Agentic AI: ความแตกต่างระหว่าง Workflows กับ Agents และการนำไปใช้ในแอปพลิเคชัน

ในยุคที่ AI กำลังเข้ามามีบทบาทสำคัญในวงการซอฟต์แวร์และธุรกิจ การเข้าใจความแตกต่างระหว่าง Agentic AI กับ Agentic Workflow จึงเป็นเรื่องจำเป็นอย่างยิ่งสำหรับนักพัฒนาและผู้ที่สนใจเทคโนโลยีนี้ บทความนี้จะพาไปทำความรู้จักกับแนวคิด Agentic AI โดยอ้างอิงจากมุมมองของผู้เชี่ยวชาญ Google Cloud Tech ที่ได้อธิบายความหมายของ “agentic” พร้อมตัวอย่างและการใช้งานจริง เพื่อให้เราเข้าใจและสามารถนำไปประยุกต์ใช้ได้อย่างถูกต้องและมีประสิทธิภาพ

Agentic AI คืออะไร? ทำไมต้องรู้จัก?

คำว่า “agentic” มาจากคำว่า agent หมายถึงตัวแทนหรือผู้ที่มีความสามารถในการตัดสินใจและกระทำบางอย่างได้อย่างอิสระ ในบริบทของ AI หมายถึงระบบที่สามารถทำงานหรือแก้ไขปัญหาโดยใช้ความไม่แน่นอน (nondeterminism) และโมเดลภาษาขนาดใหญ่ (Large Language Models – LLM) เพื่อสร้างผลลัพธ์ที่ไม่เหมือนกันในแต่ละครั้งที่ทำงาน

โดยทั่วไป Agentic AI จะมีพฤติกรรมที่ไม่ตายตัว และสามารถเชื่อมโยงงานหลายๆ อย่างเข้าด้วยกันในรูปแบบของ workflow หรือระบบตัวแทน (agent) ที่สามารถตัดสินใจและเลือกทำงานในลำดับที่เหมาะสมเพื่อไปให้ถึงเป้าหมายที่ตั้งไว้

ความแตกต่างระหว่าง AI Agent กับ Agentic Workflow

สิ่งที่ต้องทำความเข้าใจให้ชัดเจนคือความแตกต่างระหว่าง AI Agent และ Agentic Workflow โดยสรุปคือ

• Agentic Workflow เป็นระบบที่มีลักษณะการทำงานที่ค่อนข้างกำหนดได้ (deterministic) มากกว่า เน้นการตัดสินใจและผลลัพธ์ที่คาดเดาได้ เช่น การนำ LLM มาเสริมในขั้นตอนบางส่วนของ workflow เพื่อประมวลผลหรือสรุปข้อมูล
• AI Agent เป็นระบบที่มีอิสระในการตัดสินใจและเลือกทำงานได้หลากหลายมากขึ้นในลำดับที่ไม่ตายตัว เพื่อบรรลุเป้าหมายที่กำหนดไว้ เช่น การให้เป้าหมายกับ agent ว่า “สร้างเว็บไซต์เกมงู” แล้ว agent จะวางแผนและดำเนินการขั้นตอนต่างๆ ด้วยตัวเองจนสำเร็จ

ความแตกต่างนี้สำคัญมาก เพราะการเลือกใช้ Agentic Workflow หรือ AI Agent ขึ้นอยู่กับความซับซ้อนและความต้องการของงานนั้นๆ ไม่ใช่ทุกงานที่ต้องใช้ AI Agent เพราะบางงานที่มีขั้นตอนชัดเจนและผลลัพธ์คาดเดาได้ดี Agentic Workflow ก็สามารถทำได้ดีและปลอดภัยกว่า

ตัวอย่างของ Agentic Workflow และ AI Agent

เพื่อให้เห็นภาพชัดเจนขึ้น เรามาดูตัวอย่างกัน

Agentic Workflow

สมมติว่ามีระบบประมวลผลใบแจ้งหนี้ (invoice processing) โดย workflow จะใช้ LLM ร่วมกับเครื่องมืออื่นๆ เพื่อวิเคราะห์ใบแจ้งหนี้ สกัดข้อมูลสำคัญ แล้วนำข้อมูลนั้นไปกรอกลงในฟอร์ม จากนั้นผู้ใช้จะตรวจสอบและอัปโหลดข้อมูลเข้าสู่ระบบการประมวลผลต่อไป ในกรณีนี้ Workflow ยังต้องการการตรวจสอบจากมนุษย์และกระบวนการเป็นไปอย่างคาดเดาได้

AI Agent

ตัวอย่างของ AI Agent คือการมอบหมายเป้าหมายให้ระบบว่า “ฉันต้องการสร้างเว็บไซต์เกมงู” จากนั้น agent จะวางแผนงาน กำหนดลำดับขั้นตอน และดำเนินการสร้างเว็บไซต์นั้นอย่างอัตโนมัติ รวมถึงการทบทวนตนเอง (reflection) เพื่อให้แน่ใจว่างานที่ทำสอดคล้องกับเป้าหมายที่ตั้งไว้โดยไม่ต้องมีมนุษย์เข้ามาควบคุมทุกขั้นตอน

เมื่อไหร่ควรใช้ Agentic Workflow หรือ AI Agent?

คำถามที่สำคัญคือ เราควรเลือกใช้ Agentic Workflow หรือ AI Agent เมื่อไหร่?

