Microsoft แนะองค์กรรีดีไซน์งานก่อนใช้ AI Agents อย่าวัดผลแค่จำนวนไลเซนส์

Microsoft เสนอข้อคิดตรงไปตรงมาใน Becoming a Frontier Firm: การนำ AI Agents มาใช้ไม่ใช่แค่โครงการติดตั้งซอฟต์แวร์ แต่คือการเปลี่ยนรูปแบบการดำเนินงานขององค์กร องค์กรจึงควรทำให้งานที่ทำอยู่มองเห็นได้ ลดความซับซ้อน และวางกรอบกำกับดูแลก่อนมอบงานบางส่วนให้เอเจนต์ทำ เป้าหมายความสำเร็จควรผูกกับผลลัพธ์ทางธุรกิจ เช่น คุณภาพ ความรวดเร็ว ความเสี่ยง รายได้ และผลกระทบต่อลูกค้า ไม่ใช่เพียงจำนวนไลเซนส์ที่แจกหรือจำนวนครั้งที่พิมพ์พรอมป์ต 12

เริ่มจากเวิร์กโฟลว์ ไม่ใช่เริ่มจากเครื่องมือ AI

หลักแรกของ Microsoft คือการทำความเข้าใจว่า งานเกิดขึ้นจริงอย่างไรในแต่ละขั้นตอน องค์กรต้องทำแผนผังกระบวนการตั้งแต่ต้นจนจบ ระบุจุดส่งต่องาน ข้อยกเว้น จุดตัดสินใจ ตลอดจนข้อมูลและระบบที่พนักงานพึ่งพา หากข้ามขั้นนี้ไป ก็เสี่ยงที่จะใช้ AI ทำงานอัตโนมัติกับกระบวนการที่ไม่สม่ำเสมอหรือไม่ได้สร้างคุณค่ามากนัก 12

Microsoft เรียกแนวคิดนี้สั้น ๆ ว่า “lean before agents” หรือทำกระบวนการให้กระชับก่อนนำเอเจนต์มาใช้ โดยควรทำอย่างน้อยดังนี้

• ทำขั้นตอนงานให้เรียบง่ายและเป็นมาตรฐาน
• ตัดการอนุมัติ การทำงานซ้ำ และการส่งต่องานที่ไม่จำเป็น
• เตรียมข้อมูลร่วมที่ใช้งานได้ และเชื่อมต่อกับระบบที่เกี่ยวข้อง
• กำหนดสิทธิ์เข้าถึงและธรรมาภิบาล
• ระบุอย่างชัดเจนว่าการตัดสินใจใด กรณีข้อยกเว้นใด และการกระทำเสี่ยงสูงใดที่ยังต้องให้มนุษย์เป็นผู้รับผิดชอบ 12

นัยสำคัญคือ ไม่ควรสั่งเอเจนต์กว้าง ๆ ว่า “ช่วยเพิ่มประสิทธิภาพการทำงาน” แต่ควรมอบความรับผิดชอบที่มีขอบเขตชัดเจนภายในเวิร์กโฟลว์ที่เข้าใจดีแล้ว

3 แนวทางสู่การเปลี่ยนผ่าน

Microsoft มองว่าการเปลี่ยนผ่านไม่ได้มีเส้นทางเดียว แต่มี 3 แนวทางที่ใช้เสริมกันได้

1. Persona Acceleration

คือการเสริมผู้ปฏิบัติงานในบทบาทสำคัญด้วยผู้ช่วย เครื่องมือพรอมป์ต ทักษะ และเอเจนต์เฉพาะบทบาท เป้าหมายคือเปลี่ยนวิธีทำงานของพนักงานที่ใช้ AI ได้ดี ให้กลายเป็นขีดความสามารถที่ทำซ้ำได้ทั้งทีม พร้อมการเรียนรู้และการจัดการที่ทำให้การทำงานร่วมกันระหว่างคนกับ AI เป็นเรื่องปกติ 1

2. AI-Powered Process Redesign

แนวทางนี้มุ่งออกแบบเวิร์กโฟลว์ข้ามหน่วยงานใหม่ทั้งกระบวนการ แทนที่จะทำให้งานย่อยเพียงงานเดียวเป็นอัตโนมัติ องค์กรจะลดความล่าช้า งานซ้ำซ้อน ความสูญเปล่า และการตัดสินใจที่กระจัดกระจาย นี่คือภาพที่ชัดที่สุดของแนวคิด Microsoft ว่าคุณค่าของ AI ขึ้นอยู่กับการจัดระเบียบงานใหม่ 12

