- Generative AI สร้างข้อความ ภาพ หรือตารางตามคำสั่ง แล้วจบ คนนำผลไปใช้ต่อเอง
- AI Agent รับงานหนึ่งเรื่อง ค้นข้อมูล เปิดระบบ ทำจนจบ ภายใต้สิทธิ์ที่คุณให้
- Agentic AI คือระบบที่วางแผน แตกงาน ประสานหลายขั้นหลายระบบ โดยคนตั้งขอบเขตและจุดอนุมัติ
- ทำขั้นแรกให้แม่นก่อน แล้วขยับทีละขั้น เพราะทุกขั้นต้องการสิทธิ์และคนรับผิดชอบมากขึ้น
สามคำนี้ต่างกันที่ใครเป็นคนทำขั้นต่อไป
ลองนึกถึงพนักงานใหม่สามแบบ คนแรกร่างจดหมายเก่ง แต่ร่างเสร็จก็วางบนโต๊ะคุณ คนที่สองรับเรื่องไปหนึ่งเรื่อง เช่น เช็กว่าของจะถึงเมื่อไหร่ แล้วตอบลูกค้าจนจบ คนที่สามเป็นหัวหน้าทีม รับเป้าหมายใหญ่ แตกเป็นงานย่อย จ่ายให้ทีม ตามผล และยกเฉพาะเรื่องที่เกินอำนาจมาถามคุณ สามคนนี้คือ Generative AI, AI Agent และ Agentic AI ตามลำดับ นิยามต่างกันไปแต่ละค่าย บทนี้ใช้นิยามของทีมพัฒนา
Generative AI คือ AI ที่สร้างสิ่งใหม่จากคำสั่ง ข้อความ ภาพ ตาราง หรือโค้ด เครื่องยนต์ข้างในคือ LLM
AI Agent คือซอฟต์แวร์ที่รับเป้าหมายหนึ่งเรื่อง แล้วเลือกเองว่าจะค้นข้อมูลจากไหน เรียกระบบใด ทำกี่ขั้น จนงานจบ ภายใต้เครื่องมือและสิทธิ์ที่คุณให้ กลไกที่ให้ Agent เปิดระบบได้เรียกว่า Tool Calling
Agentic AI คือแนวทางออกแบบทั้งระบบ ให้ AI วางแผน แตกงาน ประสาน Agent หลายตัวหรือหลายระบบ และตัดสินใจขั้นต่อไปเองในขอบเขตที่คนตั้ง ชั้นที่ประสานทั้งหมดเรียกว่า Orchestration Agentic บอกลักษณะของระบบ ส่วน Agent คือชิ้นส่วนในระบบนั้น
Generative AI สร้างคำตอบแล้วจบ
งานที่เหมาะคืองานที่คนต้องตรวจก่อนใช้อยู่แล้ว เช่น ร่างข้อความตอบลูกค้าใน LINE OA ให้พนักงานกดส่ง ผลยังเป็นร่างที่รอคน
สิ่งที่ต้องให้ระบบคือคำสั่งที่ชัด และเอกสารของบริษัทที่ถูกต้อง วิธีที่ใช้กันมากคือ RAG ให้ระบบค้นเอกสารของคุณก่อนตอบ จุดที่พังบ่อยคือโมเดลตอบอย่างมั่นใจทั้งที่ไม่มีข้อมูล เช่น บอกวันส่งของโดยไม่เคยเห็นตารางรถ และไม่รู้สต็อกหรือยอดค้างของวันนี้
AI Agent รับงานหนึ่งเรื่องแล้วทำจนจบ
งานของ Agent วนเป็นรอบ รับเป้าหมาย เลือกเครื่องมือ ลงมือ ดูผล แล้วตัดสินว่าจะทำต่อหรือหยุดถามคน
ตัวอย่างที่บริษัทไทยมักทำก่อน คืองานที่คำถามซ้ำแต่คำตอบต้องเปิดระบบดู Agent ตอบสถานะคำสั่งซื้อใน LINE OA โดยหาเลขออเดอร์ใน ERP แล้วแจ้งวันส่งพร้อมเลขพัสดุ หรือ Agent อ่านใบแจ้งหนี้ภาษาไทยจากอีเมล จับคู่กับใบสั่งซื้อ แล้วตั้งเรื่องจ่ายรอคนอนุมัติ ทั้งสองเปิดระบบไม่กี่ระบบ และย้อนกลับได้ถ้าผิด
สิ่งที่ต้องเตรียมเพิ่มคือ API ของ ERP, CRM หรือโปรแกรมบัญชี สิทธิ์ที่แคบที่สุดเท่าที่งานต้องใช้ จุดอนุมัติที่ชัด และตัวอย่างจริงจากงานของคุณไว้ทดสอบก่อนใช้งานจริง จุดที่พังบ่อยคือเรียกเครื่องมือด้วยข้อมูลผิด วนซ้ำ ได้สิทธิ์กว้างเกินงาน และข้อความจากลูกค้าที่แอบสั่งระบบ หรือ Prompt Injection อ่านต่อใน AI Employee
