โมเดลการดำเนินการขนาดใหญ่ (LAM) คืออะไร

ผมเชื่อว่าโมเดลการดำเนินการขนาดใหญ่ (LAM) แสดงให้เห็นถึงการเปลี่ยนแปลงครั้งใหญ่ในการพัฒนา AI เท่าที่เราเคยเห็นในทศวรรษก่อน เช่นเดียวกับ LLM ทำให้สามารถสร้างข้อความได้อัตโนมัติ และในรูปแบบหลายโหมด ในหลากหลายสื่อ และ LAM อาจช่วยให้สามารถดำเนินการกระบวนการทั้งหมดได้อัตโนมัติในเร็วๆ นี้ และเนื่องจาก LAM คล่องภาษาโดยธรรมชาติ จึงสามารถโต้ตอบกับโลกได้อย่างชาญฉลาด ไม่ว่าจะเป็นการสื่อสารกับผู้คน ปรับตัวเมื่อสถานการณ์เปลี่ยนไป และแม้แต่โต้ตอบกับ LAM อื่นๆ

ในช่วงไม่กี่เดือนที่ผ่านมา เราได้เห็นการเกิดขึ้นของเทรนด์ใหม่ที่ทรงพลัง ซึ่งมีการใช้โมเดลภาษาขนาดใหญ่เพื่อให้กลายเป็น "ตัวแทน" หรือเอนทิตีซอฟต์แวร์ที่สามารถทำงานด้วยตัวเองได้ ซึ่งในท้ายที่สุดก็เพื่อให้บรรลุเป้าหมาย แทนที่จะตอบสนองต่อคำถามจากผู้ใช้ที่เป็นมนุษย์เพียงเท่านั้น การเปลี่ยนแปลงนี้อาจดูเหมือนเป็นการเปลี่ยนแปลงที่เรียบง่าย แต่จะเปิดจักรวาลแห่งความเป็นไปได้ใหม่ๆ มากมาย ด้วยการผสมผสานความคล่องแคล่วทางภาษาของ LLM เข้ากับความสามารถในการทำงานและตัดสินใจอย่างอิสระ Generative AI จึงได้รับการยกระดับจากเครื่องมือแบบพาสซีฟ ถึงแม้จะทรงพลังมากแล้ว ให้กลายมาเป็นพันธมิตรที่กระตือรือร้นในการทำงานให้เสร็จสิ้นแบบเรียลไทม์ ที่ Salesforce AI ศักยภาพของตัวแทนที่มีประสิทธิภาพดังกล่าวเป็นหัวข้อของการวิจัยและพัฒนาอย่างต่อเนื่อง➚ มาระยะหนึ่งแล้ว

พูดอย่างง่ายๆ ก็คือโมเดลการดำเนินการขนาดใหญ่ (LAM) เป็น Generative AI ประเภทหนึ่งที่สามารถดำเนินการเฉพาะเจาะจงตามการสอบถามของผู้ใช้ โมเดลเหล่านี้ไม่เพียงแต่จะวิเคราะห์ข้อมูลเท่านั้น แต่ยังได้รับการออกแบบมาเพื่อดำเนินการตามผลลัพธ์ที่พบอีกด้วย ลองคิดถึง AI เหล่านี้ในฐานะลูกพี่ลูกน้องที่มีความสามารถของโมเดลภาษาขนาดใหญ่ (LLM) LLM สามารถสร้างข้อความตอบสนองต่อคำถาม ในขณะที่ LAM ดำเนินการบางอย่าง➚ — เช่น ช่วยผู้ซื้อดำเนินการคืนสินค้า

ผมเชื่อว่าภารกิจสำคัญของ AI คือการแสวงหาระบบอัตโนมัติที่ช่วยเพิ่มความสามารถของมนุษย์ แทนที่จะพยายามแทนที่มัน เมื่อคำนึงถึงข้อนั้น LAM ควรเน้นที่การควบคุมงานซ้ำๆ และงานยุ่งๆ อื่นๆ — สิ่งที่พวกเราส่วนใหญ่ไม่อยากทำตั้งแต่แรก — เพราะสิ่งนี้จะขัดขวางความพยายามที่มีความหมายและมีคุณค่าสูงที่เราถนัดที่สุด มาหารือกันถึงศักยภาพอันน่าเหลือเชื่อที่ LAM ให้คำมั่นไว้ในสองระดับ: สำหรับบุคคล และสำหรับองค์กร ในกระบวนการนี้ ลองจินตนาการว่า LAM สามารถนำไปประยุกต์ใช้ในปัจจุบัน ได้อย่างไร และบทบาทของ LAM ในการทำงานและชีวิตของเราอาจเปลี่ยนแปลงไปอย่างไรในปีต่อๆ ไป

