จาก AI Agents สู่ Autonomous Organisation: สิ่งที่ Agentic Enterprise ยังขาด และทำไมองค์กรไทยต้องเตรียมตัววันนี้

Agentic enterprise คือองค์กรที่ agents ลงมือทำ Autonomous Organisation คือองค์กรที่ตอบได้ว่า agents ตัดสินใจอะไรไปบ้าง เส้นแบ่งนี้ฟังดูเรียบง่าย แต่คือสิ่งที่แยกองค์กรที่มี AI กับองค์กรที่ควบคุม AI ได้จริง

ปี 2026 องค์กรขนาดใหญ่ในไทยไม่ได้ถามอีกแล้วว่าจะใช้ AI หรือไม่ คำถามเปลี่ยนไปแล้ว: ธนาคารปล่อยสินเชื่อด้วย AI ที่ประเมินลูกค้าเองได้ ผู้ให้บริการโทรคมนาคมใช้ระบบอัตโนมัติจัดการเครือข่ายโดยไม่ต้องรอคนอนุมัติ บริษัทประกันใช้ AI ตรวจสอบเคลม ธุรกิจค้าปลีกใช้ AI ตั้งราคาและสั่งสินค้า ทั้งหมดนี้เกิดขึ้นแล้ว ไม่ใช่การคาดการณ์

แต่คำถามที่ยังไม่มีคำตอบชัดเจนในองค์กรส่วนใหญ่คือ: เมื่อ AI ตัดสินใจผิดพลาดเมื่อวันอังคารที่แล้ว ใครอนุมัติให้มันทำ? มันมีสิทธิ์ทำแค่ไหน? ค่าใช้จ่ายของการตัดสินใจนั้นคือเท่าไหร่? และบันทึกอยู่ที่ไหน?

บริบทไทย: กฎระเบียบกำลังเข้ามาจากทุกทิศทาง

องค์กรไทยไม่ได้อยู่ในสุญญากาศด้านกฎระเบียบ หน่วยงานกำกับดูแลกำลังเคลื่อนตัวเข้าหา AI governance จากหลายทิศทางพร้อมกัน

ธนาคารแห่งประเทศไทย (ธปท.) ออกแนวทางการกำกับดูแลเทคโนโลยีดิจิทัลและ AI สำหรับสถาบันการเงินมาอย่างต่อเนื่อง ความคาดหวังของ ธปท. ชัดเจน: สถาบันการเงินต้องมีธรรมาภิบาลในการใช้ AI ที่สามารถอธิบายได้ ตรวจสอบได้ และมีผู้รับผิดชอบ เมื่อ AI agents เริ่มอนุมัติสินเชื่อ บริหารพอร์ต หรือตรวจจับธุรกรรมผิดปกติด้วยตัวเอง คำถามของ ธปท. จะไม่ใช่แค่ "โมเดลถูกต้องหรือไม่" แต่จะเป็น "ระบบนี้ได้รับอนุญาตให้ทำอะไรบ้าง และมีหลักฐานหรือไม่"

สำนักงาน กสทช. กำกับดูแลผู้ให้บริการโทรคมนาคมที่ใช้ระบบอัตโนมัติในการจัดการเครือข่ายมาหลายปีแล้ว แต่เมื่อระบบเหล่านั้นกลายเป็น agents ที่ตัดสินใจเอง ขอบเขตความรับผิดชอบระหว่างเครื่องกับคนจะต้องถูกกำหนดใหม่

สำนักงาน คปภ. กำกับดูแลอุตสาหกรรมประกันภัยที่เริ่มใช้ AI ในการพิจารณารับประกัน ตรวจสอบเคลม และกำหนดเบี้ยประกัน ทุกการตัดสินใจเหล่านี้ส่งผลต่อผู้บริโภคโดยตรง และต้องสามารถอธิบายและตรวจสอบย้อนหลังได้

ที่สำคัญ นโยบาย Thailand 4.0 ผลักดันให้ภาคเอกชนเร่งใช้ดิจิทัลและ AI เพื่อยกระดับขีดความสามารถ แต่การเร่งใช้งานโดยไม่มีโครงสร้างธรรมาภิบาลรองรับ คือการสร้างความเสี่ยงที่ยังไม่ปรากฏในงบการเงินฉบับใด

