การพัฒนา Agent ประกอบด้วย 3 ขั้นตอนพื้นฐาน คือ สร้าง ทดสอบ และนำไปใช้งานจริง หลายองค์กรอาจสามารถสร้าง Agent ตัวแรกได้สำเร็จ แต่ความท้าทายที่แท้จริงจะเกิดขึ้นทันทีหลังจากนำ Agent ไปใช้งานจริง

เมื่อนำ Agent ไปใช้งานจริง มักเกิดปัญหาที่เราไม่สามารถเข้าใจการทำงานภายในได้ ทีมงานเห็นแค่ผลลัพธ์สุดท้าย แต่ไม่รู้ว่า Agent คิดและตัดสินใจอย่างไรถึงได้ผลลัพธ์แบบนั้น เมื่อขาดความเข้าใจในจุดนี้ การพัฒนาและปรับปรุงจึงทำได้ยากขึ้น ส่งผลให้ความเชื่อมั่นลดลง และการลงทุนขยายระบบกลายเป็นความเสี่ยงที่มีต้นทุนสูง

ขั้นตอนต่อไปของการพัฒนา Agent จำเป็นต้องมีการปรับปรุงและเพิ่มประสิทธิภาพอย่างสม่ำเสมอ พร้อมทั้งเฝ้าติดตามสถานะการทำงานของ Agent แต่ละตัว เพื่อให้สามารถบริหารจัดการ Agent จำนวนมากได้อย่างเข้มงวดและเป็นระบบ องค์กรจึงจำเป็นต้องมีเครื่องมือที่ช่วยให้เห็นและเข้าใจการทำงานของ Agent อย่างละเอียด เครื่องมือเหล่านี้จะทำงานร่วมกับระบบทดสอบ เพื่อให้มั่นใจว่าเราสามารถพัฒนาและปรับปรุง Agent ได้อย่างต่อเนื่อง 

กรุงเทพฯ xx พฤศจิกายน 2568 – Salesforce (NYSE: CRM) ผู้นำระดับโลกด้านระบบบริหารลูกค้าสัมพันธ์ (CRM) ที่ขับเคลื่อนด้วย AI อันดับหนึ่งของโลก เปิดตัวเครื่องมือใหม่ที่ช่วยตรวจสอบการทำงานของ Agent ทุกตัวบนแพลตฟอร์ม Agentforce 360 ให้มีประสิทธิภาพมากขึ้น โดยเครื่องมือนี้จะช่วยให้องค์กรสามารถติดตามและวิเคราะห์การทำงานของ AI Agent ได้อย่างละเอียด ทำให้สามารถขยายการใช้งาน AI ได้อย่างปลอดภัยและมีประสิทธิภาพมากขึ้นอย่างต่อเนื่อง นอกจากนี้ เครื่องมือดังกล่าวยังช่วยส่งเสริมให้มนุษย์และ Agent สามารถทำงานร่วมกันได้ดียิ่งขึ้น สร้างความมั่นใจในการนำ AI มาใช้งาน และช่วยผลักดันให้องค์กรก้าวสู่การเป็น Agentic Enterprise ได้เร็วยิ่งขึ้น 

ข้อกำหนดใหม่: ทำไมการสังเกตการณ์จึงเป็นสิ่งที่ขาดไม่ได้ 

จากการใช้งาน AI ที่เพิ่มขึ้นถึง 282% องค์กรต่าง ๆ กำลังเร่งนำ AI Agent มาใช้งานในวงกว้าง และสิ่งหนึ่งที่ชัดเจนคือ “เห็นแล้วถึงจะเชื่อ” การใช้งานในระดับใหญ่จะประสบความสำเร็จได้ ทีมงานต้องสามารถมองเห็นประสิทธิภาพ การเรียนรู้ และการพัฒนาของ Agent ได้อย่างต่อเนื่องและชัดเจน ความจำเป็นนี้ยิ่งมีความสำคัญมากขึ้น เมื่อ Agent ต้องจัดการการสนทนาแบบเรียลไทม์และตัดสินใจในเรื่องที่ส่งผลกระทบโดยตรงต่อรายได้และประสบการณ์ของลูกค้า การมองเห็นพฤติกรรมของ Agent จึงกลายเป็นข้อกำหนดใหม่ที่เปลี่ยนความไม่แน่นอนและการคาดเดาให้กลายเป็นความไว้วางใจ ความโปร่งใส และคุณค่าที่วัดผลได้ ซึ่งจำเป็นต่อการขยายการใช้งาน AI 

