โลกการทำงานหมุนเปลี่ยนไปรวดเร็ว และก้าวกระโดดแบบที่ไม่เคยมีมาก่อน เราพาไปดูเครื่องมือที่ผลักดันการเปลี่ยนแปลงนี้ กับ 7 Trend ที่กำลังขับเคลื่อนการพัฒนาเทคโนโลยีปัญญาประดิษฐ์และ ระบบอัตโนมัติเหล่านี้ไปข้างหน้า สำหรับผู้ที่สนใจบทความนี้จะช่วยให้เข้าใจทั้งแนวโน้ม พร้อมยกตัวอย่าง use case ที่เข้าใจง่าย และเราเติมความเข้าใจด้านศัพท์เทคนิคด้าน automation & AI เพื่อเตรียมพร้อมสำหรับปี 2025 ที่กำลังจะมาถึง เราเรียนรู้ไปพร้อมกันครับ
1. AI เชิงการตัดสินใจ และช่วยทำงานแทน (Agentic AI)
Agentic AI คือรูปแบบปัญญาประดิษฐ์ที่พัฒนาไปอีกขั้น ด้วยความสามารถในการ “คิดและช่วยทำ” เช่น การวางแผน (Planning) การตัดสินใจ (Decision-Making) และการดำเนินการ (Execution) โดยอัตโนมัติ ระบบนี้สร้างขึ้นจาก Large Language Models (LLMs) และ Large Action Models (LAMs) ซึ่งช่วยให้ AI ตอบสนองต่อคำสั่งแบบภาษา (Natural Language Prompts) และเหตุการณ์ต่าง ๆ ได้
ศัพท์เทคนิคน่ารู้
- LLM (Large Language Model): โมเดลที่เข้าใจและสร้างภาษาธรรมชาติ
- LAM (Large Action Model): โมเดลที่เน้นการตัดสินใจและการปฏิบัติ
- ตัวอย่าง: AI ในทีม customer service หรือ call center ใช้ Agentic AI เพื่อประมวลผลคำถาม วิเคราะห์ปัญหา และให้คำตอบโดยไม่ต้องพึ่งมนุษย์ ลดเวลาเฉลี่ยต่อการแก้ไขปัญหาได้กว่า 14%
2. การประสานงานแบบเอเยนต์ (Agentic Ecosystem)
การสร้างระบบที่ช่วยให้องค์กรสามารถผสานงานระหว่าง AI เอเยนต์ (Agentic AI) หุ่นยนต์ (RPA: Robotic Process Automation) และมนุษย์ได้อย่างไร้รอยต่อถือเป็นหัวใจสำคัญ แนวโน้มนี้ต้องอาศัยเทคโนโลยี Orchestration Platforms ที่ซับซ้อน
ศัพท์เทคนิคน่ารู้
- Orchestration Platform: แพลตฟอร์มสำหรับจัดการการทำงานร่วมกันระหว่างระบบต่าง ๆ
- Human-in-the-Loop (HITL): ระบบที่ให้มนุษย์สามารถควบคุมหรือแก้ไขการทำงานของ AI ได้ในกระบวนการที่สำคัญๆ มนุษย์ยังคงจำเป็นต้องเข้าไปตรวจสอบ ตัดสินใจในบางกรณีที่สำคัญมากๆ เป็นต้น
- ตัวอย่าง: ในโรงงานอุตสาหกรรม AI ใช้แพลตฟอร์ม Orchestration เพื่อสื่อสารกับหุ่นยนต์และแจ้งเตือนมนุษย์เมื่อเกิดความผิดพลาด หรือด้านธุรกรรมที่มีความเสี่ยงด้านธุรกิจ (การเงิน) เราให้มนุษย์เข้าไปช่วยหุ่นยนต์ทำงานได้สำเร็จ
3. ระบบอัตโนมัติแบบ Long-tail Automation
Long-tail Automation หมายถึงการนำกระบวนการย่อยที่ซับซ้อนหรือไม่คุ้มค่ากับการทำอัตโนมัติในอดีตมาปรับให้มีประสิทธิภาพ ตัวอย่างเช่น การใช้ AI ในการวิเคราะห์ข้อมูลจำนวนมาก (Data Mining) หรือการสร้างข้อความที่เฉพาะเจาะจง (Context-aware Text Generation)
ศัพท์เทคนิคน่ารู้
- Data Mining: กระบวนการค้นหาความรู้จากข้อมูลขนาดใหญ่
- Context-aware Computing: ระบบที่สามารถเข้าใจบริบทและตอบสนองอย่างเหมาะสม
- ตัวอย่าง: AI ช่วยจัดการคำขอสินเชื่อในธนาคารโดยตรวจสอบข้อมูลเอกสารและแนะนำการอนุมัติอย่างอัตโนมัติ
4. การเปลี่ยนแปลงโครงสร้างแรงงาน (Workforce Transformation)
