เกิดอะไรขึ้น
UiPath เปิดตัว Cartographer ซึ่งเป็นผลิตภัณฑ์ที่ออกแบบมาเพื่อสร้าง 'Maps of Work' โดยละเอียดสำหรับกระบวนการระดับองค์กร และประกาศว่าขณะนี้ตัวแทนการเขียนโค้ดของบริษัทมีจำหน่ายทั่วไปแล้ว บริษัทระบุว่า Cartographer วางจำหน่ายแล้ว แม้ว่าจะยังไม่มีการเปิดเผยราคาก็ตาม
Daniel Dines ผู้ก่อตั้งและซีอีโอของ UiPath ได้แนะนำ UiPath Cartographer ในระหว่างการกล่าวสุนทรพจน์ที่การประชุม FUSION ในลาสเวกัส ผลิตภัณฑ์นี้ได้รับการออกแบบเพื่อสร้างสิ่งที่บริษัทเรียกว่า 'แผนที่การทำงาน' ซึ่งทำหน้าที่เป็นคู่มือโดยละเอียดสำหรับการปรับใช้ AI แบบอัตโนมัติในการตั้งค่าองค์กร Dines แย้งว่าหากไม่มีคู่มือดังกล่าว บริษัทต่างๆ ไม่สามารถไว้วางใจ AI ในการตัดสินใจหรือเข้าใจขั้นตอนการทำงานเฉพาะของตนได้
นักทำแผนที่นำเข้าแผนภูมิกระบวนการ แผนภาพการขุด เอกสาร และขั้นตอนการปฏิบัติงานมาตรฐาน นอกจากนี้ยังโต้ตอบกับผู้เชี่ยวชาญเฉพาะเรื่องด้วยการตั้งคำถามและวิเคราะห์การบันทึกหน้าจอเพื่อทำความเข้าใจเส้นทางการตัดสินใจ ผลลัพธ์ที่ได้คือ 'แผนที่งาน' เริ่มต้น ซึ่ง Dines ยอมรับว่า 'ไม่สมบูรณ์อย่างหลีกเลี่ยงไม่ได้' จากนั้นตัวแทนการเขียนโค้ดจะใช้แผนที่นี้เพื่อสร้างระบบอัตโนมัติ โดยการตรวจสอบของมนุษย์จะป้อนการแก้ไขลงใน 'บัญชีแยกประเภทการตัดสินใจ' ซึ่งจะอัปเดตแผนที่เมื่อเวลาผ่านไป
นอกเหนือจากการเปิดตัว Cartographer แล้ว UiPath ยังประกาศว่าตัวแทนการเขียนโค้ดของตนพร้อมให้บริการโดยทั่วไปแล้ว แพลตฟอร์มดังกล่าวรองรับการบูรณาการแบบเนทีฟกับเครื่องมือภายนอก เช่น Claude Code, Cursor, Codex และ Antigravity แม้ว่า Cartographer จะพร้อมใช้งานทันที แต่ UiPath ไม่ได้ให้รายละเอียดราคาเฉพาะสำหรับผลิตภัณฑ์ใหม่
ตัวแทนลูกค้าเน้นย้ำถึงความท้าทายด้านความแม่นยำของ AI ในการผลิต Kei Yamamoto จาก Sumitomo Mitsui Financial Group ตั้งข้อสังเกตว่าแม้ว่าธนาคารจะดำเนินการอัตโนมัติหลายล้านชั่วโมง แต่ความแม่นยำตั้งแต่ต้นทางถึงปลายทางก็ลดลงอย่างมากในกระบวนการหลายขั้นตอน ทำให้จุดตรวจของมนุษย์มีความสำคัญ William Abrams แห่ง Medline ระบุว่าความแม่นยำ 73% นั้นเป็นที่ยอมรับไม่ได้สำหรับลูกค้าโรงพยาบาลที่คาดหวังถึง 99% ซึ่งบ่งชี้ว่าความเป็นอิสระเต็มรูปแบบยังคงเป็นข้อกังวลสำหรับหลายองค์กร
รายละเอียดที่มา: thenextweb.com ↗
ทำไมมันถึงสำคัญ
UiPath ให้เหตุผลว่า LLM ขาดการเรียนรู้ การคำนึงถึงผลที่ตามมา และความแน่นอนที่จำเป็นสำหรับระบบอัตโนมัติขององค์กรที่เชื่อถือได้ โดยไม่มีคู่มือการทำงานที่ครอบคลุม นักทำแผนที่ตั้งเป้าที่จะเชื่อมช่องว่างนี้ด้วยการแปลงเอกสารกระบวนการและข้อมูลของผู้เชี่ยวชาญให้เป็นแผนที่ที่มีโครงสร้างซึ่งแนะนำตัวแทน AI โดยจัดการกับข้อกังวลด้านความแม่นยำในสภาพแวดล้อมที่มีความเสี่ยงสูง เช่น การเงินและการดูแลสุขภาพ
