Human-in-the-Loop

Human-in-the-Loop AI คืออะไร

Human-in-the-loop (HITL) คือแนวทางการนำ AI มาใช้ที่ผสานวิจารณญาณของมนุษย์เข้ากับเวิร์กโฟลว์ AI ในจุดตัดสินใจที่สำคัญ แทนที่จะให้ AI ทำงานอัตโนมัติทั้งหมดหรือให้คนทำเองทั้งหมด HITL สร้างรูปแบบการทำงานร่วมกัน โดยเอเจนต์ AI จัดการงานประจำได้เอง ขณะที่เจ้าหน้าที่ตรวจสอบ อนุมัติ หรือเข้ามาดูแลในการตัดสินใจที่ซับซ้อนหรือมีความสำคัญสูง

ในงานบริการลูกค้า HITL อาจหมายถึงการให้เอเจนต์ AI ตอบคำถามทั่วไปได้เอง แต่ส่งคำขอคืนเงินที่เกินวงเงินที่กำหนดให้เจ้าหน้าที่อนุมัติ หรือให้ AI ดูแลบทสนทนาเอง แต่แจ้งเตือนเมื่อการวิเคราะห์ความรู้สึกตรวจพบว่าลูกค้าโกรธหรือทุกข์ใจ

รูปแบบ HITL ในงานบริการลูกค้า

การนำ human-in-the-loop มาใช้ในงานซัพพอร์ตลูกค้ามีหลายแนวทาง:

• จุดอนุมัติ: AI เสนอการดำเนินการ (เช่น คืนเงิน) และรอให้เจ้าหน้าที่อนุมัติก่อนดำเนินการ
• การส่งต่อตามระดับความมั่นใจ: AI จัดการการโต้ตอบที่มีความมั่นใจสูง และส่งต่อกรณีที่มีความมั่นใจต่ำให้เจ้าหน้าที่
• การสุ่มตรวจคุณภาพ: เจ้าหน้าที่สุ่มตรวจการโต้ตอบที่ AI จัดการ เพื่อหาข้อผิดพลาดและปรับปรุงคุณภาพ
• ฟีดแบ็กต่อเนื่อง: เจ้าหน้าที่ให้คะแนนหรือแก้ไขคำแนะนำของ AI เกิดเป็นวงจรฟีดแบ็กที่ช่วยพัฒนาโมเดลอย่างต่อเนื่อง

ทำไม HITL จึงสำคัญ

AI ที่ทำงานอัตโนมัติทั้งหมดมีความเสี่ยงในสถานการณ์ที่ต้องใช้วิจารณญาณ ความเห็นอกเห็นใจ หรือการตีความนโยบายที่อยู่นอกเหนือข้อมูลที่ใช้เทรน ส่วนการซัพพอร์ตด้วยคนทั้งหมดก็ขยายขนาดได้ยาก HITL จึงให้ข้อดีของทั้งสองฝั่ง คือประสิทธิภาพของ AI สำหรับงานประจำ และวิจารณญาณของมนุษย์สำหรับกรณียกเว้น

ผลการวิจัยในอุตสาหกรรม: Gartner คาดการณ์ว่า 50% ขององค์กรที่วางแผนลดจำนวนพนักงานบริการลูกค้าเพราะ AI จะยกเลิกแผนดังกล่าวภายในปี 2027 เนื่องจากตระหนักว่าการทำงานร่วมกันระหว่างคนกับ AI ให้ผลดีกว่าระบบอัตโนมัติเต็มรูปแบบ ทีมที่ผสานคนและ AI สร้างความพึงพอใจได้สูงกว่าและแก้ปัญหาได้เร็วกว่าการใช้อย่างใดอย่างหนึ่งเพียงลำพัง

จุดเด่นของ Maven: การส่งต่ออัจฉริยะและ Copilot

Maven AGI นำ HITL มาใช้ผ่าน 2 กลไก กลไกแรกคือการส่งต่ออัจฉริยะ ซึ่งส่งบทสนทนาให้เจ้าหน้าที่เมื่อ AI ถึงเกณฑ์ความมั่นใจ พร้อมส่งต่อบริบทและเหตุผลของบทสนทนาทั้งหมด เจ้าหน้าที่จึงไม่ต้องเริ่มต้นใหม่ กลไกที่สองคือAI Copilot ของ Maven ที่ทำงานเคียงข้างเจ้าหน้าที่แบบเรียลไทม์ ทั้งร่างคำตอบ สรุปบริบทบทสนทนา แปลเนื้อหา และแนะนำการดำเนินการ ช่วยให้เจ้าหน้าที่ทำงานได้มีประสิทธิภาพยิ่งขึ้นแทนที่จะเข้ามาแทนที่

ผลลัพธ์จริงจาก Maven: ClickUp มีจำนวนเคสที่เจ้าหน้าที่แก้ไขได้ต่อชั่วโมงเพิ่มขึ้น 25% ภายใน 1 สัปดาห์หลังนำ Copilot ของ Maven AGI มาใช้ แสดงให้เห็นว่า HITL ไม่ได้มีไว้แค่ตรวจจับข้อผิดพลาดของ AI แต่ยังช่วยให้เจ้าหน้าที่ทำงานได้มีประสิทธิภาพมากขึ้นอย่างเห็นได้ชัด

คำถามที่พบบ่อย

Human-in-the-loop ทำให้ AI แก้ปัญหาได้ช้าลงหรือไม่

เฉพาะการโต้ตอบที่ต้องให้เจ้าหน้าที่ตรวจสอบเท่านั้น คำถามส่วนใหญ่ของลูกค้าเอเจนต์ AI สามารถแก้ไขได้เอง HITL จะเพิ่มเวลาเฉพาะในกรณีที่วิจารณญาณของมนุษย์คุ้มค่ากับการรอ ซึ่งมักเป็นสถานการณ์ที่มีมูลค่าสูง ความเสี่ยงสูง หรือละเอียดอ่อนทางอารมณ์

จะตัดสินใจอย่างไรว่าเรื่องใดต้องให้คนตรวจสอบ และเรื่องใดทำอัตโนมัติได้ทั้งหมด

เริ่มจากการประเมินความเสี่ยง: ผลลัพธ์ที่แย่ที่สุดคืออะไรหาก AI ทำผิดพลาดกับคำขอประเภทนี้ คำถามที่มีความเสี่ยงต่ำและปริมาณสูง (สถานะคำสั่งซื้อ คำตอบ FAQ) เหมาะกับการทำอัตโนมัติทั้งหมด ส่วนสถานการณ์ที่มีความเสี่ยงสูงหรือเป็นเรื่องใหม่ควรให้เจ้าหน้าที่ตรวจสอบจนกว่า AI จะแสดงให้เห็นถึงความแม่นยำที่สม่ำเสมอ

HITL ช่วยพัฒนาประสิทธิภาพของ AI ในระยะยาวหรือไม่

ใช่ เมื่อเจ้าหน้าที่แก้ไขหรืออนุมัติการดำเนินการของ AI ฟีดแบ็กนั้นสามารถนำไปพัฒนาความแม่นยำและการปรับเทียบความมั่นใจของเอเจนต์ AI ได้ เกิดเป็นวงจรเชิงบวกที่ AI ต้องการการแทรกแซงจากคนน้อยลงเรื่อยๆ เมื่อเรียนรู้จากการแก้ไขในอดีต