ข่าวของ ServiceNow รอบนี้ควรอ่านในฐานะความพยายามแก้ปัญหาใหญ่ของ AI องค์กร มากกว่าการเปิดตัวแชตบอตใหม่ที่ตอบคำถามได้ดีขึ้น บริษัทประกาศในพฤษภาคม 2569 ถึงฐานข้อมูลแบบเรียลไทม์ที่ประกอบด้วย Context Engine, Autonomous Data Analytics และ Workflow Data Fabric เพื่อให้เอเจนต์ AI ใช้ข้อมูลสดขององค์กรที่มีการกำกับดูแลได้ [5]
ประเด็นสำคัญคือ เอเจนต์ AI ที่จะทำงานแทนคนได้จริงต้องรู้ว่าเกิดอะไรขึ้นในธุรกิจ ณ ตอนนั้น ไม่ใช่แค่รู้คำตอบจากเอกสารเก่า ต้องรู้ว่าเคสไหนยังเปิดอยู่ ขั้นตอนใดในเวิร์กโฟลว์เพิ่งเปลี่ยน กฎใดมีผลบังคับใช้ และระบบใดคือแหล่งข้อมูลหลักที่ต้องอัปเดต
คอขวดจริง: AI ไม่ได้ขาดคำตอบ แต่ขาดบริบทในการลงมือทำ
ServiceNow อธิบายว่า AI Agents ของบริษัทถูกออกแบบให้ทำงานแบบอัตโนมัติในหลายส่วนขององค์กร เช่น IT บริการลูกค้า HR และงานธุรกิจอื่น ๆ [1] แต่ความเป็นอัตโนมัติแบบนั้นจะเกิดขึ้นไม่ได้ หากเอเจนต์เห็นข้อมูลเพียงบางส่วนของภาพรวม
ในองค์กรขนาดใหญ่ ข้อมูลที่เอเจนต์ต้องใช้มักกระจายอยู่ในแอป แผนก คลังข้อมูล และเวิร์กโฟลว์หลายชุด ถ้าเอเจนต์เห็นแค่ตั๋วงาน แต่ไม่เห็นสถานะลูกค้า เห็นคำขอของพนักงานแต่ไม่เห็นสิทธิ์อนุมัติ หรือเห็นข้อมูลระบบแต่ไม่รู้ว่างานควรถูกส่งต่อไปที่ใคร ผลลัพธ์อาจดูสมเหตุสมผล แต่ยังไม่พอสำหรับการลงมือทำให้ถูกต้อง
CXO Insight วางกรอบการอัปเดตแพลตฟอร์มของ ServiceNow ในงาน Knowledge 2026 ว่าเป็นความพยายามพาองค์กรออกจากภาวะ ‘AI chaos’ หรือความปั่นป่วนจาก AI ที่กระจายอยู่ตามเวิร์กโฟลว์ ระบบ และแผนกต่าง ๆ [3] นั่นคือโจทย์ที่ ServiceNow พยายามแก้: ทำให้ AI ไม่ใช่เครื่องมือแยกส่วน แต่เป็นชั้นการทำงานที่เชื่อมข้อมูล การตัดสินใจ และการปฏิบัติจริงเข้าด้วยกัน
จากผู้ช่วยตอบคำถาม สู่ผู้ปฏิบัติงานในระบบองค์กร
การเปลี่ยนผ่านสำคัญคือจาก AI ที่เป็นผู้ช่วย ไปสู่ AI ที่เป็นผู้ลงมือทำ TechTarget รายงานมุมมองของ ServiceNow ว่า AI ในองค์กรส่วนใหญ่ยังหยุดอยู่ที่คำตอบ ผลลัพธ์ หรืออินไซต์ ขณะที่บริษัทต้องการขยับไปสู่งานแบบอัตโนมัติครบกระบวนการ [7]