องค์กรต่าง ๆ ต้องจัดการกับการเปลี่ยนแปลงแรงงาน โดยแบ่งงานที่ซ้ำซ้อนหรือที่สามารถทำอัตโนมัติได้ให้ AI ในขณะเดียวกัน มนุษย์จะถูกฝึกฝนเพื่อรับบทบาทใหม่ที่เกี่ยวกับการคิดเชิงกลยุทธ์และความคิดสร้างสรรค์
ศัพท์เทคนิคน่ารู้
- Occupational Transition: การเปลี่ยนอาชีพหรือทักษะที่จำเป็น
- Reskilling/Upskilling: การฝึกอบรมทักษะใหม่เพื่อรองรับการเปลี่ยนแปลง
- ตัวอย่าง: บริษัทเทคโนโลยีฝึกอบรมพนักงานให้ใช้เครื่องมืออย่าง GitHub Copilot UiPath Autopilot ในการเขียนโค้ด หรือสั่ง robot ทำงานให้ อย่างง่ายๆ และมีประสิทธิภาพ
5. AI ในผลิตภัณฑ์องค์กร (Built-in AI)
ในอนาคต ซอฟต์แวร์องค์กรส่วนใหญ่จะมีฟีเจอร์ AI ฝังตัวเพื่อช่วยให้การทำงานมีประสิทธิภาพมากขึ้น เช่น AI Copilots ของMicrosoft 365 ที่สามารถช่วยเขียนเอกสาร ทำสไลด์สรุป สรุปวาระการประชุม และอื่นๆ
ศัพท์เทคนิคน่ารู้
- Copilot หรือ UiPath Autopilot: เครื่องมือที่ช่วยสนับสนุนการทำงาน เช่น การเขียนหรือแก้ไขโค้ด
- AI-powered Tools: เครื่องมือที่ขับเคลื่อนด้วย AI
- ตัวอย่าง: Microsoft Copilot ช่วยให้ทีมงานประหยัดเวลาในการสร้างเอกสารและปรับปรุงคุณภาพงานได้อย่างมีนัยสำคัญ
6. การจัดการข้อมูลด้วย AI (Data Management Revolution)
ปริมาณข้อมูลที่มากเกินไป (Data Overload) เป็นปัญหาสำคัญ AI ช่วยจัดระเบียบข้อมูลผ่านเครื่องมือเช่น Knowledge Graphs และ Retrieval-Augmented Generation (RAG)
ศัพท์เทคนิคน่ารู้
- Knowledge Graph: แผนภาพที่แสดงความสัมพันธ์ระหว่างข้อมูลในลักษณะกราฟ
- RAG (Retrieval-Augmented Generation): เทคโนโลยีที่ช่วยให้ AI ดึงข้อมูลจริงมาใช้งานในกระบวนการสร้างคำตอบ
- ตัวอย่าง: บริษัทที่ปรึกษาใช้ RAG ในการค้นหาข้อมูลลูกค้าแบบเรียลไทม์ ลดเวลาและเพิ่มความแม่นยำในการตอบสนอง
7. การกำกับดูแล AI (AI Governance and Regulation)
โลกกำลังก้าวเข้าสู่ยุคที่ AI ถูกกำกับดูแลอย่างเข้มงวดด้วยกฎหมาย เช่น การป้องกันการละเมิดลิขสิทธิ์ และการใช้ข้อมูลที่ไม่เหมาะสม
ศัพท์เทคนิคน่ารู้
- AI Governance Framework: โครงสร้าง กรอบรูปแบบการกำกับดูแล AI ในองค์กร
- Data Transparency: ความโปร่งใสในการใช้ข้อมูล
สรุป
การเข้าใจแนวโน้มทั้ง 7 นี้ไม่เพียงช่วยให้พวกเราเท่าทันเทคโนโลยี แต่ยังช่วยให้องค์กรสามารถใช้ AI และระบบอัตโนมัติให้เกิดประโยชน์สูงสุด การเพิ่มพูนความรู้เกี่ยวกับ use case ต่าง และ ศัพท์เทคนิคจะช่วยให้พวกเราไม่กังวล และพร้อมสำหรับอนาคตที่ AI และ Automation กลายเป็นหัวใจของทุกการดำเนินงาน
ที่ automat เรามีเครื่องมือ ทดสอบลองใช้กันในเรื่องนี้ทั้ง AutoPilot, RAG, GenAI ค่ายต่างๆ ผสมผสานกัน เพื่อให้การทำงานต่อไปของคนยุค Gen 2025 ทำงานกับ AI แบบง่ายๆ ด้วยการ prompt และสั่ง AI+robot ไปทำงานให้ แล้วเมื่อได้ผลลัพธ์ก็เอามาให้เราตรวจทาน ง่ายๆ แบบนั้นเลยนะ ความลับองค์กรไม่รั่ว ความรู้ AI แม่นยำ เพราะเรา scope ไว้ และถาม-ตอบ เป็นภาษาไทย ไว้มาแชร์แนวทางใน blog post ต่อไปครับ ขอบคุณ และมีความสุขกับลมหนาวช่วงนี้กันครับ
source: UiPath Automation & AI Trend 2025
https://www.uipath.com/resources/automation-whitepapers/automation-trends-report