ในช่วงไม่กี่ปีที่ผ่านมา หลายองค์กรเริ่มนำ Generative AI เข้ามาช่วยทำงาน ตั้งแต่การเขียนข้อความ สรุปเอกสาร วิเคราะห์ข้อมูล ไปจนถึง Chatbot สำหรับตอบคำถามลูกค้า
แต่คลื่นเทคโนโลยี AI ที่กำลังได้รับความสนใจในภาคธุรกิจต่อจาก Generative AI คือ Agentic AI หรือ AI Agent ซึ่งไม่ได้มีหน้าที่เพียง “ตอบคำถาม” แต่สามารถ วางแผน ตัดสินใจ และดำเนินงานหลายขั้นตอนเพื่อให้บรรลุเป้าหมายที่กำหนดไว้
นี่อาจเป็นจุดเปลี่ยนสำคัญของระบบ ERP และ Business Software ในอนาคต
Agentic AI คืออะไร?
Agentic AI คือระบบ AI ที่สามารถรับ “เป้าหมาย” แล้วดำเนินการหลายขั้นตอนเพื่อไปถึงเป้าหมายนั้น โดยอาจเชื่อมต่อกับฐานข้อมูล ระบบ ERP API หรือเครื่องมืออื่นภายในองค์กร
ความแตกต่างสำคัญจึงอยู่ที่
Generative AI
ผู้ใช้ถาม → AI วิเคราะห์ → AI ตอบ
ขณะที่ Agentic AI สามารถเป็น
ผู้ใช้กำหนดเป้าหมาย → AI วิเคราะห์ → วางแผน → เรียกใช้ระบบต่าง ๆ → ดำเนินงาน → ตรวจสอบผลลัพธ์
ตัวอย่างเช่น ผู้จัดการฝ่ายจัดซื้ออาจสั่งว่า
“ตรวจสอบสินค้าที่กำลังจะหมด และเตรียมรายการสั่งซื้อให้หน่อย”
แทนที่ AI จะเพียงรายงานว่าสินค้าตัวใดเหลือน้อย ระบบสามารถเชื่อมข้อมูลจาก ERP แล้วดำเนินงานต่อ เช่น
ตรวจสอบ Stock → วิเคราะห์ยอดขายย้อนหลัง → ตรวจสอบ Supplier → คำนวณจำนวนที่ควรสั่ง → สร้าง Draft Purchase Order → ส่งให้ผู้มีอำนาจตรวจสอบและอนุมัติ
นี่คือความแตกต่างระหว่าง AI ที่ให้ข้อมูล กับ AI ที่เข้าไปเป็นส่วนหนึ่งของ Workflow การทำงาน
Enterprise Software กำลังเข้าสู่ยุค Agentic AI
Computerworld รายงานถึงแนวโน้มของ Agentic AI ในองค์กร และอ้างข้อมูลจาก Gartner ว่า ภายในปี 2028 ซอฟต์แวร์สำหรับองค์กรประมาณ 33% อาจมี Agentic AI อยู่ภายใน จากระดับต่ำกว่า 1% ในปี 2024 และอาจทำให้การตัดสินใจในงานประจำวันบางส่วนเกิดขึ้นโดยอัตโนมัติ
ทิศทางดังกล่าวเริ่มเห็นได้จากผู้พัฒนาระบบ Enterprise รายใหญ่ที่นำ AI Agent เข้าไปเชื่อมกับ Business Workflow มากขึ้น เช่น ระบบงานขาย การบริการลูกค้า การจัดซื้อ การจัดการเอกสาร และระบบหลังบ้าน
Computerworld ยังรวบรวมกรณีการนำ Agentic AI ไปใช้ตั้งแต่งานบริการลูกค้า การจัดการ Logistics การปรับ Workflow การตรวจจับ Fraud ไปจนถึงการสร้างและทดสอบ Software
จาก ERP ที่ “เก็บข้อมูล” สู่ ERP ที่ “ช่วยทำงาน”
ERP แบบดั้งเดิมมีหน้าที่สำคัญในการรวบรวมข้อมูลและกระบวนการขององค์กรไว้ในระบบเดียว เช่น
ฝ่ายขาย → ใบเสนอราคา → คำสั่งซื้อ → Stock → จัดซื้อ → บัญชี → รายงานผู้บริหาร
