Computer Use คืออะไร? กลไกที่ AI ช่วยควบคุมหน้าจอเพื่อทำงานอัตโนมัติ

Computer Use คือเทคโนโลยีที่ AI Agent สามารถมองเห็นหน้าจอได้เหมือนกับมนุษย์ พร้อมทั้งควบคุมแอปพลิเคชันผ่านการใช้เมาส์และคีย์บอร์ด เพื่อช่วยให้สามารถทำงานอัตโนมัติได้แม้ในงานที่ไม่มี API รองรับ ซึ่งแตกต่างจาก RPA แบบเดิมที่เป็นเพียงการ "เล่นซ้ำตามขั้นตอนที่กำหนดไว้" โดย Computer Use จะมีความสามารถในการทำความเข้าใจสถานการณ์บนหน้าจอและตัดสินใจเลือกการดำเนินการถัดไปได้ด้วยตนเอง

บทความนี้จัดทำขึ้นเพื่อผู้รับผิดชอบด้านระบบสารสนเทศ (IT) และผู้รับผิดชอบด้านการขับเคลื่อน DX ของบริษัท B2B ที่ดำเนินธุรกิจในประเทศไทย โดยจะอธิบายตั้งแต่กลไกการทำงาน งานที่เหมาะสม ขั้นตอนการนำไปใช้ ไปจนถึงมาตรการด้านความปลอดภัยอย่างครบวงจร เพื่อให้ผู้อ่านสามารถตัดสินใจได้ว่าควรเริ่มนำไปใช้กับงานส่วนใดในบริษัท และงานส่วนใดที่ยังคงจำเป็นต้องให้มนุษย์เป็นผู้ตรวจสอบ

Computer Use คือกลไกที่มอบ "ดวงตา (การจดจำหน้าจอ)" และ "มือ (การสั่งการ)" ให้กับ AI Agent เพื่อให้สามารถใช้งานระบบที่ไม่มี API รองรับได้แทนมนุษย์ ก่อนอื่น เรามาทำความเข้าใจคำจำกัดความและความแตกต่างระหว่าง Computer Use กับ RPA หรือ Agent แบบเชื่อมต่อผ่าน API ที่มักจะถูกเข้าใจผิดกันบ่อยๆ ก่อน

Computer Use คือการที่โมเดลตีความหน้าจอที่จับภาพมาเป็น Screenshot แล้วตัดสินใจว่า "ต้องคลิกที่ไหนและพิมพ์อะไรต่อไป" เพื่อสร้างการดำเนินการขึ้นมา จุดเด่นคือไม่ต้องกำหนดพิกัดหรือ Selector ไว้ล่วงหน้า ทำให้สามารถวางแผนการทำงานโดยคำนึงถึงเป้าหมายย้อนกลับได้ แม้เลย์เอาต์ของหน้าจอจะเปลี่ยนแปลงไปบ้างก็ตาม

โดยสรุป ทั้งสามวิธีนี้สามารถแบ่งกลุ่มตาม "ความทนทานต่อการเปลี่ยนแปลง" และ "วิธีการเชื่อมต่อ" RPA แบบดั้งเดิมจะบันทึกพิกัดหรือ Object ID เพื่อนำมาเล่นซ้ำ จึงมีความเสถียรแต่ไม่ทนต่อการเปลี่ยนแปลงของหน้าจอ ส่วน AI Agent แบบเชื่อมต่อผ่าน API จะทำงานได้รวดเร็วและแม่นยำที่สุดหากระบบมีการเปิด API ไว้ แต่จะไม่สามารถใช้งานได้หากไม่มี API สำหรับ Computer Use จะเข้ามาเติมเต็มช่องว่างนี้ ในงานที่ไม่มี API และหน้าจออาจมีการเปลี่ยนแปลงได้

ในทางปฏิบัติ การเลือกระหว่าง "RPA หรือ Computer Use" ไม่ใช่แค่การเลือกอย่างใดอย่างหนึ่ง แต่การผสมผสานเป็นสิ่งที่สมเหตุสมผลกว่า กล่าวคือ หากมี API ให้ใช้ API หากเป็นงานประจำและหน้าจอมีความเสถียรให้ใช้ RPA และใช้ Computer Use เข้ามาเสริมในส่วนที่เหลือ

