
อัปเดตล่าสุด: 13 พฤศจิกายน 2026
สรุปสั้น (TL;DR)
Agentic AI คือ AI ที่รับเป้าหมายแล้ววางแผน ใช้เครื่องมือ และลงมือทำหลายขั้นตอนเองจนงานเสร็จ โดยมีคนกำกับน้อยลง ต่างจาก AI แชตที่ตอบทีละคำถามแล้วรอคำสั่งถัดไป สำหรับทีมการตลาด คำถามสำคัญไม่ใช่ “ใช้ได้ไหม” แต่คือ “งานไหนควรให้ AI ทำเองได้แค่ไหน และคนต้องอนุมัติตรงไหน”
- Gartner คาดว่าโปรเจกต์ agentic AI มากกว่า 40% จะถูกยกเลิกภายในสิ้นปี 2027 เพราะต้นทุนบานปลาย คุณค่าทางธุรกิจไม่ชัด และคุมความเสี่ยงไม่พอ (25 มิ.ย. 2025)
- เริ่มจากขั้นต่ำสุดที่งานสำเร็จ: Prompt → Workflow → Agent และให้ AI อยู่ระดับ “ร่าง” (L2) ในงานที่ถึงลูกค้าหรือใช้เงิน
- เริ่มได้ใน 30 วันด้วยงานเดียวที่ทำซ้ำทุกสัปดาห์ เช่น รายงานรายเดือน หรือการหาบทความที่ควรปรับปรุง
สารบัญ
- Agentic AI คืออะไร
- Agentic AI ทำงานยังไง: วงจร 4 ขั้น
- Agentic AI ต่างจาก Generative AI และ AI Agent ยังไง
- ChatGPT เป็น Agentic AI หรือยัง
- Workflow หรือ Agent: งานไหนควรใช้แบบไหน
- ตัวอย่าง Agentic AI ในงานการตลาด
- Agentic SEO คืออะไร
- Agent ของคนอื่นกำลังอ่านแบรนด์คุณ
- ความเสี่ยงและระดับความอิสระ L1–L4
- เริ่มใช้ Agentic AI ในทีมการตลาดใน 30 วัน
- ตัวเลข Agentic AI ที่ควรรู้ปี 2026
- คำถามที่พบบ่อย
Agentic AI คืออะไร
Agentic AI คือ AI ที่รับเป้าหมายแล้ววางแผน ใช้เครื่องมือ และลงมือทำหลายขั้นตอนเองจนงานเสร็จ โดยมีคนกำกับน้อยลง ต่างจาก AI แชตที่ตอบทีละคำถาม คนที่ได้ประโยชน์ชัดที่สุดคือทีมที่มีงานหลายขั้นทำซ้ำทุกสัปดาห์ เช่น ทีมการตลาดที่ต้องดึงข้อมูล วิเคราะห์ แล้วทำรายงานหรือแผนงาน IBM ให้คำนิยามไว้ใกล้เคียงกันว่าเป็นระบบ AI ที่ทำเป้าหมายหนึ่งให้สำเร็จได้ภายใต้การกำกับดูแลที่จำกัด

คำว่า “agentic” มาจาก agency หรือความสามารถในการลงมือทำเอง ความต่างที่เห็นได้ทันทีคือวิธีสั่งงาน กับ AI แชต คุณต้องพิมพ์สั่งทีละขั้น แต่กับ Agentic AI คุณบอกผลลัพธ์ที่อยากได้ เช่น “หา 5 บทความที่ควรปรับปรุงเดือนนี้ พร้อมเหตุผล” แล้ว AI จะคิดเองว่าต้องเปิดข้อมูลอะไร เทียบอะไร และสรุปยังไง
Agentic AI ไม่ได้แปลว่าปล่อยให้ AI ทำทุกอย่าง ระบบที่ใช้งานได้จริงในทีมการตลาดยังมีคนกำหนดกรอบ เช่น งบ สิทธิ์ในการเข้าถึงข้อมูล และจุดที่ต้องอนุมัติก่อนงานออกไปถึงลูกค้า
Agentic AI ทำงานยังไง: วงจร 4 ขั้น
Agentic AI ทำงานเป็นวงจร 4 ขั้น คือ รับเป้าหมาย วางแผน ใช้เครื่องมือ และตรวจผล แล้ววนซ้ำจนกว่างานจะถึงเป้า วงจรนี้ใช้ได้ทั้งงานเล็กอย่างการสรุปรายงาน และงานใหญ่ที่มีหลาย agent ช่วยกัน เอกสาร “Building effective agents” ของ Anthropic (19 ธ.ค. 2024) อธิบาย agent ว่าเป็นระบบที่ LLM กำหนดขั้นตอนและเลือกใช้เครื่องมือเอง ซึ่งตรงกับขั้นที่ 2 และ 3 ของวงจรนี้
- รับเป้าหมาย: คนบอกผลลัพธ์และกรอบ เช่น เวลา งบ และสิ่งที่ห้ามทำ
- วางแผน: AI แตกงานเป็นขั้นย่อย และเลือกว่าจะทำอะไรก่อน
