AI Virtual Agent: จากการสนทนาสู่งานที่เสร็จสมบูรณ์

AI virtual agent เข้าใจภาษาธรรมชาติและระบุเป้าหมายของผู้ใช้ได้ โดยสามารถใช้ความรู้และเครื่องมือที่ได้รับอนุมัติเพื่อทำงานให้เสร็จสมบูรณ์ในระบบที่เชื่อมต่อกันไว้ ต่างจากแชทบอทแบบดั้งเดิม agent ยังสามารถส่งต่อคำขอที่ซับซ้อนให้มนุษย์ดูแลได้ด้วย คู่มือนี้จะอธิบายกระบวนการทำงานและเปรียบเทียบ virtual agent กับเครื่องมือที่เกี่ยวข้อง จากนั้นจะกล่าวถึงการใช้งานในธุรกิจและการนำไปใช้อย่างมีความรับผิดชอบ ก่อนอธิบายเรื่องการวัดผลการทำงาน

AI virtual agent คืออะไร

AI virtual agent คือระบบซอฟต์แวร์อัจฉริยะที่เข้าใจเป้าหมายของผู้ใช้และทำงานเพื่อบรรลุเป้าหมายนั้นผ่านการสนทนา โดยแบบจำลองภาษาจะตีความคำขอ ในขณะที่ความรู้ทางธุรกิจจะให้ข้อเท็จจริงที่จำเป็นสำหรับการตอบสนองที่ถูกต้อง เมื่อคำขอต้องการมากกว่าคำตอบ agent จะใช้ API และขั้นตอนการทำงานที่ได้รับอนุมัติเพื่อดึงข้อมูลหรือดำเนินการในขั้นตอนต่อไป ความสามารถในการเปลี่ยนจากความเข้าใจไปสู่การดำเนินการนี้เองที่ทำให้ agent แตกต่างจากแชทบอทพื้นฐาน

AI virtual agent ทำงานอย่างไร

AI virtual agent ทำงานผ่านวงจรต่อเนื่อง คือ ทำความเข้าใจคำขอ ตัดสินใจว่าต้องการอะไร ดำเนินการที่ได้รับอนุมัติ และประเมินผลลัพธ์ ต่างจากแชทบอทที่ส่วนใหญ่แค่สร้างคำตอบ agent สามารถดึงข้อมูลจากภายนอกและโต้ตอบกับระบบธุรกิจได้ โดยจะทำต่อไปจนกว่างานจะเสร็จสมบูรณ์หรือจำเป็นต้องมีมนุษย์เข้ามาช่วย

1. agent ตีความคำขอ

กระบวนการเริ่มต้นเมื่อ agent ได้รับคำขอในรูปแบบภาษาธรรมชาติ แบบจำลองภาษาจะระบุผลลัพธ์ที่ผู้ใช้ต้องการ ตัวอย่างเช่น “พัสดุของฉันยังไม่มาถึง” อาจหมายความว่าผู้ใช้ต้องการตรวจสอบสถานะคำสั่งซื้อ มากกว่าคำอธิบายทั่วไปเกี่ยวกับระยะเวลาการจัดส่ง

2. สร้างบริบทจากการสนทนา

ข้อความปัจจุบันมักไม่เพียงพอที่จะกำหนดขั้นตอนต่อไป agent จะพิจารณารายละเอียดที่เกี่ยวข้องจากการสนทนาและผลลัพธ์ใด ๆ ที่ได้รับก่อนหน้านี้ในขั้นตอนการทำงาน รวมถึงตรวจสอบว่ามีข้อมูลที่จำเป็นขาดหายไปหรือไม่ หากผู้ใช้ยังไม่ได้ระบุหมายเลขคำสั่งซื้อ agent ควรสอบถามข้อมูลนี้ก่อนที่จะพยายามค้นหา

3. การดึงข้อมูลที่น่าเชื่อถือ

เมื่อคำตอบต้องอาศัยข้อมูลที่อยู่นอกเหนือการสนทนา agent จะเรียกใช้ระบบดึงข้อมูลที่ได้รับอนุมัติ สำหรับคำถามเกี่ยวกับนโยบาย อาจค้นหาในฐานความรู้ของบริษัท การค้นหาเชิงความหมาย (semantic search) ก็เป็นวิธีการดึงข้อมูลอีกวิธีหนึ่งที่เป็นไปได้ เพราะสามารถค้นหาข้อความที่เกี่ยวข้องได้แม้ถ้อยคำของผู้ใช้ไม่ตรงกับเอกสารต้นฉบับทุกคำ สำหรับคำถามที่เกี่ยวข้องกับบัญชีเฉพาะ agent อาจขอข้อมูลปัจจุบันจากฐานข้อมูลทางธุรกิจแทน