ผู้ช่วยส่วนตัวถือเป็นสิ่งฟุ่มเฟือยที่สงวนไว้สำหรับคนร่ำรวยมาหลายชั่วอายุคน แม้ว่าอุตสาหกรรมเทคโนโลยีจะได้ให้คำมั่นสัญญาทางเลือกเสมือนสำหรับคนทั่วไปมานานหลายทศวรรษแล้ว ด้วยความคล่องแคล่วที่น่าทึ่งและความสามารถของ LAM ในการสรุปผลตามธรรมชาติในแทบทุกสาขาของชีวิต อาจเป็นจุดเปลี่ยนที่เรารอคอยอยู่ ซึ่งเป็นเทคโนโลยีที่สามารถช่วยเหลือเราได้อย่างแท้จริง ด้วยการมองการณ์ไกลและไหวพริบที่เราคาดหวังจากเพื่อนร่วมงานที่เป็นมนุษย์ พิจารณาสิ่งต่อไปนี้:

ในระยะหลังนี้ มีการพูดถึงผลกระทบของ LLM ต่อเวิร์กโฟลว์ทางการตลาดกันอย่างมาก โดยความสามารถในการสร้างข้อความ รูปภาพ และแม้แต่เค้าโครงเว็บไซต์ ถือเป็นการเปลี่ยนแปลงครั้งสำคัญในสาขานี้ อย่างไรก็ตาม ภาพรวมจะซับซ้อนกว่าในทางปฏิบัติ เนื่องจากต้องใช้ความพยายามด้วยตนเองจำนวนมากในการบูรณาการผลลัพธ์ของ LLM เข้ากับกระบวนการทั้งหมด เช่น การคิดแคมเปญใหม่และการเผยแพร่ผลลัพธ์ ในปัจจุบัน แม้แต่ Generative AI ที่ดีที่สุดก็ยังสามารถทำงานอัตโนมัติได้เฉพาะบางส่วนของกระบวนการเท่านั้น

อย่างไรก็ตาม เราคาดว่าตัวแทน AI สำหรับการตลาดจะใช้แนวทางที่กว้างขึ้นและคล้ายกับ LAM มากขึ้นในการส่งมอบผลลัพธ์สำหรับทีมการตลาด โดยใช้อินเทอร์เฟซ LLM เพื่อเชื่อมต่อข้อมูล เครื่องมือ และตัวแทนเฉพาะสาขาในการทำงานระดับสูง ลองจินตนาการถึงคำขอที่มีลักษณะดังต่อไปนี้:

“ส่งอีเมลการตลาดเพื่อเน้นย้ำถึงคุณค่าใน Chocho Chocolate ใหม่ของเรา มอบคูปองส่งฟรีให้กับ 100 คนแรกที่ซื้อ ให้แน่ใจว่าผู้รับแต่ละรายจะได้รับข้อความที่ปรับแต่งให้เหมาะกับตน”

หากเพียงแต่ LLM เพียงอย่างเดียวคงยากที่จะทำให้สำเร็จได้ อย่างไรก็ตาม กลุ่มเครื่องมือ ตัวแทน และแหล่งข้อมูลต่างๆ เช่น การเข้าถึงสื่อการตลาดก่อนหน้า ข้อมูลลูกค้าที่องค์กรเลือกที่จะแบ่งปันกับ LAM และแน่นอนว่า LLM เอง สามารถสร้างสำเนา ("ส่งอีเมลการตลาด") โดยดึงมาจากเอกสารที่เน้นถึงการพัฒนาผลิตภัณฑ์ล่าสุด ("คุณค่าใน Choco Chocolate ใหม่ของเรา") แยกย่อยตรรกะของคำขอ ("มอบคูปองให้กับ 100 คนแรก") และจัดการรายละเอียดเฉพาะลูกค้า ("ให้แน่ใจว่าผู้รับแต่ละรายได้รับข้อความที่ปรับแต่งให้เหมาะกับตน") ได้อย่างง่ายดาย