- ใช้เครื่องมือ: AI เปิดเว็บ อ่านไฟล์ หรือดึงข้อมูลจากระบบอื่น เช่น Google Search Console ผ่านตัวเชื่อมอย่าง MCP (มาตรฐานที่ให้ AI ต่อกับเครื่องมือภายนอก)
- ตรวจผล: AI เช็กว่าถึงเป้าไหม ถ้ายังไม่ถึงก็ปรับแผนแล้ววนกลับไปขั้นที่ 2 ถ้าถึงแล้วจึงส่งให้คนตรวจหรือจบงาน

ขั้นที่ 4 คือสิ่งที่แยก Agentic AI ออกจาก automation แบบเดิม automation ทำตามขั้นตอนที่เขียนไว้แล้วจบ ไม่ว่าผลจะดีหรือไม่ แต่ระบบแบบ agentic ดูผลของตัวเองแล้วตัดสินใจว่าจะทำอะไรต่อ ข้อดีคือยืดหยุ่นกว่า ส่วนข้อเสียคือคาดเดายากกว่า จึงต้องมีกรอบให้ชัด
Agentic AI ต่างจาก Generative AI และ AI Agent ยังไง
Generative AI สร้างเนื้อหาตามคำสั่ง AI Agent คือตัวทำงานหนึ่งตัวที่มีเครื่องมือ ส่วน Agentic AI คือความสามารถหรือระบบที่ทำงานแบบ agent ตั้งแต่รับเป้าหมายจนตรวจผล ซึ่งอาจมี agent ตัวเดียวหรือหลายตัวช่วยกัน การแยก 3 คำนี้ช่วยให้คุยกับทีมและผู้ขายเครื่องมือได้ตรงกัน เพราะ Gartner เตือนว่าผู้ขายหลายรายเปลี่ยนชื่อ AI ผู้ช่วยหรือแชตบอตธรรมดาเป็น “agent” ทั้งที่ยังลงมือทำงานเองไม่ได้ ซึ่ง Gartner เรียกว่า agent washing (25 มิ.ย. 2025)
| คืออะไร | ใครเป็นคนขับ | ตัวอย่างงานการตลาด | |
|---|---|---|---|
| Generative AI | AI ที่สร้างข้อความ ภาพ หรือเสียงตามคำสั่ง | คนสั่งทีละครั้ง AI ตอบแล้วรอ | ร่างแคปชัน 5 แบบจาก prompt เดียว |
| AI Agent | ตัวทำงาน 1 ตัวที่มีเครื่องมือและทำงานแทนได้ | AI ทำตามบทบาทที่ตั้งไว้ | agent ดึงข้อมูล Search Console มาสรุปทุกเช้า |
| Agentic AI | ความสามารถหรือระบบที่ทำงานแบบ agent: รับเป้าหมาย วางแผน ลงมือ ตรวจผล (อาจมีหลาย agent) | AI เลือกขั้นตอนเอง คนกำหนดกรอบและอนุมัติ | ระบบหาบทความที่ควรปรับ ร่างแก้ แล้วส่งให้คนอนุมัติ |

ในทางปฏิบัติ คนไทยมักใช้ “AI Agent” กับ “Agentic AI” สลับกัน ซึ่งไม่ผิดถ้าเข้าใจตรงกันว่ากำลังพูดถึง AI ที่ลงมือทำงานเองได้ ถ้าอยากเห็นวิธีตั้ง AI Agent สำหรับงานการตลาดทีละขั้น รวมถึงค่าใช้จ่าย อ่านต่อที่ AI Agent สำหรับนักการตลาด ส่วนพื้นฐานของ Generative AI และ LLM คืออะไร เป็นชั้นล่างสุดที่ทั้ง agent และ Agentic AI ใช้คิดและเขียน
ChatGPT เป็น Agentic AI หรือยัง
ChatGPT เป็นได้ทั้ง AI แชตและ Agentic AI ขึ้นกับโหมดที่ใช้ ถ้าถามตอบทีละข้อคือ Generative AI แต่ถ้าให้ AI รับเป้าหมายแล้วใช้เครื่องมือทำงานหลายขั้นเองจนได้ผลงาน ก็นับเป็นการทำงานแบบ agentic คำตอบนี้ใช้กับ Claude และ Gemini ด้วย เพราะทุกค่ายมีทั้งการตอบแชตและการลงมือทำงานแทน บางค่ายแยกเป็นโหมด บางค่ายให้ AI เลือกเอง ความสามารถและแพ็กเกจที่ต้องใช้เปลี่ยนเร็ว จึงควรเช็กหน้าทางการก่อนเลือกใช้ (ข้อมูลด้านล่างตรวจกับหน้าทางการ 13 พ.ย. 2026)
- ChatGPT: ตอนนี้แบ่งเป็น Chat สำหรับถามตอบเร็ว กับ Work ที่ OpenAI ออกแบบเป็น agent สำหรับงานหลายขั้นจนได้ผลงานสำเร็จ (มาแทนโหมด ChatGPT agent เดิม) ส่วน Codex ใช้กับงานเขียนโปรแกรม ความสามารถและโควตาขึ้นกับแพ็กเกจที่ใช้
