เริ่มทีม AI จากงานซ้ำ: แบ่งหน้าที่ ส่งต่องาน และกำหนดจุดตรวจ
การเขียน Prompt เก่งขึ้นช่วยให้งานดีขึ้น แต่ยังไม่เท่ากับการมีระบบ AI ช่วยทำงาน หากต้องการให้ AI รับงานซ้ำได้อย่างสม่ำเสมอ เราต้องเริ่มจากทำให้กระบวนการชัด แบ่งบทบาทเหมาะสม และวางจุดควบคุมก่อนเพิ่มความอัตโนมัติ

เริ่มจากงาน ไม่ได้เริ่มจากจำนวน Agent
เริ่มด้วยงานสมมติหนึ่งชุด ผู้สร้างหนึ่งบทบาท ผู้ตรวจหนึ่งบทบาท และเจ้าของงานที่ตัดสินขั้นสุดท้าย กำหนดให้ชัดว่าต้องส่งอะไรและหยุดเมื่อใดก่อนเชื่อมระบบจริง การแยกบทบาทอาจทำในแชตที่คนส่งต่องานเองได้ จึงยังไม่ต้องสร้างระบบหลาย Agent ตั้งแต่ครั้งแรก
ถ้ายังตัดสินใจไม่ได้ว่าควรให้ AI ทำได้แค่ไหน ใช้ กรอบห้าระดับการมอบหมายงาน ก่อน เรื่องนี้เน้นการทดลองกระบวนการหนึ่งงาน ไม่ใช่คู่มือติดตั้งผลิตภัณฑ์หรือคำรับรองว่าทีม AI จะประหยัดกว่าผู้ช่วยตัวเดียว
เลือกงานที่เกิดซ้ำ กินเวลา และตรวจได้ว่าผลลัพธ์ถูกหรือผิด งานเริ่มต้นควรมีขั้นตอนค่อนข้างชัด มีตัวอย่างเดิมให้เทียบ และควบคุมความเสียหายจากการทดลองได้ แล้วจึงพิจารณาว่าต้องแบ่งเป็นทีม AI หรือไม่
การสรุปรายงาน จัดหมวดหมู่ข้อความ ตรวจรูปแบบเอกสาร หรือเตรียมฉบับร่างเป็นจุดเริ่มต้นที่เหมาะกว่าเรื่องที่เกี่ยวกับการเงิน กฎหมาย สุขภาพ หรือการสื่อสารในนามองค์กร ซึ่งยังควรให้มนุษย์เป็นผู้อนุมัติขั้นสุดท้าย
ขั้นแรกคือเปลี่ยนความรู้ในหัวให้เป็นคู่มือ
เจ้าของงานจำนวนมากทำงานได้ดีจากประสบการณ์ แต่ไม่เคยเขียนขั้นตอนออกมา เมื่อไม่มีคู่มือ AI จะต้องเดาว่าควรทำอะไรและตัดสินใจอย่างไร ดังนั้นก่อนสร้างระบบควรบันทึกข้อมูลอย่างน้อยหกส่วน
- งานเริ่มจากข้อมูลหรือเหตุการณ์ใด
- ต้องตรวจสอบอะไรบ้างก่อนลงมือ
- ใช้เงื่อนไขใดในการตัดสินใจ
- ผลลัพธ์ต้องมีรูปแบบอย่างไร
- งานแบบไหนถือว่าผ่าน
- เมื่อไม่แน่ใจต้องหยุดและส่งต่อให้ใคร
คู่มือนี้ไม่ต้องสมบูรณ์ตั้งแต่วันแรก เป้าหมายคือทำให้กระบวนการมองเห็นได้ เพื่อจะได้ทดลองและแก้จุดที่คลุมเครือจากหลักฐานจริง
สร้างผู้ช่วยเฉพาะงานก่อนสร้างทีม
เมื่อมีกระบวนการแล้ว ให้สร้างผู้ช่วยหนึ่งบทบาทที่รับผิดชอบงานแคบ ๆ เช่น ผู้ช่วยวางโครงบทความ ผู้ช่วยตรวจใบสั่งซื้อ หรือผู้ช่วยคัดแยกคำถามลูกค้า ระบุหน้าที่ แหล่งข้อมูล รูปแบบผลงาน ตัวอย่างที่ดี และเหตุการณ์ที่ต้องถามมนุษย์ให้ชัด
ผู้ช่วยที่มีขอบเขตแคบมักตรวจสอบง่ายกว่าผู้ช่วยสารพัดประโยชน์ เพราะเรารู้ว่าควรวัดผลอะไร เช่น เวลาที่ลดลง อัตรางานที่ผ่านโดยไม่ต้องแก้ หรือจำนวนกรณีที่ AI ส่งต่อให้คนถูกต้อง
เชื่อมเครื่องมือเมื่อกระบวนการนิ่งแล้ว