นี่คือเหตุผลที่เรื่องข้อมูล สิทธิ์เข้าถึง การกำกับดูแล และการเชื่อมกับเวิร์กโฟลว์ สำคัญพอ ๆ กับตัวโมเดล AI แชตบอตทั่วไปอาจตอบจากเอกสารนิ่ง ๆ ได้ แต่เอเจนต์ AI ในองค์กรต้องตัดสินใจได้ว่าได้รับอนุญาตให้ทำอะไร ข้อมูลใดเป็นข้อมูลล่าสุด ขั้นตอนถัดไปคืออะไร และหลังจากลงมือแล้วต้องอัปเดตระบบใด
ServiceNow จึงเสนอแนวคิดข้อมูลสดและมีการกำกับดูแลเป็นรากฐานของงานแบบ agentic หรือการทำงานที่เอเจนต์ AI สามารถคิด ประสานงาน และดำเนินการในกระบวนการองค์กรได้ [5]
ServiceNow เพิ่มอะไรเข้ามา
ในการประกาศครั้งนี้ ServiceNow ระบุความสามารถด้านข้อมูล 3 ส่วนหลัก:
- Context Engine: ส่วนหนึ่งของรากฐานข้อมูลที่มีเป้าหมายให้บริบทแก่เอเจนต์ผ่านข้อมูลข่าวกรององค์กรแบบสดและมีการกำกับดูแล [
5]
- Autonomous Data Analytics: ความสามารถด้านการวิเคราะห์ข้อมูลที่รวมอยู่ในรากฐานเดียวกัน เพื่อให้ AI วิเคราะห์ข้อมูลระดับองค์กรได้ [
5]
- Workflow Data Fabric: ชั้นเชื่อมข้อมูลในเวิร์กโฟลว์ที่ ServiceNow ระบุว่าจะช่วยให้ AI อัตโนมัติเข้าถึงข้อมูลที่ถูกกำกับและจำเป็นต่อการทำงานข้ามองค์กร [
5]
แก่นของเรื่องไม่ใช่การรวมข้อมูลไว้เพื่อทำรายงานอีกชุดหนึ่ง แต่เป็นการทำให้ข้อมูลถูกใช้ได้ในจุดที่งานเกิดขึ้นจริง เอเจนต์ต้องอ่านสถานการณ์ เข้าใจกฎ ประสานกับเอเจนต์อื่น และอัปเดตระบบที่เกี่ยวข้องได้ในกระบวนการเดียว
เอกสารของ ServiceNow ยังกล่าวถึง AI Agent Fabric ซึ่งเปิดให้เอเจนต์ของ ServiceNow และเอเจนต์จากภายนอกสื่อสารกันได้ ขณะที่เอเจนต์สามารถรับบริบทจากเครื่องมือ ข้อมูล และระบบภายนอกผ่านโปรโตคอลอย่าง Agent2Agent หรือ A2A และ Model Context Protocol หรือ MCP [1]
พูดให้ง่าย: ServiceNow ไม่อยากให้ AI กลายเป็นบอตคนละตัวคนละทาง
ถ้าไม่มีบริบทร่วมและการกำกับดูแลที่ชัดเจน องค์กรอาจได้เอเจนต์หลายตัวที่เก่งคนละเรื่อง ตัวหนึ่งรู้เรื่องตั๋วงาน อีกตัวรู้เรื่องลูกค้า อีกตัวรู้เรื่องโครงสร้างพื้นฐาน แต่ไม่มีตัวใดเห็นภาพพอจะปิดงานได้จริง ผลลัพธ์คือระบบอัตโนมัติที่ให้คำแนะนำได้ แต่ยังติดอยู่ที่การส่งต่อให้คนทำขั้นต่อไป
ในภาพใหญ่ของงาน Knowledge 2026 ServiceNow สื่อว่าองค์กรต้องการแพลตฟอร์มเดียวที่ครอบคลุมข้อมูล การตัดสินใจ การดำเนินงาน และความน่าเชื่อถือ มากกว่าการทำ AI เป็นโครงการแยกส่วน [3] หากมองแบบนี้ รากฐานข้อมูลใหม่คือเนื้อเยื่อเชื่อมต่อที่บอกเอเจนต์ว่า ตอนนี้เกิดอะไรขึ้น กฎไหนเกี่ยวข้อง และงานควรไหลไปทางใดต่อ