- Claude: Claude Code ทำงานกับไฟล์และระบบในเครื่อง ต่อเครื่องมือผ่าน MCP และใช้ Claude Skills เป็นคู่มือขั้นตอนที่ AI ทำตามได้ ส่วนแอป Claude เอง (ซึ่งรวม Claude Cowork ไว้แล้ว) รับเป้าหมายแล้วทำงานหลายขั้นข้ามไฟล์ในโฟลเดอร์ที่คุณอนุญาตและแอปที่เชื่อมไว้ ตั้งงานให้ทำซ้ำตามเวลาได้ และขออนุมัติก่อนลบไฟล์
- Gemini: มีฟีเจอร์ tasks ให้สั่งงานหลายขั้นและตั้งรอบทำซ้ำได้ เช่น สรุปอีเมล เฝ้าราคา หรือทำรายงานพร้อมแหล่งอ้างอิง ณ พ.ย. 2026 ต้องใช้บัญชี Google ส่วนตัวกับแพ็กเกจ Google AI Pro ขึ้นไป และยังใช้กับบัญชีที่ทำงานหรือโรงเรียนไม่ได้
สิ่งที่ควรดูมากกว่าชื่อเครื่องมือ คือ 3 คำถาม: AI ใช้เครื่องมืออะไรได้บ้าง AI เข้าถึงข้อมูลของคุณได้แค่ไหน และ AI ต้องขออนุญาตก่อนทำอะไร ถ้าตอบ 3 ข้อนี้ได้ คุณจะเลือกเครื่องมือได้โดยไม่ต้องตามชื่อรุ่นใหม่ทุกเดือน
Workflow หรือ Agent: งานไหนควรใช้แบบไหน
Workflow คือการให้ AI ทำตามขั้นตอนที่เขียนไว้ล่วงหน้า ส่วน Agent คือการให้ AI ตัดสินใจขั้นตอนเอง งานการตลาดส่วนใหญ่ควรเริ่มที่ workflow เพราะคาดเดาผลได้ ตรวจง่าย และถูกกว่า Anthropic แยก 2 แบบนี้ไว้ในเอกสาร “Building effective agents” (19 ธ.ค. 2024) และแนะนำให้เริ่มจากวิธีที่ง่ายที่สุด แล้วเพิ่มความซับซ้อนเมื่อพิสูจน์ได้ว่าผลดีขึ้นจริงเท่านั้น

วิธีใช้บันไดนี้ง่ายมาก ถามตัวเองว่างานนี้เดาขั้นตอนล่วงหน้าได้ไหม ถ้าได้ ให้ใช้ workflow ถ้าขั้นตอนเปลี่ยนตามข้อมูลที่เจอทุกครั้ง เช่น การหาว่าบทความไหนควรปรับและควรปรับตรงไหน จึงค่อยใช้ agent ตารางด้านล่างคือ 6 งานการตลาดที่ทีมไทยทำกันบ่อย พร้อมระดับที่แนะนำ
| งาน | ระดับที่แนะนำ | คนอนุมัติตรงไหน | พลาดได้ยังไง |
|---|---|---|---|
| รายงานรายเดือน (Search Console, GA4) | Workflow | ก่อนส่งให้ผู้บริหาร | ดึงช่วงวันที่ผิด ตีความตัวเลขเกินจริง |
| จัดกลุ่ม keyword | Workflow | ตรวจเจตนาคำค้นก่อนใช้วางแผน | รวมคำที่เจตนาต่างกันไว้หน้าเดียว |
| ตรวจว่า AI เอ่ยชื่อแบรนด์ไหม | Workflow (ถามชุดคำถามเดิมตามรอบ) | อ่านผลเป็นแนวโน้มหลายรอบ | เอาผลรอบเดียวไปตัดสินใจ |
| Refresh บทความ (ปรับบทความเก่าให้ทันสมัย) | Agent ระดับร่าง | ตรวจข้อเท็จจริงก่อนขึ้นเว็บทุกครั้ง | แก้ตัวเลขผิด แต่งแหล่งอ้างอิงขึ้นมาเอง |
| ร่างคำตอบ LINE ให้ลูกค้า | Agent ระดับร่าง | คนกดส่งเอง | สัญญาราคาหรือโปรที่ไม่มี หลุดข้อมูลส่วนบุคคล |
| ปรับงบโฆษณา | Agent ภายในกรอบ | ตั้งเพดานงบ ทบทวนทุกสัปดาห์ | ใช้เงินเกิน ปรับไปตามเป้าที่ผิด |

คำว่า agentic workflow ที่เริ่มเห็นบ่อยขึ้น หมายถึง workflow ที่มีบางขั้นให้ AI ตัดสินใจเอง เช่น workflow รายงานรายเดือนที่ให้ AI เลือกเองว่าตัวเลขไหนผิดปกติและควรขุดต่อ ส่วนเครื่องมือ automation อย่าง n8n หรือ Make เหมาะกับส่วนที่เป็นขั้นตอนตายตัว แล้วเรียก AI เฉพาะขั้นที่ต้องคิด
ตัวอย่าง Agentic AI ในงานการตลาด
