Agentic AI คืออะไร

นี่คือฟีเจอร์ที่สำคัญของระบบ Agentic AI

ดำเนินการเชิงรุก

Agentic AI ดำเนินการเชิงรุกแทนที่จะรอการป้อนข้อมูลโดยตรง ระบบแบบดั้งเดิมเป็นแบบตอบสนอง โดยจะตอบสนองเฉพาะเมื่อถูกกระตุ้นและปฏิบัติตามเวิร์กโฟลว์ที่กำหนดไว้ล่วงหน้า ในทางตรงกันข้าม ระบบ Agentic คาดการณ์ความต้องการ ระบุรูปแบบที่เกิดขึ้นใหม่ และใช้ความคิดริเริ่มในการแก้ไขปัญหาที่อาจเกิดขึ้นก่อนปัญหาจะถูกยกระดับรุนแรงขึ้น พฤติกรรมเชิงรุกของณธฐฐขับเคลื่อนโดยความตระหนักด้านสิ่งแวดล้อมและความสามารถในการประเมินผลลัพธ์เมื่อเทียบกับเป้าหมายระยะยาว

ตัวอย่างเช่น ในการกำหนดค่าห่วงโซ่อุปทาน แพลตฟอร์มโลจิสติกส์แบบดั้งเดิมจะอัปเดตสถานะการจัดส่งเมื่อผู้ใช้เช็คอินหรือผ่านการแจ้งเตือนเป็นระยะ อย่างไรก็ตาม ระบบ Agentic AI สามารถตรวจสอบระดับสินค้าคงคลัง ติดตามสภาพอากาศ และคาดการณ์ความล่าช้าในการจัดส่งได้ ระบบจะสามารถเพิ่มการแจ้งเตือนเชิงรุกและเปลี่ยนเส้นทางการจัดส่งเพื่อลดเวลาหยุดทำงาน

ปรับให้เข้ากันได้

ฟีเจอร์หนึ่งที่สำคัญของ Agentic AI คือความสามารถในการปรับตัวให้เข้ากับสภาพแวดล้อมที่เปลี่ยนแปลงและปรับตัวเข้ากับโดเมนเฉพาะ โซลูชัน SaaS แบบดั้งเดิมถูกสร้างขึ้นเพื่อปรับขนาดในอุตสาหกรรมและจัดการกับงานซ้ำ ๆ แต่มักขาดความลึกในการทำความเข้าใจสถานการณ์เฉพาะโดเมนที่มีเอกลักษณ์เฉพาะ ระบบ Agentic เติมเต็มช่องว่างนี้โดยใช้การรับรู้บริบทและความรู้ในโดเมน ทำให้เอเจนต์ AI สามารถตอบสนองได้อย่างชาญฉลาด ระบบนี้จะปรับการกระทำตามอินพุตแบบเรียลไทม์และสามารถจัดการกับสถานการณ์ที่ซับซ้อนซึ่งโซลูชันมาตรฐานไม่สามารถทำได้

ตัวอย่างเช่น ในขณะที่แพลตฟอร์มบริการลูกค้าทั่วไปอาจตอบสนองด้วยคำตอบที่กำหนดไว้ล่วงหน้า แต่ระบบ Agentic AI ที่สนับสนุนผู้ให้บริการด้านการดูแลสุขภาพจะเข้าใจคำศัพท์ทางการแพทย์และปฏิบัติตามกฎระเบียบด้านการดูแลสุขภาพ ระบบสามารถปรับให้เข้ากับความกังวลของผู้ป่วยที่พัฒนาขึ้นและให้การสนับสนุนที่แม่นยำและอ่อนไหวต่อบริบทมากขึ้น

ทำงานร่วมกัน

Agentic AI ได้รับการออกแบบมาเพื่อทำงานร่วมกับมนุษย์และกับระบบ Agentic AI อื่น ๆ เอเจนต์ AI ทำงานเป็นส่วนหนึ่งของทีมที่กว้างขึ้น ระบบนี้เข้าใจเป้าหมายร่วมกันตีความเจตนาของมนุษย์และประสานงานการกระทำตามนั้น ระบบจะทำงานได้ดีในสภาพแวดล้อมที่ต้องการการกำกับดูแลของมนุษย์หรือการตัดสินใจโดยพิจารณาข้อมูลจากหลายแหล่งที่มา

ตัวอย่างเช่น เอเจนต์วางแผนการรักษาสามารถประสานงานกับทีมแพทย์หลายทีมเพื่อเตรียมแผนการรักษาแบบบูรณาการและการติดตามผลสำหรับผู้ป่วยมะเร็ง

