ประเภทของ AI Agent: อธิบาย 5 ประเภทคลาสสิกพร้อมตัวอย่างทางธุรกิจ

AI Agent แบบคลาสสิกมีห้าประเภท ได้แก่ เอเจนต์แบบตอบสนองอย่างง่าย (simple reflex), เอเจนต์แบบตอบสนองที่อิงแบบจำลอง (model-based reflex), เอเจนต์ที่อิงเป้าหมาย (goal-based), เอเจนต์ที่อิงอรรถประโยชน์ (utility-based) และเอเจนต์ที่เรียนรู้ได้ (learning) พูดง่าย ๆ คือ เอเจนต์เหล่านี้ทำตามกฎ ติดตามว่ากำลังเกิดอะไรขึ้น ทำงานเพื่อไปให้ถึงเป้าหมาย เลือกตัวเลือกที่ดีที่สุดจากหลายทาง หรือเก่งขึ้นจากคำติชม หลายรายการยังเพิ่มอีกสองประเภท คือ เอเจนต์แบบลำดับชั้น (hierarchical agents) และ ระบบหลายเอเจนต์ (multi-agent systems) ซึ่งพูดถึงวิธีที่เอเจนต์หลายตัวทำงานร่วมกัน

บทความนี้อธิบายแต่ละประเภทด้วยตัวอย่างในชีวิตประจำวันหนึ่งตัวอย่างและตัวอย่างทางธุรกิจหนึ่งตัวอย่าง และยังชี้ประเด็นเชิงปฏิบัติข้อหนึ่ง คือ เมื่อ AI Agent ทำงานธุรกิจผิดพลาด สาเหตุมักไม่ใช่การวางแผนที่อ่อน แต่เป็นเพราะเอเจนต์ทำงานจากข้อเท็จจริงที่ผิด ดังนั้นเวลาเลือกเอเจนต์ ให้ถามก่อนว่ามันมองเห็นอะไรได้บ้างและได้รับอนุญาตให้เปลี่ยนแปลงอะไร ส่วนมันฉลาดแค่ไหนเป็นเรื่องรอง

AI Agent คืออะไร?

AI Agent คือซอฟต์แวร์ที่ดูสถานการณ์ ตัดสินใจว่าจะทำอะไร แล้วลงมือทำ แชตบอตตอบคำถามของคุณ แต่เอเจนต์ทำขั้นตอนถัดไปได้ด้วย เช่น อ่านกล่องจดหมาย อัปเดตสเปรดชีต หรือร่างคำตอบ

ห้าประเภทนี้มาจากตำรา Artificial Intelligence: A Modern Approach ของ Stuart Russell และ Peter Norvig ซึ่งเป็นหนังสือที่วิชา AI ในมหาวิทยาลัยส่วนใหญ่ใช้ ทั้งสองแบ่งประเภทเอเจนต์ด้วยคำถามเดียว คือ เอเจนต์ตัดสินใจว่าจะทำอะไรต่อไปอย่างไร คู่มือประเภทของ AI Agent ของ IBM ก็ใช้รายการเดียวกันนี้

ไม่มีคำนิยามอย่างเป็นทางการเพียงหนึ่งเดียว และนั่นก็ไม่เป็นปัญหา สำหรับผู้อ่านสายธุรกิจ วิธีทดสอบที่มีประโยชน์นั้นง่ายมาก คือ มันแค่ตอบคำถาม หรือลงมือทำได้ด้วย?

5 ประเภทคลาสสิกของ AI Agent

ให้อ่านทั้งห้าประเภทเรียงจากแบบที่ง่ายที่สุดไปถึงแบบที่ซับซ้อนที่สุด นี่ไม่ใช่การจัดอันดับ การออกแบบที่เรียบง่ายมักเป็นตัวเลือกที่ถูกต้อง และความสามารถในการเรียนรู้สามารถเพิ่มเข้าไปในอีกสี่ประเภทที่เหลือได้ทุกแบบ

ห้าประเภทคลาสสิกอธิบายว่าการตัดสินใจเกิดขึ้นอย่างไร การเรียนรู้เพิ่มเข้าไปในอีกสี่ประเภทได้ ไม่ใช่ขั้นสุดท้ายของบันได ไม่ว่าจะออกแบบแบบไหน ก็ต้องตรวจคุณภาพของบริบทเสมอ

