 |
ชิคาโก, 5 พฤศจิกายน 2569 /PRNewswire/ — Thoughtworks บริษัทที่ปรึกษาด้านเทคโนโลยีระดับโลก ซึ่งผสานการออกแบบวิศวกรรม และ AI เพื่อขับเคลือนนวัตกรรมดิจิทัล ได้เผยแพร่รายงาน Technology Radar รายงานประจำทุก 6 เดือน ฉบับที่ 35 ล่าสุดที่จัดทำขึ้นจากการทำงานร่วมกับลูกค้า รวมทั้งประสบการณ์ในการแก้ไข้ปัญหาที่ท้าทายที่สุดของลูกค้า
ในการจัดทำ Technology Radar ฉบับล่าสุดนี้ ทีมผู้จัดทำพบว่า เมื่อ AI agents ต้องรับผิดชอบภารกิจที่มีขอบเขตกว้างขึ้นและใช้ระยะเวลาดำเนินการยาวนานขึ้น ความท้าทายทางวิศวกรรมที่ซับซ้อนที่สุดไม่ได้จำกัดอยู่เพียงการปฏิสัมพันธ์กับตัวโมเดลอีกต่อไป แต่ขยายไปสู่ระบบแวดล้อมทั้งหมด ไม่ว่าจะเป็นการรักษาความปลอดภัยในสภาพแวดล้อมการทำงานของ agent การจำกัดสิทธิ์การเข้าถึงข้อมูล การกำหนดกลไกการกำกับดูแลโดยมนุษย์อย่างเป็นรูปธรรม และการควบคุมค่าใช้จ่ายในการดำเนินงาน
ประเด็นนี้สะท้อนให้เห็นอย่างชัดเจนในรายงานฉบับล่าสุด ที่ Thoughtworks จัดให้ 11 เทคโนโลยีและแนวปฏิบัติขึ้นสู่วง ‘Adopt’ ซึ่งครอบคลุมเทคนิคสำคัญอย่าง agent sandboxing และ threat modeling เพื่อย้ำเตือนว่า มาตรการรักษาความปลอดภัยคือหัวใจสำคัญในการนำ AI ไปใช้งานจริงอย่างมีเสถียรภาพ และเป็นสิ่งที่องค์กรต้องเริ่มลงมือทำทันที
รายงาน Technology Radar ฉบับก่อน ๆ ได้ติดตามพัฒนาการด้านขีดความสามารถของ AI ในงานวิศวกรรมซอฟต์แวร์ โดยในฉบับที่ 34 ได้เจาะลึกถึงอุปสรรคและความเสี่ยงจากการนํา AI ไปใช้ในวงกว้าง ส่วนฉบับที่ 35 มุ่งเน้นไปที่การรับมือและบริหารจัดการความเสี่ยงดังกล่าวเมื่อองค์กรเริ่มนำ AI มาใช้อย่างแพร่หลายมากขึ้น โดยมีประเด็นสำคัญครอบคลุมทั้งระบบควบคุมพฤติกรรมของ agent บทบาทของการตัดสินใจโดยมนุษย์ ตลอดจนโครงสร้างพื้นฐานที่เป็นตัวกำหนดทั้งต้นทุนและความเสถียรของระบบ
"ไม่นานมานี้ คําถามที่เราได้ยินจากลูกค้าคือเอเจนต์จะเขียนโค้ดได้รวดเร็วเเค่ไหน แต่ตอนนี้คําถามกลับกลายเป็นว่า เราจะเชื่อใจ ตรวจสอบ และแบกรับต้นทุนสิ่งที่พวกมันสร้างขึ้นมาได้จริงหรือไม่ " Rachel Laycock ประธานเจ้าหน้าที ฝ่ายเทคโนโลยีของ Thoughtworks กล่าว "โ ตัวโมเดลจะพัฒนาเก่งขึ้นเรื่อยๆ แต่องค์กรที่จะคว้าคุณค่าที่แท้จริงและยั่งยืนไปได้ คือองค์กรที่เลือกลงทุนกับงานด้านวิศวกรรมระบบและกลไกการกำกับดูแลที่อยู่รอบตัวโมเดลเหล่านั้น"
ประเด็นหลักในฉบับนี้ เจาะลึกถึงสิ่งจำเป็นในการสร้างและบริหารจัดการระบบรอบตัวโมเดล ได้แก่
- การออกแบบระบบ harness สําหรับควบคุมและสนับสนุนการทํางานของAI agent ให้รองรับการใช้งานในวงกว้าง: สภาพแวดล้อมที่อยู่รายล้อมAI agent ทั้งพรอมต์คําสั่ง เครื่องมือ หน่วยความจํา กลไกป้องกัน และ feedback loop กําลัง ก้าวสู่การเป็นผลิตภัณฑ์อย่างเต็มตัว ที่มีทั้งผู้รับผิดชอบชัดเจน มีการออกเวอร์ชัน และมีการพึ่งพาซึ่งกันและกัน ยิ่งระบบนิเวศของปลั๊กอินและเครื่องมือสนับสนุนขยายตัวขึ้น องค์กรยิ่งต้องมองโครงสร้างระบบรองรับ harness นี้เป็นระบบวิศวกรรมระบบหนึ่ง โดยต้องมีทั้งการประเมินผลอย่างเหมาะสม ความปลอดภัย การจำกัดสิทธิ์เข้าถึง และการดูแลรักษาอย่างต่อเนื่อง