เบื้องหลังของความสนใจนี้คือความแม่นยำในการทำความเข้าใจหน้าจอของโมเดลแบบมัลติโมดัล (Multimodal Model) ที่ใกล้ถึงระดับที่สามารถนำมาใช้งานจริงในธุรกิจได้แล้ว การที่สามารถอ่านองค์ประกอบ UI จากภาพหน้าจอและระบุปุ่มหรือแบบฟอร์มได้ ทำให้งานที่เคยต้องล้มเลิกการทำ API ไปก่อนหน้านี้ กลับมาอยู่ในขอบเขตที่สามารถทำระบบอัตโนมัติได้อีกครั้ง

การคาดการณ์ของบริษัทวิจัยยังระบุว่า การใช้เอเจนต์ (Agent) ในระดับองค์กรจะขยายตัวอย่างรวดเร็วในอีกไม่กี่ปีข้างหน้า โดย Gartner คาดการณ์ว่าสัดส่วนของแอปพลิเคชันสำหรับองค์กรที่จะติดตั้ง AI Agent เฉพาะทางสำหรับงานต่างๆ จะเพิ่มขึ้นจากน้อยกว่า 5% เป็น 40% ภายในปี 2026 (ที่มา: Gartner, 2025) อย่างไรก็ตาม มีการชี้ให้เห็นว่าแม้โครงการนำร่องจะคืบหน้าไปมาก แต่ยังมีบริษัทเพียงไม่กี่แห่งที่สามารถนำไปใช้งานจริงได้ ระยะห่างจาก "เดโมที่ใช้งานได้" ไปสู่ "การปฏิบัติงานที่วางใจได้" คือกำแพงที่แต่ละบริษัทกำลังเผชิญอยู่ในขณะนี้

ในหน้างาน B2B ของไทยและกลุ่มประเทศอาเซียน (ASEAN) มักพบกรณีที่ระบบหลัก (Core System) หรือพอร์ทัลของผู้จัดหาสินค้า (Supplier) ไม่มี API เตรียมไว้ให้ ด้วยเหตุนี้ ประโยชน์ใช้สอยจริงของ Computer Use ที่ช่วยเติมเต็มช่องว่างด้วยการสั่งงานผ่านหน้าจอจึงมีความสำคัญสูงขึ้นตามไปด้วย

การใช้งานคอมพิวเตอร์ขับเคลื่อนด้วยลูปที่ทำซ้ำอย่างรวดเร็วระหว่าง "มองหน้าจอ → ดำเนินการ" ในที่นี้จะอธิบายโดยแบ่งออกเป็นขั้นตอนพื้นฐานในการสร้างการดำเนินการแต่ละครั้ง และวงจรการวางแผน การดำเนินการ และการตรวจสอบ เพื่อให้งานทั้งหมดเสร็จสมบูรณ์

1 รอบการทำงานพื้นฐานจะดำเนินไปตามขั้นตอนดังนี้:

1. การจับภาพหน้าจอ (Screen Capture): บันทึกหน้าจอปัจจุบันเป็นภาพหน้าจอ
2. การทำความเข้าใจสถานการณ์ (Situation Understanding): โมเดลจะอ่านข้อความ ปุ่ม และช่องกรอกข้อมูลภายในหน้าจอ เพื่อทำความเข้าใจว่าขณะนี้อยู่ในสถานะใด
3. การตัดสินใจดำเนินการ (Action Decision): พิจารณาจากส่วนต่างระหว่างเป้าหมายกับสถานะปัจจุบัน เพื่อตัดสินใจขั้นตอนถัดไป เช่น "คลิกที่องค์ประกอบนี้" หรือ "กรอกข้อมูลลงในช่องนี้"
4. การดำเนินการ (Action Execution): แปลงเป็นการกระทำจริง เช่น การเลื่อนเมาส์ การคลิก การพิมพ์คีย์บอร์ด หรือการเลื่อนหน้าจอ แล้วดำเนินการตามนั้น
5. การตรวจสอบผลลัพธ์ (Result Verification): จับภาพหน้าจอหลังการดำเนินการอีกครั้ง เพื่อตรวจสอบว่าทุกอย่างเป็นไปตามที่ตั้งใจไว้หรือไม่

