ข่าว AI ที่คัดมาแล้ว กับคนที่อยากคุยเรื่องนี้

Cisco ประกาศความร่วมมือกับ OpenAI โดยผสานระบบ network intelligence เข้ากับโมเดล AI เพื่อยกระดับการตรวจจับและรับมือภัยคุกคามทางไซเบอร์ในระดับ enterprise ได้แบบ machine speed

การป้องกันระบบสมัยใหม่จำเป็นต้องอาศัยการตัดสินใจและวิเคราะห์ log มหาศาลอย่างรวดเร็ว การนำโมเดล AI เข้ามาช่วยวิเคราะห์และปรับการป้องกันแบบ adaptive defenses ถือเป็น Use Case องค์กรจริงที่มีผลกระทบสูง

เป็นตัวอย่างที่ดีของคนทำ Agent ในการต่อยอดระบบวิเคราะห์อัตโนมัติเข้ากับ Data Pipeline ระดับเครือข่าย เพื่อให้ Agent ตัดสินใจแก้ปัญหาเหตุการณ์ขัดข้องได้ทันท่วงที

Apple เริ่มปล่อยอัปเดตให้นักพัฒนาภายนอกสามารถผสานการทำงานกับ Siri AI ได้อย่างสมบูรณ์ ช่วยให้ระบบผู้ช่วยสั่งการด้วยเสียงสามารถดึง personal context ของผู้ใช้ ประมวลผลคำสั่งภาษาธรรมชาติ และสั่ง execute actions ข้ามไปยังแอป Third-Party ต่างๆ ได้โดยตรง

การเปิดช่องทางนี้เป็นการเปลี่ยนผ่านครั้งสำคัญของระบบนิเวศบนอุปกรณ์พกพา จากเดิมที่เป็นแอปแยกส่วน ไปสู่การเป็น Agent Layer ที่สามารถควบคุมการทำงานของซอฟต์แวร์แทนมนุษย์ได้

นักพัฒนา AI ควรจับตา App Intent และอินเทอร์เฟซที่ระบบใช้เรียก action เพราะนี่คือการเปิดประตูสู่ Client-side Agent ระดับแมสที่เชื่อมโยงกับผู้ใช้ทั่วไปอย่างแท้จริง

Anthropic กำลังพัฒนาระบบใหม่ชื่อ FlashProve ที่ออกแบบมาเพื่อให้ทุกคนสามารถตรวจสอบและยืนยันได้อย่างชัดเจนว่า คำตอบหรือผลลัพธ์ที่ได้รับนั้นถูกสร้างขึ้นมาจากโมเดล AI ตัวที่อ้างอิงจริง ไม่ใช่โมเดลปลอมหรือถูกดัดแปลงตัวตน

ในยุคที่ multi-agent systems และ automated API proxies ใช้งานแพร่หลาย การยืนยันต้นทางของโมเดลกลายเป็นความท้าทายสำคัญ FlashProve จะเข้ามาแก้ปัญหาความเชื่อมั่นในการเรียกใช้งาน AI ข้ามแพลตฟอร์ม

สำหรับนักพัฒนา Agent ระบบนี้จะช่วยเพิ่มความปลอดภัยในขั้นตอน orchestrate และ verification เพื่อการันตีว่า workflow ไม่ถูกสวมรอยหรือแทรกแซงโดยโมเดลที่ไม่ได้รับอนุญาต

Adam Fry หัวหน้าฝ่ายผลิตภัณฑ์ Consumer ของ OpenAI เปิดเผยว่าปริมาณการค้นหาข้อมูลผ่าน ChatGPT เติบโตต่อเนื่องจนคิดเป็นสัดส่วนถึง 20% เมื่อเทียบกับปริมาณการค้นหาทั้งหมดของ Google แล้ว

การเปลี่ยนพฤติกรรมจาก Search Engine แบบเดิมมาเป็นการสนทนาและสังเคราะห์ข้อมูลด้วย AI ยืนยันว่าผู้ใช้ทั่วไปเริ่มมองหาคำตอบที่สรุปเสร็จสิ้นและการดำเนินการต่อ มากกว่าเพียงแค่รายการลิงก์เว็บไซต์