Adam Evans รองประธานบริหารและผู้จัดการทั่วไป ฝ่าย AI ของ Salesforce กล่าวว่า “ในขณะที่การใช้งาน AI เติบโตขึ้นอย่างรวดเร็ว ความท้าทายที่ใหญ่ที่สุดขององค์กรจะไม่ใช่การสร้าง Agent ตัวแรกอีกต่อไป แต่จะเป็นการบริหารจัดการกองทัพ Agent ที่ต้องตัดสินใจทางธุรกิจในโลกแห่งความเป็นจริง คุณไม่สามารถขยายสิ่งที่คุณมองไม่เห็น Agentforce มอบความเข้มงวดในการดำเนินงานระดับองค์กรที่จำเป็นสำหรับโลกแห่ง Agent ใหม่นี้ เรากำลังมอบเครื่องมือที่สำคัญให้กับผู้นำด้านไอทีเพื่อติดตามประสิทธิภาพ แก้ไขปัญหา และพิสูจน์ผลตอบแทนจากการลงทุนด้าน AI อย่างต่อเนื่อง เพื่อให้มั่นใจว่า Agent อัจฉริยะทุกตัวทำงานได้อย่างน่าเชื่อถือ ปลอดภัย และโปร่งใสอย่างสมบูรณ์” 

ความสามารถใหม่ใน Agentforce 

เครื่องมือสังเกตการณ์ใหม่ใน Agentforce ครอบคลุมสามด้านหลัก ได้แก่ การวิเคราะห์ข้อมูล การเพิ่มประสิทธิภาพ และการตรวจสอบสถานะการทำงาน 

การวิเคราะห์ Agent: การพัฒนาอย่างต่อเนื่อง 

การวิเคราะห์ Agent ช่วยให้มองเห็นภาพรวมประสิทธิภาพการทำงานของ Agent ทุกตัว โดยแปลงผลการทำงานเป็นข้อมูล แนวโน้ม และข้อมูลเชิงลึกที่มีความหมาย 

• ติดตามประสิทธิภาพของ Agent (Track Agent Performance): ตรวจสอบการใช้งานและประสิทธิผลของ Agent ที่ใช้งานทั้งหมด ช่วยให้ทีมเห็นภาพชัดเจนว่า Agent ทำงานในการโต้ตอบกับลูกค้าจริงได้อย่างไร 
• แนวโน้ม KPI (KPI Trends): แสดงแนวโน้ม KPI ตามช่วงเวลา ทำให้เห็นได้ง่ายว่าประสิทธิภาพการทำงานส่วนใดที่ดีขึ้น ลดลง หรือต้องการการแก้ไข 
• ข้อมูลเชิงลึกที่นำไปปฏิบัติได้ (Actionable Insights): ระบุหัวข้อ การกระทำ หรือขั้นตอนที่ไม่มีประสิทธิภาพ ช่วยให้ทีมสามารถดำเนินการปรับปรุงประสิทธิภาพของ Agent ได้อย่างตรงจุด 

Open Image Modal

Image Modal

การเพิ่มประสิทธิภาพ Agent: การให้เหตุผลและการตรวจสอบย้อนกลับ 

การเพิ่มประสิทธิภาพ Agent ช่วยให้ลูกค้าสามารถสังเกตการณ์การทำงานของ Agent ได้ทุกการโต้ตอบ ด้วยการแสดงให้เห็นช่องว่างของประสิทธิภาพ การติดตามขั้นตอนการทำงาน และการเปิดเผยวิธีการตัดสินใจของ Agent อย่างละเอียด ธุรกิจสามารถวินิจฉัยปัญหา เข้าใจเหตุผลที่ Agent แสดงพฤติกรรมบางอย่าง และดำเนินการแก้ไขเพื่อปรับปรุงผลลัพธ์ได้อย่างต่อเนื่อง 

• สังเกตการณ์ทุกการโต้ตอบ (Observe Every Interaction): เข้าถึงการทำงานของ Agentforce ได้ทุกขั้นตอนแบบครบวงจร เห็นการตอบสนองของ Agent ทีละขั้น แม้ในกระบวนการให้เหตุผลที่ซับซ้อน 
• จัดกลุ่มและวิเคราะห์เซสชัน (Cluster and Analyze Sessions): รวบรวมคำขอที่คล้ายคลึงกันเพื่อค้นหารูปแบบ จุดติดขัด และแนวโน้มคุณภาพ พร้อมให้คะแนนการตอบสนองของ Agent โดยใช้เกณฑ์ด้านเจตนา หัวข้อ และคุณภาพ 
• ปรับแต่งการตั้งค่า Agent (Optimize Agent Configuration): ระบุปัญหาการตั้งค่าที่ส่งผลต่อประสิทธิภาพ และเข้าใจอย่างชัดเจนว่าจุดใดต้องการการปรับแต่ง การฝึกอบรมใหม่ หรือการกำหนดขอบเขตการทำงาน 

