ความเข้าใจผิดที่พบบ่อยคือ AI Agent ที่ดีต้องทำงานแทนคนตั้งแต่ต้นจนจบโดยไม่รออนุมัติ แต่ความเป็นอัตโนมัติสูงสุดไม่ได้เท่ากับคุณค่าทางธุรกิจสูงสุดเสมอไป หาก Agent ส่งข้อเสนอผิด อนุมัติส่วนลดเกินกรอบ หรือแก้ไขข้อมูลสำคัญโดยไม่มีจุดตรวจสอบ ความเร็วอาจแลกมาด้วยความเสี่ยง
แนวทาง Human-in-the-Loop หรือ HITL จึงให้คนเข้ามาตรวจสอบ อนุมัติ หรือจัดการข้อยกเว้นเฉพาะบางช่วง เป้าหมายไม่ใช่การเลือกระหว่างคนกับ AI แต่คือการกำหนดว่าแต่ละฝ่ายควรตัดสินใจตรงไหน
AI Agent ไม่ควรมีอำนาจเท่ากันทุกงาน
AI Agent สามารถรับเป้าหมาย วิเคราะห์ข้อมูล เลือกขั้นตอน และดำเนินการผ่านระบบธุรกิจ ต่างจาก Chatbot ที่มักเน้นตอบคำถาม เพราะ Agent อาจสร้างใบงาน อัปเดตสถานะ ติดต่อผู้เกี่ยวข้อง หรือเรียกใช้ระบบอื่นต่อได้
หัวใจสำคัญคือขอบเขตอำนาจ เช่น Agent ฝ่ายบริการลูกค้าอาจสรุปปัญหาและร่างคำตอบได้ แต่การคืนเงินนอกเงื่อนไขควรให้เจ้าหน้าที่อนุมัติ ส่วน Agent ฝ่ายจัดซื้ออาจเปรียบเทียบใบเสนอราคา แต่ไม่ควรออกคำสั่งซื้อเกินวงเงินเอง
องค์กรสามารถแบ่งงานเป็นสามระดับ:
- ดำเนินการได้ทันที: งานความเสี่ยงต่ำ กติกาชัด และย้อนกลับได้ เช่น จัดหมวดหมู่อีเมลหรือสร้างสรุป
- เสนอเพื่ออนุมัติ: งานที่กระทบลูกค้า งบประมาณ หรือข้อมูลสำคัญ เช่น ส่วนลด การคืนเงิน และสถานะสัญญา
- ส่งต่อให้คนตัดสินใจ: งานคลุมเครือ เป็นข้อยกเว้น หรืออาจกระทบชื่อเสียงและข้อผูกพันขององค์กร
ประเมินความเสี่ยงและการย้อนกลับ
งานที่ดูง่ายอาจมีผลกระทบสูง เช่น การส่งข้อความถึงลูกค้ารายสำคัญ ขณะที่การวิเคราะห์ซับซ้อนอาจเสี่ยงต่ำ หากเป็นเพียงข้อมูลประกอบการตัดสินใจ จึงไม่ควรใช้ความยากของงานเป็นเกณฑ์เพียงอย่างเดียว
คำถามสำหรับกำหนดอำนาจของ Agent
- ความผิดพลาดกระทบเฉพาะภายใน หรือถึงลูกค้าและคู่ค้า?
- การดำเนินการย้อนกลับ แก้ไข หรือยกเลิกได้ง่ายเพียงใด?
- มีวงเงิน เงื่อนไข หรือนโยบายที่ตรวจสอบด้วยกฎชัดเจนหรือไม่?
- ข้อมูลที่ Agent ใช้ครบถ้วนและเป็นปัจจุบันเพียงใด?
- ใครรับผิดชอบขั้นสุดท้ายเมื่อเกิดข้อยกเว้น?