4. จากความตั้งใจสู่แผนการดำเนินการ

agent จะประเมินบริบทที่มีอยู่และตัดสินใจว่าควรทำอะไรต่อไป คำถามที่ตรงไปตรงมาอาจต้องการเพียงคำตอบที่มีพื้นฐานอ้างอิงชัดเจน คำขอเชิงปฏิบัติการอาจต้องเรียกใช้เครื่องมือ ในขณะที่คำขอที่ยังไม่สมบูรณ์ควรกระตุ้นให้เกิดการสอบถามเพิ่มเติม สำหรับงานที่ใช้เวลานานขึ้น agent สามารถแบ่งเป้าหมายออกเป็นขั้นตอนที่พึ่งพากันและปรับปรุงแผนเมื่อมีข้อมูลใหม่ปรากฏขึ้น

5. การใช้เครื่องมือเพื่อโต้ตอบกับระบบธุรกิจ

แบบจำลองภาษาจะไม่แก้ไขข้อมูลใน CRM หรือดำเนินการคืนเงินโดยตรง แต่จะเลือกเครื่องมือที่ได้รับอนุมัติและส่งข้อมูลที่เครื่องมือนั้นต้องการ จากนั้นระบบ agent ที่อยู่รอบ ๆ จะส่งคำขอไปยัง API ที่เกี่ยวข้อง

ตัวอย่างเช่น เครื่องมือติดตามคำสั่งซื้ออาจต้องการหมายเลขคำสั่งซื้อและ ID ลูกค้าที่ได้รับการยืนยันตัวตน API จะส่งกลับสถานะการจัดส่งปัจจุบัน ซึ่งจะกลายเป็นข้อมูลใหม่สำหรับ agent หากขั้นตอนการทำงานเกี่ยวข้องกับการเปลี่ยนแปลงที่มีความละเอียดอ่อน ระบบสามารถกำหนดให้ต้องมีการยืนยันจากผู้ใช้หรือการอนุมัติจากมนุษย์ก่อนที่เครื่องมือจะทำงาน

6. ตรวจสอบว่างานเสร็จสมบูรณ์แล้วหรือไม่

การตอบกลับจากเครื่องมือจะกลายเป็นข้อสังเกตขั้นต่อไปในขั้นตอนการทำงานของ agent agent จะตรวจสอบว่าการตอบกลับนั้นตอบสนองเป้าหมายของผู้ใช้หรือไม่ แทนที่จะสมมติว่าการเรียก API ที่สำเร็จทุกครั้งหมายความว่างานเสร็จสมบูรณ์แล้ว หากการค้นหาคำสั่งซื้อพบว่ามีข้อยกเว้นในการจัดส่ง agent อาจต้องอธิบายความล่าช้าหรือระบุแนวทางแก้ไขที่เป็นไปได้ต่อไป หากเครื่องมือทำงานล้มเหลว agent สามารถลองใหม่ภายในขอบเขตที่กำหนดไว้ หรือรายงานปัญหาที่ยังไม่ได้รับการแก้ไข

7. เมื่อจำเป็นต้องมีการแทรกแซงจากมนุษย์

เมื่อการทำงานอัตโนมัติควรหยุดลง Agent จะเตรียมการส่งต่องานที่สรุปคำขอและงานที่ทำไปแล้ว โดยรวมข้อมูลที่เกี่ยวข้องซึ่งรวบรวมได้ในระหว่างการสนทนา และบันทึกสถานะล่าสุดของเวิร์กโฟลว์ ทำให้เจ้าหน้าที่ที่เป็นมนุษย์สามารถดำเนินการต่อจากจุดเดิมได้

การส่งต่องานอาจจำเป็นเมื่อคำขอนั้นอยู่นอกเหนือขอบเขตที่ Agent ได้รับอนุญาต หรืออาจเกิดขึ้นเมื่อหลักฐานที่มีไม่เพียงพอ หรือขั้นตอนต่อไปต้องใช้วิจารณญาณของมนุษย์ จุดประสงค์ไม่ใช่แค่การส่งต่อการสนทนา แต่คือการส่งต่อกรณีที่สามารถดำเนินการได้ต่อโดยไม่ต้องให้ผู้ใช้เล่าเรื่องทั้งหมดซ้ำอีกครั้ง

องค์ประกอบสำคัญของ AI virtual agent

AI virtual agent ประกอบด้วยองค์ประกอบหลายส่วนรวมกัน โมเดลภาษาให้ความสามารถด้านการให้เหตุผลและการสร้างข้อความที่สำคัญ แต่ไม่ได้สร้าง agent ที่สมบูรณ์ได้ด้วยตัวเอง

โมเดลภาษาขนาดใหญ่

โมเดลภาษาขนาดใหญ่ช่วยให้ agent ตีความภาษาปกติของผู้ใช้และระบุผลลัพธ์ที่ต้องการได้ โมเดลเหล่านี้สามารถใช้บริบทของการสนทนาเพื่อคลี่คลายคำขอที่คลุมเครือ สร้างคำตอบ และให้เหตุผลเกี่ยวกับขั้นตอนต่อไป

