เกิดอะไรขึ้น

AWS Machine Learning ได้เผยแพร่แนวทางสำหรับการสร้างระบบอัตโนมัติกระบวนการทางธุรกิจที่ขับเคลื่อนด้วยเอเจนต์ (agent-based) ในระดับพร้อมใช้งานจริง (production-grade) โดยใช้ Amazon Quick Automate

แนวทางดังกล่าวครอบคลุมการเลือกกระบวนการที่เหมาะสม การออกแบบเอเจนต์ให้มีขอบเขตงานที่ชัดเจน การผสมผสานเอเจนต์เข้ากับขั้นตอนที่กำหนดผลลัพธ์แน่นอน (deterministic steps) การนำการตรวจสอบโดยมนุษย์ (human-in-the-loop) มาใช้ ตลอดจนการเพิ่มระบบประเมินผลและการสังเกตการณ์ (observability)

เหตุใดจึงสำคัญ

เมื่อองค์กรต่าง ๆ นำเอเจนต์ AI มาใช้ในเวิร์กโฟลว์ทางธุรกิจมากขึ้นเรื่อย ๆ คำแนะนำนี้ชี้ให้เห็นถึงความสมดุลในทางปฏิบัติระหว่างการทำงานอัตโนมัติของเอเจนต์กับการกำกับดูแลโดยมนุษย์

การเน้นย้ำเรื่องการประเมินผลและการสังเกตการณ์บ่งชี้ว่าความน่าเชื่อถือและการติดตามตรวจสอบเป็นประเด็นสำคัญในการผลักดันระบบอัตโนมัติที่ขับเคลื่อนด้วยเอเจนต์จากขั้นทดลองไปสู่การใช้งานจริง

ข้อเท็จจริงสำคัญ

แนวปฏิบัติที่ดีที่สุดนี้มีไว้สำหรับการสร้างระบบอัตโนมัติระดับพร้อมใช้งานจริงด้วย Amazon Quick Automate

แนวปฏิบัติที่แนะนำ ได้แก่ การเลือกกระบวนการที่เหมาะสมและการออกแบบเอเจนต์ให้มีขอบเขตงานที่ชัดเจน

แนวทางนี้แนะนำให้ผสมผสานเอเจนต์เข้ากับขั้นตอนที่กำหนดผลลัพธ์แน่นอน และนำการตรวจสอบโดยมนุษย์มาใช้

การประเมินผลและการสังเกตการณ์ถูกระบุว่าเป็นองค์ประกอบที่ขาดไม่ได้

สิ่งที่ต้องจับตาดูต่อไป

องค์กรต่าง ๆ อาจนำแนวปฏิบัตินี้ไปใช้เพื่อปรับใช้ระบบอัตโนมัติที่ขับเคลื่อนด้วยเอเจนต์ในสภาพแวดล้อมที่มีการกำกับดูแลเข้มงวดหรือมีความเสี่ยงสูงได้อย่างปลอดภัยยิ่งขึ้น

เอกสารหรือเครื่องมือเพิ่มเติมจาก AWS อาจขยายความว่า Quick Automate รองรับเวิร์กโฟลว์แบบ human-in-the-loop ในระดับขนาดใหญ่ได้อย่างไร

แหล่งที่มา