ตัวอย่าง Agentic AI ในงานการตลาดที่ใช้ได้จริงวันนี้คืองานที่มีหลายขั้นและทำซ้ำ เช่น ทำรายงาน หาบทความที่ควรปรับ และตรวจว่า AI เอ่ยชื่อแบรนด์ไหม งานเหล่านี้เหมาะกับทีมเล็กที่มีคน 1–3 คน เพราะ AI รับส่วนที่ต้องดึงข้อมูลและเทียบข้อมูลไป ส่วนคนเหลืองานตัดสินใจ งานที่ถึงลูกค้าโดยตรงหรือใช้เงินควรอยู่ระดับร่างก่อนเสมอ
- ทำรายงานรายเดือน: AI ดึงข้อมูลจาก Search Console และ GA4 เทียบกับเดือนก่อน แล้วเขียนสรุปว่าอะไรขึ้น อะไรลง พร้อมสาเหตุที่น่าจะเป็น
- จัดกลุ่ม keyword: AI จัดคำค้นที่มีเจตนาเดียวกันเข้ากลุ่ม และเสนอว่ากลุ่มไหนควรเป็นหน้าไหน
- Refresh บทความ: AI หาหน้าที่อันดับหรือคลิกลดลง เปิดหน้าคู่แข่งที่ขึ้นมาแทน แล้วร่างสิ่งที่ควรเพิ่ม
- ตรวจว่า AI เอ่ยชื่อแบรนด์ไหม: AI ถามชุดคำถามเดิมกับ ChatGPT, Perplexity หรือ Google AI Overviews ตามรอบ แล้วบันทึกว่าใครถูกเอ่ยชื่อและถูกอ้างลิงก์
- ร่างคำตอบ LINE: AI ร่างคำตอบจากข้อมูลสินค้าและนโยบายที่อนุมัติแล้ว คนตรวจแล้วกดส่งเอง
- ปรับงบโฆษณาภายในกรอบ: AI ย้ายงบระหว่างแคมเปญได้เองภายในเพดานที่ตั้งไว้ และรายงานทุกการเปลี่ยนแปลง
ตัวอย่างวงจรจริง: Signal-to-Strategy Loop™
Signal-to-Strategy Loop™ คือวงจร agentic “จากสัญญาณสู่กลยุทธ์” สำหรับ SEO & AI Search โดยไอซ์ ศิริพงษ์ ผู้ก่อตั้งและ CEO ของ The Missing Piece เราใช้วงจรนี้ดูแลเว็บ themissingpiece.co.th: AI ดึงข้อมูลและเสนองาน แต่ละสถานีมี agent ที่รับผิดชอบงานของตัวเอง แล้วคนอนุมัติก่อนงานขึ้นเว็บจริง
- Brand Brain (MCP) – Data Agent: รวมข้อมูลแบรนด์และต่อกับข้อมูลจริง เช่น Search Console และข้อมูลการเอ่ยชื่อใน AI
- อ่านสัญญาณ – Analyst Agent: หาว่าอะไรเปลี่ยน เช่น หน้าที่อันดับตก หรือคำถามที่ AI เริ่มอ้างคู่แข่ง
- ตัดสินกลยุทธ์ – Strategist Agent → คนอนุมัติ: เสนองานที่ควรทำพร้อมเหตุผล แล้วคนเลือกและอนุมัติ
- ลงมือ – Builder Agent: ทำงานตาม skill ที่วางไว้ เช่น ร่างบทความหรือร่างการแก้หน้าเว็บเป็นฉบับร่าง
- วัดซ้ำและจำ – Measure Agent: วัดผลหลังเปลี่ยน บันทึกสิ่งที่ได้ผลกลับเข้า Brand Brain แล้ววนกลับไปสถานีที่ 2

สิ่งที่ทำให้วงจรนี้เป็น agentic คือสถานีที่ 5 เพราะผลวัดของรอบนี้กลายเป็นข้อมูลตั้งต้นของรอบหน้า ระบบจึงเรียนรู้จากงานของตัวเองได้ ส่วนสถานีที่ 3 คือจุดที่คนยังเป็นผู้ตัดสินใจ ซึ่งตรงกับระดับ L2 ในหัวข้อความเสี่ยงด้านล่าง
Agentic SEO คืออะไร
Agentic SEO คือการใช้ Agentic AI ทำงาน SEO & AI Search ตั้งแต่อ่านข้อมูล วางแผน ร่างงาน ไปจนถึงวัดผลซ้ำ โดยคนเป็นผู้อนุมัติ แนวคิดนี้เหมาะกับคนการตลาดที่ดูแลเว็บเองและต้องทำงานซ้ำทุกสัปดาห์ เพราะทั้งอันดับ Google และคำตอบของ AI เปลี่ยนตลอด งานหลักยังเหมือนเดิม คือทำให้ถูกค้นเจอ ถูกเข้าใจ และถูกเชื่อถือ ที่เปลี่ยนคือคนส่งงานส่วนที่ต้องดึงข้อมูลให้ agent ทำ
ถ้ายังใหม่กับเรื่องนี้ ให้เริ่มจากพื้นฐานที่ AI SEO คืออะไร และ AI Search คืออะไร ก่อน แล้วค่อยดูวิธีตั้ง agent ใน AI Agent สำหรับนักการตลาด ถ้าอยากฝึกตั้งวงจรแบบนี้กับเว็บของตัวเองทีละขั้น เราสอนใน คอร์ส Agentic SEO & AI Search (คอร์สของ The Missing Piece เอง)
