QwenWork ของ Alibaba: เมื่อ AI องค์กรต้องทำงานให้จบ มากกว่าสร้างโทเคนให้มาก

QwenWork คือความพยายามของ Alibaba ที่จะทำให้ AI ในที่ทำงานมีประโยชน์เกินกว่าการเป็นหน้าต่างแชต แพลตฟอร์มนี้รวมผลิตภัณฑ์เดิม 3 ตัว ได้แก่ QoderWork, MuleRun และ Wukong ไว้เป็นชั้นเอเจนต์เดียวสำหรับงานที่พาดผ่านคอมพิวเตอร์ คลาวด์ เครื่องมือทำงานร่วมกัน ไฟล์ และระบบขององค์กร 13

แก่นของแนวคิดนี้เรียบง่าย: คุณค่าของ AI สำหรับองค์กรควรมาจากการทำเวิร์กโฟลว์ที่ทำซ้ำได้ให้เสร็จ ภายใต้บริบทและสิทธิ์เข้าถึงที่เหมาะสม ไม่ใช่จากการเพิ่มจำนวนโทเคนที่พนักงานแต่ละคนใช้ได้ให้มากที่สุด

QwenWork คืออะไร และเหตุใดจึงรวม 3 ผลิตภัณฑ์เข้าด้วยกัน

Alibaba เปิดตัว QwenWork ในรูปแบบเบต้าสาธารณะในฐานะแพลตฟอร์ม AI agent สำหรับที่ทำงานแบบครบวงจร โดยรวม QoderWork, MuleRun และ Wukong ซึ่งบริษัทระบุว่าเป็นการนำความสามารถของเอเจนต์บนเดสก์ท็อป คลาวด์ และการทำงานร่วมกันในองค์กร มาไว้ในอินเทอร์เฟซเดียว 13

การรวมศูนย์นี้มีความสำคัญ เพราะงานจริงขององค์กรแทบไม่เคยอยู่ในระบบเดียว พนักงานอาจต้องตรวจไฟล์ในเครื่อง ดึงข้อมูลจากระบบธุรกิจ ประสานงานผ่านแชตภายใน จัดทำเอกสาร แล้วนัดหมายติดตามงานต่อ QwenWork ออกแบบมาเพื่อรับเป้าหมายที่สั่งด้วยภาษาธรรมชาติ แล้วประสานงานหลายขั้นตอนข้ามสภาพแวดล้อมเหล่านี้ 26

แทนที่จะวาง AI เป็นผู้ช่วยแยกต่างหาก Alibaba วางตำแหน่ง QwenWork ให้เป็นชั้นสำหรับลงมือปฏิบัติงาน ผู้ใช้บอกผลลัพธ์ที่ต้องการ ติดตามความคืบหน้า ตรวจทานผลงาน และนำงานที่ทำซ้ำได้กลับมาใช้ใหม่หรือตั้งเวลาให้ทำงานได้ 2

โครงสร้างของ QwenWork ทำงานร่วมกันอย่างไร

QwenWork ไม่ใช่ทั้งโมเดลเดียวหรือแอปเดียว จุดขายอยู่ที่การเชื่อมหลายชั้นเข้าด้วยกัน

โมเดล Qwen เป็นชั้นการให้เหตุผล

QwenWork ใช้ตระกูลโมเดล Qwen ของ Alibaba สำหรับงานอย่างการวางแผน สร้างเนื้อหา เขียนโค้ด และการทำงานร่วมกัน โดย Qwen3.8 เปิดตัวพร้อม QwenWork และ Alibaba นำเสนอทั้งคู่เป็นข้อเสนอ AI ที่เน้นตลาดองค์กร 79

ความต่างสำคัญคือ โมเดลเป็นส่วนที่ให้ความสามารถด้านความฉลาด ขณะที่ QwenWork มีหน้าที่ประสานการลงมือทำรอบโมเดล โมเดลที่เก่งอาจร่างคำตอบได้ แต่แพลตฟอร์มเอเจนต์มีเป้าหมายให้ความสามารถนั้นทำงานกับไฟล์ เครื่องมือ ข้อมูล และกระบวนการที่องค์กรอนุมัติแล้ว

