เมื่อวันที่ 12 พฤศจิกายน 2568 ที่ผ่านมา ทีม Seven Peaks ได้มีโอกาสร่วมมือกับการไฟฟ้าฝ่ายผลิตแห่งประเทศไทย (กฟผ. หรือ EGAT) จัดเวิร์กช็อปสุดเข้มข้นในหัวข้อ "Introduction to Conversational AI & Copilot Studio" นำทีมโดยเหล่าผู้นำด้านวิศวกรรมของเรา ทั้งคุณ Jose Barbosa (Head of Engineering), คุณ Giorgio Desideri (Principal Solutions Architect) พร้อมด้วยวิศวกร AI อย่างคุณธนพล และคุณณัฐพงษ์ ซึ่งในวันนั้นเราไม่ได้แค่คุยกันเรื่องทฤษฎีของ Generative AI เท่านั้น แต่เราพาทุกคนลงลึกไปถึงโครงสร้างการสร้าง Agent ที่ใช้งานได้จริง
เป้าหมายหลักของเราคือการก้าวข้ามกระแสของ Generative AI แล้วหันมาโฟกัสที่วิธีลงมือทำ โดยในการพูดคุยกันครั้งนี้เราต้องการตัดคำศัพท์การตลาดสวยหรูออกไป แล้วแสดงให้เห็นว่าองค์กรต่างๆ จะสามารถออกแบบ สร้าง และกำกับดูแล AI Agent ที่ช่วยแก้ปัญหาธุรกิจจริงๆ ได้อย่างไร
และนี่คือสรุปประเด็นสำคัญจากเวิร์กช็อปในวันนั้น ซึ่งจะเป็นไกด์ให้คุณเปลี่ยนจากแชตบอตธรรมดาๆ ให้กลายเป็น Copilot อัจฉริยะที่ทำงานร่วมกับคุณได้อย่างยอดเยี่ยม เราจะมาเจาะลึกทั้งหลักการออกแบบ โครงสร้างพื้นฐาน และกลยุทธ์การกำกับดูแล เพื่อเปลี่ยน Generative AI จากแค่ของใหม่น่าลองให้กลายเป็นสินทรัพย์หลักของธุรกิจ
ก่อนจะเริ่มเขียนตรรกะสักบรรทัด เราต้องเข้าใจก่อนว่า เครื่องมือเมื่อสิบปีก่อนกับระบบนิเวศที่มีในปัจจุบันนั้นต่างกันอย่างสิ้นเชิง โดยเฉพาะโครงสร้างสถาปัตยกรรมระหว่างแชตบอตทั่วไปกับ Copilot
ในอดีต แชตบอตจะค่อนข้างตายตัว โดยมันจะทำงานตามเส้นทางการสนทนาที่ถูกกำหนดไว้ล่วงหน้า และใช้ระบบความเข้าใจภาษาธรรมชาติ (NLU) แบบง่ายๆ ถ้าผู้ใช้พูดนอกเหนือจากบทที่วางไว้ หรือใช้คำที่บอตไม่ได้ถูกฝึกมา การโต้ตอบนั้นก็จะล้มเหลวทันที แถมส่วนใหญ่ยังทำงานแบบแยกส่วน (Silo) เป็นแค่ช่องทางรับส่งข้อความที่ไม่เชื่อมต่อกับระบบงานอื่นๆ เลย
แต่สำหรับ Copilot มันคือวิวัฒนาการที่ต่างออกไป Copilot ไม่ใช่แค่เครื่องมือสร้างข้อความ แต่เป็นสมอง (Reasoning Engine) ที่ขับเคลื่อนด้วยโมเดลภาษาขนาดใหญ่ (LLMs) และ Generative AI ทำให้มันมีอินเทอร์เฟซที่เป็นธรรมชาติ รองรับหลายรูปแบบ (Multimodal) และสามารถเข้าใจบริบท ความตั้งใจ รวมถึงความสัมพันธ์ของข้อมูลที่ซับซ้อนได้
