เอเจนต์กำลังพลิกโฉมการทำงานอย่างไร

Agentic AI เปลี่ยนรูปแบบของงานใช้ความรู้จากการโต้ตอบเพียงครั้งเดียว ไปสู่การมอบหมายงานระยะยาวที่ซับซ้อนกว่า การโต้ตอบกับแชตบอตมักจะสั้นและจบในตัวเอง เอเจนต์สามารถทำงานได้อย่างอิสระเป็นเวลาหลายนาทีหรือหลายชั่วโมง ในระหว่างนั้นจะมีการประสานงานเรียกใช้เครื่องมือ โต้ตอบกับสภาพแวดล้อม และการปรับปรุงขั้นตอนการทำงานซ้ำๆ จนกว่าจะพบทางออกของปัญหา ด้วยเหตุนี้เอเจนต์จึงกำลังก้าวขึ้นมาเป็นเครื่องมือ AI ที่มีประสิทธิภาพสูงสุดสำหรับการทำงานในปัจจุบันอย่างรวดเร็ว

ในช่วงปีที่ผ่านมาเราได้เห็นการเปลี่ยนแปลงนี้ด้วยตาตนเองที่ OpenAI ในช่วงไม่กี่เดือนแรกหลังจากที่ Codex เปิดให้สาธารณชนใช้งาน ChatGPT ยังคงเป็นเครื่องมือ AI เริ่มต้นสำหรับการทำงานภายใน OpenAI จนถึงเดือนสิงหาคม 2568 พนักงานของ OpenAI โดยเฉลี่ยใช้โทเค็นของตนน้อยกว่า 10% ใน Codex ตอนนี้ทุกแผนก รวมถึงแผนกที่ไม่ใช่สายเทคนิค เช่น ฝ่ายกฎหมายและฝ่ายสรรหาบุคลากร ใช้ Codex เป็นเครื่องมือ AI หลักในการทำงาน รูปแบบนี้สะท้อนถึงสิ่งที่เราเชื่อว่าจะเป็นอนาคตของการทำงาน เมื่อพิจารณาจากขีดความสามารถที่เพิ่มขึ้นและการเข้าถึงที่กว้างขึ้นของเครื่องมือแบบเอเจนต์

การใช้งาน Codex เติบโตขึ้นไปพร้อมกับความสามารถที่เพิ่มขึ้นของ Codex เมื่อ Codex ถูกขับเคลื่อนด้วยโมเดลที่ก้าวหน้าและฟีเจอร์ใหม่ๆ ระบบจึงสามารถรับมือกับงานที่ช่วยเพิ่มประสิทธิภาพได้หลากหลายมากขึ้น ในกลุ่มผู้ใช้รายบุคคล ผู้ใช้องค์กร และพนักงาน OpenAI เราได้เห็นแนวโน้มสี่ประการในช่วงปีที่ผ่านมา:

• ผู้คนใช้ Codex สำหรับงานที่ต้องดำเนินการต่อเนื่องเป็นเวลานาน ภายในเดือนพฤษภาคม 2569 ผู้ใช้งานรายบุคคลในกลุ่มตัวอย่าง 80.6% ได้ส่งคำขอในการใช้งาน Codex อย่างน้อยหนึ่งรายการที่ประเมินว่าต้องใช้เวลาทำงานของมนุษย์มากกว่า 30 นาที 70.2% ส่งคำขอที่ประเมินว่าเกินหนึ่งชั่วโมง และร้อยละ 25.6 ส่งคำขออย่างน้อยหนึ่งรายการที่ประเมินว่าเกิน 8 ชั่วโมง
• Codex กลายเป็นเครื่องมือ AI หลักสำหรับทุกแผนกใน OpenAI ฝ่ายวิศวกรรมเริ่มย้ายมาใช้ก่อน แต่ฝ่ายกฎหมาย ฝ่ายการเงิน และฝ่ายสรรหาบุคลากรได้เปลี่ยนมาใช้ Codex เป็นเครื่องมือ AI หลักราวเดือนเมษายน 2569 สำหรับพนักงาน OpenAI โดยเฉลี่ย การใช้งาน Codex ในตอนนี้คิดเป็นมากกว่า 85% ของโทเค็นเอาต์พุต เนื่องจากผู้ใช้ Codex มีแนวโน้มใช้โทเค็นมากกว่าผู้ใช้งานทั่วไป ทำให้สัดส่วนการใช้โทเค็นโดยรวมของ Codex ยิ่งสูงขึ้นไปอีก โดย Codex ครองสัดส่วนถึง 99.8% ของโทเค็นเอาต์พุตรายสัปดาห์ภายใน OpenAI
• การนำไปใช้งานโดยกลุ่มที่ไม่ใช่ผู้พัฒนาเติบโตเร็วมากจนแซงหน้าการใช้งานในกลุ่มผู้พัฒนา ตั้งแต่เดือนสิงหาคม 2568 จำนวนผู้ใช้ที่ไม่ใช่นักพัฒนาเพิ่มขึ้น 137 เท่าในกลุ่มผู้ใช้รายบุคคล 189 เท่าในกลุ่มผู้ใช้ขององค์กร และ 12 เท่าภายใน OpenAI
• Codex ช่วยให้พนักงาน OpenAI ทำงานที่อยู่นอกเหนือจากขอบเขตหน้าที่ตามตำแหน่งได้ แม้ว่าการใช้งานในเชิงเทคนิคจะยังคงพบได้มากที่สุดในกลุ่มวิศวกร แต่ผู้ใช้งานที่ไม่ใช่สายเทคนิคก็นิยมใช้ Codex เพื่อจัดการงานที่ต้องใช้ทักษะการเขียนโค้ดหรือการดำเนินการเชิงเทคนิคอย่างสม่ำเสมอ ซึ่งรวมถึงการทำงานอัตโนมัติ การแปลงข้อมูล การใช้เครื่องมือ การแก้ไขจุดบกพร่อง และการวิเคราะห์เชิงโครงสร้าง

