เอเจนต์อัตโนมัติ: คืออะไรและทำงานอย่างไร

เอเจนต์อัตโนมัติคืออะไร

เอเจนต์อัตโนมัติคือระบบ AI ที่ทำงานเพื่อบรรลุเป้าหมายได้ด้วยตนเอง ผู้ใช้เพียงอธิบายผลลัพธ์ที่ต้องการ แล้วเอเจนต์จะคิดขั้นตอนและลงมือทำตามขั้นตอนเหล่านั้นเอง

สมมติว่ามีคนต้องการเลือกเครื่องมือการจัดการโปรเจกต์หนึ่งจากสามตัว เอเจนต์อัตโนมัติสามารถค้นหาเครื่องมือแต่ละตัว เปิดหน้าราคา จดบันทึกความแตกต่าง และส่งผลการเปรียบเทียบที่เสร็จสมบูรณ์กลับมาให้ ผู้ใช้เป็นผู้กำหนดเป้าหมายและตรวจทานผลลัพธ์ ส่วนเอเจนต์จะทำงานทั้งหมดที่อยู่ระหว่างนั้น

เอเจนต์ซอฟต์แวร์ในปัจจุบันจำนวนมากใช้โมเดลภาษาขนาดใหญ่ (LLM) ในการตีความคำสั่งและตัดสินใจว่าจะทำอะไรต่อไป บางโมเดลยังประมวลผลภาพหรือเสียงได้ด้วย หากต้องการค้นหาเว็บ คลิกปุ่ม หรือส่งอีเมล เอเจนต์จำเป็นต้องมีซอฟต์แวร์ที่เชื่อมต่อโมเดลเข้ากับเครื่องมือต่างๆ และดำเนินการตามคำขอของโมเดล

ในตัวอย่างการจัดการโปรเจกต์ LLM และเอเจนต์จะทำงานดังนี้:

1. LLM อ่านเป้าหมายและเขียนคำขอเพื่อค้นหาราคาของเครื่องมือตัวแรก
2. ซอฟต์แวร์ของเอเจนต์ดำเนินการค้นหาและส่งผลลัพธ์กลับไปยัง LLM ในรูปแบบข้อความ
3. LLM อ่านผลลัพธ์ เลือกขั้นตอนถัดไป (การเปิดหน้าราคา) และเขียนคำขอใหม่
4. วงจรนี้จะเกิดซ้ำไปเรื่อยๆ จนกว่า LLM จะตัดสินว่าการเปรียบเทียบเสร็จสมบูรณ์แล้วและเขียนคำตอบสุดท้าย

ขยาย

ระดับความเป็นอิสระ

ในระบบ AI แบบเอเจนต์ (AI ที่สร้างขึ้นมาเพื่อลงมือทำ ไม่ใช่แค่ตอบคำถาม) ความเป็นอิสระคือทางเลือกในการออกแบบ เอเจนต์ตัวเดียวกันสามารถตั้งค่าให้ถามก่อนทุกขั้นตอน หรือให้ทำงานทั้งหมดให้เสร็จเองโดยลำพังก็ได้

นักวิจัยจากมหาวิทยาลัยวอชิงตันเสนอกรอบแนวคิดห้าระดับเพื่ออธิบายระดับความเป็นอิสระที่แตกต่างกันซึ่งเอเจนต์อาจมีได้:

ที่ระดับ 4 เอเจนต์อาจค้นคว้าและร่างใบสั่งซื้อได้เอง แต่จะหยุดรอก่อนส่ง ส่วนที่ระดับ 5 เอเจนต์จะส่งใบสั่งซื้อนั้นด้วย

เอเจนต์ AI อัตโนมัติ เทียบกับระบบอัตโนมัติ และแชทบอท

เอเจนต์อัตโนมัติแตกต่างจากแชทบอทและระบบเวิร์กโฟลว์อัตโนมัติใน 2 ด้าน คือ เอเจนต์ตัดสินใจขั้นตอนเอง และลงมือดำเนินการในแอปและเว็บไซต์อื่นๆ

