จากหน้า Zendesk AI Agent ที่คุณส่งมา แนวคิดของ Zendesk น่าสนใจมาก เพราะไม่ได้วาง AI Agent ไว้แค่ในฐานะระบบตอบคำถามลูกค้า แต่พยายามทำให้ Agent สามารถ Reason → Plan → Take Action → Resolve งานได้ครบวงจร
Zendesk AI Agent
จาก Chatbot → AI Agent
Chatbot แบบเดิมมักทำงานประมาณนี้
ลูกค้า → ถาม → Bot → ตอบ
ถ้าเป็นคำถามที่อยู่นอก FAQ หรือจำเป็นต้องดำเนินการหลายขั้นตอน ระบบก็มักส่งต่อให้มนุษย์
แต่แนวทางของ Zendesk AI Agent เปลี่ยนเป็น
ลูกค้า → AI Agent → เข้าใจปัญหา → วางแผน → ใช้ระบบ/เครื่องมือ → ดำเนินการ → ตรวจสอบ → แก้ปัญหา
Zendesk ระบุว่า AI Agent สามารถตัดสินใจ วางแผน และปรับวิธีดำเนินงานระหว่างการสนทนา โดยไม่ต้องมีมนุษย์กำกับทุกขั้นตอน
จุดสำคัญคือ “Calling AI Agent”
แนวคิดที่เราคุยกันก่อนหน้านี้จึงชัดขึ้นมาก
Calling AI Agent ไม่ได้หมายถึงแค่การเรียก LLM
แต่คือการเรียก ระบบ Agent ที่สามารถตัดสินใจและลงมือทำ
ตัวอย่าง Customer Support:
ลูกค้า: “ผมต้องการเปลี่ยนแพ็กเกจและขอคืนเงินส่วนต่าง”
AI Agent ไม่จำเป็นต้องตอบว่า
“กรุณาติดต่อเจ้าหน้าที่”
แต่สามารถวิเคราะห์ว่า Workflow นี้ต้องทำอะไรบ้าง
Intent
→ เปลี่ยนแพ็กเกจ
Context
→ ลูกค้าคนไหน
→ ใช้แพ็กเกจอะไร
→ มี Subscription แบบใด
Planning
→ ตรวจสอบสิทธิ์
→ คำนวณส่วนต่าง
→ เปลี่ยนแพ็กเกจ
→ ดำเนินการ Refund
→ แจ้งลูกค้า
Action
→ เรียก API ของ Subscription
→ เรียก Billing API
→ Update Customer
Validation
→ ตรวจสอบ Transaction
Response
→ แจ้งผลลูกค้า
นี่คือ Agentic Workflow
AI Agent จึงต้องมี “Tools”
AI Agent ที่ดีไม่ได้เก่งเพราะ LLM อย่างเดียว
แต่เก่งเพราะสามารถเชื่อมต่อกับระบบอื่นได้
ตัวอย่าง Architecture:
Customer
↓
AI Agent
↓
Intent + Context
↓
Planning / Reasoning
↓
Tool Selection
↓
┌─────────────────────┐
│ CRM │
│ Billing API │
│ Order API │
│ Database │
│ Knowledge Base │
│ Ticketing System │
└─────────────────────┘
↓
Execute Action
↓
Validation
↓
Customer Response
Zendesk เองก็ระบุถึงการเชื่อม AI Agent เข้ากับ CRM, business systems และ third-party APIs รวมถึงการใช้ webhook และการส่งต่อให้มนุษย์เมื่อจำเป็น
จุดที่น่าสนใจ: AI Agent ไม่ได้ตอบอย่างเดียว
นี่คือความแตกต่างระหว่าง Generative AI กับ Agentic AI
Generative AI
“เขียนคำตอบให้ฉัน”
AI Assistant
“ช่วยฉันทำงาน”
AI Agent
“ทำงานนี้ให้ฉัน”
ความแตกต่างอยู่ที่ Action
AI Agent สามารถตัดสินใจว่าจะต้องทำอะไรต่อ และเรียกใช้เครื่องมือที่เหมาะสมเพื่อไปให้ถึงเป้าหมาย