เนื่องจากลูปนี้จะทำงานในทุกๆ 1 การดำเนินการ แม้ว่าตำแหน่งของปุ่มจะคลาดเคลื่อนไปจากเดิมเล็กน้อย ระบบก็ยังสามารถมองหน้าจอใหม่และติดตามผลได้ ในทางกลับกัน การที่ต้องทำความเข้าใจหน้าจอในทุกขั้นตอนจะใช้เวลามากกว่าวิธีเรียก API โดยตรง และอาจเกิดการคลิกผิดพลาดได้ในหน้าจอที่มีความซับซ้อน ดังนั้น การออกแบบการตรวจสอบและการยืนยันโดยมนุษย์ที่จะกล่าวถึงในภายหลัง จึงเป็นปัจจัยสำคัญที่กำหนดคุณภาพของงาน

แม้การดำเนินการแบบครั้งเดียวจะเชื่อมต่อกันได้ แต่เพียงแค่นั้นก็ไม่สามารถทำให้งานที่มีหลายขั้นตอน เช่น "การประมวลผลใบแจ้งหนี้ 30 ฉบับ" สำเร็จลุล่วงได้ เพื่อให้การทำงานในทางปฏิบัติมีความเสถียร จำเป็นต้องมีการวางแผนและวงจรการตรวจสอบซ้อนทับไว้ในระดับที่สูงกว่า

• การวางแผน (Plan): แบ่งงานออกเป็นเป้าหมายย่อย (Sub-goal) ตัวอย่างเช่น การวางขั้นตอนว่า "ล็อกอิน → เปิดรายการเป้าหมาย → กรอกข้อมูลทีละรายการ → บันทึก → ไปยังรายการถัดไป"
• การปฏิบัติ (Act): ดำเนินการตามวงจรการทำงานที่กล่าวไปข้างต้นในแต่ละเป้าหมายย่อย
• การตรวจสอบ (Check): ตรวจสอบเงื่อนไขความสำเร็จของแต่ละเป้าหมายย่อย (เช่น "มีการแสดงข้อความว่าบันทึกเสร็จสิ้นหรือไม่") หากล้มเหลวให้ลองใหม่หรือส่งเรื่องให้มนุษย์จัดการ (Escalation)

แนวคิดในการออกแบบ "การวางแผน → การปฏิบัติ → การตรวจสอบ" แบบหลายระดับนี้ มีความต่อเนื่องกับ AI Agent Orchestration ที่เป็นการประสานงานระหว่างเอเจนต์หรือขั้นตอนการทำงานหลายส่วน นอกจากนี้ แนวคิดที่เน้นการป้องกันความผิดพลาดด้วยระบบแทนที่จะพึ่งพาความระมัดระวังของบุคคล ยังเป็นสิ่งที่เหมือนกับ Harness Engineering อีกด้วย หากละเลยการตรวจสอบ อาจนำไปสู่ความผิดพลาดที่ดำเนินต่อไปจนจบโดยที่การดำเนินการขั้นตอนใดขั้นตอนหนึ่งผิดพลาดไปตั้งแต่ต้น ซึ่งจะส่งผลให้เกิดอุบัติเหตุในการลงทะเบียนข้อมูลที่ผิดพลาดจำนวนมากได้

Computer Use มีประสิทธิภาพสำหรับงานที่มีลักษณะ "ไม่มี API × การใช้งานหน้าจอค่อนข้างเป็นรูปแบบตายตัว × มีปริมาณงานมาก" โดยจะแบ่งพิจารณาใน 2 ขอบเขตหลัก ได้แก่ การใช้งานระบบ Legacy และการรวบรวมข้อมูลรวมถึงการจัดทำรายงาน

สิ่งที่สร้างมูลค่าได้มากที่สุดคือการใช้งานระบบภายในองค์กรหรือพอร์ทัลภายนอกที่ไม่มีการเปิดเผย API ในแวดวง B2B ของไทย ยังคงมีงานจำนวนมากที่ "ต้องทำผ่านหน้าจอเท่านั้น" เช่น ระบบหลัก (Core System) ที่ใช้งานมาอย่างยาวนาน, พอร์ทัลรับคำสั่งซื้อของซัพพลายเออร์แต่ละราย และเว็บไซต์ยื่นคำร้องของหน่วยงานราชการ

ตัวอย่างเช่น งานที่ต้องกรอกข้อมูลการสั่งซื้อเดียวกันลงในพอร์ทัลของซัพพลายเออร์หลายแห่ง, การตรวจสอบสถานะการยื่นคำร้องบนพอร์ทัลของภาครัฐทุกเช้าแล้วนำมาทำเป็นรายการสรุป, หรือการคัดลอกข้อมูลใบแจ้งหนี้ที่ได้รับไปยังระบบ Legacy ERP งานเหล่านี้หากทำด้วยมือจะเป็นงานที่น่าเบื่อ ใช้เวลานาน และเสี่ยงต่อการเกิดข้อผิดพลาดในการคัดลอกข้อมูล