แชทบอทตอบคำถามในบทสนทนา แต่โดยปกติจะไม่ลงมือทำสิ่งใดนอกบทสนทนา ระบบเวิร์กโฟลว์อัตโนมัติลงมือทำได้ แต่ทำได้เพียงตามขั้นตอนที่มีคนตั้งค่าไว้ล่วงหน้าเท่านั้น ประเภทที่พบบ่อยคือกระบวนการอัตโนมัติด้วยหุ่นยนต์ (Robotic Process Automation หรือ RPA) ซึ่งเป็นซอฟต์แวร์ที่ทำงานง่ายๆ ตามกฎซ้ำๆ เช่น การคัดลอกข้อมูลจากระบบหนึ่งไปยังอีกระบบหนึ่ง

เอเจนต์อัตโนมัติทำได้ทั้งสองอย่าง คือ ลงมือทำในซอฟต์แวร์อื่น และเลือกขั้นตอนของตนเองเพื่อไปสู่เป้าหมาย ภายในขอบเขตของเครื่องมือ สิทธิ์ และคำสั่งที่ได้รับ

การร้องเรียนเรื่องคำสั่งซื้อล่าช้าแสดงให้เห็นความแตกต่างนี้ได้ชัดเจน แชทบอทอาจตอบกลับด้วยคำอธิบายนโยบายการจัดส่งที่เขียนไว้ล่วงหน้า ระบบเวิร์กโฟลว์อัตโนมัติอาจส่งอีเมลแจ้ง “คำสั่งซื้อล่าช้า” แบบมาตรฐาน ส่วนเอเจนต์อัตโนมัติสามารถค้นหาคำสั่งซื้อ พบว่าพัสดุสูญหายระหว่างขนส่ง ส่งสินค้าทดแทนให้ และแจ้งความคืบหน้าให้ลูกค้าทราบ

เอเจนต์อัตโนมัติทำงานอย่างไร

เอเจนต์อัตโนมัติอาศัยความสามารถ 4 ประการในการทำงานให้สำเร็จ ได้แก่ การวางแผนขั้นตอน การใช้เครื่องมือ การจดจำสิ่งที่ทำไปแล้ว และการตรวจสอบผลลัพธ์ของตนเอง สำหรับงานที่ใหญ่ขึ้น เอเจนต์บางตัวยังแบ่งงานให้ทีมเอเจนต์ช่วยกันทำด้วย

1. การแบ่งเป้าหมายออกเป็นส่วนย่อยและการวางแผน

โดยทั่วไปเป้าหมายมักใหญ่เกินกว่าจะทำได้ในขั้นตอนเดียว งานแรกของเอเจนต์จึงเป็นการแบ่งเป้าหมายออกเป็นงานย่อยๆ ตัวอย่างเช่น หากผู้ใช้ขอให้เอเจนต์วางแผนจัดกิจกรรมนอกสถานที่ของทีม เอเจนต์อาจแบ่งเป้าหมายออกเป็นการเลือกวันที่ การหาสถานที่ที่อยู่ในงบประมาณ การตรวจสอบว่าสถานที่ว่างหรือไม่ และการร่างคำเชิญ

เอเจนต์อาจวางแผนล่วงหน้าทั้งหมดหรือวางแผนไปพร้อมกับการทำงานก็ได้ ขึ้นอยู่กับวิธีที่ถูกสร้างขึ้น การวางแผนล่วงหน้าหมายถึงการเขียนทุกขั้นตอนไว้ก่อนเริ่มทำงาน ซึ่งเหมาะกับงานสั้นๆ ที่คาดการณ์ได้ ส่วนการวางแผนไปพร้อมกับการทำงานหมายถึงการวางขั้นตอนถัดไปเพียงหนึ่งหรือสองขั้น ลงมือทำ แล้วปรับแผนตามผลที่ได้กลับมา หากสถานที่ที่เป็นตัวเลือกแรกสำหรับกิจกรรมนอกสถานที่ถูกจองไปแล้ว เอเจนต์ก็สามารถเปลี่ยนไปใช้ตัวเลือกถัดไปได้โดยไม่ต้องเริ่มใหม่ทั้งหมด

ขยาย

การสำรวจงานวิจัยเกี่ยวกับเอเจนต์อัตโนมัติที่ใช้ LLMจากมหาวิทยาลัยเหรินหมินแห่งประเทศจีนพบว่าแนวทางที่สองนี้รับมือกับงานที่ซับซ้อนได้ดีกว่า เพราะการเขียนแผนที่สมบูรณ์แบบก่อนเห็นผลลัพธ์ใดๆ เป็นเรื่องยาก เอเจนต์จำนวนมากผสมผสานทั้งสองแนวทาง โดยร่างแผนทั้งหมดก่อน แล้วปรับแก้ระหว่างทำงาน

