AI Agent Workflows: จากเป้าหมายสู่การกระทำที่เป็นอัตโนมัติ

ระบบอัตโนมัติแบบดั้งเดิมทำงานตามเส้นทางที่ออกแบบไว้ล่วงหน้า ในขณะที่ AI agent workflow สามารถเลือกการกระทำขั้นต่อไปจากบริบทปัจจุบันได้ โดยใช้เครื่องมือ ตรวจสอบผลลัพธ์ และเปลี่ยนทิศทางเมื่อจำเป็น สิ่งนี้ทำให้ agent workflow มีประโยชน์สำหรับงานที่มีความหลากหลายเกินกว่าจะใช้กฎเกณฑ์ตายตัวได้ แต่ยังต้องมีเป้าหมายที่ชัดเจน คู่มือนี้อธิบายว่า workflow เหล่านี้ทำงานอย่างไร เหมาะกับงานแบบใด สร้างขึ้นมาได้อย่างไร และ Kimi Agent ทำอะไรได้บ้างสำหรับงานที่ใช้ความรู้ทั่วไป

AI agent workflow คืออะไร

เวิร์กโฟลว์ของ AI agent คือลำดับงานที่ AI agent หนึ่งตัวหรือมากกว่าดำเนินการเพื่อให้ได้ผลลัพธ์ตามที่กำหนดไว้ agent จะตีความเป้าหมายและเลือกการกระทำถัดไป จากนั้นใช้เครื่องมือที่มีอยู่และตรวจสอบผลลัพธ์ก่อนที่จะดำเนินการต่อหรือปรับแผนใหม่

เวิร์กโฟลว์ AI กับ AI agent

เวิร์กโฟลว์ AI ใช้ตรรกะที่กำหนดไว้ล่วงหน้าเพื่อเคลื่อนข้อมูลผ่านกระบวนการ ส่วน AI agent คือตัวซอฟต์แวร์ที่สามารถเลือกการกระทำได้อย่างยืดหยุ่น เวิร์กโฟลว์อธิบายว่างานถูกจัดระเบียบอย่างไร ในขณะที่ agent เป็นผู้ตัดสินใจว่าจะทำส่วนที่ได้รับมอบหมายให้เสร็จอย่างไร

แนวทางทั้งสองนี้ไม่ได้ขัดแย้งกัน ระบบที่เชื่อถือได้หลายระบบใช้การออกแบบแบบผสมผสาน ขั้นตอนเวิร์กโฟลว์ที่ตายตัวจัดการกับงานที่คาดการณ์ได้ ในขณะที่ agent จัดการงานที่ต้องการการตีความหรือการเปลี่ยนแปลงแนวทางการดำเนินการ

เวิร์กโฟลว์ของ AI agent เทียบกับระบบอัตโนมัติแบบดั้งเดิม

ระบบอัตโนมัติแบบดั้งเดิมทำงานได้ดีเมื่อทุกอินพุตมีเส้นทางที่รู้อยู่แล้ว กฎการอนุมัติใบแจ้งหนี้หรือการโอนข้อมูลตามกำหนดเวลามักไม่จำเป็นต้องใช้การคิดวิเคราะห์แบบเปิด ระบบควรทำตามกฎอย่างรวดเร็วและสม่ำเสมอ

การทำงานอัตโนมัติของเวิร์กโฟลว์ AI agent จะมีประโยชน์มากกว่าเมื่อขั้นตอนถัดไปขึ้นอยู่กับความหมายหรือหลักฐานใหม่ ตัวช่วยฝ่ายสนับสนุนอาจค้นหาคลังความรู้และทดสอบวิธีแก้ปัญหาที่เป็นไปได้ หากการทดสอบล้มเหลว ก็สามารถเปลี่ยนแนวทางหรือขอความช่วยเหลือจากคนได้

แผนภาพเวิร์กโฟลว์ของ AI agent: ทำงานอย่างไร

แผนภาพเวิร์กโฟลว์ของ AI agent ต่อไปนี้แสดงลูปการทำงานพื้นฐาน ระบบจริงอาจเพิ่มเครื่องมือหรือจุดอนุมัติมากขึ้น แต่ลำดับเดียวกันนี้ยังคงปรากฏให้เห็น