หากเป็นกระบวนการจัดซื้อที่สามารถเชื่อมต่อผ่าน API ได้ การสร้างระบบบนพื้นฐานของ API แทนการพึ่งพาการใช้งานผ่านหน้าจอจะมีความแน่นอนกว่า (ในส่วนนี้ได้กล่าวถึงไว้ใน การทำระบบจัดซื้อ B2B อัตโนมัติด้วย AI Agent) การใช้งานคอมพิวเตอร์ (Computer Use) จะมีบทบาทที่ชัดเจนขึ้นเมื่อถูกกำหนดให้เป็นทางเลือกสุดท้ายสำหรับ "คู่ค้าที่ไม่สามารถจัดเตรียม API ให้ได้จริงๆ" เท่านั้น

อีกหนึ่งงานประจำคือการรวบรวมข้อมูลจากหลายเว็บไซต์หรือหลายระบบเพื่อนำมาเปรียบเทียบและสรุปเป็นรายงานตามรูปแบบที่กำหนด เช่น การติดตามราคาคู่แข่งอย่างสม่ำเสมอ การตรวจสอบสต็อกและกำหนดการส่งมอบจากหลายผู้จำหน่าย รวมถึงการบันทึกภาพหน้าจอและสรุปผลจากแดชบอร์ดภายในองค์กร

งานเหล่านี้เป็นตัวอย่างคลาสสิกของ "การที่มนุษย์ต้องคอยเปิดหน้าจอเดิมซ้ำๆ ทุกวันเพื่อคัดลอกและวางข้อมูล" ซึ่งเป็นงานที่เห็นผลลัพธ์จากการนำระบบอัตโนมัติมาใช้ได้ชัดเจนที่สุด และเนื่องจากเป็นการทำงานผ่านเบราว์เซอร์เป็นหลัก จึงสามารถปรับตัวตามการเปลี่ยนแปลงเลย์เอาต์ของเว็บไซต์เป้าหมายได้ง่าย ซึ่งถือว่าเหมาะสมกันเป็นอย่างดี

อย่างไรก็ตาม การนำข้อมูลที่รวบรวมได้ไปใช้ในการตัดสินใจโดยตรงนั้นมีความเสี่ยง เนื่องจากอาจเกิดความผิดพลาดในการอ่านหน้าจอหรือการดึงข้อมูลจากแคชเก่า ดังนั้น ในการแสดงผลลัพธ์จึงควรระบุ "วันเวลาและแหล่งที่มาของข้อมูล" ไว้เสมอ และควรมีกระบวนการให้มนุษย์ตรวจสอบความถูกต้องของตัวเลขสำคัญก่อนนำไปใช้งานจริง

หลักการสำคัญของการนำไปใช้งานคือ "เริ่มจากจุดเล็กๆ เพื่อตรวจสอบ แล้วจึงขยายผลโดยยังคงให้มนุษย์เป็นผู้ตรวจสอบอยู่" โดยให้ดำเนินการผ่าน 3 ขั้นตอน ได้แก่ การคัดเลือกงานเป้าหมาย, การดำเนินการจาก PoC ไปสู่การใช้งานจริง และการผนวกการตรวจสอบโดยมนุษย์ (HITL) เข้าไปในกระบวนการ

ด่านแรกคือ "จะเริ่มจากงานไหนดี" งานที่เข้าเงื่อนไขต่อไปนี้มากเท่าไหร่ ยิ่งมีโอกาสประสบความสำเร็จในช่วงเริ่มต้นสูงเท่านั้น

• มีขั้นตอนที่ชัดเจนในระดับหนึ่ง และมีการตัดสินใจแยกย่อยน้อย
• เน้นการใช้งานผ่านหน้าจอ ซึ่งยากต่อการใช้ API ทดแทน
• มีปริมาณงานมาก ทำให้สามารถคำนวณผลลัพธ์ของการทำระบบอัตโนมัติออกมาเป็นตัวเงินได้ง่าย
• หากเกิดความผิดพลาดก็ไม่ส่งผลกระทบร้ายแรง (ไม่เกี่ยวข้องโดยตรงกับเรื่องเงิน สัญญา หรือข้อกฎหมาย)