2. การลงมือทำด้วยเครื่องมือ

เมื่อมีแผนแล้ว เอเจนต์จะทำงานตามแผนทีละงาน โดยเลือกเครื่องมือที่เหมาะกับแต่ละงาน

• ในการหาสถานที่ เอเจนต์อาจใช้การค้นหาเว็บด้วยคำค้นอย่าง “สถานที่จัดกิจกรรมนอกสถานที่สำหรับ 20 คนใกล้ออสติน”
• ในการตรวจสอบว่าสถานที่ว่างหรือไม่ เอเจนต์อาจเปิดหน้าจองของแต่ละสถานที่ในเบราว์เซอร์และอ่านปฏิทิน
• ในการส่งคำเชิญ เอเจนต์อาจเชื่อมต่อกับอีเมลของผู้ใช้ผ่าน API ซึ่งเป็นการเชื่อมต่อที่ทำให้ซอฟต์แวร์ตัวหนึ่งขอข้อมูลหรือขอให้ดำเนินการจากซอฟต์แวร์อีกตัวหนึ่งได้

หลังการดำเนินการแต่ละครั้ง เอเจนต์จะอ่านผลที่ได้กลับมาและตัดสินใจว่าจะทำอะไรต่อ หากการค้นหาพบสถานที่ห้าแห่ง เอเจนต์ก็จะตรวจสอบว่าแต่ละแห่งว่างหรือไม่ หากหน้าจองโหลดไม่ขึ้น เอเจนต์จะลองใช้เบอร์โทรศัพท์ของสถานที่นั้นที่ลงไว้ หรือข้ามไปยังตัวเลือกถัดไป

เครื่องมือที่เอเจนต์มีเป็นตัวกำหนดว่าเอเจนต์ทำงานใดให้เสร็จได้ด้วยตนเอง หากไม่มีสิทธิ์เข้าถึงอีเมล เอเจนต์ก็ร่างคำเชิญได้แต่ส่งไม่ได้

3. การติดตามความคืบหน้าด้วยหน่วยความจำ

ระหว่างทำงาน เอเจนต์ต้องคอยติดตามว่าทำอะไรไปแล้วและได้เรียนรู้อะไรบ้าง เมื่อตรวจสอบสถานที่ไปแล้วสามแห่ง เอเจนต์ต้องรู้ว่าแห่งไหนถูกจองแล้ว แห่งไหนยังว่าง และแต่ละแห่งมีค่าใช้จ่ายเท่าไร ข้อมูลเหล่านี้จะถูกเก็บไว้ในหน้าต่างบริบท (context window) ของ LLM ซึ่งเป็นปริมาณข้อความที่โมเดลพิจารณาได้ในคราวเดียว

งานที่ยาวอาจมีข้อมูลเกินกว่าที่หน้าต่างบริบทจะรองรับได้ เอเจนต์ที่มีหน่วยความจำระยะยาวจัดการปัญหานี้ด้วยการบันทึกข้อมูลไว้นอกโมเดล ซึ่งโดยปกติคือในฐานข้อมูล และดึงมาใช้เฉพาะสิ่งที่ขั้นตอนปัจจุบันต้องการ

หน่วยความจำระยะยาวยังส่งต่อข้อมูลระหว่างงานต่างๆ ได้ด้วย เมื่อถึงเวลาวางแผนกิจกรรมนอกสถานที่ของปีหน้า เอเจนต์สามารถนำรายชื่อสถานที่และงบประมาณของปีนี้มาใช้ซ้ำ หรือจำได้ว่าทีมชอบสถานที่ที่ขับรถไปถึงได้ภายในหนึ่งชั่วโมง

4. การตรวจสอบผลลัพธ์และปรับแก้แนวทาง

ระหว่างทำงาน เอเจนต์จำนวนมากจะคอยสังเกตสัญญาณที่บ่งบอกว่าขั้นตอนใดผิดพลาด หากแบบฟอร์มการจองแสดงข้อผิดพลาดหรือการค้นหาไม่พบผลลัพธ์ใดๆ เอเจนต์จะลองใช้วิธีอื่น เมื่อถึงจุดที่ต้องตัดสินใจในเรื่องที่ไม่ควรตัดสินใจเองตามลำพัง เช่น สถานที่ที่เกินงบเล็กน้อยนั้นยอมรับได้หรือไม่ เอเจนต์จะสอบถามผู้ใช้และปรับเปลี่ยนตามคำตอบ

