บล็อก

เอเจนต์ AI คืออะไร (และแตกต่างจากแชตบอตอย่างไร)?

Markdown

เอเจนต์ AI วางแผนและดำเนินการผ่านเครื่องมือต่าง ๆ เพื่อบรรลุเป้าหมาย ส่วนแชตบอตส่วนใหญ่ตอบคำถามในรอบเดียว

เอเจนต์ AI คือซอฟต์แวร์ที่รับเป้าหมายมาแล้วแบ่งออกเป็นขั้นตอน เรียกใช้เครื่องมือหรือ API ภายนอก ตรวจสอบผลลัพธ์ และทำต่อไปจนกว่าจะบรรลุเป้าหมาย โดยต้องป้อนคำสั่งในแต่ละขั้นตอนเพียงเล็กน้อยหรือไม่ต้องป้อนเลย แชตบอตส่วนใหญ่ตอบทีละข้อความและรอคำถามถัดไปของคุณ เอเจนต์ลงมือทำ ส่วนแชตบอตตอบกลับ

เอเจนต์ AI คืออะไรกันแน่?

เอเจนต์ AI สร้างขึ้นบนโมเดลภาษาขนาดใหญ่ (LLM) ซึ่งเป็นกลไกคาดการณ์ที่แปลงพรอมป์ต์เป็นข้อความ LLM เป็นเพียงสมองเท่านั้น เอเจนต์ครอบ LLM ไว้ในวงจรการทำงาน โดยพิจารณาว่าควรทำอะไร เลือกเครื่องมือ เรียกใช้เครื่องมือนั้น อ่านผลลัพธ์ แล้วตัดสินใจว่าจะทำอะไรต่อ

วงจรนี้—พิจารณา ลงมือทำ สังเกต แล้วทำซ้ำ—ทำให้สิ่งนั้นเป็นเอเจนต์ แทนที่จะเป็นระบบที่ตอบคำถามเพียงรอบเดียว เอเจนต์สามารถจองการประชุม สอบถามฐานข้อมูล ยื่นคำขอเป็นทิกเก็ต หรือเริ่มเวิร์กโฟลว์ได้ หากมีเครื่องมือและสิทธิ์ที่จำเป็น

แล้วแชตบอตคืออะไร?

แชตบอตคืออินเทอร์เฟซสำหรับการสนทนา แชตบอตแบบดั้งเดิมทำงานตามผังการตัดสินใจที่เขียนสคริปต์ไว้ ("กด 1 เพื่อสอบถามเรื่องการเรียกเก็บเงิน") แชตบอต LLM สมัยใหม่สนทนาได้ลื่นไหลกว่าและตอบคำถามปลายเปิดได้ แต่งานหลักก็ยังเป็นการตอบกลับภายในบทสนทนา โดยดึงข้อมูลมาและเรียบเรียงได้ดี แต่แทบไม่ลงมือทำสิ่งต่าง ๆ ในโลกจริงแทนคุณ

ผลิตภัณฑ์จำนวนมากที่ทำตลาดในชื่อ "เอเจนต์ AI" แท้จริงแล้วเป็นแชตบอตที่ติดป้ายเรียกให้ดูเป็นมิตรกว่า วิธีทดสอบนั้นง่ายมาก: มันแค่พูด หรือทำสิ่งต่าง ๆ ด้วย?

อะไรคือความแตกต่างหลัก?

  • เป้าหมายกับรอบการสนทนา: เอเจนต์ทำงานเพื่อบรรลุเป้าหมายผ่านหลายขั้นตอน แชตบอตจัดการทีละรอบการสนทนา
  • การลงมือทำกับการตอบ: เอเจนต์เรียกใช้เครื่องมือและเปลี่ยนแปลงสิ่งต่าง ๆ เช่น ส่งอีเมลหรืออัปเดตระเบียน แชตบอตส่งคืนข้อความ
  • ความเป็นอิสระ: เอเจนต์ตัดสินใจขั้นตอนถัดไปเอง แชตบอตรอข้อความถัดไปจากคุณ
  • หน่วยความจำและสถานะ: เอเจนต์ติดตามความคืบหน้า ผลลัพธ์ระหว่างทาง และบริบทตลอดงานที่ใช้เวลานาน โดยทั่วไปแชตบอตเก็บไว้เพียงประวัติการสนทนาช่วงสั้น ๆ
  • ขอบเขตความเสียหายเมื่อเกิดข้อผิดพลาด: หากแชตบอตผิดพลาด ก็จะให้คำตอบที่ไม่ดี หากเอเจนต์ผิดพลาด ก็อาจลงมือทำสิ่งที่ไม่ถูกต้อง นี่จึงเป็นเหตุผลที่เอเจนต์ต้องมีมาตรการป้องกันที่เข้มงวดกว่า

เอเจนต์ AI จริงประกอบด้วยส่วนใดบ้าง?

