เมื่อขยายวงกว้างขึ้น Thoughtworks Technology Radar ได้เน้นย้ำถึงถึงความจําเป็นในการควบคุมที่รัดกุมยิ่งขึ้น

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

Source : เมื่อขยายวงกว้างขึ้น Thoughtworks Technology Radar ได้เน้นย้ำถึงถึงความจําเป็นในการควบคุมที่รัดกุมยิ่งขึ้น

The information provided in this article was created by Cision PR Newswire, our news partner. The author's opinions and the content shared on this page are their own and may not necessarily represent the perspectives of Thailand Business Directory.