Alibaba Cloud รองรับเวิร์กสเปซและโครงสร้างปฏิบัติการ

เอกสารผลิตภัณฑ์ของ QwenWork อธิบายลำดับการใช้งานว่า ผู้ใช้เชื่อมบัญชี QwenWork กับบัญชี Alibaba Cloud เข้าเวิร์กสเปซส่วนบุคคลหรือขององค์กร แล้วเลือกโมเดล เพิ่มไฟล์ และเปิดใช้ Skills หรือตัวเชื่อมต่อเมื่อจำเป็น 2

จึงไม่ใช่เพียงแชตบอตบนเดสก์ท็อป ในแบบที่ Alibaba ออกแบบไว้ งานสามารถจัดระเบียบผ่านสภาพแวดล้อมร่วมและทรัพยากรที่นำกลับมาใช้ได้ เพื่อรองรับทั้งทีมและผู้ใช้รายบุคคล

DingTalk นำเอเจนต์เข้าสู่พื้นที่ทำงานร่วมกัน

Alibaba ระบุว่า QwenWork จะเข้าถึงได้ในฐานะเอเจนต์แบบฝังอยู่ในผลิตภัณฑ์ DingTalk ทั้งเดสก์ท็อปและมือถือ 1 การเชื่อมต่อนี้เป็นหัวใจของข้อเสนอสำหรับองค์กร เพราะพนักงานควรเรียกใช้ AI ได้จากพื้นที่ที่มีบทสนทนา เอกสาร การประชุม ข้อความ และการอนุมัติงานอยู่แล้ว

MyContext คือชั้นบริบทขององค์กร

มีรายงานว่า Alibaba เปิดซอร์ส MyContext ซึ่งเป็นโครงสร้างพื้นฐานที่ออกแบบมาเพื่อแปลงข้อมูลที่กระจัดกระจายอยู่ในระบบข้อความทันที เอกสาร การอนุมัติ และอีเมล ให้เป็นบริบทที่เอเจนต์เรียกใช้ได้ รายงานจากบุคคลที่สามระบุว่าโครงการนี้มี GitHub stars มากกว่า 3,000 รายการ ณ เวลาที่รายงาน 5

นี่เป็นข้ออ้างเชิงสถาปัตยกรรมที่มีนัยสำคัญ งานในองค์กรจำนวนมากยากไม่ใช่เพราะโมเดลเขียนข้อความไม่ได้ แต่เพราะข้อมูลที่ต้องใช้ตัดสินใจหรือดำเนินการกระจายอยู่หลายระบบ และถูกจำกัดด้วยสิทธิ์เข้าถึง MyContext มีเป้าหมายทำให้เอเจนต์เข้าถึงข้อมูลขององค์กรได้ โดยไม่ต้องให้พนักงานสร้างบริบทเดิมขึ้นใหม่ในทุกพรอมป์ต

การเชื่อม CRM และ ERP ทำให้คำแนะนำไปต่อสู่การปฏิบัติได้

รายงานที่เกี่ยวข้องกับ Alibaba ระบุว่าเอเจนต์สามารถค้นข้อมูลลูกค้า สินค้าคงคลัง และข้อมูลอื่น ๆ ข้ามระบบ CRM และ ERP แล้วส่งคืนคำแนะนำจากคำขอภาษาธรรมชาติ 5

สำหรับองค์กร นี่คือความต่างระหว่าง AI ที่สรุปข้อมูล กับ AI ที่ช่วยสนับสนุนเวิร์กโฟลว์การปฏิบัติงานเฉพาะด้านได้จริง อย่างไรก็ตาม คุณค่าจะเกิดขึ้นได้ต้องอาศัยข้อมูลที่ถูกต้อง การออกแบบสิทธิ์เข้าถึงที่ดี ความสามารถในการตรวจสอบย้อนหลัง และการทบทวนโดยมนุษย์ ไม่ใช่เพียงการเชื่อมต่อได้กับหลายระบบ

