คำถามข้อเดียวที่แยกเอเจนต์ออกจากแชทบอท
ใครเป็นคนตัดสินใจว่าจะเกิดอะไรขึ้นต่อไป
ในแชทบอท ไม่มีใครตัดสินใจเลย คุณส่งข้อความ โมเดลให้คำตอบมาหนึ่งครั้ง แล้วเทิร์นนั้นก็จบ ถ้าคำตอบต้องมีการตามต่อ คุณเป็นคนเขียนเอง โมเดลไม่เคยลงมือทำอะไรกับโลกจริง มันแค่เขียนข้อความ
ในเอเจนต์ โมเดลเป็นคนตัดสินใจ เมื่อได้รับเป้าหมาย มันเลือกการกระทำ เช่น ค้นหาเว็บ รันโค้ดชิ้นหนึ่ง เปิดหน้าเว็บ หรือแก้ไขไฟล์ ได้ผลลัพธ์กลับมาเป็นข้อความ อ่านมัน แล้วเลือกการกระทำถัดไป มันทำแบบนี้ไปเรื่อยจนกว่าจะตัดสินว่าเป้าหมายสำเร็จแล้ว หรือจนกว่าจะถึงขีดจำกัดของจำนวนขั้นตอน โมเดลคือตัวควบคุมลูปนั้น
คู่มือทางวิศวกรรมของ Anthropic ที่ชื่อ "Building effective agents" ซึ่งเผยแพร่ในเดือนธันวาคม 2024 ก็ขีดเส้นแบ่งไว้ตรงจุดเดียวกัน คือเวิร์กโฟลว์เป็นระบบที่โมเดลทำงานอยู่ในโค้ดที่กำหนดเส้นทางตายตัว ส่วนเอเจนต์เป็นระบบที่โมเดลกำกับกระบวนการและการใช้เครื่องมือของตัวเอง คู่มือนั้นยังพูดตรงๆ ว่าควรเริ่มสร้างอย่างไหนก่อน และคำตอบของมันคือเวิร์กโฟลว์
แชทบอท เวิร์กโฟลว์ เอเจนต์ โมเดลเดียวกัน แต่ลูปต่างกันสามแบบ
ทั้งสามแบบรันบนโมเดลภาษาเดียวกันได้ สิ่งที่ต่างกันคือสิ่งที่ห่อหุ้มมันอยู่
| แชทบอท | เวิร์กโฟลว์ | เอเจนต์ | |
|---|---|---|---|
| ใครเลือกขั้นตอนถัดไป | ไม่มีใคร คำตอบเดียวต่อหนึ่งข้อความ | สคริปต์ที่เขียนโดยนักพัฒนา | โมเดล จากผลลัพธ์ล่าสุด |
| ใช้เครื่องมือ | บางครั้ง หนึ่งครั้งต่อเทิร์น | ใช่ ตามลำดับตายตัว | ใช่ ตามลำดับที่มันเลือกเอง |
| หยุดเมื่อไร | หลังตอบหนึ่งครั้ง | เมื่อสคริปต์จบ | เมื่อมันตัดสินว่าเป้าหมายสำเร็จ หรือถึงขีดจำกัดขั้นตอน |
| ความล้มเหลวทั่วไป | คำตอบผิด | ขั้นตอนหนึ่งได้รับข้อมูลนำเข้าที่แย่ | ลูปที่หลงทาง วนซ้ำ หรือหยุดก่อนกำหนด |
| ต้นทุนต่องาน | คำตอบเดียว | จำนวนคำตอบที่รู้แน่นอน | ไม่รู้จนกว่าจะจบ |
คอลัมน์เวิร์กโฟลว์คือที่ที่ระบบอัตโนมัติมีประโยชน์ส่วนใหญ่อาศัยอยู่ ไปป์ไลน์ที่สรุปเอกสาร แล้วดึงวันที่ออกมา แล้วร่างคำตอบ คือการเรียกโมเดลสามครั้งตามลำดับตายตัว มันน่าเชื่อถือเพราะนักพัฒนาเป็นคนกำหนดเส้นทาง มันไม่ใช่เอเจนต์ ไม่ว่าหน้าแลนดิ้งจะบอกว่าอย่างไร และการเรียกมันว่าเอเจนต์ก็ทำให้มองไม่เห็นข้อแลกเปลี่ยนที่แท้จริง คือเส้นทางตายตัวคาดเดาได้และราคาถูก ส่วนเส้นทางที่โมเดลเลือกเองยืดหยุ่นแต่ไม่ใช่ทั้งสองอย่างนั้น
ลูปนี้มีหน้าตาเป็นอย่างไร ทีละขั้นตอน
การรันจริงหนึ่งครั้ง เป้าหมายคือ "ตรวจสอบว่าคู่แข่งของเราเปลี่ยนราคาในเดือนนี้หรือไม่ แล้วเขียนสรุปให้ฉันสองย่อหน้า"