ก่อนส่งมอบงาน เอเจนต์จำนวนมากจะตรวจทานผลลัพธ์ของตนเอง LLM จะอ่านทวนสิ่งที่สร้างขึ้น เปรียบเทียบกับเป้าหมาย และระบุสิ่งที่ขาดหายไปหรือไม่ถูกต้อง เอเจนต์จะแก้ไขและตรวจสอบอีกครั้งจนกว่าผลลัพธ์จะตรงตามเป้าหมาย ตัวอย่างเช่น หากคำเชิญไม่มีที่อยู่ของสถานที่ การตรวจทานจะตรวจพบ และเอเจนต์จะเพิ่มที่อยู่ก่อนส่ง

5. การแบ่งงานให้เอเจนต์หลายตัว

งานบางอย่างจะเสร็จเร็วขึ้นเมื่อมีเอเจนต์หลายตัวช่วยกันทำ เอเจนต์หลักจะแบ่งงานและมอบหมายงานแต่ละส่วนให้เอเจนต์ย่อย

Perplexity Computer ทำงานในลักษณะนี้ ผู้ใช้อธิบายผลลัพธ์ที่ต้องการ แล้ว Computer จะแบ่งออกเป็นงานและงานย่อย จากนั้นสร้างเอเจนต์ย่อยขึ้นมาดำเนินการ เอเจนต์ย่อยสามารถค้นคว้าข้อมูลบนเว็บ สร้างเอกสาร ประมวลผลข้อมูล หรือเรียกใช้บริการที่เชื่อมต่อไว้ผ่าน API ได้

เมื่อ Computer พบปัญหา ก็จะสร้างเอเจนต์ย่อยตัวใหม่ขึ้นมาแก้ไข เอเจนต์ย่อยแต่ละตัวยังสามารถทำงานบนโมเดล AI ที่ต่างกันได้ งานแต่ละส่วนจึงถูกส่งไปยังโมเดลที่เหมาะสมที่สุด

ดังนั้น ในตัวอย่างกิจกรรมนอกสถานที่ เอเจนต์ย่อยตัวหนึ่งอาจค้นหาสถานที่ ขณะที่อีกตัวตรวจสอบปฏิทินของทีม และตัวที่สามหาข้อมูลตัวเลือกการเดินทาง

ขยาย

ผู้คนใช้เอเจนต์อัตโนมัติอย่างไร

ผู้คนใช้เอเจนต์อัตโนมัติส่วนใหญ่สำหรับงานที่ใช้ความรู้ในชีวิตประจำวัน ได้แก่ การค้นคว้า การเขียน อีเมล และการเรียน ในการศึกษาโดยนักวิจัยจากฮาร์วาร์ดและ Perplexity งานด้านประสิทธิภาพการทำงานและการเรียนรู้คิดเป็น 57% ของคำค้นหาเชิงเอเจนต์ ตัวอย่างด้านล่างแสดงให้เห็นว่าเอเจนต์ทำอะไรบ้างสำหรับงานแต่ละประเภท

การค้นคว้าและการวิเคราะห์

การค้นคว้าเหมาะกับเอเจนต์อย่างยิ่ง เพราะประกอบด้วยขั้นตอนเล็กๆ จำนวนมาก เอเจนต์สามารถค้นหา เปิดแหล่งข้อมูล อ่าน และเปรียบเทียบสิ่งที่แต่ละแหล่งระบุ ลองดูคำค้นหาอย่าง “หางานวิจัยล่าสุดสามชิ้นเกี่ยวกับการทำงานทางไกลและประสิทธิภาพการทำงาน แล้วสรุปสิ่งที่แต่ละชิ้นค้นพบ” เอเจนต์จะค้นหางานวิจัยและเปิดชิ้นที่เกี่ยวข้องที่สุด อ่านข้อค้นพบของงานวิจัยแต่ละชิ้น และเขียนสรุปพร้อมลิงก์ไปยังแหล่งข้อมูลทุกแหล่ง หากงานวิจัยชิ้นใดต้องชำระเงินก่อนเข้าถึง เอเจนต์จะข้ามไปยังชิ้นถัดไป ในการศึกษาดังกล่าว การสรุปและวิเคราะห์งานวิจัยคิดเป็น 7% ของคำค้นหาเชิงเอเจนต์