Skills เก็บรักษาความรู้ที่ใช้ซ้ำได้

Skill ของ QwenWork คือคู่มือการทำงานที่เขียนไว้ล่วงหน้า ซึ่งระบุขั้นตอน รูปแบบผลลัพธ์ และรายละเอียดที่ต้องระวังสำหรับงานประเภทหนึ่ง เมื่อกำหนดแล้ว QwenWork สามารถระบุและนำไปใช้ในการสนทนาครั้งต่อ ๆ ไปได้ 17

Skills สำคัญเพราะเปลี่ยนความรู้เชิงปฏิบัติของแต่ละคนให้ถ่ายทอดต่อได้ แทนที่จะพึ่งพาทักษะการเขียนพรอมป์ตของผู้เชี่ยวชาญคนเดียว ทีมสามารถเข้ารหัสกระบวนการและนำกลับมาใช้ได้อย่างสม่ำเสมอกว่าเดิม

การใช้งานระยะแรกและหมุดหมายโอเพนซอร์ส

Alibaba รายงานว่า QwenWork มีผู้ใช้รวมเกิน 30 ล้านคนภายในหนึ่งเดือนหลังเริ่มเบต้าในจีน โดยบัญชีองค์กรคิดเป็นมากกว่าครึ่งของฐานผู้ใช้ดังกล่าว บริษัทระบุถึงการใช้งานในอุตสาหกรรมยานยนต์ บริการการเงิน โลจิสติกส์ ปัญญาประดิษฐ์เชิงกายภาพ และงานวิจัยวิทยาศาสตร์ 3

QwenWork รุ่นนานาชาติก็เปิดเบต้าสาธารณะเช่นกัน โดย Alibaba ตั้งเป้าไปยังตลาดในเอเชีย ลาตินอเมริกา และตะวันออกกลาง 46

การเปิดซอร์ส MyContext และจำนวน GitHub stars ที่มีรายงานเป็นสัญญาณของความสนใจจากนักพัฒนา แต่ไม่ควรตีความว่าเป็นหลักฐานยืนยันคุณค่าระยะยาวในองค์กร จำนวนดาว การสมัครใช้เบต้า และการอัปเดตผลิตภัณฑ์สะท้อนความสนใจและแรงส่ง แต่ไม่ได้พิสูจน์ด้านความปลอดภัย ความน่าเชื่อถือ หรือผลตอบแทนทางการเงินระยะยาวด้วยตัวเอง 5

เหตุใดจึงเป็นความท้าทายต่อแนวคิด “Token Maxxing”

“Token Maxxing” หมายถึงการที่องค์กรซื้อโควตาโทเคน AI จำนวนมากให้พนักงาน โดยไม่มีความเชื่อมโยงชัดเจนกับผลลัพธ์ทางธุรกิจ โควตาที่มากขึ้นอาจมีประโยชน์ แต่การใช้โทเคนเป็นเพียงปัจจัยนำเข้า ไม่ใช่ตัววัดผลิตภาพหรือคุณภาพ

QwenWork เสนอแนวทางใช้งาน AI อีกแบบหนึ่ง:

• บริบทร่วม: เอเจนต์สามารถอ้างอิงข้อมูลขององค์กร แทนการทำงานจากพรอมป์ตเฉพาะกิจของพนักงาน 5
• การปฏิบัติงานที่เชื่อมต่อกัน: AI ทำงานควบคู่กับระบบการทำงานร่วมกันและระบบธุรกิจ แทนที่จะหยุดอยู่ที่คำตอบที่สร้างขึ้น 15
• ความเชี่ยวชาญที่ใช้ซ้ำได้: Skills ทำให้เข้ารหัสกระบวนการครั้งเดียว แล้วประยุกต์ใช้กับงานลักษณะใกล้เคียงในภายหลัง 17
• การวัดผลจากผลลัพธ์: ทีมสามารถประเมินเวลาที่ประหยัดได้ การลดข้อผิดพลาด ปริมาณงาน ภาระการตรวจทาน และคุณภาพบริการ แทนจำนวนโทเคนที่ใช้

