Level 5: Agentic Workflow — HTAX Financial Playbook

บทที่ 1 / 5

จาก Chatbot สู่ Agentic AI

หมดยุคของการต้องป้อนคำสั่งทีละขั้นตอน (Step-by-step Prompting) ปัจจุบัน AI ก้าวสู่ยุค Agentic Workflow ที่สามารถวางแผนและจัดการงานที่ซับซ้อนได้เอง

ยุค Chatbot (Level 4)

ทำงานแบบ 1 Prompt ต่อ 1 งาน
• คุณส่งไฟล์ Excel ให้ AI
• คุณพิมพ์คำสั่ง "ช่วยสรุปยอดขาย"
• AI พิมพ์คำตอบกลับมา
*คนต้องคอยป้อนคำสั่งเรื่อยๆ

ยุค Agentic AI (Level 5)

ทำงานแบบ Autonomous
• คุณสั่ง "ทำสรุปยอดขายส่งให้ผู้จัดการทุกวันศุกร์"
• Agent จะดึงข้อมูลจากโฟลเดอร์ สรุปผล ร่างอีเมล และส่งให้คุณตรวจก่อนกด Send
*คนมีหน้าที่ตรวจและอนุมัติ (Human-in-the-loop)

ก้าวข้ามทฤษฎี: การหาและสร้าง "Skills" ไว้ใช้งานจริง

หลายคนทราบดีว่า Skills คือสิ่งที่ทำให้ Agent ลงมือทำแทนเราได้ แต่ในทางปฏิบัติของการทำงานจริง เราจะหาหรือสร้าง Skills เหล่านี้ได้อย่างไร?

1. การหา Skills สำเร็จรูป (Sourcing Skills)
ปัจจุบันมี Ecosystem ที่เปิดให้โหลด Skills มาใช้ได้ทันที เช่น MCP Servers (Model Context Protocol) แบบ Open-source คุณสามารถดึง Skill สำหรับเชื่อมต่อ Google Drive, PostgreSQL, หรือ Slack มาใช้กับ Claude Desktop ได้เลย หรือบนฝั่ง ChatGPT ก็สามารถหา Actions ที่มีผู้พัฒนา API ไว้ให้แล้ว มาใช้เชื่อมกับระบบบัญชีคลาวด์ยอดนิยมในไทย (เช่น PEAK, FlowAccount) ได้ทันที

2. การสร้าง Custom Skills ใช้เองในองค์กร (Building Skills)
หากเครื่องมือที่มีไม่ตอบโจทย์ คุณสามารถสร้างขึ้นเองได้ การสร้าง Skill โดยพื้นฐานประกอบด้วย 2 ส่วน:

Instructions (คำสั่งอธิบาย): การเขียนไฟล์เช่น SKILL.md หรือ System Prompt เพื่อบอก Agent ว่าทักษะนี้คืออะไร ใช้ตอนไหน และมีข้อควรระวังอะไรบ้าง
Execution (ส่วนรันคำสั่ง): การแนบ Script (เช่น Python/Node.js) หรือการประกาศ OpenAPI Schema เพื่อให้ Agent รู้ว่าต้องโยน Parameter อะไรเข้าไป เพื่อให้ระบบภายนอกทำงาน

3. การนำมาประกอบร่างกับงานจริง (Workflow Integration)
เมื่อมี Skills เช่น "รันคำสั่ง SQL" และ "สร้างกราฟ" เราก็นำมากำหนด Workflow ได้ เช่น สั่ง Agent ไว้ว่า "ทุกวันที่ 5 ของเดือน ให้ดึงข้อมูลยอดขายจาก Database นำมาทำ Data Cleansing สร้างกราฟกำไรขาดทุน และจัดหน้าเป็น PDF สรุปส่งให้ทีมบริหารทางอีเมล"

💡 Pro Tip: ในการอิมพลีเมนต์จริง ไม่จำเป็นต้องให้ทุกคนเขียนโค้ดเป็น ทีม IT สามารถเป็นผู้ "สร้าง" Skill แขวนไว้บนเซิร์ฟเวอร์กลาง จากนั้นพนักงานบัญชีหรือฝ่ายการตลาด ก็จะเป็นผู้ "เรียกใช้" Skill เหล่านั้นผ่าน Agent ด้วยภาษาพูดแบบคนปกติได้เลย

Vibe Working คืออะไร? การทำงานที่ผู้ใช้กำหนดเป้าหมายกว้างๆ เชิงผลลัพธ์ (Outcome-oriented) เช่น "จัดระเบียบโฟลเดอร์นี้ให้ที" โดยปล่อยให้ AI หรือ Agent เป็นคนคิดกระบวนการย่อยๆ เอง

บทที่ 2 / 5

เจาะลึก ChatGPT Work (อัปเดตล่าสุด)

OpenAI ได้เปิดตัว Workspace Agents ในกลุ่ม ChatGPT Business และ Enterprise ซึ่งยกระดับจากบอทส่วนตัวเป็นทีมเอเจนต์ในองค์กร

Execution-based Workflow: เปลี่ยนจากการแค่พิมพ์คุย เป็นการให้บอทลงมือทำ เช่น แก้ไขไฟล์ Word หรือ Spreadsheet โดยตรง
Unsupervised Trigger: สามารถตั้งตารางเวลาทำงาน (Scheduled tasks) หรือตั้งให้ทำงานเมื่อมีคนส่งข้อความเข้า Slack
Governance Controls: มีระบบตั้งจุดอนุมัติ (Approval Gate) แอดมินสามารถดู Log ได้ว่า Agent ทำอะไรไปบ้าง และใช้โควต้าไปเท่าไหร่