เอกสาร อีเมล และปฏิทิน

เอเจนต์มักทำงานในเครื่องมือที่ผู้คนใช้อยู่แล้วทุกวัน ในการศึกษาของฮาร์วาร์ดและ Perplexity เครื่องมือเอกสารของ Google และอีเมลเป็นสองอันดับที่พบบ่อยที่สุด โดยรวมกันคิดเป็นประมาณหนึ่งในสี่ของคำค้นหาเชิงเอเจนต์ ลองดูคำค้นหาอย่าง “ไล่ดูอีเมลที่ยังไม่ได้อ่านของสัปดาห์นี้ ติดธงทุกฉบับที่มาจากลูกค้า และร่างคำตอบสำหรับคำขอนัดหมาย” เอเจนต์จะเปิดกล่องจดหมายและจัดเรียงข้อความ ตรวจสอบเวลาว่างในปฏิทิน และร่างคำตอบสำหรับแต่ละคำขอ เอเจนต์สามารถบันทึกฉบับร่างไว้โดยไม่ส่ง เพื่อให้ผู้ใช้ตรวจทานแต่ละฉบับก่อน

การเรียนรู้และงานในรายวิชา

นักเรียนนักศึกษาใช้เอเจนต์ในการเรียน งานในรายวิชาเป็นหมวดการใช้งานเอเจนต์ที่ใหญ่ที่สุดหมวดเดียวในการศึกษานี้ โดยคิดเป็น 13% ของคำค้นหาเชิงเอเจนต์ คำค้นหาอย่าง “ช่วยตั้งคำถามทดสอบฉันจากบทที่สี่ในเอกสารอ่านประกอบรายวิชา” จะทำให้เอเจนต์ไปยังเว็บไซต์ของรายวิชา อ่านบทนั้น เขียนคำถามเกี่ยวกับประเด็นสำคัญ และตรวจคำตอบของผู้เรียน แนวทางเดียวกันนี้ใช้ได้กับทุกคนที่กำลังเรียนรู้เรื่องใหม่ เช่น พนักงานที่ต้องเรียนรู้ให้ทันเกี่ยวกับอุตสาหกรรมที่ไม่คุ้นเคย

การช้อปปิ้งและการเปรียบเทียบ

การช้อปปิ้งคิดเป็น 10% ของคำค้นหาเชิงเอเจนต์ ซึ่งส่วนใหญ่เป็นการค้นหาและเปรียบเทียบสินค้า เมื่อได้รับคำขอให้ “หาโต๊ะยืนทำงานราคาต่ำกว่า 400 ดอลลาร์ที่มีรีวิวดี” เอเจนต์จะค้นหาจากร้านค้าปลีกหลายแห่ง กรองตามราคาและคะแนน เปรียบเทียบตัวเลือกอันดับต้นๆ และสามารถเพิ่มตัวที่ดีที่สุดลงในรถเข็นได้ การให้เอเจนต์เปรียบเทียบตัวเลือกจากหลายเว็บไซต์ช่วยประหยัดเวลาได้มาก เพราะผู้ใช้ไม่ต้องเปิดและตรวจสอบรายการสินค้าแต่ละรายการเทียบกันเองอีกต่อไป

แนวทางปฏิบัติที่ดีที่สุด 7 ข้อในการใช้เอเจนต์อัตโนมัติ

1. เริ่มจากงานที่ตรวจสอบได้ง่าย

งานแรกที่เหมาะที่สุดคืองานที่มองเห็นข้อผิดพลาดได้ง่ายและแก้ไขได้โดยไม่สิ้นเปลือง การสรุปผลการค้นคว้าและการเปรียบเทียบผลิตภัณฑ์จึงเป็นจุดเริ่มต้นที่ดี หากเอเจนต์แนบลิงก์แหล่งที่มาไว้ การตรวจสอบงานก็ใช้เวลาเพียงไม่กี่นาที เมื่อความไว้วางใจเพิ่มขึ้น ผู้ใช้ก็มอบหมายงานที่ยาวขึ้นและมีขั้นตอนมากขึ้นได้

