เมื่อเว็บไซต์ไม่ได้มีหน้าเดียว: Adobe สาธิต “Agentic Sites” ที่ปรับตามเจตนาของผู้ชม

Adobe กำลังทดลองเปลี่ยนเว็บไซต์จากหน้าที่ถูกออกแบบไว้ล่วงหน้า ไปสู่ระบบที่สามารถ “ตัดสินใจประกอบหน้าเว็บ” ใหม่ตามความต้องการของผู้ชมแต่ละคนในขณะนั้น

Carlos Sanchez นักวิทยาศาสตร์หลักของ Adobe สาธิตต้นแบบที่เรียกว่า “agentic site” หรือเว็บไซต์ที่ใช้ AI วิเคราะห์เจตนาของผู้เข้าชม แล้วประกอบประสบการณ์บนหน้าเว็บให้สอดคล้องกับเจตนานั้นแบบเรียลไทม์ แนวคิดนี้มุ่งไปสู่การมี “กลุ่มเป้าหมายเพียงคนเดียว” (audience of one) แทนการแบ่งผู้ชมเป็นเซกเมนต์กว้าง ๆ เช่น ลูกค้าเก่าหรือผู้สนใจสินค้าเอาต์ดอร์ 27

อย่างไรก็ตาม จุดที่ต้องเน้นคือระดับความพร้อม เท่าที่มีการรายงาน สิ่งที่ Adobe แสดงคือการสาธิตต้นแบบและผลิตภัณฑ์ที่เกี่ยวข้อง ยังไม่มีหลักฐานว่าบริการซึ่งสร้างหน้าเว็บเฉพาะสำหรับผู้ชมทุกคนในระดับการใช้งานจริงได้เปิดให้บริการทั่วไปแล้ว 434

สิ่งที่ Adobe สาธิต

การสาธิตใช้เว็บไซต์ขายเครื่องชงกาแฟเป็นตัวอย่าง เมื่อผู้ชมค้นหาเครื่องที่เหมาะกับการนำไปใช้ระหว่างตั้งแคมป์ ระบบจะเปลี่ยนเนื้อหา คำแนะนำสินค้า และรูปแบบการนำเสนอให้สะท้อนความต้องการใช้งานกลางแจ้งมากขึ้น โดยเซสชันของ Sanchez ในงาน AI Engineer World’s Fair ใช้ชื่อว่า “Agentic Sites: Building Hyper Personalized Websites” 33

เบื้องหลังไม่ได้เป็นการปล่อยให้โมเดลภาษาประดิษฐ์เว็บไซต์ขึ้นมาเองทั้งหมด แต่เป็นกระบวนการที่มีการควบคุมมากกว่า ระบบจะวิเคราะห์สัญญาณต่าง ๆ เช่น คำค้นหา พฤติกรรมการเปิดดูหน้าเว็บ และบริบทการใช้งาน เพื่อประเมินเจตนาของผู้ชม จากนั้นจึงดึงข้อมูลที่เกี่ยวข้องจากคลังเนื้อหาขององค์กรแล้วนำมาประกอบเป็นหน้าเว็บ 234

ระบบทำงานอย่างไร

ภาพรวมของเวิร์กโฟลว์สามารถอธิบายได้ดังนี้

1. วิเคราะห์เจตนา: ระบบประเมินคำค้นหาและบริบทการโต้ตอบ เพื่อดูว่าผู้ชมกำลังสำรวจข้อมูล ค้นคว้า เปรียบเทียบสินค้า เตรียมซื้อ หรือมีความต้องการเฉพาะ เช่น หาเครื่องชงกาแฟสำหรับตั้งแคมป์
2. ดึงข้อมูลที่ผ่านการอนุมัติ: ระบบใช้แนวทาง Retrieval-Augmented Generation หรือ RAG ซึ่งช่วยส่งเนื้อหาและข้อมูลสินค้าที่เกี่ยวข้องจากระบบเดิมขององค์กรให้โมเดลใช้อ้างอิง
3. เลือกส่วนประกอบของหน้าเว็บ: แทนที่จะมองหน้าเว็บเป็นเอกสารก้อนเดียว ระบบสามารถเลือกหรือปรับบล็อกแต่ละส่วนได้
4. ประกอบและแสดงผล: ข้อความส่วนฮีโร่ รายการสินค้า เมนูนำทาง และปุ่มกระตุ้นการดำเนินการจะถูกนำมาจัดวางให้เหมาะกับเจตนาที่ระบบประเมินได้