สำหรับผู้สร้าง AI Agent การที่ระบบค้นหาขยับมาอยู่บนโมเดลภาษามากขึ้น หมายความว่าการเชื่อมต่อระบบค้นหาเว็บภายนอก (Web Grounding/Search APIs) จำเป็นต้องเตรียมรับมือกับบริบทและข้อมูลแบบสังเคราะห์ มากกว่าการทำ Web Scraping ยุคเดิม

Google DeepMind เผยแพร่ผลงาน Google Antigravity พร้อมชุดทักษะ Cheminformatics Skills ที่ออกแบบมาเพื่อให้ AI Agent วางแผนการค้นหาโมเลกุลยา ตรวจสอบคุณสมบัติทางเคมี และเสนอโครงสร้างโมเลกุล macrocycle แบบแข็งเกร็งได้โดยอัตโนมัติ

ระบบนี้ไม่ใช่แค่การทำนายผลทางเคมีแบบโมเดลเดี่ยว แต่เป็นการผสาน Agent ให้เรียกใช้เครื่องมือคำนวณทางเคมี วางแผนการทดลองแบบเป็นขั้นตอน และปรับปรุงโครงสร้างตามเป้าหมายเพื่อลดเวลาในห้องปฏิบัติการ

กรณีนี้เป็นตัวอย่างที่ชัดเจนของการนำ Agentic Workflow ไปแก้ปัญหาเชิงลึกเฉพาะทาง (Domain-specific AI) ซึ่งแสดงให้เห็นว่าการสร้าง Agent ยุคถัดไปต้องเน้นเชื่อมต่อกับ Tooling เชิงเทคนิคเฉพาะด้าน ไม่ใช่แค่ตอบคำถามทั่วไป

Fal สตาร์ทอัปผู้ให้บริการโครงสร้างพื้นฐาน AI Inference ระดมทุนรอบใหม่ 1,300 ล้านดอลลาร์ นำโดย Bessemer ส่งผลให้มูลค่าบริษัทพุ่งแตะ 16,000 ล้านดอลลาร์สหรัฐ สะท้อนถึงการเติบโตอย่างรวดเร็วของฝั่งรันโมเดลโปรดักชัน

การระดมทุนขนาดใหญ่ในสตาร์ทอัปกลุ่ม Inference ชี้ให้เห็นว่าเม็ดเงินของอุตสาหกรรมกำลังย้ายจากฝั่งการเทรนโมเดลพื้นฐาน (Foundational Training) ไปสู่การรันโมเดลเพื่อตอบสนองการใช้งานจริงของแอปพลิเคชันและ AI Agent

สำหรับนักพัฒนา Agent ค่าใช้จ่ายและ Latency ของ Inference กำลังกลายเป็นต้นทุนดำเนินงานหลัก การมีผู้ให้บริการเฉพาะทางที่มีเงินทุนหนุนหลังสูงจะช่วยเร่งการแข่งขันด้านความเร็วและบีบให้ต้นทุน API โมเดลลดลงในระยะยาว

Cartesia ผู้พัฒนาโมเดลเสียงร่วมกับ AWS เปิดให้ใช้งานโมเดล Sonic บน Amazon SageMaker AI และ EC2 GPU โดยใช้สถาปัตยกรรม State Space Models (SSM) ที่ออกแบบมาสำหรับงานเสียงโดยเฉพาะ สามารถประมวลผลทั้ง Text-to-Speech (TTS) และ Speech-to-Text ได้ที่ระดับความหน่วงต่ำกว่า 100 มิลลิวินาที

ความเร็วระดับ sub-100ms นับเป็นเกณฑ์สำคัญของการสนทนาแบบ Real-time ที่เป็นธรรมชาติ ซึ่งโมเดลเสียงทั่วไปมักติดปัญหา Latency สะสมจนสร้าง Voice Agent โต้ตอบลื่นไหลได้ยาก

สำหรับคนที่กำลังพัฒนา Voice Bot หรือ Call Center Automation การเปลี่ยนมาใช้สถาปัตยกรรมที่เน้น Latency ระดับต่ำบนคลาวด์มาตรฐานช่วยให้วาง Production สำหรับงานโต้ตอบสดได้จริงโดยไม่ต้องพึ่ง API ภายนอกที่ควบคุม Latency ไม่ได้