โมเดลภาษาเพียงอย่างเดียวไม่สามารถสร้าง virtual agent ที่สมบูรณ์ได้ ยังต้องมีการเข้าถึงข้อมูลที่น่าเชื่อถือและเครื่องมือที่ได้รับการอนุมัติ นอกจากนี้ยังต้องมีเลเยอร์การจัดการ orchestration เพื่อควบคุมวิธีที่โมเดลเข้ามามีส่วนร่วมในเวิร์กโฟลว์ทางธุรกิจ

การจัดการ orchestration และตรรกะการตัดสินใจ

เลเยอร์ orchestration แปลงผลลัพธ์ของโมเดลให้เป็นการตัดสินใจในเวิร์กโฟลว์ที่ควบคุมได้ โดยกำหนดว่า agent ควรตอบผู้ใช้หรือขอข้อมูลที่ขาดหายไป เมื่อจำเป็นต้องใช้ข้อมูลจากภายนอก ก็สามารถสั่งให้ดึงข้อมูลได้ และเมื่อคำขอต้องการให้ลงมือทำ ก็จะเลือกใช้เครื่องมือที่ได้รับการอนุมัติ

เลเยอร์นี้ยังติดตามสถานะปัจจุบันของเวิร์กโฟลว์และใช้กฎทางธุรกิจก่อนดำเนินการ หากไม่มี orchestration โมเดลภาษาสามารถสร้างคำตอบได้ แต่ไม่สามารถจัดการงานที่มีหลายขั้นตอนข้ามระบบที่เชื่อมต่อกันได้อย่างน่าเชื่อถือ

ความรู้ขององค์กรและการดึงข้อมูล

แหล่งความรู้อธิบายเกี่ยวกับผลิตภัณฑ์และนโยบาย และยังบันทึกขั้นตอนการทำงานและการดำเนินงานภายในด้วย การดึงข้อมูล (retrieval) เชื่อมต่อ agent เข้ากับเนื้อหาที่ถูกต้องเมื่อมีคำขอเข้ามา

เลเยอร์ความรู้ที่น่าเชื่อถือต้องมีเจ้าของและการดูแลรักษาที่ชัดเจน ทีมงานควรลบคำแนะนำที่ล้าสมัยและกำหนดลำดับความสำคัญของแหล่งข้อมูล พร้อมทั้งเคารพสิทธิ์การเข้าถึงเอกสาร การดึงข้อมูลที่ดีขึ้นช่วยปรับปรุงคำตอบ แต่ไม่สามารถแทนที่การควบคุมเวิร์กโฟลว์ได้

เครื่องมือ, API และการเชื่อมต่อระบบ

เครื่องมือและการเชื่อมต่อระบบช่วยให้ agent ก้าวจากการตอบคำถามไปสู่การลงมือทำ agent ฝ่ายบริการลูกค้าอาจเชื่อมต่อกับ CRM และฐานข้อมูลคำสั่งซื้อ บริการชำระเงินหรือระบบตั๋วอาจรองรับขั้นตอนถัดไปได้ ในขณะที่ agent สำหรับสนับสนุนพนักงานอาจใช้ระบบยืนยันตัวตนหรือพอร์ทัลภายในแทน

การเชื่อมต่อแต่ละแบบควรกำหนดสิทธิ์การอ่านและเขียนให้ชัดเจน และต้องระบุด้วยว่าจะเกิดอะไรขึ้นเมื่อเครื่องมือทำงานล้มเหลว การจำกัดสิทธิ์ให้แคบช่วยเพิ่มความปลอดภัย ในขณะที่สถานะข้อผิดพลาดที่ชัดเจนช่วยให้การทดสอบง่ายขึ้น

ความจำ, มาตรการควบคุม และการสังเกตการณ์

ความจำเก็บบริบทของการสนทนาหรือเวิร์กโฟลว์ที่ยาวขึ้น มาตรการควบคุม (guardrails) จำกัดการกระทำที่ละเอียดอ่อนและการเข้าถึงข้อมูล พร้อมมีการยืนยันเมื่อจำเป็น การสังเกตการณ์ (observability) บันทึกการตัดสินใจและการเรียกใช้เครื่องมือ ก่อนที่จะบันทึกการเปลี่ยนแปลงสถานะและผลลัพธ์สุดท้าย

ความสามารถเหล่านี้ช่วยให้การใช้งานปลอดภัยยิ่งขึ้น ผู้ดูแลระบบสามารถตรวจสอบความล้มเหลวและสอบสวนพฤติกรรมที่ไม่คาดคิด จากนั้นปรับปรุงระบบให้ดีขึ้น ความเป็นอิสระที่มากขึ้นต้องมาพร้อมกับการมองเห็นที่มากขึ้น ไม่ใช่น้อยลง