การกำกับดูแลไม่ใช่เชิงอรรถ แต่เป็นตัวผลิตภัณฑ์
สำหรับเอเจนต์ AI ในองค์กร คำถามว่า ทำได้ไหม แยกจากคำถามว่า ควรทำไหม ไม่ได้ แหล่งข่าวที่ติดตามยุทธศาสตร์ Autonomous Workforce ของ ServiceNow เน้นประเด็นการทำงานภายใต้เวิร์กโฟลว์ที่ถูกกำกับ และความจำเป็นในการติดตามว่าเอเจนต์ทำอะไร ใช้ข้อมูลใด และเป็นไปตามข้อกำหนดหรือไม่ [6][
8]
นี่คือเหตุผลที่ ServiceNow ใช้คำว่าข้อมูลสดควบคู่กับข้อมูลที่ถูกกำกับอยู่เสมอในการประกาศรากฐานข้อมูลชุดนี้ [5] ความเสี่ยงของเอเจนต์อัตโนมัติไม่ได้มีแค่ตอบผิด แต่รวมถึงทำผิด เช่น อนุมัติผิดขั้น อัปเดตผิดระบบ หรือข้ามจุดที่ควรให้มนุษย์ตรวจสอบ
แนวทางการใช้งาน agentic workflow บน ServiceNow จึงเน้นเรื่องเป้าหมายที่ชัดเจน การมีมนุษย์อยู่ในวงจรตัดสินใจเมื่อจำเป็น และกรอบการตรวจสอบย้อนหลังที่แข็งแรง [2]
องค์กรควรถามอะไรต่อ
การประกาศของ ServiceNow ตอบคำถามเชิงยุทธศาสตร์ว่า ทำไม AI อัตโนมัติต้องมีรากฐานข้อมูลใหม่ แต่ผู้ซื้อและทีมเทคโนโลยียังต้องตรวจสอบคำถามเชิงปฏิบัติให้ชัด เช่น:
- รากฐานข้อมูลนี้เชื่อมกับระบบและแหล่งข้อมูลใดได้จริง
- ข้อมูลเรียลไทม์สดพอสำหรับกรณีใช้งานสำคัญหรือไม่
- สิทธิ์ การอนุมัติ และข้อยกเว้นถูกบังคับใช้อย่างไร
- หลังจากเอเจนต์ลงมือทำแล้ว audit trail แสดงอะไรบ้าง
- เอเจนต์อัปเดตระบบต้นทางที่ถือเป็นแหล่งข้อมูลหลักได้จริง หรือทำได้แค่แนะนำ
- เมื่อความมั่นใจต่ำ นโยบายไม่ชัด หรือความเสี่ยงสูง มนุษย์จะเข้ามารับช่วงตรงไหน
คำตอบของคำถามเหล่านี้จะเป็นตัวชี้ว่าแพลตฟอร์มจะกลายเป็นชั้นปฏิบัติการจริงขององค์กร หรือเป็นเพียงหน้าจอ AI อีกชั้นหนึ่งที่วางทับระบบเดิมซึ่งยังแยกส่วนอยู่
สรุป
ServiceNow กำลังพยายามแก้ช่องว่างระหว่าง AI ที่ตอบคำถามได้ กับ AI ที่ทำงานองค์กรให้เสร็จได้ เอเจนต์อัตโนมัติจะทำงานได้อย่างน่าเชื่อถือก็ต่อเมื่อมีบริบทสด เข้าถึงข้อมูลที่ถูกกำกับ และเชื่อมกับเวิร์กโฟลว์ที่กระบวนการธุรกิจเกิดขึ้นจริง รากฐานข้อมูลใหม่ของ ServiceNow จึงเป็นความพยายามทำให้เอเจนต์ AI พร้อมใช้งานในสภาพแวดล้อมจริง โดยเชื่อมข้อมูล การตัดสินใจ และการลงมือทำให้อยู่ภายใต้การควบคุมระดับองค์กร [5]
