ก้าวข้ามโครงการนำร่อง: อะไรคือสิ่งที่ทำให้ AI Agent ไปถึงการใช้งานจริง

องค์กรส่วนใหญ่ต่างมีโครงการนำร่อง AI แล้ว ในมุมของ Wonderful Thailand สิ่งที่ทำให้บางโครงการก้าวไปสู่การใช้งานจริงได้ คือการออกแบบ การนำไปใช้ และการวัดผล

บนเวที Techsauce Global Summit 2026 ในเซสชัน Everyone's Running Agent Pilots. But Few Are Ready to Scale. Here's Why. อริยะ พนมยงค์ ประธานประจำประเทศไทย บริษัท Wonderful เปิดการบรรยายด้วยคำถามว่าองค์กรในประเทศไทยขยับจากโครงการนำร่อง (Pilot) ไปสู่การใช้งานจริงได้ไกลเพียงใดแล้ว จากนั้นจึงชวนผู้ฟังมองความท้าทายลำดับถัดไปหลัง AI เติบโตอย่างรวดเร็วในช่วงที่ผ่านมา นั่นคือการขยายจากการทดลองไปสู่การใช้งานเต็มรูปแบบ ในมุมมองของคุณอริยะ ข้อจำกัดมักไม่ได้อยู่ที่ตัวเทคโนโลยี แต่อยู่ที่วิธีที่องค์กรวางโครงสร้างเพื่อออกแบบ ติดตั้ง และวัดผลสิ่งที่สร้างขึ้น

บทเรียนจากคลื่นเทคโนโลยีก่อนหน้าในไทย

คุณอริยะผ่านคลื่นเทคโนโลยีในไทยมาแล้วสามระลอก ระลอกแรกคือช่วงที่ทำงานอยู่ที่ Google ในปี 2011 ตอนที่ประเทศไทยมีผู้ใช้อินเทอร์เน็ตราว 15 ล้านคน และงานส่วนใหญ่คือการอธิบายให้ผู้บริหารเห็นว่าอินเทอร์เน็ตกำลังเข้ามาเปลี่ยนวิธีทำธุรกิจ ระลอกที่สองคืออีคอมเมิร์ซ ที่เริ่มก่อตัวตั้งแต่ Lazada เปิดตัวในปี 2012 และตลาดกลางออนไลน์เริ่มลงหลักปักฐานในช่วงปี 2014 ก่อนที่ธุรกิจจำนวนมากจะขยับมาใช้อย่างจริงจังในช่วงโควิด ส่วนระลอกที่สามคือการที่ผู้ชมหันจากโทรทัศน์ไปดูวิดีโอออนไลน์ ในช่วงที่คุณอริยะดูแล YouTube และ LINE TV

สิ่งที่คุณอริยะชวนให้สังเกตจึงไม่ใช่ว่าคำทำนายแต่ละครั้งแม่นแค่ไหน แต่เป็นจังหวะการตัดสินใจของแต่ละองค์กร เพราะทุกคลื่นล้วนมาถึงตามที่คาดไว้ ต่างกันเพียงว่าใครเริ่มลงมือเมื่อไร และองค์กรที่ขยับก่อนย่อมมีเวลาเรียนรู้และปรับกระบวนการของตัวเองมากกว่า วันนี้ AI กำลังวางคำถามชุดเดียวกันนี้ไว้ตรงหน้าผู้บริหารอีกครั้ง

เหตุใดโครงการนำร่อง AI จำนวนมากจึงยังติดอยู่ในไซโล แทนที่จะถูกนำไปใช้งานจริง

คุณอริยะให้ความเห็นว่าการสร้างเอเจนต์แยกกันไปในแต่ละสายงานอาจทำให้การขยายผลยากขึ้นในภายหลัง เพราะคุณค่าของ AI มักเกิดขึ้นเมื่อ AI เชื่อมการทำงานข้ามสายงาน มากกว่าตอนที่อยู่ภายในสายงานใดสายงานหนึ่ง เมื่อแต่ละฝ่ายใช้งบประมาณของตัวเองและเลือกผู้ให้บริการของตัวเอง สิ่งที่ตามมาอาจเป็นระบบหลายชุดที่ไม่ได้ถูกออกแบบมาให้ทำงานร่วมกันตั้งแต่แรก

