เส้นทางสู่ AI เอเจนต์
ออกแบบ AI เอเจนต์ของคุณด้วยคำถามเก้าข้อ
เราเริ่มทุกโปรเจกต์จากมุมมองของคุณ ไม่ใช่จากสไลด์นำเสนอ ตอบคำถามที่วิศวกรประจำหน้างานถามในการประชุมครั้งแรก แล้วดูว่าเราจะสร้างเอเจนต์ โมเดล และโฮสติ้งแบบใดให้คุณ
ก่อนเริ่มต้น
AI เอเจนต์ทำงานจริงอย่างไร
แชตบอตตอบคำถาม แต่เอเจนต์ทำงานให้เสร็จ มันอ่านข้อมูลของคุณ ตัดสินใจว่าต้องทำอะไร ใช้เครื่องมือของคุณลงมือทำ และตรวจสอบผลลัพธ์ก่อนที่ใครจะนำไปใช้ ทุกรอบของวงจรนี้ถูกบันทึกไว้
อ่าน
เอเจนต์รวบรวมสิ่งที่ต้องใช้จากระบบที่คุณอนุญาต ได้แก่ กล่องอีเมล บัญชีแยกประเภท คิวตั๋วงาน และรีโพซิทอรี โดยเห็นเฉพาะสิ่งที่สิทธิ์อนุญาตเท่านั้น
วิเคราะห์
โมเดลภาษาขนาดใหญ่ (LLM) ประเมินว่างานต้องการอะไรและวางแผนขั้นตอน นี่คือจุดเดียวที่ใช้ความฉลาดของ AI จึงใช้เฉพาะตรงที่ต้องอาศัยวิจารณญาณ
ลงมือทำ
เอเจนต์ใช้เครื่องมือจริงผ่านคอนเน็กเตอร์และเซิร์ฟเวอร์ MCP ทั้งร่างคำตอบ ส่งรายงาน และเปิด pull request ส่วนขั้นตอนที่อิงกฎยังคงเป็นโค้ดธรรมดา
ตรวจสอบ
ก่อนส่ง ใช้จ่าย หรือลบสิ่งใด เอเจนต์จะหยุดที่จุดอนุมัติ คุณอนุมัติ หรือปฏิเสธพร้อมเหตุผลให้มันเรียนรู้ ทุกขั้นตอนถูกติดตามไว้
สามชั้นในทุกเอเจนต์ที่เราสร้าง
ความรู้ของคุณ
แหล่งข้อมูลที่เราเชื่อมต่อในช่วงสำรวจ โดยจำกัดสิทธิ์เท่ากับที่พนักงานของคุณมีอยู่แล้ว
โมเดล
Claude, GPT, Gemini, Grok หรือโมเดล open-weight ที่เลือกตามงาน ข้อมูล และสถานที่ที่ต้องรัน
การควบคุม
จุดอนุมัติ งบประมาณ เงื่อนไขการหยุด และบันทึกการตรวจสอบ ทำงานบนเฟรมเวิร์กเอเจนต์ Jobshout
Discovery
เราเริ่มจากการเข้าใจมุมมองของคุณก่อน
โปรเจกต์ AI ส่วนใหญ่ล้มเหลวเพราะทำระบบอัตโนมัติผิดขั้นตอน วิศวกรประจำหน้างานของเราจึงนั่งทำงานร่วมกับผู้ปฏิบัติงานจริงก่อนเขียนโค้ดแม้แต่บรรทัดเดียว
วันที่ 1
ติดตามดูการทำงานจริง
เราสังเกตวันทำงานจริง ทั้งกล่องอีเมล การอนุมัติ และสเปรดชีตที่ธุรกิจพึ่งพา พร้อมจดทุกจุดส่งต่องานและทุกช่วงที่ต้องรอ
วันที่ 2
จัดทำแผนผังแหล่งข้อมูล
ในแต่ละขั้นตอน เราบันทึกว่าข้อมูลอยู่ที่ไหน ใครเป็นเจ้าของ เข้าถึงอย่างไร (API, การส่งออก, ฐานข้อมูล, อีเมล) และมีความอ่อนไหวเพียงใด
วันที่ 3
ค้นหาจุดที่ต้องใช้วิจารณญาณ
เราแบ่งแต่ละกระบวนการเป็นขั้นตอนที่อิงกฎ ซึ่งยังคงเป็นระบบอัตโนมัติทั่วไป และขั้นตอนที่ต้องใช้วิจารณญาณ ซึ่ง LLM คุ้มค่ากับต้นทุน เอเจนต์จะถูกใช้เฉพาะที่ต้องการความฉลาดเท่านั้น
สัปดาห์ที่ 1–2
สร้างและรันเคียงข้างคุณ
เอเจนต์ตัวแรกทำงานกับข้อมูลจริงของคุณ โดยมีจุดอนุมัติในทุกการกระทำที่มีความเสี่ยง เราปรับจูนร่วมกับผู้ใช้งาน และขยายสิทธิ์เมื่อพวกเขาไว้วางใจแล้วเท่านั้น
เส้นทาง
เล่าเกี่ยวกับธุรกิจของคุณให้เราฟัง
นี่คือคำถามที่เราถามในการประชุมกับลูกค้าครั้งแรก คำตอบของคุณจะอยู่ในเบราว์เซอร์จนกว่าคุณจะเลือกส่ง