เหมาะกับใคร? องค์กรที่ใช้ระบบ Microsoft 365 หรือ Google Workspace อยู่แล้ว และต้องการ Agent ที่ทำงานอยู่เบื้องหลังเพื่ออัปเดตไฟล์หรือแจ้งเตือนอัตโนมัติ

บทที่ 3 / 5

เจาะลึก Claude Co-Work และ MCP

Anthropic เลือกเส้นทางที่ต่างออกไป โดยเน้นการสร้าง Desktop Agency ผ่านเครื่องมืออย่าง Claude Co-Work และโปรโตคอลมาตรฐานใหม่

ความสามารถเด่นของ Claude Co-Work

Desktop Interaction: Co-Work สามารถทำงานร่วมกับระบบปฏิบัติการของคุณได้ตรงๆ (เปิดแอป, อ่านไฟล์ในโฟลเดอร์เครื่อง, ควบคุมเมาส์/คีย์บอร์ดเพื่อดึงข้อมูล)
Model Context Protocol (MCP): มาตรฐานที่ Claude ใช้เพื่อเชื่อมต่อกับฐานข้อมูลบริษัท เช่น GitHub, Notion หรือระบบ ERP โดยไม่ต้องเขียน API ให้ยุ่งยาก
Parallel Agent Teams: สามารถมอบหมายงานให้ Agent หลายตัวทำงานคู่ขนานกัน เช่น ตัวหนึ่งดึงข้อมูล ตัวหนึ่งร่างรายงาน แล้วนำผลลัพธ์มาผสานกัน

เหมาะกับใคร? ผู้ที่ต้องจัดการไฟล์ข้ามโปรแกรม (เช่น เปิด PDF, ดึงค่าใส่ Excel, เข้าเว็บเช็กราคา) หรือผู้ที่ต้องการให้ AI ช่วยทำงานแบบ "เลขาหน้าจอคอม"

บทที่ 4 / 5

Use Cases การใช้ Agent ช่วยงานจริง

เพื่อให้เห็นภาพชัดเจน นี่คือตัวอย่างการมอบหมายงานให้ Agent ที่ทำได้ยากในยุค Chatbot ธรรมดา

1. การจัดการและสรุปเอกสารข้ามไฟล์ (Cross-document Synthesis)
โยนไฟล์สัญญา/เอกสาร 50 ไฟล์ให้ Agent แล้วสั่งว่า "แยกไฟล์เหล่านี้ตามชื่อบริษัท และสร้าง Excel สรุปวันหมดอายุของทุกสัญญา" Agent จะทำงานวนลูปจนเสร็จ

2. ตรวจสอบความถูกต้องของข้อมูล (Anomaly Detection)
ให้ Agent ตรวจสอบใบแจ้งหนี้ที่เข้ามาในโฟลเดอร์เทียบกับ PO ในระบบ หากพบว่ายอดไม่ตรงกัน ให้ Agent ร่างอีเมลเตรียมส่งหาซัพพลายเออร์ (แต่รอเรากดอนุมัติก่อน)

3. Research และจัดทำรายงานอัตโนมัติ
สั่ง Agent ว่า "ทุกเช้าวันจันทร์ ให้เข้าไปค้นหาข่าวคู่แข่ง 3 บริษัท สรุปประเด็นสำคัญ จัดหน้าเป็นไฟล์ PDF และส่งเข้า Group Line ทีมการตลาด"

บทที่ 5 / 5

Framework การเลือกใช้เครื่องมือ

ไม่ใช่ทุกงานที่ต้องใช้ Agent บางงานใช้สูตร Excel ง่ายและเร็วกว่า นี่คือตารางช่วยตัดสินใจ

ลักษณะงาน	Spreadsheet (Level 0-3)	Chatbot ปกติ (Level 4)	Agentic Workflow (Level 5)
ตัวอย่างงาน	รวมยอดขาย, จัดกลุ่มข้อมูล, Pivot Table	ร่างอีเมลตอบลูกค้า 1 ฉบับ, สรุปงบ 1 ไฟล์	รวบรวมไฟล์ 100 ไฟล์ สรุปเป็นรายงาน และส่งเมลอัตโนมัติ
จุดเด่น	ถูกต้อง 100%, คำนวณเร็ว, มีหลักฐานที่มา (สูตร)	เข้าใจบริบท, ช่วยคิดวิเคราะห์, ปรึกษาได้	ทำงานซ้ำซากอัตโนมัติ, ข้ามหลายโปรแกรมได้
ข้อควรระวัง	ต้องตั้งค่าโครงสร้างข้อมูลให้ดีก่อน	ทำทีละงาน ต้องมีคนคอยป้อนคำสั่ง	อาจเกิดความผิดพลาดแบบกลุ่ม (Mass Error) ต้องมีจุดอนุมัติ

กฎเหล็กของ Agentic Workflow สำหรับงานที่ส่งผลกระทบภายนอกองค์กร (เช่น ส่งเงิน, ยื่นภาษี, ส่งอีเมลถึงลูกค้า) ห้ามให้ Agent ทำงานจบด้วยตัวเอง 100% ต้องมีระบบ Human-in-the-loop ให้มนุษย์กด Approve ขั้นสุดท้ายเสมอ

แบบทดสอบท้ายเล่ม

ทดสอบความเข้าใจ Level 5

🚀 ยินดีด้วย! คุณพร้อมเข้าสู่ยุค Agentic แล้ว

เครื่องมือที่ดีที่สุด คือการผสมผสานระหว่าง สูตรดั้งเดิมที่แม่นยำ Chatbot ที่เก่งวิเคราะห์ และ Agent ที่ช่วยลดงานซ้ำซ้อน

← กลับหน้าชั้นหนังสือ