Agent ของคนอื่นกำลังอ่านแบรนด์คุณ
Agentic AI ไม่ได้อยู่แค่ในทีมของคุณ แต่ลูกค้าก็เริ่มใช้ AI หาข้อมูล เทียบตัวเลือก และซื้อของแทนตัวเอง ข้อมูลแบรนด์บนเว็บจึงต้องอ่านง่าย ครบ และตรงกันทุกที่ เพราะ agent ของลูกค้าจะเลือกจากสิ่งที่อ่านเจอ หนังสือ Zero Click Marketing (Natividad & Fishkin, 2026) บทที่ 19 ชี้ว่าสิ่งที่คนอื่นเขียนถึงแบรนด์มีผลต่อคำตอบของ AI ไม่น้อยกว่าสิ่งที่แบรนด์เขียนเอง และแนะนำให้ใช้คำอธิบายแบรนด์ชุดเดียวกันซ้ำทุกที่ เรื่องการซื้อของผ่าน AI อ่านต่อได้ที่ Agentic Commerce คืออะไร
เราลองดูว่าเมื่อถามเรื่อง Agentic AI เป็นภาษาไทย AI อ้างหน้าไหนบ้าง ผลด้านล่างเก็บและวิเคราะห์ด้วยระบบ The Mention Lab by The Missing Piece เมื่อ 13 พ.ย. 2026 ใช้ 4 คำถาม × 3 แพลตฟอร์ม (Google AI Overviews · ChatGPT (ค้นเว็บ) · Perplexity) คำถามละ 1 รอบ จึงเป็นการสังเกต ไม่ใช่สถิติ

- คำถามที่ถาม: agentic ai คือ · agentic ai ต่างจาก generative ai · agentic ai ใช้กับงานการตลาดยังไง · agentic ai มีความเสี่ยงอะไร ธุรกิจควรเริ่มยังไง
- สิ่งที่เห็น: หน้า AWS ภาษาไทยถูกอ้าง 4 ครั้ง และ 9Expert 3 ครั้ง ทั้งสองหน้าตอบคำนิยามตั้งแต่ประโยคแรก ส่วนหน้าที่ถูกอ้างในคำถามเทียบมักมีตารางเทียบ Gen AI กับ Agentic AI
- ChatGPT (ค้นเว็บ): ไม่อ้างแหล่งเลยในคำถามคำนิยามและคำถามเทียบ แต่เมื่อถามเรื่องการตลาด กลับอ้างเคสต่างประเทศที่มีตัวเลข และยังไม่มีหน้าไทยที่ให้ workflow การตลาดจริงแบบนั้น
บทเรียนสำหรับ AI Search คือหน้าที่ตอบตรงในประโยคแรกและมีตารางเทียบ ถูกหยิบไปตอบง่ายกว่า ซึ่งตรงกับแนวทางใน AI SEO For Dummies บทที่ 11 (definition block คือย่อหน้าคำนิยามที่อ่านเดี่ยวๆ ก็เข้าใจ และแพทเทิร์น 3 ประโยค) และบทที่ 23 (ตารางและกล่องคำตอบที่ AI อ้างได้) หนังสือเล่มเดียวกันบทที่ 2 อธิบายว่า AI มักแตกคำถามเดียวเป็นหลายคำถามย่อย (query fan-out) หน้าที่ตอบคำถามต่อเนื่องอย่างการเทียบ การเริ่มต้น และความเสี่ยงไว้ครบ จึงมีโอกาสถูกอ้างมากกว่า ผลชุดนี้ยังต้องวัดซ้ำหลายรอบก่อนสรุปเป็นแนวโน้ม
ความเสี่ยงและระดับความอิสระ L1–L4
ความเสี่ยงหลักของ Agentic AI คือ AI ทำผิดเองได้โดยไม่มีใครเห็นทัน เพราะ AI ลงมือได้หลายขั้นต่อกัน ยิ่งงานใช้เงินหรือถึงลูกค้าโดยตรง ยิ่งต้องให้ AI อยู่ในระดับความอิสระต่ำ Gartner คาดว่าโปรเจกต์ agentic AI มากกว่า 40% จะถูกยกเลิกภายในสิ้นปี 2027 จาก 3 เหตุผล คือ ต้นทุนบานปลาย คุณค่าทางธุรกิจไม่ชัด และคุมความเสี่ยงไม่พอ (25 มิ.ย. 2025)
Gartner ยังประเมินว่าในผู้ขายที่เรียกตัวเองว่า agentic AI หลายพันราย มีราว 130 รายที่เป็นของจริง ที่เหลือเป็น agent washing หรือการเอาแชตบอตเดิมมาเปลี่ยนชื่อ (25 มิ.ย. 2025) ก่อนซื้อเครื่องมือจึงควรถามว่า AI ใช้เครื่องมืออะไรได้จริง และตัดสินใจอะไรได้เอง

| ระดับ | AI ทำอะไร | คนทำอะไร | เหมาะกับงาน |