สำหรับการประเมินความคุ้มค่า ให้เปรียบเทียบระหว่างชั่วโมงการทำงานปัจจุบันของงานนั้นๆ (จำนวนคน × เวลา × ความถี่) กับต้นทุนในการสร้างและดูแลระบบ โดยสามารถใช้กรอบแนวคิดการตัดสินใจลงทุนจาก การวัดผลลัพธ์หลังการนำ AI Agent มาใช้ เป็นแนวทางอ้างอิงได้

ในทางกลับกัน หากเลือกงานที่มีความเสี่ยงสูง เช่น การยืนยันยอดเงินในสัญญาหรือการดำเนินการชำระเงิน มาเป็นเป้าหมายในการทำระบบอัตโนมัติเต็มรูปแบบตั้งแต่แรก ความเสียหายหากเกิดข้อผิดพลาดจะสูงมากและอาจทำให้สูญเสียความเชื่อมั่นภายในองค์กรได้ ดังนั้น กลยุทธ์ที่แนะนำคือการเลือกงานที่ "ซ้ำซากจำเจแต่หากผิดพลาดก็ยังแก้ไขได้" ในช่วงเริ่มต้น

เมื่อกำหนดเป้าหมายได้แล้ว อย่าเพิ่งเริ่มใช้งานเต็มรูปแบบทันที แต่ให้เริ่มจาก PoC ขนาดเล็กก่อน โดยเฉพาะอย่างยิ่ง ให้จำกัดขอบเขตงานเพียงบางส่วน (เช่น 1 สาขา, 1 ซัพพลายเออร์ หรือข้อมูลจำนวนหลักสิบรายการ) เพื่อวัดอัตราความสำเร็จ ระยะเวลาที่ใช้ และจำนวนครั้งที่มนุษย์ต้องเข้าไปแทรกแซง

สิ่งที่ควรพิจารณาใน PoC ไม่ใช่ "จำนวนครั้งที่ทำสำเร็จ" แต่คือ "รูปแบบการเกิดข้อผิดพลาด" ให้ตรวจสอบว่าติดขัดที่หน้าจอใด หรือหยุดชะงักด้วยข้อยกเว้นแบบใดบ้าง (เช่น ป๊อปอัป, เซสชันหมดอายุ, หรือการแสดงข้อผิดพลาดที่ไม่คาดคิด) เพื่อเตรียมการแยกเงื่อนไข (Branching) และการลองใหม่ (Retry) ไว้รองรับในขั้นตอนการใช้งานจริง

การเปลี่ยนผ่านจาก PoC ไปสู่การใช้งานจริงมีประเด็นที่พบบ่อยในการดำเนินงานเอเจนต์โดยทั่วไป สำหรับแนวทางการขยายผลจากโครงการนำร่องไปสู่การใช้งานจริง สามารถดูรายละเอียดเพิ่มเติมได้ที่ AI เอเจนต์กับการนำไปใช้งานจริง หากในขั้นตอนการตรวจสอบพบว่า "อัตราความสำเร็จไม่ถึงเกณฑ์ที่ธุรกิจกำหนด" การตัดสินใจจำกัดขอบเขตงานใหม่อีกครั้งแทนที่จะฝืนขยายผลออกไปถือเป็นเรื่องสำคัญ

กุญแจสำคัญในการใช้งานคอมพิวเตอร์อย่างปลอดภัยคือการไม่พยายามทำทุกอย่างให้เป็นอัตโนมัติ การออกแบบโดยให้มีขั้นตอนการตรวจสอบโดยมนุษย์ (Human-in-the-Loop หรือ HITL) ก่อนการดำเนินการที่มีความเสี่ยงสูง คือทางออกที่สมจริงในการป้องกันอุบัติเหตุพร้อมกับขยายขอบเขตของระบบอัตโนมัติไปในตัว

• การดำเนินการที่ทำอัตโนมัติได้: การเรียกดู การคัดลอกข้อมูล การบันทึกฉบับร่าง และการดำเนินการอื่นๆ ที่สามารถแก้ไขย้อนหลังได้
• การดำเนินการที่ต้องผ่านการอนุมัติจากมนุษย์: การส่งข้อมูล การยืนยันรายการ การชำระเงิน การสั่งซื้อจากภายนอก และการดำเนินการอื่นๆ ที่ยากจะแก้ไขย้อนหลัง

