Dell เปลี่ยน AI จากแชตบอตสู่ระบบลงมือทำจริง เหลือ 13 เวิร์กโฟลว์จาก 900 โครงการ

Dell ส่งสารจากเวที The Six Five Summit: AI Unleashed 2026 ว่า AI ในภาคธุรกิจกำลังเข้าสู่ช่วงใหม่ จากเดิมที่ใช้แชตบอตเพื่อค้นข้อมูล สรุปเอกสาร หรือสร้างเนื้อหา ไปสู่การใช้เอเจนต์ที่สามารถดำเนินงานตามกระบวนการได้จริง บริษัทระบุว่าได้คัดโครงการ AI ที่เป็นไปได้ราว 900 โครงการ เหลือ 13 โครงการที่มีคุณค่าทางธุรกิจชัดเจน และรายงานผลผลิตที่เพิ่มขึ้นเบื้องต้นราว 20%–40% 1

อย่างไรก็ตาม ตัวเลขดังกล่าวเป็นผลลัพธ์ที่ Dell รายงานจากประสบการณ์ของบริษัทเอง ไม่ใช่มาตรฐานที่ยืนยันว่าจะเกิดขึ้นกับทุกองค์กร แต่กรณีนี้สะท้อนให้เห็นว่า เมื่อ AI ก้าวจากช่วงทดลองไปสู่การปฏิบัติงานจริง สิ่งที่ต้องเปลี่ยนไม่ได้มีเพียงโมเดล แต่รวมถึงกระบวนการ โครงสร้างพื้นฐาน การกำกับดูแล และการออกแบบองค์กรด้วย

Agentic AI ไม่ได้มีหน้าที่แค่ตอบคำถาม

Dell แบ่งความแตกต่างระหว่าง Generative AI ระยะแรกกับ Agentic AI ไว้อย่างชัดเจน แชตบอตหรือผู้ช่วย AI สามารถช่วยพนักงานค้นข้อมูลภายในองค์กร สรุปเอกสาร หรือสร้างเนื้อหาได้ ส่วนระบบแบบ Agentic ถูกออกแบบมาเพื่อทำให้กระบวนการทำงานเป็นดิจิทัล โดยสามารถวิเคราะห์งาน เรียกใช้เครื่องมือ ประสานขั้นตอนต่าง ๆ และทำงานให้เสร็จได้โดยไม่ต้องมีมนุษย์คอยสั่งทุกจังหวะ 1

ความแตกต่างนี้ทำให้เป้าหมายขององค์กรเปลี่ยนจากการ “ปลดล็อกข้อมูล” ไปสู่การ “ทำให้งานเดินหน้า” Dell กล่าวว่าการนำ Agentic AI ไปใช้งานจริงต้องปรับทั้งเทคโนโลยีสแตก โครงสร้างพื้นฐาน ระบบกำกับดูแล และโครงสร้างองค์กร โดยเป้าหมายเชิงกลยุทธ์คือการลดการผูกติดระหว่างปริมาณงานที่บริษัททำได้กับจำนวนคนที่มีอยู่ 1

3 ตัวอย่างการใช้งานจริงของ Dell

Dell ระบุว่าบริษัทพัฒนาเอเจนต์มาประมาณ 2 ปี และนำไปใช้งานจริงในช่วงปีที่ผ่านมา โดยยกตัวอย่างกระบวนการสำคัญ 3 ด้าน ได้แก่

• การทำความสะอาดข้อมูล CRM: ให้เอเจนต์จัดการงานซ้ำ ๆ ที่เกี่ยวข้องกับคุณภาพข้อมูลในระเบียนลูกค้า
• การพัฒนาซอฟต์แวร์: ช่วยเขียนโค้ดในงานประจำ จัดทำคำอธิบายประกอบ และประสานงานบางส่วนของกระบวนการ CI/CD
• การกำหนดราคาพิเศษ: สนับสนุนกระบวนการที่ต้องอาศัยความรวดเร็วและการใช้กฎเกณฑ์อย่างสม่ำเสมอ 1