วิธีนี้มีความสำคัญต่อการควบคุมแบรนด์ เพราะการอ้างอิงจากเนื้อหาและทรัพยากรที่องค์กรอนุมัติไว้ ช่วยลดความเสี่ยงที่ AI จะกล่าวอ้างคุณสมบัติสินค้าที่ไม่มีอยู่จริง และทำให้ผลลัพธ์ยังอยู่ใกล้เคียงกับแนวทางด้านภาพลักษณ์และเนื้อหาของแบรนด์ รายงานเกี่ยวกับการสาธิตระบุว่าระบบดึงและนำเนื้อหาเดิมมาประกอบใหม่ มากกว่าจะสร้างหน้าเว็บจากศูนย์ 434

ทำไม Cerebras และ Gemma 4 จึงมีบทบาทสำคัญ

การใช้งานที่มีการรายงานระบุว่าใช้โมเดล Gemma 4 ของ Google บนโครงสร้างพื้นฐานประมวลผล AI ของ Cerebras โดยแคตตาล็อกโมเดลของ Cerebras ระบุความเร็วของ Gemma 4 31B ไว้ที่ประมาณ 1,850 โทเคนต่อวินาที ขณะที่ Cerebras เคยรายงานกรณีใช้งาน Gemma 4 ที่ประมาณ 2,300 โทเคนต่อวินาที 36

ความเร็วในการสร้างผลลัพธ์มีความสำคัญ เพราะเว็บไซต์แบบ agentic อาจต้องทำหลายขั้นตอนในการโต้ตอบครั้งเดียว ทั้งวิเคราะห์เจตนา ดึงข้อมูล ประเมินว่าจะใช้ส่วนประกอบใด สร้างหรือปรับข้อความ และส่งผลลัพธ์กลับไปยังหน้าเว็บ หากการประมวลผลเร็วพอ วงจร “ดึงข้อมูล–ให้เหตุผล–ประกอบหน้าเว็บ” ก็มีโอกาสเกิดขึ้นระหว่างการใช้งานจริง แทนที่จะจำกัดอยู่เฉพาะการผลิตคอนเทนต์แบบออฟไลน์

แต่ความเร็วหน่วยเป็นโทเคนต่อวินาทีไม่เท่ากับเวลาที่ผู้ชมต้องรอทั้งหน้าเว็บ เครือข่าย การค้นคืนข้อมูล การเรียกแคตตาล็อกสินค้า การตรวจสอบความยินยอม แคช การเรนเดอร์ในเบราว์เซอร์ และการส่งข้อมูลจากระบบหลังบ้าน ล้วนมีผลต่อประสบการณ์จริง

ความเร็วและต้นทุนที่มีการรายงาน

รายงานเกี่ยวกับการพูดคุยของ Sanchez ระบุว่า คำขอให้หาเครื่องชงกาแฟสำหรับการตั้งแคมป์สร้างผลลัพธ์แบบเฉพาะบุคคลได้ใน 1.64 วินาที โดยประมาณ 1 วินาทีอยู่ในขั้นตอนเรียกโมเดล รายงานเดียวกันเปรียบเทียบกับการตั้งค่าอีกระบบที่ใช้เวลา 4.6 วินาที และระบุต้นทุนการสร้างหน้าเว็บโดยประมาณที่ 0.01–0.02 ดอลลาร์ต่อหน้า 1

