สารหลักของ Dell ในงาน The Six Five Summit: AI Unleashed 2026 คือ AI แบบเอเจนต์ควรถูกมองเป็นรูปแบบการทำงานจริงขององค์กร ไม่ใช่เพียงคำเรียกใหม่ของแชตบอต ความแตกต่างอยู่ที่ระบบสามารถทำตามเป้าหมายที่กำหนดไว้ ใช้เครื่องมือ และทำงานให้เสร็จได้โดยมีมนุษย์แทรกแซงอย่างจำกัดหรือไม่

อย่างไรก็ตาม ตัวเลขด้านประสิทธิภาพ ต้นทุน และผลกระทบทางธุรกิจที่กล่าวถึงในงานเป็นข้อมูลที่ Dell รายงานเอง ยังไม่ใช่ผลการทดสอบอิสระที่ยืนยันได้ในทุกองค์กร 15

จากแชตบอตที่ช่วยตอบ สู่เอเจนต์ที่ลงมือทำ

AI เชิงสร้างสรรค์ในระยะแรกของภาคธุรกิจมักเน้นการช่วยค้นหา สรุป และโต้ตอบกับข้อมูลภายในองค์กร แต่ Dell มองว่าระยะถัดไปคือการ “ทำให้งานเป็นดิจิทัล” โดยโอนภารกิจที่กำหนดขอบเขตชัดเจนจากมนุษย์ไปให้ซอฟต์แวร์ที่สามารถวิเคราะห์ลำดับงานและลงมือทำได้ 14

แนวคิดนี้ยังเป็นคำตอบของ Dell ต่อสิ่งที่เรียกว่า “agent washing” หรือการนำคำว่าเอเจนต์ไปใช้กับบอต ผู้ช่วย หรือระบบอัตโนมัติแบบกำหนดสคริปต์ ทั้งที่ไม่ได้ทำงานอย่างอิสระจริง

ในนิยามของ Dell แชตบอตอาจสร้างคำตอบให้ผู้ใช้ แต่เอเจนต์ควรมุ่งไปสู่เป้าหมาย ใช้เครื่องมือหรือเชื่อมต่อกับระบบอื่น และดำเนินขั้นตอนต่าง ๆ ในกระบวนการธุรกิจได้ 25

Dell ระบุว่าเริ่มสร้างเอเจนต์ราว 2 ปีก่อนงานประชุม และนำเอเจนต์ชุดแรกเข้าสู่การใช้งานจริงในช่วงปีก่อนหน้า โดยใช้บริษัทของตัวเองเป็น “Customer Zero” หรือองค์กรผู้ใช้งานชุดแรกเพื่อทดสอบระบบ 2

ทำไม Dell จึงลด 900 ไอเดียเหลือ 13 โครงการ

Dell กล่าวว่าเดิมมีโครงการ AI ที่เป็นไปได้ราว 900 รายการ ก่อนคัดเหลือประมาณ 13 โครงการ ที่มีเป้าหมายเฉพาะเจาะจง กระบวนการคัดเลือกให้ความสำคัญกับลำดับความสำคัญทางธุรกิจและการวิเคราะห์กระบวนการ มากกว่าการปล่อยให้การทดลองย่อยจำนวนมากดำเนินต่อไปโดยไม่มีเป้าหมายร่วมกัน 12

กรณีใช้งานจริงที่ Dell ยกตัวอย่าง ได้แก่

• การทำความสะอาดข้อมูล CRM ให้เอเจนต์รับผิดชอบงานตรวจสอบและแก้ไขคุณภาพข้อมูลที่ทำซ้ำเป็นประจำ
• การพัฒนาซอฟต์แวร์ รวมถึงงานที่เกี่ยวข้องกับการเขียนโค้ด
• การสนับสนุนงานด้านราคา ด้วยเวิร์กโฟลว์ที่ให้เอเจนต์ช่วยจัดการกระบวนการเกี่ยวกับราคา
• การจองการเดินทางและการสรุปเอกสาร ซึ่งเป็นตัวอย่างของงานอัตโนมัติที่มีความซับซ้อนไม่สูงมาก 25

บทเรียนที่ Dell ต้องการสื่อไม่ใช่ทุกกระบวนการจำเป็นต้องมีเอเจนต์ แต่คือองค์กรควรเริ่มจากงานที่มีผลลัพธ์ทางธุรกิจวัดได้ แล้วสร้างระบบขนาดเล็กที่สุดที่ตอบโจทย์นั้น แนวทางนี้ช่วยแยกการใช้งานจริงออกจากโครงการทดลอง AI ที่มีขอบเขตกว้างแต่ยังไม่สร้างผลลัพธ์ชัดเจน