ในระดับสากล EU AI Act กำหนดให้ระบบ AI ที่มีความเสี่ยงสูงต้องมีบันทึกการตัดสินใจที่ตรวจสอบย้อนหลังได้ โดยมีกำหนดเส้นตายที่ชัดเจน เกาหลีใต้ประกาศใช้ Framework Act on AI ตั้งแต่มกราคม 2026 เป็นกฎหมาย AI ฉบับแรกที่ครอบคลุมทั้งระบบในเอเชีย รูปแบบเดียวกันกำลังเกิดขึ้นทั่วโลก: หน่วยงานกำกับดูแลต้องการรู้ว่าการกระทำได้รับอนุญาต และสามารถสร้างขึ้นมาใหม่ได้

คำถามไม่ใช่ว่ากฎระเบียบเหล่านี้จะมาถึงไทยหรือไม่ แต่คือเมื่อไหร่ และองค์กรที่เตรียมพร้อมล่วงหน้าจะเป็นองค์กรที่ไม่ต้องวิ่งตาม

สามสิ่งที่ agentic enterprise ยังขาด

ถอดภาษาการตลาดออก สิ่งที่ขาดหายไปจาก agentic enterprise ตามที่มีอยู่จริงในองค์กรส่วนใหญ่วันนี้มีสามอย่าง แต่ละอย่างคือคำถามที่คณะกรรมการบริษัทจะถูกถามในที่สุด และแต่ละอย่างยังไม่มีคำตอบอยู่ในแฟ้ม

Authority envelope (ขอบเขตที่ชัดเจนว่าระบบได้รับอนุญาตให้ตัดสินใจอะไรได้บ้าง) agent ตัวนี้ได้รับอนุญาตให้ทำอะไร? ไม่ใช่ว่ามันสร้างมาให้ทำอะไร ซึ่งเป็นคำถามเรื่องความสามารถ แต่เป็นว่ามันได้รับอำนาจให้ทำอะไร ซึ่งเป็นคำถามเรื่องธรรมาภิบาล โมเดลที่ผ่านการ validate อย่างสมบูรณ์แบบแต่อยู่ใน agent ที่ทำเกินขอบเขตอำนาจ จะสร้างรายงาน model risk ที่สะอาดพร้อมกับเหตุการณ์ที่เป็นปัญหา เราวิเคราะห์ความเสี่ยงห้าประเภทที่เกิดจากสิ่งนี้ในความเสี่ยงของ agentic AI และตัวอย่างการออกแบบ authority envelope ในขีดจำกัดอำนาจสำหรับ AI ที่ใช้จ่าย

Decision record (บันทึกการตัดสินใจ) องค์กรสามารถสร้างภาพการตัดสินใจขึ้นมาใหม่ได้หรือไม่: ข้อมูลที่มี เหตุผลที่ใช้ ส่วนที่เบี่ยงเบน ผู้ที่อนุมัติ (ถ้ามี) สำหรับการตัดสินใจของมนุษย์ คำตอบมักจะเป็น "ไม่" โดยประมาณ และไม่มีใครรู้สึกว่าเป็นปัญหา เพราะการตัดสินใจของมนุษย์เกิดขึ้นในปริมาณของมนุษย์ และบันทึกการประชุมก็เพียงพอ แต่ในปริมาณของ agents การไม่มีบันทึกไม่ใช่ความไม่สะดวก มันคือหนี้สินที่ยังไม่ถูกบันทึก ที่ไม่ปรากฏในงบการเงินฉบับใดจนกว่าจะปรากฏในศาล ในข่าว หรือในคำขอหลักฐานจากหน่วยงานกำกับดูแล นี่คือภาระหน้าที่ที่บทบัญญัติการเก็บบันทึกของ EU AI Act เปลี่ยนจากแนวปฏิบัติที่ดีให้เป็นกฎหมาย

ต้นทุนต่อการตัดสินใจ การตัดสินใจโดยเครื่องมีค่าใช้จ่ายเท่าไหร่? และ AI ลงทุนตัวไหนที่คุ้มค่าในแง่ของการตัดสินใจที่ดีขึ้นจริง? ฝ่ายการเงินส่วนใหญ่บอกค่าใช้จ่าย AI ได้ถึงระดับบาท แต่เชื่อมเงินแม้แต่บาทเดียวกับการตัดสินใจแม้แต่ครั้งเดียวไม่ได้ Agentic enterprise มีบรรทัดต้นทุนกับเรื่องเล่าเรื่องผลิตภาพ แต่ไม่มีอะไรอยู่ตรงกลาง