แต่ผู้ช่วยส่วนตัวมีไว้เพื่อช่วยเหลือตลอดชีวิต ไม่ใช่เฉพาะแค่เรื่องงานเท่านั้น ลองจินตนาการดูว่าผู้ช่วยเหล่านี้อาจช่วยในการตัดสินใจซื้อที่สำคัญและเป็นเรื่องส่วนตัว เช่น ซื้อรถยนต์ ได้อย่างไร สำหรับหลาย ๆ คน กระบวนการซื้อรถอาจเป็นเรื่องยุ่งยากมากกว่าความตื่นเต้น และโดยเฉพาะขั้นตอนการค้นหาข้อมูลที่อาจทำให้รู้สึกหนักใจได้ อย่างไรก็ตาม ด้วย LAM อีกไม่นานเราอาจต้องใช้คำสั่งเพียงเล็กน้อย เช่น:

ฉันกำลังมองหาเก๋งที่ได้รับการประเมินด้านความปลอดภัยดีและมีพื้นที่กว้างขวาง โดยควรเป็นสีเข้ม เก่าสุดไม่เกินปี 2014 และราคาไม่เกิน 28,000 ดอลลาร์สหรัฐ และเลขไมล์ไม่เกิน 90,000

ขั้นตอนแรกสำหรับทั้งมนุษย์และ LAM คือการสแกนเว็บไซต์ซื้อรถเพื่อรวบรวมรายการตัวเลือกเบื้องต้น ความสามารถในการเข้าใจข้อความที่มีประสิทธิภาพของ LLM ช่วยให้ตัวแทนสามารถอ่านรีวิวรถยนต์จำนวนมหาศาลจากแหล่งข้อมูลที่เป็นมืออาชีพและผู้ใช้สร้างขึ้น ทำให้สามารถระบุรถที่น่าสนใจที่ตรงตามเกณฑ์ของผู้ใช้ได้อย่างรวดเร็ว นอกจากนี้ LAM อาจสังเกตเห็นสัญญาณเตือน เช่น การสังเกตเห็นปีใดปีหนึ่งของรุ่นรถที่เหมาะสมเป็นที่เลื่องลือในเรื่องระบบส่งกำลังที่มีข้อบกพร่องหรือปัญหาทางไฟฟ้า และนำออกจากรายการ (หรืออย่างน้อยก็ให้ใส่ข้อความปฏิเสธความรับผิดไว้)

ในขั้นตอนถัดไป LAM สามารถเริ่มบทสนทนากับผู้ขายส่วนตัวและตัวแทนจำหน่ายในพื้นที่โดยใช้ช่องทาง เช่น อีเมลหรือแม้แต่ SMS ในการติดต่อ แม้ว่า LAM ที่ดีมักจะแจ้งว่าตนเป็น AI เพื่อให้มนุษย์ไม่หลงผิด แต่ก็ยังคงสื่อสารด้วยภาษาธรรมชาติที่ชัดเจน ลื่นไหล พร้อมคำทักทาย ประโยคที่สมบูรณ์ และคำขอหรือคำพูดที่ชัดเจนในแต่ละข้อความ ธนาคารของผู้ใช้ยังอาจได้รับการแจ้งเตือนเพื่อให้ทราบว่าจะต้องมีการร่างสินเชื่อ เมื่อการสนทนาใกล้ถึงช่วงเวลาการตัดสินใจ ผู้ใช้สามารถเข้าร่วมเพื่ออนุมัติขั้นสุดท้ายได้

ท้ายที่สุด Salesforce AI มุ่งมั่นที่จะใช้พลังของเทคโนโลยีเพื่อปรับปรุงวิธีดำเนินธุรกิจในทุกขนาด และ LAM ถือเป็นตัวอย่างที่ดีเพื่อบรรลุวัตถุประสงค์นี้ในปีต่อๆ ไป ผมมั่นใจว่าวิสัยทัศน์นี้จะขยายไปสู่ทุกแง่มุมของการปฏิบัติการ ตั้งแต่ฝ่ายบริหารภายในไปจนถึงฝ่ายการตลาดแนวหน้า รวมถึงแอปพลิเคชันที่เรายังจินตนาการไม่ได้ แต่คงไม่มีตัวอย่างใดที่ดีไปกว่าการโต้ตอบกับลูกค้าอีกแล้ว