YouTube · IBM Technology

5 Types of AI Agents: Autonomous Functions & Real-World Applications · 28 เมษายน 2025

วิดีโอความยาว 10 นาทีที่อธิบายประเภทของเอเจนต์ตามตำรา พร้อมภาพวาดประกอบแต่ละประเภท ช่วงสรุปที่นาที 8:23 สรุปทั้งหมดด้วยคำกริยาห้าคำ ได้แก่ ตอบสนอง (reacts), จดจำ (remembers), มุ่งเป้า (aims), ประเมิน (evaluates), พัฒนา (improves)

ดูช่วงสรุป (8:23)

1. เอเจนต์แบบตอบสนองอย่างง่าย: ทำตามกฎ

ทำอะไร: "ถ้าเกิดสิ่งนี้ ให้ทำสิ่งนั้น" มันดูแค่สิ่งที่อยู่ตรงหน้าในตอนนี้เท่านั้น

ตัวอย่างในชีวิตประจำวัน: เทอร์โมสตัทเปิดเครื่องทำความร้อนเมื่ออุณหภูมิต่ำกว่า 19°C

ตัวอย่างทางธุรกิจ: กฎในกล่องจดหมายส่งอีเมลทุกฉบับที่มีคำว่า "invoice" (ใบแจ้งหนี้) ไปยังฝ่ายเจ้าหนี้

จุดที่มักผิดพลาด: ทุกอย่างที่กฎไม่ได้คาดไว้ จดหมายข่าวที่บังเอิญพูดถึง "invoice" ก็จะไปโผล่ที่ทีมการเงินด้วย กฎแยกความแตกต่างไม่ได้ และจะทำผิดแบบเดิมทุกครั้ง

ใช้เมื่อ: สถานการณ์คาดเดาได้และความผิดพลาดมีต้นทุนต่ำ

2. เอเจนต์แบบตอบสนองที่อิงแบบจำลอง: ติดตามว่ากำลังเกิดอะไรขึ้น

ทำอะไร: ยังคงทำตามกฎ แต่จำสิ่งที่เคยเห็นได้ ทำให้มันมีภาพของสถานการณ์ ซึ่งในตำราเรียกว่า "แบบจำลอง" (model)

ตัวอย่างในชีวิตประจำวัน: หุ่นยนต์ดูดฝุ่นจำได้ว่าทำความสะอาดห้องไหนไปแล้วบ้าง

ตัวอย่างทางธุรกิจ: ผู้ช่วยฝ่ายซัพพอร์ตเห็นว่าลูกค้าเคยแจ้งบั๊กเดียวกันนี้ไว้เมื่อสัปดาห์ก่อน จึงเพิ่มข้อความใหม่เข้าไปในทิกเก็ตที่ยังเปิดอยู่ แทนที่จะเปิดทิกเก็ตซ้ำ

จุดที่มักผิดพลาด: เมื่อภาพที่มันมีล้าสมัย ข้อมูลใน CRM ที่เก่า การตัดสินใจที่มีอยู่แค่ในเธรด Slack หรือสเปรดชีตของเดือนที่แล้ว จะทำให้มันลงมือทำอย่างมั่นใจบนข้อเท็จจริงที่ผิด

ใช้เมื่อ: การกระทำที่ถูกต้องขึ้นอยู่กับประวัติที่ผ่านมา ไม่ใช่แค่ข้อความล่าสุด

นี่คือประเภทที่สำคัญที่สุดสำหรับทีมธุรกิจ และโพสต์หนึ่งที่ถูกแชร์ต่อกันอย่างกว้างขวางบน X ช่วงต้นเดือนพฤศจิกายน 2026 แสดงให้เห็นว่าทำไม Gul Saeed Khattak หัวหน้าวิศวกรข้อมูลแห่งมหาวิทยาลัยกลาสโกว์ เล่าถึงเอเจนต์ที่ถูกถามถึงรายได้ของไตรมาสที่แล้ว:

X · Gul Saeed Khattak (@Ldataengineer) · 3 พฤศจิกายน 2026

"It answers in 3 seconds. Clean number. Nice chart. But it used the wrong 'revenue' column. Nobody notices."

(คำแปล) "มันตอบภายใน 3 วินาที ตัวเลขดูเรียบร้อย กราฟสวย แต่มันใช้คอลัมน์ 'รายได้' ผิดอัน และไม่มีใครสังเกตเห็น"

อ่านโพสต์ต้นฉบับ

เอเจนต์ในเรื่องนี้ไม่ได้ใช้เหตุผลได้แย่ มันใช้เหตุผลได้ดี เพียงแต่เริ่มจากคอลัมน์ที่ผิด เราเห็นด้วยกับการวินิจฉัยนี้ โปรดทราบว่าเนื้อหาส่วนถัดไปของโพสต์โปรโมตเครื่องมือข้อมูลตัวหนึ่ง ซึ่งเรายังไม่ได้ทดสอบ บทเรียนทางธุรกิจนั้นง่ายกว่าเครื่องมือใด ๆ คือ ก่อนจะเชื่อคำตอบของเอเจนต์ ให้ตรวจดูว่ามันใช้แหล่งข้อมูลไหน