ไม่มีข้อใดเกี่ยวกับความสามารถ คุณมี agents ที่ดีที่สุดในอุตสาหกรรมก็ได้ แต่ไม่มีสิ่งเหล่านี้เลย นั่นคือเหตุผลที่ agentic enterprise กับ Autonomous Organisation เป็นคนละเรื่องกัน เราอธิบายความแตกต่างนี้อย่างละเอียดในบทความ AI agents กับ agentic enterprise

บันไดสี่ขั้นของ autonomy

วิธีที่ชัดเจนที่สุดในการเห็นความแตกต่างคือบันไดของ autonomy ซึ่งแผนงาน Autonomous Organisation สร้างขึ้นบนขั้นเหล่านี้:

1. Assisted คนตัดสินใจและลงมือทำ AI แนะนำ ความปลอดภัยมาจากคนที่อยู่ในวงจร
2. Augmented ระบบลงมือทำ แต่ต้องได้รับอนุมัติก่อน ทุกการกระทำยังต้องผ่านด่านมนุษย์
3. Supervised autonomous ระบบตัดสินใจและลงมือทำภายในขีดจำกัดที่ชัดเจน มนุษย์กำหนดขอบเขตและเข้าแทรกแซงเมื่อมีข้อยกเว้น
4. Autonomous Organisation วงจรทำงานเอง ผู้บริหารกำกับดูแล authority envelopes และผลลัพธ์ ไม่ใช่แต่ละการกระทำ

องค์กรไทยส่วนใหญ่อยู่ที่ขั้นหนึ่งและสอง พร้อมระบบขั้นสามกระจายอยู่บ้างที่ไม่มีใครจัดตั้งอย่างเป็นทางการ: ระบบ optimize เครือข่ายที่ได้รับอนุญาตให้ทำเอง, pricing engine ที่ได้รับสิทธิ์เขียน, ระบบตรวจจับทุจริตที่ block ธุรกรรมโดยอัตโนมัติ สิ่งที่ทำให้พวกมันเป็น "agentic" แทนที่จะเป็น "autonomous" คือระบบขั้นสามเหล่านี้มาถึงโดยไม่มีโครงสร้างที่ขั้นสามต้องการ

ทำไมองค์กรติดอยู่ที่ขั้นสอง: ปัญหาของ approval gate

บนบันได ขั้นจากสองไปสามคือขั้นที่สำคัญที่สุด เพราะมันคือจุดที่คนออกจากเส้นทางของแต่ละการกระทำ ถึงขั้นสอง ความปลอดภัยคือคน ตั้งแต่ขั้นสามเป็นต้นไป ความปลอดภัยต้องเป็นสถาปัตยกรรม เพราะไม่มีคนอยู่ที่จะทำหน้าที่นั้นอีกแล้ว

ตรงนี้คือจุดที่ agentic enterprises ส่วนใหญ่ติดขัด และรูปแบบการติดขัดมีลักษณะที่จำได้ Approval gate ที่ขั้นสอง scale แบบเส้นตรงตามจำนวนการตัดสินใจ ดังนั้นเมื่อ agents ผลิตการตัดสินใจมากขึ้น ผู้อนุมัติกลายเป็นคอขวด องค์กรเผชิญทางเลือก: ยกเลิกด่านและยอมรับการตัดสินใจที่ไม่มีใครเห็น, หรือรักษาด่านไว้และยอมรับว่า agents จะไม่คุ้มค่ากับต้นทุนที่ลงไป

สำหรับกลุ่มธุรกิจขนาดใหญ่ของไทย ปัญหานี้มีมิติเฉพาะที่น่าสนใจ หลายกลุ่มธุรกิจเป็นกลุ่มครอบครัวที่มีวัฒนธรรมการกำกับดูแลแบบลำดับชั้นอยู่แล้ว การตัดสินใจสำคัญต้องผ่านหลายระดับขึ้นไปถึงระดับ holding company มีคณะกรรมการที่ซ้อนกันหลายชั้น มีสายการรายงานที่ยาว วัฒนธรรมนี้สร้างความมั่นใจในการควบคุม แต่มันก็คือ approval gate ที่ใหญ่ที่สุด เมื่อ agents เริ่มทำงานข้ามบริษัทในเครือ ระบบอนุมัติแบบลำดับชั้นจะกลายเป็นคอขวดที่ทำให้ทั้ง group ช้าลง