นี่เป็นแนวคิด AI สำหรับองค์กรที่น่าเชื่อถือ แต่สถาปัตยกรรมเพียงอย่างเดียวยังไม่ใช่ข้อพิสูจน์ การเชื่อมต่อระบบมากขึ้นยิ่งทำให้การควบคุมสิทธิ์ การกำกับดูแลข้อมูล การจัดการข้อผิดพลาด และการกำกับดูแลมีความสำคัญ เอเจนต์เวิร์กโฟลว์จะสร้างคุณค่าอย่างยั่งยืนก็ต่อเมื่อกระบวนการพื้นฐานน่าเชื่อถือ และผลลัพธ์ปลอดภัยพอให้ใช้ตัดสินใจหรือดำเนินการต่อได้

กรณีใช้งานของ Changan Automobile บอกอะไรบ้าง

Alibaba ระบุว่า Changan Automobile นำ QwenWork ไปใช้ในงานวิจัยและพัฒนา การผลิต ซัพพลายเชน การขาย และบริการ 3 ตัวอย่างเหล่านี้น่าสนใจ เพราะเน้นกระบวนการที่จับต้องได้มากกว่าการใช้งาน AI แบบกว้าง ๆ

วิจัยและพัฒนา: การคำนวณชุดสายไฟ

Alibaba รายงานว่าวิศวกรของ Changan สร้างเครื่องมือคำนวณชุดสายไฟ ซึ่งลดเวลางานจาก 2 วันเหลือราว 5 นาที และงานปรับให้แบบระบบไฟส่องสว่างสอดคล้องกันลดจากหลายสัปดาห์เหลือเพียงการประชุมครั้งเดียว 3

กลไกสำคัญกว่าตัวเลขความเร็ว คือวิศวกรได้นำกฎการคำนวณเฉพาะทางมาแปลงเป็นเวิร์กโฟลว์ที่รันได้ นี่คือตัวอย่างของการเปลี่ยนความรู้เฉพาะด้านให้กลายเป็นเครื่องมือภายในที่ใช้ซ้ำได้

การผลิต: ตรวจสอบเอกสารประจำรถ

Alibaba รายงานว่าแอปพลิเคชันตรวจสอบเอกสารรถยนต์ช่วยลดเวลาตรวจต่อคันจากมากกว่า 10 นาที เหลือต่ำกว่า 2 นาที 3

นี่เป็นงานที่เหมาะกับ AI เชิงเวิร์กโฟลว์: เปรียบเทียบรายละเอียดที่มีโครงสร้าง ระบุความไม่สอดคล้อง และส่งกรณียกเว้นให้มนุษย์ยืนยัน ในสภาพแวดล้อมที่มีข้อกำกับหรืออ่อนไหวต่อคุณภาพ ตัวชี้วัดสำคัญไม่ใช่แค่ความเร็ว แต่รวมถึงความน่าเชื่อถือของการตรวจสอบและความสามารถในการตรวจสอบย้อนหลังด้วย

ซัพพลายเชน: ทำรีวิวซัพพลายเออร์อัตโนมัติ

Alibaba ระบุว่าการรีวิวซัพพลายเออร์แบบอัตโนมัติช่วยลดภาระงานลง 90% 3 คำอธิบายที่เผยแพร่เกี่ยวกับขั้นตอนทบทวนบรรจุภัณฑ์ของ Changan ระบุถึงการแปลงกระบวนการที่เกี่ยวข้องกับซัพพลายเออร์หลายร้อยรายและชิ้นส่วนหลายพันรายการ เป็นสคริปต์อัตโนมัติสำหรับดึงข้อมูล สรุปความคืบหน้า และแจ้งเตือนความล่าช้า 3