AWS นำเสนอโซลูชันการยืนยันตัวตนสำหรับ AI Agent ผ่าน Amazon Bedrock AgentCore Gateway ร่วมกับ Microsoft Entra ID เพื่อทำ On-Behalf-Of (OBO) token exchange เมื่อ Agent ต้องเรียก REST API ภายนอก เช่น ServiceNow โดยระบบจะรักษา Identity และสิทธิ์เดิมของผู้ใช้ที่สั่งงานไว้ทั้งหมด

จุดเด่นสำคัญคือการทำงานแบบ Native Gateway ไม่ต้องเขียนฟังก์ชัน Interceptor Lambda หรือโค้ด Custom Authentication เอง ช่วยลดจุดผิดพลาดเรื่องความปลอดภัยและการจัดการ Credentials หลุด

โจทย์สำคัญของการส่ง Agent ขึ้นระบบ Enterprise คือเรื่อง AuthN/AuthZ หากให้อำนาจ Agent กว้างเกินไปจะเสี่ยงสูง สถาปัตยกรรมระดับ Gateway ที่สืบทอดสิทธิ์ผู้ใช้แบบ OBO คือแนวทางมาตรฐานที่คนทำ Agent ระดับองค์กรต้องเริ่มนำมาใช้จริง

IBM Research เผยแพร่บทวิเคราะห์เปรียบเทียบ Agent Harness 3 รูปแบบหลัก ได้แก่ CUGA, Hermes และ Deep Agents เพื่อตอบคำถามว่าเมื่อใช้โมเดลพื้นฐานตัวเดียวกัน การเลือก Harness หรือโครงสร้างควบคุมการตัดสินใจและการเรียกใช้ Tool แบบใดจึงจะเหมาะกับงานแต่ละประเภทมากที่สุด

การทดลองชี้ให้เห็นว่าโครงสร้าง Harness มีผลต่อประสิทธิภาพและ latency อย่างมีนัยสำคัญ โดย CUGA เหมาะกับงานที่มี workflow ชัดเจนและต้องการความแม่นยำสูง ขณะที่ Deep Agents เหมาะกับงาน autonomous กว้างๆ

สำหรับนักพัฒนา Agent นี่เป็นสัญญาณชัดเจนว่าการปรับปรุง Agent ให้เก่งขึ้นไม่ได้ขึ้นอยู่กับการเปลี่ยนโมเดลใหญ่ขึ้นเสมอไป แต่โครงสร้าง Harness ที่ครอบรอบโมเดลเพื่อจัดการ state, tool call และ retry logic คือตัวแปรสำคัญที่กำหนดความเสถียรใน production

Heimstaden ผู้บริหารอสังหาริมทรัพย์เพื่อการอยู่อาศัยรายใหญ่ในยุโรป นำ ChatGPT Enterprise และ Codex มาปรับใช้ในกระบวนการทำงานเพื่อเปลี่ยนผ่านระบบ Property Management แบบดั้งเดิม โดยเน้นการลดต้นทุนการดำเนินงานและเพิ่มประสิทธิภาพให้พนักงานในระดับองค์กรข้ามชาติ

การนำโมเดลภาษาและเครื่องมือโค้ดดิ้งมาประยุกต์ใช้กับธุรกิจอสังหาริมทรัพย์ระดับภูมิภาค สะท้อนให้เห็นว่าองค์กรขนาดใหญ่ไม่ได้มอง AI เป็นเพียงแชตบอตตอบคำถาม แต่กำลังฝังระบบเข้ากับกระบวนการหลักเพื่อลด Overhead ในการบริหารจัดการสินทรัพย์จริง

สำหรับผู้สร้าง AI Agent ในภาคธุรกิจ เคสนี้เป็นตัวอย่างที่ดีในการเจาะกลุ่ม Enterprise ดั้งเดิม ที่ต้องการลดต้นทุนอย่างเป็นรูปธรรม โดยเริ่มจากการเสริมพลังพนักงานก่อนขยายสู่ Autonomous Workflow

NVIDIA นำเสนอแนวทางการประยุกต์ใช้ Physical AI ร่วมกับ Agentic AI ในการบริหารจัดการเมือง โดยอาศัยข้อมูลปริมาณมหาศาลจากกล้องวงจรปิด เซนเซอร์ และระบบปฏิบัติการ เพื่อเปลี่ยนข้อมูลดิบให้กลายเป็นการลงมือปฏิบัติการแบบอัตโนมัติ