- ใช้งาน agent มากขึ้น แต่ต้องไม่ละเลยบทบาทของคน: ปัจจุบันนักพัฒนาหันมาเปิดใช้ agent หลายตัวพร้อมกัน และปล่อยให้ทำงานโปรเจกต์ยาวๆ ข้ามคืนโดยไม่ต้องมีคนเฝ้า แต่เมื่อ agent ผลิตงานออกมาได้เร็วและเยอะขึ้น ปัญหาคอขวดกลับไปตกอยู่ที่ขั้นตอนการรีวิวโค้ดของคนและไปป์ไลน์การส่งมอบงาน
- รายงาน Radar ฉบับนี้จึงเตือนไม่ให้ตกหลุมพราง Human in the loop theater หรือภาพลวงตาของการมีคนคุม ที่สุดท้ายการกดอนุมัติกลายเป็นแค่การทำตามขั้นตอนโดยไม่ได้ตรวจทานจริง พร้อมแนะนำให้ทีมประเมินกำลังคนในการตรวจสอบงานให้พร้อม ก่อนที่จะขยายขนาดการใช้งาน agent
- ก้าวข้ามการพึ่งพา frontier models: โมเดลเชิงพาณิชย์แถวหน้า ไม่ใช่คำตอบตายตัวสำหรับทุกงานอีกต่อไป เพราะปัจจุบันโมเดลแบบ open-weight ได้พัฒนาไล่ตามมาติด ๆ ในงานหลาย ๆ ด้าน ทั้งยังให้ความยืดหยุ่นในการนำไปติดตั้งใช้งานมากกว่า โดยเฉพาะการรันบนโครงสร้างพื้นฐานขององค์กรเอง
รายงาน Technology Radar ฉบับนี้ จึงเตือนไม่ให้ด่วนยึด frontier model เป็นคำตอบตายตัวสำหรับทุกโจทย์ แต่แนะให้แต่ละทีมประเมินและเลือกใช้โมเดลตามความเหมาะสมจริง ทั้งในแง่ลักษณะงาน ต้นทุน ความเป็นส่วนตัวของข้อมูล ไปจนถึงความพร้อมในการดูแลระบบ
- เศรษฐศาสตร์ของการใช้งาน AI ในวงกว้าง: ต้นทุนของ AI ไม่ได้จํากัดอยู่ตัวโมเดลเท่านั้น แต่ยังขึ้นอยู่กับปัจจัยรอบด้าน ทั้งเรื่อง routing การประมวลผลแบบ batch พื้นที่จัดเก็บข้อมูล ระบบเครือข่าย ไปจนถึงการจัดคิวประมวลผล ซึ่งล้วนกำหนดความคุ้มทุนในการรัน AI บน production ทั้งสิ้น นวัตกรรมสำคัญที่จะช่วยให้การลงทุนใน AI ยั่งยืนได้จริงในเชิงต้นทุน จึงต้องลงลึกไปถึงโครงสร้างระบบชั้นล่าง ที่สามารถจัดการทั้งโมเดล GPU storage และเครือข่ายให้ทำงานร่วมกันได้อย่างคล่องตัว ผ่านแพลตฟอร์มกลางเพียงจุดเดียว
ข้อค้นพบเหล่านี้สะท้อนถึงการเปลี่ยนแปลงครั้งใหญ่ของการนำ AI มาใช้ ใน ภาคธุรกิจ การจะดึงศักยภาพของ AI ออกมาใช้ได้อย่างแท้จริงไม่ได้ขึ้นอยู่กับการเข้าถึงโมเดลที่เก่งกาจเท่านั้น แต่องค์กรต้องเร่งวางแนวปฏิบัติด้านวิศวกรรม โครงสร้างพื้นฐาน ตลอดจนกลไกการกำกับดูแลโดยมนุษย์ เพื่อให้สามารถใช้งาน Agent ได้อย่างมีความรับผิดชอบในวงกว้าง
ผู้สนใจสามารถอ่านรายงานฉบับอินเทอร์แอ็กทีฟ หรือดาวน์โหลดเอกสารฉบับเต็มในรูปแบบ PDF ได้ที่ www.thoughtworks.com/radar
ข้อมูลและช่องทางติดตามเพิ่มเติม :
- อ่านบทวิเคราะห์เจาะลึกเทรนด์ภาพใหญ่ของอุตสาหกรรมเทคโนโลยีจากรายงานฉบับนี้
- รับฟังการพูดคุยเกี่ยวกับประเด็นสําคัญในรายงานฉบับนี
- ติดตามข่าวสารของ Thoughtworks ได้ที่เว็บไซต์ของบริษัท
- ติดตาม Thoughtworks ได้ทางX, LinkedIn และ YouTube
ติดต่อ:
Marsh Abraham หัวหน้าฝ่ายประชาสัมพันธ์ ประจําภูมิภาคอเมริกา marsh.abraham@thoughtworks.com