การเปลี่ยนแปลงนี้ขับเคลื่อนโดย Copilot Stack โดยมีเลเยอร์การจัดการ AI (AI Orchestration Layer) เป็นหัวใจหลัก ทำหน้าที่ควบคุมการไหลของข้อมูลระหว่าง User Interface (UI), ข้อมูลของคุณ (ผ่าน Microsoft Graph), และโมเดลพื้นฐาน โครงสร้างแบบนี้ช่วยให้เกิดสิ่งที่เรียกว่า RAG (Retrieval-Augmented Generation) หมายความว่าแทนที่ AI จะนั่งเทียนเขียนคำตอบเอง มันจะไปดึงข้อมูลที่เกี่ยวข้องจากแหล่งข้อมูลของคุณมาประมวลผล แล้วค่อยสร้างคำตอบที่ถูกต้องแม่นยำออกมา
สำหรับองค์กร นี่คือการก้าวข้ามแค่การถาม-ตอบทั่วไป อย่างเช่น Microsoft 365 Copilot ที่เราเห็นกัน มันคือระบบจัดการที่เชื่อมเข้ากับเครื่องมือที่ทีมใช้งานอยู่ทุกวัน ไม่ว่าจะเป็น Teams, Outlook, Excel หรือ PowerPoint โดยมันจะวิเคราะห์ข้อมูลจากทั้งกราฟ อีเมล การประชุม และไฟล์ต่างๆ เพื่อทำหน้าที่เป็นคู่หูที่ช่วยงานคุณในเชิงรุก
คำถามสำหรับองค์กรในวันนี้จึงไม่ใช่แค่มันทำอะไรได้บ้าง อีกต่อไป แต่ต้องถามว่าเราจะนำสิ่งนี้ไปรวมเข้ากับขั้นตอนการทำงานจริงได้อย่างไร และเราจะวางระบบกำกับดูแลเพื่อให้ข้อมูลปลอดภัยได้อย่างไร
จุดเริ่มต้นที่ง่ายที่สุด (Low-Code) สำหรับการสร้างประสบการณ์ Copilot คือการใช้ Templates ดังที่เราเห็นในโครงสร้างระบบนิเวศของ Copilot องค์กรต้องการจุดเชื่อมต่อที่ยืดหยุ่น ตั้งแต่แบบสำเร็จรูปพร้อมใช้ ไปจนถึงแบบที่ปรับแต่งโค้ดได้ลึกซึ้ง (Pro-Code) ซึ่ง Templates นี่แหละที่เป็นสะพานเชื่อม ช่วยให้ทีมสามารถติดตั้ง Agent ที่ทำงานได้จริงและขยายขีดความสามารถของ UI สำหรับ AI ได้ โดยไม่ต้องมาปวดหัวเรื่องการจัดการโครงสร้างพื้นฐานที่ซับซ้อน
การสร้างด้วย Templates ให้สำเร็จ มีองค์ประกอบหลักสองส่วนคือ ความรู้ (Knowledge) และเครื่องมือ (Tools)
ในส่วนการตั้งค่า Knowledge คือที่ที่คุณจะกำหนดสมองให้กับ Agent ของคุณ เนื่องจากมันไม่ได้เป็นแค่ที่เก็บข้อมูลเท่านั้น แต่มันยังเป็นเชื้อเพลิงที่ส่งให้ตัวจัดการ (Orchestrator) ทำงานด้วย
เมื่อคุณใส่ข้อมูลลงไป ไม่ว่าจะเป็นเว็บไซต์สาธารณะ, SharePoint, หรือไฟล์ภายในองค์กร คุณกำลังช่วยให้ระบบ Router (ตัวนำทางแบบเรียลไทม์) ของ GPT-5 สามารถคิดวิเคราะห์ได้ลึกซึ้งขึ้น ตัว Router นี้จะวิเคราะห์ความซับซ้อนของคำถามจากผู้ใช้ แล้วตัดสินใจเองว่าควรจะให้คำตอบแบบเร็วๆ หรือจะใช้โมเดลการคิดที่ลึกขึ้นเพื่อวางแผนหาคำตอบที่เหมาะสมที่สุด
การคัดกรองแหล่งข้อมูลที่ถูกต้อง (Source of Truth) จะช่วยให้ AI ยึดอยู่กับความจริงขององค์กรคุณ ลดปัญหาการมั่วข้อมูล (Hallucinations) และทำให้ทุกคำตอบสามารถตรวจสอบย้อนกลับไปยังแหล่งที่มาที่เชื่อถือได้
