ทีมส่วนใหญ่ที่ใช้งานเอเจนต์ในระบบจริงไม่สามารถบอกได้อย่างมั่นใจว่าเอเจนต์ของตนทำงานได้ผลจริงหรือไม่
พวกเขาบอกอัตรา containment ได้ เปิดแดชบอร์ดให้ดูได้ แต่ถ้าถามว่าทำไมเอเจนต์จึงตอบลูกค้ารายหนึ่งแบบนั้น ทุกคนกลับเงียบ มีคนเปิดทิกเก็ตถึงทีมวิศวกร มีคนไล่ค้นล็อก แล้วอีกหลายวันต่อมา คุณอาจได้คำตอบ
ความล่าช้านี้มีต้นทุนมากกว่าเวลา ทีมที่ได้ประโยชน์จาก AI มากที่สุดมักเป็นทีมที่เข้าใจ AI ดีที่สุด McKinsey พบว่าบริษัทที่ได้ผลตอบแทนทางธุรกิจจาก AI สูงสุด ซึ่งระบุว่า EBIT อย่างน้อย 20% มาจาก AI มีแนวโน้มมากกว่าบริษัทอื่นที่จะใช้แนวปฏิบัติที่ทำให้ AI อธิบายได้ การเข้าใจเอเจนต์ของคุณจึงไม่ใช่แค่สิ่งที่มีก็ดี แต่เป็นวิธีที่จะดึงคุณค่าจากมันออกมาได้จริง
แล้วทำไมการทำความเข้าใจเอเจนต์ยังต้องพึ่งวิศวกร และทำไมการลงมือตามสิ่งที่ได้เรียนรู้ เช่น อัปเดตนโยบายหรือเข้มงวด guardrail ให้มากขึ้น ยังต้องอาศัยคนที่เชี่ยวชาญการตั้งค่า
เราเชื่อว่าการสร้างและจัดการเอเจนต์ไม่ควรต้องใช้ความเชี่ยวชาญทางเทคนิคสูง และความเชื่อนี้คือเหตุผลที่เราสร้าง Magi
รู้จัก Magi
Magi (อ่านว่า แม็ก-อี้) คือผู้ช่วย AI ตัวใหม่สำหรับ Maven คุณคุยกับ Magi ด้วยภาษาธรรมดา เหมือนคุยกับคนที่เก่งที่สุดในทีม โดย Magi ทำ 3 อย่าง
- เฝ้าดู ถาม Magi ได้ทุกเรื่องเกี่ยวกับข้อมูลของเอเจนต์ สัปดาห์นี้ลูกค้าถามเรื่องอะไรมากที่สุด เอเจนต์ติดขัดตรงไหน อะไรเปลี่ยนไปจากเดือนที่แล้ว คุณได้คำตอบโดยไม่ต้องเขียนคิวรีหรือรอรายงาน
- อธิบาย ชี้ไปที่บทสนทนาแล้วถามว่าทำไม ทำไมเอเจนต์จึงตัดสินใจแบบนั้น ทำไมจึงส่งต่อเรื่องตรงนี้แต่ไม่ใช่ตรงนั้น Magi จะอธิบายเหตุผลทีละขั้นด้วยภาษาที่เข้าใจง่าย ไม่ใช่ล็อก
- ร่าง ให้ Magi ร่างชุด guardrail สำหรับนโยบายใหม่ หรือช่วยตั้งค่าเอเจนต์ตามสิ่งที่เพิ่งค้นพบ Magi จะรับงานหนักในการหาว่าควรเปลี่ยนอะไร และจัดเตรียมให้คุณ
ฝังอยู่ใน Agent Designer
Magi อยู่ภายใน Agent Designer ข้าง ๆ เอเจนต์ที่คุณกำลังทำงานอยู่ Magi เห็นสิ่งที่คุณกำลังดู คุณจึงถามเกี่ยวกับบทสนทนา charter หรือ variant ที่อยู่ตรงหน้า และได้คำตอบที่อิงกับบริบทนั้น จากนั้นก็เปลี่ยนอินไซต์เป็นการปรับปรุงได้โดยไม่ต้องออกจากหน้า
ไม่ว่าคุณจะเป็นหัวหน้าฝ่ายซัพพอร์ต ผู้จัดการ CX หรือวิศวกร คำตอบของคำถาม “ทำไมเอเจนต์ถึงทำแบบนี้” อยู่ห่างคุณเพียงแค่คำถามเดียว
คุณยังเป็นคนกดบันทึก
Magi จะไม่เปลี่ยนการตั้งค่าของคุณเองโดยพลการ ทุกการเปลี่ยนแปลงที่เสนอจะรอให้คุณตรวจสอบและอนุมัติ
นี่คือการตัดสินใจโดยเจตนา เอเจนต์ที่สร้างเอเจนต์จะมีคุณค่าก็ต่อเมื่อคุณมั่นใจในสิ่งที่มันสร้าง ในองค์กร คำตอบว่า “AI เปลี่ยนเอง” ไม่ใช่คำตอบที่ยอมรับได้สำหรับคำถาม “ทำไมเอเจนต์ถึงทำแบบนี้” Magi จึงรับหน้าที่สืบหาและร่าง ส่วนการตัดสินใจยังอยู่ที่คุณ
Agent Ops สำหรับทุกคน
การนำเอเจนต์ขึ้นใช้งานจริงคือหมุดหมายสำคัญ แต่การรักษาให้เอเจนต์ทำงานได้ดีคืองานที่แท้จริง เราเรียกงานนี้ว่า Agent Ops
