ตัวแทน AI คือ 'พรมแดนถัดไป' และจะเปลี่ยนชีวิตการทำงานของเราตลอดไป

ขั้นต่อไปของ generative AI จะมุ่งเน้นไปที่ระบบที่สามารถโต้ตอบได้อย่างอิสระ การเปลี่ยนแปลงดังกล่าวมีความหมายต่อคุณอย่างไร

การสร้างและเปิดตัวระบบที่ใช้ AI อาจดูเหมือนเป็นโครงการขนาดใหญ่และเทอะทะและเต็มไปด้วยความเสี่ยง อย่างไรก็ตาม มีรูปแบบการจัดส่งแบบอื่นเกิดขึ้น: ตัวแทนที่ใช้ AI

Generative AI ได้เพิ่มความสามารถและความสามารถใหม่ๆ ให้กับตัวแทนที่มักจะติดตั้งและจัดการได้ยาก การวิจัยใหม่แสดงให้เห็นว่าบริการที่ตั้งค่าได้ง่ายขึ้นเหล่านี้ดึงดูดความสนใจของนักเทคโนโลยีและผู้นำทางธุรกิจ

ตัวแทนที่ใช้ AI เป็นตัวแทนของ "ขอบเขตถัดไป" ของ AI ตามรายงานจากที่ปรึกษา McKinsey รายงานคาดการณ์ว่าอิทธิพลของระบบเอเจนต์ ซึ่งนิยามว่าเป็น "ระบบดิจิทัลที่สามารถโต้ตอบได้อย่างอิสระในโลกที่มีการเปลี่ยนแปลงตลอดเวลา" จะเพิ่มขึ้น

ในขณะที่ระบบเอเจนต์มีมาระยะหนึ่งแล้ว "ความสามารถทางภาษาธรรมชาติของ gen AI เผยให้เห็นความเป็นไปได้ใหม่ๆ ทำให้ระบบสามารถวางแผนการดำเนินการได้ ใช้เครื่องมือออนไลน์เพื่อทำงานเหล่านั้นให้สำเร็จ ทำงานร่วมกับตัวแทนและบุคคลอื่น และเรียนรู้ที่จะปรับปรุง การแสดงของพวกเขา” ทีมนักเขียนของ McKinsey นำโดย Lareina Yee กล่าว

ขั้นต่อไปของ Generative AI มีแนวโน้มที่จะ "เปลี่ยนแปลงได้มากขึ้น" Yee และเพื่อนร่วมงานของเธอแนะนำ "เรากำลังเริ่มต้นวิวัฒนาการจากเครื่องมือที่ขับเคลื่อนด้วย Gen-AI บนฐานความรู้ เช่น แชทบอทที่ตอบคำถามและสร้างเนื้อหา ไปจนถึงตัวแทนที่เปิดใช้งาน AI เจนที่ใช้โมเดลพื้นฐานเพื่อดำเนินการเวิร์กโฟลว์ที่ซับซ้อนและหลายขั้นตอนในโลกดิจิทัล กล่าวโดยย่อคือ เทคโนโลยีกำลังเคลื่อนจากความคิดไปสู่การปฏิบัติ"

ผู้บริหารด้านเทคโนโลยีส่วนใหญ่ 1,100 คน (82%) ที่ตอบแบบสำรวจล่าสุดจากที่ปรึกษา Capgemini ระบุว่าพวกเขาตั้งใจที่จะบูรณาการตัวแทนที่ใช้ AI ทั่วทั้งองค์กรภายในสามปีข้างหน้า เพิ่มขึ้นจาก 10% เข้ากับตัวแทนที่ใช้งานได้ในปัจจุบัน

รายงานพบว่าเจ็ดในสิบของผู้ตอบแบบสอบถาม (70%) จะไว้วางใจตัวแทน AI ในการวิเคราะห์และสังเคราะห์ข้อมูล และ 50% จะไว้วางใจตัวแทน AI ให้ส่งอีเมลระดับมืออาชีพในนามของพวกเขา ประมาณสามในสี่ของผู้ตอบแบบสอบถาม (75%) กล่าวว่าพวกเขาตั้งใจที่จะปรับใช้ตัวแทน AI เพื่อจัดการกับงานต่างๆ เช่น การสร้างและปรับปรุงโค้ดซ้ำๆ งานที่เป็นไปได้อื่นๆ สำหรับตัวแทน ได้แก่ การสร้างและแก้ไขรายงานฉบับร่าง (70%) และเนื้อหาเว็บไซต์ (68%) และการสร้างอีเมล การเขียนโค้ด และการวิเคราะห์ข้อมูล