3. เอเจนต์ที่อิงเป้าหมาย: ทำงานเพื่อไปให้ถึงเป้า

ทำอะไร: คุณให้เป้าหมาย แล้วมันวางแผนขั้นตอนเอง แทนที่จะถามว่า "กฎข้อไหนใช้ได้?" มันจะถามว่า "อะไรพาเราเข้าใกล้เป้ามากขึ้น?"

ตัวอย่างในชีวิตประจำวัน: แอปนำทางวางเส้นทาง และคำนวณเส้นทางใหม่เมื่อคุณเลี้ยวผิด

ตัวอย่างทางธุรกิจ: "เตรียมสไลด์สำหรับประชุมบอร์ดให้เสร็จภายในวันพฤหัสบดี" เอเจนต์ดึงตัวเลขล่าสุด คัดลอกเลย์เอาต์สไลด์ของไตรมาสที่แล้ว และลิสต์คำถามที่ยังค้างอยู่

จุดที่มักผิดพลาด: มันตรวจแค่ว่าบรรลุเป้าหมายหรือยัง ถ้ามีสองแผนที่ใช้ได้ทั้งคู่ มันก็ไม่มีเหตุผลที่จะเลือกแผนที่ถูกกว่าหรือปลอดภัยกว่า

ใช้เมื่อ: คุณรู้ผลลัพธ์ที่ต้องการ แต่ขั้นตอนเปลี่ยนไปทุกครั้ง

4. เอเจนต์ที่อิงอรรถประโยชน์: เลือกตัวเลือกที่ดีที่สุด

ทำอะไร: มันเปรียบเทียบตัวเลือกดี ๆ หลายตัว และให้คะแนนตามสิ่งที่คุณให้ความสำคัญ

ตัวอย่างในชีวิตประจำวัน: เว็บค้นหาเที่ยวบินที่ชั่งน้ำหนักระหว่างราคา เวลาเดินทาง และจำนวนครั้งที่ต้องต่อเครื่อง

ตัวอย่างทางธุรกิจ: ผู้ช่วยด้านโฆษณาเสนอให้ย้ายงบระหว่างแคมเปญ โดยชั่งน้ำหนักต้นทุนต่อยอดขาย งบที่เหลือ และปริมาณข้อมูลที่แต่ละแคมเปญมี

จุดที่มักผิดพลาด: คะแนนจะดีได้แค่ไหนขึ้นอยู่กับลำดับความสำคัญของคุณ ถ้ายังไม่มีใครตัดสินว่าความเร็วสำคัญกว่าต้นทุนหรือไม่ เอเจนต์ก็ตัดสินแทนไม่ได้เช่นกัน

ใช้เมื่อ: มีข้อแลกเปลี่ยนจริง ๆ และมีคำตอบที่ยอมรับได้มากกว่าหนึ่งคำตอบ

5. เอเจนต์ที่เรียนรู้ได้: เก่งขึ้นจากคำติชม

ทำอะไร: มันดูว่าการกระทำในอดีตให้ผลอย่างไร แล้วปรับตัว ความสามารถนี้วางซ้อนบนประเภทใดก็ได้ในสี่ประเภทข้างต้น

ตัวอย่างในชีวิตประจำวัน: เพลงที่แอปฟังเพลงแนะนำเปลี่ยนไปตามที่คุณกดข้ามหรือเปิดฟังซ้ำ

ตัวอย่างทางธุรกิจ: ผู้ช่วยให้คะแนนลีดจัดอันดับลีดได้แม่นขึ้น หลังจากทีมขายทำเครื่องหมายว่าลีดไหนกลายเป็นดีลจริง

จุดที่มักผิดพลาด: มันเรียนรู้ทุกอย่างที่คำติชมสอน คำติชมที่ขาด ๆ หาย ๆ หรือไม่สม่ำเสมอจะทำให้มันผิดอย่างมั่นใจ การเรียนรู้ยังต้องใช้ข้อมูลมากที่สุดและเวลามากที่สุดด้วย

ใช้เมื่อ: งานเกิดซ้ำบ่อย และมีคนคอยตรวจว่าเอเจนต์กำลังเรียนรู้อะไร

ประเภทที่ 6 และ 7: เอเจนต์แบบลำดับชั้นและระบบหลายเอเจนต์

สองประเภทนี้อธิบายวิธีจัดระเบียบเอเจนต์หลายตัว ไม่ใช่วิธีที่เอเจนต์ตัวเดียวตัดสินใจ

