อนาคตของการทำงานร่วมกับปัญญาประดิษฐ์ในองค์กร กำลังเปลี่ยนผ่านจากยุค Generative AI ไปสู่ยุคของ AI Agent อย่างเต็มรูปแบบ ทว่าความท้าทายสำคัญ คือการเผชิญกับปัญหาช่องว่างทางการสื่อสารและการขาดการเข้าใจบริบทของงานที่ตรงกัน แนวคิดการออกแบบอินเทอร์เฟซแห่งอนาคตจึงต้องมุ่งเน้นไปที่การทำให้ระบบสามารถเข้าถึงบริบทแวดล้อมเฉพาะเจาะจงของงานได้อย่างแท้จริง ควบคู่ไปกับการปรับเปลี่ยนกระบวนการจัดการภายในองค์กรเพื่อหยุดกับดัก “มนุษย์ฮีโร่” โดยการถอดชุดความคิดจากผู้เชี่ยวชาญแปลงให้เป็นทักษะและข้อมูลบริบทที่ระบบสามารถนำไปปฏิบัติงานแทนได้อย่างปลอดภัย
วิวัฒนาการจาก Gen AI สู่ AI Agent
ในงานสัมมนาครบรอบ 6 ปีของ The Story Thailand Forum 2026 ภายใต้ธีม The Future of AI: When Intelligence Meets Reality วีระ เกษตรสิน Chief Technology Officer (CTO) ของ LINE ประเทศไทย ได้ขึ้นแบ่งปันมุมมองในหัวข้อ “The Next Interface: AI, Platform and Human Interaction” โดยเป็นการถอดกระบวนการคิด และแนวทางการออกแบบอินเทอร์เฟซจากประสบการณ์ตรง เพื่อตอบโจทย์การทำงานร่วมกับ AI ในยุคถัดไป ซึ่งวิวัฒนาการของ Generative AI มีการเปลี่ยนผ่านด้านรูปแบบความสามารถและการใช้งานอย่างเห็นได้ชัด
จากจุดเริ่มต้นอย่าง ChatGPT ในยุคแรกที่ข้อจำกัดอยู่ที่การเป็นเครื่องมือสำหรับพิมพ์ข้อความโต้ตอบเพื่อสร้างไอเดียใหม่ ๆ หรือคิดแผนการตลาดกว้าง ๆ เท่านั้น โดยไม่มีข้อมูลอ้างอิงและไม่สามารถเชื่อมต่อเพื่อเข้าถึงแหล่งข้อมูลภายนอกได้ พัฒนามาสู่ยุคที่ AI สามารถเชื่อมต่อกับข้อมูลภายนอกเพื่อทำหน้าที่วิจัย วิเคราะห์ข้อมูล และทำงานร่วมกับระบบอื่นจนเสร็จสิ้นกระบวนการ ซึ่งนำเข้าสู่ยุคของ AI Agent ในปัจจุบัน ส่งผลให้รูปแบบอินเทอร์เฟซหรือช่องทางการป้อนข้อมูลค่อย ๆ เปลี่ยนแปลงตามไปด้วย
คุณวีระอธิบายว่า การออกแบบอินเทอร์เฟซที่เหมาะสมในอนาคต จำเป็นต้องยึดหลักการทำงานพื้นฐานของโปรแกรมคอมพิวเตอร์ทั่วไป คือการทำความเข้าใจว่าระบบต้องการ Input รูปแบบใด และผู้ใช้คาดหวังให้ระบบสร้าง Output อย่างไรเช่นเดียวกับเครื่องคิดเลขที่กำหนดอินเทอร์เฟซชัดเจนให้ผู้ใช้ป้อนตัวเลขและสัญลักษณ์ บวก ลบ คูณ หาร เพื่อให้ได้ Output เป็นตัวเลขผลลัพธ์ เมื่อความสามารถของ AI เปลี่ยนจากการคิดไอเดียมาเป็นการทำงานให้สำเร็จ อินเทอร์เฟซจึงต้องปรับเปลี่ยนเพื่อเปิดทางให้ AI เข้าถึงชุดข้อมูลที่ซับซ้อนขึ้นได้ เป็นการทำงานให้สำเร็จ อินเทอร์เฟซจึงต้องปรับเปลี่ยนเพื่อเปิดทางให้ AI เข้าถึงชุดข้อมูลที่ซับซ้อนขึ้นได้
