AI ทำงานเสร็จจริงหรือแค่บอกว่าเสร็จ? วิธีตรวจรับงานจาก AI Agent
ข้อความว่า “เรียบร้อยแล้ว” อาจหมายถึงสร้างไฟล์เสร็จ แต่ยังไม่ได้เปิดดู หรืออาจหมายถึงเตรียมโพสต์ไว้แต่ยังไม่ได้เผยแพร่ การตรวจรับงานที่ดีจึงเริ่มจากนิยามว่าเสร็จคืออะไรและจะพิสูจน์ด้วยอะไร

เทียบรายงานของ Agent กับผลลัพธ์ที่เกิดขึ้นจริง
AI Agent สามารถวางแผน เรียกเครื่องมือ และทำงานหลายขั้นได้ แต่คำตอบสุดท้ายยังเป็นข้อความที่ต้องตรวจ ข้อความว่าไฟล์ถูกสร้างไม่ได้ยืนยันว่าเปิดได้ และการบอกว่าส่งสำเร็จไม่ได้ยืนยันว่าปลายทางมีรายการนั้น หลักรับงานคือดูสิ่งที่เปลี่ยนในระบบหรือชิ้นงานจริงให้ตรงกับคำขอ
Anthropic อธิบายการประเมิน Agent โดยแยกบันทึกการทำงานออกจากผลลัพธ์สุดท้าย แนวคิดนี้ใช้ได้กับผู้ใช้ทั่วไป: อ่านรายงานเพื่อรู้ว่าจะตรวจอะไร แล้วเปิดไฟล์หรือหน้าสถานะที่เป็นหลักฐาน ไม่ต้องอ่านเหตุผลทุกขั้นเพื่อพิสูจน์งานเสมอไป
บทความนี้เสนอวิธีตรวจรับ ไม่ใช่การจัดอันดับว่า Agent ตัวใดเชื่อถือได้ที่สุด และตัวอย่างทุกชิ้นเป็นสถานการณ์สมมติ ไม่ใช่ประวัติความผิดพลาดของบริการจริง
ตกลงเกณฑ์ว่าเสร็จก่อนเริ่มงาน
เปลี่ยนคำขอ “ทำรายงานให้หน่อย” เป็น “สร้างรายงานภาษาไทย เปิดไฟล์ได้ ตัวเลขตรงกับข้อมูลที่แนบ แสดงแหล่งที่มา และระบุข้อที่ยังยืนยันไม่ได้” จากนั้นแยกสิ่งที่ Agent ทำได้เองกับสิ่งที่ต้องได้รับอนุญาต เช่น การเตรียมอีเมลกับการส่งอีเมลเป็นคนละขั้น
| ประเภทงาน | หลักฐานที่ควรตรวจ | คำรายงานที่ยังไม่เพียงพอ |
|---|---|---|
| เอกสาร | ไฟล์เปิดได้ เนื้อหาครบ ตัวเลขและรูปแบบตรงโจทย์ | สร้างไฟล์แล้ว |
| แก้เว็บไซต์ | หน้า render จริง ภาพและลิงก์ใช้ได้ ผลตรวจตรงกับรุ่นงาน | โค้ดดูถูกต้อง |
| เตรียมโพสต์ | ข้อความและภาพฉบับสุดท้าย พร้อมสถานะร่างหรือกำหนดเวลา | พร้อมโพสต์แล้ว |
| เผยแพร่ที่ได้รับอนุญาต | รายการจริงในปลายทาง เวลา และเนื้อหาตรงที่อนุมัติ | กดส่งแล้ว |
กำหนดเกณฑ์ตามผลเสียหากผิด งานร่างส่วนตัวอาจตรวจแบบเบาได้ ส่วนงานที่จะออกสู่สาธารณะหรือเปลี่ยนข้อมูลสำคัญต้องมีหลักฐานที่ละเอียดขึ้น ไม่จำเป็นต้องให้ทุกงานมีขั้นตอนตรวจจำนวนเท่ากัน
