Agentic AI สำหรับการทำงานในองค์กร

เครื่องมือกลุ่มนี้ทำงานอย่างไร และต่างจากช่องแชทตรงไหน

ความเปลี่ยนแปลงไม่ได้อยู่ที่โมเดลตอบคำถามเก่งขึ้น แต่อยู่ที่เครื่องมือกลุ่มนี้เปิดไฟล์จริงได้ agent ทำงานอยู่ในฐานโค้ดหรือคลังเอกสารของทีมโดยตรง เดินงานต่อกันหลายขั้นในรอบเดียว รันสิ่งที่เขียนออกมา ตรวจผลของตัวเอง แล้วส่งกลับมาเป็นของที่คนเปิดดูได้ ทั้ง diff ของโค้ด ไฟล์ร่าง หรือชุดเอกสารที่แก้แล้ว ต่างจากช่องแชทที่เราต้องอธิบายงานเป็นคำพูด แล้วคัดลอกคำตอบกลับมาวางเอง

สิ่งที่ทำให้ผลลัพธ์ต่างกันจริง ๆ คือบริบท เพราะ agent เห็นของจริงของทีม ไม่ใช่เห็นเฉพาะสิ่งที่เราพิมพ์อธิบายให้ฟัง

• Claude Code: agent ที่ทำงานกับฐานโค้ดจริงผ่าน terminal ทั้งอ่าน แก้ รันเทสต์ และอธิบายสิ่งที่เพิ่งทำไป
• Claude Cowork: ให้ agent รับงานเอกสารและงานประจำวันเป็นชุดขั้นตอนต่อเนื่อง แทนการสั่งทีละคำสั่ง
• OpenAI Codex: agent สายเขียนโค้ดอีกตัวที่หลายทีมใช้อยู่ เลือกได้ตามที่องค์กรถนัดและตามข้อกำหนดด้านข้อมูล
• เครื่องมือรอบข้าง: การต่อ agent เข้ากับที่เก็บโค้ด ระบบตั๋วงาน และคลังเอกสารภายใน เพื่อให้ทำงานบนข้อมูลจริง

ไม่ได้มีประโยชน์เฉพาะกับทีมพัฒนา

ชื่อของเครื่องมือฟังดูเป็นงานสายเทคนิค และคนกลุ่มแรกที่หยิบไปใช้ก็มักเป็นทีมพัฒนาจริง แต่สิ่งที่ agent ทำได้ดีคืองานที่มีขอบเขตชัดและตรวจผลได้ ซึ่งมีอยู่ในเกือบทุกฝ่าย ในทางปฏิบัติ ทีมที่ได้ประโยชน์เร็วที่สุดจึงไม่ใช่ทีมที่เขียนโค้ดเก่งที่สุด แต่เป็นทีมที่อธิบายงานของตัวเองออกมาเป็นลำดับขั้นได้ชัดที่สุด

• ทีมพัฒนา: แก้บั๊กที่ระบุขอบเขตได้ เขียนเทสต์ และไล่อ่านโค้ดเก่าที่ไม่มีคนรู้จักแล้ว
• ทีมวิเคราะห์ข้อมูล: เขียนสคริปต์ดึงและทำความสะอาดข้อมูล ทำตารางสรุปชุดเดิมที่ต้องส่งทุกเดือน
• ทีมปฏิบัติการ: จัดรูปแบบไฟล์ ตรวจความครบถ้วนของข้อมูล และงานย้ายข้อมูลข้ามระบบ
• ทีมเอกสารและคู่มือ: ปรับคู่มือให้ตรงกับระบบที่เพิ่งเปลี่ยน และร่างเอกสารใหม่จากต้นฉบับที่มีอยู่
• ทีมซัพพอร์ต: สรุปเคสที่ค้าง และร่างคำตอบจากฐานความรู้ภายในให้คนตรวจก่อนส่งออก