กรณีนี้ใกล้เคียงกับคำสัญญาของเอเจนต์สำหรับองค์กรมากกว่าการสร้างข้อความทั่วไป AI จะมีคุณค่าก็ต่อเมื่อทำงานกับกฎกระบวนการและแหล่งข้อมูลที่เกี่ยวข้อง สร้างภาพสถานะที่ใช้การได้ และทำให้กรณียกเว้นยังมองเห็นได้สำหรับผู้ที่รับผิดชอบผลลัพธ์

การขายและบริการ: วิเคราะห์ฟีดแบ็กได้เร็วขึ้น

Alibaba ยังรายงานว่าการประมวลผลคำตอบแบบสำรวจนับหมื่นรายการโดยอัตโนมัติ ช่วยลดเวลาวิเคราะห์อินไซต์ผู้ใช้จากหลายวันเหลือครึ่งวัน 3

เมื่อมองรวมกัน ตัวอย่างเหล่านี้ชี้ว่าจุดที่ QwenWork อาจโดดเด่นที่สุด คือ งานที่ทำซ้ำได้ ใช้ข้อมูลมาก มีข้อมูลนำเข้าชัดเจน มีขั้นตอนตรวจทานเป็นระบบ และมีเจ้าของกระบวนการทางธุรกิจที่ระบุได้

หลักฐานยังมีข้อจำกัดชัดเจน

Alibaba ยังระบุชื่อองค์กรอื่นที่ใช้ QwenWork เช่น Huifu World, Transfar Group และ Laoxiangji 3 แต่ข้อมูลที่มีไม่ได้ให้ผลลัพธ์อย่างละเอียดและผ่านการตรวจสอบโดยอิสระเท่ากัน สำหรับกรณีใช้งานที่เสนอในด้านโลจิสติกส์ งานวิจัย การจัดซื้อ การจัดตารางเวลา การติดตามสถานะ หรือการตรวจสอบทางการเงิน

ตัวเลขของ Changan ที่เผยแพร่เป็นสัญญาณเชิงปฏิบัติการที่มีประโยชน์ แต่ส่วนใหญ่เป็นข้อมูลที่บริษัทรายงานเองและยังอยู่ในระยะเริ่มต้น จึงควรอ่านเป็นข้ออ้างจากกรณีศึกษา ไม่ใช่หลักฐานอิสระว่า QwenWork จะเหนือกว่าแนวทาง AI สำหรับองค์กรอื่นในทุกสถานการณ์

บทสรุป

ข้อเสนอที่แข็งแรงที่สุดของ QwenWork ไม่ใช่งบโทเคนที่ใหญ่กว่า แต่คือความเป็นไปได้ในการเปลี่ยนบริบทขององค์กร การเข้าถึงระบบ และขั้นตอนจากผู้เชี่ยวชาญ ให้เป็นเวิร์กโฟลว์ที่อยู่ภายใต้การกำกับดูแลและนำกลับมาใช้ซ้ำได้

ตัวเลขการใช้งานช่วงแรกและกรณีศึกษาของ Changan ทำให้แนวคิดนี้น่าจับตา แต่ทุกองค์กรที่กำลังประเมินแพลตฟอร์มอย่าง QwenWork ควรทดสอบคำถามที่ยากด้วยตนเอง: เอเจนต์เข้าถึงข้อมูลใดได้บ้าง การกระทำใดต้องได้รับอนุมัติ ตรวจสอบผลลัพธ์ย้อนหลังอย่างไร ความล้มเหลวมีลักษณะอย่างไร และประสิทธิภาพที่ดีขึ้นยังคงอยู่เมื่อใช้งานจริงหรือไม่ ผู้ชนะในตลาด AI สำหรับองค์กรจะไม่ใช่แพลตฟอร์มที่สร้างโทเคนได้มากที่สุด แต่เป็นแพลตฟอร์มที่ยกระดับงานจริงได้อย่างน่าเชื่อถือ