เจ้าหน้าที่ที่ขับเคลื่อนด้วย AI สามารถรับบทบาทได้หลากหลาย “ตัวอย่างเช่น ผู้ช่วยเสมือนสามารถวางแผนและจองแผนการเดินทางส่วนบุคคลที่ซับซ้อน โดยจัดการด้านลอจิสติกส์ผ่านแพลตฟอร์มการเดินทางที่หลากหลาย” รายงานของ McKinsey กล่าว "การใช้ภาษาในชีวิตประจำวัน วิศวกรสามารถอธิบายคุณลักษณะซอฟต์แวร์ใหม่ให้โปรแกรมเมอร์เอเจนต์ทราบ ซึ่งจากนั้นจะเขียนโค้ด ทดสอบ วนซ้ำ และปรับใช้เครื่องมือที่ช่วยสร้าง"

ในอีกตัวอย่างหนึ่ง ผู้จำหน่าย Qventus เสนอผู้ช่วยที่ใช้ AI ที่ต้องพบปะกับลูกค้าที่เรียกว่า Patient Concierge ซึ่งจะโทรหาผู้ป่วยและเตือนพวกเขาเกี่ยวกับการนัดหมาย ย้ำแนวทางก่อนและหลังการผ่าตัด และตอบคำถามการดูแลทั่วไป

เอเจนต์ AI มีหกระดับ โดยแต่ละระดับมีฟังก์ชันการทำงานที่เพิ่มขึ้น ตามที่อธิบายไว้ในบทช่วยสอนนี้ เผยแพร่ โดย Amazon Web Services:

• ตัวแทนสะท้อนกลับอย่างง่าย: เหมาะสำหรับงานง่ายๆ เช่น การรีเซ็ตรหัสผ่าน "ทำงานอย่างเคร่งครัดตามกฎที่กำหนดไว้ล่วงหน้าและข้อมูลที่เกิดขึ้นทันที โดยจะไม่ตอบสนองต่อสถานการณ์ที่อยู่นอกเหนือกฎการดำเนินการตามเงื่อนไขเหตุการณ์ที่กำหนด"
• สารสะท้อนกลับตามแบบจำลอง: คล้ายกับสารสะท้อนกลับทั่วไป แต่ "แทนที่จะทำตามกฎเกณฑ์เฉพาะ ให้ประเมินผลลัพธ์และผลที่ตามมาที่เป็นไปได้ก่อนตัดสินใจ สร้างแบบจำลองภายในของโลกที่ตนรับรู้และใช้สิ่งนั้นเพื่อ สนับสนุนการตัดสินใจของตน”
• ตัวแทนตามเป้าหมาย/ตามกฎ: มีความสามารถในการให้เหตุผลที่มีประสิทธิภาพมากกว่าตัวแทนแบบสะท้อน ทำให้เหมาะสำหรับ "งานที่ซับซ้อนมากขึ้น เช่น การประมวลผลภาษาธรรมชาติและการประยุกต์ใช้หุ่นยนต์" ตัวแทนที่อิงตามเป้าหมาย/กฎ "จะเปรียบเทียบแนวทางต่างๆ เพื่อช่วยให้บรรลุผลตามที่ต้องการ และเลือกเส้นทางที่มีประสิทธิภาพสูงสุดเสมอ"
• ตัวแทนที่ใช้ยูทิลิตี้: "เปรียบเทียบสถานการณ์ที่แตกต่างกัน และมูลค่าหรือผลประโยชน์ด้านอรรถประโยชน์ที่เกี่ยวข้อง" -- เช่น ช่วยให้ลูกค้าค้นหาข้อเสนอของสายการบินที่ดีที่สุด "ใช้อัลกอริธึมการให้เหตุผลที่ซับซ้อนเพื่อช่วยให้ผู้ใช้เพิ่มผลลัพธ์ที่ต้องการได้สูงสุด"
• ตัวแทนการเรียนรู้: "เรียนรู้อย่างต่อเนื่องจากประสบการณ์ก่อนหน้านี้เพื่อปรับปรุงผลลัพธ์ การใช้กลไกการป้อนข้อมูลและการตอบสนองทางประสาทสัมผัส เจ้าหน้าที่จะปรับองค์ประกอบการเรียนรู้เมื่อเวลาผ่านไปเพื่อให้เป็นไปตามมาตรฐานเฉพาะ ยิ่งไปกว่านั้น ยังใช้ปัญหา เครื่องกำเนิดไฟฟ้าเพื่อออกแบบงานใหม่เพื่อฝึกฝนตัวเองจากข้อมูลที่รวบรวมและผลลัพธ์ที่ผ่านมา”
• ตัวแทนแบบลำดับชั้น: ทำให้ตัวแทนมีหน้าที่รับผิดชอบตัวแทนอื่นๆ "เจ้าหน้าที่ระดับสูงจะแยกโครงสร้างงานที่ซับซ้อนออกเป็นงานเล็กๆ และมอบหมายงานให้กับเจ้าหน้าที่ระดับล่าง เจ้าหน้าที่แต่ละคนทำงานอย่างเป็นอิสระและส่งรายงานความคืบหน้าไปยังเจ้าหน้าที่กำกับดูแล เจ้าหน้าที่ระดับสูงจะรวบรวมผลลัพธ์และประสานงานกับเจ้าหน้าที่รองเพื่อให้มั่นใจว่า บรรลุเป้าหมายร่วมกัน"