วางการใช้งานให้ไปต่อได้หลังจบไพลอต

ไพลอตส่วนใหญ่ไม่ได้หยุดเพราะเครื่องมือไม่ดี แต่หยุดเพราะจบคลาสแล้วไม่มีใครรับช่วงต่อ ไม่มีงานจริงรออยู่ และคนที่เพิ่งเจอวิธีใช้ที่ได้ผลก็ไม่มีที่ให้เอามาแบ่งกัน

เราจึงเริ่มจากโจทย์งานจริงขององค์กรตั้งแต่วันแรก อย่างหลักสูตร Claude Cowork & Agentic Workflow for Real Business Projects แบบ 1 วันที่เราจัดมาแล้ว ซึ่งใช้โจทย์โปรเจ็คธุรกิจจริงขององค์กรเป็นแบบฝึกหัดทั้งวัน ผู้เรียนจึงกลับไปพร้อมงานที่เดินต่อได้ ไม่ใช่ตัวอย่างสมมติ จากนั้นจึงวางแผนช่วงหลังคลาสโดยระบุเจ้าของงานและรอบติดตามไว้ชัด แทนที่จะฝากไว้กับความกระตือรือร้นของใครคนเดียว

• เริ่มด้วยหลักสูตร 1 วัน ที่ใช้โจทย์ธุรกิจจริงขององค์กรเป็นแบบฝึกหัด
• เลือกงานตั้งต้นไม่กี่อย่างที่ทำซ้ำและตรวจผลง่าย แทนการเปิดใช้ทุกอย่างพร้อมกัน
• ตั้งเจ้าของงานให้ชัดในแต่ละทีม ไม่ปล่อยให้เป็นงานอาสาสมัคร
• มีที่กลางเก็บ prompt แนวทาง และตัวอย่างที่ใช้ได้ผล เพื่อให้คนที่มาทีหลังไม่ต้องเริ่มใหม่
• นัดรอบทบทวนหลังใช้จริง เก็บสิ่งที่ได้ผลไว้ และตัดสิ่งที่ไม่ได้ผลออก
• ขยายรุ่นถัดไปจากคนที่ใช้จริงในรุ่นแรก ไม่ใช่จากสไลด์

กรอบกำกับดูแล และสิ่งที่ต้องยอมรับตามจริง

agent ที่แก้ไฟล์ได้จริงต้องมาพร้อมขอบเขตที่เขียนไว้ชัดว่าแตะอะไรได้และแตะอะไรไม่ได้ งานทุกชิ้นต้องผ่านสายตาคนก่อนรวมเข้างานจริงหรือก่อนส่งออกเสมอ และต้องตกลงกันไว้ล่วงหน้าว่าข้อมูลชั้นไหนส่งออกไปนอกองค์กรได้หรือไม่ได้ ทั้งข้อมูลลูกค้า ข้อมูลส่วนบุคคล และสัญญา

และพูดกันตามตรง เครื่องมือกลุ่มนี้เก่งกับงานที่มีขอบเขตและตรวจผลได้ ไม่ได้เก่งกับงานที่ต้องตัดสินใจแทนองค์กร ยังต้องมีคนที่อ่านผลลัพธ์ออกว่าถูกหรือผิดอยู่ปลายทางเสมอ ถ้างานไหนไม่มีใครในทีมตรวจได้ งานนั้นยังไม่ควรเป็นงานแรกที่มอบให้ agent

• กำหนดให้ชัดว่า agent เข้าถึงที่เก็บงาน ไดเรกทอรี และระบบใดได้บ้าง
• งานทุกชิ้นผ่านการรีวิวของคนก่อน merge หรือก่อนส่งออกเสมอ
• แยกชั้นข้อมูล และตกลงล่วงหน้าว่าข้อมูลลับและข้อมูลส่วนบุคคลจัดการอย่างไร ให้สอดคล้องกับ PDPA
• เก็บร่องรอยไว้ว่าใครสั่งอะไร และ agent แก้อะไรไปบ้าง
• เลือกงานที่ตรวจผลได้ก่อนเสมอ ถ้ายังตรวจไม่ได้ ก็ยังไม่ควรมอบให้