ปัญหา Communication Gap และความสำคัญของ Context (บริบท)
สถานการณ์จริงที่เกิดขึ้นในองค์กรปัจจุบันคือ เมื่อบุคลากรต่างคนต่างทำงานร่วมกับเครื่องมือ AI ของตัวเอง ไม่ว่าจะเป็น ChatGPT, Claude หรือ Gemini เพื่อช่วยให้งานส่วนตัวเสร็จเร็วขึ้น กลับส่งผลให้คนในทีมมีปฏิสัมพันธ์และคุยกันน้อยลง จนเกิดช่องว่างในการสื่อสาร หรือ Communication Gap ความร่วมมือที่ลดลงทำให้เกิดการขาดการจัดแนวเป้าหมาย (Align) ต่างคนต่างตั้งข้อสมมติฐานของตัวเองในการทำโครงการ และถือชุดข้อมูลบริบท หรือ Context ที่ไม่ตรงกัน จนเมื่อนำงานมารวมกันพบว่าผลลัพธ์ไม่เป็นไปในทิศทางเดียวกันและใช้งานร่วมกันไม่ได้
ลักษณะปัญหานี้เกิดขึ้นเช่นเดียวกันกับการทำงานของ AI Agent ที่ถูกสร้างขึ้นมาเพื่อปฏิบัติภารกิจใดภารกิจหนึ่งให้สำเร็จสิ่งสำคัญที่สุดในกระบวนการคือ Agent ต้องได้รับและเข้าใจ Context หรือบริบทสภาพแวดล้อมที่รายล้อมงานนั้น ๆ อย่างถูกต้อง ไม่ต่างจากการทำงานร่วมกันของมนุษย์ หากขยายโจทย์หรือสั่งงานให้ Agent ทำหน้าที่โดยปราศจากบริบทเฉพาะเจาะจงที่ถูกต้อง ตัว Agent จะทำได้เพียงให้คำแนะนำทั่วไปและมีโอกาสสูงที่จะเกิดความผิดพลาดในขั้นตอนการปฏิบัติงาน
ถอดรหัสกับดัก “มนุษย์ฮีโร่” (Hero Trap) สู่การสร้าง Agent
คุณวีระได้สะท้อนพฤติกรรมในองค์กรเกี่ยวกับกลุ่มคนที่เป็นเหมือนฮีโร่ ซึ่งมักเป็นผู้ที่สามารถแก้ไขปัญหาต่าง ๆ ได้อย่างรวดเร็ว เนื่องจากเป็นผู้ที่ถือครองข้อมูล เข้าใจปัญหา และเข้าถึงทรัพยากร (Resource) ได้ดีที่สุด แต่คนกลุ่มนี้มักติดกับดักทางความคิดว่า “ทำเองจบเร็วกว่าส่งต่อให้คนอื่นทำ” เนื่องจากกังวลว่าหากส่งงานให้คนอื่นที่ไม่เข้าใจบริบททำ อาจเกิดความผิดพลาดจนต้องเสียเวลาแก้ไขซ้ำซ้อน ทำให้ตัวฮีโร่กลายเป็นคอขวดขององค์กร ซึ่งข้อจำกัดที่แท้จริงไม่ได้อยู่ที่ปริมาณความพยายาม แต่อยู่ที่การส่งต่อบริบท (Transferable Context) ที่ทำได้ยาก
ข้อจำกัดนี้เกิดขึ้นกับการสร้าง AI Agent เช่นเดียวกัน หากต้องการให้ Agent ทำงานแทนมนุษย์ได้ ผู้เชี่ยวชาญต้องปฏิสัมพันธ์กับความคิดของตัวเองเพื่อถอดกระบวนการคิดและวิธีทำงานที่เคยอยู่ในสมองออกมาให้อยู่ในรูปแบบที่ระบบรับรู้ได้ โดยแปลงออกมาเป็น 2 ส่วนสำคัญ คือ ทักษะ (Skill) ที่จำเป็นต้องใช้ในงาน และข้อมูลบริบท (Context) ของสภาพแวดล้อมในงานนั้น ๆ