Zendesk ระบุว่า AI Agent สามารถทำงานกับปัญหาที่ซับซ้อนและดำเนินการแบบหลายขั้นตอนจนถึงการแก้ปัญหาได้
จาก Single Agent → Multi-Agent
ถ้านำแนวคิดนี้ไปต่อ จะเกิดสถาปัตยกรรมที่น่าสนใจมาก
User
↓
Agent Orchestrator
↓
┌──────────┼──────────┐
↓ ↓ ↓
Research Sales Support
Agent Agent Agent
↓ ↓ ↓
└──────────┼──────────┘
↓
Review Agent
↓
Final Result
ตัวอย่างเช่น ลูกค้าถามว่า
“ผมต้องการซื้อแพ็กเกจ Enterprise และต้องการใบเสนอราคา”
Manager Agent
อาจเรียก
Sales Agent
→ ตรวจสอบราคา
Customer Agent
→ ตรวจสอบข้อมูลลูกค้า
Pricing Agent
→ คำนวณส่วนลด
Document Agent
→ สร้างใบเสนอราคา
Review Agent
→ ตรวจสอบข้อมูลก่อนส่ง
นี่เริ่มมีลักษณะเหมือน AI Workforce
สิ่งที่ Zendesk กำลังสะท้อนให้เห็น
สิ่งที่น่าสนใจจากผลิตภัณฑ์นี้ไม่ใช่เพียงว่า Zendesk มี AI Agent
แต่คือทิศทางของตลาดกำลังเปลี่ยนจาก
Automation แบบ Rule-based
ไปสู่
Automation แบบ Agentic
ระบบเดิม:
ถ้า A → ทำ B
ระบบ Agentic:
เป้าหมายคือ C → วิเคราะห์สถานการณ์ → เลือกขั้นตอน → ใช้ Tools → ตรวจสอบ → ปรับวิธีจนได้ผลลัพธ์
Zendesk ยังมีแนวคิดเรื่อง Resolution Learning Loop ที่ใช้ผลลัพธ์และ QA เพื่อค้นหาช่องว่างและปรับปรุง Workflow ต่อเนื่อง
และนี่คือโอกาสทางธุรกิจที่สำคัญ
ถ้ามองจากมุม AI SaaS / AI Engineering สิ่งที่น่าสนใจไม่ได้อยู่ที่การสร้าง Chatbot อีกต่อไป
แต่คือการสร้าง
AI Agent ที่สามารถ “รับผิดชอบงานหนึ่งงาน” ตั้งแต่ต้นจนจบ
ตัวอย่างตลาดที่สามารถสร้างได้:
- AI Sales Agent
- AI Customer Support Agent
- AI Marketing Agent
- AI Accounting Agent
- AI HR Agent
- AI Research Agent
- AI Developer Agent
- AI Data Analyst Agent
- AI Procurement Agent
แต่ละ Agent มี
Goal + Context + Memory + Tools + Workflow + Guardrails + Evaluation
เป็นองค์ประกอบหลัก
บทสรุป
Zendesk เป็นตัวอย่างที่ดีของการเปลี่ยนแนวคิดจาก
“AI ตอบลูกค้า”
ไปสู่
“AI แก้ปัญหาให้ลูกค้า”
และเมื่อมองในระดับ Architecture เราจะเห็นว่า Calling AI Agent เป็นเพียงจุดเริ่มต้น
สิ่งที่สำคัญกว่าคือ
ใครเรียก Agent → เรียกเมื่อไร → Agent มี Context อะไร → Agent ใช้ Tools อะไร → Agent ทำ Action อะไร → ใครตรวจสอบ → เมื่อไรต้องส่งต่อให้มนุษย์
นี่คือหัวใจของ AI Agent Engineering
และเป็นจุดที่ AI กำลังเปลี่ยนจาก “เครื่องมือที่เราใช้” ไปสู่ “ระบบดิจิทัลที่ทำงานร่วมกับเรา”.
ความคิดเห็น
แสดงความคิดเห็น