ผลลัพธ์ด้านผลิตภาพที่ Dell อ้าง

Dell ระบุว่าเอเจนต์ที่รับผิดชอบงานระดับภารกิจอาจช่วยเพิ่มผลิตภาพได้ประมาณ 20%–40% ขณะที่ระบบที่รับช่วงงานได้ทั้งหมวดอาจสร้างผลลัพธ์ที่ใหญ่กว่านั้นมาก หรืออาจเพิ่มขึ้นหลายลำดับขั้นตามคำอธิบายของบริษัท 25

ควรอ่านตัวเลขเหล่านี้ในฐานะผลลัพธ์และความคาดหวังที่ Dell รายงานเอง ไม่ใช่เกณฑ์มาตรฐานที่ผ่านการตรวจสอบอย่างเป็นอิสระในทุกอุตสาหกรรม นอกจากนี้ Dell ยังกล่าวว่างาน AI ภายในบริษัทช่วยแยกการเติบโตของรายได้ออกจากโครงสร้างต้นทุน แต่ข้อมูลที่มีอยู่ยังไม่สามารถระบุได้ว่าเอเจนต์แต่ละระบบมีส่วนมากน้อยเพียงใด หรือพิสูจน์ความสัมพันธ์เชิงเหตุผลได้ 2

สำหรับองค์กรที่กำลังพิจารณาลงทุน ประเด็นสำคัญจึงไม่ใช่แค่ถามว่า AI ทำได้ดีแค่ไหน แต่ต้องระบุให้ชัดว่า

• ระบบกำลังทำงานอะไร
• เวลาของมนุษย์ส่วนใดถูกลดหรือเปลี่ยนไปใช้กับงานอื่น
• ค่าใช้จ่ายของการประมวลผลและการประสานงานระบบอยู่ที่เท่าไร
• ต้องมีการควบคุมแบบใดเมื่อเอเจนต์สามารถลงมือทำโดยไม่ต้องรอการตรวจสอบทุกขั้นตอน

AI แบบเอเจนต์เปลี่ยนสมการโครงสร้างพื้นฐาน

ข้อเสนอด้านโครงสร้างพื้นฐานของ Dell คือ AI แบบเอเจนต์ในการใช้งานจริงไม่ใช่เพียงการเพิ่มขนาดระบบประมวลผลสำหรับแชตบอต ปัญหาคอขวดอาจเปลี่ยนจากพลังประมวลผลดิบไปเป็น ความจุและแบนด์วิดท์ของหน่วยความจำ โดยเฉพาะในเวิร์กโฟลว์ที่ทำงานต่อเนื่องและต้องเก็บสถานะไว้ในแคชแบบคีย์-แวลู บางกรณีหน่วยความจำอาจเต็มก่อนที่กำลังประมวลผลของ GPU จะถูกใช้งานจนหมด 24

รูปแบบการเข้าถึงข้อมูลของเอเจนต์ในการทำงานจริงก็แตกต่างจากการฝึกโมเดล แทนที่จะประมวลผลชุดข้อมูลขนาดใหญ่ที่ค่อนข้างคงที่ เอเจนต์อาจส่งคำขอที่ต่อเนื่อง เป็นช่วง ๆ และเจาะจงไปยังระบบองค์กรหลายแห่ง เมื่อขยายสู่ระดับใหญ่ ความเร็วในการส่งข้อมูลและ tail latency หรือความหน่วงของคำขอที่ช้าที่สุด จึงมีความสำคัญไม่แพ้อัตราการประมวลผลของโมเดล 24

CPU ก็กลับมามีบทบาทมากขึ้น เพราะทำหน้าที่ประสานงาน จัดการตรรกะแบบแตกแขนง การค้นคืนข้อมูล การเรียกใช้เครื่องมือ และการสื่อสารระหว่างส่วนประกอบต่าง ๆ ขณะที่ GPU รับภาระงานของโมเดลที่เหมาะสมกับมัน Dell กล่าวว่าอัตรา CPU ต่อ GPU ซึ่งในระบบ AI แบบเดิมอาจอยู่ราว 8:1 ถึง 16:1 อาจขยับเข้าใกล้ 1:1 หรือ 2:1 ในระบบ AI แบบเอเจนต์ 2