แนวคิดในการแบ่งเส้นแบ่งนี้ได้อธิบายไว้อย่างเป็นระบบในหัวข้อ Human-in-the-Loop (HITL) หากมีการเพิ่มขั้นตอนที่ต้องรอการอนุมัติมากเกินไป ประโยชน์ของระบบอัตโนมัติจะลดน้อยลง ดังนั้นจึงต้องปรับสมดุลระหว่างความเสี่ยงและปริมาณงานเพื่อตัดสินว่า "จะมอบหมายงานถึงจุดไหน และจะเรียกมนุษย์เข้ามาตรวจสอบตั้งแต่ขั้นตอนใด" เมื่อการดำเนินงานเริ่มมีความเสถียรแล้ว วิธีที่ปลอดภัยคือการค่อยๆ ผ่อนปรนเกณฑ์การตรวจสอบและขยายขอบเขตการมอบหมายงานออกไปทีละน้อย

Computer Use คือการ "มอบสิทธิ์การควบคุมของมนุษย์ให้แก่ AI โดยตรง" ดังนั้นหากละเลยการออกแบบสิทธิ์และการรับมือความเสี่ยง อาจก่อให้เกิดความเสียหายร้ายแรงได้ จึงจำเป็นต้องให้ความสำคัญกับหลักการให้สิทธิ์ขั้นต่ำ (Least Privilege), การแยกส่วนด้วย Sandbox และการเตรียมพร้อมรับมือกับความผิดพลาดจากการใช้งานรวมถึงข้อกำหนดต่างๆ

เอเจนต์สำหรับการใช้งานคอมพิวเตอร์จะใช้สิทธิ์ของบัญชีที่สามารถควบคุมหน้าจอได้โดยตรง ซึ่งหมายความว่าเอเจนต์สามารถทำทุกอย่างที่บัญชีนั้นทำได้ ดังนั้น จุดเริ่มต้นที่สำคัญคือการเตรียมบัญชีสำหรับเอเจนต์โดยเฉพาะ และกำหนดให้มีเพียงสิทธิ์ขั้นต่ำที่จำเป็นต่อการปฏิบัติงานเท่านั้น แนวคิดนี้ได้มีการอธิบายไว้อย่างละเอียดใน การออกแบบสิทธิ์สำหรับ AI Agent (หลักการสิทธิ์ขั้นต่ำ)

นอกจากนี้ การใช้แซนด์บ็อกซ์ (Sandbox) เพื่อแยกสภาพแวดล้อมการทำงานออกจากเครือข่ายหลักหรือข้อมูลที่เป็นความลับ จะช่วยจำกัดความเสียหายได้หากเอเจนต์ทำงานผิดพลาดหรือไม่เป็นไปตามที่คาดการณ์ไว้ คุณสามารถศึกษาแนวทางการสร้างสภาพแวดล้อมที่แยกส่วนได้จาก การใช้งาน AI Agent อย่างปลอดภัยด้วยแซนด์บ็อกซ์ ทั้งนี้ สิ่งสำคัญคือต้องยึดหลักการที่ว่า "การที่มองเห็นหน้าจอ หมายถึงการเข้าถึงข้อมูลทั้งหมดที่อยู่เบื้องหลังได้" ดังนั้นจึงจำเป็นต้องจำกัดขอบเขตของสิ่งที่อนุญาตให้มองเห็นและสิ่งที่อนุญาตให้ดำเนินการทั้งในเชิงตรรกะและเชิงกายภาพ

นอกจากความเสี่ยงด้านเทคนิคแล้ว ยังมีอีก 3 ประเด็นที่ควรระวังในการดำเนินงาน:

ประการแรกคือ การทำงานผิดพลาด (Human Error) เช่น การอ่านหน้าจอผิดจนกดปุ่มข้างเคียง หรือการทำคำสั่งเดิมซ้ำสอง ซึ่งเป็นสิ่งที่เกิดขึ้นได้ ควรบันทึกภาพหน้าจอและบันทึกการทำงาน (Operation Log) ทั้งก่อนและหลังการดำเนินการที่สำคัญ เพื่อให้สามารถตรวจสอบและย้อนกลับ (Rollback) ได้ในภายหลัง

ประการที่สองคือ อคติจากการทำงานอัตโนมัติ (Automation Bias) ซึ่งเป็นแนวโน้มที่มนุษย์จะเชื่อถือผลลัพธ์จาก Agent อย่างไม่วิพากษ์วิจารณ์ แม้จะมีผู้ตรวจสอบอยู่ แต่หากปล่อยผ่านโดยคิดว่า "ยังไงก็น่าจะถูกต้อง" ก็จะไม่มีความหมาย สามารถดูแนวทางป้องกันได้ที่ มาตรการรับมืออคติจากการทำงานอัตโนมัติของ AI

