ความต่างนี้ทำให้ข้อกำหนดด้านข้อมูลเปลี่ยนไปมาก แชตบอตอาจตอบคำถามจากเอกสารที่ค่อนข้างนิ่งได้ แต่เอเจนต์องค์กรที่ต้องปิดทิกเก็ต ส่งต่อเคสผิดปกติ หรืออัปเดตเวิร์กโฟลว์ ต้องใช้บริบทที่ใหม่กว่าและเชื่อถือได้กว่า เช่น สถานะปัจจุบันของเคส ข้อมูลลูกค้าหรือพนักงาน นโยบายที่เกี่ยวข้อง สิทธิ์การเข้าถึง เส้นทางการอนุมัติ และระบบปลายทางที่ต้องบันทึกผลลัพธ์
ฐานข้อมูลใหม่ของ ServiceNow จึงถูกออกแบบให้ผูกข้อมูล บริบท และการดำเนินงานในเวิร์กโฟลว์เข้าด้วยกันภายใต้การกำกับดูแล
จุดสำคัญคือ ServiceNow ไม่ได้พยายามสร้างชั้นรายงานอีกชั้นหนึ่งเท่านั้น แต่กำลังทำให้ข้อมูลพร้อมใช้ในจังหวะที่งานเกิดขึ้นจริง นั่นคือภายในเวิร์กโฟลว์ที่เอเจนต์ต้องคิด ประสานงาน และลงมือทำ
ภาพนี้ยังต่อกับสถาปัตยกรรมเอเจนต์ที่กว้างขึ้นของบริษัท ServiceNow ระบุว่า AI Agent Fabric รองรับการสื่อสารระหว่างเอเจนต์ของ ServiceNow และเอเจนต์จากภายนอกผ่าน Agent2Agent หรือ A2A และเอเจนต์สามารถรับบริบทจากเครื่องมือ ข้อมูล และระบบภายนอกผ่าน Model Context Protocol หรือ MCP
ServiceNow กำลังพยายามกันไม่ให้ enterprise AI กลายเป็นชุดบอตจำนวนมากที่เก่งเป็นจุด ๆ แต่ทำงานร่วมกันไม่จบ
ถ้าไม่มีบริบทร่วม เอเจนต์หนึ่งอาจเข้าใจทิกเก็ต อีกเอเจนต์หนึ่งเข้าใจข้อมูลลูกค้า อีกเอเจนต์หนึ่งเข้าใจโครงสร้างพื้นฐาน IT แต่ไม่มีตัวใดเห็นภาพพอหรือมีสิทธิ์พอที่จะปิดงานได้อย่างมั่นใจ ผลลัพธ์คือ automation ที่ดูมีประโยชน์ในระดับสรุปและเสนอแนะ แต่ยังไม่ใช่ execution layer ที่องค์กรพึ่งพาได้จริง
สารจาก Knowledge 2026 ของ ServiceNow จึงกว้างกว่าประเด็นข้อมูลอย่างเดียว CXO Insight รายงานว่าชุดอัปเดตครอบคลุม AI Control Tower, Autonomous Workforce, data intelligence และ security capabilities โดยมุ่งรองรับห่วงโซ่คุณค่าของ AI ตั้งแต่ข้อมูล การตัดสินใจ การดำเนินงาน ไปจนถึงความไว้วางใจ
ในยุทธศาสตร์นี้ ฐานข้อมูลคือเนื้อเยื่อเชื่อมต่อ มันช่วยให้เอเจนต์รู้ว่าตอนนี้เกิดอะไรขึ้น ต้องตัดสินใจอะไร และเวิร์กโฟลว์ควรเดินต่อไปทางไหน
สำหรับเอเจนต์องค์กร คำถามว่า ทำได้ไหม และ ควรทำไหม แยกจากกันไม่ได้ ข่าวด้านข้อมูลของ ServiceNow ย้ำเรื่อง governed data หรือข้อมูลที่อยู่ภายใต้การกำกับดูแล ไม่ใช่แค่ live data หรือข้อมูลสด
เหตุผลตรงไปตรงมา: ความเสี่ยงของ AI อัตโนมัติไม่ใช่แค่ตอบผิด แต่คือทำผิด เช่น อัปเดตเรกคอร์ดผิด ส่งคำขอผิดทาง หรือข้ามขั้นอนุมัติที่จำเป็น
การรายงานเกี่ยวกับกลยุทธ์ Autonomous Workforce ของ ServiceNow ก็เน้นประเด็นนี้เช่นกัน Cloud Wars ระบุว่าเอเจนต์ AI เฉพาะทางของ ServiceNow ถูกวางให้ทำงานภายในเวิร์กโฟลว์ของบริษัทโดยต้องสอดคล้องกับข้อกำหนดด้าน governance ของลูกค้า ขณะเดียวกัน แนวทางการทำ agentic workflows บน ServiceNow ยังเน้นการกำหนดวัตถุประสงค์ที่ชัดเจน การมี human-in-the-loop และกรอบ audit ที่แข็งแรง
ดังนั้น ความสำเร็จของแพลตฟอร์มลักษณะนี้ไม่ได้ขึ้นอยู่กับคุณภาพโมเดลเพียงอย่างเดียว องค์กรต้องเข้าใจด้วยว่าสิทธิ์การเข้าถึง การอนุมัติ การจัดการข้อยกเว้น การติดตามผล และ audit trail ทำงานอย่างไรเมื่อเอเจนต์ขยับจากการแนะนำไปสู่การลงมือจริง
ข่าวเปิดตัวให้เหตุผลเชิงยุทธศาสตร์ค่อนข้างชัด แต่ผู้ซื้อยังต้องทดสอบรายละเอียดเชิงปฏิบัติ คำถามสำคัญควรเป็นเรื่องใช้งานจริงมากกว่าคำโฆษณา เช่น
คำตอบของคำถามเหล่านี้จะตัดสินว่าระบบเป็นชั้นดำเนินงานจริง หรือเป็นเพียงหน้าจอใหม่ที่วางทับข้อมูลองค์กรที่ยังแตกกระจายเหมือนเดิม
ปัญหาที่ ServiceNow กำลังเล็งแก้คือ execution gap ของ enterprise AI: เอเจนต์อัตโนมัติจะทำงานให้จบอย่างน่าเชื่อถือไม่ได้ หากไม่มีบริบทสด การเข้าถึงข้อมูลที่กำกับดูแลได้ และการเชื่อมต่อกับเวิร์กโฟลว์ที่ธุรกิจใช้อยู่จริง ฐานข้อมูลใหม่ของ ServiceNow คือความพยายามเชื่อมข้อมูล การตัดสินใจ และการลงมือทำเข้าด้วยกัน เพื่อให้เอเจนต์ทำงานภายในกรอบควบคุมขององค์กร ไม่ใช่นอกกรอบนั้น