ลองจินตนาการถึงตัวแทนในบริษัทประกันภัย ส่วนใหญ่ของวันตัวแทนจะพบปะกับลูกค้าทั้งลูกค้าปัจจุบันและลูกค้าเป้าหมายในอนาคตเพื่อหารือถึงความต้องการและพัฒนาความสัมพันธ์ หัวใจสำคัญของกระบวนการนี้คือสัมผัสของมนุษย์ที่เฉพาะสิ่งมีชีวิตที่มีเลือดเนื้อเท่านั้นที่ทำได้ แต่กระบวนการนี้รายล้อมไปด้วยงานซ้ำๆ ที่ LAM สามารถเร่งให้เร็วขึ้นได้อย่างมาก ลองพิจารณาโฟลว์ต่อไปนี้ซึ่งเพิ่มขึ้นจากขั้นตอนหนึ่งไปสู่อีกขั้นตอนหนึ่งโดย Generative AI:

• ตัวแทนจะพบกับลูกค้าผ่าน Zoom เพื่อหารือเกี่ยวกับความต้องการ แนวคิด และขั้นตอนต่อไปที่เป็นไปได้
• สคริปต์บทสนทนาทางโทรศัพท์จะถูกบันทึกและจัดระเบียบโดยอัตโนมัติร่วมกับข้อมูล CRM ที่เกี่ยวข้องอื่นๆ
• หลังจากการโทร LAM จะตรวจสอบสคริปต์การสนทนา สรุปช่วงเวลาที่สำคัญที่สุด และส่งผลลัพธ์ให้กับตัวแทนเพื่อให้ตรวจสอบได้ง่ายในภายหลัง
• นอกจากนี้ LAM จะระบุขั้นตอนต่อไปที่ควรดำเนินการ เช่น การให้ข้อมูลเพิ่มเติมที่ระบุไว้ในการโทร ความเข้าใจนี้ใช้ในการร่างอีเมลติดตามโดยอัตโนมัติ จากนั้นค้นหาเอกสารที่เกี่ยวข้องในเอกสารของบริษัทที่อาจรวมเป็นไฟล์แนบ จากนั้นตัวแทนจะได้รับแจ้งว่าขั้นตอนถัดไปพร้อมที่จะดำเนินการแล้ว โดยจะมีการยืนยันขั้นสุดท้ายและตรวจทานอย่างรวดเร็ว ก่อนที่จะดำเนินการดังกล่าว
• ในที่สุด ความเข้าใจของ LAM เกี่ยวกับกระบวนการต่างๆ ของหน่วยงานช่วยให้สามารถเสนอแนะขั้นตอนเพิ่มเติมเพื่อช่วยให้ตัวแทนมีประสิทธิภาพและเน้นจุดที่มีความสำคัญ ไม่ว่าจะเป็นโอกาสในการขายเพิ่มตามการตัดสินใจของลูกค้าก่อนหน้าหรือเพียงการประชุมที่มีวาระการประชุมที่แนะนำโดยอัตโนมัติเพื่อต่อยอดจากการสนทนา
• ระหว่างนั้น LAM อาจคอยสังเกตสัญญาณว่าผู้มีส่วนได้ส่วนเสียรายอื่นอาจต้องได้รับการติดตาม ตัวอย่างเช่น ลูกค้าที่แสดงสัญญาณของความหงุดหงิดหรือลังเลอาจถูกมองว่าเป็นบัญชี "เสี่ยง" และจะถูกส่งต่อไปยังผู้เชี่ยวชาญด้านบริการลูกค้าที่เน้นเฉพาะด้านการรักษาความพึงพอใจ