ตัวอย่างเหล่านี้ยังไม่ใช่ภาพขององค์กรที่ทำงานโดยอัตโนมัติทั้งหมด แต่แสดงให้เห็นว่าการใช้งานที่มีประโยชน์ต้องเริ่มจากเวิร์กโฟลว์ที่กำหนดขอบเขตชัดเจน มีข้อมูลนำเข้า เครื่องมือ สิทธิ์การเข้าถึง และผลลัพธ์ที่ตรวจสอบได้ ไม่ใช่เพียงการนำโมเดล AI ไปวางไว้ในแอปพลิเคชันเดิม

จาก 900 โครงการ เหลือ 13 โครงการที่มีเป้าหมายชัดเจน

Dell กล่าวว่าได้ลดโครงการ AI ที่เป็นไปได้ราว 900 โครงการ เหลือประมาณ 13 โครงการที่คัดเลือกจากคุณค่าทางธุรกิจอย่างชัดเจน และบริหารผ่านการจัดลำดับความสำคัญจากระดับผู้บริหาร 1

บทเรียนสำคัญสำหรับองค์กรคือ รายการโครงการทดลองจำนวนมากไม่ได้แปลว่าจะสร้างความได้เปรียบในการดำเนินงานเสมอไป บริษัทอาจได้ผลลัพธ์มากกว่าหากทุ่มทรัพยากรไปยังเวิร์กโฟลว์ที่วัดผลทางธุรกิจได้จริง แล้วสร้างระบบควบคุมและโครงสร้างพื้นฐานให้กระบวนการเหล่านั้นทำงานได้อย่างเสถียร

Dell ระบุว่าการใช้งานผู้ช่วย AI แบบเจาะจงทำให้ผลผลิตเพิ่มขึ้นเบื้องต้นประมาณ 20%–40% และมองว่าผลลัพธ์อาจเพิ่มขึ้นมากกว่านี้ หากเอเจนต์เข้ามารับผิดชอบงานทั้งหมวด บริษัท ยังอ้างว่าโครงการที่มุ่งเน้นมากขึ้นช่วยแยกการเติบโตของรายได้ออกจากโครงสร้างต้นทุนได้ แต่ตัวเลขและข้อสรุปเหล่านี้ควรอ่านในฐานะคำกล่าวอ้างจากประสบการณ์ของ Dell ไม่ใช่เกณฑ์รับประกันสำหรับทุกการนำไปใช้ 1

ระวัง “Agent Washing” ที่ทำให้ AI ทุกแบบดูเหมือนกัน

John Roese ผู้บริหารของ Dell เตือนถึงสิ่งที่เรียกว่า Agent Washing หรือการนำคุณสมบัติ AI ทุกประเภทมาเรียกว่าเอเจนต์อัตโนมัติ ทั้งที่ในความเป็นจริง แชตบอต ผู้ช่วยที่มีขอบเขตจำกัด และระบบที่สามารถลงมือทำเองมีระดับความสามารถและความเสี่ยงแตกต่างกัน 1

แยกง่าย ๆ ได้ดังนี้

• แชตบอต: รับคำสั่งและตอบกลับ โดยทั่วไปจะให้ข้อมูลหรือสร้างเนื้อหา
• ผู้ช่วยเฉพาะงาน: ช่วยปรับปรุงงานที่มีขอบเขตจำกัด ขณะที่มนุษย์ยังคงมีส่วนร่วมอย่างใกล้ชิด
• เอเจนต์อัตโนมัติ: สามารถวางแผน เรียกใช้เครื่องมือ ประสานการดำเนินงาน และทำเวิร์กโฟลว์ให้สำเร็จโดยมีการกำกับโดยตรงน้อยลง 1

ความแตกต่างนี้สำคัญเพราะระดับความเสียหายจากข้อผิดพลาดไม่เท่ากัน สรุปเอกสารที่ผิดอาจแก้ไขได้ แต่เอเจนต์ที่เชื่อมต่อกับระบบธุรกิจอาจแก้ไขระเบียน สั่งให้กระบวนการถัดไปทำงาน หรือเปิดเผยข้อมูลอ่อนไหวได้