ตรวจห้าด้าน: มีจริง ถูกต้อง ครบ ใช้ได้ และอยู่ในขอบเขต
- มีจริง: เปิดไฟล์หรือรายการปลายทางได้ ไม่ใช่เพียงชื่อ path หรือภาพข้อความยืนยัน
- ถูกต้อง: เทียบข้อมูลสำคัญกับต้นฉบับ คำนวณซ้ำ และเปิดแหล่งอ้างอิง
- ครบ: เช็กข้อกำหนดทีละข้อ รวมข้อยกเว้นและกรณีไม่มีข้อมูล
- ใช้ได้: ลองขั้นตอนที่ผู้รับงานจะใช้ เช่น ดาวน์โหลด เปิดลิงก์ หรือค้นบทความบนมือถือ
- อยู่ในขอบเขต: ตรวจว่าไม่ได้แก้งานอื่น ส่งข้อมูล หรือทำการเผยแพร่เกินที่สั่ง
หากตรวจด้วยตาราง ให้แต่ละแถวมี “เกณฑ์ / หลักฐาน / ผล / งานแก้” ข้อที่ยังตรวจไม่ได้ต้องอยู่ในสถานะค้าง การรวมข้อที่ไม่ตรวจเข้ากับข้อที่ผ่านทำให้ภาพความพร้อมคลาดเคลื่อน
ตัวอย่างสมมติ: รายงานงบกิจกรรมที่ยอดรวมถูก แต่ขอบเขตผิด
สมมติข้อมูลต้นฉบับมีค่าสถานที่ 3,000 บาท และอุปกรณ์ 2,000 บาท โดยระบุว่ายังไม่รวมค่าเดินทาง AI สร้างรายงานพร้อมยอดรวม 5,000 บาท การบวกถูกและไฟล์เปิดได้ แต่ถ้าพาดหัวเขียน “ค่าใช้จ่ายทั้งหมดของกิจกรรม” ยังเกินหลักฐาน เพราะค่าเดินทางยังไม่มีข้อมูล
การตรวจรับที่เหมาะสมคือแก้ชื่อเป็น “ยอดรวมรายการที่มีข้อมูล 5,000 บาท ไม่รวมค่าเดินทาง” และเพิ่มช่องงานค้างให้เจ้าของงานยืนยันค่าเดินทาง ไม่ใช่ให้ Agent เติมตัวเลขที่ดูสมเหตุผลเพื่อปิดงาน ตัวอย่างนี้เป็นการฝึกเกณฑ์ตรวจ ไม่ใช่ประมาณการค่าใช้จ่ายจริง
ถ้า Agent บอกว่าตรวจยอดแล้ว ให้ถามว่าตรวจรายการใดจากแหล่งไหน การตรวจซ้ำด้วย AI ตัวอื่นที่อ่านข้อมูลไม่ครบเหมือนกันอาจให้ความมั่นใจเพิ่มโดยไม่เพิ่มหลักฐาน
ผลทดสอบต้องตรงกับชิ้นงานที่ส่งมอบ
คำว่า “ผ่านการทดสอบ” ควรมีชื่อการตรวจ รุ่นชิ้นงาน วันที่ ผลจริง และขอบเขตที่ไม่ได้ตรวจ ถ้ารันตรวจก่อนแก้ไฟล์รอบสุดท้าย ต้องบอกว่าผลนั้นใช้กับรุ่นก่อนหน้า ไม่อ้างว่าไฟล์ใหม่ผ่านแล้วโดยอัตโนมัติ
สำหรับเว็บ แยกการ build สำเร็จ การส่งขึ้น Git และการเผยแพร่บน production การผ่านขั้นหนึ่งไม่พิสูจน์ขั้นถัดไป สำหรับโพสต์ แยกร่าง กำหนดเวลา และเผยแพร่จริง สำหรับไฟล์ แยกการสร้างกับการเปิดและตรวจเนื้อหา การใช้ชื่อสถานะชัดช่วยให้คนรับงานไม่เข้าใจว่ามีผลภายนอกแล้วทั้งที่ยังเป็นเพียงร่าง