AI virtual agent เทียบกับแชทบอท

คำเหล่านี้อธิบายเทคโนโลยีที่เกี่ยวข้องกัน แต่ไม่ได้หมายถึงระดับความสามารถเดียวกันเสมอไป แชทบอทมักเน้นที่การสนทนาและการนำทางคำขอ ผู้ช่วยเสมือน (virtual assistant) มีความหมายกว้างกว่าและอาจหมายถึงผลิตภัณฑ์สำหรับผู้บริโภคที่ช่วยงานในชีวิตประจำวัน ส่วน AI virtual agent โดยทั่วไปถูกออกแบบมาเพื่อบรรลุผลลัพธ์ทางธุรกิจหรือลูกค้าที่กำหนดไว้อย่างชัดเจน

ขอบเขตของแต่ละคำไม่ได้ตายตัวเสมอไป แชทบอทอาจมีฟีเจอร์ AI รวมอยู่ด้วย และผู้ช่วยเสมือนก็อาจเชื่อมต่อกับบริการภายนอกได้ ความแตกต่างในทางปฏิบัติเริ่มต้นที่ว่าระบบสามารถเข้าใจเป้าหมายที่เปิดกว้างและใช้ข้อมูลที่น่าเชื่อถือได้หรือไม่ จากนั้น virtual agent ต้องดำเนินการตามที่จำเป็นและจัดการข้อยกเว้นที่เกิดขึ้นระหว่างทางด้วย

AI virtual agent ทำอะไรได้บ้าง?

AI virtual agent รองรับเวิร์กโฟลว์ได้หลากหลายเมื่อธุรกิจมีกระบวนการที่ชัดเจนและการเข้าถึงระบบที่น่าเชื่อถือ กรณีใช้งานเหล่านี้แสดงให้เห็นว่าการสนทนาเชื่อมโยงไปสู่การลงมือทำได้อย่างไร

บริการลูกค้าและการบริการตนเอง

agent ฝ่ายบริการลูกค้าสามารถตอบคำถามและตรวจสอบรายละเอียดบัญชีก่อนติดตามคำสั่งซื้อ อาจอธิบายสถานะการจัดส่งหรือเริ่มดำเนินการคืนสินค้า agent ยังสามารถอัปเดตข้อมูลที่เลือกไว้ได้ และเมื่อการบริการตนเองไม่สามารถดำเนินการให้เสร็จสิ้นได้ ก็สามารถสร้างตั๋วสนับสนุนขึ้นมาได้

ปัญหาที่ซับซ้อนหรือละเอียดอ่อนควรถูกส่งต่อไปให้มนุษย์ดูแล agent สามารถรวบรวมรายละเอียดเบื้องต้นและส่งต่อบริบทของการสนทนาไปยังทีมที่เหมาะสม

ฝ่ายช่วยเหลือด้าน IT และการแก้ไขตั๋วปัญหา

agent ด้าน IT สามารถระบุปัญหาของพนักงานและค้นหาเอกสารภายในได้ อาจตรวจสอบข้อมูลระบบที่ได้รับการอนุมัติก่อนเสนอวิธีแก้ไขหรืออัปเดตตั๋วปัญหา

สำหรับคำขอที่มีความเสี่ยงต่ำ agent สามารถแนะนำขั้นตอนมาตรฐานได้ ส่วนการเปลี่ยนแปลงสิทธิ์และคำขอเข้าถึงที่ผิดปกติต้องได้รับการอนุมัติ ในขณะที่เหตุการณ์ด้านความปลอดภัยต้องได้รับการจัดการอย่างมีการควบคุม

ฝ่ายทรัพยากรบุคคลและการสนับสนุนพนักงาน

ทีม HR สามารถใช้ virtual agent เพื่อตอบคำถามเกี่ยวกับนโยบายหรือสวัสดิการ agent ยังสามารถอธิบายขั้นตอนการลาและช่วยสนับสนุนกระบวนการ onboarding นอกจากนี้ยังสามารถเก็บข้อมูลที่ขาดหายไปก่อนส่งต่อเคสได้ด้วย

การ onboarding อาจเกี่ยวข้องกับหลายระบบ agent สามารถประสานงานงานที่ได้รับอนุมัติ ในขณะที่พนักงานที่มีสิทธิ์ยังคงเป็นผู้ตัดสินใจในเรื่องการเข้าถึงข้อมูลที่มีความละเอียดอ่อน

อีคอมเมิร์ซและการสนับสนุนการขาย

agent สำหรับอีคอมเมิร์ซสามารถตอบคำถามเกี่ยวกับสินค้าและระบุความตั้งใจในการซื้อได้ อาจตรวจสอบสต็อกสินค้าก่อนแจ้งข้อมูลการจัดส่ง และยังสามารถเก็บข้อมูลลูกค้าที่สนใจ (lead) และส่งต่อคำขอที่ผ่านเกณฑ์ไปยังฝ่ายขายได้

agent ควรใช้ข้อมูลสินค้าและสต็อกที่เป็นปัจจุบัน และต้องไม่สร้างข้อมูลความพร้อมจำหน่ายหรือวันจัดส่งขึ้นมาเอง ข้อยกเว้นด้านนโยบายต้องมาจากระบบที่เชื่อมต่ออยู่