หลังผู้ช่วยทำงานซ้ำได้อย่างสม่ำเสมอ จึงค่อยเชื่อมกับเครื่องมือจริง ตัวอย่างหนึ่งอาจเป็น ลูกค้ากรอกแบบฟอร์ม จากนั้น AI สรุปความต้องการและเปิดรายการงาน ก่อนส่งให้พนักงานตรวจสอบ
เริ่มด้วยสิทธิ์อ่านหรือการสร้างฉบับร่างก่อนสิทธิ์แก้ไขและส่งจริง ใช้หลักให้สิทธิ์เท่าที่จำเป็น และแยกข้อมูลส่วนบุคคลหรือความลับออกจากขั้นตอนที่ไม่ต้องใช้ วิธีนี้ช่วยจำกัดผลกระทบหาก AI เข้าใจคำสั่งผิดหรือได้รับข้อมูลที่ไม่น่าเชื่อถือ
เมื่อใดควรแบ่งเป็นทีม AI
AI ตัวเดียวอาจรับผิดชอบมากเกินไปเมื่อกระบวนการต้องใช้ทักษะหลายแบบ เช่น การจัดทำรายงานคู่แข่งต้องค้นข้อมูล เปรียบเทียบ ตรวจแหล่งอ้างอิง เขียนรายงาน และตรวจคุณภาพ เราจึงสามารถแบ่งเป็นบทบาทย่อยแล้วให้ตัวประสานงานจัดลำดับงาน
แต่ละบทบาทต้องใช้เป้าหมายและแหล่งข้อมูลร่วมกัน พร้อมระบุว่าผลลัพธ์ของใครเป็นข้อมูลตั้งต้นของใคร หากกำหนดจุดส่งต่องานไม่ชัด AI หลายตัวอาจทำงานซ้ำหรือปรับแก้งานกันไปมาโดยไม่มีจุดสิ้นสุด
เอกสาร Subagents ของ LangChain อธิบายรูปแบบที่ตัวหลักกำหนดว่าจะเรียกผู้ช่วยใด ส่งข้อมูลอะไร และรวมผลอย่างไร ในงานทดลองที่ยังส่งต่อด้วยคน ให้เจ้าของงานทำหน้าที่ควบคุมนี้ และส่งต้นฉบับกับเกณฑ์ให้ผู้ตรวจด้วย การให้ผู้ตรวจเห็นแค่คำตอบของผู้สร้างอาจทำให้ตรวจสิ่งที่ตกหล่นไม่ได้
ระบบควบคุมต้องมาก่อนความอัตโนมัติ
- จำกัดสิทธิ์: ให้เข้าถึงเฉพาะข้อมูลและการกระทำที่งานต้องใช้
- จำกัดงบ: กำหนดค่าใช้จ่าย จำนวนรอบ และเวลาสูงสุดต่อภารกิจ
- เก็บประวัติ: บันทึกว่า AI ใช้ข้อมูลใด ตัดสินใจอย่างไร และทำอะไรไปแล้ว
- ตั้งจุดอนุมัติ: งานที่ส่งผลต่อคน เงิน หรือข้อมูลสำคัญต้องมีผู้รับผิดชอบตรวจ
- หยุดได้: ต้องยกเลิกงาน ตัดการเชื่อมต่อ และย้อนดูความผิดพลาดได้
เป้าหมายไม่ใช่ระบบที่ไม่มีมนุษย์ แต่เป็นระบบที่ให้มนุษย์ใช้เวลากับการตัดสินใจซึ่งต้องอาศัยความรับผิดชอบ แทนงานซ้ำที่อธิบายและตรวจสอบได้
ตัวอย่างสมมติ: สรุปนัดหมายจากข้อความสามรายการ
ใช้ข้อความสมมตินี้เป็นต้นฉบับร่วม: “ก: ขอคุยวันอังคาร 10:00”, “ข: ขอคุยวันพุธ ยังไม่กำหนดเวลา” และ “ค: ขอเปลี่ยนจากวันจันทร์เป็นวันพฤหัสบดี 14:00” โจทย์มีเพียงทำรายการให้เจ้าของงานยืนยัน ยังไม่ทราบวันที่ปฏิทิน เขตเวลา หรือความว่างจริงของผู้เข้าร่วม
| บทบาท | ข้อมูลรับเข้า | สิ่งส่งมอบและข้อจำกัด |
|---|---|---|
| เจ้าของงาน | ข้อความต้นฉบับและโจทย์ | กำหนดเกณฑ์ อนุมัติข้อมูลที่ขาด และเป็นคนติดต่อยืนยันจริง |
| ผู้สร้าง | ข้อความทั้งสามและรูปแบบตาราง | ส่ง ลูกค้า / วันเวลาที่ขอ / ข้อมูลที่ต้องถาม / ข้อความอ้างอิง ห้ามจองหรือส่งข้อความ |