ตัวเลขเหล่านี้ควรอ่านในฐานะผลทดสอบและการประเมินจากต้นแบบ ไม่ใช่คำมั่นด้านระดับการให้บริการที่ผ่านการตรวจสอบโดยอิสระ หรือราคาบริการ Adobe ที่ประกาศอย่างเป็นทางการ นอกจากนี้ยังไม่สามารถยืนยันได้ว่าทุกหน้า ผู้ชมทุกคน หรือรูปแบบทราฟฟิกทุกประเภทจะได้ผลลัพธ์เหมือนกัน

เป้าหมายไม่ถึง 1–2 วินาทีจะเปลี่ยนอะไรได้บ้าง

การปรับหน้าเว็บจะรู้สึกเป็นธรรมชาติก็ต่อเมื่อระบบตัดสินใจเสร็จก่อนที่ผู้ชมจะรู้สึกว่ากำลังรอนาน เป้าหมายราว 1–2 วินาทีอาจเปิดทางให้เว็บไซต์ตอบสนองต่อคำค้นหา บริบทตอนเข้าหน้าเว็บ หรือการเปลี่ยนแปลงสำคัญของเจตนาได้ในขณะที่ความต้องการนั้นยังสดใหม่

นั่นทำให้การปรับประสบการณ์ทำได้ละเอียดกว่าการใช้เซกเมนต์แบบเดิม เช่น “ลูกค้าที่กลับมาใช้บริการ” หรือ “ผู้สนใจสินค้ากลางแจ้ง” เว็บไซต์อาจตอบสนองต่อเป้าหมายเฉพาะหน้าแทน เช่น กำลังหาเครื่องชงกาแฟสำหรับแคมป์ กำลังเปรียบเทียบสินค้า หรือพร้อมตัดสินใจซื้อ

อย่างไรก็ดี เป้าหมายด้านเวลาไม่ได้ทำให้ส่วนอื่นของเว็บหายไป ระบบยังต้องจัดการเรื่องความยินยอมและตัวตนผู้ใช้ การตรวจสอบสินค้าและราคา ความเร็วในการค้นคืนข้อมูล การทำงานของ CDN การเรนเดอร์หน้าเว็บ และแผนสำรองเมื่อระบบไม่สามารถสร้างผลลัพธ์ได้ ทั้งหมดต้องอยู่ภายในงบเวลารวมเดียวกัน

เกี่ยวข้องกับผลิตภัณฑ์ Adobe ที่มีอยู่แล้วอย่างไร

ต้นแบบนี้ไม่ควรถูกนำไปเหมารวมกับผลิตภัณฑ์ AI ของ Adobe ที่เปิดใช้งานอยู่ในปัจจุบันทั้งหมด เอกสารของ Adobe ระบุว่าเอเจนต์ใน Adobe Experience Manager (AEM) ใช้งานได้กับ AEM as a Cloud Service และ Edge Delivery Services โดยเงื่อนไขและช่วงเวลาการเปิดให้ใช้งานอาจแตกต่างกันไปตามสภาพแวดล้อม 17

ส่วน Adobe Experience Platform Agent Orchestrator ถูกอธิบายว่าเป็นชั้นสำหรับให้เหตุผลและประสานงานเอเจนต์บน Experience Platform โดยใช้ข้อมูลใน Experience Platform และประสานเอเจนต์ของ Adobe รวมถึงของบุคคลที่สามภายใต้การกำกับดูแลของมนุษย์ Adobe ยังประกาศการเปิดใช้งาน Agent Orchestrator โดยทั่วไป ขณะที่เอกสารบางส่วนระบุว่าความสามารถของเอเจนต์บางรายการต้องขอสิทธิ์เข้าถึงหรืออยู่ในช่วงทดลองที่จำกัดตามการใช้งาน 18192122