|---|---|---|---|
| L1 แนะนำ | วิเคราะห์และเสนอสิ่งที่ควรทำ | ตัดสินใจและลงมือเอง | เริ่มใช้ครั้งแรก งานที่ยังไม่มีกติกาชัด |
| L2 ร่าง | ทำร่างจนพร้อมใช้ | ตรวจและอนุมัติก่อนทุกครั้ง | บทความ คำตอบลูกค้า แผนแคมเปญ |
| L3 ทำภายในกรอบ | ลงมือเองภายในเพดานงบ สิทธิ์ และกติกา | ตั้งกรอบและทบทวนตามรอบ | ปรับงบโฆษณา จัดตารางโพสต์ |
| L4 ทำเองทั้งหมด | ตัดสินใจและทำจนจบ | ดู log (บันทึกสิ่งที่ AI ทำ) ย้อนหลัง | งานภายในที่ย้อนกลับได้ เช่น จัดไฟล์ ดึงข้อมูลเข้าตาราง |
ความเสี่ยงที่ทีมการตลาดควรรู้มี 4 เรื่อง:
- Prompt injection: ข้อความที่ซ่อนอยู่ในเว็บหรือไฟล์ที่ AI อ่าน อาจสั่งให้ AI ทำสิ่งที่คุณไม่ได้สั่ง NCSC ของสหราชอาณาจักรเตือนให้คิดให้รอบก่อนนำ agentic AI มาใช้ และ OWASP มีรายการ Top 10 ความเสี่ยงของแอปแบบ agent ที่รวมเรื่องการถูกแทรกคำสั่งไว้ด้วย
- ให้สิทธิ์เกินจำเป็น: ให้ AI อ่านอย่างเดียวก่อน แล้วเพิ่มสิทธิ์ทีละขั้น (หลักให้สิทธิ์น้อยที่สุด)
- ข้อมูลส่วนบุคคล: ข้อมูลลูกค้าที่ส่งเข้าเครื่องมือ AI อยู่ภายใต้ PDPA จึงไม่ควรส่งข้อมูลที่ระบุตัวคนได้ถ้าไม่จำเป็น
- ตัดสินใจผิดแล้วตรวจย้อนไม่ได้: ETDA (สพธอ.) สรุปความเสี่ยงของ AI ที่คิดและทำเองได้ไว้ 4 ด้าน คือ ตัดสินใจผิดจากข้อมูลที่มีอคติ คนพึ่ง AI มากเกินไป อธิบายและตรวจย้อนได้ยากเมื่อมีหลาย agent และประเด็นกฎหมายกับจริยธรรม พร้อมเสนอกระบวนการกำกับดูแล 5 ขั้นและแนวคิด AI Sandbox (25 เม.ย. 2025)
AI SEO For Dummies บทที่ 21 (Governance & Risk) ก็ย้ำเรื่องเดียวกันในมุมคนทำเนื้อหา คือเรื่องความเป็นส่วนตัว ความยินยอม และการขออนุญาตก่อนใช้ข้อมูลหรือคำพูดของคนอื่น ซึ่งยิ่งสำคัญเมื่อ AI เป็นคนร่างและเผยแพร่งานแทน
เริ่มใช้ Agentic AI ในทีมการตลาดใน 30 วัน
วิธีเริ่มใช้ Agentic AI ที่เสี่ยงน้อยที่สุดคือเลือกงานเดียวที่ทำซ้ำทุกสัปดาห์ แล้วทดลองให้จบใน 30 วัน วิธีนี้เหมาะกับทีมการตลาดเล็กที่ยังไม่มีงบหรือคนดูแลระบบเต็มเวลา และตอบ 3 เหตุผลที่ Gartner บอกว่าโปรเจกต์ถูกยกเลิกได้ตรงจุด เพราะคุณจะรู้ต้นทุน รู้คุณค่า และรู้ความเสี่ยงก่อนขยาย
- สัปดาห์ที่ 1 เลือก 1 งาน: เลือกงานที่ทำซ้ำทุกสัปดาห์ จดเวลาที่ใช้ตอนนี้ และเขียนเป้าหมายที่วัดได้
- สัปดาห์ที่ 2 ทำเป็น workflow: เริ่มที่ระดับ L1–L2 ให้สิทธิ์อ่านอย่างเดียว และกำหนดจุดที่คนอนุมัติ
- สัปดาห์ที่ 3 เทียบกับคนทำ: นับข้อผิดพลาด เทียบเวลาและต้นทุน และเก็บ log ทุกครั้งที่ AI ทำงาน
- สัปดาห์ที่ 4 ตัดสินใจ: ขยาย ปรับ หรือหยุด แล้วเขียนกติกาอนุมัติให้ทีม ค่อยเพิ่มงานที่ 2 เมื่องานแรกนิ่ง

เช็กลิสต์ก่อนปล่อยให้ AI ลงมือทำงานจริง:
- เป้าหมายวัดได้ และรู้ว่าวัดคุณค่าด้วยอะไร เช่น เวลาที่ประหยัด
- ประเมินต้นทุนต่อเดือนแล้ว ทั้งค่าเครื่องมือ ค่าใช้งาน และเวลาคนตรวจ
- เลือกระดับ L1–L4 แล้ว งานที่ถึงลูกค้าหรือใช้เงินเริ่มที่ L2
- ให้สิทธิ์น้อยที่สุด เริ่มจากอ่านอย่างเดียว
- เขียนชัดว่าใครอนุมัติ ตรงไหน