ในงานเขียน การตรวจอัตโนมัติช่วยหาโครงสร้างและลิงก์ที่ผิดได้ แต่ไม่แทนการอ่านข้อเท็จจริง ส่วนการให้โมเดลให้คะแนนงานต้องมีเกณฑ์และคนตรวจตัวอย่างประกอบ ไม่ถือว่าคะแนนจาก AI คือคำตอบสุดท้ายเรื่องคุณภาพ
แม่แบบรายงานส่งมอบที่ตรวจต่อได้
สิ่งที่ส่งมอบ: ชื่อและตำแหน่งไฟล์ฉบับสุดท้าย
เกณฑ์ที่ผ่าน: แต่ละข้อพร้อมหลักฐาน
การตรวจที่รันจริง: ชื่อการตรวจ รุ่นงาน และผล
สิ่งที่ยังไม่ตรวจหรือยังไม่ยืนยัน: ระบุเหตุผลและผลกระทบ
การกระทำภายนอก: ยังเป็นร่าง / กำหนดเวลาแล้ว / เผยแพร่แล้ว พร้อมหลักฐานตามจริง
งานที่ต้องทำต่อ: ผู้รับผิดชอบและขั้นตอนถัดไป
ขอรายงานนี้ได้โดยไม่ต้องขอให้เปิดเผยกระบวนการคิดภายในทั้งหมด สิ่งที่ต้องการคือร่องรอยการทำงานและหลักฐานตรวจสอบ ไม่ใช่เรื่องเล่าที่ฟังน่าเชื่อถือ
หลักฐานอย่างผลเครื่องมือและ log ยังต้องตรวจที่มาและความครบถ้วน สำหรับการกระทำสำคัญ แนวทาง OWASP เน้นการบังคับสิทธิ์และตรวจการอนุมัติใกล้จุดทำงานจริง รายงานส่งมอบภายหลังไม่ใช่สิ่งทดแทนสิทธิ์ก่อนดำเนินการ
ส่งกลับแก้เมื่อหลักฐานขาด โดยไม่ต้องเริ่มงานใหม่ทั้งหมด
หากพบปัญหาให้ระบุข้อที่ไม่ผ่านและข้อมูลที่ใช้ตรวจ เช่น “ยอดถูก แต่ข้อความอ้างว่าเป็นค่าใช้จ่ายทั้งหมดทั้งที่ยังไม่รวมเดินทาง” จะช่วยแก้ตรงจุดกว่าคำว่า “ทำใหม่ให้ดีกว่านี้” เก็บส่วนที่ผ่านไว้ แล้วตรวจส่วนที่ได้รับผลจากการแก้ตามระดับความเสี่ยง
รับงานเมื่อเปิดตรวจหลักฐานได้ ตรงกับเกณฑ์ที่ตกลง และระบุข้อจำกัดครบ รายงานสุดท้ายของ Agent ควรชี้ว่าแต่ละผลลัพธ์อยู่ที่ใดและตรวจอะไรแล้ว เพื่อให้ผู้รับตรวจต่อได้
แหล่งอ้างอิง
- Anthropic: Demystifying evals for AI agents
- OWASP: AI Agent Security Cheat Sheet
- OWASP Cheat Sheets Series Team
ตรวจเอกสารต้นทางวันที่ 14 ตุลาคม 2569 ตามเวลาไทย ตัวอย่างและคำสั่งภาษาไทยเป็นข้อเสนอของ KrobClick ไม่ใช่ผลทดลองผลิตภัณฑ์ ความสามารถและการตั้งค่าอาจต่างตามรุ่นหรือบัญชี ควรตรวจต้นฉบับและผลลัพธ์ก่อนใช้งานจริง