AI Agent มาถึงแล้ววว
.
วันก่อน ทาง IBM แจกหนังสือ AI for Value Creator มา ใครสนใจเบ้นโพสต์ไว้วันก่อนไปโหลดฟรีได้เลยนะครับ พออ่านไปสักพักยัง งงๆอยู่เลยไปหา คลิปดูใน Youtube
.
มาเจอ คลิปของ คุณ Jeff Su อธิบายโครตเข้าใจง่าย (เดี๋ยวใส่ link ให้ข้างล่างๆ 10 นาที ดูจบเห็นภาพเลย)
.
คุณ Jeff Su เป็นใคร : เขาเป็น Product Marketing Manager ที่ Google และเป็น Youtuber สาย AI tools ที่คนติดตามเป็นล้านคน
.
Jeff Su เขาแบ่ง AI Agent ออกมาเป็น 3 Level
—————————-
Level 1 – Reactive LLMs
AI ที่ตอบสนองต่อคำสั่งหรือคำถามโดยตรง เช่น ChatGPT
เบ้นเชื่อว่าคนที่มาอ่านเพจนี้ พอจะเข้าใจนี้คือ Basic ที่สุดที่เราควรใช้เป็น
.
ใครใช้ไม่เป็น มีโอกาสไปคุยกับรากมะม่วง อีก 5 ปี (ฮืออ5555)
ตรงนี้เราจะไม่ลงลึกมากคือง่ายๆคือ ถามมา – ตอบไป – วนไปเรื่อยๆ
ปัญหาของ Level นี้คือ – พออยู่ ๆ เราเรียก LLM มาทำงานเดิม ๆ มันก็เร็วสะดวก แต่ยังไม่ “ฉลาด” พอที่จะทำงานต่อเนื่องเหมือนคนที่จดบันทึกตามบทสนทนาได้
————
Level 2: AI Workflows
ขั้นนี้เราจะเริ่มทำ Flow ให้ AI ได้ละ
กำหนด flow ของงานเป็น step: เช่น อ่านข่าว → สรุปใจความ → โพสต์บนโซเชียล มี logic ชัดเจน ไม่ต้องวิ่งวนถามครั้งละ prompt
.
คุณ Jeff Su ยกตัวอย่าง Flow
1. เอาลิ้งไปแปะ Google Sheet → ดึงลิ้งนั้นมาสรุป → เอาสรุปไป Draft post ตาม Social Media
2. Prompt ให้ เรียก Data ทุกวันตอน 21.00 → Update Dashboard สรุป
.
ขั้นนี้เริ่มเห็นหลายคนเริ่มเอามาใช้กันบ้างแล้ว (เบ้นก็อยู่ในขั้นนี้)
คือขั้นนี้คือเรา จะพยายาม เข้ามาทำงานซ้ำๆ แทนโดย สร้าง Flow ให้ AI ต้องวิ่งและเดินไปทางไหน
.
Workflow level นี้ เบ้นว่าประหยัดเวลาได้เยอะเลย แต่ต้อง Code “Logic ” ให้ชัดเจนเองก่อน ใช้เวลานานอยู่
——
Level 3: Autonomous AI Agents
ขั้นนี้คือ Future ที่ ผู้นำองค์กรหลายๆคนเริ่มใช้คำว่า AI Agent มากกว่า AI เฉยๆแล้ว โดยขั้นนี้คือ
1.จะก้าวขึ้นมาเป็น “ตัวแทนอิสระ” ที่รับ Goal แล้ววางแผนเอง โดยใช้ความสามารถของ LLM ร่วมกับการจัดการ memory, tools access, planning และ self-evaluation Chaindesk
2.มีความสามารถตรวจสอบความถูกต้องของ output ตัวเอง (self-verification) ผ่านการวน loop ปรับปรุงผลลัพธ์ให้แม่นขึ้น
3.ตัวอย่างเช่น ตั้ง AI Agent ให้หาข้อมูลทิศทางตลาดหุ้น แล้วทำ presentation สรุปทิศทางได้ครบถ้วนภายในเวลาที่กำหนด
Financial Times
พูดง่ายๆคือ มันเป็นการสั่งแบบให้ Goal ให้เป้าหมายไปแล้วเขาจะวางแผนและหาผลลัพธ์ให้เราเอง
อันนี้คือโหดมาก ถ้าทำได้ Level นี้แบบแม่นยำจริงๆนะ (ย้ำว่าไม่หลอน)
——————————————–
ถ้าคุณชอบบทความแนวนี้ แล้วไม่อยากพลาด สามารถใส่ Email ของคุณได้ที่ Link นี้เลย (ฟรีไม่มีค่าใช้จ่าย)
สรุป เปรียบเทียบแบบบ้าน ๆ
LLM ธรรมดา (Level 1) = คุณโทรหาเพื่อนแล้วถาม “สรุปตลาดหุ้นให้หน่อย” → เพื่อนตอบมาแค่ข้อความ
Workflow (Level 2) = คุณเขียนสคริปต์ให้เพื่อนทำตามขั้นตอน (“เปิดเว็บ A → คัดเลือก B → สรุป C”) → เพื่อนทำตามแต่คุณต้องเตรียมทุกอย่าง
Autonomous Agent (Level 3) = คุณบอกเพื่อน “ช่วยทำรายงานตลาดหุ้นทั้งหมดให้ฉันภายในบ่ายนี้” → เพื่อนวางแผน ลงมือ หาข้อมูล ปรับแก้เอง แล้วเอาไฟล์มาให้คุณจบเลย
เบ้นว่าเราต้องค่อยๆเรียนรู้ที่ละ Stage 1 ไป 2 ไป 3 จะได้ทำความเข้าใจข้อจำกัดของมัน บางงานก็ไม่ต้องไปถึง Level 3 แต่ที่แน่ๆ ใครมาไม่ถึง Level 1 เหนื่อยแน่เลย
—————————-
Jeff Su ของทิ้งท้ายไว้ว่า
Success with AI isn’t about catching up—it’s about building sustainable systems.”
.
การเก่ง AI ไม่ใช่ฝึก prompt ให้สุดทาง แต่คือ ตั้งระบบ ให้ AI กลายเป็นส่วนหนึ่งของ daily routine
ขอบคุณ คุณ Jeff Su ค้าบ ใส่ลิ้งไว้ใต้โพสเลยย กราฟฟิคเขาดีมากดูเองเห็นภาพเลยค้าบ
Benzarnun 
ใส่ความเห็น