ตอนนี้คุณรู้แล้วว่า agent ของคุณจะทำอะไรและจะใช้งานที่ไหน ถึงเวลาตั้งคำถามสำคัญแล้ว

ปัญหานี้จำเป็นต้องใช้ agent จริงหรือ?

ไม่ใช่ทุกโปรเจกต์ที่ต้องใช้ agent; แม้แต่โปรเจกต์อัตโนมัติบางอย่างก็ไม่จำเป็น บางครั้งแค่ workflow ง่าย ๆ, สคริปต์ หรือกระบวนการตามกฎก็เพียงพอแล้ว การเข้าใจความแตกต่างนี้ช่วยประหยัดเวลา เงิน และลดความสับสนในอนาคต

AI agent ถูกออกแบบมาให้ทำมากกว่าการทำตามคำสั่ง มันสามารถอ่าน เขียน และพูดคุยด้วยภาษาธรรมชาติ เข้าใจเจตนา ประยุกต์ใช้ความรู้ และตัดสินใจในสถานการณ์ที่ไม่แน่นอน ความยืดหยุ่นนี้ทำให้มันทรงพลัง แต่ก็เพิ่มความซับซ้อนด้วย ทุกครั้งที่เรียกใช้ LLM จะมีค่าใช้จ่ายทั้งในแง่ของโทเคน เวลา และความเสี่ยง ดังนั้นจึงควรใช้ agent เฉพาะเมื่อจำเป็นต้องใช้เหตุผลหรือความเข้าใจภาษาอย่างแท้จริง

ถ้างานนั้นเป็นแบบกำหนดแน่นอน (มีอินพุตและเอาต์พุตที่คาดเดาได้) โดยทั่วไป workflow หรือเครื่องมืออัตโนมัติจะเหมาะกว่า (เคล็ดลับ: Botpress ทำได้ทั้งสองอย่าง!)

ถ้างานนั้นเกี่ยวข้องกับบริบท การตีความ หรือการสนทนา AI agent คือทางเลือกที่เหมาะสม

ลองดูตัวอย่างจาก Terminal Roast กัน

ทีมของ Taryn ได้กำหนดงานแรกไว้แล้ว: รวบรวมความคิดเห็นลูกค้าเกี่ยวกับรสชาติและสูตรกาแฟใหม่ ๆ Adrian หัวหน้าบาริสต้า เสนอวิธีที่ agent จะจัดการได้สองแบบ

แบบแรกคือแบบสนทนา Agent จะถามว่าทำไมลูกค้าถึงชอบหรือไม่ชอบเครื่องดื่ม และพยายามเข้าใจเหตุผลของพวกเขา ซึ่งต้องใช้ความละเอียดอ่อน การตีความ และความจำ เหมาะกับ agent

แบบที่สองคือแบบโปรแกรม Agent จะแสดงรายการสูตรใหม่แบบง่าย ๆ และให้ลูกค้าตอบว่า “ใช่” หรือ “ไม่ใช่” การโต้ตอบนี้ไม่ต้องใช้เหตุผล เหมาะกับระบบอัตโนมัติ

เมื่อแยกสอง flow นี้ออกจากกัน ทีมงานจะทำให้ระบบมีประสิทธิภาพมากขึ้น ใช้ agent ในส่วนที่ต้องเข้าใจภาษา และใช้ workflow ในส่วนที่ใช้แค่ตรรกะก็พอ

หลายทีมมักจะไม่แยกความแตกต่างนี้ พยายามสร้าง agent ที่ทำทุกอย่าง: ตอบคำถาม ดึงข้อมูล อัปเดตข้อมูล และจัดการธุรกรรม แต่ทุกฟังก์ชันที่เพิ่มเข้ามาจะเพิ่มต้นทุน ความล่าช้า และภาระดูแลรักษา วิธีที่ดีกว่าคือผสมผสาน agent กับ workflow

ใช้ workflow เพื่อความเป็นระเบียบและความน่าเชื่อถือ ใช้ agent เพื่อความฉลาดและความยืดหยุ่น

คิดว่า agent คือส่วนติดต่อหลักที่เข้าใจผู้ใช้ แล้วส่งต่อการกระทำที่มีโครงสร้างไปยังระบบอัตโนมัติที่ทำงานอย่างแม่นยำ เมื่อสองระบบนี้ถูกกำหนดไว้อย่างชัดเจน ผลลัพธ์จะมีเสถียรภาพ ขยายได้ และโปร่งใสมากขึ้น

นี่คือวิธีทดสอบอย่างรวดเร็ว

ถามตัวเองว่างานนี้ต้องเข้าใจภาษาธรรมชาติหรือไม่ หรือใช้แค่กฎง่าย ๆ ก็พอ ถ้าต้องเข้าใจ เช่น การระบุเจตนา จัดการความกำกวม หรืออ้างอิงความรู้ แสดงว่าต้องใช้ agent ถ้าไม่ใช่ ให้สร้างเป็น workflow

คุณสามารถเพิ่ม agent ในภายหลังได้เสมอ เมื่อมีตรรกะและข้อมูลที่ชัดเจนแล้ว การขยาย workflow ที่ทำงานอยู่แล้วให้ฉลาดขึ้นนั้นง่ายกว่าการแก้ไข agent ที่ซับซ้อนเกินไปมาก

แนวทางของ Terminal Roast (แยกงานสนทนาและงานโปรแกรม) เป็นตัวอย่างที่ดี สุดท้ายพวกเขาก็ได้ระบบที่กระชับและเหมาะสมกับแต่ละส่วน

ความชัดเจนในจุดนี้จะช่วยให้ดูแลรักษา ประหยัดต้นทุน และเพิ่มประสิทธิภาพในระยะยาว

สิ่งที่ต้องทำ: ทบทวนงานของ agent ที่คุณวางแผนไว้ และระบุว่างานไหนต้องใช้ความเข้าใจภาษาอย่างแท้จริง

เก็บเฉพาะงานเหล่านั้นไว้ให้ agent จัดการ และวางแผนให้งานที่เหลือเป็น workflow มาตรฐาน

‍