สถานการณ์จริง
สิ่งที่เราได้ยินในการประชุมกับลูกค้า และสิ่งที่เราสร้าง
ตัวอย่างผสมจากการประชุมครั้งแรกในแบบที่วิศวกรประจำหน้างานของเราดำเนินการ ชื่อและตัวเลขเป็นเพียงตัวอย่าง
CEO · ธุรกิจบริการวิชาชีพ
"ผมใช้สองชั่วโมงแรกของทุกวันไปกับอีเมล"
FDE จัดทำแผนผัง Outlook, CRM และพอร์ทัลบอร์ด และพบว่าคำตอบส่วนใหญ่มีห้ารูปแบบ ตอนนี้เอเจนต์ผู้ช่วยผู้บริหารร่างคำตอบและบทสรุปการประชุมในช่วงกลางคืน และ CEO อนุมัติจากโทรศัพท์
- ข้อมูล: Microsoft 365, HubSpot, พอร์ทัลบอร์ด
- โมเดล: Claude ผ่าน Azure tenant ของบริษัท
- การควบคุม: ทุกคำตอบต้องได้รับอนุมัติก่อนส่ง
CFO · อุตสาหกรรมการผลิต
"การปิดบัญชีสิ้นเดือนใช้เวลาเก้าวัน และส่วนใหญ่เป็นการคัดลอกข้อมูล"
การสำรวจพบว่าวิจารณญาณจำเป็นเฉพาะในคำอธิบายผลต่าง ส่วนการจับคู่และการลงบัญชีเป็นไปตามกฎ เราจึงทำกฎให้อัตโนมัติด้วยโค้ด และใช้เอเจนต์กับคำอธิบายและการตรวจนโยบาย
- ข้อมูล: Sage รายการเดินบัญชีธนาคาร สเปรดชีตใบสั่งซื้อ
- โมเดล: ผสมระหว่างโมเดลในเครื่องสำหรับดึงข้อมูล และโมเดลระดับแนวหน้าสำหรับเขียนคำอธิบาย
- การควบคุม: ไม่มีการลงบัญชีหรือชำระเงินโดยไม่มีผู้อนุมัติที่ระบุชื่อ
CTO · บริษัทซอฟต์แวร์
"วิศวกรอาวุโสของผมใช้เวลาทั้งสัปดาห์รีวิวโค้ดของคนอื่น"
เอเจนต์รีวิว PR ตรวจทุก pull request ตามมาตรฐานของทีม และเอเจนต์ตัวที่สองเขียนสรุปเหตุขัดข้องจาก Sentry และบันทึก วิศวกรอาวุโสรีวิวโน้ตของเอเจนต์ ไม่ใช่ diff ทั้งหมด
- ข้อมูล: GitHub, Jira, Sentry, Slack
- โมเดล: Claude Code สำหรับการรีวิว และโมเดล open-weight สำหรับคัดแยกบันทึก
- การควบคุม: แสดงความเห็นเท่านั้น การ merge ยังเป็นหน้าที่ของคน
สำนักงานกฎหมาย · ออฟไลน์
"ข้อมูลที่ได้รับเอกสิทธิ์ห้ามออกจากอาคารโดยเด็ดขาด"
เรากำหนดสเปก AI เวิร์กสเตชันร่วมกับ Workstation และรันโมเดล open-weight แบบออฟไลน์เต็มรูปแบบ เอเจนต์ด้านสัญญาเทียบเอกสารกับแนวปฏิบัติของสำนักงานและร่างการแก้ไข โดยหุ้นส่วนอนุมัติทุกรายการ
- ข้อมูล: ระบบจัดการเอกสาร คลังแบบอย่างเอกสาร
- โมเดล: โมเดล open-weight บน GPU เวิร์กสเตชันในสถานที่
- การควบคุม: แยกขาดจากเครือข่าย (air-gapped) เก็บบันทึกการตรวจสอบไว้ในสถานที่
วิศวกรประจำหน้างาน (Forward deployed engineers)
ผู้เชี่ยวชาญในทีมของคุณ ไม่ใช่ตั๋วงานที่รอในคิว
ทุกโปรเจกต์มีวิศวกรประจำหน้างาน (FDE) ที่เข้าร่วมประชุมกับคุณ เรียนรู้ว่าธุรกิจของคุณทำงานจริงอย่างไร และสร้างพร้อมติดตั้งเอเจนต์ร่วมกับคุณอย่างรวดเร็ว
ถามคำถามที่ถูกต้อง
ข้อมูลอยู่ที่ไหน ใครเป็นเจ้าของ จะเกิดอะไรขึ้นเมื่อข้อมูลผิด และขั้นตอนใดที่ต้องใช้วิจารณญาณจริง ๆ
สร้างในระบบของคุณ