ประเด็นที่สองคือขอบเขตของการออกแบบ โซลูชันที่สร้างขึ้นสำหรับสภาพแวดล้อมทดลอง (sandbox) มักยังไม่พร้อมรองรับปริมาณงานระดับองค์กร หรือรองรับกรณีใช้งานที่กว้างกว่าเดิมซึ่งธุรกิจต้องการต่อยอดบนฐานเดียวกัน การออกแบบให้รองรับการใช้งานจริงและกรณีใช้งานที่หลากหลายตั้งแต่ต้น แล้วค่อยทดลองภายในสถาปัตยกรรมนั้น ย่อมช่วยลดการรื้อระบบในภายหลัง ส่วนประเด็นที่สามคือการวัดผล เพราะโครงการ AI มักให้ผลดีที่สุดเมื่อผูกกับผลลัพธ์ทางธุรกิจที่นิยามไว้ก่อนเริ่มติดตั้ง

หน้าตาของการใช้งานจริง

คุณอริยะยกตัวอย่างการติดตั้งจริงของลูกค้าสองรายโดยไม่เปิดเผยชื่อ กรณีแรกคือกระบวนการขอสินเชื่อสำหรับ SME เริ่มตั้งแต่การส่งข้อความผ่านแชต ไปจนถึงการบันทึกคำขอในระบบหลักของธนาคาร โดยมีผู้ช่วยดูแลลูกค้า เอเจนต์สินเชื่อ และเอเจนต์ตรวจสอบเครดิต ใช้บริบทร่วมกันตลอดเส้นทาง ขณะที่ขั้นตอนสุดท้ายเกิดขึ้นในระบบเดิมที่ไม่มี API สำหรับเชื่อมต่อ ส่วนกรณีที่สองคืออินเทอร์เน็ตบ้านขัดข้อง ซึ่งผู้ช่วย AI เพียงตัวเดียวดูแลตั้งแต่ต้นจนจบ ด้วยการตรวจสอบไฟแสดงสถานะบนเราเตอร์ผ่านกล้องมือถือ แทนการโอนสายลูกค้าไปตามคิวต่าง ๆ

คุณอริยะระบุว่าเอเจนต์ที่ทำงานประสานกันสามารถช่วยให้การส่งต่องานในกระบวนการที่ซับซ้อนราบรื่นขึ้น เช่น ในธนาคารอาจมีเอเจนต์ประจำลูกค้าแต่ละรายที่เก็บบริบทไว้อย่างต่อเนื่อง ควบคู่กับเอเจนต์สินเชื่อและเอเจนต์ติดตามการชำระเงินที่ส่งต่องานระหว่างกัน ส่วนประเด็นความเสี่ยง คุณอริยะชวนมองไปที่การออกแบบกลไกป้องกันเพื่อลดโอกาสเกิดข้อผิดพลาด โดยในสถาปัตยกรรมของ Wonderful จะมีเอเจนต์ผู้สังเกตการณ์ (Observer Agent) ทำงานอยู่เบื้องหลัง คอยตรวจสอบว่าเอเจนต์ตัวอื่นทำงานตามนโยบาย หลักธรรมาภิบาล และข้อกำหนดของหน่วยงานกำกับดูแล