จากเป้าหมายสู่แผน

เวิร์กโฟลว์ที่มีประโยชน์เริ่มต้นด้วยผลลัพธ์ที่เจาะจง คำว่า “วิจัยเรื่องรถยนต์ไฟฟ้า” เปิดช่องให้ตีความได้กว้างเกินไป ในขณะที่ “เปรียบเทียบกลยุทธ์การชาร์จสามแบบสำหรับกองรถของเมืองและจัดทำข้อเสนอแนะสองหน้า” ให้เป้าหมายที่ชัดเจนแก่ agent จากนั้นคำสั่งและเนื้อหาต้นทางที่ได้รับการอนุมัติจะเป็นบริบทที่จำเป็นในการเลือกการกระทำขั้นต่อไป

การใช้เครื่องมือและการดำเนินการ

เครื่องมือช่วยให้ agent ดึงข้อมูลหรือดำเนินการที่ได้รับอนุมัตินอกเหนือจากตัวโมเดล การค้นหาสามารถให้ข้อมูลที่เป็นปัจจุบัน ในขณะที่เครื่องมือฐานข้อมูลสามารถส่งคืนบันทึกภายในได้ หลังจากเรียกใช้เครื่องมือแต่ละครั้ง agent จะตรวจสอบผลลัพธ์และตัดสินใจว่าจะดำเนินการต่อ ลองแนวทางอื่น หรือขอข้อมูลที่ขาดหายไป

การประเมินและการอนุมัติโดยมนุษย์

เวิร์กโฟลว์ต้องมีเกณฑ์ความสมบูรณ์ที่ชัดเจน เช่น ฟิลด์ที่จำเป็นหรือมาตรฐานหลักฐาน นอกจากนี้ยังควรหยุดชั่วคราวก่อนดำเนินการที่มีความละเอียดอ่อนหรือไม่สามารถย้อนกลับได้ ตัวอย่างเช่น agent อาจร่างอีเมลถึงลูกค้า แต่ให้คนตรวจสอบก่อนส่ง

รูปแบบเวิร์กโฟลว์ของ AI agent ที่พบบ่อย

เวิร์กโฟลว์ของ AI agent ส่วนใหญ่ใช้รูปแบบที่เกิดขึ้นซ้ำๆ อยู่ไม่กี่แบบ ควรเลือกรูปแบบที่เรียบง่ายที่สุดที่สามารถทำงานให้สำเร็จได้อย่างน่าเชื่อถือ

เวิร์กโฟลว์แบบต่อเนื่องและแบบจัดเส้นทาง

เวิร์กโฟลว์แบบต่อเนื่องเคลื่อนผ่านขั้นตอนที่ต้องพึ่งพากันในลำดับที่ตายตัว แต่ละขั้นตอนใช้ผลลัพธ์จากขั้นตอนก่อนหน้า ทำให้กระบวนการติดตามและทดสอบได้ง่าย ส่วนเวิร์กโฟลว์แบบจัดเส้นทางจะจัดหมวดหมู่อินพุตแทน แล้วส่งไปตามหนึ่งในหลายเส้นทางที่กำหนดไว้ล่วงหน้า

ตัวอย่างเช่น เวิร์กโฟลว์เนื้อหาอาจทำการวิจัยให้เสร็จก่อนที่จะเขียนร่างและตรวจสอบบทความ ระบบจัดเส้นทางสำหรับฝ่ายสนับสนุนลูกค้าสามารถส่งคำถามเกี่ยวกับการเรียกเก็บเงินไปยังกระบวนการหนึ่ง ในขณะที่ส่งปัญหาการเข้าสู่ระบบไปยังอีกกระบวนการหนึ่ง

เวิร์กโฟลว์แบบพร้อมกันและแบบหลาย agent

เวิร์กโฟลว์แบบพร้อมกันรันงานที่เป็นอิสระจากกันในเวลาเดียวกันเพื่อลดเวลาในการประมวลผล เวิร์กโฟลว์แบบหลาย agent แบ่งงานตามบทบาท โดย agent ทำงานตามลำดับหรือพร้อมกัน ซึ่งต้องมีการกำหนดความรับผิดชอบที่ชัดเจนและวิธีการรวมผลลัพธ์ที่เชื่อถือได้

ในระหว่างการศึกษาการเข้าสู่ตลาด agent ที่แยกกันอาจตรวจสอบความต้องการของลูกค้าและกิจกรรมของคู่แข่ง ในขณะที่อีก agent หนึ่งตรวจสอบกฎระเบียบท้องถิ่น จากนั้น agent ที่ทำหน้าที่ประสานงานจะรวมผลการค้นพบเหล่านี้เข้าเป็นรายงานเดียว