| ผู้ตรวจ | ต้นฉบับ เกณฑ์ และร่างตารางเดียวกับที่ส่ง | ระบุแถวที่ผ่านหรือผิดพร้อมข้อความต้นทาง ไม่แก้วันเวลาที่ไม่ทราบด้วยการเดา |
ตัวอย่างคำสั่งให้ผู้สร้าง: “จัดคำขอทั้งสามเป็นตาราง ระบุว่ายังไม่ใช่นัดยืนยัน ใช้ข้อความต้นฉบับกำกับทุกแถว ถ้าไม่พบเวลาให้เขียนว่ายังไม่กำหนด และรวบรวมวันที่กับเขตเวลาที่ต้องถามเพิ่ม ห้ามเพิ่มรายการในปฏิทิน”
ร่างที่ถูกต้องต้องมี ก ขออังคาร 10:00, ข ขอพุธแต่ยังไม่กำหนดเวลา และ ค ขอเปลี่ยนเป็นพฤหัสบดี 14:00 โดยเก็บข้อมูลว่าเดิมเป็นจันทร์ไว้ในหมายเหตุ ทั้งสามแถวยังต้องยืนยันวันที่ปฏิทินและเขตเวลา หากผู้สร้างใส่เวลา 09:00 ให้ ข ผู้ตรวจต้องชี้ว่าต้นฉบับไม่มีเวลานี้และส่งกลับแก้
กำหนดกติกาทดลองไว้ก่อน เช่น ผู้สร้างส่งร่างหนึ่งครั้ง อนุญาตแก้ตามผลตรวจได้อีกไม่เกินสองรอบ รวมเวลารันทั้งหมดไม่เกินสิบนาที และตั้งเพดานค่าบริการ 20 บาทถ้าใช้ API แบบคิดเงิน ตัวเลขเหล่านี้เป็นเพดานสมมติ ไม่ใช่ราคาหรือเวลาที่ระบบใดรับประกัน หากเครื่องมือวัดหรือบังคับเพดานไม่ได้ ให้คนติดตามและยังไม่เปิดให้ทำงานเอง
หยุดส่งต่อทันทีเมื่อข้อมูลขัดกัน ต้องเปิดเผยข้อมูลที่ไม่ได้อนุญาต ใช้งบถึงเพดาน หรือแก้ครบสองรอบแล้วยังไม่ผ่าน ส่งร่างล่าสุดพร้อมข้อค้างให้เจ้าของงาน ไม่ใช้การเรียก AI เพิ่มเพื่อหลีกเลี่ยงเงื่อนไขหยุด
เริ่มทีมแรกด้วยผู้สร้างหนึ่งตัวและผู้ตรวจหนึ่งตัว
ทีม AI รุ่นแรกไม่จำเป็นต้องมีสิบตัว ลองเริ่มด้วยตัวแรกสร้างผลงานและตัวที่สองตรวจตามเกณฑ์ หากไม่ผ่านให้ส่งกลับไปแก้ แต่จำกัดจำนวนรอบไว้ชัดเจน จากนั้นเก็บตัวอย่างข้อผิดพลาดมาแก้คู่มือและเกณฑ์ตรวจ
เมื่อระบบขนาดเล็กให้ผลลัพธ์ที่ดีต่อเนื่อง จึงค่อยเพิ่มบทบาทหรือเชื่อมเครื่องมือใหม่ การมีทีม AI จึงไม่ได้เริ่มจากการซื้อเทคโนโลยีมากที่สุด แต่เริ่มจากการเข้าใจงานของตัวเอง แบ่งความรับผิดชอบให้ชัด และรักษาจุดตัดสินใจสำคัญไว้กับมนุษย์
ทดลองงานชุดเดียวกันกับผู้ช่วยตัวเดียวด้วย แล้วบันทึกเวลาจริง จำนวนรอบแก้ ค่าใช้จ่ายที่ตรวจได้ และรายการที่ตกหล่น หากการแบ่งบทบาทยังไม่ช่วยตามเกณฑ์ที่ตั้งไว้ ให้ใช้กระบวนการที่ดูแลง่ายกว่า สำหรับแม่แบบหลักฐานส่งมอบหลายประเภท อ่าน วิธีตรวจรับงาน AI Agent โดยแยกการส่งต่องานในบทความนี้ออกจากการรับรองว่างานเสร็จจริง
อ่านเพิ่มเติม
- NIST: AI Risk Management Framework
- OWASP: Top 10 for Large Language Model Applications
- LangChain: Subagents and centralized coordination
บทความนี้เสนอแนวทางออกแบบกระบวนการทั่วไป ความสามารถ สิทธิ์ และการจัดการข้อมูลแตกต่างกันตามเครื่องมือและนโยบายขององค์กร ควรทดลองด้วยขอบเขตเล็กและตรวจผลลัพธ์ก่อนนำไปใช้กับงานที่มีผลกระทบสูง