ผมคิดว่านี่เป็นวิสัยทัศน์ที่น่าสนใจสำหรับการเสริมอำนาจของแต่ละบุคคล แต่การเปลี่ยนแปลงที่แท้จริงเกิดขึ้นจากความสามารถในการปรับขนาดของ LAM ลองนึกภาพธุรกิจทั้งหมดเพิ่มจำนวนพนักงานด้วยเครื่องมือที่ซับซ้อน และสามารถประหยัดเวลาและค่าใช้จ่ายโดยรวมได้มากเพียงใด ไม่ต้องพูดถึงข้อเสนอแนะของ LAM ที่สามารถช่วยป้องกันข้อผิดพลาด แนะนำกลยุทธ์ที่ประสบความสำเร็จ และอื่นๆ อีกมากมาย นี่คือเทคโนโลยีที่สามารถส่งมอบคุณค่าได้อย่างแท้จริงในทุกระดับการใช้งาน

จนถึงตอนนี้เราได้พูดคุยเกี่ยวกับ LAM ที่ให้บริการแก่ผู้ใช้รายบุคคล แต่เทคโนโลยีนี้น่าจะมีรูปแบบอื่นๆ อีกมากมาย การจินตนาการถึง LAM ที่ให้บริการแก่หลายๆ กลุ่มหรือแม้แต่ทั้งองค์กรก็เป็นเรื่องง่ายเช่นกัน แม้ว่า LAM ทั้งหมดจะได้รับประโยชน์จากความยืดหยุ่น แต่ผมคาดว่าจะมีความเป็นไปได้ที่หลากหลายตั้งแต่แนวคิดทั่วไป — คล้ายกับแนวคิด “ผู้ช่วยผู้บริหาร” ตามที่อธิบายไว้ข้างต้น — ไปจนถึงตัวแทนเฉพาะสาขาที่ได้รับการปรับแต่งอย่างสูงซึ่งสามารถแก้ไขปัญหาเฉพาะด้านได้ และ LAM จำนวนมาก — หรือทั้งหมดในที่สุด — จะได้รับการออกแบบมาให้เรียนรู้จากประสบการณ์ ไม่ว่าจะเป็นการรวบรวมความเชี่ยวชาญมากขึ้นเรื่อยๆ ในการแก้ปัญหาระดับองค์กร หรือกลายเป็นแบบเฉพาะบุคคลมากขึ้นตามความต้องการและความชอบของผู้ใช้แต่ละคน

แล้วใครบอกว่า LAM จะดำเนินการโดยลำพัง เราสามารถจินตนาการถึง LAM หลายตัวที่ทำงานร่วมกัน โดยแต่ละตัวได้รับการปรับให้เหมาะสมเพื่อเป้าหมายที่แตกต่างกัน โดยมีตัวหนึ่งที่อุทิศให้กับงานในการประสานความพยายามต่างๆ และสื่อสารกับผู้ใช้ไม่ว่าจะเป็นบุคคล ทีม หรือแม้แต่ทั้งองค์กรก็ตาม กล่าวอีกนัยหนึ่งก็คือเป็นการอัปเกรดจากผู้ช่วยส่วนตัวคนเดียวไปเป็นทั้งทีม โดยทั้งหมดมี “หัวหน้าเจ้าหน้าที่” ที่รายงานต่อผู้รับผิดชอบ

ความเป็นไปได้จะน่าสนใจยิ่งขึ้นเมื่อเราพิจารณาถึง LAM ที่สร้างขึ้นเพื่อจุดประสงค์เดียวในการโต้ตอบกับ LAM อื่นๆ หรือทีม LAM โดยเฉพาะ ลองนึกภาพตัวแทนที่จัดเตรียมโดยตัวแทนจำหน่ายรถยนต์ในตัวอย่างข้างต้น ซึ่งเชี่ยวชาญในการจัดการคำขอขาเข้าจาก LAM ส่วนบุคลูกค้าเป้าหมาย หรือทำแบบเดียวกันกับ LAM ที่เป็นตัวแทนผู้ผลิตยานยนต์เอง พวกมันจะรักษาความโปร่งใสและการใช้งานทั่วไปที่ทำให้ LAM ทั้งหมดมีคุณค่า โดยเฉพาะอย่างยิ่งเมื่อประเมินพฤติกรรมของพวกมันในภายหลัง แต่ทำงานด้วยความเร็วและประสิทธิภาพที่สูงกว่ามากเพราะเป็นการสื่อสารแบบเครื่องต่อเครื่อง