สำหรับองค์กร Dell จึงเสนอการใช้โครงสร้างพื้นฐานแพลตฟอร์มที่นำกลับมาใช้ซ้ำได้ แทนการสร้างสแตกเฉพาะกิจสำหรับแต่ละงาน พร้อมสนับสนุนสถาปัตยกรรมแบบไฮบริดที่กระจายงานไปยังระบบภายในองค์กร ไพรเวตคลาวด์ API สาธารณะ หรือโมเดลบนอุปกรณ์ ตามข้อกำหนดด้านการปฏิบัติตามกฎระเบียบ ประสิทธิภาพ การควบคุมข้อมูล และต้นทุน 45

เอเจนต์แต่ละประเภทมีต้นทุนไม่เท่ากัน

เมื่อเวิร์กโฟลว์ทำงานได้ด้วยตัวเอง เศรษฐศาสตร์ของโมเดลต้องสอดคล้องกับมูลค่าของงาน Dell ยกตัวอย่างที่แตกต่างกันอย่างมาก ได้แก่ เอเจนต์ช่วยสนับสนุนการตัดสินใจของผู้บริหารอาจรองรับต้นทุนราว 100,000 ดอลลาร์สหรัฐต่อเดือน ขณะที่เอเจนต์ทำความสะอาดข้อมูล CRM อาจต้องทำงานด้วยต้นทุนต่ำกว่า 0.50 ดอลลาร์ต่อระเบียน 2

ตัวเลขดังกล่าวไม่ได้หมายความว่าเป็นราคามาตรฐานสำหรับทุกองค์กร แต่สะท้อนว่าไม่ควรเลือกใช้โมเดลที่มีความสามารถสูงและมีราคาแพงที่สุดกับทุกงาน พอร์ตโฟลิโอขององค์กรอาจต้องประกอบด้วยโมเดลขนาดเล็กสำหรับงานประจำที่มีปริมาณสูง โมเดลขนาดใหญ่สำหรับการให้เหตุผลที่ซับซ้อน และสภาพแวดล้อมการประมวลผลที่ต่างกันสำหรับงานซึ่งมีข้อกำหนดด้านความหน่วง อธิปไตยของข้อมูล หรือการปฏิบัติตามกฎระเบียบแตกต่างกัน 25

ความปลอดภัยเริ่มจากตัวตนของเอเจนต์แต่ละตัว

Dell ระบุว่าเอเจนต์อัตโนมัติทุกตัวที่เข้าถึงข้อมูลของบริษัทจะได้รับ ตัวตนดิจิทัลของ Dell ของตัวเอง ตัวตนดังกล่าวช่วยให้กำหนดสิทธิ์ได้อย่างละเอียดและเพิกถอนการอนุญาตได้ หากปิดใช้งานตัวตนก็สามารถทำหน้าที่คล้ายสวิตช์หยุดการเข้าถึงของเอเจนต์ได้ 25

เรื่องนี้สำคัญเป็นพิเศษกับ headless agent หรือเอเจนต์ที่ทำงานโดยไม่มีส่วนติดต่อผู้ใช้และไม่มีมนุษย์คอยกำกับแบบเรียลไทม์ หากเอเจนต์ลงมือทำผ่านเครื่องมือขององค์กรโดยตรง บริษัทต้องตรวจสอบได้ว่าเอเจนต์ตัวใดเป็นผู้ดำเนินการ เข้าถึงข้อมูลอะไรได้บ้าง และจะหยุดระบบได้อย่างไร โดยไม่ต้องพึ่งข้อมูลรับรองของผู้ใช้คนใดคนหนึ่ง

ดังนั้น การกำหนดสิทธิ์เท่าที่จำเป็นและการสร้างตัวตนแยกสำหรับเอเจนต์จึงกลายเป็นชั้นควบคุมหลัก ไม่ใช่คุณสมบัติเสริมด้านความปลอดภัย 45

Dell ยังกล่าวถึงโปรโตคอลสำหรับการสื่อสารและควบคุมเอเจนต์ เช่น A2A และ MCP รวมถึงการเตรียมวางแผนใช้การเข้ารหัสที่ทนทานต่อการโจมตีด้วยคอมพิวเตอร์ควอนตัม หรือ post-quantum cryptography ในฐานะส่วนหนึ่งของกรอบกำกับดูแลที่กำลังก่อตัวขึ้น 2