แต่การนำ AI Agent เข้ามาเชื่อมกับ ERP สามารถเพิ่มอีกชั้นหนึ่ง คือให้ระบบ วิเคราะห์ข้อมูลและเริ่มดำเนิน Workflow บางอย่างให้โดยอัตโนมัติ
ฝ่ายขาย
AI สามารถตรวจสอบข้อมูลลูกค้า ประวัติการซื้อ สินค้า และเงื่อนไขราคา ก่อนจัดเตรียม Draft ใบเสนอราคาให้พนักงานตรวจสอบ
ฝ่ายจัดซื้อ
AI ตรวจสอบ Stock และยอดขายย้อนหลัง วิเคราะห์สินค้าที่มีแนวโน้มไม่เพียงพอ และจัดเตรียม Purchase Order
ฝ่ายคลังสินค้า
AI สามารถตรวจจับ Stock ที่ผิดปกติ สินค้าที่เคลื่อนไหวช้า หรือสินค้าที่มีความเสี่ยงขาด Stock และแจ้งผู้เกี่ยวข้อง
ผู้บริหาร
แทนที่จะเปิด Dashboard หลายหน้า ผู้บริหารอาจถามระบบว่า
“เดือนนี้สินค้าอะไรยอดตกผิดปกติ และเกิดจากอะไร?”
AI สามารถรวบรวมข้อมูลจากหลายส่วน วิเคราะห์ และสรุปประเด็นที่ควรตรวจสอบเพิ่มเติมได้
AI Agent ไม่ควรมีสิทธิ์ทำทุกอย่าง
การให้ AI สามารถดำเนินการกับระบบธุรกิจโดยตรงย่อมสร้างความเสี่ยงมากกว่า Chatbot ทั่วไป
Computerworld ระบุถึงประเด็นด้าน Security, Ethics และ Governance ของ Agentic AI และชี้ว่าการนำระบบอัตโนมัติเหล่านี้มาใช้จำเป็นต้องมีกรอบควบคุมและการทดสอบที่เหมาะสม
ตัวอย่างเช่น AI ไม่ควรสามารถ
- โอนหรือจ่ายเงินเองโดยไม่มีการอนุมัติ
- ลบข้อมูลสำคัญโดยอัตโนมัติ
- เปลี่ยนราคาสินค้าโดยไม่มีเงื่อนไขควบคุม
- อนุมัติ Purchase Order เกินวงเงิน
- เข้าถึงข้อมูลที่ผู้ใช้งานไม่มีสิทธิ์เข้าถึง
แนวทางที่เหมาะสมสำหรับหลายองค์กรจึงไม่จำเป็นต้องเป็น Fully Autonomous AI ตั้งแต่เริ่มต้น แต่สามารถใช้แนวคิด Human-in-the-loop ให้ AI เป็นผู้วิเคราะห์และเตรียม Action ก่อนส่งให้มนุษย์ตรวจสอบหรืออนุมัติ
ตัวอย่างเช่น
AI วิเคราะห์ → สร้าง Draft → ผู้รับผิดชอบตรวจสอบ → Approve → ระบบจึงดำเนินการจริง
วิธีนี้ช่วยให้องค์กรได้ประโยชน์จาก Automation ขณะเดียวกันยังสามารถควบคุมความเสี่ยงได้
ความท้าทายไม่ได้อยู่ที่ AI เพียงอย่างเดียว
อีกประเด็นที่น่าสนใจคือ การทำ Agentic AI ในระดับ Production ไม่ได้ขึ้นอยู่กับการเลือกโมเดล AI ที่เก่งที่สุดเพียงอย่างเดียว
ระบบจริงยังต้องจัดการเรื่อง API, Permission, Data Quality, Workflow, Latency, Cost, Logging และความผิดพลาดจากระบบภายนอก
Computerworld รวบรวมกรณีที่ชี้ว่า Multi-Agent ซึ่งทำงานได้ดีแยกกันอาจเกิดปัญหาเมื่อทำงานร่วมกัน และระบบ Production ยังต้องรับมือกับต้นทุน นโยบาย และ Failure Mode ที่ซับซ้อนกว่าการ Demo AI เพียงตัวเดียว
ดังนั้น ก่อนนำ AI Agent มาใช้ สิ่งที่องค์กรควรถามอาจไม่ใช่เพียง
“เราจะใช้ AI รุ่นไหนดี?”