หากคุณเคยทำงานด้านซอฟต์แวร์ คุณคงรู้จัก DevOps แนวคิดที่ว่าการปล่อยโค้ดไม่ใช่เส้นชัย และการดูแลรันและปรับปรุงโค้ดเป็นศาสตร์เฉพาะในตัวเอง Agent Ops คือแนวคิดเดียวกันสำหรับเอเจนต์ AI เป็นงานต่อเนื่องในการติดตามประสิทธิภาพของเอเจนต์ ทำความเข้าใจว่าทำไมเอเจนต์จึงทำงานแบบนั้น ปรับปรุงเมื่อนโยบายเปลี่ยนหรือมีคำถามใหม่เข้ามา และกำกับดูแลว่าอะไรเปลี่ยนและใครเป็นผู้อนุมัติ หากไม่มี Agent Ops เอเจนต์จะค่อย ๆ เบี่ยงออกจากสิ่งที่ธุรกิจต้องการ แต่หากมี เอเจนต์จะดีขึ้นทุกสัปดาห์ที่ใช้งาน
ที่ผ่านมา Agent Ops เป็นงานด้านเทคนิคเป็นหลัก Magi เปลี่ยนว่าใครบ้างที่ทำงานนี้ได้ ลองดูตัวอย่างการใช้งานจริง สมมติคุณเห็นบทสนทนาหนึ่งที่ถูกส่งต่อไปเป็นคำขอคืนเงิน ทั้งที่ไม่ควรเป็นเช่นนั้น ผู้จัดการ CX ถาม Magi ว่า “ทำไมบทสนทนานี้ถึงถูกส่งต่อไปเป็นคำขอคืนเงิน” Magi ตรวจสอบบทสนทนาตั้งแต่ต้นจนจบ ค้นหาการส่งต่อเรื่องคืนเงินที่คล้ายกันในช่วง 30 วันที่ผ่านมา และเปรียบเทียบ charter ที่เกี่ยวข้อง แล้วพบสาเหตุ: การตั้งค่าของเอเจนต์ส่งบทสนทนาไปยังการส่งต่อเรื่องคืนเงินทุกครั้งที่ลูกค้าพูดถึงปัญหาสุขภาพ และตรรกะนี้ทำงานไปแล้วใน 137 บทสนทนาในช่วง 30 วันที่ผ่านมา Magi ร่างการแก้ไข charter ชื่อ Foundations, Subscription Troubleshooting และ Refund Help เพื่อจำกัดกรณีที่ควรส่งต่อเรื่องคืนเงินให้แคบลง ผู้จัดการตรวจสอบการเปลี่ยนแปลงและอนุมัติ ลูกค้ารายถัดไปที่พูดถึงปัญหาสุขภาพก็ได้รับความช่วยเหลือแทนที่จะถูกส่งต่อ ก่อนมี Magi การแก้ปัญหานี้อาจใช้เวลาหลายวัน ต้องมีคนเห็นปัญหา เปิดทิกเก็ต และรอทีมเทคนิคไล่ตรวจตรรกะข้าม charter ต่าง ๆ แต่ด้วย Magi ใช้เพียงบทสนทนาเดียว และคนที่เห็นปัญหาก็คือคนที่แก้ไขได้เอง
นี่คือ Agent Ops สำหรับทุกคน: เข้าใจสิ่งที่เกิดขึ้น หาว่าควรเปลี่ยนอะไร และพัฒนาต่อไปอย่างต่อเนื่อง ผลลัพธ์คือเอเจนต์ที่ดีขึ้นเรื่อย ๆ เพราะคนที่รู้จักลูกค้าของคุณดีที่สุดคือคนที่กำหนดทิศทางของมัน
ตัวอย่างล่วงหน้า: Maven ในเครื่องมือที่คุณใช้อยู่แล้ว
Magi คือวิธีทำงานกับเอเจนต์ของคุณภายใน Maven และเรายังเปิดช่องทางใหม่ ๆ ให้นำ Maven เข้าไปในเครื่องมือที่ทีมของคุณใช้งานอยู่แล้ว
- Maven MCP เชื่อมต่อ Maven กับผู้ช่วย AI ที่ทีมของคุณใช้อยู่ เช่น Claude ทีม CX ดึงข้อมูลและอินไซต์จาก Maven มาใช้ในงานที่ทำอยู่ได้ ตั้งแต่การวิเคราะห์ การเตรียม QBR ไปจนถึงการทำสไลด์หรือเอกสาร ควบคู่กับเครื่องมืออื่นที่เชื่อมต่อไว้
- Maven CLI นักพัฒนาและวิศวกรโซลูชันทำงานกับ Maven ผ่านคอมมานด์ไลน์ได้ ใช้ร่วมกับผู้ช่วยเขียนโค้ดอย่าง Claude Code แล้วอธิบายสิ่งที่ต้องการด้วยภาษาธรรมดา เช่น ตรวจดูว่าเอเจนต์เชื่อมต่อกันอย่างไร หรือดึงบทสนทนา
วันนี้ ทั้งสองเครื่องมือมุ่งให้คุณเข้าถึงข้อมูลและอินไซต์จาก Maven ได้ทุกที่ที่ต้องการ และในอนาคตจะให้คุณลงมือดำเนินการได้ด้วย ไม่ใช่แค่อ่าน แล้วจะมีรายละเอียดเพิ่มเติมเร็ว ๆ นี้
ลงชื่อในรายชื่อรอ
เราอยากให้คุณได้ลองใช้ Magi เต็มที่ และยังมีบางอย่างที่เก็บไว้จนถึงวันเปิดตัว บอกได้แค่ว่าการเฝ้าดู อธิบาย และร่าง คือจุดเริ่มต้นของ Magi ไม่ใช่จุดสิ้นสุด
ทดลองกับบทสนทนาของคุณเอง
ขอรับเดโมเฉพาะสำหรับคุณฟรี