- โมเดลอ่านเป้าหมายและตัดสินใจการกระทำแรก คือค้นหาเว็บหาหน้าราคาของคู่แข่ง
- เครื่องมือค้นหาส่งรายการผลลัพธ์กลับมาเป็นข้อความ โมเดลอ่านมันแล้วเลือกหนึ่งรายการมาเปิด
- เครื่องมือเบราว์เซอร์ส่งหน้าเว็บกลับมา โมเดลดึงราคาปัจจุบันออกมา
- โมเดลตัดสินใจว่าต้องการราคาเก่าด้วย จึงค้นหาสำเนาที่เก็บไว้และเปิดมันขึ้นมา
- มันเปรียบเทียบทั้งสองอย่าง ตัดสินว่าข้อมูลเพียงพอแล้ว แล้วเขียนสรุป
ห้าขั้นตอน สี่การเรียกเครื่องมือ หกการเรียกโมเดล ทุกขั้นตอนคือคำตอบเต็มรูปแบบจากโมเดล โดยมีประวัติทั้งหมดจนถึงตอนนั้นเป็นข้อมูลนำเข้า รายละเอียดสุดท้ายนี้แหละที่ผลักดันต้นทุน เพราะพอถึงขั้นตอนที่ห้า โมเดลกำลังอ่านผลการค้นหาและเนื้อหาหน้าเว็บสี่หน้าซ้ำในทุกการเรียก What are tokens in AI อธิบายว่าทำไมข้อมูลนำเข้าที่โตขึ้นทุกเทิร์นจึงเป็นรูปแบบที่แพง
และทุกขั้นตอนคือจุดที่อาจผิดพลาดได้ ถ้าการค้นหาในขั้นตอนที่ 1 ได้บริษัทผิด ขั้นตอนที่ 2 ถึง 5 ก็จะสรุปราคาที่ผิดด้วยความมั่นใจเต็มที่ ลูปนี้ทบต้นความผิดพลาดในแบบเดียวกับที่มันทบต้นความคืบหน้า การกำหนดขีดจำกัดขั้นตอนและจุดตรวจสอบโดยมนุษย์ก่อนส่งอะไรออกไปจึงไม่ใช่ตัวเลือก แต่เป็นสิ่งจำเป็น
การรันเอเจนต์หนึ่งครั้งมีต้นทุนเท่าไรเทียบกับคำตอบเดียว
คณิตศาสตร์เรื่องนี้ง่ายมากแต่คนมักข้ามไป คำตอบมาตรฐานหนึ่งครั้ง ที่มี 1,000 โทเคนขาเข้าและ 500 โทเคนขาออก มีราคาปกติต่อโมเดลอยู่ใน AI model cost index โดยใช้อัตรา OpenRouter ที่ดึงมาเมื่อวันที่ 2026-08-20 การรันเอเจนต์ 20 ขั้นตอนอย่างน้อยก็เท่ากับคำตอบแบบนั้น 20 ครั้ง และในทางปฏิบัติมากกว่านั้น เพราะข้อมูลนำเข้าจะโตขึ้นทุกขั้นตอน
การรัน 20 ขั้นตอนบน Claude Sonnet 5 อยู่ที่ $0.14 ที่ราคาต่ำสุด เทียบกับ $0.007 สำหรับคำตอบเดียว ส่วนบน Claude Opus 5 อยู่ที่ $0.35 และถ้ารันทุกชั่วโมงจะตกอยู่ที่ประมาณ $250 ต่อเดือนก่อนคูณด้วยข้อมูลนำเข้าที่โตขึ้นเรื่อยๆ ในหน่วยเครดิตของ Whizi คณิตศาสตร์เดียวกันนี้อ่านได้จากบันไดของ Auto ด้านบน คือ 100 เครดิตเท่ากับคำถามง่าย 100 ข้อบนโมเดลประจำบ้าน หรือเทิร์นการให้เหตุผล 5 ครั้งบน GPT-5.6 Sol ดังนั้นลูป 20 ขั้นตอนที่บันไดการให้เหตุผลจึงเท่ากับ 400 เครดิต ประมาณหนึ่งในหกของแพ็กเกจ Pro ที่ 2,500 เครดิตต่อเดือน ในขณะที่ลูปเดียวกันบนโมเดลประจำบ้านใช้แค่ 20 เครดิต นี่คือเหตุผลที่การออกแบบที่ถูกต้องคือส่งขั้นตอนวางแผนไปยังโมเดลที่แข็งแกร่งและขั้นตอนงานประจำไปยังโมเดลราคาถูก และเหตุผลที่พื้นที่ทำงานแบบหลายโมเดลจึงเป็นบ้านที่เหมาะกับงานเอเจนต์มากกว่าการสมัครสมาชิกโมเดลเดียว
