𝗧𝗵𝗲 𝗔𝗴𝗲𝗻𝘁 𝗜𝘀 𝘁𝗵𝗲 𝗛𝗮𝗿𝗻𝗲𝘀𝘀, 𝗡𝗼𝘁 𝘁𝗵𝗲 𝗠𝗼𝗱𝗲𝗹
ระบบ AI ทุกระบบประกอบด้วยสองส่วน: โมเดล (model) และ Harness
โมเดลทำหน้าที่ให้เหตุผลพื้นฐาน (raw reasoning) ส่วน Harness คือโค้ดที่ห่อหุ้มโมเดลนั้นไว้
Claude Code, GitHub Copilot และ ChatGPT ไม่ใช่โมเดล แต่เป็น Harness พวกมันจัดเตรียมเครื่องมือ หน่วยความจำ และลูปการทำงาน (loops) ที่เปลี่ยนโมเดลให้กลายเป็นผลิตภัณฑ์ที่มีประโยชน์
ใช้สูตรนี้: Agent = Model × Harness
โมเดลคือวัตถุดิบ ส่วน Harness คืออาหารที่ปรุงเสร็จแล้ว
งานวิศวกรรมส่วนใหญ่เกิดขึ้นในส่วนของ Harness คุณไม่ได้ฝึกฝน (train) โมเดล แต่คุณสร้างสิ่งที่ห่อหุ้มโมเดลไว้ คุณเป็นคนตัดสินใจว่ามันจะใช้เครื่องมืออะไร จัดการกับข้อผิดพลาดอย่างไร และจดจำบริบท (context) ได้อย่างไร
ในปัจจุบัน บริษัทอย่าง OpenAI และ Anthropic สร้างทั้งสองส่วน พวกเขาสร้างทั้งเครื่องยนต์และตัวรถ แต่สิ่งนี้กำลังจะเปลี่ยนไป
อนาคตเป็นของ Harness ที่ไม่ยึดติดกับโมเดลใดโมเดลหนึ่ง (model-agnostic harnesses)
Harness สำหรับการเขียนโค้ดต้องการการเข้าถึง repository และลูปการทดสอบ (test loops) Harness สำหรับงานกฎหมายต้องการความแม่นยำในการอ้างอิง ส่วน Harness สำหรับการเงินต้องการเส้นทางการตรวจสอบ (audit trails) โมเดลยังคงเหมือนเดิม แต่ Harness จะเปลี่ยนไปตามลักษณะงาน
วิศวกรรมด้าน Harness จะเข้ามาแทนที่งานวิศวกรรมซอฟต์แวร์ส่วนใหญ่ในปัจจุบัน
รูปแบบการทำงานจะเปลี่ยนจากการเขียนตรรกะที่แน่นอน (deterministic logic) ไปเป็นการสร้างระบบที่ช่วยจัดการเวิร์กโฟลว์ของมนุษย์โดยอัตโนมัติ
นี่ไม่ได้หมายความว่า AI จะเข้ามาแทนที่โค้ดทั้งหมด
- กระบวนการทางธุรกิจหลัก เช่น การชำระเงินและบัญชีแยกประเภท ต้องยังคงเป็นแบบ deterministic คุณคงไม่ต้องการให้โมเดลมานั่งเดาเรื่องบัญชีของคุณ
- งานที่ขับเคลื่อนโดยมนุษย์ เช่น การคัดกรอง (triage) และการจัดการเวิร์กโฟลว์ จะเปลี่ยนไปอยู่ในมือของเอเจนต์
งานของนักพัฒนาจะเปลี่ยนไป
ผู้เชี่ยวชาญด้าน ML จะมุ่งเน้นไปที่ฝั่งโมเดล ส่วนนักพัฒนาจะมุ่งเน้นไปที่ฝั่ง Harness
Harness คือจุดที่คุณตัดสินใจเรื่องความปลอดภัย ต้นทุน และความน่าเชื่อถือ โมเดลที่ดีขึ้นแต่มี Harness ที่แย่ ก็เป็นเพียงการล้มเหลวที่รวดเร็วขึ้นเท่านั้น
โมเดลจะพัฒนาขึ้นด้วยตัวมันเอง แต่ความสำเร็จของคุณขึ้นอยู่กับว่าคุณสร้าง Harness ได้ดีแค่ไหน
Optional learning community: https://t.me/GyaanSetuAi