จุลสารนวัตกรรม ฉบับที่ 80 – สาระน่ารู้ : เรื่อง Agentic AI กับการประยุกต์ใช้ในด้านการเรียนการสอน

       ผู้เชี่ยวชาญด้าน AI หลายท่านกล่าวว่าปีนี้ (2568) จะเป็นปีแห่ง Agentic AI เราในฐานะผู้ใช้งานอาจจะยังไม่รู้จัก หรือคุ้นเคยกับคำนี้มากนัก อย่างไรก็ตาม เราก็อาจจะได้ความสามารถของ Agentic AI ในแง่หนึ่งมาแล้ว นั่นคือการใช้ Deep Research บน ChatGPT ซึ่งบางท่านอาจจะใช้ เพื่อที่จะทำการเขียนบทความในหัวข้อที่ระบุ Deep Research จะต้องทำการค้นหาแหล่งข้อมูลที่เกี่ยวข้อง ทำการอ่านบทความ แล้วตัดสินใจเลือกกลุ่มข้อมูลที่จะนำมาสรุปและเขียนบทความใหม่
        Agentic มาจากคำว่า Agent แปลเป็นภาษาไทยคือตัวแทน หรือทับศัพท์ เอเย่นต์ คือเป็นผู้กระทำการแทนผู้ือื่น สมมติว่า เราอยากไปเที่ยวญี่ปุ่น แต่ขี้เกียจหรือไม่มีเวลาในการวางแผนการเดินทางหรือไม่มีความรู้ในสถานที่นั้นๆ เราก็ไปติดต่อ เอเย่นต์ท่องเที่ยว ที่เป็นบริษัท์ทัวร์ ซึ่งจะทำการจัดการต่างๆตั้งแต่วางแผน จองตั๋วเครื่องบิน จองโรงแรมและการเดินทาง ตลอดจนกิจกรรมที่น่าสนใจต่างๆ ซึ่งจะลดภาระของเรา Agentic AI ก็ทำหน้าที่เช่นเดียวกัน
        Agentic AI เป็น AI ที่สามารถทำการคิดและดำเนินการได้ด้วยตัวของมันเอง โดยที่ผู้ใช้เพียงระบุเป้าหมายและบริบทที่จำเป็น Agentic AI มีความสามารถในการคิดเชิงเหตุผล สามารถตัดสินใจว่าขั้นตอนถัดไปควรจะทำอะไรต่อ มีการตรวจสอบผลลัพธ์ย้อนกลับว่ามีความถูกต้อง เชื่อถือได้แค่ไหน และทำการค้นคว้าหาแหล่งข้อมูลอ้างอิงเพิ่มเติมจากผลลัพธ์ก่อนหน้า เพื่อให้คำตอบที่ส่งไปยังผู้ใช้งานมีความสมบูรณ์มากยิ่งขึ้น
        Agentic AI มีความสามารถในการติดต่อกับระบบคอมพิวเตอร์ผ่านอินเทอร์เน็ตแทนผู้ใช้งานได้ เช่น หากผู้ใช้งานสั่ง AI ให้จองตั๋วเครื่องบินราคาถูก จากกรุงเทพไปยังเชียงใหม่ ในช่วงเดือนมกราคม 2569 Agentic AI จะทำการค้นหาเที่ยวบินที่เป็นไปตามผู้ใช้ต้องการ รวมถึงยังเปิดหน้าเว็บไซต์ เลื่อนเม้าส์ไปเลือกวันเวลา กรอกข้อมูลผู้โดยสาร และชำระเงิน ได้โดยอัตโนมัติ (ในกรณีที่ผู้ใช้ให้ข้อมูลที่จำเป็นเช่น ชื่อ นามสกุล รหัสบัตรเครดิต ฯลฯ) Agentic AI ในลักษณะนี้ทำหน้าที่เหมือนเป็นผู้ช่วยในการใช้คอมพิวเตอร์โดยที่มีความรู้ และความฉลาดของ AI ในการปฏิบัติการ
        อันที่จริง แนวคิดลักษณะนี้มีมาก่อนหน้านี้แล้ว ซึ่งอยู่ในเทคโนโลยีที่เรียกว่า Robotic Process Automation (RPA) ซึ่งผู้ใช้งานสามารถสร้างบ็อท (bot) ให้ดำเนินการแทนโดยอัตโนมัติ อย่างเช่น ผู้ใช้สร้างบ็อท ให้เปิดไฟล์ Excel ในเครื่อง เปิดหน้าเว็บไซต์ แล้วดึงข้อมูลจากไฟล์ Excel ไปกรอกบนหน้าเว็บไซต์ทีละแถว เป็นต้น อย่างไรก็ตาม RPA จำเป็นต้องอาศัยผู้ที่เป็นผู้พัฒนา (developer) ในการสร้างขั้นตอนการทำงานทีละขั้น และสั่งให้โปรแกรมที่ควบคุมคอมพิวเตอร์ให้ปฏิบัติตามในแต่ละขั้นตอน ซึ่งเป็นขึ้นตอนที่ตายตัว Agentic AI มีความแตกต่างจาก RPA โดยที่รับคำสั่งเป็นภาษามนุษย์ สร้างขั้นตอนที่จำเป็นได้ด้วยตัวของมันเอง และหากพบปัญหาก่อนที่จะไปถึงเป้าหมาย ก็จะค้นหาเส้นทางวิธีการอื่น เพื่อทำภารกิจให้สำเร็จ
        ในช่วงแรกๆของ Agentic AI มีบริษัท Anthropic ซึ่งสร้างโมเดล claude ได้ทำการสร้างเครื่องมือที่เรียกว่า computer use สามารถถ่ายภาพหน้าจอ และควบคุมเม้าส์และคีย์บอรด์ ให้ดำเนินการต่างๆบนคอมพิวเตอร์ได้ [1] หลังจากนั้นความสนใจเรื่อง Agentic AI ก็ได้เพิ่มขึ้นในวงการ AI
        องค์ประกอบของ Agentic AI มีอยู่ด้วยกันสามส่วน ได้แก่ ผู้ควบคุม (orchestrator) โมเดล (model) และ เครื่องมือ (tool) [2] ดังรูปที่ 1