• เอเจนต์แบบลำดับชั้น: เอเจนต์ "ผู้จัดการ" แบ่งงานใหญ่ออกเป็นส่วน ๆ แล้วส่งแต่ละส่วนให้เอเจนต์ตัวอื่น
• ระบบหลายเอเจนต์: เอเจนต์หลายตัวทำงานกับปัญหาเดียวกันพร้อมกัน โดยแชร์หรือแบ่งงานกัน

ตัวอย่างทางธุรกิจ: สำหรับการเปิดตัวสินค้า เอเจนต์ตัวหนึ่งศึกษาคู่แข่ง อีกตัวร่างอีเมลเปิดตัว และอีกตัวตรวจหน้าแลนดิ้งเพจ

เอเจนต์มากขึ้นแปลว่าผลลัพธ์ดีขึ้นหรือเปล่า? ขึ้นอยู่กับงาน ในเดือนมิถุนายน 2025 Anthropic รายงานว่าทีมเอเจนต์ทำผลงานได้ดีกว่าเอเจนต์ตัวเดียวในการทดสอบด้านการค้นคว้าของบริษัทเอง แต่ใช้โทเคน (หน่วยที่ใช้คิดค่าบริการ AI) ประมาณ 15 เท่าของการแชตปกติ Anthropic ยังบอกด้วยว่างานที่เอเจนต์ทุกตัวต้องใช้บริบทเดียวกันนั้นไม่เหมาะกับวิธีนี้ (Anthropic) งานวิจัยชิ้นหนึ่งจากเดือนตุลาคม 2026 ซึ่งยังไม่ผ่านการพิจารณาโดยผู้ทรงคุณวุฒิ พบว่าเอเจนต์ที่ส่งต่องานให้กันไม่ได้ตรวจสอบข้อเท็จจริงของกันและกันซ้ำ เว้นแต่กระบวนการจะบังคับให้ทำ (arXiv)

ดังนั้นข้อสรุปจึงไม่ใช่ "ยิ่งมีเอเจนต์มากยิ่งดี" แต่เป็นกฎเดียวกับที่คุณใช้กับคน คือ การส่งต่องานทุกครั้งต้องมีอินพุตที่ชัดเจน ผลลัพธ์ที่ชัดเจน และมีคนตรวจผลงาน

AI Agent ในปัจจุบันอยู่ตรงไหน

ห้าประเภทนี้ถูกเขียนขึ้นก่อนที่จะมีเครื่องมืออย่าง ChatGPT และ Claude AI Agent สมัยใหม่ผสมหลายประเภทเข้าด้วยกัน มันทำตามคำสั่งของคุณ (กฎ) อ่านเอกสารและข้อความเก่า ๆ ของคุณ (ติดตามสถานการณ์) วางแผนขั้นตอนไปสู่สิ่งที่คุณขอ (เป้าหมาย) ชั่งน้ำหนักตัวเลือกเมื่อคุณให้มันเลือก (ตัวเลือกที่ดีที่สุด) และพัฒนาขึ้นได้เมื่อคุณบันทึกสิ่งที่แก้ไขไว้ (คำติชม)

ดังนั้นถ้าผู้ขายบอกว่าผลิตภัณฑ์ของตนเป็น "เอเจนต์ที่อิงเป้าหมาย" นั่นแทบไม่ได้บอกอะไรคุณเลย ให้ถามคำถามง่าย ๆ สามข้อนี้แทน:

1. มันอ่านอะไรได้บ้าง?
2. มันเปลี่ยนแปลงอะไรได้บ้าง?
3. เมื่อไรที่มันจะหยุดและถามคน?

ความเข้าใจผิดที่พบบ่อยเกี่ยวกับประเภทของเอเจนต์

"ประเภทหลัง ๆ ดีกว่าเสมอ" ไม่ใช่ กฎง่าย ๆ ถูกกว่า เร็วกว่า และตรวจสอบได้ง่ายกว่า ให้ใช้ประเภทที่ง่ายที่สุดที่ยังทำงานได้

"เอเจนต์ที่เรียนรู้ได้จะเรียนรู้จากทุกอย่างโดยอัตโนมัติ" ในเครื่องมือธุรกิจส่วนใหญ่ มันจะพัฒนาก็ต่อเมื่อมีคนบันทึกสิ่งที่แก้ไขไว้ เช่น ในรูปของคำสั่งที่อัปเดตแล้ว ถ้าไม่มีใครบันทึก การทำงานรอบถัดไปก็จะเริ่มจากศูนย์