2. กำหนดผลลัพธ์และข้อจำกัดให้ชัดเจน

เอเจนต์อาจตัดสินใจได้ดีขึ้นเมื่อรู้ว่างานนั้นสำคัญอย่างไร คำขอที่ดีควรอ่านแล้วเหมือนบรีฟที่มอบให้ผู้รับจ้าง คือระบุวัตถุประสงค์ กลุ่มเป้าหมาย สิ่งที่รู้อยู่แล้ว และสิ่งที่ตัดออกไปแล้ว คำขออย่าง “เปรียบเทียบผู้ให้บริการทั้งสามรายนี้สำหรับบันทึกเสนอคณะกรรมการ โดยคณะกรรมการให้ความสำคัญกับความเสี่ยงในการนำไปใช้งานมากที่สุด และเราได้ตัดผู้ให้บริการที่ไม่ผ่านมาตรฐาน SOC 2 ออกไปแล้ว” จะให้ข้อมูลที่เอเจนต์ต้องใช้ในการตัดสินใจได้ด้วยตัวเอง

3. เพิ่มจุดตรวจสอบเพื่อขออนุมัติ

การกระทำบางอย่างย้อนกลับไม่ได้ เช่น การส่งอีเมล การสั่งซื้อสินค้า การลบไฟล์ หรือการส่งแบบฟอร์ม หากเอเจนต์รองรับ ให้ตั้งค่าให้หยุดและถามก่อนดำเนินขั้นตอนเหล่านี้ ตัวคำขอเองก็กำหนดจุดหยุดได้เช่นกัน “ร่างคำตอบไว้แต่ยังไม่ต้องส่ง” หรือ “เพิ่มตัวเลือกที่ดีที่สุดลงในรถเข็นแต่ยังไม่ต้องชำระเงิน” จะบอกเอเจนต์ได้อย่างชัดเจนว่าต้องหยุดตรงไหนและส่งการควบคุมคืน

4. ตรวจทานแผนก่อนเริ่มงาน

สำหรับงานที่ใหญ่ขึ้น ให้ขอให้เอเจนต์สรุปแผนงานก่อนเริ่มลงมือ การตรวจทานแผนใช้เวลาเพียงนาทีเดียว และการแก้ไขความเข้าใจผิดตั้งแต่ขั้นนี้มีต้นทุนต่ำกว่าการไปพบข้อผิดพลาดในงานที่ส่งมอบเสร็จแล้วมาก

5. จำกัดการเข้าถึงเฉพาะสิ่งที่งานต้องใช้

ทุกบัญชีที่เอเจนต์เข้าถึงได้คือบัญชีที่เอเจนต์ลงมือดำเนินการได้ การเชื่อมต่อเฉพาะแอปที่งานจำเป็นต้องใช้ช่วยให้ข้อมูลที่ละเอียดอ่อนอยู่นอกการเข้าถึง และจำกัดสิ่งที่อาจผิดพลาดได้ เอเจนต์ที่ค้นคว้าข้อมูลผู้ให้บริการไม่จำเป็นต้องเข้าถึงอีเมล ส่วนเอเจนต์ที่ร่างคำตอบจำเป็นต้องเข้าถึง แต่อาจไม่จำเป็นต้องมีสิทธิ์ส่งคำตอบเหล่านั้น

6. ใส่การตรวจสอบไว้ในคำขอ

เอเจนต์ตรวจทานผลงานของตัวเองอยู่แล้ว คำขอจึงบอกได้ว่าควรตรวจสอบอะไรบ้าง การระบุว่าผลลัพธ์ที่ดีควรเป็นอย่างไร (“ตัวเลขทุกตัวต้องมีแหล่งที่มาที่ลงวันที่ปี 2025 หรือหลังจากนั้น”) จะทำให้เอเจนต์ใช้มาตรฐานนั้นก่อนส่งงานคืน การขอให้เอเจนต์แยกข้อเท็จจริงที่ยืนยันแล้วออกจากข้อสรุปที่อนุมานเอง และให้ระบุสมมติฐานต่าง ๆ จะช่วยให้ผู้ใช้ตรวจทานได้เร็วขึ้นและตรงจุดมากขึ้น

7. นำสิ่งที่ได้ผลกลับมาใช้ซ้ำ

คำขอที่ให้ผลลัพธ์ดีสามารถใช้เป็นเทมเพลตสำหรับงานลักษณะคล้ายกันในครั้งต่อไปได้ การให้ตัวอย่างผลงานที่ดีแก่เอเจนต์ เช่น รายงานของไตรมาสที่แล้ว มักได้ผลมากกว่าการอธิบายรูปแบบเป็นคำพูด งานที่ทำเป็นประจำก็สามารถกลายเป็นเวิร์กโฟลว์ที่ใช้งานต่อเนื่องได้