        ผู้ควบคุมรับคำสั่งมาจากผู้ใช้งาน ซึ่งจะทำการติดต่อไปยังโมเดล แล้วอาศัยความรู้จากโมเดลในการปฏิบัติการ โดยส่วนใหญ่โมเดลจะเป็นโมเดลภาษา แต่อาจจะมี GenAI โมเดลอื่นประกอบด้วยเช่น โมเดลสร้างรูปภาพ ในระหว่างที่ Agentic AI  ทำงานจะมีการใช้เครื่องมือ ในการทำงาน task ต่างๆ เช่น ค้นหาค้นหาข้อมูลจากอินเทอร์เน็ตหรือฐานข้อมูลเฉพาะทาง เช่น Wikipedia ติดต่อไปยังแอพพลิเคชันบนเว็บ เพื่อให้ทำภารกิจเฉพาะบางอย่าง เช่น อาจจะมีการรู้จำภาษาจากภาพ หรือตกแต่งภาพ ในกรณีที่ปฏิบัติการเกี่ยวกับรูปภาพ ติดต่อเว็บไซต์ชำระเงินออนไลน์ ในกรณีที่ต้องมีการชำระเงิน เป็นต้น ซึ่งการตัดสินใจและควบคุมการทำงานนี้ถูกส่งผ่านมาจากผู้ควบคุม จนกระทั่งได้ผลลัพธ์ที่น่าพอใจ การสั่งการจากผู้ควบคุมไปยังเคริ่องมือ ส่วนใหญ่จะเรียกใช้ Application Programming Interface (API) ซึ่งเป็นทางเชื่อมต่อระหว่างเซอร์เวอร์ (server) ที่เปิดให้บริการกับโปรแกรมที่เรียกใช้งาน
        ในกรณีตัวอย่างของคอร์สออนไลน์ที่สอนอยู่บน deeplearning.ai [3] ได้ยกตัวอย่างการเขียน essay ด้วย Agentic AI  ดังรูปที่ 2