3. AI-First Possibility

เป็นการเปิดพื้นที่ให้ทีมผู้เชี่ยวชาญขนาดเล็กสร้างผลิตภัณฑ์ บริการ หรือวิธีดำเนินงาน โดยตั้งต้นจากสมมติฐานว่า AI เป็นส่วนหนึ่งของการทำงานตั้งแต่วันแรก วิธีนี้มีความไม่แน่นอนสูงกว่า แต่ช่วยให้เห็นรูปแบบงานและโอกาสด้านผลิตภัณฑ์ที่การทำอัตโนมัติแบบค่อยเป็นค่อยไปอาจมองไม่เห็น 1

เพิ่มความเป็นอิสระของเอเจนต์ทีละขั้น

Microsoft ไม่ได้มองว่าความเป็นอิสระของเอเจนต์เป็นทางเลือกแบบมีหรือไม่มี แต่เสนอการไล่ระดับ โดยมนุษย์ยังคงเป็นผู้รับผิดชอบ ขณะที่เอเจนต์รับงานที่นิยามชัดขึ้นเรื่อย ๆ

1. มนุษย์ใช้ผู้ช่วย AI: AI ช่วยร่าง สรุป วิเคราะห์ และสนับสนุนการตัดสินใจของคน
2. ทีมมนุษย์-เอเจนต์: เอเจนต์ทำงานหรือการตัดสินใจที่ระบุไว้ ภายใต้การควบคุม เส้นทางยกระดับปัญหา และการกำกับดูแล
3. มนุษย์นำ เอเจนต์ดำเนินงาน: เอเจนต์จัดการงานปฏิบัติการส่วนใหญ่ของเวิร์กโฟลว์ ขณะที่คนกำหนดทิศทางเชิงกลยุทธ์ จัดการข้อยกเว้น ตรวจสอบผลลัพธ์ และรับผิดชอบขั้นสุดท้าย 1

ทั้ง 3 ระดับไม่จำเป็นต้องเป็นบันไดวุฒิภาวะที่ทุกงานต้องเดินตามลำดับเดียวกัน องค์กรอาจใช้ระดับต่างกันในแต่ละเวิร์กโฟลว์ ขึ้นอยู่กับความเสี่ยง ความพร้อมของข้อมูล และผลกระทบเมื่อเกิดข้อผิดพลาด

กรณีศึกษาภายใน Microsoft บอกอะไร

Microsoft ระบุว่างานด้านห่วงโซ่อุปทานบนคลาวด์ของบริษัทเริ่มจากการออกแบบเวิร์กโฟลว์ใหม่และสร้างพื้นฐานร่วม ก่อนขยายไปสู่เอเจนต์ที่สร้างเฉพาะงานมากกว่า 111 ตัว ครอบคลุมการวางแผน การจัดหา การส่งมอบ และโลจิสติกส์ บริษัทระบุว่าบางเวิร์กโฟลว์มีเวลารอบการทำงานลดลงได้สูงสุด 75% และการตรวจสอบแผนความต้องการที่เคยใช้เวลา 5–7 วัน ลดเหลือเพียงไม่กี่ชั่วโมง 24

อีกตัวอย่างคือ Copilot Cowork ซึ่งเป็นทีมข้ามสายงาน 9 คนที่เปิดตัวผลิตภัณฑ์เวอร์ชันแรกภายใน 35 วันด้วยแนวทาง AI-first บทเรียนตามรายงานไม่ได้อยู่แค่การพัฒนาเร็วขึ้น แต่บทบาทของวิศวกรและผู้จัดการผลิตภัณฑ์เปลี่ยนไปเป็นสิ่งที่ Microsoft เรียกว่า “meta-engineers” และ “meta-PMs” คือทำหน้าที่กำกับ ตรวจทาน และประสานผลงานของเอเจนต์ พร้อมให้ความสำคัญกับวิจารณญาณด้านผลิตภัณฑ์และการออกแบบระบบ 24

ในกรอบคิดนี้ AI ช่วยลดเวลาที่ใช้กับร่างแรก การค้นคว้าข้อมูลตามงานประจำ และการตามหาข้อมูลปฏิบัติการ ขณะที่มนุษย์หันไปเน้นการกำหนดโจทย์ ออกแบบระบบ ตรวจสอบผลลัพธ์ จัดการข้อยกเว้น สร้างความสัมพันธ์ และใช้วิจารณญาณ การเปลี่ยนนี้ต้องอาศัยความรู้ความเข้าใจ AI ความไว้วางใจ การทดลอง และการปรับบทบาทรวมถึงแนวทางบริหารจัดการ ไม่ใช่แค่มีไลเซนส์ Copilot 12