แนวทางของ Perplexity ต่อเอเจนต์อัตโนมัติ

Perplexity มีเอเจนต์อัตโนมัติสองตัว Comet Assistant จัดการงานประจำวันภายในเบราว์เซอร์ ส่วน Perplexity Computer รับงานโปรเจกต์ขนาดใหญ่ที่อาจทำงานต่อเนื่องหลายชั่วโมงหรือนานกว่านั้น

Comet Assistant มาพร้อมในตัว Comet ซึ่งเป็นเบราว์เซอร์ AI ของ Perplexity โดยทำงานบนเว็บไซต์ที่ผู้ใช้เปิดอยู่แล้ว จึงนัดหมายการประชุม แก้ไขเอกสาร ส่งอีเมล และจองเที่ยวบินได้โดยไม่ต้องสลับเครื่องมือ

Computer ทำงานบนคลาวด์และแบ่งเป้าหมายแต่ละอย่างให้เอเจนต์ย่อยหลายตัวรับไปทำ ตามที่อธิบายไว้ก่อนหน้านี้ Computer เชื่อมต่อกับบริการได้หลายร้อยรายการ และผู้ใช้สามารถเลือกโมเดล AI ที่ต้องการสำหรับงานแต่ละส่วนได้ Computer พร้อมให้บริการแก่ผู้สมัครสมาชิก Pro และ Max

สำรวจ Comet Assistant เพื่อลองใช้เอเจนต์ในเบราว์เซอร์ หรือ Perplexity Computer เพื่อมอบหมายโปรเจกต์ที่ใหญ่ขึ้น

คำถามที่พบบ่อย

เอเจนต์อัตโนมัติกับ Agentic AI เป็นสิ่งเดียวกันหรือไม่

ไม่ใช่ แต่ทั้งสองคำมีความหมายทับซ้อนกัน Agentic AI มักหมายถึงระบบ AI ในหมวดหมู่ที่กว้างกว่า ซึ่งมุ่งบรรลุเป้าหมายด้วยการวางแผนและลงมือดำเนินการ ส่วนเอเจนต์อัตโนมัติคือระบบเฉพาะในหมวดหมู่นั้นที่ทำงานโดยแทบไม่ต้องขออนุมัติทีละขั้นตอน

เอเจนต์ AI ทุกตัวทำงานได้อย่างอัตโนมัติหรือไม่

ไม่ใช่ เอเจนต์บางตัวจะดำเนินการแต่ละขั้นตอนก็ต่อเมื่อผู้ใช้สั่งเท่านั้น ขณะที่บางตัวทำงานทั้งหมดให้เสร็จได้ด้วยตัวเอง ระดับความเป็นอิสระที่อธิบายไว้ก่อนหน้านี้แสดงให้เห็นขอบเขตทั้งหมด ตั้งแต่เอเจนต์ที่ผู้ใช้ต้องควบคุมทีละขั้นตอน ไปจนถึงเอเจนต์ที่ผู้ใช้เพียงคอยติดตามดู

เอเจนต์อัตโนมัติสั่งซื้อสินค้าหรือชำระเงินได้หรือไม่

เอเจนต์บางตัวช่วยในการซื้อสินค้าได้ ขึ้นอยู่กับเว็บไซต์ สิทธิ์ และมาตรการป้องกัน Comet Assistant สามารถเปรียบเทียบผลิตภัณฑ์และช่วยในขั้นตอนการชำระเงินได้ ส่วน Instant Buy ของ Perplexity ช่วยให้ผู้ใช้ในสหรัฐอเมริกาที่มีสิทธิ์ซื้อผลิตภัณฑ์ที่รองรับได้ภายใน Perplexity โดยมี PayPal เป็นตัวเลือกหนึ่งในการชำระเงิน

เอเจนต์อัตโนมัติต้องใช้ทักษะการเขียนโค้ดหรือไม่

เอเจนต์สำเร็จรูปหลายตัวใช้งานได้โดยไม่ต้องเขียนโค้ด บางแพลตฟอร์มยังให้ผู้ใช้สร้างเอเจนต์ผ่านคำสั่งด้วยภาษาธรรมชาติหรือผ่านอินเทอร์เฟซแบบกราฟิกได้ด้วย การเขียนโค้ดอาจมีประโยชน์สำหรับการผสานรวมแบบกำหนดเอง การดีบัก และการทำงานที่เฉพาะทางมากขึ้น