ทั้งนี้ ข้อมูลที่มีอยู่ยังไม่รองรับการระบุเป็นเปอร์เซ็นต์ที่น่าเชื่อถือว่า ในอนาคตจะมีการใช้งานแบบ headless agent มากน้อยเพียงใด การคาดการณ์เป็นตัวเลขที่ชัดเจนในประเด็นนี้จึงเกินกว่าหลักฐานจากแหล่งข้อมูลที่มี

มุมมองของ Dell ต่ออนาคตของงาน

Dell กล่าวว่าได้วิเคราะห์ ตำแหน่งงาน 6,800 ตำแหน่ง เพื่อดูว่างานส่วนใดสามารถมอบหมายให้เอเจนต์ และส่วนใดยังคงต้องอาศัยวิจารณญาณของมนุษย์ 2

ข้อสรุปของบริษัทคือ เอเจนต์จะเปลี่ยนงานโดยการดึง “ภารกิจย่อย” ออกจากแต่ละอาชีพ มากกว่าจะลบตำแหน่งงานทั้งตำแหน่ง ในภาพนี้ เอเจนต์จะรับงานด้านผลิตภาพ งานจัดระเบียบและดูแลข้อมูล หรือ “งานสุขอนามัย” ของกระบวนการ รวมถึงงานประสานงาน ขณะที่พนักงานใช้เวลามากขึ้นกับการตัดสินใจเชิงผู้เชี่ยวชาญและกิจกรรมที่ต้องอาศัยความเข้าใจมนุษย์ 25

อย่างไรก็ตาม นี่เป็นแนวคิดเรื่องการปรับโครงสร้างกำลังคน ไม่ใช่หลักประกันว่าจะไม่มีตำแหน่งงานใดหายไป แม้ตำแหน่งงานยังคงอยู่ แต่หน้าที่ จำนวนบุคลากร ทักษะที่ต้องใช้ และผู้รับผิดชอบต่อผลลัพธ์อาจเปลี่ยนแปลงได้

ความท้าทายจริงขององค์กรจึงอยู่ที่การออกแบบงานใหม่ ต้องตัดสินใจว่างานใดควรมอบหมายให้เอเจนต์ การตัดสินใจใดต้องมีมนุษย์เป็นเจ้าของ และจะวัดผลการทำงานอย่างไรหลังจากกระบวนการถูกปรับเปลี่ยน

สิ่งที่ผู้ซื้อ AI ระดับองค์กรควรถาม

ข้อเสนอของ Dell ทำให้การเปลี่ยนจากโครงการนำร่องไปสู่การใช้งานจริงสรุปได้เป็น 4 คำถาม

1. ระบบเป็นอิสระจริงหรือไม่ การเปลี่ยนชื่อแชตบอตไม่ได้ทำให้ระบบกลายเป็นเอเจนต์โดยอัตโนมัติ
2. ระบบทำงานที่มีคุณค่าและมีขอบเขตชัดเจนหรือไม่ การลดจาก 900 โครงการเหลือ 13 โครงการสะท้อนความสำคัญของการจัดลำดับความสำคัญ
3. โครงสร้างพื้นฐานรองรับสถานะของเวิร์กโฟลว์ ความหน่วง การประสานงาน และต้นทุนที่เหมาะกับงานหรือไม่ การประมวลผลของเอเจนต์อาจกดดันหน่วยความจำและการส่งข้อมูลในแบบที่ต่างจากการฝึกโมเดลหรือแชตบอตทั่วไป
4. องค์กรควบคุมเอเจนต์ได้หรือไม่ ต้องออกแบบตัวตน การอนุญาต บันทึกกิจกรรม การเพิกถอนสิทธิ์ และความรับผิดชอบของมนุษย์ก่อนขยายการเข้าถึงระบบอัตโนมัติ

ข้อโต้แย้งหลักของ Dell คือ AI แบบเอเจนต์จะมีความหมายก็ต่อเมื่อเชื่อมโยงกับงานจริงและวัดผลด้วยผลลัพธ์ทางธุรกิจจริง ขณะเดียวกันต้องไม่มองตัวเลขของบริษัทเป็นคำรับประกันสากล เพราะกรณีใช้งานและผลลัพธ์ที่นำเสนอสะท้อนมุมมองกับประสบการณ์ที่ Dell รายงานเอง ไม่ได้หมายความว่าทุกองค์กรจะได้ผลลัพธ์เหมือนกัน