ความสามารถที่เกี่ยวข้องยังรวมถึง

• Brand Experience Agent: Adobe ระบุว่าสามารถช่วยอัปเดตหน้าเว็บ สร้างเนื้อหาใหม่ และปรับปรุงประสบการณ์ดิจิทัลเดิมให้พร้อมต่อการค้นพบด้วย AI 202344
• Content Advisor Agent: ช่วยทีมค้นหาเนื้อหาในองค์กรและสร้างรูปแบบภาพที่แตกต่างจากทรัพยากรต้นฉบับที่ผ่านการอนุมัติ 202743
• Agent Orchestrator: ทำหน้าที่เป็นชั้นแพลตฟอร์มสำหรับจัดการและประสานงานเอเจนต์จากระบบนิเวศของ Adobe และผู้ให้บริการภายนอก 182230

ผลิตภัณฑ์เหล่านี้สะท้อนว่า Adobe กำลังสร้างโครงสร้างเทคโนโลยีแบบ agentic รอบเนื้อหา ข้อมูลลูกค้า และประสบการณ์ดิจิทัล แต่ไม่ได้พิสูจน์ด้วยตัวเองว่าต้นแบบการประกอบหน้าเว็บเฉพาะผู้ชมของ Sanchez กลายเป็นฟีเจอร์มาตรฐานที่พร้อมใช้งานในระบบจริงแล้ว

อะไรต้องเกิดขึ้นก่อนใช้งานในวงกว้าง

การสาธิตทางเทคนิคตอบได้ว่า การประกอบหน้าเว็บแบบเรียลไทม์มีความเป็นไปได้หรือไม่ แต่ยังไม่ได้ตอบว่าระบบนี้เหมาะสมในเชิงปฏิบัติการและเศรษฐศาสตร์สำหรับทุกเว็บไซต์หรือไม่

ลูกค้าต้องทดสอบกับระบบจริงของตัวเอง

องค์กรจะต้องทดลองกับคลังข้อมูล AEM แคตตาล็อกสินค้า ระบบตัวตนผู้ใช้ นโยบายความยินยอม และเป้าหมายด้านคอนเวอร์ชันของตนเอง คำถามสำคัญไม่ใช่เพียง “สร้างหน้าเว็บได้เร็วหรือไม่” แต่คือหน้าเว็บที่ได้ช่วยเพิ่มผลลัพธ์ที่มีคุณค่าหรือไม่ โดยไม่เพิ่มข้อผิดพลาดและความเสี่ยงในการปฏิบัติงาน

รายงานสาธารณะระบุว่าแนวคิด agentic site โดยเฉพาะนี้ยังไม่ได้ถูกนำไปใช้งานกับเว็บไซต์ลูกค้าในระดับวงกว้าง 4

ต้องเชื่อมต่อระบบจำนวนมาก

การใช้งานจริงต้องมีการเชื่อมต่อที่เชื่อถือได้ระหว่างระบบประมวลผล AI ระบบจัดการเนื้อหา ข้อมูลลูกค้า ตัวตนและความยินยอม ระบบพาณิชย์หรือแคตตาล็อก การวิเคราะห์และทดสอบประสบการณ์ CDN การส่งข้อมูลที่ขอบเครือข่าย และคลังทรัพยากรของแบรนด์ โมเดลที่ตอบเร็วไม่สามารถชดเชยข้อมูลสินค้าที่ล้าสมัยหรือบริการแคตตาล็อกที่ทำงานช้าได้

ต้นทุนต่อหน้าต้องทดสอบเมื่อมีทราฟฟิกสูง

ต้นทุนประมาณ 1–2 เซนต์ต่อการโต้ตอบอาจดูไม่มากสำหรับผู้ชมหนึ่งคน แต่จะกลายเป็นต้นทุนที่มีนัยสำคัญเมื่อคูณกับทราฟฟิกจำนวนมาก โดยเฉพาะหากเว็บไซต์ต้องสร้างประสบการณ์ใหม่หลังการโต้ตอบที่สำคัญทุกครั้ง