ประการที่สามคือ ข้อกำหนดการใช้งานและการปฏิบัติตามกฎระเบียบ (Terms of Service & Compliance) การใช้ระบบอัตโนมัติควบคุมเว็บไซต์หรือพอร์ทัลภายนอก อาจถูกห้ามไว้ในข้อกำหนดการใช้งานของฝั่งผู้ให้บริการ ซึ่งในปัจจุบันได้เริ่มมีข้อพิพาททางกฎหมายเกี่ยวกับการใช้ Agent ท่องเว็บอัตโนมัติปรากฏให้เห็นแล้ว จึงจำเป็นอย่างยิ่งที่จะต้องตรวจสอบข้อกำหนดของเว็บไซต์เป้าหมายล่วงหน้า และใช้งานภายในขอบเขตที่ได้รับอนุญาตเท่านั้น

ในพื้นที่ปฏิบัติงานของ ASEAN "หน้าจอแบบหลายภาษา" และ "กฎหมายคุ้มครองข้อมูลส่วนบุคคลของท้องถิ่น" กลายเป็นประเด็นเฉพาะในการใช้ประโยชน์จากคอมพิวเตอร์ โดยจะขอสรุปประเด็นที่ควรคำนึงถึงซึ่งเป็นลักษณะเฉพาะของแต่ละพื้นที่ โดยเน้นไปที่ประเทศไทยเป็นหลัก

ในสภาพแวดล้อมแบบ B2B ของไทยและกลุ่มประเทศ ASEAN นั้น ไม่ใช่เรื่องแปลกที่หน้าจอระบบจะมีการแสดงผลหลายภาษารวมกัน ทั้งภาษาไทย ภาษาอังกฤษ และภาษาญี่ปุ่น การใช้งานคอมพิวเตอร์ที่อาศัยการทำความเข้าใจหน้าจอด้วยภาพ (Computer Use) ค่อนข้างรองรับ UI หลายภาษาเหล่านี้ได้ดี แต่เนื่องจากความแม่นยำในการอ่านข้อมูลอาจแตกต่างกันไปตามแต่ละภาษา จึงควรตรวจสอบแยกตามภาษาที่ใช้งานจริง

นอกจากนี้ มุมมองด้านการคุ้มครองข้อมูลเป็นสิ่งที่ละเลยไม่ได้เช่นกัน ทั้งพระราชบัญญัติคุ้มครองข้อมูลส่วนบุคคลของไทย (PDPA) และกฎระเบียบของประเทศต่างๆ ใน ASEAN ต่างมีการกำหนดข้อบังคับเกี่ยวกับการจัดการข้อมูลส่วนบุคคล หากเอเจนต์ต้องจัดการกับหน้าจอที่มีข้อมูลลูกค้าหรือข้อมูลพนักงาน ข้อมูลหน้าจอหรือภาพหน้าจอดังกล่าวก็อาจถือเป็นข้อมูลที่ต้องได้รับการคุ้มครองด้วย จึงจำเป็นต้องมีการออกแบบที่จำกัดขอบเขตและระยะเวลาในการจัดเก็บล็อกหรือภาพหน้าจอให้เหลือน้อยที่สุด รวมถึงจำกัดสิทธิ์การเข้าถึงข้อมูล สำหรับรายการที่ต้องปฏิบัติตามอย่างเฉพาะเจาะจงในประเทศไทย โปรดดูที่ รายการตรวจสอบการปฏิบัติตาม PDPA และการใช้ AI ในไทย

รวบรวมคำถามที่พบบ่อยในการพิจารณานำ Computer Use มาใช้งาน

ไม่จำเป็นต้องเปลี่ยนมาใช้เสมอไป สำหรับงานที่มีหน้าจอการทำงานคงที่และมีขั้นตอนที่เป็นรูปแบบชัดเจน การใช้ RPA แบบดั้งเดิมมักจะรวดเร็วและแม่นยำกว่า ข้อได้เปรียบของ Computer Use คือเหมาะกับงานที่มีภาระในการดูแลรักษา RPA สูง เช่น งานที่มีการเปลี่ยนแปลงหน้าจอบ่อย มีรูปแบบข้อยกเว้นมาก หรือต้องจัดการกับระบบที่หลากหลาย ทั้งสองอย่างนี้ไม่ใช่คู่แข่งกัน แต่การเลือกใช้ให้เหมาะสมกับลักษณะของงานเป็นแนวทางที่ใช้งานได้จริง และในแง่ของการทำงานร่วมกันระหว่าง RPA และ AI นั้น AI Hybrid BPO ก็เป็นข้อมูลที่น่าสนใจเช่นกัน