ทางออกไม่ใช่การหาผู้อนุมัติที่เร็วขึ้น มันคือการแทนที่ผู้อนุมัติด้วยสามสิ่งที่ agentic enterprise ยังขาด Authority envelope หมายความว่า agent ทำสิ่งที่คุณจะปฏิเสธไม่ได้ ดังนั้นคุณไม่ต้องอยู่ตรงนั้นเพื่อปฏิเสธ Decision record หมายความว่าเมื่อ agent ทำอะไรภายในขอบเขตที่คุณอาจตั้งคำถาม คุณเห็นได้อย่างชัดเจนว่ามันทำอะไรและทำไม หลังจากเกิดขึ้นแล้ว ตามจังหวะของคุณเอง ต้นทุนต่อการตัดสินใจหมายความว่าคุณบอกได้ว่า authority envelopes ใดที่คุ้มค่ากับ autonomy ที่ให้ไป และตัวใดไม่คุ้ม

สำหรับกลุ่มธุรกิจไทย การเปลี่ยนจาก approval gate เป็น envelope governance สอดคล้องกับวิธีที่กลุ่มเหล่านี้กระจายอำนาจไปยังบริษัทลูกอยู่แล้ว: กำหนดนโยบาย กำหนดขอบเขต ให้อิสระในการปฏิบัติ ตรวจสอบผลลัพธ์ ความแตกต่างคือตอนนี้ "ผู้ปฏิบัติ" คือเครื่อง และขอบเขตต้องเป็น machine-readable

การออกแบบเชิงปฏิบัติของโครงสร้างนี้ ทั้งกฎ การควบคุม และลำดับ อยู่ในกรอบธรรมาภิบาล agentic AI

กรณี multi-agent: เมื่อ agents หลายตัวทำงานร่วมกัน

ความเร่งด่วนเพิ่มขึ้นอีกเมื่อ agents หลายตัวทำงานเข้าหากัน ในระบบเครือข่ายโทรคมนาคมสมัยใหม่ ในห้องค้าเงิน ในระบบ supply chain ขนาดใหญ่ agents หลายตัวกำลังปฏิบัติงานเข้าหากันแล้ว ผลกระทบที่เกิดขึ้นระหว่าง agents ไม่ใช่สิ่งที่การอนุมัติทีละตัวจะจับได้แม้ในหลักการ

เราวิเคราะห์กลไกนี้ในธรรมาภิบาลการทำงานของ multi-agent ณ จุดนั้น approval gate ที่ขั้นสองไม่ใช่แค่คอขวด มันคือเรื่องแต่ง มีเพียง envelopes และ records เท่านั้นที่กำกับดูแลกองทัพ agents ได้

สำหรับธนาคารไทยที่อยู่ภายใต้การกำกับของ ธปท., ผู้ให้บริการโทรคมนาคมที่อยู่ภายใต้ กสทช., และบริษัทประกันที่อยู่ภายใต้ คปภ. ความสามารถในการแสดงให้เห็นว่ามีการกำกับดูแลที่ระดับระบบ ไม่ใช่แค่ระดับโมเดล จะกลายเป็นเรื่องสำคัญ เราวิเคราะห์ความเสี่ยงเฉพาะภาคส่วนในagentic enterprise ภาคธนาคาร โทรคมนาคม และค้าปลีก

ห้าสถานี: จาก agentic enterprise สู่ Autonomous Organisation

เส้นทางจาก agentic enterprise สู่ Autonomous Organisation ไม่ใช่การย้ายแพลตฟอร์ม มันคือลำดับขั้นตอน และลำดับคือลำดับ เพราะแต่ละขั้นสร้างสิ่งที่ขั้นถัดไปต้องการ เราดำเนินการเป็นห้าสถานี และองค์กรสามารถเข้าร่วมที่สถานีใดก็ได้:

1. AI ของคุณกำลังตัดสินใจอะไรจริง? (Assess) องค์กรส่วนใหญ่ไม่สามารถระบุรายชื่อระบบขั้นสามของตัวเองได้ เพราะไม่มีใครเลื่อนขั้นให้มันอย่างเป็นทางการ AI Value Review สำรวจทุก AI initiative ว่ามีค่าใช้จ่ายเท่าไหร่ และปรับปรุงการตัดสินใจใดจริง ให้คุณมีต้นทุนต่อการตัดสินใจเป็นครั้งแรก

2. อะไรควรเป็นอัตโนมัติตั้งแต่แรก? (Frame) การตัดสินใจบางอย่างไม่ควรออกจากขั้นสองเลย การตัดสินว่าอะไรควรหรือไม่ควร ก่อนที่จะมอบให้เครื่อง คือการกระทำระดับคณะกรรมการที่ต้องใช้การคิดวิเคราะห์เชิงวิพากษ์ ไม่ใช่ขั้นตอนการตั้งค่า

3. กฎที่ชัดเจนคืออะไร? (Govern) เขียน authority envelope ทำให้ decision record เป็นผลลัพธ์มาตรฐานของการตัดสินใจ ไม่ใช่สิ่งที่คิดทีหลัง นี่คือจุดที่โครงสร้างที่แทนที่ผู้อนุมัติถูกสร้างขึ้น

4. พิสูจน์ได้กับ workflow เดียวหรือไม่? (Prove) นำการตัดสินใจที่มีมูลค่าสูงหนึ่งรายการผ่านวงจรเต็ม วัดจากความเร็ว ความสามารถในการตรวจสอบ และความมั่นใจของผู้บริหาร ก่อนที่จะ scale อะไรก็ตาม Compliance และคณะกรรมการไม่ซื้อ slide deck พวกเขาซื้อ trace เดียวที่สมบูรณ์ของการตัดสินใจจริงหนึ่งรายการ

5. รูปแบบยังคงใช้ได้เมื่อ scale หรือไม่? (Scale) agents แต่ละตัวที่เพิ่มเข้ามาสืบทอดโครงสร้างธรรมาภิบาล แทนที่จะเพิ่มความเสี่ยงที่ไม่มีการกำกับ ทำให้ต้นทุนการกำกับดูแลต่อการตัดสินใจคงที่เมื่อ autonomy เติบโต เส้นคงที่นั้นคือลายเซ็นทางการเงินของ Autonomous Organisation

ลำดับสำคัญเพราะมันเป็นคำตอบสำหรับปัญหาการติดขัดที่ขั้นสองด้วย คุณไม่ได้ขอให้ผู้บริหารอนุมัติการ scale agents โดยทั่วไป คุณขอให้พวกเขาอนุมัติ envelope หนึ่ง กับ record หนึ่ง ที่ต้นทุนที่รู้หนึ่ง แล้วแสดง trace ให้ดู ความไว้วางใจสะสมทีละการตัดสินใจที่ถูกปิดผนึก

Delegation ratio: ตัวเลขเดียวที่ต้องติดตาม

ตัวชี้วัดที่ควรจับตาคือ delegation ratio สัดส่วนของการตัดสินใจที่มีนัยสำคัญที่องค์กรปล่อยให้เครื่องทำเองโดยลำพัง มันเพิ่มขึ้นเร็วเท่าที่ความไว้วางใจเพิ่มขึ้น และไม่เร็วกว่านั้น และเป็นตัวเลขเดียวที่บอกคณะกรรมการได้ว่า autonomy กำลังคุ้มค่าหรือไม่

สำหรับกลุ่มธุรกิจไทยที่กำลังเปลี่ยนผ่าน ตัวเลขนี้ให้ภาษากลางระหว่างฝ่ายเทคโนโลยีที่ต้องการ scale กับคณะกรรมการที่ต้องการการควบคุม Delegation ratio ไม่ถามว่า "ใช้ AI เยอะขึ้นหรือยัง" มันถามว่า "ไว้ใจ AI ได้มากขึ้นหรือยัง และมีหลักฐานหรือไม่"