Agentic AI หลายขั้น หลายระบบ โดยมีคนคุมขอบเขต
Agentic AI คือระบบที่รับเป้าหมายใหญ่ เช่น “ปิดออเดอร์นี้ให้จบตั้งแต่รับคำสั่งซื้อจนเก็บเงินได้” แล้วแตกเป็นงานย่อย ส่งให้ Agent หรือระบบที่ถนัดแต่ละเรื่อง ตามผล และยกเรื่องที่เกินขอบเขตให้คนตัดสิน
ตัวอย่างมักเป็นงานข้ามแผนก เช่น รับออเดอร์ถึงเก็บเงิน มี Agent รับออเดอร์จาก LINE OA, Agent เช็กวงเงินเครดิต, Agent จองคิวรถ และออก e-Tax Invoice โดยออเดอร์ที่เกินวงเงินต้องมีคนอนุมัติ และทุกขั้นเขียนลง Audit Log ว่าทำอะไรด้วยข้อมูลใด
จุดที่พังต่างจากขั้นก่อน ความผิดพลาดของ Agent ตัวแรกส่งต่อไปตัวถัดไปโดยไม่มีใครเห็น และเมื่อผลผิด มักไม่มีใครเป็นเจ้าของเพราะ “ระบบทำ” ข้อมูลส่วนบุคคลของลูกค้ายังไหลผ่านหลายระบบ คุณต้องตอบได้ว่าออกนอกบริษัทที่ขั้นไหน และตรงตาม PDPA หรือไม่ ถ้าออกไม่ได้ ตัวเลือกคือ Private LLM ที่รันในระบบของคุณเอง อ่านต่อใน Multi-Agent Business Platform
| Generative AI | AI Agent | Agentic AI | |
|---|---|---|---|
| ทำอะไร | สร้างข้อความ ภาพ ตาราง หรือโค้ด แล้วจบ | รับงานหนึ่งเรื่อง เรียกระบบ ทำจนจบ | วางแผน แตกงาน ประสานหลาย Agent หลายระบบ |
| ต้องการอะไรจากคุณ | คำสั่งที่ชัด เอกสารที่ถูกต้อง | API สิทธิ์ที่แคบ จุดอนุมัติ ตัวอย่างจริงไว้ทดสอบ | แผนผังกระบวนการ Audit Log ปุ่มหยุด เจ้าของผลลัพธ์ |
| พังตรงไหน | ตอบมั่นใจทั้งที่ไม่มีข้อมูล ไม่รู้สถานะวันนี้ | เรียกเครื่องมือผิด วนซ้ำ สิทธิ์กว้างเกิน Prompt Injection | ผิดพลาดต่อกันเป็นทอด ค่าใช้จ่ายพุ่ง ไม่มีใครเป็นเจ้าของผล |
| ตัวอย่างธุรกิจไทย | ร่างข้อความตอบลูกค้าใน LINE OA ให้พนักงานกดส่ง | ตอบสถานะออเดอร์จาก ERP, อ่านใบแจ้งหนี้แล้วตั้งเรื่องจ่าย | รับออเดอร์ถึงเก็บเงิน ผ่านเช็กเครดิตและคิวรถ |
| แชตบอตทั่วไปอยู่ตรงไหน | อยู่ขั้นนี้ ถ้าแค่ตอบจากเอกสาร | กลายเป็น Agent วันที่เริ่มเปิดระบบทำงานให้ | เป็นหน้าต่างหนึ่งของระบบที่ใหญ่กว่า |
กรณีจำลอง
บริษัทขายส่งวัสดุก่อสร้างในสมุทรปราการ (ชื่อและรายละเอียดสมมติ) รับออเดอร์จากร้านค้าช่วงผ่าน LINE OA วันละหลายสิบข้อความ ทีมขายตอบคำถามเดิมทั้งวัน แล้วพิมพ์ออเดอร์ลงระบบเอง ขั้นแรก บริษัทให้ Generative AI ร่างคำตอบจากแคตตาล็อก พนักงานอ่านแล้วกดส่ง แต่ “ของมีไหม” ยังต้องเปิดระบบดูเอง เพราะโมเดลไม่รู้สต็อกวันนี้