การเปิดตัวครั้งนี้เน้นถึงข้อจำกัดหลักของโมเดลภาษาขนาดใหญ่ในสภาพแวดล้อมขององค์กร ได้แก่ การขาดการเรียนรู้โดยธรรมชาติและการคำนึงถึงผลที่ตามมา UiPath มุ่งหวังที่จะทำให้ตัวแทน AI มีความน่าเชื่อถือและตรวจสอบได้มากขึ้น โดยการนำ 'คู่มือ' ของงานไปไว้ในแผนที่ที่มีโครงสร้าง ซึ่งเป็นสิ่งสำคัญสำหรับอุตสาหกรรมที่มีข้อกำหนดด้านการปฏิบัติตามกฎระเบียบและความถูกต้องแม่นยำที่เข้มงวด
การบูรณาการตัวแทนการเขียนโค้ดภายนอก เช่น Claude Code และ Cursor ชี้ให้เห็นถึงการเปลี่ยนแปลงไปสู่ความสามารถในการทำงานร่วมกันใน AI ระดับองค์กร ซึ่งช่วยให้บริษัทต่างๆ สามารถใช้เครื่องมือที่ดีที่สุดภายในกรอบการทำงานอัตโนมัติแบบครบวงจร สิ่งนี้สามารถเร่งการนำ AI มาใช้ในกระบวนการทางธุรกิจที่ซับซ้อนโดยลดความขัดแย้งของการพัฒนาแบบกำหนดเอง
การเน้นที่เวิร์กโฟลว์แบบมนุษย์ในวง โดยเฉพาะอย่างยิ่งผ่าน 'Decision Ledger' สะท้อนให้เห็นถึงแนวทางเชิงปฏิบัติในการปรับใช้ AI แทนที่จะดำเนินการตามอิสระอย่างเต็มที่ UiPath มุ่งเน้นไปที่การสร้างความไว้วางใจด้วยความโปร่งใสและการปรับปรุงอย่างต่อเนื่อง ซึ่งอาจดึงดูดลูกค้าองค์กรที่ไม่ชอบความเสี่ยงมากกว่า
กลไกเชิงโต้ตอบ: มันทำงานอย่างไร
สำรวจเทคโนโลยีเบื้องหลังการพัฒนานี้แบบโต้ตอบ
crm_get_transaction(id='4092').What most distinguishes an AI agent from a basic chatbot?
จะดูอะไรต่อไป.
ติดตามการใช้งาน Cartographer ของลูกค้า โดยเฉพาะอย่างยิ่งในอุตสาหกรรมที่มีการควบคุม เช่น การธนาคารและการดูแลสุขภาพ และสังเกตว่าฟีเจอร์ 'Decision Ledger' ช่วยปรับปรุงความแม่นยำตั้งแต่ต้นทางถึงปลายทางในขั้นตอนการทำงานที่ซับซ้อนได้อย่างมีประสิทธิภาพหรือไม่
ติดตามว่าแนวคิด 'Map of Work' ของ UiPath ได้รับความสนใจจากองค์กรขนาดใหญ่หรือไม่ โดยเฉพาะอย่างยิ่งในภาคส่วนต่างๆ เช่น การเงินและการดูแลสุขภาพ ซึ่งความแม่นยำเป็นสิ่งสำคัญยิ่ง กรณีศึกษาของลูกค้าจะเป็นกุญแจสำคัญในการตรวจสอบประสิทธิภาพของผลิตภัณฑ์
สังเกตภาพรวมการแข่งขันในขณะที่ผู้จำหน่ายระบบอัตโนมัติและ AI รายอื่นตอบสนองต่อการมุ่งเน้นของ UiPath ในเรื่องการทำแผนที่กระบวนการและการทำงานร่วมกันของตัวแทน ความพร้อมใช้งานของตัวแทนการเขียนโค้ดภายนอกบนแพลตฟอร์มอาจส่งผลต่อวิธีที่บริษัทต่างๆ เลือกเครื่องมือ AI ของตน
ติดตามวิวัฒนาการของฟีเจอร์ 'Decision Ledger' และผลกระทบต่อการลดการแทรกแซงของมนุษย์เมื่อเวลาผ่านไป หากระบบสามารถเรียนรู้จากการแก้ไขได้อย่างมีประสิทธิภาพ ระบบอาจแก้ไขข้อจำกัดบางประการที่ Dines ระบุไว้ใน LLM