เวิร์กโฟลว์แบบมีมนุษย์ร่วมอยู่ในลูป

เวิร์กโฟลว์แบบมีมนุษย์ร่วมอยู่ในลูปจะหยุดชั่วคราวในจุดที่เลือกไว้เพื่อการตรวจสอบหรืออนุมัติ ขั้นตอนปกติสามารถรันโดยอัตโนมัติ ในขณะที่การตัดสินใจที่ไม่แน่นอนหรือมีผลกระทบสูงจะถูกส่งกลับไปให้คน จุดตรวจสอบเหล่านี้ควรจำกัดไว้เฉพาะจุดที่การพิจารณาของมนุษย์เพิ่มมูลค่าได้จริง

ในการจัดซื้อ agent สามารถเปรียบเทียบข้อเสนอของผู้จัดหาก่อนขอให้ผู้จัดการอนุมัติการคัดเลือกครั้งสุดท้าย เวิร์กโฟลว์การเผยแพร่อาจต้องให้บรรณาธิการตรวจสอบข้อเท็จจริงก่อนที่บทความจะเผยแพร่ด้วย

ตัวอย่างเวิร์กโฟลว์ของ AI agent ในทางปฏิบัติ

ลองพิจารณาเวิร์กโฟลว์ที่แปลงคำถามเกี่ยวกับตลาดให้เป็นรายงานสั้นๆ ผู้ใช้กำหนดกลุ่มเป้าหมายและขอบเขต จากนั้นระบุรูปแบบที่ต้องการ agent จะแบ่งคำขอออกเป็นคำถามสำหรับการวิจัย

agent ค้นหาจากแหล่งข้อมูลที่ได้รับอนุมัติและบันทึกผลการค้นพบที่เกี่ยวข้อง โดยจะตรวจสอบหลักฐานที่ขาดหายไปก่อนร่างรายงาน หากแหล่งข้อมูลสองแหล่งขัดแย้งกัน ก็จะระบุความแตกต่างนั้นหรือดำเนินการวิจัยต่อไป ขั้นตอนการตรวจสอบขั้นสุดท้ายจะตรวจร่างรายงานเทียบกับโครงสร้างที่กำหนดไว้ก่อนส่งมอบ

ตัวอย่างนี้มีทั้งส่วนที่ตายตัวและส่วนที่ปรับเปลี่ยนได้ ผลลัพธ์ที่ต้องการและเกณฑ์การตรวจสอบยังคงตายตัว ส่วนคำค้นหาสามารถเปลี่ยนแปลงได้ตามที่ agent เรียนรู้เพิ่มเติม ความสมดุลนี้ทำให้ควบคุมกระบวนการได้ง่ายกว่า agent ที่เปิดกว้างแบบไม่มีขอบเขตเลย

กรณีใช้งานทางธุรกิจที่พบบ่อย

เวิร์กโฟลว์ของ AI agent เหมาะกับงานที่อินพุตเปลี่ยนแปลงได้ แต่ผลลัพธ์ที่ต้องการยังคงชัดเจน:

• เวิร์กโฟลว์ฝ่ายบริการลูกค้าสามารถตรวจสอบเคสและเตรียมข้อมูลบริบทที่เป็นประโยชน์สำหรับการส่งต่อปัญหา

• เวิร์กโฟลว์งานวิจัยสามารถรวบรวมหลักฐานและแปลงเป็นสรุปข้อมูลที่มีโครงสร้าง

• เวิร์กโฟลว์เอกสารสามารถดึงข้อมูลออกมาก่อนส่งกรณียกเว้นไปตรวจสอบ

• เวิร์กโฟลว์ฝ่าย IT สามารถตรวจสอบการแจ้งเตือนและเสนอขั้นตอนถัดไปที่ได้รับอนุญาต

เวิร์กโฟลว์แบบตายตัวยังคงเป็นตัวเลือกที่ดีกว่าสำหรับงานง่ายๆ ปริมาณมาก ที่มีกฎเกณฑ์คงที่ พฤติกรรมแบบ agentic ควรใช้แก้ปัญหาความไม่แน่นอนที่เกิดขึ้นจริง ไม่ใช่เพิ่มความแปลกใหม่โดยไม่จำเป็น

วิธีสร้างเวิร์กโฟลว์ AI agent

เวอร์ชันแรกที่ใช้งานได้จริงไม่จำเป็นต้องมี agent จำนวนมาก เริ่มต้นด้วยงานที่มีขอบเขตชัดเจนเพียงงานเดียว และขยายเพิ่มเมื่อการทดสอบแสดงให้เห็นข้อจำกัดที่ชัดเจนเท่านั้น