Open Image Modal

Image Modal

Open Image Modal

Image Modal

การตรวจสอบสถานะการทำงานของ Agent: ความพร้อมใช้งานและความน่าเชื่อถือ 

การตรวจสอบสถานะการทำงานของ Agent ช่วยรับประกันความพร้อมใช้งาน ความน่าเชื่อถือ และการตอบสนองอย่างต่อเนื่อง ด้วยการแสดงให้เห็นสถานะแบบเกือบเรียลไทม์และสัญญาณความน่าเชื่อถือที่นำไปปฏิบัติได้สำหรับกลุ่ม Agent ที่ใช้งานอยู่ องค์ประกอบนี้มีความสำคัญต่อความเข้มงวดในการดำเนินงาน เพื่อให้มั่นใจว่า Agent ทำงานได้อย่างน่าเชื่อถือและสม่ำเสมอ แม้ในช่วงที่มีการใช้งานสูงสุด 

• ตรวจสอบสถานะ Agent อย่างต่อเนื่อง (Monitor Agent Status Continuously): ติดตามตัวชี้วัดสถานะที่สำคัญแบบเกือบเรียลไทม์ เพื่อให้มั่นใจว่าข้อมูลบนแดชบอร์ดเป็นปัจจุบัน และแสดงปัญหาที่อาจเกิดขึ้นก่อนที่จะส่งผลกระทบต่อประสิทธิภาพหรือสัญญาณความน่าเชื่อถือ 
• แก้ไขความล้มเหลวเชิงรุก (Resolve Failures Proactively): รับการแจ้งเตือนแบบรวดเร็วเมื่อเกิดข้อผิดพลาดที่สำคัญ ความล่าช้าที่เพิ่มขึ้นผิดปกติ และการยกระดับปัญหา ช่วยให้ทีมสามารถตรวจจับ ตรวจสอบ และแก้ไขปัญหาได้อย่างรวดเร็วเพื่อลดเวลาที่ระบบไม่สามารถใช้งานได้ 
• รักษาความน่าเชื่อถือระดับองค์กร (Maintain Enterprise Reliability): ใช้ประโยชน์จากระบบที่ออกแบบมาเพื่อความพร้อมใช้งานสูงและความทนทานในการดำเนินงาน สร้างความมั่นใจว่าการตรวจสอบอย่างต่อเนื่องจะขยายตัวได้อย่างน่าเชื่อถือพร้อมกับกลุ่ม Agent ทั้งหมด 

Open Image Modal

Image Modal

วิธีการทำงาน: การมองเห็นแบบรวมศูนย์และการกำกับดูแลอัจฉริยะ 

องค์กรต่าง ๆ กำลังสร้าง Agent จำนวนมาก และต้องการให้ Agent เหล่านี้ทำงานร่วมกันได้ทั่วทั้งองค์กร ตั้งแต่การโต้ตอบกับลูกค้าและพนักงาน ไปจนถึงระบบหลังบ้าน นอกจากนี้ยังต้องการมองเห็นประสิทธิภาพการทำงานของ Agent และมีความสามารถในการกำกับดูแล เพื่อให้เป็นไปตามความต้องการนี้ การสังเกตการณ์เชิงลึกใน Agentforce 360 จึงขับเคลื่อนด้วยองค์ประกอบพื้นฐานสองส่วน ได้แก่ 

1. โมเดลข้อมูลการติดตามเซสชัน (Session Tracing Data Model): โมเดลข้อมูลนี้บันทึกการโต้ตอบทุกครั้ง รวมถึงข้อมูลที่ผู้ใช้ป้อน การตอบสนองของ Agent ขั้นตอนการให้เหตุผล การเรียกใช้ LLM และการตรวจสอบขอบเขตการทำงาน โดยจัดเก็บข้อมูลทั้งหมดไว้อย่างปลอดภัยใน Data 360 พื้นฐานนี้ช่วยให้มองเห็นภาพรวมและข้อมูลเชิงลึกในระดับเซสชันอย่างละเอียด เพื่อให้มั่นใจได้ว่า Agent ทำงานตามที่ตั้งใจไว้และตอบสนองได้อย่างเหมาะสม 
2. MuleSoft Agent Fabric: ความสามารถใหม่นี้ให้พื้นที่เดียวในการลงทะเบียน จัดการ กำกับดูแล และสังเกตการณ์ Agent ทุกตัว ไม่ว่าจะถูกสร้างขึ้นจากที่ใดก็ตาม 