แม้ว่าจะต้องเผชิญกับอุปสรรคทางเทคนิคมากมายในการทำให้ LAM มีพลังเต็มที่ แต่ความท้าทายหลักนั้นสามารถอธิบายได้ง่าย ๆ นั่นก็คือ โลกไม่ใช่สถานที่คงที่ และตัวแทนใด ๆ ก็ตามที่ตั้งใจจะโต้ตอบกับโลกจะต้องมีความยืดหยุ่นเพียงพอที่จะปรับตัวให้เข้ากับสถานการณ์ที่เปลี่ยนแปลงได้อย่างเหมาะสม ในเคสตัวอย่างการซื้อรถของเรา นั่นหมายถึงการติดตามลูกค้าเป้าหมายและรับรู้เมื่อรถที่เป็นที่ต้องการมีการขายออกไปก่อนที่ผู้ใช้จะมีโอกาสเสนอซื้อ หรือแม้แต่การอัปเดตคำแนะนำในกรณีที่ต้องเรียกคืนรถในระหว่างกระบวนการค้นหาข้อมูล ในเคสตัวอย่างของหน่วยงานประกันภัยของเรา การรับรู้ถึงเหตุการณ์ปัจจุบัน โดยเฉพาะอย่างยิ่งเหตุการณ์ที่เกิดขึ้นในบริเวณใกล้เคียงกับลูกค้า ถือเป็นสิ่งสำคัญในการให้ข้อมูลที่เป็นประโยชน์และเป็นปัจจุบัน ตั้งแต่การเปลี่ยนแปลงในกฎระเบียบอุตสาหกรรมไปจนถึงเหตุการณ์สภาพอากาศที่รุนแรง

ในทุกกรณี LAM ที่ดีจะกำหนดตัวเองโดยความเข้าใจว่า เมื่อใด ควรแจ้งให้ผู้ใช้มนุษย์ทราบหรือขอให้ชี้แจง ถ้าแจ้งบ่อยเกินไปจะน่ารำคาญและทำให้เกิดความวุ่นวาย และอาจจะถึงขั้นยกเลิกประโยชน์ของ LAM ไปเลยก็ได้ อย่างไรก็ตาม การแจ้งไม่บ่อยนักจะรับประกันได้ว่าจะมีผลข้างเคียงที่ร้ายแรงและไม่พึงประสงค์เกิดขึ้น เช่น การลบอีเมลที่สำคัญออกไป ไปจนถึงการขอสินเชื่อที่ไม่ต้องการจากธนาคารของผู้ใช้เอง เช่นเดียวกับผู้ช่วยส่วนตัวที่ดี LAM จำเป็นต้องมีสัญชาตญาณที่ดีเพื่อสร้างสมดุลที่เหมาะสม

นอกจากนี้ยังหมายถึงการใช้ประโยชน์จากคุณสมบัติอันทรงพลังที่สุดประการหนึ่งของ LAM ซึ่งก็คือความสามารถในการเรียนรู้ เนื่องจาก LAM ต้องเผชิญกับประสบการณ์ในโลกแห่งความเป็นจริงมากขึ้นเรื่อย ๆ เมื่อทำงานร่วมกับเรา ข้อเสนอแนะจากมนุษย์จึงสามารถนำมาใช้ปรับปรุงพฤติกรรมของ LAM ต่อไปได้ นอกจากนี้ LAM ยังสามารถดึงเอาการตีความที่มีคุณค่าของโฟลว์และกระบวนการต่าง ๆ ออกมาได้ด้วยการตรวจสอบข้อมูลอย่างละเอียดตั้งแต่การถอดสคริปต์การบริการลูกค้าไปจนถึงบันทึกเหตุการณ์ จากนั้นจึงรวบรวมขั้นตอนที่เหมาะสมที่สุดที่เชื่อมโยงจุดเริ่มต้นที่กำหนดไปยังผลลัพธ์ที่พึงประสงค์ที่สุด