กำหนดผลลัพธ์และวางแผนขั้นตอน

เขียนเงื่อนไขความสำเร็จที่คนอื่นสามารถตรวจสอบได้ จากนั้นวางแผนว่างานนี้ถูกจัดการอย่างไรในปัจจุบัน ทำเครื่องหมายขั้นตอนที่ใช้กฎเกณฑ์ตายตัวและขั้นตอนที่ต้องใช้วิจารณญาณ

ใช้ระบบอัตโนมัติสำหรับการทำงานที่คาดเดาได้ ให้ agent รับผิดชอบเฉพาะการตัดสินใจที่ได้ประโยชน์จากบริบทหรือการใช้เครื่องมือ วิธีนี้ช่วยให้เวิร์กโฟลว์เข้าใจง่ายและลดการเรียกใช้โมเดลที่ไม่จำเป็น

เลือกเครื่องมือสำหรับเวิร์กโฟลว์ AI agent

เลือกเครื่องมือตามลักษณะงาน ไม่ใช่ตามหมวดหมู่ผลิตภัณฑ์ เวิร์กโฟลว์งานวิจัยต้องการการดึงข้อมูลที่เชื่อถือได้ เวิร์กโฟลว์ด้านปฏิบัติการอาจต้องการการเข้าถึงระบบภายในที่ถูกควบคุม agent ควรได้รับเฉพาะเครื่องมือที่จำเป็นต่อบทบาทของตนเท่านั้น

เมื่อเปรียบเทียบเครื่องมือเวิร์กโฟลว์ AI agent ให้ตรวจสอบตัวเลือกการเชื่อมต่อและการควบคุมสิทธิ์การเข้าถึง มองหาบันทึกการทำงานที่แสดงให้เห็นว่าเกิดอะไรขึ้นระหว่างการทำงานที่ล้มเหลว ข้อจำกัดด้านค่าใช้จ่ายก็สำคัญเช่นกัน เพราะการให้เหตุผลซ้ำๆ และการลองใหม่สามารถเพิ่มการใช้งานได้อย่างรวดเร็ว

เพิ่มมาตรการป้องกันและทดสอบเวิร์กโฟลว์

กำหนดขีดจำกัดก่อนเริ่มรันเวิร์กโฟลว์ ระบุว่าข้อมูลใดที่ agent สามารถเข้าถึงได้ จำกัดการเขียนข้อมูลและเพิ่มขั้นตอนขออนุมัติในจุดที่มีผลกระทบสำคัญ ทุกเวิร์กโฟลว์ยังต้องมีเงื่อนไขการหยุดทำงานด้วย

ทดสอบงานทั้งหมดแบบครบวงจร แทนที่จะทดสอบ prompt แยกส่วน ติดตามอัตราความสำเร็จและความถี่ของข้อผิดพลาด จากนั้นตรวจสอบว่าคนต้องเข้าแทรกแซงบ่อยแค่ไหน สัญญาณเหล่านี้จะบอกได้ว่าเวิร์กโฟลว์ช่วยลดงานจริงหรือเพียงแค่เปลี่ยนงานไปเป็นการเฝ้าติดตามแทน

หากเป้าหมายของคุณคือการสัมผัสความสามารถของ agent มากกว่าการสร้างโครงสร้างพื้นฐานเอง Kimi Agent เป็นตัวเลือกที่ตรงไปตรงมากว่า คุณสามารถมอบหมายงานหลายขั้นตอนที่รองรับ ไม่ว่าจะเป็นงานวิจัย เอกสาร งานนำเสนอ สเปรดชีต หรือการสร้างเว็บไซต์ Kimi จัดการงานภายในประสบการณ์การใช้งานของผลิตภัณฑ์เอง ทำให้คุณไม่ต้องประกอบการเชื่อมต่อโมเดลและส่วนประกอบของเวิร์กโฟลว์ด้วยตนเอง

สิ่งที่ Kimi Agent ทำได้สำหรับงานหลายขั้นตอน

สถาปัตยกรรมแบบกำหนดเองให้การควบคุมที่ละเอียด แต่ก็ต้องใช้ความพยายามในการจัดการลำดับการทำงานและการประเมินผล Kimi Agent มอบประสบการณ์ agent อเนกประสงค์สำหรับผู้ใช้ที่ต้องการทำงานความรู้หลายขั้นตอนให้เสร็จโดยไม่ต้องสร้างโครงสร้างเหล่านั้นเอง

การวางแผนตามเป้าหมายและการดำเนินงาน

Kimi Agent สามารถตีความเป้าหมายและวางแผนงานที่จำเป็นได้ จากนั้นดำเนินงานภายในประสบการณ์การใช้งานของผลิตภัณฑ์ วิธีนี้เป็นแนวทางตรงไปตรงมาในการใช้เวิร์กโฟลว์แบบ agentic โดยไม่ต้องออกแบบตัววางแผนหรือลูปการใช้เครื่องมือเอง