ผลิตภัณฑ์ไหนที่เป็นเอเจนต์จริงๆ
ผู้ช่วยเขียนโค้ดที่แก้ไขไฟล์และรันเทสต์ เป็นเอเจนต์ในความหมายที่เคร่งครัด เมื่อได้รับรายงานบั๊ก มันอ่านโค้ด แก้ไข รันชุดเทสต์ อ่านความล้มเหลว แล้วลองอีกครั้ง ลูปนี้เป็นของจริงและโมเดลเป็นคนกำกับมัน
โหมด Deep Research ใน ChatGPT, Gemini และ Perplexity เป็นเอเจนต์ พวกมันค้นหา อ่าน ค้นหาอีกครั้งตามสิ่งที่พบ แล้วหยุดเมื่อตัดสินว่าคำถามได้รับคำตอบครบถ้วนแล้ว จำนวนขั้นตอนแตกต่างกันไปตามคำถาม นั่นคือสัญญาณบ่งชี้
"เอเจนต์" ส่วนใหญ่ในเมนูผลิตภัณฑ์คือเพอร์โซนาหรือเวิร์กโฟลว์ แถวในตัวเลือกโมเดลที่ติดป้ายว่าเป็นเอเจนต์ด้านภาษี หรือที่ปรึกษาการเรียน มักเป็นแค่ system prompt ตายตัวบวกกับเครื่องมือหนึ่งหรือสองตัว หมวด Agents ของ Whizi เองก็พูดตรงๆ ในเรื่องนี้ แถว Canadian CPA เป็นพรีเซ็ตที่บังคับให้ค้นหาเว็บทุกเทิร์น จำกัดไว้ที่เจ็ดครั้ง โดยมีงบโทเคนที่ใหญ่กว่าคือ 55,000 ขาเข้าและ 40,000 ขาออก นั่นคือเพอร์โซนาที่มีเครื่องมือติดมาและงบที่ใหญ่กว่า และมันมีประโยชน์ก็เพราะเส้นทางถูกกำหนดตายตัวนั่นเอง มันไม่ใช่ลูปที่โมเดลกำกับเอง และ Auto routing guide อธิบายว่าอะไรเป็นตัวเลือกโมเดลจริงๆ เบื้องหลังแต่ละข้อความ
คำศัพท์กำลังเลื่อนไหลไปเรียกทุกอย่างว่าเอเจนต์ คำถามที่ควรถามผลิตภัณฑ์คือคำถามเดียวกับที่อยู่บนสุดของหน้านี้ คือใครเป็นคนตัดสินใจขั้นตอนถัดไป ถ้าคำตอบคือ "สคริปต์" หรือ "ไม่มีใคร" คุณกำลังซื้อเวิร์กโฟลว์หรือแชทบอท และนั่นอาจเป็นสิ่งที่คุณต้องการจริงๆ ก็ได้
เมื่อไรที่เอเจนต์เป็นเครื่องมือที่เหมาะสม และเมื่อไรที่ไม่ใช่
เอเจนต์คุ้มค่าต้นทุนเมื่อไม่สามารถรู้เส้นทางล่วงหน้าได้ เช่น การวิจัยที่การค้นหาครั้งที่สองขึ้นอยู่กับผลลัพธ์ครั้งแรก การดีบักที่การแก้ไขขึ้นอยู่กับผลการเทสต์ การท่องเว็บที่การคลิกถัดไปขึ้นอยู่กับหน้าเว็บนั้น ความยืดหยุ่นคือตัวผลิตภัณฑ์เอง
เอเจนต์เป็นเครื่องมือที่ผิดเมื่อรู้เส้นทางอยู่แล้ว การสรุป ดึงข้อมูล แปลภาษา จัดรูปแบบใหม่ จัดหมวดหมู่ สิ่งเหล่านี้คือการเรียกครั้งเดียวหรือลำดับการเรียกที่ตายตัว การห่อมันไว้ในลูปมีแต่จะเพิ่มต้นทุน เพิ่มความล่าช้า และเพิ่มวิธีล้มเหลวใหม่โดยไม่ได้เพิ่มความสามารถใดๆ คำแนะนำในคู่มือของ Anthropic ยังคงยืนยันอยู่ คือเริ่มจากการเรียกครั้งเดียว ย้ายไปเป็นเวิร์กโฟลว์เมื่อการเรียกครั้งเดียวไม่พอ และหันไปหาเอเจนต์เมื่อเวิร์กโฟลว์ยังคงต้องการทางแยกที่คุณคาดเดาไม่ได้เท่านั้น