หากผลกระทบสูงและย้อนกลับยาก ควรอนุมัติก่อนดำเนินการ แต่หากความเสี่ยงต่ำและตรวจสอบย้อนหลังได้ Agent อาจทำงานทันทีโดยบันทึกเหตุผลและกิจกรรมไว้
ออกแบบ Approval Workflow จากเหตุการณ์จริง
ควรเริ่มจากหนึ่งกระบวนการที่มีงานซ้ำ ปริมาณมาก และผู้รับผิดชอบชัดเจน แล้ววิเคราะห์เส้นทางการตัดสินใจเดิม แทนการเริ่มจากรายชื่อเทคโนโลยี
- ระบุ Trigger: เหตุการณ์ที่ทำให้ Agent เริ่มงาน เช่น มีคำร้องหรือเอกสารใหม่
- กำหนดขอบเขต: ระบุข้อมูลและเครื่องมือที่ใช้ได้ รวมถึงสิ่งที่ห้ามทำ
- สร้าง Approval Gate: ให้หยุดรอคนเมื่อเกินวงเงิน ข้อมูลขัดแย้ง หรือความมั่นใจไม่เพียงพอ
- บันทึกและทบทวน: เก็บคำขอ เหตุผล การอนุมัติ ผลลัพธ์ และข้อผิดพลาดเพื่อปรับกติกา
ผู้อนุมัติควรเห็นสิ่งที่ Agent ต้องการทำ เหตุผล แหล่งข้อมูล ผลกระทบที่คาดหมาย และสามารถแก้ไขได้ ไม่ใช่ได้รับเพียงปุ่มอนุมัติ
Business Value มาจากการลดงานตรวจทุกเรื่อง
HITL ที่ดีไม่ได้เพิ่มขั้นตอน แต่ลดการตรวจแบบเหมารวม พนักงานจึงใช้เวลากับข้อยกเว้นที่ต้องอาศัยประสบการณ์ ฝ่ายขายอาจให้ Agent เตรียมข้อมูลและร่างข้อเสนอ แต่ให้ผู้จัดการอนุมัติเงื่อนไขพิเศษ ฝ่าย Operations อาจเปิดใบงานอัตโนมัติและส่งเฉพาะเหตุการณ์ที่กระทบ SLA ให้หัวหน้าทีม ส่วน HR ใช้ Agent ตรวจความครบถ้วนของเอกสารได้ แต่ไม่ควรให้ตัดสินใจเรื่องบุคลากรเอง
ตัวชี้วัดสำคัญ ได้แก่ เวลารออนุมัติ จำนวนเคสที่ส่งต่อ อัตราการแก้ไขภายหลัง และข้อยกเว้นที่เกิดซ้ำ เพื่อพิจารณาว่าควรเพิ่มหรือลดอำนาจของ Agent ตรงไหน
Checklist ก่อนเปิดใช้จริง
- มีเจ้าของกระบวนการและผู้รับผิดชอบข้อยกเว้น
- กำหนดสิทธิ์เข้าถึงข้อมูลและระบบตามหน้าที่
- มีวงเงิน เงื่อนไขหยุด และกรณีที่ต้องอนุมัติ
- ผู้อนุมัติเห็นเหตุผลและข้อมูลประกอบ
- หยุด ย้อนกลับ และตรวจสอบกิจกรรมของ Agent ได้
- เริ่มทดลองในขอบเขตจำกัดก่อนขยายผล
แพลตฟอร์ม AI Agent และ Agent Workflow เช่นแนวทางของ MXAI สามารถเชื่อมข้อมูล ระบบองค์กร และขั้นตอนอนุมัติไว้ด้วยกันได้ แต่สิ่งสำคัญกว่าการเลือกเครื่องมือคือข้อตกลงเรื่องอำนาจ ความรับผิดชอบ และเกณฑ์ความเสี่ยงระหว่างฝ่ายธุรกิจกับทีมเทคโนโลยี
คำถามที่พบบ่อย
HITL ทำให้ AI Agent ช้าลงหรือไม่?
อาจเพิ่มเวลาสำหรับเคสที่ต้องอนุมัติ แต่ช่วยให้เคสความเสี่ยงต่ำผ่านอัตโนมัติ หากออกแบบตามความเสี่ยง เวลารวมอาจลดลงโดยยังควบคุมได้
ควรให้ AI Agent อนุมัติธุรกรรมทางการเงินหรือไม่?
ขึ้นอยู่กับวงเงิน ประเภทธุรกรรม การย้อนกลับ และนโยบายองค์กร งานตามกฎที่วงเงินจำกัดอาจทำอัตโนมัติได้ แต่ธุรกรรมมูลค่าสูงหรือผิดรูปแบบควรมีผู้อนุมัติ
ควรเริ่มทดลองกับแผนกใด?
เริ่มจากงานซ้ำ กติกาชัด มีปริมาณเพียงพอและเจ้าของงาน เช่น การคัดแยกคำร้อง เตรียมข้อมูลขาย หรือสร้างใบงานภายใน
Next Step สำหรับผู้บริหาร
เลือกหนึ่ง Workflow ที่ทีมตรวจซ้ำทุกวัน แล้วแบ่งเป็นงานที่ Agent ทำได้ทันที งานที่ต้องอนุมัติ และงานที่ต้องส่งให้คนตัดสินใจ จากนั้นทดลองในขอบเขตเล็ก เก็บข้อยกเว้น และปรับอำนาจจากข้อมูลจริง วิธีนี้ช่วยให้องค์กรเปลี่ยนจากการทดลอง AI ไปสู่ระบบงานที่เร็วขึ้น โดยยังควบคุมจุดสำคัญได้