สารหลักของ Dell ในงาน The Six Five Summit: AI Unleashed 2026 คือ AI แบบเอเจนต์ควรถูกมองเป็นรูปแบบการทำงานจริงขององค์กร ไม่ใช่เพียงคำเรียกใหม่ของแชตบอต ความแตกต่างอยู่ที่ระบบสามารถทำตามเป้าหมายที่กำหนดไว้ ใช้เครื่องมือ และทำงานให้เสร็จได้โดยมีมนุษย์แทรกแซงอย่างจำกัดหรือไม่

อย่างไรก็ตาม ตัวเลขด้านประสิทธิภาพ ต้นทุน และผลกระทบทางธุรกิจที่กล่าวถึงในงานเป็นข้อมูลที่ Dell รายงานเอง ยังไม่ใช่ผลการทดสอบอิสระที่ยืนยันได้ในทุกองค์กร 15

จากแชตบอตที่ช่วยตอบ สู่เอเจนต์ที่ลงมือทำ

AI เชิงสร้างสรรค์ในระยะแรกของภาคธุรกิจมักเน้นการช่วยค้นหา สรุป และโต้ตอบกับข้อมูลภายในองค์กร แต่ Dell มองว่าระยะถัดไปคือการ “ทำให้งานเป็นดิจิทัล” โดยโอนภารกิจที่กำหนดขอบเขตชัดเจนจากมนุษย์ไปให้ซอฟต์แวร์ที่สามารถวิเคราะห์ลำดับงานและลงมือทำได้ 14

แนวคิดนี้ยังเป็นคำตอบของ Dell ต่อสิ่งที่เรียกว่า “agent washing” หรือการนำคำว่าเอเจนต์ไปใช้กับบอต ผู้ช่วย หรือระบบอัตโนมัติแบบกำหนดสคริปต์ ทั้งที่ไม่ได้ทำงานอย่างอิสระจริง

ในนิยามของ Dell แชตบอตอาจสร้างคำตอบให้ผู้ใช้ แต่เอเจนต์ควรมุ่งไปสู่เป้าหมาย ใช้เครื่องมือหรือเชื่อมต่อกับระบบอื่น และดำเนินขั้นตอนต่าง ๆ ในกระบวนการธุรกิจได้ 25

Dell ระบุว่าเริ่มสร้างเอเจนต์ราว 2 ปีก่อนงานประชุม และนำเอเจนต์ชุดแรกเข้าสู่การใช้งานจริงในช่วงปีก่อนหน้า โดยใช้บริษัทของตัวเองเป็น “Customer Zero” หรือองค์กรผู้ใช้งานชุดแรกเพื่อทดสอบระบบ 2

ทำไม Dell จึงลด 900 ไอเดียเหลือ 13 โครงการ

Dell กล่าวว่าเดิมมีโครงการ AI ที่เป็นไปได้ราว 900 รายการ ก่อนคัดเหลือประมาณ 13 โครงการ ที่มีเป้าหมายเฉพาะเจาะจง กระบวนการคัดเลือกให้ความสำคัญกับลำดับความสำคัญทางธุรกิจและการวิเคราะห์กระบวนการ มากกว่าการปล่อยให้การทดลองย่อยจำนวนมากดำเนินต่อไปโดยไม่มีเป้าหมายร่วมกัน 12

กรณีใช้งานจริงที่ Dell ยกตัวอย่าง ได้แก่

• การทำความสะอาดข้อมูล CRM ให้เอเจนต์รับผิดชอบงานตรวจสอบและแก้ไขคุณภาพข้อมูลที่ทำซ้ำเป็นประจำ
• การพัฒนาซอฟต์แวร์ รวมถึงงานที่เกี่ยวข้องกับการเขียนโค้ด
• การสนับสนุนงานด้านราคา ด้วยเวิร์กโฟลว์ที่ให้เอเจนต์ช่วยจัดการกระบวนการเกี่ยวกับราคา
• การจองการเดินทางและการสรุปเอกสาร ซึ่งเป็นตัวอย่างของงานอัตโนมัติที่มีความซับซ้อนไม่สูงมาก 25

บทเรียนที่ Dell ต้องการสื่อไม่ใช่ทุกกระบวนการจำเป็นต้องมีเอเจนต์ แต่คือองค์กรควรเริ่มจากงานที่มีผลลัพธ์ทางธุรกิจวัดได้ แล้วสร้างระบบขนาดเล็กที่สุดที่ตอบโจทย์นั้น แนวทางนี้ช่วยแยกการใช้งานจริงออกจากโครงการทดลอง AI ที่มีขอบเขตกว้างแต่ยังไม่สร้างผลลัพธ์ชัดเจน