เอเจนต์อยู่ในรีโพซิทอรีและคลาวด์หรือฮาร์ดแวร์ของคุณ เชื่อมต่อกับเครื่องมือที่ทีมของคุณใช้อยู่แล้ว
อยู่จนกว่าระบบจะใช้งานได้จริง
พวกเขาปรับจูนเอเจนต์ร่วมกับผู้ใช้งานและส่งมอบคู่มือการดำเนินงาน (runbook) เพื่อให้ทีมของคุณดูแลได้เองโดยไม่ต้องพึ่งเรา
ได้รับการรับรองบนทุกแพลตฟอร์มที่คุณอาจเลือก
- Claude Code (Anthropic)
- OpenAI
- Google Cloud และ Gemini
- Microsoft Azure AI
- xAI Grok
เฟรมเวิร์ก
สร้างบน Jobshout เฟรมเวิร์กเอเจนต์และตัวจัดการงานของเรา
Jobshout คือเฟรมเวิร์กโอเพนซอร์สที่ทุกเอเจนต์ของ TenthMatrix ทำงานอยู่ แต่ละเอเจนต์มีเลนของตัวเอง ใช้เครื่องมือของตัวเอง และหยุดที่จุดอนุมัติเดียวกัน ทุกการรันปรากฏบนบอร์ดงานพร้อมต้นทุนและร่องรอยการทำงาน
- บอร์ดงานพร้อมโปรเจกต์และสปรินต์
- เวิร์กโฟลว์หลายเอเจนต์ในรูปแบบกราฟการพึ่งพา
- งานตั้งเวลาสำหรับงานรายวันและรายสัปดาห์
- สกิล ปลั๊กอิน และคอนเน็กเตอร์ MCP
- ใช้โมเดลของคุณเองได้ รวมถึงโมเดลในเครื่อง
- ต้นทุนต่อการรัน ความหน่วง และ OpenTelemetry traces
AI แบบโฮสต์เอง
ต้องการ AI ที่ไม่เชื่อมต่ออินเทอร์เน็ตเลยหรือไม่?
ข้อมูลบางอย่างไม่อาจออกจากอาคารได้ เราจึงรันโมเดล open-weight บน AI เวิร์กสเตชันภายในเครือข่ายของคุณแบบออฟไลน์เต็มรูปแบบ และสร้างเอเจนต์แบบเดียวกันบนนั้น ฮาร์ดแวร์มาจากบริษัทในเครือของเรา Workstation
คำถามที่พบบ่อย
แชตบอตกับ AI เอเจนต์ต่างกันอย่างไร?
แชตบอตตอบคำถาม ส่วนเอเจนต์ทำงานให้เสร็จ มันอ่านระบบของคุณ วางแผน ใช้เครื่องมือลงมือทำ และหยุดรออนุมัติก่อนทำสิ่งที่มีความเสี่ยง คุณได้ร่าง รายงาน หรืออัปเดตที่เสร็จสมบูรณ์ ไม่ใช่แค่ย่อหน้าคำแนะนำ
เราต้องเลือกบริษัท AI เพียงรายเดียวหรือไม่?
ไม่จำเป็น ลูกค้าหลายรายของเราใช้โมเดลระดับแนวหน้าสำหรับขั้นตอนที่ยากที่สุด และโมเดล open-weight ขนาดเล็กสำหรับงานประจำ Jobshout ให้แต่ละเอเจนต์ใช้โมเดลต่างกันได้ และคุณเปลี่ยนภายหลังได้โดยไม่ต้องสร้างใหม่
เอเจนต์ทำงานได้โดยไม่เชื่อมต่ออินเทอร์เน็ตเลยหรือไม่?
ได้ ด้วยโมเดล open-weight บน AI เวิร์กสเตชันจาก Workstation ทั้งระบบ รวมถึงโมเดล เฟรมเวิร์ก และบันทึก ทำงานแบบออฟไลน์ภายในอาคารของคุณ
วิศวกรประจำหน้างานทำอะไรบ้าง?
พวกเขานั่งทำงานกับทีมของคุณ จัดทำแผนผังกระบวนการและแหล่งข้อมูล ตัดสินว่าจุดใดคุ้มค่าที่จะใช้ LLM และสร้างพร้อมติดตั้งเอเจนต์ในสภาพแวดล้อมของคุณ โดยอยู่จนกว่าผู้ใช้งานจะไว้วางใจเอเจนต์
คำตอบที่ฉันให้ในเส้นทางนี้จะถูกนำไปใช้อย่างไร?
ไม่มีอะไรเกิดขึ้นจนกว่าคุณจะกดส่ง พิมพ์เขียวถูกประมวลผลในเบราว์เซอร์ของคุณ หากคุณส่ง ข้อมูลจะถึงทีมของเราในรูปแบบคำถาม เพื่อให้วิศวกรเตรียมพร้อมสำหรับการประชุมครั้งแรก
อยากพูดคุยกันโดยตรงไหม?
นัดหมายการโทรสำรวจ แล้ววิศวกรประจำหน้างานจะไล่คำถามเดียวกันนี้กับคุณแบบสด ๆ บนกระบวนการจริงของคุณ