คำตอบคือ ไม่ใช่ทุกงานที่ต้องใช้ AI Agent เพราะหลายงานที่คนพยายามสร้างนั้น Agentic Workflow ก็เพียงพอและเหมาะสมกว่า โดยเฉพาะงานที่มีขั้นตอนชัดเจนและผลลัพธ์ต้องแม่นยำ เช่น การประมวลผลข้อมูล การสรุปข้อมูล หรือการทำงานที่ต้องการความน่าเชื่อถือสูง

ในทางกลับกัน AI Agent เหมาะกับงานที่ต้องการความอิสระในการตัดสินใจ เช่น งานที่มีเป้าหมายชัดเจนแต่ขั้นตอนการทำงานอาจเปลี่ยนแปลงได้ตามสถานการณ์ หรือในธุรกิจที่ต้องการลดการแทรกแซงของมนุษย์และให้ระบบตัดสินใจเองในบางเรื่อง

อย่างไรก็ตาม การสร้าง AI Agent ต้องคำนึงถึงความเสี่ยง เช่น Agent อาจตัดสินใจแตกต่างจากมนุษย์ในบางสถานการณ์ ซึ่งอาจส่งผลเสียได้ ดังนั้นในงานที่ต้องการความแม่นยำและควบคุมได้สูง อาจเลือกใช้ Agentic Workflow ที่มีมนุษย์เป็นส่วนหนึ่งของกระบวนการ (Human-in-the-loop) เพื่อเพิ่มความปลอดภัย

สรุปความรู้และข้อคิดจากการทำความเข้าใจ Agentic AI

Agentic AI เป็นแนวคิดที่ช่วยให้ระบบ AI มีความสามารถในการตัดสินใจและดำเนินงานได้อย่างอิสระมากขึ้น แตกต่างจาก workflow ที่มีลักษณะค่อนข้างตายตัว การเลือกใช้ระหว่าง Agentic Workflow หรือ AI Agent ขึ้นอยู่กับลักษณะงาน ความซับซ้อน และความเสี่ยงที่ยอมรับได้

การเข้าใจความแตกต่างนี้สำคัญมากเพื่อให้สามารถออกแบบระบบ AI ที่เหมาะสมกับเป้าหมายและบริบทการใช้งาน ไม่เพียงแค่ทำให้ระบบทำงานได้ดีขึ้น แต่ยังช่วยให้สามารถควบคุมและบริหารความเสี่ยงได้อย่างมีประสิทธิภาพ

สุดท้าย การเรียนรู้ผ่านตัวอย่างโค้ดและการทดลองจริงจะช่วยให้แนวคิดเหล่านี้กลายเป็นทักษะที่นำไปใช้ได้จริง และเปิดโอกาสให้พัฒนาแอปพลิเคชัน AI ที่ตอบโจทย์ธุรกิจและผู้ใช้ได้อย่างแท้จริง

บทสรุปจาก Insiderly

Agentic AI ไม่ใช่แค่เทคโนโลยีใหม่ที่น่าตื่นเต้น แต่เป็นกรอบความคิดที่เปลี่ยนวิธีการพัฒนาและใช้ AI ในโลกแห่งความเป็นจริง การแยกแยะระหว่าง Agentic Workflow กับ AI Agent ช่วยให้เราสามารถวางแผนและออกแบบระบบ AI ได้อย่างเหมาะสมและมีประสิทธิภาพมากขึ้น

ในหลายกรณี Agentic Workflow คือคำตอบที่ดีเพราะให้ความสมดุลระหว่างความแม่นยำและความยืดหยุ่น ในขณะที่ AI Agent เหมาะสำหรับงานที่ต้องการความเป็นอิสระและสามารถรับมือกับสถานการณ์ที่ไม่แน่นอนได้อย่างมีประสิทธิผล

การนำ Agentic AI ไปใช้จึงต้องเริ่มจากการวิเคราะห์ความต้องการและข้อจำกัดของงานอย่างรอบคอบ พร้อมทั้งเตรียมพร้อมรับมือกับความเสี่ยงที่อาจเกิดขึ้น การเรียนรู้และทดลองผ่านโค้ดตัวอย่างจะช่วยให้ผู้พัฒนาเข้าใจและนำไปใช้ได้จริง

ด้วยความรู้และเครื่องมือที่เหมาะสม Agentic AI จะเป็นกุญแจสำคัญในการพัฒนาเทคโนโลยี AI ที่ทรงพลังและใช้งานได้หลากหลายมากขึ้นในอนาคต

คำศัพท์เทคนิค (Jargon)

• Agentic AI: ระบบ AI ที่มีความสามารถในการตัดสินใจและดำเนินงานได้อย่างอิสระ โดยไม่ตายตัวในลำดับขั้นตอน
• Agentic Workflow: กระบวนการทำงานที่ใช้ AI ในขั้นตอนบางส่วน แต่ยังคงมีความคาดเดาได้และควบคุมได้ง่ายกว่า agent
• AI Agent: ระบบ AI ที่ได้รับมอบหมายเป้าหมายและสามารถวางแผน ตัดสินใจ และดำเนินงานโดยอัตโนมัติ
• Nondeterminism: ความไม่แน่นอนของผลลัพธ์ที่อาจแตกต่างกันในแต่ละครั้งที่ทำงาน
• LLM (Large Language Model): โมเดลภาษาขนาดใหญ่ที่ถูกเทรนเพื่อทำความเข้าใจและสร้างข้อความได้อย่างมีประสิทธิภาพ
• Human-in-the-loop: การมีมนุษย์เข้ามาเป็นส่วนหนึ่งของกระบวนการตัดสินใจหรือควบคุมระบบ AI