ผลลัพธ์ด้านผลิตภาพที่ Dell อ้าง

Dell ระบุว่าเอเจนต์ที่รับผิดชอบงานระดับภารกิจอาจช่วยเพิ่มผลิตภาพได้ประมาณ 20%–40% ขณะที่ระบบที่รับช่วงงานได้ทั้งหมวดอาจสร้างผลลัพธ์ที่ใหญ่กว่านั้นมาก หรืออาจเพิ่มขึ้นหลายลำดับขั้นตามคำอธิบายของบริษัท 25

ควรอ่านตัวเลขเหล่านี้ในฐานะผลลัพธ์และความคาดหวังที่ Dell รายงานเอง ไม่ใช่เกณฑ์มาตรฐานที่ผ่านการตรวจสอบอย่างเป็นอิสระในทุกอุตสาหกรรม นอกจากนี้ Dell ยังกล่าวว่างาน AI ภายในบริษัทช่วยแยกการเติบโตของรายได้ออกจากโครงสร้างต้นทุน แต่ข้อมูลที่มีอยู่ยังไม่สามารถระบุได้ว่าเอเจนต์แต่ละระบบมีส่วนมากน้อยเพียงใด หรือพิสูจน์ความสัมพันธ์เชิงเหตุผลได้ 2

สำหรับองค์กรที่กำลังพิจารณาลงทุน ประเด็นสำคัญจึงไม่ใช่แค่ถามว่า AI ทำได้ดีแค่ไหน แต่ต้องระบุให้ชัดว่า

• ระบบกำลังทำงานอะไร
• เวลาของมนุษย์ส่วนใดถูกลดหรือเปลี่ยนไปใช้กับงานอื่น
• ค่าใช้จ่ายของการประมวลผลและการประสานงานระบบอยู่ที่เท่าไร
• ต้องมีการควบคุมแบบใดเมื่อเอเจนต์สามารถลงมือทำโดยไม่ต้องรอการตรวจสอบทุกขั้นตอน

AI แบบเอเจนต์เปลี่ยนสมการโครงสร้างพื้นฐาน

ข้อเสนอด้านโครงสร้างพื้นฐานของ Dell คือ AI แบบเอเจนต์ในการใช้งานจริงไม่ใช่เพียงการเพิ่มขนาดระบบประมวลผลสำหรับแชตบอต ปัญหาคอขวดอาจเปลี่ยนจากพลังประมวลผลดิบไปเป็น ความจุและแบนด์วิดท์ของหน่วยความจำ โดยเฉพาะในเวิร์กโฟลว์ที่ทำงานต่อเนื่องและต้องเก็บสถานะไว้ในแคชแบบคีย์-แวลู บางกรณีหน่วยความจำอาจเต็มก่อนที่กำลังประมวลผลของ GPU จะถูกใช้งานจนหมด 24

รูปแบบการเข้าถึงข้อมูลของเอเจนต์ในการทำงานจริงก็แตกต่างจากการฝึกโมเดล แทนที่จะประมวลผลชุดข้อมูลขนาดใหญ่ที่ค่อนข้างคงที่ เอเจนต์อาจส่งคำขอที่ต่อเนื่อง เป็นช่วง ๆ และเจาะจงไปยังระบบองค์กรหลายแห่ง เมื่อขยายสู่ระดับใหญ่ ความเร็วในการส่งข้อมูลและ tail latency หรือความหน่วงของคำขอที่ช้าที่สุด จึงมีความสำคัญไม่แพ้อัตราการประมวลผลของโมเดล 24

CPU ก็กลับมามีบทบาทมากขึ้น เพราะทำหน้าที่ประสานงาน จัดการตรรกะแบบแตกแขนง การค้นคืนข้อมูล การเรียกใช้เครื่องมือ และการสื่อสารระหว่างส่วนประกอบต่าง ๆ ขณะที่ GPU รับภาระงานของโมเดลที่เหมาะสมกับมัน Dell กล่าวว่าอัตรา CPU ต่อ GPU ซึ่งในระบบ AI แบบเดิมอาจอยู่ราว 8:1 ถึง 16:1 อาจขยับเข้าใกล้ 1:1 หรือ 2:1 ในระบบ AI แบบเอเจนต์ 2