เมื่อเอเจนต์ทำงานจริง คอขวดอาจไม่ใช่ GPU

Matt Murphy ประธานเจ้าหน้าที่บริหารของ Marvell กล่าวว่า การประมวลผลเพื่อให้เอเจนต์ทำงานจริงมีแรงกดดันด้านโครงสร้างพื้นฐานต่างจากการฝึก AI แบบดั้งเดิม เอเจนต์อาจต้องรักษาสถานะของเวิร์กโฟลว์ผ่านแคชแบบ Key-Value ระหว่างการเรียกโมเดลหลายครั้ง รวมถึงรองรับบริบทขนาดใหญ่และการโต้ตอบระยะยาวระหว่างเอเจนต์หลายตัว ทำให้ความจุและแบนด์วิดท์ของหน่วยความจำกลายเป็นข้อจำกัดก่อนกำลังประมวลผลดิบจะถึงจุดอิ่มตัว 1

Murphy ยังกล่าวว่า CPU จะมีบทบาทมากขึ้น เพราะระบบแบบ Agentic ต้องจัดการการแตกแขนงของงาน การค้นคืนข้อมูล การเรียกใช้เครื่องมือ การทำงานในแซนด์บ็อกซ์ และการประสานงานระหว่างเอเจนต์ ในการอภิปราย มีการอธิบายว่าอัตราส่วน CPU ต่อ GPU อาจเปลี่ยนจากราว 8–16 ต่อ 1 ในงาน AI แบบดั้งเดิม มาอยู่ที่ประมาณ 1–2 ต่อ 1 สำหรับงานแบบ Agentic 1

ดังนั้น การประเมินแพลตฟอร์มเอเจนต์ไม่ควรดูเพียงคุณภาพของโมเดลหรือจำนวน GPU แต่ต้องพิจารณาหน่วยความจำ เครือข่าย การประสานงานโดย CPU ระบบสังเกตการณ์ และต้นทุนจากการประมวลผลซ้ำหลายรอบด้วย

ไม่มีสถาปัตยกรรมเดียวที่เหมาะกับเอเจนต์ทุกประเภท

Dell ไม่สนับสนุนการใช้โมเดลเดียวหรือสถานที่ติดตั้งเดียวแบบ “Monoculture” แต่เสนอแนวทางผสมที่อาจรวมถึงโมเดลโอเพนซอร์สภายในองค์กร โมเดล Frontier ที่ Dell โฮสต์ให้ คลาวด์ส่วนตัวเสมือนที่ควบคุมได้ API ภายนอก และโมเดลที่ทำงานบนอุปกรณ์ โดยเลือกให้เหมาะกับประสิทธิภาพ ข้อกำหนดด้านการปฏิบัติตามกฎ ฟังก์ชันการใช้งาน และต้นทุน 1

ต้นทุนยังขึ้นอยู่กับประเภทงานอย่างมาก เอเจนต์ช่วยตัดสินใจสำหรับผู้บริหารอาจคุ้มค่ากับค่าใช้จ่ายรายเดือนที่สูง ขณะที่เอเจนต์ทำความสะอาดข้อมูล CRM ในปริมาณมากต้องมีต้นทุนต่อระเบียนต่ำมาก โดยในการอภิปรายมีการยกตัวเลขว่าควรต่ำกว่าประมาณ 0.50 ดอลลาร์สหรัฐต่อระเบียน 1

คำถามที่เหมาะสมสำหรับองค์กรจึงอาจไม่ใช่ “โมเดลไหนดีที่สุด” แต่เป็น “โมเดล สถานที่ติดตั้ง และระดับความเป็นอิสระแบบใด ที่ทำให้งานบรรลุผลในต้นทุนและความเสี่ยงที่ยอมรับได้”

ตัวตนดิจิทัลคือชั้นควบคุมของเอเจนต์อัตโนมัติ

Dell ระบุว่าเอเจนต์อัตโนมัติทุกตัวที่เข้าถึงข้อมูลของบริษัท ไม่ว่าจะเป็นเอเจนต์ภายในหรือจากภายนอก ควรได้รับตัวตนดิจิทัลที่ออกโดย Dell ตัวตนดังกล่าวจะช่วยกำหนดสิทธิ์อย่างละเอียด และทำให้สามารถเพิกถอนการเข้าถึงได้ในลักษณะสวิตช์ตัดการทำงานฉุกเฉิน 1