นอกจากนี้ การสร้าง Agent ไม่ใช่กระบวนการที่ทำครั้งเดียวเสร็จสิ้น แต่ต้องพัฒนาผ่านวงจร Feedback Loop ประกอบด้วยการตั้งเป้าหมาย กำหนดคำสั่ง (Instructions) จัดหาเครื่องมือ (Tools) และกำหนดกฎการทำงาน (Operating Rules) จากนั้นนำไปทดลองใช้งานจริง สังเกตผลลัพธ์ (Observe) ตรวจสอบความถูกต้อง แล้วคอยเพิ่มเติมทักษะหรือข้อมูลบริบท (Reskill) เข้าไปในระบบอย่างต่อเนื่องจนกว่าจะได้ผลลัพธ์ที่พอใจในระดับที่ทำงานได้ปลอดภัย ทั้งนี้ มนุษย์ยังจำเป็นต้องคอยตรวจสอบผลงานของ AI เสมอเพื่อป้องกันความเสียหายที่จะเกิดขึ้น
Next Interface: AI แบบ Real-time และ Embedded
สำหรับการพัฒนาผลิตภัณฑ์ในปัจจุบันที่มีความซับซ้อนและต้องอาศัยการทำงานร่วมกันของทีมงานที่หลากหลายฟังก์ชัน ทั้ง Engineer, Business, Design และ Compliance กฎหมาย ปัญหาการ Rework มักเกิดจากการที่แต่ละทีมถือ Context ต่างกัน รูปแบบอินเทอร์เฟซในฝันของคุณวีระจึงเป็นการสร้างพื้นที่การทำงานร่วมกันผ่านกระดานไวท์บอร์ดในห้องประชุม โดยอินเทอร์เฟซนี้จะทำหน้าที่บันทึกทุกคำพูด สิ่งที่วาด หรือสิ่งที่เขียนลงบนกระดาน แล้วส่งต่อไปยัง AI Agent แบบ Real-time เพื่อให้ AI รับรู้และจับบริบท (Context) ทั้งหมดของการสนทนาไปพร้อมกันทันที มนุษย์จึงไม่ต้องเสียเวลาจัดทำสรุปการประชุมเพื่อนำมาป้อนข้อมูลซ้ำให้ AI ภายหลัง
นอกจากนี้ ในฝั่งของผลิตภัณฑ์ทั่วไป จะเกิดแนวโน้มที่เรียกว่า AI Embedded หรือการที่เทคโนโลยี AI ถูกฝังตัวเข้าไปอยู่บนพื้นผิวของผลิตภัณฑ์และพื้นที่ทำงานรอบตัวตลอดเวลา เพื่อทำหน้าที่เฝ้าสังเกตและเข้ามามีปฏิสัมพันธ์กับผู้ใช้ในจังหวะและเวลาที่เหมาะสมที่สุดโดยที่ผู้ใช้ไม่ต้องเปิดโปรแกรม AI แยกออกมาเฉพาะ เป้าหมายสูงสุดของ Next Interface จึงไม่ใช่เพียงแค่การสร้างระบบให้มนุษย์สามารถพิมพ์คุยกับ AI ได้ แต่คือการสร้างสถาปัตยกรรมที่เชื่อมโยงบริบทของมนุษย์ (Human Context) ศักยภาพของแพลตฟอร์ม (Platform Capability) และการลงมือทำของ AI (AI Action) ให้ทำงานร่วมกันได้อย่างเป็นระบบ
ข่าวอื่น ๆ ที่น่าสนใจ
ยุทธศาสตร์ทรู คอร์ปอเรชั่น: เมื่อ AI คือรากฐานความอยู่รอดประเทศและแรงงานไทย
อว. จับมือ AIS-IRIS เปิดตัว ‘TARI’ ดัชนีวัดความพร้อม AI องค์กรไทยครั้งแรก