จนถึงขณะนี้ ตัวแทนซอฟต์แวร์ "ใช้งานยาก โดยต้องใช้การเขียนโปรแกรมตามกฎเกณฑ์ที่ต้องใช้ความพยายามสูง หรือการฝึกอบรมโมเดลการเรียนรู้ของเครื่องโดยเฉพาะ" ทีมงาน McKinsey กล่าว อย่างไรก็ตาม การเปลี่ยนแปลงครั้งใหญ่กำลังเกิดขึ้น

“Gen AI เปลี่ยนแปลงสิ่งนั้น เมื่อระบบตัวแทนถูกสร้างขึ้นโดยใช้แบบจำลองพื้นฐาน ซึ่งได้รับการฝึกฝนเกี่ยวกับชุดข้อมูลที่ไม่มีโครงสร้างที่มีขนาดใหญ่มากและหลากหลาย แทนที่จะเป็นกฎที่กำหนดไว้ล่วงหน้า ระบบเหล่านี้มีศักยภาพที่จะปรับให้เข้ากับสถานการณ์ที่แตกต่างกันในลักษณะเดียวกับที่ LLM สามารถตอบสนองอย่างชาญฉลาดต่อการแจ้งเตือนที่ไม่ได้รับการฝึกอบรมอย่างชัดเจน"

การใช้การประมวลผลภาษาธรรมชาติของตัวแทน AI ก็เปลี่ยนสมการเช่นกัน “ในปัจจุบัน หากต้องการทำให้กรณีการใช้งานเป็นแบบอัตโนมัติ ก่อนอื่นจะต้องแบ่งออกเป็นชุดของกฎและขั้นตอนที่สามารถประมวลผลได้” ทีมงาน McKinsey กล่าว

"ขั้นตอนเหล่านี้โดยทั่วไปจะถูกแปลเป็นโค้ดคอมพิวเตอร์และรวมเข้ากับระบบซอฟต์แวร์ -- ซึ่งเป็นกระบวนการที่มักมีค่าใช้จ่ายสูงและลำบากซึ่งต้องใช้ความเชี่ยวชาญทางเทคนิคที่สำคัญ เนื่องจากระบบเอเจนต์ใช้ภาษาธรรมชาติเป็นรูปแบบหนึ่งของการสอน แม้แต่ขั้นตอนการทำงานที่ซับซ้อนก็สามารถเข้ารหัสได้รวดเร็วและง่ายดายยิ่งขึ้น ยิ่งไปกว่านั้น กระบวนการนี้สามารถทำได้โดยพนักงานที่ไม่มีความรู้ด้านเทคนิค แทนที่จะเป็นวิศวกรซอฟต์แวร์"