เครื่องมือคือสิ่งที่แยกแยะระหว่างแชทบอตที่ได้แค่คุย กับ Agent ที่ทำงานได้จริง ในโลกของ Microsoft นั้น Agent คือพนักงานที่สามารถทำงานร่วมกับคนอื่นได้ (Multiplayer Collaboration)
ลองนึกภาพว่า Tools คือระบบประสาทที่เชื่อมสมอง (AI) เข้ากับมือ (การปฏิบัติงาน) ด้วยการตั้งค่า Tools ซึ่งเชื่อมต่อกับ Connectors สำเร็จรูปกว่า 1,200 รายการ ตั้งแต่ Salesforce ไปจนถึง SAP คุณจะเปลี่ยนจาก Agent ที่แค่หาข้อมูล ให้กลายเป็นผู้ปฏิบัติงานที่สามารถสั่งงานข้ามระบบ สั่งเริ่มเวิร์กโฟลว์ หรืออัปเดตข้อมูลในระบบได้โดยตรงผ่านหน้าแชตเลย
นี่คือหัวใจของ Copilot Control System คือการเอา AI เข้าไปอยู่ในเวิร์กโฟลว์การทำงานจริง เพื่อให้มันไม่ได้แค่บอกว่าต้องทำอะไร แต่ช่วยทำงานนั้นให้สำเร็จ
เมื่อคุณเริ่มชำนาญและก้าวข้ามการใช้ Templates แล้ว ก็ถึงเวลาเข้าสู่หน้ากระดานออกแบบ (Authoring Canvas) ของ Copilot Studio จุดนี้คุณจะเปลี่ยนบทบาทจากคนตั้งค่ามาเป็นสถาปนิกผู้ออกแบบ
การสร้าง Agent เฉพาะทางตั้งแต่ต้น คุณต้องมองเส้นทางการสนทนาให้เป็นตรรกะไม่ใช่แค่บทพูดในสภาพแวดล้อมที่รองรับการเขียนโค้ด (Pro-Code) นี้ คุณสามารถออกแบบพฤติกรรมที่ซับซ้อนได้ผ่าน 3 ส่วนหลัก
Topics: คือเส้นทางเดินของบทสนทนาที่ผู้ใช้อาจจะเดินไป แต่ต่างจากบอตสมัยก่อนตรงที่คุณไม่ได้แค่เขียนคำตอบทิ้งไว้ แต่คุณออกแบบ Logic Flows ที่มีเงื่อนไข (Conditions) การแยกสาขา (Branching) และการวนลูป (Loops) ทำให้ Agent รับมือกับการสนทนาหลายขั้นตอนที่ปรับเปลี่ยนตามสิ่งที่ผู้ใช้ตอบได้
Entities and slot filling: เพื่อให้ Agent มีประโยชน์จริงๆ มันต้องสามารถดึงข้อมูลที่มีโครงสร้าง ออกมาจากบทสนทนาที่ไม่มีรูปแบบได้ Entities จะทำหน้าที่ระบุตัวแปรเฉพาะ เช่น วันที่, รหัสสั่งซื้อ, หรือชื่อสถานที่ ส่วนระบบจะใช้การทำ Slot Filling เพื่อถามหาข้อมูลที่ขาดไปอย่างชาญฉลาด แทนที่จะปฏิเสธคำขอที่คลุมเครือ Agent จะรู้เลยว่าขาดอะไรไป เช่น ฉันช่วยดูออเดอร์นั้นได้ แต่รบกวนขอรหัสสั่งซื้อด้วย แล้วจึงกระตุ้นให้ผู้ใช้เติมข้อมูลในช่องที่ว่างนั้น
Generative Answers: ส่วนนี้คือตาข่ายนิรภัยของคุณ มันช่วยให้ Agent รับมือกับคำถามที่ไม่ได้คาดคิดได้ โดยจะกลับไปค้นหาจากแหล่งความรู้ที่เชื่อมต่อไว้โดยอัตโนมัติ ช่วยป้องกันไม่ให้การสนทนาสะดุดเมื่อผู้ใช้ถามนอกเหนือจากหัวข้อที่เตรียมไว้ และเปลี่ยนคำว่าฉันไม่รู้ ให้เป็นคำตอบที่มีข้อมูลอ้างอิงและสร้างขึ้นแบบเรียลไทม์แทน