การใช้งานครอบคลุมตั้งแต่การทำ Digital Twin สำหรับวางแผนโครงสร้างพื้นฐาน การซ่อมบำรุงเชิงคาดการณ์ ไปจนถึงงานบริการสาธารณะ สะท้อนให้เห็นว่าสถาปัตยกรรม Agent กำลังขยายขอบเขตจากซอฟต์แวร์บนจอคอมพิวเตอร์ไปสู่การควบคุมและวิเคราะห์โลกทางกายภาพ

LongCat ปล่อยอัปเดตโมเดล LongCat-2.5 ออกมาอย่างเป็นทางการ โดยเน้นการรองรับ Native Multimodality ตั้งแต่ระดับรากฐาน เพื่อรองรับการทำงานในลักษณะ Agentic Tasks โดยเฉพาะ

โมเดลสาย Multimodal ที่ออกแบบมาสำหรับ Agent โดยตรงจะช่วยลดขั้นตอนความซับซ้อนในการแปลงข้อมูลภาพหรืออินพุตต่างประเภท ทำให้การประมวลผลคำสั่งและวางแผนการเรียกใช้เครื่องมือในสภาพแวดล้อมจริงทำได้ลื่นไหลขึ้น

รายงานความคืบหน้าด้าน AI ล่าสุดเผยแนวคิด Weight Space Programming ที่เปิดทางให้โมเดลภาษาขนาดใหญ่สามารถอ่านและแก้ไข neural network weights ได้โดยตรง เพื่อปรับพฤติกรรมของโมเดล เช่น การแก้ปัญหา reasoning loop ค้างใน Qwen โดยไม่ต้องพึ่งกระบวนการ autoresearch แบบเดิม

นอกจากนี้ยังมีการพูดถึงต้นแบบ super-agent ของ DeepSeek และการเปิดตัว benchmark ใหม่อย่าง GDPx ซึ่งสะท้อนให้เห็นทิศทางการพัฒนาโมเดลที่พยายามปรับแต่งโครงข่ายตัวเองในระดับน้ำหนัก เพื่อแก้คอขวดด้านประสิทธิภาพของ Agent โดยตรง

Momentic สตาร์ทอัพจาก Y Combinator (W24) เปิดตัวแพลตฟอร์ม AI Agent ที่ช่วยตรวจจับและทดสอบหาบั๊กด้วยการเข้าไปใช้งานแอปพลิเคชันจริงเหมือนมนุษย์ โดยเรียนรู้ flow การทำงานและสำรวจหา edge case อัตโนมัติ

ระบบนี้ก้าวข้ามข้อจำกัดของ automated test แบบเดิมที่ต้องเขียนสคริปต์ระบุ selector ชัดเจน ซึ่งมักพังง่ายเมื่อ UI มีการเปลี่ยนแปลง แต่ Agent สามารถทำความเข้าใจองค์ประกอบบนหน้าจอและปรับตัวตามอินเทอร์เฟซได้เอง

คนทำ agent workflow ด้าน computer use หรือ software testing ควรศึกษาแนวทางการนำ Agent มาทำ End-to-End QA เพราะเป็นหนึ่งในยูสเคสที่พิสูจน์แล้วว่าสร้าง ROI ได้ชัดเจนและเริ่มมีการนำไปใช้จริงในเชิงพาณิชย์

Garry Tan ซีอีโอของ Y Combinator เปิดเผยในพอดแคสต์ว่าเขาใช้งาน AI Agent หนักจนแทบไม่ได้นอน และต้องจ่ายค่าโทเคนของ LLM สูงถึง 200,000 ดอลลาร์ต่อปี เพื่อขับเคลื่อน Agent ส่วนตัวในการจัดการเวิร์กโฟลว์และงานต่างๆ

ตัวเลขนี้สะท้อนว่าผู้บริหารระดับสูงและผู้ใช้งานกลุ่ม Power User เริ่มยอมจ่ายเงินระดับเดียวกับเงินเดือนพนักงานหนึ่งคน แลกกับการรัน autonomous agent ส่วนบุคคลที่ช่วยปลดล็อกงานมหาศาล

สำหรับนักพัฒนา นี่คือหลักฐานว่าความต้องการ agent สำหรับกลุ่มลูกค้าระดับบนที่มีกำลังจ่ายสูงมากยังมีอยู่จริง ตราบใดที่ระบบสามารถแก้ปัญหาคอขวดและทำงานแทนมนุษย์ได้อย่างคุ้มค่า