กฎการตัดสินใจ ถ้าคุณสามารถวาดขั้นตอนบนไวท์บอร์ดได้ก่อนเริ่ม อย่าสร้างเอเจนต์
- ถามว่าใครเป็นคนตัดสินใจขั้นตอนถัดไป ก่อนจะเชื่อว่าผลิตภัณฑ์นั้นเป็นเอเจนต์
- ตั้งงบงานเอเจนต์เป็นจำนวนขั้นตอนคูณราคาต่อคำตอบ แล้วบวกเพิ่มสำหรับข้อมูลนำเข้าที่โตขึ้น
- กำหนดขีดจำกัดขั้นตอนและจุดตรวจสอบโดยมนุษย์ก่อนขั้นตอนใดๆ ที่จะส่ง ซื้อ ลบ หรือเผยแพร่
- ใช้โมเดลที่แข็งแกร่งสำหรับขั้นตอนวางแผน และโมเดลราคาถูกสำหรับขั้นตอนงานประจำ
- ถ้าคุณสามารถวาดขั้นตอนล่วงหน้าได้ ให้สร้างเวิร์กโฟลว์แทน
คำถามที่พบบ่อย
AI agent ต่างจากแชทบอทอย่างไร
แชทบอทให้คำตอบหนึ่งครั้งต่อหนึ่งข้อความและไม่ลงมือทำอะไรเลย ส่วนเอเจนต์ไล่ตามเป้าหมายผ่านหลายขั้นตอน เลือกการกระทำถัดไปเอง เรียกเครื่องมือเช่นการค้นหาหรือโค้ด อ่านผลลัพธ์ แล้วตัดสินใจว่าเมื่อไรจะเสร็จ โมเดลเดียวกันแต่ลูปต่างกัน เอเจนต์รันลูป แชทบอทไม่ทำ
AI agent มีตัวอย่างอย่างไรบ้าง
ผู้ช่วยเขียนโค้ดที่อ่านรายงานบั๊ก แก้โค้ด รันเทสต์ อ่านความล้มเหลว แล้วลองอีกครั้งจนกว่าจะผ่านคือตัวอย่างหนึ่ง โหมด Deep Research ที่ค้นหา อ่าน แล้วค้นหาอีกครั้งตามสิ่งที่พบคืออีกตัวอย่างหนึ่ง ทั้งสองอย่างตัดสินใจขั้นตอนถัดไปเอง ซึ่งเป็นคุณสมบัติที่นิยาม
ChatGPT เป็น AI agent หรือไม่
แชทธรรมดาไม่ใช่ มันตอบทีละข้อความ แต่โหมดเอเจนต์และ deep research ของ ChatGPT ใช่ เพราะในโหมดเหล่านั้นโมเดลวางแผน ใช้เครื่องมือ และทำซ้ำด้วยตัวเอง เช่นเดียวกับ Agent Mode และ Deep Research ของ Gemini และโหมด Research และ Claude Code ของ Claude แต่ละผลิตภัณฑ์คือแชทบอทที่มีโหมดเอเจนต์อยู่ข้างใน
ทำไม AI agent ถึงมีราคาแพง
เพราะทุกขั้นตอนคือการเรียกโมเดลแบบเต็มรูปแบบ และข้อมูลนำเข้าจะโตขึ้นทุกขั้นตอนเมื่อประวัติสะสมมากขึ้น การรัน 20 ขั้นตอนบน Claude Sonnet 5 อยู่ที่อย่างน้อย $0.14 ที่ราคาปกติ เทียบกับ $0.007 สำหรับคำตอบเดียว ตามอัตรา OpenRouter ที่ดึงมาเมื่อวันที่ 2026-08-20 และข้อมูลนำเข้าที่โตขึ้นยิ่งดันราคาให้สูงขึ้นอีก การส่งขั้นตอนงานประจำไปยังโมเดลราคาถูกกว่าคือวิธีมาตรฐานในการควบคุมต้นทุนนี้
งานของฉันต้องใช้ AI agent หรือไม่
ใช้เมื่อไม่สามารถวางแผนเส้นทางล่วงหน้าได้เท่านั้น การวิจัย การดีบัก และการท่องเว็บ ที่แต่ละขั้นตอนขึ้นอยู่กับผลลัพธ์ก่อนหน้า ได้ประโยชน์จากเอเจนต์ ส่วนการสรุป ดึงข้อมูล แปลภาษา และจัดรูปแบบใหม่ เป็นการเรียกครั้งเดียวหรือลำดับที่ตายตัว เอเจนต์มีแต่จะเพิ่มต้นทุนและวิธีล้มเหลวโดยไม่เพิ่มความสามารถ