ความปลอดภัยจะซับซ้อนขึ้นเมื่อเอเจนต์ไม่ได้ใช้ตัวตนของผู้ใช้โดยตรง เอเจนต์ที่สืบทอดตัวตนผู้ใช้จะทำงานภายใต้ข้อมูลรับรองของพนักงานที่ระบุได้ ขณะที่ Headless Agent ทำงานอย่างเป็นอิสระมากกว่า ทำให้การระบุผู้รับผิดชอบ การกำหนดสิทธิ์ และการจัดการตลอดวงจรชีวิตทำได้ยากขึ้น Dell คาดว่า Headless Agent จะคิดเป็นประมาณ 70% ของการนำไปใช้งานในอนาคต ตามการอภิปรายบนเวที 2

Dell ยังชี้ถึงโปรโตคอลสำหรับการสื่อสารระหว่างเอเจนต์และระหว่างเอเจนต์กับเครื่องมือ รวมถึงความพร้อมด้านการเข้ารหัสหลังยุคควอนตัม ว่าเป็นองค์ประกอบของโมเดลความปลอดภัยสำหรับระบบอัตโนมัติที่นำไปใช้จริง 1

บทเรียนในภาพรวมคือ เอเจนต์ควรถูกปฏิบัติเหมือนตัวตนของซอฟต์แวร์ที่มีเจ้าของ ขอบเขตการทำงาน บันทึกตรวจสอบย้อนหลัง และช่องทางเพิกถอนสิทธิ์อย่างชัดเจน ไม่ใช่ส่วนขยายที่มองไม่เห็นของแชตบอต

งานจะถูกแยกเป็นส่วน ๆ มากกว่าถูกลบทั้งตำแหน่ง

Dell กล่าวว่าได้วิเคราะห์งาน 6,800 ตำแหน่ง โดยแยกองค์ประกอบของงานออกเป็นหมวดต่าง ๆ เช่น งานเพิ่มผลผลิต งานดูแลความเรียบร้อยของข้อมูล งานประสานงาน งานผู้เชี่ยวชาญ และงานที่ต้องพบปะหรือมีปฏิสัมพันธ์กับมนุษย์ ข้อสรุปของบริษัทคือ เอเจนต์มีแนวโน้มเข้ามารับช่วงงานบางส่วนของตำแหน่ง มากกว่าจะทำให้ตำแหน่งงานทั้งตำแหน่งหายไปโดยอัตโนมัติ 1

ในงานพัฒนาซอฟต์แวร์ เอเจนต์อาจรับผิดชอบการเขียนโค้ดประจำ การเพิ่มคำอธิบายประกอบ และการประสานงานบางส่วนในกระบวนการส่งมอบ ขณะที่มนุษย์หันไปใช้เวลากับสถาปัตยกรรมซอฟต์แวร์ ความต้องการของระบบ การตัดสินใจ และการสื่อสารกับลูกค้ามากขึ้น 1

นั่นไม่ได้หมายความว่าตำแหน่งงานจะยังเหมือนเดิม แต่หมายความว่างานแต่ละตำแหน่งจะถูกปรับใหม่ เมื่อส่วนที่ทำเป็นระบบอัตโนมัติได้ถูกแยกออก และคนต้องรับผิดชอบงานที่พึ่งพาความเชี่ยวชาญ บริบท ดุลยพินิจ และความสัมพันธ์ระหว่างมนุษย์มากขึ้น

บททดสอบว่า Agentic AI พร้อมใช้งานจริงหรือยัง

ข้อเสนอของ Dell สรุปได้เป็นบททดสอบที่ค่อนข้างเข้มงวด: โครงการ Agentic AI จะพร้อมเข้าสู่การใช้งานจริงก็ต่อเมื่อมีผลลัพธ์ทางธุรกิจที่วัดได้ มีเวิร์กโฟลว์ที่กำหนดขอบเขตชัดเจน มีต้นทุนที่เหมาะสม และมีระบบควบคุมด้านตัวตน สิทธิ์การเข้าถึง และการกู้คืนเมื่อเกิดข้อผิดพลาด

การลดจาก 900 ความเป็นไปได้เหลือ 13 โครงการจึงสะท้อนแนวคิดหลักของ Dell ได้ดี Agentic AI ไม่ใช่เพียงอินเทอร์เฟซที่คุยเก่งขึ้น แต่คือรูปแบบการดำเนินงานที่ซอฟต์แวร์เข้ามาทำงานแทนบางส่วน และทำให้โครงสร้างพื้นฐาน ความปลอดภัย ตลอดจนการออกแบบงานต้องพัฒนาไปพร้อมกับโมเดล AI