การเงินและกระบวนการจัดการเอกสาร

agent ด้านการเงินสามารถดึงข้อมูลจากใบแจ้งหนี้และเปรียบเทียบกับข้อมูลที่มีอยู่ อาจระบุความคลาดเคลื่อนก่อนจัดทำรายงานสำหรับตรวจสอบ ซึ่งช่วยลดการกรอกข้อมูลด้วยมือ พร้อมทั้งส่งต่อเคสที่ไม่ชัดเจนหรือมีความเสี่ยงสูงให้ผู้เชี่ยวชาญด้านการเงิน

งานวิจัยภายในและการดำเนินงานทางธุรกิจ

agent ภายในองค์กรสามารถค้นหาจากแหล่งข้อมูลที่ได้รับอนุมัติและสรุปผลการค้นหาได้ อาจจัดทำผลงานที่มีโครงสร้างชัดเจนหรือกระตุ้นให้เกิดงานต่อเนื่อง ซึ่งช่วยสนับสนุนการวิเคราะห์ที่ทำซ้ำเป็นประจำและลดการประสานงานที่ซ้ำซ้อน

ประโยชน์ของ AI virtual agent

AI virtual agent สามารถช่วยยกระดับการให้บริการได้เมื่อเชื่อมต่อกับความรู้ที่น่าเชื่อถือและเวิร์กโฟลว์ที่กำหนดไว้อย่างชัดเจน คุณค่าของ agent มาจากการลดงานประจำที่ทำด้วยมือ ในขณะที่ยังคงให้มนุษย์เข้ามามีส่วนร่วมในคำขอที่ต้องใช้วิจารณญาณ

• การตอบสนองที่รวดเร็วขึ้น: AI virtual agent สามารถตอบคำขอทั่วไปได้โดยไม่ต้องให้ผู้ใช้รอเจ้าหน้าที่ที่เป็นมนุษย์ และยังสามารถให้บริการได้นอกเวลาทำงานปกติ ตราบใดที่ระบบธุรกิจที่จำเป็นยังสามารถเข้าถึงได้

• ลดภาระงานด้านปฏิบัติการ: virtual agent สามารถจัดการคำขอที่เกิดขึ้นบ่อยและมีขั้นตอนที่ทำซ้ำได้ ทำให้ทีมมนุษย์สามารถมุ่งเน้นไปที่เคสที่ต้องใช้วิจารณญาณ ความเข้าอกเข้าใจ หรือความรู้เฉพาะทาง

• การให้บริการที่สม่ำเสมอมากขึ้น: agent ใช้ความรู้และกฎเวิร์กโฟลว์ที่ได้รับอนุมัติเดียวกันในทุกช่องทางที่รองรับ ซึ่งช่วยลดความแตกต่างในคำตอบทั่วไป และทำให้การเผยแพร่การอัปเดตนโยบายทำได้ง่ายขึ้น

• ขยายขนาดได้ดีขึ้น: virtual agent สามารถประมวลผลคำขอพร้อมกันได้มากขึ้นโดยไม่จำเป็นต้องเพิ่มการจัดการด้วยมือในอัตราส่วนที่เท่ากัน อย่างไรก็ตาม ความสามารถที่แท้จริงยังขึ้นอยู่กับระบบที่เชื่อมต่ออยู่และโครงสร้างพื้นฐานที่สนับสนุนระบบเหล่านั้น

• ข้อมูลด้านปฏิบัติการที่มีประโยชน์มากขึ้น: บันทึกการสนทนาช่วยเผยให้เห็นความต้องการทั่วไปของผู้ใช้ และแสดงจุดที่เวิร์กโฟลว์มีปัญหา การส่งต่อเคสซ้ำๆ สามารถช่วยให้ทีมระบุความรู้ที่ขาดหายไปหรือกระบวนการที่ต้องออกแบบใหม่ได้

• ปรับปรุงประสบการณ์ของพนักงาน: พนักงานสามารถขอคำแนะนำภายในองค์กรด้วยภาษาธรรมดา โดยไม่ต้องค้นหาผ่านแบบฟอร์มและหน้านโยบายต่างๆ ซึ่งช่วยลดเวลาที่ใช้ในการค้นหาขั้นตอนทั่วไป และลดจำนวนคำขอที่ซ้ำซ้อนที่ทีมผู้เชี่ยวชาญต้องรับมือ

วิธีนำ AI virtual agent มาใช้งาน

เริ่มต้นด้วยกรณีใช้งานที่จำกัดขอบเขตเพียงหนึ่งอย่าง

เลือกคำขอที่มีปริมาณสูงและมีกระบวนการที่ทำซ้ำได้และมีความเสี่ยงต่ำ การติดตามคำสั่งซื้อและคำแนะนำการรีเซ็ตรหัสผ่านเป็นจุดเริ่มต้นที่พบได้บ่อย ระบบตอบคำถามที่พบบ่อยด้วยตนเองก็เป็นอีกตัวเลือกหนึ่ง การจำกัดขอบเขตให้แคบช่วยให้ทีมมีเป้าหมายที่วัดผลได้และลดความผิดพลาดในช่วงเริ่มต้น

