัญ อะไรควรมองข้าม และเมื่อเจอสถานการณ์แบบนี้ควรวิเคราะห์ยังไง
ประเด็นสำคัญคือ Meta บอกว่า agent ตัวนี้ถูกสร้างขึ้นสำหรับงานด้าน compliance หรือการกำกับดูแลกฎระเบียบโดยเฉพาะ ซึ่งเป็นโดเมนที่ขึ้นชื่อเรื่องความซับซ้อน มีกฎ มีข้อยกเว้น มีบริบทที่ต้องตีความเยอะ แทบจะเป็นสนามทดสอบที่โหดที่สุดสำหรับแนวคิดนี้เลยก็ว่าได้
แต่ไฮไลต์จริงๆ ไม่ได้อยู่ที่ตัว agent สำหรับงาน compliance หรอก อยู่ที่คำอ้างของ Meta ว่าสถาปัตยกรรมแบบนี้ "ใช้ได้ทั่วไป" กับงานด้านอื่นด้วย ไม่ว่าจะเป็นความมั่นคงปลอดภัย การเงิน วิศวกรรม หรือจัดซื้อจัดจ้าง
ฟังดูเหมือนขายฝันใช่ไหม ผมก็คิดแบบนั้นตอนแรก แต่ถ้ามองดีๆ มันมีเหตุผลรองรับอยู่ งานพวกนี้มีลักษณะร่วมกันอย่างหนึ่ง คือความรู้ไม่ได้อยู่ในเอกสารอย่างเดียว แต่อยู่ในหัวของคนที่ทำงานนั้นมานาน รู้ว่าอะไรควรระวัง รู้ว่าเคสแบบนี้เคยเกิดอะไรขึ้น และรู้ว่ากฎที่เขียนไว้กับสิ่งที่ทำจริงบางทีมันไม่ตรงกันเป๊ะ ซึ่งความรู้แบบนี้แหละที่ระบบค้นหาเอกสารแบบเดิมๆ เก็บไม่ได้
คำถามคือ Meta ไม่ได้เปิดเผยรายละเอียดทางเทคนิคมากนักว่าจริงๆ แล้วเขา "สกัด" ความรู้จากผู้เชี่ยวชาญออกมาเป็นอะไร ผ่านวิธีไหน และวัดผลว่ามันคิดได้เหมือนผู้เชี่ยวชาญจริงหรือไม่ ดังนั้นสิ่งที่เรามีตอนนี้คือสถาปัตยกรรมในระดับแนวคิด ยังไม่ใช่ blueprint ที่ใครก็เอาไปทำตามได้ทันที
ตรงนี้แหละที่ผมว่าคนทำงานสาย AI ในองค์กรควรจับตา เพราะถ้าแนวคิดนี้พิสูจน์ได้จริง มันจะเปลี่ยนโจทย์ของการทำ AI สำหรับองค์กรไปเลย จากเดิมที่เราถามว่า "จะทำยังไงให้ AI หาข้อมูลเจอ" จะกลายเป็น "จะทำยังไงให้ AI คิดเหมือนคนที่เก่งที่สุดในทีมเรา" ซึ่งเป็นโจทย์ที่ยากกว่าคนละระดับ และผลลัพธ์ที่ได้ก็คนละคุณค่ากันเลย
อีกมุมที่ผมว่าน่าสนใจไม่แพ้กัน คือเรื่องของการรักษาความรู้ในองค์กร คนเก่งๆ เกษียณ ลาออก ไปอยู่บริษัทอื่น แล้วความรู้ที่สะสมมาสิบยี่สิบปีก็หายไปกับตัวเขา นี่เป็นปัญหาจริงที่ทุกองค์กรเจอ แต่ไม่ค่อยมีใครแก้ได้จริงจัง ถ้า agent แบบนี้ทำได้ตามที่โฆษณา มันจะไม่ใช่แค่เครื่องมือเพิ่ม productivity แต่เป็นวิธี "เก็บ" ทรัพย์สินทางปัญญาที่จับต้องไม่ได้ของบริษัทเอาไว้
แน่นอนว่ายังมีคำถามที่ต้องตอบอีกเยอะ ทั้งเรื่องความแม่นยำเมื่อเจอเคสที่ไม่เคยเจอมาก่อน เรื่องการอัปเดตความรู้เมื่อกฎระเบียบเปลี่ยน และที่สำคัญคือเรื่องความรับผิดชอบ ถ้า agent ตัดสินใจผิดในงาน compliance ใครรับผิด แต่นั่นก็เป็นเรื่องที่ต้องคุยกันต่อไป
สิ่งที่ Meta กำลังบอกกับวงการคือ ยุคของ AI ที่แค่ค้นเอกสารเก่งกำลังจะกลายเป็นของพื้นๆ แล้ว เกมต่อไปคือการทำให้ AI คิดแบบคนที่รู้จริงในโดเมนนั้น และถ้าสถาปัตยกรรมนี้ใช้ได้กับหลายวงการจริงตามที่อ้าง นี่อาจเป็นจุดเปลี่ยนของวิธีที่องค์กรจัดการความรู้ของตัวเองไปเลย
ที่มา: InfoQ AI/ML — อ่านต้นฉบับ
ความคิดเห็น 3
กำลังโหลดความคิดเห็น...