ตรงนี้แหละที่ความเป็นไปได้จะชัดเจนขึ้น เมื่อเราเอาการลงมือทำ (Generative Actions) มารวมกับความรู้ (Generative Answers) องค์กรจะสามารถสร้าง Agent ที่แก้ปัญหาเฉพาะเจาะจงที่มีมูลค่าสูงได้ ตั้งแต่การทำตั๋ว Helpdesk อัตโนมัติ ไปจนถึงการดึงข้อมูลการดำเนินงานที่ซับซ้อนจากระบบเก่า
การสร้าง Agent ที่ทำงานได้ดีในงานเวิร์กช็อปกับการนำไปใช้จริงในสภาพแวดล้อมองค์กรที่ต้องมีความปลอดภัยสูงนั้นต่างกัน เพื่อเติมเต็มช่องว่างนี้ เราจึงใช้ Copilot Control System เป็นเฟรมเวิร์กเพื่อให้มั่นใจว่า Agent ของคุณปลอดภัย ถูกกำกับดูแล และสร้างคุณค่าได้จริง โดยมีโรดแม็ป 3 ขั้นตอนดังนี้
อย่าสร้างเพียงเพราะว่ามันทำได้ แต่ให้สร้างแชตบอตที่สร้างมูลค่าทางธุรกิจจริงๆ เช่น บอตสำหรับสอบถามข้อมูลเอกสาร (ใช้เวลาสร้างประมาณ 4–6 ชั่วโมง) หรือผู้ช่วยสรรหาบุคคลากรฝ่าย HR (6–8 ชั่วโมง) งานเหล่านี้แก้ปัญหาที่น่าปวดหัวได้ตรงจุดและเป็นงานที่ทำสำเร็จได้ง่าย (Easy-Medium Wins) ซึ่งจะช่วยสร้างความมั่นใจก่อนจะไปทำโปรเจกต์ที่ซับซ้อนขึ้น อย่างเช่น ผู้ช่วยผู้จัดการโครงการ (12–16 ชั่วโมง)
ความปลอดภัยไม่ใช่เรื่องที่จะมาคิดทีหลังได้ เมื่อคุณเริ่มติดตั้ง Agent คุณต้องจัดการ 3 เลเยอร์สำคัญของ Copilot Control System
สุดท้ายคือต้องนิยามความสำเร็จก่อนเริ่มเขียนโค้ด คิดดูว่าคุณจะประหยัดเวลาในการหาข้อมูลไปได้เท่าไหร่ ลดจำนวนการเปิด Ticket แจ้งปัญหาได้ไหม หรือช่วยให้คนทำตามระเบียบขั้นตอนได้ดีขึ้นหรือเปล่า องค์กรที่ประสบความสำเร็จที่สุดจะวัดผลทางธุรกิจอย่างต่อเนื่อง เพื่อให้มั่นใจว่า Agent ทุกตัวที่ปล่อยออกมาช่วยสร้างผลกำไรให้กับบริษัทจริงๆ
การขยายผลจากโปรเจกต์ทดลองไปสู่ระบบนิเวศ AI ระดับใช้งานจริง (Production-Grade) ต้องมีมากกว่าแค่การซื้อไลเซนส์ แต่มันต้องการพาร์ตเนอร์ที่เข้าใจทั้งโครงสร้างสถาปัตยกรรมองค์กร ความปลอดภัยของข้อมูล และการส่งมอบโปรดักต์ที่มีคุณภาพ
ที่ Seven Peaks Software เราช่วยองค์กรจัดการกับความท้าทายนี้ ตั้งแต่การเฟ้นหากรณีธุรกิจที่ใช่ ไปจนถึงการสร้างโซลูชัน AI ที่ปลอดภัยและขยายขนาดได้ เพื่อเปลี่ยนคำสัญญาของ AI ให้กลายเป็นมูลค่าทางธุรกิจที่วัดผลได้จริง
อยากศึกษาเพิ่มเติมไหม? สามารถเข้าถึงสไลด์ประกอบการบรรยาย กรณีศึกษา และเครื่องมือต่างๆ ที่ใช้ในงานได้ที่นี่
ต้องการคนช่วยดูแลไหม? ทีมของเราพร้อมช่วยทั้งสตาร์ตอัปและองค์กรใหญ่ในการสร้างผลิตภัณฑ์ที่เป็น AI-Native ตั้งแต่ขั้นตอนแนวคิดไปจนถึงการติดตั้งใช้งานจริง มาลองคุยกันว่าระบบอัจฉริยะเหล่านี้จะสร้างมูลค่าที่แท้จริงให้กับธุรกิจของคุณได้อย่างไร