กำหนดขอบเขตของ agent

บันทึกไว้ว่า agent สามารถทำอะไรได้บ้างและอะไรอยู่นอกเหนือบทบาทของมัน กำหนดความสำเร็จสำหรับแต่ละความตั้งใจที่รองรับ ระบุข้อมูลที่จำเป็นและการกระทำที่ได้รับอนุญาต รวมถึงกรณีที่ต้องได้รับการอนุมัติจากมนุษย์

จัดทำแผนผังข้อมูลและระบบที่จำเป็น

จัดทำรายการแหล่งความรู้และข้อมูลทางธุรกิจที่จำเป็น รวมถึงข้อมูล CRM หรือ ERP ระบุเครื่องมือสนับสนุน เช่น แพลตฟอร์มการออกตั๋วและบริการชำระเงิน ระบบจัดตารางเวลาก็อาจจำเป็นเช่นกัน ยืนยันสิทธิ์การเข้าถึงและความเป็นเจ้าของข้อมูลก่อนเชื่อมต่อระบบเหล่านั้น กำหนดความถี่ในการอัปเดตและพฤติกรรมสำรองเมื่อเกิดข้อผิดพลาด

ออกแบบบทสนทนาและเวิร์กโฟลว์

จัดทำแผนผังของขั้นตอนปกติก่อนพิจารณากรณีข้อมูลที่ขาดหายไปหรือเครื่องมือทำงานล้มเหลว ความตั้งใจที่เปลี่ยนแปลงและข้อมูลที่ขัดแย้งกันอาจต้องมีเส้นทางแยกอีกทาง แจ้งให้ผู้ใช้ทราบเมื่อ agent กำลังตรวจสอบข้อมูลหรือดำเนินการ และต้องขอการยืนยันก่อนดำเนินการที่ไม่สามารถย้อนกลับได้

เพิ่มการส่งต่อให้มนุษย์

กำหนดกฎการส่งต่อสำหรับคำขอที่อยู่นอกขอบเขตหรือเคสที่มีความมั่นใจต่ำ ความรู้สึกเชิงลบและข้อมูลที่มีความละเอียดอ่อนอาจกระตุ้นให้เกิดการส่งต่อได้เช่นกัน การตัดสินใจที่มีผลกระทบสูงต้องดำเนินตามเส้นทางการอนุมัติ เก็บรักษาคำขอและข้อมูลที่รวบรวมไว้ พร้อมทั้งรวมประวัติการดำเนินการไว้ด้วย

ติดตามและปรับปรุง

ติดตามอัตราการทำงานสำเร็จและอัตราการจัดการได้เอง วัดอัตราการส่งต่อแยกกัน จากนั้นตรวจสอบคุณภาพการตอบสนองและความพึงพอใจ ใช้ข้อผิดพลาดที่พบเพื่อปรับปรุงความรู้หรือเครื่องมือ ขยายขอบเขตการทำงานเมื่อประสิทธิภาพน่าเชื่อถือแล้วเท่านั้น

วิธีวัดประสิทธิภาพของ AI virtual agent

ไม่มีตัวชี้วัดเดียวที่จะบอกได้ว่า AI virtual agent ทำงานได้ดีหรือไม่ ทีมงานควรวัดว่าเอเจนต์เข้าใจคำขอและทำงานตามที่ตั้งใจไว้สำเร็จหรือไม่ และควรพิจารณาด้วยว่าเกิดอะไรขึ้นเมื่อระบบอัตโนมัติล้มเหลวหรือส่งต่อเคสไปให้คนดูแล

• อัตราการระบุเจตนา (Intent recognition rate): ตัวชี้วัดนี้แสดงว่าเอเจนต์ระบุเป้าหมายที่ผู้ใช้ต้องการได้ถูกต้องบ่อยเพียงใด อัตราที่ต่ำอาจบ่งชี้ว่าขอบเขตการทำงานของเอเจนต์ไม่ชัดเจน หรืออาจสะท้อนถึงระบบเส้นทางการทำงานที่อ่อนแอหรือบริบทของการสนทนาที่ไม่เพียงพอ

• อัตราการจัดการได้เอง (Containment rate): ตัวชี้วัดนี้วัดสัดส่วนของคำขอที่รองรับได้และแก้ไขได้โดยไม่ต้องมีคนเข้ามาเกี่ยวข้อง ควรพิจารณาควบคู่กับความถูกต้อง เพราะคำตอบที่ผิดอาจหลีกเลี่ยงการส่งต่อได้โดยที่ยังไม่ได้แก้ปัญหาของผู้ใช้จริง

• อัตราการทำงานสำเร็จ (Task completion rate): ตัวชี้วัดนี้แสดงว่าผลลัพธ์ที่ต้องการเกิดขึ้นจริงหรือไม่ มีความหมายมากกว่าปริมาณข้อความ เพราะบทสนทนาที่ยาวอาจจบลงโดยไม่สามารถทำงานให้เสร็จได้เลย