- ไม่ส่งข้อมูลส่วนบุคคลของลูกค้าถ้าไม่จำเป็น (PDPA)
- บันทึกทุกการกระทำของ AI ย้อนดูได้
- มีแผนหยุดและย้อนกลับ ปิดระบบได้ทันที
งานแรกที่เหมาะกับทีมการตลาดส่วนใหญ่คือรายงานรายเดือน เพราะข้อมูลมีอยู่แล้ว ขั้นตอนชัด และถ้า AI สรุปผิด คนยังจับได้ก่อนส่งให้ผู้บริหาร
ตัวเลข Agentic AI ที่ควรรู้ปี 2026
ตัวเลขจาก Gartner และ McKinsey ปี 2025–2026 บอกว่า Agentic AI กำลังเข้าไปอยู่ในซอฟต์แวร์ที่ทีมการตลาดใช้ทุกวัน แต่องค์กรที่ใช้ได้จริงในวงกว้างยังเป็นส่วนน้อย ข้อมูลเหมาะกับคนที่ต้องเสนอผู้บริหารว่าควรเริ่มเมื่อไรและเริ่มแค่ไหน ทุกตัวเลขเป็นการคาดการณ์หรือผลสำรวจระดับโลก ไม่ใช่ตัวเลขของไทย
| ตัวเลข | ความหมาย | แหล่ง |
|---|---|---|
| สูงสุด 40% | สัดส่วนแอปองค์กรที่จะมี AI agent เฉพาะงานภายในสิ้นปี 2026 จากไม่ถึง 5% ในปี 2025 | Gartner (26 ส.ค. 2025 อัปเดต 5 ก.ย. 2025) |
| 33% | สัดส่วนซอฟต์แวร์องค์กรที่จะมี agentic AI ภายในปี 2028 จากไม่ถึง 1% ในปี 2024 | Gartner (25 มิ.ย. 2025) |
| อย่างน้อย 15% | สัดส่วนการตัดสินใจในงานประจำวันที่ agentic AI จะทำเองภายในปี 2028 จาก 0% ในปี 2024 | Gartner (25 มิ.ย. 2025) |
| มากกว่า 40% | สัดส่วนโปรเจกต์ agentic AI ที่คาดว่าจะถูกยกเลิกภายในสิ้นปี 2027 | Gartner (25 มิ.ย. 2025) |
| 19% · 42% · 8% · 31% | องค์กรที่ลงทุนจริงจัง · ลงทุนแบบระวัง · ไม่ลงทุน · รอดูหรือยังไม่แน่ใจ (โพลผู้เข้าร่วม webinar n=3,412 ม.ค. 2025) | Gartner (25 มิ.ย. 2025) |
| 60% | สัดส่วนแบรนด์ที่จะใช้ agentic AI ดูแลการสื่อสารกับลูกค้าแบบตัวต่อตัวภายในปี 2028 | Gartner (15 ม.ค. 2026) |
| 40% (ปีก่อน 27%) | ผู้ตอบจากองค์กรรายได้เกิน 1 พันล้านดอลลาร์ที่บอกว่ากำลังขยายใช้ AI agents ส่วนองค์กรที่เล็กกว่าคงที่ 22% | McKinsey, The State of AI: Global Survey 2026 (n=1,719 จาก 97 ประเทศ เก็บข้อมูล 4 พ.ค.–8 มิ.ย. 2026) |
| 32% | ผู้ตอบที่ตัดสินใจไม่ซื้อซอฟต์แวร์หรือฟีเจอร์อย่างน้อย 1 ตัว เพราะสร้างเองได้ด้วยเครื่องมือ agentic coding | McKinsey, The State of AI: Global Survey 2026 (n=1,719) |
| ราว 20% | ผู้ตอบที่บอกว่าต้นทุนการใช้งาน AI รวมค่า token (หน่วยคิดเงินตามปริมาณข้อความ) จำกัดการใช้ AI ขององค์กร | McKinsey, The State of AI: Global Survey 2026 (n=1,719) |
อ่านตัวเลขชุดนี้คู่กัน ซอฟต์แวร์จะมี agent ฝังมาเร็ว แต่โปรเจกต์ที่ไม่มีเป้าหมายและกรอบชัดจะถูกยกเลิกเยอะ ทีมที่เริ่มเล็ก วัดผลจริง และมีคนอนุมัติในจุดที่ถูกต้อง จึงมีโอกาสอยู่ในกลุ่มที่ใช้ได้จริงมากกว่า
ถ้าอยากวางระบบแบบนี้กับงาน SEO & AI Search ของทีมคุณเอง ดูรายละเอียดได้ที่ คอร์ส AI Search 2 วัน ซึ่งเป็นคอร์สของ The Missing Piece
คำถามที่พบบ่อย
ใช้ Agentic AI ต้องเขียนโค้ดเป็นไหม
ไม่จำเป็น เครื่องมือหลักอย่าง ChatGPT, Claude และ Gemini มีโหมดที่สั่งงานด้วยภาษาธรรมดาได้ การเขียนโค้ดช่วยเมื่ออยากต่อระบบเองหรือทำ workflow ที่ซับซ้อน แต่ทีมการตลาดส่วนใหญ่เริ่มได้โดยไม่ต้องเขียนโค้ด