สำหรับองค์กร Dell จึงเสนอการใช้โครงสร้างพื้นฐานแพลตฟอร์มที่นำกลับมาใช้ซ้ำได้ แทนการสร้างสแตกเฉพาะกิจสำหรับแต่ละงาน พร้อมสนับสนุนสถาปัตยกรรมแบบไฮบริดที่กระจายงานไปยังระบบภายในองค์กร ไพรเวตคลาวด์ API สาธารณะ หรือโมเดลบนอุปกรณ์ ตามข้อกำหนดด้านการปฏิบัติตามกฎระเบียบ ประสิทธิภาพ การควบคุมข้อมูล และต้นทุน 45

เอเจนต์แต่ละประเภทมีต้นทุนไม่เท่ากัน

เมื่อเวิร์กโฟลว์ทำงานได้ด้วยตัวเอง เศรษฐศาสตร์ของโมเดลต้องสอดคล้องกับมูลค่าของงาน Dell ยกตัวอย่างที่แตกต่างกันอย่างมาก ได้แก่ เอเจนต์ช่วยสนับสนุนการตัดสินใจของผู้บริหารอาจรองรับต้นทุนราว 100,000 ดอลลาร์สหรัฐต่อเดือน ขณะที่เอเจนต์ทำความสะอาดข้อมูล CRM อาจต้องทำงานด้วยต้นทุนต่ำกว่า 0.50 ดอลลาร์ต่อระเบียน 2

ตัวเลขดังกล่าวไม่ได้หมายความว่าเป็นราคามาตรฐานสำหรับทุกองค์กร แต่สะท้อนว่าไม่ควรเลือกใช้โมเดลที่มีความสามารถสูงและมีราคาแพงที่สุดกับทุกงาน พอร์ตโฟลิโอขององค์กรอาจต้องประกอบด้วยโมเดลขนาดเล็กสำหรับงานประจำที่มีปริมาณสูง โมเดลขนาดใหญ่สำหรับการให้เหตุผลที่ซับซ้อน และสภาพแวดล้อมการประมวลผลที่ต่างกันสำหรับงานซึ่งมีข้อกำหนดด้านความหน่วง อธิปไตยของข้อมูล หรือการปฏิบัติตามกฎระเบียบแตกต่างกัน 25

ความปลอดภัยเริ่มจากตัวตนของเอเจนต์แต่ละตัว

Dell ระบุว่าเอเจนต์อัตโนมัติทุกตัวที่เข้าถึงข้อมูลของบริษัทจะได้รับ ตัวตนดิจิทัลของ Dell ของตัวเอง ตัวตนดังกล่าวช่วยให้กำหนดสิทธิ์ได้อย่างละเอียดและเพิกถอนการอนุญาตได้ หากปิดใช้งานตัวตนก็สามารถทำหน้าที่คล้ายสวิตช์หยุดการเข้าถึงของเอเจนต์ได้ 25

เรื่องนี้สำคัญเป็นพิเศษกับ headless agent หรือเอเจนต์ที่ทำงานโดยไม่มีส่วนติดต่อผู้ใช้และไม่มีมนุษย์คอยกำกับแบบเรียลไทม์ หากเอเจนต์ลงมือทำผ่านเครื่องมือขององค์กรโดยตรง บริษัทต้องตรวจสอบได้ว่าเอเจนต์ตัวใดเป็นผู้ดำเนินการ เข้าถึงข้อมูลอะไรได้บ้าง และจะหยุดระบบได้อย่างไร โดยไม่ต้องพึ่งข้อมูลรับรองของผู้ใช้คนใดคนหนึ่ง

ดังนั้น การกำหนดสิทธิ์เท่าที่จำเป็นและการสร้างตัวตนแยกสำหรับเอเจนต์จึงกลายเป็นชั้นควบคุมหลัก ไม่ใช่คุณสมบัติเสริมด้านความปลอดภัย 45

Dell ยังกล่าวถึงโปรโตคอลสำหรับการสื่อสารและควบคุมเอเจนต์ เช่น A2A และ MCP รวมถึงการเตรียมวางแผนใช้การเข้ารหัสที่ทนทานต่อการโจมตีด้วยคอมพิวเตอร์ควอนตัม หรือ post-quantum cryptography ในฐานะส่วนหนึ่งของกรอบกำกับดูแลที่กำลังก่อตัวขึ้น 2