เอเจนต์ระดับใช้งานจริงแทบไม่เคยเป็น "แค่ LLM" เอเจนต์ที่ทำงานได้มักประกอบด้วยหลายส่วน:

  • LLM สำหรับการใช้เหตุผลและภาษา
  • เครื่องมือ / การเรียกใช้ฟังก์ชัน — API ฐานข้อมูล และบริการต่าง ๆ ที่เอเจนต์ได้รับอนุญาตให้ใช้
  • การประสานงาน — ตรรกะควบคุมที่เรียกใช้วงจรพิจารณา-ลงมือทำ-สังเกต ตัดสินใจว่างานเสร็จเมื่อใด และจัดการการลองใหม่ (การประสานงานหมายถึงการจัดขั้นตอนและเครื่องมือให้ทำงานตามลำดับที่ถูกต้อง)
  • RAG (Retrieval-Augmented Generation) — ดึงเอกสารหรือข้อมูลที่เกี่ยวข้องในขณะทำงาน แล้วป้อนให้โมเดล เพื่อให้คำตอบอ้างอิงเนื้อหาจริงแทนการคาดเดา
  • หน่วยความจำ — สถานะระยะสั้นสำหรับงานปัจจุบัน และบางครั้งรวมถึงพื้นที่จัดเก็บระยะยาวสำหรับปฏิสัมพันธ์ที่ผ่านมา
  • มาตรการป้องกัน — กฎความปลอดภัยที่จำกัดสิ่งที่เอเจนต์พูดหรือทำได้ เช่น เครื่องมือที่อนุญาต ขีดจำกัดการใช้จ่าย ตัวกรองเนื้อหา และขั้นตอนการอนุมัติ

ควรใช้เอเจนต์หรือแชตบอตเมื่อใด?

ใช้แชตบอตเมื่องานคือการตอบคำถาม ลดจำนวนทิกเก็ตขอความช่วยเหลือ หรือแนะนำผู้ใช้ และต้นทุนของการใช้คำผิดต่ำ แชตบอตมีราคาถูกกว่า เปิดตัวได้เร็วกว่า และดูแลความปลอดภัยได้ง่ายกว่า

ใช้เอเจนต์เมื่องานมีหลายขั้นตอนและต้องลงมือทำจริง เช่น กระทบยอดใบแจ้งหนี้ คัดแยกและส่งต่อทิกเก็ต ค้นคว้าข้อมูลจากหลายระบบ หรือดำเนินเวิร์กโฟลว์หลายขั้นตอน ประโยชน์คือการทำให้งานเป็นอัตโนมัติ ไม่ใช่เพียงให้คำตอบ แต่ข้อกำหนดด้านวิศวกรรมก็สูงกว่าด้วย

ทำไมการสร้างเอเจนต์จึงยากกว่าการสร้างแชตบอต?

เพราะเอเจนต์ลงมือทำ จึงอาจล้มเหลวในแบบที่มีค่าใช้จ่ายสูง เช่น วนทำงานไม่สิ้นสุด เรียกใช้เครื่องมือผิด หรือดำเนินการโดยไม่ตั้งใจ วันที่แย่ที่สุดของแชตบอตคือการให้คำตอบที่ชวนกระอักกระอ่วน ส่วนวันที่แย่ที่สุดของเอเจนต์อาจทำให้ระเบียนถูกลบหรือมีค่าใช้จ่าย API พุ่งสูงเกินควบคุม นี่จึงเป็นเหตุผลที่เอเจนต์ต้องผ่านการประเมิน มีมาตรการป้องกันและขีดจำกัดค่าใช้จ่าย และโดยทั่วไปต้องมีจุดตรวจสอบโดยมนุษย์ก่อนดำเนินการที่มีความเสี่ยงสูง

นำคู่มือนี้ไปใช้กับ Ailoot

เชื่อมต่อโมเดล AI กับแอปพลิเคชัน เอเจนต์ และระบบอัตโนมัติของคุณผ่าน Ailoot API เพียงหนึ่งเดียว เลือกโมเดลที่เหมาะกับงาน แล้วทำตามเอกสาร Ailoot เพื่อเริ่มต้น