หากจะให้ชัดเจน งานของ LAM ไม่ใช่แค่การเปลี่ยนคำขอให้เป็นขั้นตอนต่าง ๆ แต่เป็นการทำความเข้าใจตรรกะที่เชื่อมโยงและเกี่ยวข้องกับขั้นตอนเหล่านั้น นั่นหมายถึงการเข้าใจว่า ทำไม ขั้นตอนหนึ่งจึงต้องเกิดขึ้นก่อนหรือหลังอีกขั้นตอนหนึ่ง และรู้ว่าเมื่อใดถึงเวลาที่จะต้องเปลี่ยนแผนเพื่อรองรับการเปลี่ยนแปลงของสถานการณ์ ซึ่งเป็นความสามารถที่เราแสดงให้เห็นอยู่ตลอดเวลาในชีวิตประจำวัน ตัวอย่างเช่น เมื่อเรามีไข่ไม่พอที่จะทำไข่เจียว เราก็รู้ว่าขั้นตอนแรกไม่เกี่ยวกับการทำอาหาร แต่เป็นการมุ่งหน้าไปที่ร้านขายของชำที่ใกล้ที่สุด ถึงเวลาแล้วที่เราจะต้องสร้างเทคโนโลยีที่สามารถทำสิ่งเดียวกันนี้ได้

ไม่ต้องสงสัยเลยว่า LAM จะเก่งขึ้นอย่างน่าประหลาดใจในด้านความคล่องแคล่วและการสื่อสารในลักษณะที่ตัวอย่างข้างต้นส่วนใหญ่ต้องการ แต่ยังคงไม่สามารถไว้วางใจได้ว่าพวกมันจะทำงานได้อย่างคาดเดาได้และมีประสิทธิผล พร้อมทั้งมีความสม่ำเสมอซึ่งจำเป็นต่อการใช้งานปกติในโลกแห่งความเป็นจริง

แน่นอนว่าหากความไว้วางใจคือความท้าทายอยู่แล้วเมื่อต้องสร้างข้อความและรูปภาพ - ข้อนี้เราต่างทราบดี - มันจะเป็นความท้าทายที่ใหญ่กว่าเมื่อต้องดำเนินการ และภาระในการรับรองความปลอดภัยและความน่าเชื่อถือจะเพิ่มมากขึ้นเมื่อ LAM หลายตัวทำงานร่วมกัน ด้วยเหตุนี้ ผมเชื่อว่าสิ่งสำคัญคือ LAM แม้จะอยู่ในสถานะที่เป็นอิสระมากที่สุด แต่ก็ได้รับการออกแบบมาเพื่อให้มนุษย์ทราบข้อมูลก่อนที่จะมีการดำเนินการที่สำคัญ ไม่ว่าเทคโนโลยีนี้จะก้าวหน้าแค่ไหน ผมก็มองว่ามันเป็นเครื่องมือ — แม้ว่าจะเป็นเครื่องมือที่อัจฉริยะอย่างมาก — และมนุษย์สามารถควบคุมได้อย่างอิสระตามที่เห็นสมควร

หลังจากการพัฒนา AI ในช่วงหนึ่งทศวรรษที่ผ่านมา ซึ่งถือเป็นประวัติศาสตร์อย่างแท้จริง นี่เป็นเครื่องพิสูจน์ถึงศักยภาพของ LAM ที่พวกเราหลายคนในโลกแห่งการวิจัยรู้สึกว่าการเปลี่ยนแปลงที่ยิ่งใหญ่ที่สุดเพิ่งจะเกิดขึ้นเท่านั้น ด้วยคำแนะนำที่ถูกต้องและความมุ่งมั่นในการเสริมพลังมนุษย์ ผมเชื่อว่า LAM จะสามารถนำพาเราเข้าสู่ยุคใหม่ของประสิทธิผล ความสะดวก และความชัดเจน ช่วยให้เราเก่งขึ้นในงานที่เรารู้สึกว่าน่าสนใจที่สุด ขณะเดียวกันก็ปลดปล่อยเราจากงานที่เราไม่อยากทำ ด้วยประวัติศาสตร์ยาวนานหลายทศวรรษในโลกขององค์กร ผมนึกไม่ออกเลยว่าจะมีสถานที่ใดที่ดีกว่า Salesforce สำหรับการดำเนินตามวิสัยทัศน์นี้

ขอขอบคุณเป็นพิเศษแก่ Alex Michael, Peter Schwartz และทีม Salesforce Futures สำหรับความช่วยเหลือในการเขียนชิ้นงานนี้