ความได้เปรียบที่ยั่งยืนไม่ได้อยู่ที่โมเดลเพียงอย่างเดียว

Microsoft มองว่าโมเดลพื้นฐาน (foundation models) จะทดแทนกันได้มากขึ้นเรื่อย ๆ ดังนั้น ความได้เปรียบที่ป้องกันการเลียนแบบได้จึงอยู่ในสินทรัพย์เฉพาะขององค์กร ได้แก่ ความรู้ภายในที่เชื่อถือได้ การเข้าถึงข้อมูลและเครื่องมือภายใต้การกำกับดูแล การประสานเวิร์กโฟลว์ นิยามของ “งานที่ดี” ซึ่งเป็นขององค์กรเอง และการประเมินผลที่ผูกกับผลลัพธ์จริง 15

บริษัทเรียกวงจรนี้ว่า “hill-climbing machine” แนวคิดพื้นฐานคือกำหนดผลลัพธ์ที่ต้องการ ประเมินผลงานของเอเจนต์ เก็บข้อเสนอแนะและข้อผิดพลาด ปรับปรุงเวิร์กโฟลว์หรือเอเจนต์ แล้วทำซ้ำ ข้อได้เปรียบจึงไม่ได้อยู่ที่การเลือกโมเดลเพียงรุ่นเดียว แต่อยู่ที่การพัฒนาระบบอย่างต่อเนื่องตามมาตรฐานและลักษณะงานขององค์กร 5

ข้อมูลเอเจนต์ระดับองค์กรสะท้อนการใช้งานแบบใด

การวิเคราะห์ของ Microsoft ที่ครอบคลุมเอเจนต์องค์กรบน Copilot Studio จำนวน 40,093 ตัว จากผู้เช่าใช้งานเกือบ 2,000 ราย พบว่ากรณีใช้เพื่อเพิ่มประสิทธิภาพพนักงานภายในและสนับสนุนผู้ใช้ คิดเป็น 64.6% ของเอเจนต์ที่นำไปใช้งาน บริษัทยังระบุถึงการขยับไปสู่แอปพลิเคชันปฏิบัติการที่กำหนดขอบเขตแคบลง เช่น ความช่วยเหลือด้านเทคนิคและเวิร์กโฟลว์ธุรกิจเฉพาะทาง 3

รูปแบบดังกล่าวสนับสนุนข้อเสนอหลักของคู่มือ: ผู้ช่วยเพิ่มผลิตภาพแบบกว้างอาจเป็นจุดเริ่มต้นทั่วไป แต่การนำเอเจนต์ไปใช้ที่สร้างผลกระทบมากกว่ามักต้องพึ่งกระบวนการที่กำหนดขอบเขตชัดเจน ข้อมูลที่เกี่ยวข้อง การควบคุม และตัวชี้วัดผลลัพธ์

ควรใช้เป็นกรอบคิด ไม่ใช่มาตรฐานตายตัว

หลักฐานใน Playbook นี้เป็นรายงานของ Microsoft เอง จากความพยายามเปลี่ยนผ่านภายในบริษัทและระบบนิเวศผลิตภัณฑ์ของตน ตัวเลขผลลัพธ์ยังไม่ได้ผ่านการตรวจสอบโดยหน่วยงานอิสระ และ Microsoft ก็ระบุชัดว่าเอกสารนี้เป็นแนวทางการทำงานที่ยังพัฒนาอยู่ ไม่ใช่สูตรสำเร็จหรือคำรับประกันผลลัพธ์สำหรับองค์กรอื่น 12

ดังนั้น ประเด็นที่นำไปใช้ได้มากที่สุดไม่ใช่การลอกตัวเลขหรือชื่อบทบาทของ Microsoft แต่คือการทดสอบลำดับการทำงานนี้: เลือกผลลัพธ์ทางธุรกิจที่สำคัญ ทำให้เวิร์กโฟลว์มองเห็นและเรียบง่าย สร้างฐานข้อมูลและธรรมาภิบาล มอบงานที่มีขอบเขตชัดให้เอเจนต์ รักษาความรับผิดชอบของมนุษย์ และปรับปรุงระบบด้วยข้อมูลป้อนกลับที่วัดผลได้