AI Agentic Era 2026 ชาเลนจ์ที่องค์กรยุคใหม่ต้องปรับตัว ใน Session: Data Foundation in Agentic AI Era โดย วัตสัน ถิรภัทพงศ์ (Amazon Web Service, AWS Thailand) ที่งาน AI REVOLUTION SHIFT 2026
“The world’s most valuable resource is no longer oil, but data”- 50% ขององค์กรจะนำ Agentic AI มาใช้
- 33% ของ Agentic AI ในซอฟต์แวร์องค์กรจะเพิ่มขึ้น
The Evolution of AI
วิวัฒนาการของ AI ในปัจจุบันจะเริ่มจากการต้องมีมนุษย์ในการดูแลและใช้งานสู่การใช้งานที่คิด วิเคราะห์เองได้แบบใช้มนุษย์น้อยลง
- Generative AI Assistant: ทำงานตามคำสั่งเป็นชุด และทำงานซ้ำ ๆ แบบอัตโนมัติ
- AI Agents: ทำงานแบบมีเป้าหมาย และมีเวิร์กโฟลว์ที่จัดการงานได้แบบมัลติทาส์ก
- Agentic AI-System: ทำงานแบบอิสระ โดยมีระบบเป็นตัวแทนในการคิด วิเคราะห์และเลียนแบบตรรกะของมนุษย์ได้ (more codes, more datas, more apps)
Data Journey: Humans x AI
เส้นทางของการได้มาซึ่งข้อมูลที่เกิดจากการร่วมมือกันระหว่างมนุษย์และ AI
- แหล่งข้อมูล Unstructure จะเยอะขึ้น
- Analytic: Dashboard และ Data Product
- AI Applications: Generative AI, Agentic AI
Foundational Pillars: โครงสร้างขององค์กรเมื่อต้องใช้ AI
- Open Data Architecture
- Data Foundational Excellent
- Governance of trust data for AI
Open Data Architecture
การเชื่อมต่อข้อมูล Open Source โดยมีข้อมูล Highest Quality Data มาจาก
- Open Standard
- Data Accessibility
- Interoperability
- Zero-ETL and 3P Integrations
- Native Vector Search
Benefits of Open Data Architecture
- No Lock-in: เป็นฟอร์แมตแบบเปิดโดยไม่ต้องล็อกอิน
- Flexibility: มีความยืนหยุ่นในการหาเครื่องมือมาใช้สำหรับ Workload ต่าง ๆ ทำให้ได้อินไซต์ไวขึ้น
- Cost ROI: ช่วยปรับขนาดพื้นที่การเก็บข้อมูล และลดการใช้จ่ายได้ 40%
- Future-Proof: พร้อมสำหรับการเปลี่ยนไปใช้ AI ใหม่ ๆ แบบมี Saftguard Data
- Collaboration: เพิ่มการคอลแลบในการทำงาน เพิ่มความหลากหลายกับมุมมองทำธุรกิจ
The Challenge: ความท้าทายที่องค์กรต้องเจอ
- Foundation Model: การอยู่กับโมโดลโครงสร้างองค์กรแบบเดิม
- Organizational Knowledge Core: คอร์การสร้างองค์กรด้วยการเพิ่มความรู้แบบใหม่
- Vector Database: มีการจัดเก็บข้อมูลที่เหมาะกับ AI มากขึ้น
End-to-end Al Observability: ก่อนจะใช้ AI ต้องรู้!
- Data Prep: ตรวจสอบคุณภาพของข้อมูลไปจนถึงไปป์ไลน์
- Pre-train or select: ประเมินและติดตามการใช้งานก่อนเลือกตัวที่ใช่ไปใช้งาน
- Experiment & Evaluate: ประเมินการโต้ตอบแบบเรียลไทม์ที่ต้องมีความถูกต้องและปลอดภัย
- Operations: รวมระบบและ AI ที่ใช้ได้จริง
