โมเดลระดับความก้าวหน้าของ Agentic AI

บริษัทส่วนใหญ่กำลังติดกับดักของแชทบอท

พวกเขาใช้ AI เพื่อสรุปไฟล์หรือตอบคำถาม และเรียกสิ่งนี้ว่าความสามารถในการทำงานด้วยตนเอง (autonomy) แต่มันไม่ใช่ นั่นเป็นเพียงแค่เวอร์ชันที่ดีกว่าของระบบเติมคำอัตโนมัติ (autocomplete) เท่านั้น

การเปลี่ยนจากระบบที่ "พูดได้" ไปสู่ระบบที่ "ทำงานได้" จำเป็นต้องมีการเปลี่ยนผ่านทางสถาปัตยกรรม คุณไม่ได้กำลังจัดการกับข้อความอีกต่อไป แต่คุณกำลังจัดการกับ "การกระทำ" (actions) และ "ความเสี่ยง" (risks)

หาก AI ทำผิดพลาดในหน้าต่างแชท มันก็แค่เรื่องน่ารำคาญ แต่หาก AI ทำผิดพลาดในคำสั่งลบฐานข้อมูลคลาวด์ของคุณ มันคือหายนะ

ใช้โมเดลระดับความก้าวหน้า 4 ระดับนี้เพื่อเป็นแนวทางในการเปลี่ยนผ่านของคุณ:

• ระดับ 1: เสมียน (The Clerk) AI ร่างข้อความหรือค้นหาข้อมูล โดยมีมนุษย์เป็นผู้ควบคุมในทุกขั้นตอน ตัวอย่าง: AI ร่างคำตอบสำหรับฝ่ายสนับสนุนลูกค้าเพื่อให้มนุษย์เป็นผู้ส่ง

• ระดับ 2: ผู้เสนอ (The Proposer) AI เสนอการกระทำหรือธุรกรรมที่เฉพาะเจาะจง โดยมนุษย์ต้องเป็นผู้คลิกอนุมัติ ตัวอย่าง: AI เสนอการคืนเงินจำนวน $20 โดยมนุษย์คลิกปุ่มเพื่อดำเนินการส่งเงิน

• ระดับ 3: ตัวแทนที่ได้รับมอบหมาย (The Delegated Agent) AI ทำงานด้วยตัวเองภายใต้ขอบเขตที่เข้มงวด มนุษย์กำหนดกฎเกณฑ์แทนที่จะต้องคอยอนุมัติทุกงาน ตัวอย่าง: AI ดำเนินการคืนเงินทั้งหมดที่ต่ำกว่า $50 สำหรับลูกค้าประจำโดยอัตโนมัติ

• ระดับ 4: ผู้เพิ่มประสิทธิภาพ (The Optimizer) AI ตรวจสอบผลลัพธ์และปรับปรุงแผนงานของตัวเอง ตัวอย่าง: AI คาดการณ์ภาระงานของเซิร์ฟเวอร์และปรับขนาดทรัพยากรเพื่อประหยัดค่าใช้จ่าย

อันตรายคือการพยายามข้ามระดับ การก้าวไปสู่ระดับ 4 โดยไม่มีความปลอดภัยจากระดับ 2 และ 3 จะทำให้เกิดความไม่เสถียรในเชิงระบบ

ระวังความเสี่ยง 3 ประการนี้:

  • ลูปไม่สิ้นสุด (Infinite Loops): เอเจนต์สองตัวกระตุ้นกันและกันเป็นวงจรจนทำให้ระบบล่ม
  • การขยายสิทธิ์เกินความจำเป็น (Permission Creep): การให้สิทธิ์ระดับแอดมินแก่เอเจนต์ ทั้งที่มันต้องการเพียงแค่การอัปเดตข้อมูลเพียงฟิลด์เดียว
  • อคติจากการทำงานอัตโนมัติ (Automation Bias): มนุษย์หยุดให้ความสนใจและกลายเป็นเพียงผู้ที่คอยเซ็นอนุมัติไปตามๆ กัน (passive rubber stamps)

สรุปประเด็นสำคัญสำหรับ Platform Engineers:

  • เปลี่ยนจาก RAG เป็น Agentic RAG: ระบบต้องตัดสินใจได้ว่าจะใช้เครื่องมือใดในการค้นหาข้อมูล
  • แก้ปัญหา State Drift: ตรวจสอบให้แน่ใจว่าเอเจนต์ทั้งหมดเห็นข้อมูลแบบเรียลไทม์ชุดเดียวกัน
  • สร้างเส้นทางการตรวจสอบที่แก้ไขไม่ได้ (Immutable Audit Trails): คุณต้องบันทึกทั้งเป้าหมาย แผนงาน และการเรียกใช้เครื่องมือทุกครั้ง
  • ออกแบบสถาปัตยกรรมเพื่อการทำงานร่วมกัน (Interoperability): สร้างโครงข่าย (mesh) ที่เอเจนต์ต่างชนิดกันสามารถสื่อสารกันได้

เลิกปฏิบัติกับ AI ในฐานะปลั๊กอิน (plugin) แต่เริ่มปฏิบัติกับมันในฐานะระบบที่มีการควบคุมดูแล (governed system)

Source: https://dev.to/omnithium/the-agentic-ai-maturity-model-moving-beyond-the-chatbot-trap-3b21

Optional learning community: https://t.me/GyaanSetuAi