กฎเหล็กคือการเริ่มต้นจากงานที่ "ซ้ำซาก ปริมาณมาก และสามารถแก้ไขได้หากเกิดข้อผิดพลาด" โดยเฉพาะอย่างยิ่ง งานที่เหมาะสมสำหรับการเริ่มต้น ได้แก่ การกรอกข้อมูลลงในพอร์ทัลที่ไม่มี API, การรวบรวมข้อมูลจากหลายเว็บไซต์เพื่อจัดทำรายงาน และการคัดลอกข้อมูลลงในระบบ Legacy ในทางกลับกัน งานที่มีความเสี่ยงสูง เช่น การอนุมัติการชำระเงินหรือการทำสัญญา ควรเริ่มต้นอย่างระมัดระวังด้วยการทำระบบอัตโนมัติเพียงบางส่วนโดยเพิ่มขั้นตอนการตรวจสอบโดยมนุษย์ให้เข้มงวดขึ้น

เงื่อนไขขั้นต่ำมี 3 ประการ ประการแรก ต้องมีการตรวจสอบโดยมนุษย์ (HITL) ก่อนดำเนินการที่มีความเสี่ยงสูงเสมอ ประการที่สอง ต้องมีการบันทึก Log การทำงานและภาพหน้าจอ เพื่อให้สามารถตรวจสอบและย้อนกลับเมื่อเกิดความผิดพลาดได้ ประการที่สาม ต้องใช้งานบัญชีเฉพาะสำหรับ Agent โดยใช้สิทธิ์ขั้นต่ำสุด (Least Privilege) และแยกสภาพแวดล้อมการทำงานออกจากกัน หากขาดเงื่อนไขทั้ง 3 ประการนี้แล้วเดินหน้าสู่ระบบอัตโนมัติเต็มรูปแบบ ความผิดพลาดเพียงครั้งเดียวอาจนำไปสู่การปนเปื้อนของข้อมูลจำนวนมหาศาลได้ง่าย

Computer Use คือเทคโนโลยีที่ช่วยให้ AI Agent สามารถมองเห็นและสั่งการผ่านหน้าจอได้ ซึ่งช่วยขยายขอบเขตการทำงานอัตโนมัติไปจนถึงงานที่ไม่มี API รองรับ โดยเฉพาะงานที่ RPA แบบเดิมมักทำได้ยาก เช่น งานที่มีการเปลี่ยนแปลงหน้าจออยู่ตลอด งานที่มีข้อยกเว้นจำนวนมาก หรือการใช้งานระบบ Legacy และพอร์ทัลของหน่วยงานรัฐที่ไม่มี API

ในทางกลับกัน เนื่องจากเป็นการรับช่วงต่อสิทธิ์การใช้งานของมนุษย์โดยตรง หากขาดพื้นฐานด้านหลักการสิทธิ์ขั้นต่ำ (Least Privilege), การแยกส่วนด้วย Sandbox, การตรวจสอบโดยมนุษย์ (Human-in-the-Loop: HITL) และการบันทึก Log การใช้งาน ก็อาจนำไปสู่ความผิดพลาดร้ายแรงแทนที่จะเป็นการเพิ่มประสิทธิภาพ ดังนั้น การเริ่มต้นจากงานที่ "ซ้ำซากแต่แก้ไขได้" และค่อยๆ ขยายขอบเขตการทำงานไปพร้อมกับการสังเกตลักษณะความผิดพลาดที่อาจเกิดขึ้น จึงเป็นทางลัดที่จะช่วยให้การใช้งานจริงประสบความสำเร็จ ไม่ใช่เป็นเพียงแค่การสาธิตเท่านั้น

บริษัทของเราให้การสนับสนุนการนำ AI Agent มาใช้ให้เหมาะสมกับงาน B2B ในประเทศไทยและภูมิภาคอาเซียน หากคุณต้องการคำปรึกษาว่าควรเริ่มต้นจากงานส่วนใด สามารถติดต่อสอบถามเราได้ทันที