เฉพาะทาง

โดยทั่วไปแล้ว Agentic AI สร้างขึ้นจากเอเจนต์ที่มีความเชี่ยวชาญสูงหลายรายเอเจนต์ แต่ละเอเจนต์มุ่งเน้นไปที่ความเชี่ยวชาญที่เจาะจง เอเจนต์ที่ขับเคลื่อนด้วย AI เหล่านี้ประสานงานซึ่งกันและกัน แบ่งปันข้อมูลเชิงลึกและส่งมอบงานตามความจำเป็น วิธีการนี้ช่วยให้ประสิทธิภาพเฉพาะโดเมนอย่างลึกซึ้งขึ้นอย่างมีนัยสำคัญ

ตัวอย่างเช่น ในบริการทางการเงิน เอเจนต์หนึ่งอาจมีความเชี่ยวชาญในการปฏิบัติตามกฎระเบียบ อีกเอเจนต์หนึ่งเชี่ยวชาญการตรวจจับการฉ้อโกง และอีกเอเจนต์หนึ่งเชี่ยวชาญในการเพิ่มประสิทธิภาพพอร์ตโฟลิโอ การทำงานร่วมกันของระบบเหล่านี้สามารถตรวจสอบธุรกรรมแบบเรียลไทม์ ระบุความผิดปกติ และแนะนำการปรับเปลี่ยนการลงทุน ทั้งหมดนี้ในขณะที่ยังคงปฏิบัติตามกฎระเบียบ

การใช้ Agentic AI มีประโยชน์ทางธุรกิจหลายประการ

ประสิทธิภาพที่เพิ่มขึ้น

ปัญญาประดิษฐ์แบบมีเอเจนต์ช่วยให้ธุรกิจสามารถลดความซับซ้อนของงานที่ท้าทายหรือเฉพาะทางต่าง ๆ ผ่านระบบอัตโนมัติ แทนที่จะพึ่งพาการปฏิบัติงานด้วยตนเองที่ขับเคลื่อนโดยมนุษย์ การ Agentic AI สามารถทำให้กระบวนการที่น่าเบื่อหน่ายเป็นอัตโนมัติ ช่วยให้พนักงานของคุณมีเวลาว่างมากขึ้น พนักงานของคุณสามารถใช้เวลาเพิ่มเติมที่ Agentic AI ช่วยประหยัดให้กับงานที่ต้องการความพยายามมากขึ้น เช่น การแก้ปัญหา การวางแผนเชิงกลยุทธ์ และปัจจัยอื่นที่ส่งผลต่อการเติบโต

เพิ่มความไว้วางใจของผู้ใช้

Agentic AI สามารถนำเสนอการปรับแต่งในระดับที่สูงขึ้นเมื่อมีปฏิสัมพันธ์กับลูกค้า ด้วยการใช้ข้อมูลลูกค้าที่มีอยู่แล้ว Agentic AI สามารถสร้างข้อความที่ปรับแต่งได้อย่างรวดเร็ว มีส่วนร่วมกับลูกค้าในโทนที่ต้องการ และเสนอคำแนะนำผลิตภัณฑ์ที่ใช้งานได้จริง เมื่อเวลาผ่านไป Agentic AI จะช่วยปรับปรุงความสัมพันธ์กับลูกค้าและสร้างความไว้วางใจระหว่างลูกค้าและธุรกิจของคุณ

ธุรกิจยังสามารถใช้ปัญญาประดิษฐ์แบบมีเอเจนต์เพื่อวิเคราะห์ความคิดเห็นของลูกค้า ระบุข้อมูลที่เกิดขึ้นบ่อยที่สุด และจัดหาให้กับวิศวกรผลิตภัณฑ์ นอกจากนี้ยังสามารถตอบสนองโดยตรงต่อผู้ใช้ที่แสดงความคิดเห็นโดยตรง สร้างลูปข้อเสนอแนะเชิงบวกซึ่งลูกค้าจะรู้สึกได้ว่าข้อเสนอแนะของพวกเขาได้รับการพิจารณาอย่างจริงจังโดยบริษัทของคุณ

การปรับปรุงอย่างต่อเนื่อง

Agentic AI สามารถเรียนรู้และปรับปรุงอย่างต่อเนื่อง สามารถปรับให้เข้ากับงานใด ๆ ที่ได้รับมอบหมายได้ ระบบจะมีปฏิสัมพันธ์ เรียนรู้จากข้อเสนอแนะ และปรับการตัดสินใจให้เหมาะสมตามลูปที่เกิดซ้ำนี้ สำหรับธุรกิจ หมายความว่าบริษัทยังคงส่งมอบผลประโยชน์ในระดับที่สูงขึ้นเรื่อย ๆ เมื่อเวลาผ่านไป