ทั้งนี้ ข้อมูลที่มีอยู่ยังไม่รองรับการระบุเป็นเปอร์เซ็นต์ที่น่าเชื่อถือว่า ในอนาคตจะมีการใช้งานแบบ headless agent มากน้อยเพียงใด การคาดการณ์เป็นตัวเลขที่ชัดเจนในประเด็นนี้จึงเกินกว่าหลักฐานจากแหล่งข้อมูลที่มี

มุมมองของ Dell ต่ออนาคตของงาน

Dell กล่าวว่าได้วิเคราะห์ ตำแหน่งงาน 6,800 ตำแหน่ง เพื่อดูว่างานส่วนใดสามารถมอบหมายให้เอเจนต์ และส่วนใดยังคงต้องอาศัยวิจารณญาณของมนุษย์ 2

ข้อสรุปของบริษัทคือ เอเจนต์จะเปลี่ยนงานโดยการดึง “ภารกิจย่อย” ออกจากแต่ละอาชีพ มากกว่าจะลบตำแหน่งงานทั้งตำแหน่ง ในภาพนี้ เอเจนต์จะรับงานด้านผลิตภาพ งานจัดระเบียบและดูแลข้อมูล หรือ “งานสุขอนามัย” ของกระบวนการ รวมถึงงานประสานงาน ขณะที่พนักงานใช้เวลามากขึ้นกับการตัดสินใจเชิงผู้เชี่ยวชาญและกิจกรรมที่ต้องอาศัยความเข้าใจมนุษย์ 25

อย่างไรก็ตาม นี่เป็นแนวคิดเรื่องการปรับโครงสร้างกำลังคน ไม่ใช่หลักประกันว่าจะไม่มีตำแหน่งงานใดหายไป แม้ตำแหน่งงานยังคงอยู่ แต่หน้าที่ จำนวนบุคลากร ทักษะที่ต้องใช้ และผู้รับผิดชอบต่อผลลัพธ์อาจเปลี่ยนแปลงได้

ความท้าทายจริงขององค์กรจึงอยู่ที่การออกแบบงานใหม่ ต้องตัดสินใจว่างานใดควรมอบหมายให้เอเจนต์ การตัดสินใจใดต้องมีมนุษย์เป็นเจ้าของ และจะวัดผลการทำงานอย่างไรหลังจากกระบวนการถูกปรับเปลี่ยน

สิ่งที่ผู้ซื้อ AI ระดับองค์กรควรถาม

ข้อเสนอของ Dell ทำให้การเปลี่ยนจากโครงการนำร่องไปสู่การใช้งานจริงสรุปได้เป็น 4 คำถาม

1. ระบบเป็นอิสระจริงหรือไม่ การเปลี่ยนชื่อแชตบอตไม่ได้ทำให้ระบบกลายเป็นเอเจนต์โดยอัตโนมัติ
2. ระบบทำงานที่มีคุณค่าและมีขอบเขตชัดเจนหรือไม่ การลดจาก 900 โครงการเหลือ 13 โครงการสะท้อนความสำคัญของการจัดลำดับความสำคัญ
3. โครงสร้างพื้นฐานรองรับสถานะของเวิร์กโฟลว์ ความหน่วง การประสานงาน และต้นทุนที่เหมาะกับงานหรือไม่ การประมวลผลของเอเจนต์อาจกดดันหน่วยความจำและการส่งข้อมูลในแบบที่ต่างจากการฝึกโมเดลหรือแชตบอตทั่วไป
4. องค์กรควบคุมเอเจนต์ได้หรือไม่ ต้องออกแบบตัวตน การอนุญาต บันทึกกิจกรรม การเพิกถอนสิทธิ์ และความรับผิดชอบของมนุษย์ก่อนขยายการเข้าถึงระบบอัตโนมัติ

ข้อโต้แย้งหลักของ Dell คือ AI แบบเอเจนต์จะมีความหมายก็ต่อเมื่อเชื่อมโยงกับงานจริงและวัดผลด้วยผลลัพธ์ทางธุรกิจจริง ขณะเดียวกันต้องไม่มองตัวเลขของบริษัทเป็นคำรับประกันสากล เพราะกรณีใช้งานและผลลัพธ์ที่นำเสนอสะท้อนมุมมองกับประสบการณ์ที่ Dell รายงานเอง ไม่ได้หมายความว่าทุกองค์กรจะได้ผลลัพธ์เหมือนกัน