"ยิ่งเอเจนต์เยอะยิ่งเก่ง" เอเจนต์เยอะขึ้นหมายถึงการส่งต่องานมากขึ้น ความผิดพลาดเล็ก ๆ ก็สะสมเพิ่มขึ้นด้วย ถ้าแต่ละขั้นตอนถูกต้อง 95% ของเวลา กระบวนการสิบขั้นตอนจะถูกต้องเพียงราว 60% ของเวลาเท่านั้น

"ประเภทของเอเจนต์บอกได้ว่ามันทำอะไรได้บ้างในธุรกิจของฉัน" ประเภทบอกคุณว่ามันตัดสินใจอย่างไร ส่วนมันทำอะไรได้บ้างขึ้นอยู่กับว่ามันเข้าถึงอะไรได้และได้รับอนุญาตให้เปลี่ยนแปลงอะไร

วิธีที่ง่ายกว่าสำหรับทีมธุรกิจ: แบ่งเอเจนต์ตามงานที่ทำ

ประเภทตามตำราอธิบายว่าเอเจนต์คิดอย่างไร แต่หัวหน้าฝ่ายขายหรือผู้จัดการฝ่ายปฏิบัติการมักสนใจงานที่มันจะทำมากกว่า หลายทีมจึงพบว่าการจัดกลุ่มเอเจนต์ตาม บทบาท เข้าใจง่ายกว่า นี่เป็นวิธีคิดเชิงปฏิบัติ ไม่ใช่รายการอย่างเป็นทางการ

บทบาท	ทำอะไร	สิ่งที่คุณได้รับ	สิ่งที่คนยังต้องตัดสินใจ
ผู้เฝ้าติดตาม	เฝ้าดูแหล่งข้อมูลและแจ้งสิ่งที่สำคัญ	การแจ้งเตือนหรือสรุปรายวัน	การแจ้งเตือนไหนต้องลงมือทำ
นักค้นคว้า	รวบรวมและเปรียบเทียบข้อมูล	บทสรุปหรือรายชื่อที่คัดมาแล้ว	แหล่งข้อมูลน่าเชื่อถือหรือไม่ และควรทำอะไรต่อ
ผู้ผลิตงาน	เปลี่ยนข้อมูลที่ได้รับให้เป็นฉบับร่าง	อีเมล รายงาน สไลด์ หรือหน้าเว็บ	แก้ไข แล้วส่งหรือเผยแพร่
ผู้ปฏิบัติการ	ทำการเปลี่ยนแปลงภายในเครื่องมือของคุณ	ข้อมูลที่อัปเดตแล้ว โพสต์ที่ตั้งเวลาไว้	ให้สิทธิ์เข้าถึงและอนุมัติการเปลี่ยนแปลง
ผู้ประสานงาน	ดำเนินงานหลายขั้นตอนข้ามเครื่องมือต่าง ๆ	ชุดงานที่เสร็จสมบูรณ์ ส่งกลับมาให้ตรวจ	รับผิดชอบผลลัพธ์

ผู้คนเริ่มส่งมอบงานทั้งก้อนให้เอเจนต์แล้ว Greg Isenberg ซีอีโอของ Late Checkout สตูดิโอที่สร้างบริษัท เล่าถึงสัปดาห์ของเขาบน X:

X · Greg Isenberg (@gregisenberg) · 3 พฤศจิกายน 2026

"my team is 50+ people in 12 countries, but i talk to my agents more than my human teammates"

(คำแปล) "ทีมผมมีมากกว่า 50 คนใน 12 ประเทศ แต่ผมคุยกับเอเจนต์ของผมมากกว่าเพื่อนร่วมทีมที่เป็นคนเสียอีก"

อ่านโพสต์ต้นฉบับ

ในโพสต์เดียวกัน เขาระบุขั้นตอนหนึ่งที่ให้เอเจนต์ซักถามไอเดียของเขาก่อนจะเริ่มสร้างอะไรก็ตาม นี่เป็นนิสัยที่ดีสำหรับทุกบทบาทในตาราง คือ ให้เอเจนต์ถามเรื่องเป้าหมายก่อนเริ่มงาน มุมมองของเราไม่ได้หวือหวาเท่าที่เขาเล่า การคุยกับเอเจนต์บ่อย ๆ ไม่ใช่เรื่องผิด ตราบใดที่คนยังเป็นผู้ตัดสินใจว่าอะไรจะถูกส่ง ถูกเปลี่ยน หรือถูกอนุมัติ