การเพิ่มประสิทธิภาพให้มนุษย์

Agentic AI สามารถทำหน้าที่เป็นเครื่องมือการทำงานร่วมกันที่ยอดเยี่ยมสำหรับเอเจนต์ที่เป็นมนุษย์ เพิ่มผลผลิตและลดจำนวนงานด้วยตนเองที่ลำบากที่ต้องทำให้เสร็จสิ้น ด้วยการทำงานร่วมกับโมเดล Agentic AI เอเจนต์ที่เป็นมนุษย์สามารถเอาชนะความท้าทายที่ซับซ้อน ทำให้เส้นทางการตัดสินใจที่ยากลำบากเป็นไปโดยอัตโนมัติ และขับเคลื่อนประสิทธิภาพของพวกเขาให้มากขึ้นได้

เอเจนต์ Agentic AI ทำงานโดยใช้เส้นทางที่มีโครงสร้างที่เคลื่อนผ่านสี่ขั้นตอน — รับรู้ ให้เหตุผล ดำเนินการ และเรียนรู้ แต่ละขั้นตอนในกระบวนการนี้ได้ผสานรวมเทคโนโลยีและวิธีการ AI ขั้นสูงหลายอย่าง

รับรู้

ในขั้นตอนการรับรู้ เอเจนต์ AI จะรวบรวมข้อมูลแบบเรียลไทม์จากแหล่งที่มาที่หลากหลาย นำเข้าข้อมูลที่มีโครงสร้าง กึ่งโครงสร้าง และไม่มีโครงสร้าง เอเจนต์จะโต้ตอบโดยตรงกับ RESTful API, บริการ gRPC และตำแหน่งข้อมูล GraphQL เพื่อนำเข้าข้อมูลตามความจำเป็นจากแพลตฟอร์มคลาวด์ ระบบองค์กร และแอปพลิเคชัน SaaS

ในระบบที่ล้าสมัยบางระบบหรือระบบที่ต้องการการโต้ตอบกับสภาพแวดล้อมที่มีปัญหาเกี่ยวกับเอกสาร เทคโนโลยีการจดจำตัวอักษร (OCR) ที่เหมาะสมและการประมวลผลภาษาธรรมชาติสามารถช่วยกรองเอกสารที่สแกนไว้เพื่อหาข้อมูลที่เกี่ยวข้องได้ ในขั้นตอนรับรู้ เอเจนต์ยังประมวลผลข้อมูลเพื่อกำหนดว่าอะไรมีประโยชน์ตามบริบทของงานที่พวกเขากำลังทำงานอยู่

ให้เหตุผล

ขั้นตอนการให้เหตุผลขับเคลื่อนโดย LLM ที่ช่วยตีความบริบทของเป้าหมายที่โมเดลมี พัฒนาแผนปฏิบัติการที่จะปฏิบัติตามและปรับตัวแบบเรียลไทม์โดยใช้ข้อมูลใหม่ที่ได้รับผ่านขั้นตอนรับรู้ LLM ใช้โมเดลที่ให้เหตุผลเชิงความหมาย การจัดการข้อผิดพลาด และปรับให้เข้ากับอินพุตผู้ใช้ที่คลุมเครือ

นอกเหนือจากการประมวลผลแนวคิดและพัฒนากลยุทธ์ในขั้นตอนนี้แล้ว บาง LLM ใช้โมเดลแมชชีนเลิร์นนิงแบบคาดการณ์เพื่อจัดการปัญหาที่ซับซ้อน ตัวอย่างเช่น โมเดล ML แบบคาดการณ์สามารถคาดการณ์ความต้องการที่เพิ่มขึ้น ทำให้สามารถเตรียมการสำหรับกรณีการใช้งานในอนาคตได้ดีขึ้น

ในขั้นตอนนี้ LLM ใช้ระบบหน่วยความจำระยะยาวเพื่อให้แน่ใจว่างานที่ขึ้นอยู่กับสถานการณ์และบริบทยังคงสอดคล้องตลอดทั้งกระบวนการ