ขั้นสอง ทีมพัฒนาเชื่อม Agent กับระบบสต็อกและออเดอร์ ให้ตอบของมีไหม และสร้างใบสั่งซื้อฉบับร่างให้พนักงานกดยืนยัน ความผิดพลาดแรกคือ Agent ยืนยันวันส่งโดยไม่รู้ว่ารถเต็ม ทีมจึงเพิ่มเครื่องมือเช็กคิวรถ และตั้งกฎว่าวันส่งต้องมาจากคิวรถ ขั้นสาม เมื่อขั้นสองนิ่ง ระบบประสานทั้งสาย เช็กวงเงินเครดิต จองคิวรถ ออกใบกำกับภาษี ออเดอร์ที่เกินวงเงินหยุดรอผู้จัดการฝ่ายขาย
บันไดสามขั้นที่ธุรกิจส่วนใหญ่เดิน
บริษัทที่ใช้ Agent ได้จริงมักเดินทางเดียวกัน และแต่ละขั้นมีหลักฐานที่ต้องครบก่อนขึ้นขั้นถัดไป
บันไดสามขั้น
- ขั้น 1 ตอบให้แม่น ระบบตอบจากเอกสารของบริษัท คนกดส่ง หลักฐาน: ลองกับคำถามจริงจากงานของคุณก่อนใช้งานจริง โดยหัวหน้างานตกลงว่าแบบไหนถือว่าผ่าน และสัดส่วนคำตอบที่คนต้องแก้
- ขั้น 2 ทำหนึ่งงานที่ย้อนกลับได้ Agent เปิดระบบไม่กี่ระบบ ทำงานที่ยกเลิกหรือแก้ได้ หลักฐาน: บันทึกทุกครั้งที่ Agent เรียกระบบ และจำนวนครั้งที่คนไม่อนุมัติ
- ขั้น 3 ประสานหลายงาน ระบบส่งงานต่อระหว่าง Agent มีจุดอนุมัติในเรื่องที่ผูกกับเงิน หลักฐาน: Audit Log ครบทุกขั้น ปุ่มหยุดที่ซ้อมกดแล้ว และชื่อเจ้าของผลลัพธ์
กฎการขยับขั้น: ขึ้นขั้นถัดไปเมื่อจำนวนครั้งที่คนต้องแก้ลดลงต่อเนื่อง และมีคนรับเป็นเจ้าของแล้ว ถ้าระบบหลักยังไม่มี API ต้องจัดข้อมูลให้มีที่อยู่เดียวก่อน
เส้นทางที่แยกระดับความอิสระละเอียดกว่านี้ อยู่ใน Roadmap จาก Chatbot สู่ AI Website และ AI App
เมื่อแชตบอตก็พอ และเมื่อยังไม่ควรไปถึง Agentic
แชตบอตทั่วไปคือ Generative AI ที่มีหน้าจอแชต และกลายเป็น Agent ในวันที่เริ่มเปิดระบบทำงานให้ แชตบอตพอแล้ว เมื่อคำถามซ้ำ คำตอบอยู่ในเอกสารที่คุณดูแลได้ และหลังตอบไม่ต้องทำอะไรในระบบ ควรไปถึง AI Agent เมื่อหลังตอบมีงานที่ต้องเปิดระบบ ทำซ้ำทุกวัน และแก้ได้ถ้าผิด
ยังไม่ควรไปถึง Agentic AI เมื่อข้อมูลฉบับจริงยังอยู่หลายที่ ระบบหลักไม่มี API ไม่มีใครรับเป็นเจ้าของกระบวนการ หรือคุณยังตอบไม่ได้ว่าเมื่อระบบผิดจะหยุดอย่างไร วิธีเลือกงานแรกอยู่ใน จะเริ่มใช้ AI ตรงไหนก่อน
คำถามที่ควรถามผู้พัฒนาก่อนจ้าง
ผู้ขายทุกรายจะบอกว่าระบบของตนเป็น Agentic คำถามชุดนี้ทำให้เห็นว่าข้างในเป็นอะไร ขอให้ตอบด้วยหน้าจอจริงแทนสไลด์
- ระบบที่เสนออยู่ขั้นไหนของบันได และทำไมงานของเราต้องการขั้นนั้น
- Agent เรียกระบบอะไรได้บ้าง และใครให้สิทธิ์
- จุดไหนที่คนต้องอนุมัติก่อน และเราปรับเองได้หรือไม่
- เมื่อระบบทำผิด หยุดได้ทันทีหรือไม่ และย้อนกลับอย่างไร
- เราดูย้อนหลังได้หรือไม่ว่าระบบทำอะไร ด้วยข้อมูลใด และใครอนุมัติ
- ข้อมูลส่วนบุคคลของลูกค้าออกนอกบริษัทที่ขั้นไหน และตรงตาม PDPA อย่างไร
- ถ้าเปลี่ยนโมเดล AI ในปีหน้า ต้องรื้อส่วนไหนบ้าง
สำหรับทีมพัฒนา · Tool Calling, Orchestration และ Guardrail
