ถึงแม้ว่าผมจะ Adopt AI มาใช้ในชีวิตประจำวันตั้งแต่ ChatGPT ออกมาแรกๆแต่ Agentic AI คืออะไรนี่ไม่รู้เรื่องเลย พอดีสัปดาห์ก่อนเห็นพี่ Kasidis Satangmongkol เรียนเรื่อง Agentic AI เลยไปเรียนบ้างแล้วมาเขียนสรุปสั้นๆไว้ เผื่อใครสนใจครับ
Agentic AI vs Non Agentic AI
Non Agentic AI ก็เหมือนกับการที่เราสั่ง AI แล้วรอ Response กลับมาทีเดียวเหมือนกับเขียนบทความสักอันนึงจากบทลงล่างโดยที่ไม่มีการย้อนกลับไปแก้ไขอะไรเลย แต่ Agentic AI จะมีการประมวลผลย้อนขึ้นไปใหม่ตามที่เรากำหนดเพื่อให้ได้ผลลัพธ์ที่ดีแต่ก็ใช้เวลานานขึ้น
เขียน Outline → Research → 1st draft → อ่านรอบแรก → Revise draft → Publish แต่ละขั้นตอนจะมีการใช้ Tools, Reflection, Planning เหมือนกับใช้คนเขียนเลย
แล้วดีขึ้นแค่ไหน
Benchmark ของ HumanEval บอกว่า “Model ตัวเดิม” เมื่อรันผ่าน Agentic Workflow อาจดีขึ้นราวๆ 30-50% แถมยังทำงานได้เร็วขึ้นผ่าน parallelization (ทำขนานกันหลายๆตัวช่วยกันทำ) และพัฒนา ง่ายขึ้นด้วย (Modular ถอดประกอบแบบเลโก้)
แต่ว่าไม่ใช่ว่าเอา AI มาต่อๆกันเป็น Agentic แล้วมันจะเก่งขึ้นทันทีเลยนะ
เรายังจำเป็นต้องทำ Reflection เพื่อพัฒนาให้มันผิดน้อยลงทำงานได้ตรงใจมากขึ้น คล้ายๆทำงานกับคนเลยไหมครับ 😂
โดยจะมีสองวิธีหลักๆที่ใช้กันคือ
- กำหนด Ground truth/Label แล้วตรวจสอบ เช่นทำ Agentic เขียนบทความไม่เกิน 500 ตัวอักษร ก็เขียนโค้ดเข้าไปนับว่าเกิน 500 ไหมถ้าเกินแปลว่า Workflow เรายังทำงานได้ไม่ดีพอ
- ใช้ LLM ช่วยตัดสินไปเลย แต่ว่าวิธีนี้ bias มันเยอะแล้วแต่ model ที่เราเลยใช้ ก็เหมือนคนอีกนั่นแหล่ะ555 ดังนั้นเราจึงต้องกำหนดไปเลยว่าแบบไหนดีไม่ดี มี Rubric(เกณฑ์การให้คะแนน) ชัดๆไปเลย แล้วเอาคะแนนมาวัดกัน
สุดท้ายนี้ประโยชน์ของการทำ Agentic AI ก็คือ “รีดศักยภาพจากโมเดลเดิม” ให้เก่งขึ้นโดยที่เราไม่ต้องเทรนหรืออัพเกรดไปใช้ตัวที่แพงกว่า แต่ Key คือการวัดผลและปรับปรุงอย่างสม่ำเสมอ คล้ายๆกับการทำงานกับคนปกตินี่ล่ะ