• อัตราการส่งต่อ (Escalation rate): ตัวชี้วัดนี้วัดว่าเอเจนต์ส่งต่อคำขอไปให้คนดูแลบ่อยเพียงใด ทีมงานควรพิจารณาสาเหตุของการส่งต่อในแต่ละครั้ง ไม่ใช่มองว่าการส่งต่อทุกครั้งคือความล้มเหลว เพราะบางกรณีการส่งต่อสะท้อนถึงขอบเขตความปลอดภัยที่เหมาะสม

• การแก้ไขได้ในการติดต่อครั้งแรก (First-contact resolution): ตัวชี้วัดนี้ติดตามว่าปัญหาของผู้ใช้ได้รับการแก้ไขในการโต้ตอบครั้งแรกหรือไม่ ทีมงานควรกำหนดให้ชัดเจนว่ากรณีที่ถูกส่งต่อไปยังคนดูแลระหว่างการโต้ตอบนั้นยังนับเป็นการแก้ไขได้ในครั้งแรกหรือไม่

• คุณภาพและความถูกต้องของคำตอบ: คำตอบควรตอบคำถามจริงของผู้ใช้และสอดคล้องกับข้อมูลที่ได้รับการอนุมัติ การตรวจสอบโดยคนหรือการประเมินผลอัตโนมัติสามารถช่วยระบุคำกล่าวอ้างที่ไม่มีหลักฐานสนับสนุนและคำตอบที่ไม่สมบูรณ์ได้

• ความพึงพอใจของลูกค้าและพนักงาน: CSAT หรือ Customer Effort Score สามารถวัดประสบการณ์หลังจากการโต้ตอบครั้งใดครั้งหนึ่งได้ ส่วน NPS เหมาะกับการทำความเข้าใจความสัมพันธ์ในภาพรวมของผู้ใช้กับบริษัทมากกว่าการประเมินคำตอบของเอเจนต์เพียงครั้งเดียว

• การประหยัดต้นทุนและเวลา: เปรียบเทียบเวลาดำเนินการทั้งหมดก่อนและหลังการนำระบบไปใช้งาน การคำนวณควรรวมทั้งต้นทุนในการดำเนินงานของเอเจนต์และแรงงานคนที่ยังต้องใช้สำหรับการตรวจสอบและกำกับดูแล

รู้จัก Kimi Agent: AI virtual agent ที่คุณใช้ได้จริงในวันนี้

คุณไม่จำเป็นต้องสร้าง AI virtual agent เองเพื่อได้รับประโยชน์จากมัน กระบวนการที่คู่มือนี้อธิบาย—เข้าใจคำขอ วางแผนขั้นตอนต่อไป ดำเนินการผ่านเครื่องมือ และตรวจสอบผลลัพธ์—คือวิธีที่ผลิตภัณฑ์เอเจนต์ของ Kimi จัดการกับงานจริง เริ่มต้นด้วยเอเจนต์เดียวสำหรับงานหนึ่งชิ้น แล้วขยายไปสู่ swarm ที่ประสานงานกันเมื่อปริมาณงานเพิ่มขึ้น

Kimi Agent สำหรับงานแบบครบวงจร

Kimi Agent เปลี่ยนคำขอที่เป็นภาษาธรรมชาติให้กลายเป็นผลงานที่เสร็จสมบูรณ์ เพียงอธิบายผลลัพธ์ที่ต้องการในหนึ่งประโยค มันจะวางแผนขั้นตอน ใช้เครื่องมือที่มีอยู่ในตัว และตรวจสอบผลลัพธ์ก่อนส่งมอบ ผลลัพธ์ที่พบได้ทั่วไป ได้แก่:

• รายงานวิจัยที่มีโครงสร้างชัดเจน สร้างขึ้นโดย ผู้ช่วยวิจัย AI

• เว็บไซต์ที่ใช้งานได้จริง ที่สร้างจากบรีฟสั้น ๆ

• งานพรีเซนต์ PPT, เอกสาร, หรือสเปรดชีต ที่พร้อมแก้ไข

คุณสามารถอัปโหลดไฟล์ต้นฉบับได้สูงสุด 50 ไฟล์ในครั้งเดียว ทำให้ไฟล์ PDF สไลด์ และรูปภาพที่มีอยู่แล้วกลายเป็นส่วนหนึ่งของงานได้ สำหรับงานที่ยังอยู่บนเดสก์ท็อป Kimi Work ใช้เอเจนต์ประเภทเดียวกันนี้ทำงานกับไฟล์ในเครื่อง และช่วยดำเนินการวิจัย วิเคราะห์ และรายงานผลโดยอัตโนมัติ

Kimi Deep Research สำหรับการค้นคว้าระยะยาว

บางคำขอต้องการ virtual agent ที่ยังคงทำงานต่อไปแม้คุณจะปิดหน้าแชทไปแล้ว Kimi Deep Research มักใช้เวลาประมาณ 10 ถึง 25 นาทีต่องาน และทำงานต่อในเบื้องหลัง คุณจึงสามารถออกจากหน้าเว็บได้และกลับมาพบรายงานฉบับสมบูรณ์ที่มีการอ้างอิงแหล่งข้อมูล