ตัวอย่าง: การติดตามผลหลังการขายหนึ่งครั้ง ทีละขั้นตอน

นี่คือวิธีที่ประเภทต่าง ๆ ปรากฏในงานธรรมดาชิ้นหนึ่ง เป็นตัวอย่างว่าขั้นตอนต่าง ๆ ประกอบเข้าด้วยกันอย่างไรใน Okou ไม่ใช่เรื่องราวของลูกค้า

คำขอ หลังการโทรคุยเรื่องต่อสัญญา ผู้ดูแลลูกค้าเขียนว่า "ช่วยดูประวัติของลูกค้ารายนี้ เตรียมบทสรุปให้ทีมของฉัน และร่างอีเมลติดตามผล"

1. ตรวจข้อเท็จจริงก่อน (ติดตามสถานการณ์) เอเจนต์อ่านเธรดอีเมล บันทึกการโทร ข้อมูลใน CRM และข่าวล่าสุดเกี่ยวกับลูกค้า CRM ระบุว่า "ต่อสัญญา เงื่อนไขมาตรฐาน" แต่อีเมลจากสัปดาห์ที่แล้วบอกว่าหัวหน้าฝ่ายการเงินของลูกค้าต้องการเรียกเก็บเงินรายไตรมาส เอเจนต์ใช้อีเมลที่ใหม่กว่า และแจ้งความไม่ตรงกันนี้เป็นคำถามที่ยังค้างอยู่

2. วางแผนงาน (เป้าหมาย) มันรวบรวมสิ่งที่ทั้งบทสรุปและอีเมลต้องใช้ ได้แก่ สิ่งที่สัญญาไว้ระหว่างการโทร สิ่งที่ยังค้างอยู่ และขั้นตอนถัดไปที่ลูกค้าตกลงไว้

3. ทำตามสิ่งที่ทีมต้องการ (ตัวเลือกที่ดีที่สุด) ผู้ดูแลลูกค้าเคยบอกไว้แล้วว่า "อีเมลถึงลูกค้าต้องไม่เกิน 150 คำ และขึ้นต้นด้วยขั้นตอนถัดไป" ข้อนี้ช่วยตัดสินข้อแลกเปลี่ยนระหว่างความสั้นกับความละเอียด

4. ร่าง แต่ไม่ส่ง ทีมอนุญาตให้ Okou เขียนฉบับร่างใน Gmail ได้ แต่ไม่ให้ส่ง (Okou คืออะไร?) ถ้าเอเจนต์ต้องการสิทธิ์เข้าถึงที่ยังไม่มี คนจะเป็นผู้อนุมัติและเลือกว่าจะให้สิทธิ์นานแค่ไหน

5. ใช้รูปแบบที่เหมาะกับผู้อ่านแต่ละกลุ่ม ทีมภายในได้รับบทสรุปเป็นเอกสารที่แสดงความคิดเห็นได้ ส่วนลูกค้าได้รับอีเมลสั้น ๆ ที่ทำให้ขั้นตอนถัดไปชัดเจน

6. คนเป็นผู้ตรวจทาน ผู้ดูแลลูกค้าแก้ประโยคหนึ่งเรื่องการเรียกเก็บเงิน ตรวจผู้รับ แล้วกด Send

อีเมลที่ร่างใน Okou (ข้อมูลตัวอย่างจากงานอื่น) สังเกตป้าย Draft และปุ่ม Send ไม่มีอะไรถูกส่งออกไปจนกว่าคนจะกด Send คลิกที่รูปเพื่อดูขนาดเต็ม

7. บันทึกไว้ให้ทีมใช้ซ้ำ (คำติชม) การแก้ไขจะช่วยในครั้งหน้าได้ก็ต่อเมื่อถูกบันทึกไว้ ผู้ดูแลลูกค้าจึงขอให้ Okou บันทึกกระบวนการนี้เป็น เวิร์กโฟลว์ ได้แก่ ต้องตรวจแหล่งข้อมูลไหนบ้าง บทสรุปมีหน้าตาอย่างไร และกฎที่ว่าอีเมลต้องเป็นฉบับร่างเท่านั้น จากนั้นเพื่อนร่วมทีมก็นำไปใช้กับลูกค้ารายอื่นได้ โดยใช้บัญชีอีเมลและ CRM ของตัวเอง ไม่ใช่ของผู้สร้าง (Okou สำหรับทีม) ถ้าทีมต้องการให้มันทำงานก่อนการโทรต่อสัญญาทุกครั้ง ก็เพิ่ม ระบบอัตโนมัติ ที่ทำงานตามกำหนดเวลาหรือตามเหตุการณ์ทริกเกอร์ได้

