ทันเอไอ

งานวิจัยชี้ ไม่มีสถาปัตยกรรม AI เอเจนต์ที่ดีที่สุดสำหรับทุกงาน ต้องดูตามขั้นตอนธุรกิจ

งานวิจัยบน arXiv เทียบสถาปัตยกรรมเอเจนต์ AI 4 แบบกับขั้นตอนปฏิบัติงานองค์กร 13 ชุด พบว่าไม่มีแบบใดชนะทุกงาน และการเพิ่มความซับซ้อนมักมาพร้อมต้นทุนที่สูงกว่ามาก

ทีมวิจัยนำโดย Subhrangshu Nandi และคณะ เผยแพร่รายงานบน arXiv ในหมวด cs.AI ฉบับแรกลงวันที่ 7 พฤศจิกายน 2026 โดยศึกษาการใช้โมเดลภาษาขนาดใหญ่ (large language model) เป็นเอเจนต์ (agent) สำหรับทำขั้นตอนปฏิบัติงานมาตรฐานขององค์กร หรือ SOP ซึ่งมักยาว มีการแตกแขนงของเงื่อนไข และต้องเรียกใช้เครื่องมือจำนวนมาก

งานนี้เปรียบเทียบสถาปัตยกรรม 4 แบบ รวมเป็น 8 รูปแบบทดลอง ได้แก่ เอเจนต์เดี่ยวที่เรียกฟังก์ชันได้ เอเจนต์ที่เสริมด้วย skills การประสานงานหลายเอเจนต์แบบรวมศูนย์ และ triage swarm โดยกำหนดให้โมเดล งาน และเครื่องมือเหมือนกันทุกกรณี เปลี่ยนเฉพาะโครงสร้างของระบบ ทีมวิจัยยังเสนอเกณฑ์ประเมินคุณภาพการเขียนนิยาม skill เพื่อสร้างชุด skill คุณภาพสูงและต่ำที่เทียบกันได้

ผลสำคัญข้อแรกคือ ไม่มีสถาปัตยกรรมใดดีที่สุดสำหรับทุกกรณี ตัวเลขที่รายงานคืออัตราความสำเร็จของเอเจนต์เดี่ยวอยู่ที่ 67.4% ส่วน skills คุณภาพสูงได้ 73.1% และระบบหลายเอเจนต์ที่ปรับการออกแบบแล้วได้ 75.6% ขณะที่ระบบหลายเอเจนต์หรือระบบที่เสริม skills ใช้โทเคนมากกว่าเอเจนต์เดี่ยว 1.4 ถึง 4.7 เท่า และใช้เวลา 2.6 ถึง 5.8 เท่า ผลสำเร็จที่เพิ่มขึ้นส่วนใหญ่มีไม่มาก และไม่ค่อยมีนัยสำคัญทางสถิติ

ข่าว Crypto Briefing ลงวันที่ 11 พฤศจิกายน 2026 รายงานตัวเลขตรงกัน แต่เป็นการรายงานงานชิ้นเดียวกัน ไม่ใช่การทดลองซ้ำโดยกลุ่มอื่นที่ช่วยยืนยันผลอย่างอิสระ นอกจากนี้ ฉบับที่เราอ่านยังไม่ระบุชื่อโมเดลที่ใช้ทดสอบ จึงยังไม่ทราบว่าผลนี้จะเปลี่ยนไปหรือไม่เมื่อใช้โมเดลรุ่นใหม่ และงานยังเป็นบทความก่อนการตีพิมพ์ในวารสาร (preprint) ที่ยังไม่ผ่านการพิจารณาโดยผู้ทรงคุณวุฒิ