การใช้แคช การนำบล็อกที่ผ่านการอนุมัติกลับมาใช้ใหม่ การสร้างผลลัพธ์ใหม่เฉพาะเมื่อจำเป็น และกฎที่ชัดเจนว่าเมื่อใดไม่ควรเรียกโมเดล จึงเป็นปัจจัยสำคัญต่อความคุ้มค่าทางธุรกิจ ข้อมูลสาธารณะในขณะนี้ยังไม่ได้ระบุโมเดลราคาของ Adobe อย่างชัดเจนสำหรับโลกที่ผู้ชมทุกคนได้รับประสบการณ์เฉพาะตัว

ทุกบล็อกที่สร้างขึ้นต้องอยู่ภายใต้การกำกับดูแล

การใช้งานที่น่าเชื่อถือควรมีการควบคุมอย่างชัดเจนในประเด็นต่อไปนี้

• แหล่งเนื้อหาที่อนุมัติและขอบเขตการค้นคืนข้อมูล
• การตรวจสอบคุณสมบัติสินค้า สต็อก และราคา
• รูปแบบเลย์เอาต์ ส่วนประกอบ และปุ่มกระตุ้นการดำเนินการที่อนุญาต
• น้ำเสียงของแบรนด์และกฎด้านอัตลักษณ์ทางภาพ
• การตรวจสอบด้านการเข้าถึงและการแปลภาษา
• ข้อความกล่าวอ้างต้องห้ามหรืออยู่ภายใต้การกำกับเป็นพิเศษ
• ขั้นตอนอนุมัติและประวัติการตรวจสอบย้อนหลัง
• การติดตามผล การย้อนกลับเวอร์ชัน และการตรวจจับการเปลี่ยนแปลงของระบบ
• เกณฑ์ที่ต้องส่งให้มนุษย์ตรวจสอบ

ดังนั้น เวอร์ชันที่แข็งแรงที่สุดของแนวคิดนี้ไม่ใช่เว็บไซต์ AI ที่ทำงานอย่างไร้ขอบเขต แต่คือระบบประกอบหน้าเว็บที่มีการกำกับดูแล ใช้ AI เพื่อตัดสินใจอย่างรวดเร็วว่าจะนำส่วนประกอบที่ผ่านการอนุมัติใดมาแสดง และควรปรับให้เข้ากับเจตนาปัจจุบันของผู้ชมอย่างไร

สรุปในเชิงปฏิบัติ

การสาธิตของ Sanchez ชี้ให้เห็นว่าเว็บไซต์อาจกลายเป็นชั้นตัดสินใจแบบรันไทม์ แทนที่จะเป็นเพียงชุดหน้าที่เขียนเตรียมไว้ล่วงหน้า ขณะที่ Cerebras และ Gemma 4 ช่วยให้ขั้นตอนการให้เหตุผลเร็วพอสำหรับการทดลองใช้งานแบบเรียลไทม์ ส่วน AEM และการอ้างอิงข้อมูลด้วย RAG ก็เป็นแนวทางในการรักษาความถูกต้องของเนื้อหาและการควบคุมแบรนด์ 13617

แต่พาดหัวที่เหมาะสมควรเป็น “ต้นแบบที่น่าจับตา” ไม่ใช่ผลิตภัณฑ์ประเภทใหม่ที่พร้อมใช้งานเต็มรูปแบบแล้ว บททดสอบถัดไปคือการพิสูจน์ว่า agentic sites สามารถรักษาความเร็ว ความถูกต้อง การเข้าถึง การกำกับดูแล และคุณค่าทางธุรกิจได้หรือไม่ เมื่อนำไปใช้กับแคตตาล็อกจริง ข้อกำหนดเรื่องความยินยอมจริง และทราฟฟิกจริงในระดับสูง