AI Agent จุดต่อไป: จาก 'การสร้าง' สู่ 'การลงมือทำ' X-Agent สำรวจระบบอัตโนมัติสำหรับงานจริง

Odaily News: เมื่อ 'Vibe Coding' ช่วยให้ผู้คนจำนวนมากขึ้นสามารถสร้างแอปพลิเคชันด้วยภาษาธรรมชาติ การแข่งขันครั้งต่อไปของ AI Agent กำลังเปลี่ยนไปสู่ปัญหาที่ยากขึ้น: จะทำงานจริงที่ข้ามแพลตฟอร์ม ข้ามบริการ และเกี่ยวข้องกับงบประมาณและการอนุญาตได้อย่างไร

บทความล่าสุดของ X-Agent บน Medium เรื่อง 'Beyond Vibe Coding, Toward Agentic Execution' ใช้ 'การจองทริปโตเกียว' เป็นตัวอย่าง นำเสนอทิศทางการสำรวจสำหรับ Agentic Execution: ผู้ใช้ไม่จำเป็นต้องสลับไปมาระหว่างหน้าต่างๆ เช่น เที่ยวบิน โรงแรม การชำระเงินอีกต่อไป แต่ใช้ความต้องการเพียงหนึ่งประโยคเพื่อเริ่มต้นงาน โดยให้ AI ประสานงานการค้นหา เปรียบเทียบ ยืนยัน และดำเนินการในภายหลัง ผู้ใช้ยังคงควบคุมปลายทาง งบประมาณ ข้อกำหนด และการอนุญาตขั้นสุดท้ายได้เสมอ

อย่างไรก็ตาม ระหว่าง 'การแนะนำโซลูชัน' ไปสู่ 'การดำเนินการที่เชื่อถือได้' ยังคงมีความท้าทายด้านโครงสร้างพื้นฐานอีกชุดหนึ่ง การเปลี่ยนแปลงราคา การยืนยันตัวตนเมื่อเข้าสู่ระบบ การหมดเวลาของคำสั่งซื้อ การจองสำเร็จเพียงบางส่วน ล้วนกำหนดให้ Agent ต้องสามารถเก็บรักษาสถานะของงาน ระบุผลลัพธ์ที่ยืนยันแล้วและยังไม่ยืนยัน และหยุดชั่วคราวเพื่อขออนุญาตจากผู้ใช้อีกครั้งเมื่อจำเป็น แทนที่จะลองใหม่โดยไม่ลืมหูลืมตาหรือใช้จ่ายอัตโนมัติ

ในทิศทางนี้ X-Agent เสนอให้แยกความสามารถสี่ประเภท ได้แก่ การสนทนา งาน การดำเนินการ และเหตุการณ์ เพื่อทำงานร่วมกัน และสำรวจเส้นทางการดำเนินการต่างๆ เช่น WebMCP, API, เครื่องมือ MCP, ระบบอัตโนมัติของเบราว์เซอร์ และ Computer Use หลักการสำคัญคือ: เครื่องมือสามารถช่วยให้ Agent ลงมือทำได้ แต่ไม่สามารถข้ามสิทธิ์ผู้ใช้ ข้อจำกัดด้านงบประมาณ และการตรวจสอบผลลัพธ์ได้

X-Agent ระบุว่าบทความปัจจุบันอธิบายทิศทางผลิตภัณฑ์ที่ยังอยู่ระหว่างการสำรวจและตรวจสอบความถูกต้อง ไม่ใช่ความสามารถในการจองทั่วไปที่เปิดตัวแล้ว เป้าหมายคือการผลักดันให้ AI ก้าวจาก 'การเข้าใจและสร้าง' ไปสู่ 'การทำงานให้สำเร็จภายใต้การควบคุมของผู้ใช้' ทำให้ภาษาธรรมชาติกลายเป็นประตูใหม่ที่เชื่อมต่อบริการในโลกจริงกับการดำเนินการทางดิจิทัล