ด้วยเครื่องมือสังเกตการณ์ Agent ใหม่เหล่านี้ ประกอบกับการกำกับดูแลที่แข็งแกร่งใน MuleSoft และบริบทแบบรวมศูนย์ใน Data 360 ทุกองค์กรสามารถควบคุม Agent ทั้งหมดได้อย่างครบวงจรภายในแพลตฟอร์ม Agentforce 360

เสียงจากลูกค้าที่ร่วมทดลองใช้งานกับเรา  

เราได้ทำงานอย่างใกล้ชิดกับลูกค้าที่ร่วมทดสอบระบบกับเรา เช่น 1-800Accountant และ Reddit เพื่อทำความเข้าใจในสิ่งที่พวกเขาต้องการจริง ๆ ในโซลูชันการสังเกตการณ์สำหรับ Agent พวกเขาต้องการการเข้าถึงข้อมูลที่ลึกขึ้น การกำกับดูแล Agent ทุกตัว และกระบวนการปรับปรุงอย่างต่อเนื่อง ความสำเร็จในช่วงแรกของพวกเขาย้ำถึงความไว้วางใจและความโปร่งใสที่สำคัญต่อการขยายธุรกิจแบบ Agentic Enterprise 

Ryan Teeples ประธานเจ้าหน้าที่ฝ่ายกลยุทธ์ 1-800Accountant กล่าวว่า “ด้วยความสามารถในการมองเห็นการทำงานของ Agent ทุกการโต้ตอบ เราสามารถเห็นได้อย่างชัดเจนว่า AI ของเราจัดการกับคำขอแต่ละรายการอย่างไร ในทุกขั้นตอน ข้อมูลเชิงลึกนี้ช่วยให้เราเข้าใจไม่เพียงแต่ว่างานสำเร็จถูกต้องหรือไม่ แต่ยังรวมถึงกระบวนการตัดสินใจที่เกิดขึ้นตลอดทาง เนื่องจาก Agent ของเราคาดว่าจะจัดการคำขอบริการ 90% ได้ด้วยตัวเอง เครื่องมือสังเกตการณ์ใหม่นี้ช่วยให้เราสามารถปรับปรุงการสนับสนุนให้มีประสิทธิภาพ รักษาคุณภาพสูง และขยายการใช้งานได้อย่างมั่นใจ เพื่อให้ลูกค้าของเราได้รับบริการที่รวดเร็วและถูกต้องทุกครั้ง”  

John Thompson รองประธานฝ่ายกลยุทธ์และปฏิบัติการด้านการขาย Reddit กล่าวว่า “ด้วยการสังเกตการณ์ทุกการโต้ตอบของ Agentforce เราสามารถเข้าใจได้อย่างชัดเจนว่า AI ของเราเดินทางไปตามโฆษณาที่ซับซ้อนที่สุดอย่างไร ข้อมูลเชิงลึกนี้ช่วยให้เราเข้าใจไม่เพียงแต่ว่าปัญหาได้รับการแก้ไขหรือไม่ แต่ยังรวมถึงกระบวนการตัดสินใจที่เกิดขึ้นตลอดทาง ตั้งแต่เปิดใช้งาน Agentforce เราสามารถลดคำขอการสนับสนุนลงได้ 46% ซึ่งช่วยให้ทีมของเราสามารถมุ่งเน้นไปที่งานที่มีมูลค่าสูงขึ้น พร้อมทั้งให้คำแนะนำที่รวดเร็วและถูกต้องแก่ SMB โฆษณา และประสบการณ์การเริ่มต้นใช้งานที่ราบรื่นขึ้น การสังเกตการณ์ให้ความมั่นใจในการขยาย Agent เหล่านี้ ติดตามประสิทธิภาพอย่างต่อเนื่อง และทำการปรับปรุงตามที่เราเรียนรู้จากการโต้ตอบของพวกเขา” 

This article may include references to services or features that are still in development and are unreleased. Customers should make their purchase decision based on fully released and available features.