บทความส่วนใหญ่เกี่ยวกับประเภทของเอเจนต์เน้นที่ขั้นตอนที่ 2 คือการวางแผน แต่ในตัวอย่างนี้ สิ่งที่ทำให้ผลลัพธ์มีประโยชน์คือขั้นตอนที่ 1 (อีเมลที่ใหม่กว่า) ขั้นตอนที่ 4 (ร่าง ไม่ส่ง) ขั้นตอนที่ 5 (รูปแบบที่เหมาะสม) และขั้นตอนที่ 7 (บันทึกการแก้ไข)

วิธีเลือกประเภทของ AI Agent ให้เหมาะสม

ตอบคำถามต่อไปนี้เกี่ยวกับงานนั้น:

1. คุณเขียนกฎได้ในประโยคเดียวไหม? ถ้าได้ กฎง่าย ๆ อาจเพียงพอแล้ว
2. คำตอบที่ถูกต้องขึ้นอยู่กับประวัติที่ผ่านมาไหม? ถ้าใช่ เอเจนต์ต้องเข้าถึงแหล่งข้อมูลที่ถูกต้อง และคุณควรตรวจดูว่ามันทำอย่างไรเมื่อแหล่งข้อมูลสองแห่งขัดแย้งกัน
3. คุณรู้ผลลัพธ์แต่ไม่รู้ขั้นตอนใช่ไหม? นั่นคืองานแบบอิงเป้าหมาย เช่น บทสรุปงานค้นคว้า รายงาน ฉบับร่างแรก
4. มีข้อแลกเปลี่ยนไหม? ตัดสินลำดับความสำคัญของคุณก่อน แล้วให้เอเจนต์นำไปใช้
5. งานนี้จะเกิดซ้ำไหม? วางแผนว่าจะบันทึกการแก้ไขอย่างไร เพื่อให้รอบถัดไปดีขึ้น
6. มันควรเปลี่ยนแปลงได้มากที่สุดแค่ไหนโดยไม่ต้องถาม? เริ่มจากสิทธิ์อ่านอย่างเดียวและการทำฉบับร่าง แล้วค่อย ๆ เพิ่มสิทธิ์ทีละขั้น พร้อมกำหนดระยะเวลาเมื่อทำได้

เมื่อ Okou ต้องการสิทธิ์ที่ยังไม่มี คนจะเห็นอย่างชัดเจนว่ากำลังขออะไร และเลือกได้ว่าจะอนุญาตนานแค่ไหน

Okou เข้ามาช่วยอย่างไร

Okou คือเพื่อนร่วมทีม AI สำหรับทีมธุรกิจ คุณไม่ต้องเลือกประเภทของเอเจนต์ แค่อธิบายงาน ชี้ไปที่ไฟล์และเครื่องมือที่เกี่ยวข้อง แล้ว Okou จะรวบรวมบริบท ทำงานบนคลาวด์ และส่งงานที่คุณตรวจสอบได้กลับมาให้

สามเรื่องจากบทความนี้กำหนดวิธีทำงานของ Okou:

• ข้อเท็จจริงที่ถูกต้องมาก่อน Okou อ่านอีเมล เอกสาร และข้อมูลที่งานนั้นต้องใช้ และตรวจข้อเท็จจริงที่เปลี่ยนแปลงได้กับแหล่งที่มา การแก้ไขที่คุณทำในแชตหนึ่งจะถูกใช้ต่อในแชตนั้น หากต้องการใช้ข้อมูลพื้นหลังจากแชตอื่น ให้ชี้ Okou ไปที่แชตนั้น (Chat)
• รูปแบบที่เหมาะสม ข้อความสั้น ๆ สำหรับการอัปเดต เอกสารสำหรับรายละเอียดที่ต้องตรวจทาน หน้าเว็บหรือสไลด์เมื่อทั้งกลุ่มต้องไล่ดูข้อเสนอแนะไปด้วยกัน
• ใช้ซ้ำได้อย่างมีขอบเขต เวิร์กโฟลว์ที่บันทึกไว้ช่วยให้เพื่อนร่วมทีมใช้วิธีการเดิมซ้ำได้ด้วยบัญชีและสิทธิ์ของตัวเอง การแชร์เวิร์กโฟลว์ไม่ได้แชร์กล่องจดหมายหรือแชตส่วนตัวของใคร

ดูตัวอย่างเพิ่มเติมได้ที่ 20 กรณีการใช้งาน AI Agent พร้อมพรอมต์และผลลัพธ์จริง, การจัดการบริบทของ AI Agent สำหรับทีม และ Okou ถามก่อนลงมือทำอย่างไร

คำถามที่พบบ่อย

AI Agent 5 ประเภทมีอะไรบ้าง?