Agentic AI ใช้ภาษาไทยได้ไหม
ได้เป็นส่วนใหญ่ ChatGPT, Claude และ Gemini รับคำสั่งภาษาไทยได้ แต่บางฟีเจอร์ agent ยังจำกัดประเทศ ประเภทบัญชี หรือแพ็กเกจ จึงควรเช็กหน้าทางการก่อน และตรวจชื่อเฉพาะกับตัวเลขเสมอ เพราะความผิดเล็กๆ ส่งต่อไปขั้นถัดไปได้
ใช้ Agentic AI เสียเงินเท่าไร
ขึ้นกับเครื่องมือและปริมาณงาน เราสรุปค่าใช้จ่ายรายเดือนของเครื่องมือหลักไว้เป็นตารางในหัวข้อ ค่าใช้จ่าย AI Agent ต่อเดือน นอกจากค่าเครื่องมือ ควรนับเวลาที่คนใช้ตรวจงานด้วย
Agentic AI มีตัวไหนบ้าง
ตัวที่คนทำการตลาดเริ่มใช้ได้ทันทีคือ ChatGPT Work, Claude (รวม Cowork) กับ Claude Code และฟีเจอร์ tasks ของ Gemini ส่วนทีมที่อยากสร้างระบบเองมีเครื่องมืออย่าง n8n สำหรับต่อขั้นตอน ควรเลือกจากงานที่จะทำ ไม่ใช่จากชื่อรุ่น
Agentic AI ปลอดภัยไหม
ปลอดภัยพอเมื่อมีกรอบ: ให้สิทธิ์น้อยที่สุด ให้คนอนุมัติงานที่ถึงลูกค้าหรือใช้เงิน และเก็บ log ทุกการกระทำ ความเสี่ยงที่ต้องระวังคือ prompt injection และการส่งข้อมูลส่วนบุคคลเข้าเครื่องมือโดยไม่จำเป็น
แหล่งอ้างอิง
- Anthropic, Building effective agents (19 ธ.ค. 2024)
- OpenAI, A practical guide to building agents (2025)
- IBM Think, What is agentic AI? (ตรวจ 13 พ.ย. 2026) · AWS, Agentic AI คืออะไร
- Gartner, Gartner Predicts Over 40% of Agentic AI Projects Will Be Canceled by End of 2027 (25 มิ.ย. 2025)
- Gartner, Gartner Predicts 40% of Enterprise Apps Will Feature Task-Specific AI Agents by 2026 (26 ส.ค. 2025 อัปเดต 5 ก.ย. 2025)
- Gartner, Gartner Predicts 60% of Brands Will Use Agentic AI to Deliver Streamlined One-to-One Interactions by 2028 (15 ม.ค. 2026)
- McKinsey, The State of AI: Global Survey 2026 (n=1,719 จาก 97 ประเทศ เก็บข้อมูล 4 พ.ค.–8 มิ.ย. 2026)
- ETDA (สพธอ.), เจาะความล้ำ “AI เจนใหม่” คิดเอง ทำเองได้ (25 เม.ย. 2025)
- NCSC (UK), Thinking carefully before adopting agentic AI · OWASP, Top 10 for Agentic Applications
- OpenAI Help Center, ChatGPT Work and Codex (ตรวจ 13 พ.ย. 2026)
- Google, Manage your tasks & workflows in Gemini Apps (ตรวจ 13 พ.ย. 2026)
- Nathan Gotch, AI SEO For Dummies (Wiley, 2026) บทที่ 2 (การแตกคำถามแบบ query fan-out) · บทที่ 11 (definition block และแพทเทิร์น 3 ประโยค) · บทที่ 21 (Governance & Risk) · บทที่ 23 (ตาราง กล่องคำตอบ และสิ่งที่ AI อ้างได้)
- Amanda Natividad & Rand Fishkin, Zero Click Marketing (Damn Gravity, 2026) บทที่ 19 (Zero Click AI Marketing: สิ่งที่คนอื่นเขียนถึงแบรนด์ และคำอธิบายแบรนด์ที่ใช้ซ้ำทุกที่)
- ข้อมูลคำตอบ AI: เก็บและวิเคราะห์ด้วยระบบ The Mention Lab by The Missing Piece (13 พ.ย. 2026 · 4 คำถาม × 3 แพลตฟอร์ม · 1 รอบต่อคำถาม)
- ไอซ์ ศิริพงษ์ กลิ่นขจร, Signal-to-Strategy Loop™