ผลลัพธ์ที่วัดได้ และรูปแบบการทำงานร่วมกับองค์กร

ตัวเลขที่คุณอริยะนำมาเปิดบนเวทีมาจากลูกค้าที่อนุญาตให้เปิดเผยผลลัพธ์ได้ โดย Bank Hapoalim ในอิสราเอลเริ่มใช้งานจริงภายในสามสัปดาห์ และมีอัตราการปิดจบงานด้วยเอเจนต์ (Containment) 88% หมายความว่าราว จากสายโทรเข้าหรือบทสนทนาทุก 1,000 ครั้ง เอเจนต์จัดการได้สำเร็จราว 880 ครั้งโดยไม่ต้องมีเจ้าหน้าที่เข้ามาช่วย ขณะที่ธนาคารแห่งหนึ่งในโคลอมเบียเริ่มใช้งานจริงภายใน 19 วัน ส่วน Telecom Italia รองรับสายเข้า 2.4 ล้านสายต่อเดือน ที่อัตราการปิดจบงานราว 90% และกรณีศึกษาบนเว็บไซต์ของ Wonderful ระบุตัวเลขในระดับใกล้เคียงกันที่ 80% ขึ้นไป

รูปแบบการทำงานของทีมของ Wonderful มีสองส่วน ได้แก่ การทำงานร่วมกับลูกค้าเพื่อออกแบบเวิร์กโฟลว์ใหม่ และการถ่ายทอดความรู้ให้ทีมภายในสร้างและดูแลเอเจนต์ต่อได้ การติดตั้งโดยทั่วไปใช้เวลา 4 ถึง 8 สัปดาห์ พร้อมวางเครื่องมือด้านธรรมาภิบาล กรอบกำกับการทำงาน (Guardrails) และการทดสอบประเมินผล (Evals) ไว้ตั้งแต่ต้น

ปัจจุบัน Wonderful ให้บริการในกว่า 35 ตลาด และเพิ่งเปิดตัวในประเทศไทยพร้อมทีมงานประจำในประเทศ บริษัทก่อตั้งในปี 2025 มีสำนักงานใหญ่อยู่ที่อัมสเตอร์ดัม นำเสนอผลิตภัณฑ์ในฐานะระบบปฏิบัติการ AI สำหรับองค์กร และระบุว่าแพลตฟอร์มออกแบบมาเพื่อรองรับการใช้ AI ขององค์กรข้ามภาษาและข้ามตลาด ในเดือนกันยายน 2026 บริษัทประกาศระดมทุนรอบซีรีส์ C มูลค่า 550 ล้านดอลลาร์สหรัฐ นำโดย Insight Partners โดยมี Salesforce เข้าร่วมเป็นนักลงทุนรายใหม่ และ Index Ventures, Bessemer Venture Partners, IVP, Vine Ventures กับ 9Yards Capital ลงทุนต่อเนื่อง ที่ระดับมูลค่ากิจการ 5 พันล้านดอลลาร์สหรัฐ

ในเดือนเดียวกัน Wonderful ยังได้รับแต่งตั้งเป็นพันธมิตรด้าน Enterprise AI อย่างเป็นทางการของสโมสรฟุตบอล FC Bayern ภายใต้ข้อตกลงระดับโลกระยะเวลา 3 ปี โดยเริ่มต้นที่งานบริการแฟนบอลในวันแข่งขัน ซึ่งเอเจนต์จะเข้ามาช่วยดูแลคำขอที่ต้องการคำตอบทันที เช่น การเข้าถึงตั๋วดิจิทัลและปัญหาการใช้งานบัญชี ก่อนขยายไปสู่กรณีใช้งานอื่นขององค์กรต่อไป

คุณอริยะปิดท้ายด้วยเรื่องจังหวะมากกว่าเรื่องเทคโนโลยี ด้วยคำถามถึงผู้บริหารในห้องว่าอีก 8 สัปดาห์นับจากวันนี้ องค์กรจะยังคงพูดคุยกันถึงความเป็นไปได้ หรือจะมีเอเจนต์ทำงานอยู่ในระบบจริงแล้ว

ที่มา: เซสชัน Everyone's Running Agent Pilots. But Few Are Ready to Scale. Here's Why ในงาน Techsauce Global Summit 2026, Wonderful, LinkedIn Wonderful, The Wall Street Journal