ดำเนินการ

ในขั้นตอนดำเนินการ Agentic AI จะดำเนินการเพื่อให้บรรลุสิ่งที่กำหนดโดยขั้นตอนการให้เหตุผลอย่างมีประสิทธิภาพ เนื่องจาก Agentic AI สามารถเข้าถึงปลั๊กอินที่ติดตั้งโดยผู้ดูแลระบบในแต่ละระบบซอฟต์แวร์ภายนอกเหล่านี้ได้ จึงสามารถโต้ตอบโดยตรงกับและเรียกใช้งานบนแอปพลิเคชันของบุคคลที่สามเหล่านี้

ขั้นตอนดำเนินการจัดงานย่อยหลายอย่างที่โมเดลเอเจนต์จะจัดการตามลำดับ โดยมีการดำเนินการเฉพาะตั้งแต่การรวบรวมโค้ดไปจนถึงการโต้ตอบกับซอฟต์แวร์และเอกสาร เรียกใช้การจำลอง การย้ายแอปพลิเคชัน และการทำงานภายในแอปพลิเคชันของบุคคลที่สาม สำหรับบาง Agentic AI โมเดล การดำเนินการจะถูกปิดกั้นโดยที่มนุษย์ทำงานร่วมกับระบบซึ่งนักพัฒนาต้องตรวจสอบว่าโมเดลกำลังทำอะไรและอนุมัติการกระทำของโมเดล

การดำเนินการทั้งหมดที่ดำเนินการโดยโมเดลจะได้รับการตรวจสอบและบันทึกอย่างใกล้ชิด ทำให้ธุรกิจดำเนินการสอดคล้องกับการกำกับดูแลและปกป้องการใช้เทคโนโลยีนี้

เรียนรู้

ขั้นตอนการเรียนรู้ของ Agentic AI คือสิ่งที่ทำให้โมเดลเหล่านี้สามารถปรับปรุงฟังก์ชันการทำงานและประสิทธิผลได้อย่างต่อเนื่อง เอเจนต์ใช้เทคนิคการเรียนรู้เสริม เช่น การเพิ่มประสิทธิภาพนโยบายที่ใกล้เคียง (PPO) และการเรียนรู้ Q เพื่อปรับแต่งการดำเนินการตามความสำเร็จของงานเฉพาะภายในระบบที่กว้างขึ้น

เอเจนต์ AI เรียนรู้จากเอเจนต์อิสระ LLM หรือผ่านข้อเสนอแนะของมนุษย์ ซึ่งทั้งหมดนี้สามารถปรับแต่งระบบให้ละเอียดเพื่อปรับปรุงการทำงานของระบบ มีตัววัดหลายตัวที่โมเดลสามารถใช้เพื่อติดตามประสิทธิภาพได้ รวมถึงเวลาแฝง ความมั่นใจ และอัตราความสำเร็จ โดยทั่วไปแล้ว AI แบบหลายเอเจนต์จะกระจายการเรียนรู้ผ่านเอเจนต์ต่า งๆ โดยแบ่งปันข้อมูลในเลเยอร์หน่วยความจำส่วนกลางเพื่อปรับปรุงประสิทธิภาพของระบบทั้งหมด

เมื่อเวลาผ่านไป รูปแบบการเรียนรู้เสริมนี้สามารถใช้รอบการวนซ้ำที่ประสบความสำเร็จเพื่อปรับปรุงการทำงานโดยรวมและเพิ่มประสิทธิภาพอย่างต่อเนื่อง

AWS มุ่งมั่นที่จะเป็นสถานที่ที่ดีที่สุดเพื่อสร้างและปรับใช้เอเจนต์ที่เชื่อถือได้และมีประโยชน์มากที่สุดในโลก AWS ตอบสนองลูกค้าที่อยู่ระหว่างเส้นทาง Agentic AI และนำเสนอทุกสิ่งที่พวกเขาต้องการเพื่อเปิดรับ Agentic AI ในธุรกิจของพวกเขา ไม่ว่าคุณจะต้องการปรับใช้เอเจนต์ที่สร้างไว้ล่วงหน้าอย่างรวดเร็วเพื่อเพิ่มประสิทธิภาพการทำงาน ทดลองใช้เครื่องมือโอเพนซอร์ส หรือสร้างกลุ่มอินสแตนซ์เอเจนต์แบบกำหนดเองที่ซับซ้อน AWS มีโมเดล เครื่องมือ โครงสร้างพื้นฐาน และความเชี่ยวชาญที่จะช่วยให้คุณประสบความสำเร็จ AWS ยังนำเสนอโครงสร้างพื้นฐาน AI ที่แข็งแกร่ง ซิลิคอนแบบกำหนดเอง และรากฐานข้อมูลที่ช่วยให้มั่นใจได้ว่าความพยายามใน Agentic AI ของคุณมีอายุการใช้งานยาวนาน