Tool Calling: โมเดลเป็นผู้ขอเรียกฟังก์ชัน แต่โค้ดฝั่งระบบตรวจ Schema สิทธิ์ และ Idempotency ก่อนทำจริง แยกเครื่องมืออ่านออกจากเครื่องมือเขียน และให้เครื่องมือเขียนผ่าน Approval Policy ที่ตั้งค่าได้ Orchestration: เก็บ State ของงานนอกโมเดล กำหนด Timeout และ Retry ที่ไม่ทำรายการเดิมซ้ำ และจำกัดจำนวนรอบต่องาน Guardrail: กรอง Input และตรวจ Prompt Injection ก่อนทำ ตรวจผลเทียบกฎธุรกิจหลังทำ และเงื่อนไขหยุดแล้วเรียกคน Audit Log เก็บ Input, Tool Call, Output, ผู้อนุมัติ และเวอร์ชันของ Prompt
วิธีที่เราสร้าง Agent ให้ทำงานได้จริงในบริษัทไทย
กฎที่ AI Agent ต้องทำให้ถูก อยู่ในหัวของคนที่ทำงานนั้นทุกวัน DNA Maker เริ่มจากนั่งฟังฝ่ายขาย บัญชี และคลังของคุณ แล้วเขียนออกมาเป็นแผนผังกระบวนการ จุดตัดสินใจ และจุดที่คนต้องอนุมัติ แล้วบอกตรง ๆ ว่างานไหนยังไม่ควรทำเป็น Agent
ทีมที่ทำงานกับคุณเป็นทีมของ DNA Maker ทั้งหมด ไม่มีการจ้างช่วง และคุณเห็น Demo ทุกสัปดาห์ เราสร้าง Agent บน LINE OA, เว็บ หรือแอปที่ใช้อยู่ เชื่อมกับ ERP, CRM หรือโปรแกรมบัญชี วางจุดอนุมัติในขั้นที่คุณกำหนด และเมื่อข้อมูลออกนอกบริษัทไม่ได้ เราวาง Private LLM ในระบบของคุณเอง ขอบเขตและราคาคงที่ก่อนเริ่มงาน ส่งมอบ Source Code ตามขอบเขต จากงานกว่า 500 โปรเจกต์ ลูกค้าของเรามีทั้งธนาคาร โรงพยาบาล และกลุ่มบริษัทขนาดใหญ่ของไทย คุยกับเราได้ที่หน้า AI Agent & Chatbot หรือถาม Dream ในหน้าแชต
SOFTWARE ENGINEERING GLOSSARY
คลังคำศัพท์การพัฒนาซอฟต์แวร์
| คำศัพท์ | คืออะไร | ตัวอย่างที่เข้าใจง่าย | คำถามที่ผู้บริหารควรถามทีมพัฒนา |
|---|---|---|---|
| Generative AI | AI ที่สร้างข้อความ ภาพ หรือโค้ดจากคำสั่ง แล้วจบ | ร่างข้อความตอบลูกค้าให้พนักงานกดส่ง | คำตอบมาจากเอกสารของเราหรือจากความจำของโมเดล? |
| AI Agent | ซอฟต์แวร์ที่รับเป้าหมายหนึ่งเรื่อง ใช้เครื่องมือและข้อมูล ทำจนจบ | Agent เช็กออเดอร์ใน ERP แล้วแจ้งวันส่ง | Agent ตัวนี้แตะระบบไหนได้บ้าง และใครให้สิทธิ์? |
| Agentic AI | ระบบที่ AI วางแผน แตกงาน และประสานหลาย Agent ในขอบเขตที่คนตั้ง | สายรับออเดอร์ถึงเก็บเงินที่คนอนุมัติเมื่อเกินวงเงิน | ใครเป็นเจ้าของผลลัพธ์ของทั้งสาย เมื่อระบบทำผิด? |
| Orchestration | ชั้นที่ประสานหลายขั้นหลายระบบ และตัดสินว่าจะไปต่อ ลองใหม่ หรือส่งคน | ระบบส่งออเดอร์จากขั้นเช็กเครดิตไปขั้นจองรถ | ถ้าขั้นกลางล้ม ระบบย้อนขั้นที่ทำไปแล้วอย่างไร? |
| Audit Log | บันทึกว่าใครหรือระบบทำอะไร เมื่อใด ด้วยข้อมูลใด | ดูได้ว่า Agent ตอบวันส่งจากคิวรถชุดไหน | เราดูย้อนหลังได้ทั้งสายหรือไม่ และเก็บไว้นานเท่าไร? |