แต่ควรถามว่า
“กระบวนการใดของเราที่สามารถให้ AI ช่วยทำงานได้อย่างปลอดภัยและสร้างผลตอบแทนได้จริง?”
ธุรกิจไทยควรเริ่มจากตรงไหน?
องค์กรไม่จำเป็นต้องเปลี่ยนทุกกระบวนการเป็น Agentic AI ในครั้งเดียว
แนวทางหนึ่งคือเริ่มจากงานที่มีลักษณะดังนี้
- ทำซ้ำเป็นประจำ
- มีกฎหรือ Workflow ค่อนข้างชัดเจน
- ต้องรวบรวมข้อมูลจากหลายแหล่ง
- ใช้เวลาพนักงานจำนวนมาก
- ความผิดพลาดสามารถตรวจสอบหรือย้อนกลับได้
จากนั้นจึงทดลองสร้าง AI Agent สำหรับ Workflow เล็ก ๆ ก่อน เช่น
AI Stock Assistant
ตรวจสอบ Stock → วิเคราะห์ยอดขาย → แจ้งสินค้าที่ควรสั่งเพิ่ม → สร้าง Draft PO
หรือ
AI Sales Assistant
อ่านข้อมูล Lead → ตรวจสอบประวัติลูกค้า → แนะนำสินค้า → เตรียม Draft ใบเสนอราคา → ให้ฝ่ายขายตรวจสอบ
เมื่อระบบทำงานได้ถูกต้องจึงค่อยเพิ่มระดับ Automation
ERP + AI อาจกลายเป็นโครงสร้างพื้นฐานใหม่ของธุรกิจ
ที่ผ่านมา ERP ทำหน้าที่เป็นศูนย์กลางข้อมูลและกระบวนการขององค์กร
ในยุค Agentic AI บทบาทของ ERP อาจขยายจากระบบที่ “รอให้คนเข้ามาทำงาน” ไปสู่ระบบที่สามารถ “ตรวจพบ วิเคราะห์ และเริ่มต้นกระบวนการบางอย่างให้คน”
อย่างไรก็ตาม เทคโนโลยีนี้ยังอยู่ระหว่างการพัฒนา และไม่ได้หมายความว่าทุกองค์กรควรรีบนำ AI Agent มาแทนพนักงาน
สิ่งสำคัญกว่าคือการออกแบบ Data + Workflow + Permission + Approval + Audit Log ให้พร้อม เพราะเมื่อ AI สามารถลงมือทำงานจริง ความถูกต้องและการควบคุมย่อมสำคัญกว่าตอนที่ AI มีหน้าที่เพียงตอบคำถาม
สำหรับองค์กรที่กำลังพัฒนาหรือปรับปรุงระบบ ERP นี่จึงเป็นช่วงเวลาที่น่าสนใจในการเริ่มออกแบบระบบให้สามารถเชื่อมต่อกับ AI และ Automation ได้ตั้งแต่วันนี้ เพื่อรองรับรูปแบบการทำงานที่กำลังเปลี่ยนแปลงในอนาคต
อ้างอิง: Computerworld — Agentic AI: Ongoing coverage of its impact on the enterprise, Dan Muse, เผยแพร่ 10 เมษายน 2026