สิ่งที่ต้องทำวันนี้

ความแตกต่างระหว่าง agentic enterprise กับ Autonomous Organisation ไม่ใช่จำนวน agents ที่องค์กรมี มันคือว่าองค์กรสามารถตอบคำถามเกี่ยวกับ agents เหล่านั้นได้หรือไม่ นั่นคือคำถามที่ทุกคณะกรรมการจะถูกถาม โดยหน่วยงานกำกับดูแล โดยคู่ค้า หรือโดยเหตุการณ์ที่เกิดขึ้น และเวลาที่ดีที่สุดในการสร้างคำตอบคือก่อนที่คำถามจะมาถึง

ธปท. จะถาม กสทช. จะถาม คปภ. จะถาม และเมื่อถึงวันนั้น องค์กรที่สามารถแสดง authority envelope, decision record, และต้นทุนต่อการตัดสินใจได้ จะเป็นองค์กรที่ไม่ต้องกังวล

หากคุณต้องการเห็นว่า AI investments ขององค์กรคุณอยู่ตรงไหนบนบันได และตัวไหนกำลังปรับปรุงการตัดสินใจจริง เริ่มต้นด้วย AI Value Review

คำถามที่พบบ่อย

Agentic enterprise กับ Autonomous Organisation ต่างกันอย่างไร? Coverage กับ accountability Agentic enterprise วัดว่ามี workflow กี่ตัวที่ทำงานโดยไม่มีคนอยู่ในเส้นทาง Autonomous Organisation ถามว่าองค์กรสามารถสร้างการตัดสินใจใดก็ตามที่ workflow เหล่านั้นทำขึ้นมาใหม่ได้หรือไม่: ใครอนุมัติ ได้รับอนุญาตให้ทำอะไร และมีค่าใช้จ่ายเท่าไหร่ องค์กรอาจได้คะแนนสูงในตัวชี้วัดแรกแต่ไม่มีตัวชี้วัดที่สองเลย

การเป็น Autonomous Organisation หมายถึงการแทนที่คนด้วยเครื่องหรือไม่? ตรงกันข้าม คนเลิกอนุมัติแต่ละการกระทำ และเริ่มกำกับดูแลระบบที่สร้างการกระทำเหล่านั้น บทบาทเปลี่ยนจากผู้เฝ้าประตูเป็นสถาปนิก: กำหนด authority envelopes, ตรวจสอบ decision records, ปรับขีดจำกัดเมื่อความไว้วางใจสะสม จำนวนพนักงานเป็นคำถามเรื่องทรัพยากร Autonomous Organisation เป็นคำถามเรื่องธรรมาภิบาล การผสมสองเรื่องนี้เข้าด้วยกันคือวิธีที่พบบ่อยที่สุดที่แนวคิดนี้ถูกตีความผิด

ทำไมองค์กรส่วนใหญ่ติดอยู่ที่ขั้นอนุมัติ? เพราะ approval gate scale แบบเส้นตรงตามจำนวนการตัดสินใจ ในขณะที่ agents ไม่ได้ scale แบบนั้น องค์กรเผชิญทางเลือกแบบ binary: ยกเลิกด่านและยอมรับการตัดสินใจที่ไม่มีใครเห็น หรือรักษาด่านไว้และยอมรับว่า agents จะไม่คุ้มค่า ทางออกคือการแทนที่คนในวงจรด้วยสถาปัตยกรรม: authority envelope ที่ป้องกันสิ่งที่ผู้อนุมัติจะปฏิเสธ และ record ที่ให้พวกเขาตรวจสอบหลังจากเกิดขึ้นแล้วตามจังหวะของตัวเอง

องค์กรไทยมีข้อได้เปรียบอะไรในเรื่องนี้? วัฒนธรรมการกำกับดูแลแบบลำดับชั้นที่มีอยู่แล้วในกลุ่มธุรกิจไทยไม่ใช่อุปสรรค มันคือพื้นฐาน กลุ่มธุรกิจเหล่านี้เข้าใจอยู่แล้วว่าการกระจายอำนาจต้องมีขอบเขตที่ชัดเจนและการรายงานที่เชื่อถือได้ สิ่งที่ต้องเปลี่ยนคือทำให้ขอบเขตเหล่านั้นเป็น machine-readable และทำให้การรายงานเป็นอัตโนมัติ เพื่อให้ทำงานในความเร็วของ agents ได้