Kimi Agent Swarm สำหรับงานที่มีปริมาณสูง

เมื่อเอเจนต์เดียวช้าเกินไปสำหรับขนาดของงาน Kimi Agent Swarm จะขยายกระบวนการเดียวกันนี้ไปยังทีมของ sub-agent ปัจจุบัน swarm ขับเคลื่อนด้วย Kimi K3 และสามารถประสานงาน sub-agent ได้มากถึง 300 ตัว พร้อมการเรียกใช้เครื่องมือมากกว่า 4,000 ครั้งในงานเดียว ทำงานเสร็จเร็วขึ้นถึง 4.5 เท่าเมื่อเทียบกับเอเจนต์เดียวที่ทำงานทีละขั้นตอน แทนที่จะทำตามสคริปต์ตายตัว orchestrator จะสร้างผู้เชี่ยวชาญเฉพาะทางตามที่งานแต่ละชิ้นต้องการ งานวิจัยจะได้ผู้ค้นหาข้อมูลที่ทำงานพร้อมกัน งานรวบรวมเอกสารจะได้ผู้อ่าน รายงานยาวจะได้ผู้เขียน และโปรเจกต์โค้ดจะได้ผู้สร้าง ปัจจุบัน Agent Swarm อยู่ในช่วงเปิดให้ใช้งานแบบ Beta

คุณยังคงเป็นผู้ควบคุมผลลัพธ์

เอเจนต์ของ Kimi จัดการเส้นทางการทำงาน ขณะที่คุณยังเป็นผู้ตัดสินใจ คุณเป็นผู้กำหนดเป้าหมาย เฝ้าดูแผนงานขณะที่มันดำเนินการ และอนุมัติผลงานสุดท้าย ข้อเท็จจริงที่สำคัญและการตัดสินใจที่มีผลกระทบมากยังคงต้องได้รับการตรวจสอบจากคน

ข้อจำกัดและความเสี่ยงของ AI virtual agent

AI virtual agent อาจให้คำตอบที่ผิดพลาดหรืออาศัยความรู้ที่ล้าสมัย การเชื่อมต่อระบบก็อาจล้มเหลวได้เช่นกันหากได้รับข้อมูลที่ไม่สมบูรณ์ สิทธิ์การเข้าถึงที่กว้างเกินไปอาจสร้างความเสี่ยงด้านความเป็นส่วนตัวและลดทอนความปลอดภัย ดังนั้นการนำไปใช้งานอย่างน่าเชื่อถือจึงต้องอาศัยแหล่งข้อมูลที่เป็นปัจจุบันและการเข้าถึงแบบ least-privilege จุดอนุมัติช่วยปกป้องการกระทำที่ละเอียดอ่อน ในขณะที่การส่งต่อที่ชัดเจนช่วยให้คนควบคุมได้เมื่อระบบอัตโนมัติทำงานถึงขีดจำกัด บันทึกการทำงานควรอธิบายได้ว่าเอเจนต์ทำอะไรไปบ้าง ทีมงานควรเริ่มต้นด้วยขั้นตอนการทำงานที่แคบและทดสอบกรณีขอบเขตที่ใกล้เคียงความเป็นจริง และควรขยายระดับความเป็นอิสระเมื่อระบบพิสูจน์แล้วว่ามีความถูกต้องและควบคุมได้

บทสรุป

AI virtual agent เชื่อมโยงบทสนทนาภาษาธรรมชาติเข้ากับความรู้ที่เชื่อถือได้และการดำเนินงานตามขั้นตอนการทำงาน การใช้เหตุผลเป็นตัวกำหนดว่าจะใช้เครื่องมือใด ซึ่งเป็นสิ่งที่แยกเอเจนต์ออกจากแชตบอตที่ส่วนใหญ่ทำหน้าที่ตอบคำถามหรือส่งต่อคำขอเท่านั้น การนำไปใช้งานอย่างประสบความสำเร็จเริ่มต้นจากกรณีการใช้งานที่ชัดเจนและสิทธิ์การเข้าถึงที่กำหนดไว้อย่างเหมาะสม การเชื่อมต่อระบบที่น่าเชื่อถือช่วยสนับสนุนการดำเนินงาน ในขณะที่การส่งต่อให้คนช่วยปกป้องผลลัพธ์ที่สำคัญ Kimi Agent Swarm เป็นอีกทางเลือกหนึ่งในการประสานงานงานวิจัยที่ซับซ้อนหรือการเขียนเนื้อหายาว และยังสามารถสนับสนุนงานแบบ batch ได้ด้วย ระดับความเป็นอิสระที่เหมาะสมที่สุดคือระดับที่น้อยที่สุดเท่าที่จำเป็นในการทำให้ขั้นตอนการทำงานสำเร็จได้อย่างน่าเชื่อถือ