เอเจนต์แบบตอบสนองอย่างง่ายทำตามกฎที่ตายตัว เอเจนต์แบบตอบสนองที่อิงแบบจำลองติดตามสถานการณ์ได้ด้วย เอเจนต์ที่อิงเป้าหมายวางแผนขั้นตอนไปสู่เป้า เอเจนต์ที่อิงอรรถประโยชน์เลือกตัวเลือกที่ดีที่สุดจากหลายทาง เอเจนต์ที่เรียนรู้ได้พัฒนาจากคำติชม รายการนี้มาจากตำรา AI ของ Russell และ Norvig และเป็นรายการที่วิชาเรียนส่วนใหญ่ใช้

เอเจนต์แบบตอบสนองอย่างง่ายใน AI คืออะไร?

มันลงมือทำจากสิ่งที่เห็นในตอนนี้เท่านั้น โดยใช้กฎแบบ "ถ้าเป็นอย่างนี้ ให้ทำอย่างนั้น" มันไม่มีความจำและไม่วางแผน เทอร์โมสตัทคือตัวอย่างหนึ่ง ในธุรกิจ ตัวกรองกล่องจดหมายและกฎการส่งต่องานขั้นพื้นฐานทำงานแบบนี้ เชื่อถือได้เมื่อสถานการณ์คาดเดาได้ แต่ถูกหลอกได้ง่ายเมื่อคาดเดาไม่ได้

เอเจนต์ที่อิงเป้าหมายกับเอเจนต์ที่อิงอรรถประโยชน์ต่างกันอย่างไร?

เอเจนต์ที่อิงเป้าหมายพอใจกับแผนใดก็ได้ที่ไปถึงเป้าหมาย เอเจนต์ที่อิงอรรถประโยชน์เปรียบเทียบตัวเลือกต่าง ๆ แล้วเลือกตัวที่ดีที่สุด เอเจนต์ที่อิงเป้าหมายจะจองเที่ยวบิน เที่ยวไหนก็ได้ ไปชิคาโก ส่วนเอเจนต์ที่อิงอรรถประโยชน์จะจองเที่ยวที่สมดุลที่สุดระหว่างราคา เวลา และจำนวนครั้งที่ต่อเครื่อง ตามสิ่งที่คุณบอกว่าสำคัญ

ระบบหลายเอเจนต์เป็นประเภทหนึ่งของ AI Agent หรือไม่?

อธิบายว่าเป็นวิธีจัดระเบียบเอเจนต์จะเหมาะกว่า เอเจนต์หลายตัวแบ่งงานหรือทำงานเดียวกันร่วมกัน และแต่ละตัวยังคงเป็นประเภทใดก็ได้ในห้าประเภทคลาสสิก เอเจนต์มากขึ้นยังหมายถึงการส่งต่องานมากขึ้น และการส่งต่องานคือจุดที่การตรวจสอบมักถูกข้ามบ่อยที่สุด

มีรายการประเภทของ AI Agent สำหรับธุรกิจที่เป็นทางการหรือไม่?

ไม่มี ห้าประเภทคลาสสิกถูกสอนกันอย่างแพร่หลาย แต่การจัดกลุ่มในโลกธุรกิจแตกต่างกันไป บางแห่งแบ่งเอเจนต์ตามแผนก บางแห่งแบ่งตามระดับความเป็นอิสระ และบางแห่งแบ่งตามบทบาท เช่น บทบาทผู้เฝ้าติดตาม นักค้นคว้า ผู้ผลิตงาน ผู้ปฏิบัติการ และผู้ประสานงานในบทความนี้ ให้ใช้การจัดกลุ่มแบบไหนก็ได้เป็นเครื่องมือช่วยวางแผน ไม่ใช่เป็นมาตรฐาน

ธุรกิจขนาดเล็กควรเริ่มต้นกับ AI Agent ประเภทไหน?

เริ่มจากงานที่เกิดซ้ำ มีผลลัพธ์ชัดเจน และตรวจได้อย่างปลอดภัยก่อนที่อะไรจะถูกส่งออกไป เช่น รายงานประจำสัปดาห์ บทสรุปงานค้นคว้า หรือฉบับร่างอีเมลติดตามผล ให้เอเจนต์มีสิทธิ์อ่านสิ่งที่จำเป็น ให้คนเป็นผู้ส่งและเปลี่ยนแปลงข้อมูล และเพิ่มสิทธิ์เข้าถึงก็ต่อเมื่อเอเจนต์พิสูจน์แล้วว่าเชื่อถือได้