        เริ่มต้นจากผู้ใช้งานระบุหัวข้อที่จะให้ AI เขียน ซึ่ง AI จะอาศัยโมเดลภาษาขนาดใหญ่ (LLM) ในการทำความเข้าใจคำสั่งในขั้นแรก ถัดไปคือการตั้งคำถามกลับมายังผู้ใช้งานว่าต้องการให้ค้นหาข้อมูลจากเว็บหรือไม่ ถ้าใช่ก็จะไปใช้เครื่องมือ web search ที่เป็นกล่องสีเขียวในรูป ถัดไป LLM  จะทำการเขียนฉบับร่างครั้งแรก ส่งต่อให้ผู้ใช้งานในการประเมินการเขียนว่าต้องปรับปรุงส่วนใด ซึ่งการเรียกร้องให้ผู้ใช้งานอ่าน อาศัยเครื่องมืออีกกล่องหนึ่ง หลังจากได้ข้อมูลป้อนกลับจากผู้ใช้งาน AI จะทำการปรับปรุงการเขียนต่อไป ในกระบวนการที่กล่าวมา อาจจะมีการย้อนกลับขึ้นไปทำขั้นข้างบนอีกหลายรอบได้
        ผู้เขียนขอยกตัวอย่างอีกตัวอย่างหนึ่ง คือการสร้างเนื้อหาเตรียมการเรียนการสอนในวิชาใดวิชาหนึ่ง ให้เหมาะกับผู้เรียน (personalized learning) สมมติว่าเรามีนักศึกษาอยู่กลุ่มหนึ่งลงวิชาเรียนที่เราจะสอนในเทอมหน้า เราจะใช้ Agentic AI  ในมาช่วยได้อย่างไร เพื่อปรับเนื้อหา เนื่องจากมีนักศึกษาหลายคน เราไม่อาจจะสร้างเนื้อหาที่เหมาะกับนักศึกษาเพียงคนเดียวได้ แต่ก็น่าจะสร้างเนื้อหาที่โดยเฉลี่ยแล้วเหมาะกับชั้นเรียนทั้งชั้นเรียนได้
        ในกรณีนี้ เราจำเป็นต้องมีข้อมูลในอดีตเกี่ยวกับนักศึกษา อย่างเช่น นักศึกษาแต่ละคน ได้เกรดอะไร เรียนวิชาอะไรมาบ้าง แล้วส่งข้อมูลเหล่านี้ให้ Agentic AI  ในการวิเคราะห์ การที่ AI จะวิเคราะห์ได้จะต้องไปค้นหารายละเอียดของแต่ละวิชา ที่นักศึกษาแต่ละคนเรียนมา แล้วทำการวิเคราะห์ช่องว่างทางความรู้ที่จำเป็นต้องเสริมขึ้นมา จะเห็นว่าเป็นกระบวนการที่ผู้สอนที่เป็นมนุษย์ ไม่สามารถที่จะทำเองได้เนี่องจากจะใช้เวลานานมาก
        ในกระบวนการข้างต้น อาจจะต้องใช้ Agent หลายตัว (multi-agent) แต่ละตัวเชี่ยวชาญเฉพาะด้าน และอาจทำหน้าที่หลายอย่างไปพร้อมๆกัน เช่น Agent ตัวแรกดึงข้อมูลผลการเรียนนักศึกษา Agent ตัวที่สองทำการดึงเนื้อหารายวิชาแต่ละวิชา Agent ตัวที่สามทำการประเมินช่องว่างทางความรู้ และสุดท้าย LLM จะนำผลลัพธ์ต่างๆมาสร้างเป็นบทเรียน

        ตัวอย่างข้างบนมิได้มีการใช้งานจริง แต่เป็นเพียงแนวคิดที่ผู้เขียนคิดว่าอาจจะนำไปสร้างเป็นแอพพลิเคชันโดยเฉพาะได้

เอกสารอ้างอิง

1. Anthropic (2024). Introducing computer use, a new Claude 3.5 Sonnet, and Claude 3.5 Haiku. Oct 22, 2024. https://www.anthropic.com/news/3-5-models-and-computer-use
2. Wiesinger, J. et al. (2024). Agents. Google. September 2024.
3. Ng, A. (2025). Agentic AI . DeepLearning.AI.