Amazon Bedrock เป็นบริการที่ได้รับการบริหารจัดการอย่างเต็มรูปแบบซึ่งเสนอทางเลือกของโมเดลพื้นฐาน (FM) ชั้นนำของอุตสาหกรรม พร้อมด้วยชุดความสามารถที่หลากหลายที่จำเป็นสำหรับการสร้างแอปพลิเคชันและเอเจนต์ที่ขับเคลื่อนด้วย AI ช่วยสร้าง Bedrock นำเสนอการเข้าถึงโมเดลพื้นฐานชั้นนำ เครื่องมือในการปรับแต่งโมเดลและแอปพลิเคชันแบบส่วนตัวด้วยข้อมูลของคุณ ใช้กฎควบคุมระบบด้านความปลอดภัย ปรับเพิ่มประสิทธิภาพเพื่อต้นทุนและเวลาแฝง และทำซ้ำอย่างรวดเร็ว

Bedrock ยังรวมถึง AgentCore ซึ่งเป็นชุดของบริการเพื่อปรับใช้และใช้งานเอเจนต์อย่างปลอดภัยในขนาดที่เหมาะสมโดยใช้เฟรมเวิร์กและโมเดลใด ๆ ด้วย Amazon Bedrock AgentCore นักพัฒนาสามารถเร่งความเร็วให้เอเจนต์ AI ในการผลิตดในขนาดที่เหมาะสม มีความเสถียร และความปลอดภัย ซึ่งมีความสำคัญต่อการปรับใช้ในโลกแห่งความเป็นจริง AgentCore มีเครื่องมือและความสามารถในการทำให้เอเจนต์มีประสิทธิภาพและมีความสามารถมากขึ้น โครงสร้างพื้นฐานที่สร้างขึ้นโดยเฉพาะเพื่อปรับขนาดเอเจนต์อย่างปลอดภัย และควบคุมเพื่อใช้งานเอเจนต์อย่างน่าเชื่อถือ

Strands Agents เป็น Python SDK โอเพนซอร์สที่นำเสนอโดย Amazon สำหรับเอเจนต์ที่สร้างโดยใช้โค้ดเพียงไม่กี่บรรทัด ใช้งานง่ายและลดความจำเป็นในการควบคุมระบบเอเจนต์ที่ซับซ้อนโดยยอมรับความสามารถของโมเดลที่ล้ำสมัยในการวางแผน ห่วงโซ่ความคิด เรียกใช้เครื่องมือ และไตร่ตรอง

AWS ยังนำเสนอเอเจนต์ที่พร้อมใช้งานพร้อมกับโอกาสในการปรับแต่งเพิ่มเติมเพื่อตอบสนองความต้องการเฉพาะทางธุรกิจและกรณีการใช้งาน AWS Transform เป็นบริการ Agentic AI รายแรกสำหรับการแปลงเวิร์กโหลด .NET, เมนเฟรม และ VMware สร้างขึ้นจากประสบการณ์การย้ายข้อมูลกว่า 19 ปี บริการนี้ใช้ AI Agent เฉพาะทางเพื่อทำให้งานที่ซับซ้อน เช่น การประเมิน, การวิเคราะห์โค้ด, Refactor, การแยกส่วนข้อมูล, การแมปการพึ่งพา, การตรวจสอบ และการวางแผนการแปลงให้เป็นอัตโนมัติ Kiro เป็น AI IDE ที่ช่วยให้นักพัฒนาเปลี่ยนแนวคิดสู่การผลิตด้วยการพัฒนาที่ขับเคลื่อนโดยเฉพาะ เอเจนต์ของ Kiro ช่วยคุณแก้ปัญหาที่ท้าทายและทำงานโดยอัตโนมัติ เช่น ในการสร้างเอกสารและการทดสอบหน่วย Amazon Q Business ช่วยในการค้นหาข้อมูล รับข้อมูลเชิงลึก และดำเนินการในที่ทำงาน และ Amazon Q Developer ช่วยเร่งการพัฒนาซอฟต์แวร์และใช้ประโยชน์จากข้อมูลภายในของบริษัท และ AWS Marketplace นำเสนอแคตตาล็อกส่วนกลางของเอเจนต์ เครื่องมือ และโซลูชันที่สร้างไว้ล่วงหน้าจากพาร์ทเนอร์ AWS เพื่อติดตามความพยายามของ Agentic AI อย่างรวดเร็ว

เริ่มต้นใช้งาน Agentic AI บน AWS ด้วยการสร้างบัญชีฟรีวันนี้!