การวิจัยเชิงลึก การสร้างเว็บไซต์ และงานนำเสนอ

Kimi Agent มาพร้อมฟีเจอร์ที่หลากหลาย เช่น สามารถสร้างเว็บไซต์และสร้างงานนำเสนอ PPT ความสามารถเหล่านี้ช่วยให้ผู้ใช้แปลงคำขอกว้างๆ ให้กลายเป็นผลงานที่มีโครงสร้างชัดเจนได้ในประสบการณ์การใช้งานเดียว

การจัดการเอกสาร สเปรดชีต และไฟล์แบบมัลติโมดัล

Kimi รองรับการให้เหตุผลแบบมัลติโมดัลและเวิร์กโฟลว์ที่ใช้ไฟล์เป็นฐาน สามารถทำงานกับเอกสาร PDF และ Word ไฟล์ Excel และ PPT ก็รองรับเช่นกัน Kimi ยังจัดการรูปภาพและไฟล์ TXT ได้ ในขณะที่วิดีโอเป็นอีกรูปแบบอินพุตหนึ่ง สิ่งนี้ทำให้ Kimi Agent สามารถประมวลผลเนื้อหาต้นทางที่มากกว่าข้อความแชทธรรมดาได้

เมื่อใดควรใช้ Kimi Agent Swarm

Kimi Agent Swarm มอบความสามารถแบบมัลติเอเจนต์แยกต่างหากสำหรับงานที่ได้ประโยชน์จากการทำงานคู่ขนานในวงกว้าง สามารถประสานงานหน่วยงานเฉพาะทางจำนวนมากสำหรับการค้นหาขนาดใหญ่หรือการทำงานเป็นชุด งานที่มีความยาวมากและมีเส้นทางการวิจัยแยกอิสระจากกันก็ได้ประโยชน์จากแนวทางนี้เช่นกัน

ประโยชน์และข้อจำกัดของการทำงานอัตโนมัติด้วย AI agent workflow

AI agent workflow สามารถลดขั้นตอนการส่งต่องานด้วยมือและปรับตัวตามข้อมูลนำเข้าที่ทำให้สคริปต์ตายตัวใช้งานไม่ได้ มันสามารถเชื่อมโยงงานวิจัยเข้ากับการวิเคราะห์ แล้วแปลงผลลัพธ์ที่ได้ให้กลายเป็นชิ้นงานสุดท้าย ประโยชน์นี้จะเห็นผลชัดเจนที่สุดเมื่องานมีเป้าหมายที่แน่นอนแต่เส้นทางไปสู่เป้าหมายนั้นแปรผันได้

ความยืดหยุ่นแบบเดียวกันนี้ก็สร้างความเสี่ยงเช่นกัน การตัดสินใจของ agent เป็นเรื่องของความน่าจะเป็น หากเครื่องมือใดล้มเหลว ก็อาจส่งผลกระทบต่อขั้นตอนถัดไป ขณะที่ข้อมูลคุณภาพต่ำจะทำให้ผลลัพธ์ด้อยลง การให้สิทธิ์ที่กว้างเกินไปยิ่งเพิ่มผลกระทบเมื่อเกิดข้อผิดพลาด ดังนั้น workflow ที่เชื่อถือได้จึงต้องมีการตรวจสอบและบันทึกที่มองเห็นได้ ส่วนการกระทำที่ส่งผลกระทบสูงต้องผ่านการอนุมัติ

บทสรุป

AI agent workflow คือการผสมผสานระหว่างกระบวนการที่กำหนดไว้ล่วงหน้ากับการตัดสินใจแบบปรับตัวได้ workflow เป็นตัวกำหนดผลลัพธ์และขอบเขต ส่วน agent เป็นผู้เลือกการกระทำที่เป็นประโยชน์ภายในขอบเขตนั้น เริ่มต้นด้วยงานเดียวที่ชัดเจน เพิ่มเฉพาะเครื่องมือที่จำเป็นเท่านั้น จากนั้นทดสอบการทำงานแบบครบวงจร และให้การกระทำที่ส่งผลสำคัญยังอยู่ภายใต้การควบคุมของมนุษย์ สำหรับงานวิจัยและการสร้างเนื้อหาที่รองรับ Kimi Agent เป็นวิธีที่ตรงไปตรงมาในการใช้ความสามารถของ AI แบบหลายขั้นตอนโดยไม่ต้องสร้างโครงสร้างพื้นฐานของ workflow ขึ้นมาเอง