ในเดือนพฤษภาคม 2569 ผู้ใช้มากกว่า 70% ขอให้ Codex ทำงานที่ต้องใช้เวลาดำเนินการโดยมนุษย์นานกว่าหนึ่งชั่วโมง¹ เมื่อ Codex มีความสามารถในการทำงานแบบอิสระที่ใช้บริบทระยะยาวดีขึ้น ผู้ใช้ก็เปลี่ยนจากการโต้ตอบสั้น ๆ ไปสู่การทำงานที่ซับซ้อนกว่าและมีระยะเวลาดำเนินงานยาวนานขึ้น 

แผนภูมิด้านล่างประมาณการสัดส่วนของผู้ใช้งานรายบุคคลที่ผ่านเกณฑ์เวลาการทำงานของมนุษย์สี่ระดับ ได้แก่ งานที่ต้องใช้เวลาของมนุษย์มากกว่า 30 นาที มากกว่าหนึ่งชั่วโมง มากกว่าสี่ชั่วโมง และมากกว่า 8 ชั่วโมง² ตั้งแต่เดือนธันวาคม 2568 ถึงเดือนพฤษภาคม 2569 สัดส่วนของผู้ใช้ที่ส่งคำขอซึ่งประเมินว่าเทียบเท่ากับงานที่มนุษย์ต้องใช้เวลาทำมากกว่า 30 นาที เพิ่มขึ้นเป็น 80.6% สัดส่วนของผู้ใช้ที่ส่งคำขอซึ่งต้องใช้เวลามากกว่าหนึ่งชั่วโมงเพิ่มขึ้นเป็น 70.2% สัดส่วนของผู้ที่ขอทำงานซึ่งต้องใช้เวลามากกว่า 8 ชั่วโมงเติบโตเร็วที่สุดแม้จะเริ่มต้นจากสัดส่วนที่ต่ำ 

การเติบโตของการใช้งานเอเจนต์สามารถสังเกตได้จากเวลาทำงานรายวันของ Codex ในกลุ่มผู้ใช้งานรายวันของ OpenAI ผู้ใช้ที่ใช้งานหนักที่สุดจะให้ Codex ดำเนินงานของเอเจนต์เป็นเวลาหลายชั่วโมงภายในวันเดียว ภายในเดือนมิถุนายน 2569 ผู้ใช้ในเปอร์เซ็นไทล์ที่ 99 สามารถสร้างชั่วโมงการทำงานของเอเจนต์ Codex ได้มากกว่า 60 ชั่วโมงต่อวันเป็นปกติ โดยกระจายการทำงานผ่านเอเจนต์หลายตัวที่ทำงานขนานกัน เมื่อ Codex มีความสามารถมากขึ้นและรองรับการทำงานแบบขนานได้มากขึ้น ผู้ใช้ก็เปลี่ยนจากการขอคำตอบจาก Codex ทีละหนึ่งคำตอบเพียงอย่างเดียว ไปเป็นการจัดการงานเอเจนต์หลายงานมากขึ้นตลอดทั้งวัน

วิศวกรที่ OpenAI เริ่มนำ Codex มาใช้เป็นกลุ่มแรกอย่างค่อยเป็นค่อยไป วิศวกรโดยเฉลี่ยในบริษัทได้เปลี่ยนการใช้งานผลิตภัณฑ์ของ OpenAI ส่วนใหญ่ไปเป็น Codex ภายในเดือนธันวาคม 2568 ทุกวันนี้วิศวกรโดยเฉลี่ยสร้างโทเค็นเอาต์พุต 99% ของตนด้วย Codex แทนที่จะใช้ ChatGPT ฝ่ายกฎหมาย ฝ่ายการเงิน และฝ่ายจัดจ้างเริ่มมีการใช้งาน Codex เป็นส่วนใหญ่ในภายหลังในประมาณเดือนเมษายน 2569 แต่การเปลี่ยนผ่านของฝ่ายเหล่านี้เกิดขึ้นเร็วกว่ามาก ทนายความหรือผู้สรรหาบุคลากรโดยเฉลี่ยที่ OpenAI ในตอนนี้สร้างโทเค็นเอาต์พุตของตนมากกว่า 85% บน Codex

ตลอดช่วงหกเดือนที่ผ่านมา การใช้งาน Codex ภายใน OpenAI ได้ลงลึกและเข้มข้นมากขึ้น ในกลุ่มผู้ใช้ภายในที่ใช้งานอยู่ จำนวนโทเค็นเอาต์พุตรวมเพิ่มขึ้นอย่างรวดเร็วในทุกแผนก แผนกวิจัยมีการเติบโตมากที่สุด โดยในเดือนมิถุนายน 2569 ค่ามัธยฐานของการใช้งานสูงกว่าเดือนพฤศจิกายน 2568 ถึง 56 เท่า แผนกบริการลูกค้าเพิ่มขึ้น 32 เท่า และแผนกวิศวกรรมเพิ่มขึ้น 27 เท่า ขณะที่แผนกกฎหมายเติบโตในอัตราที่ค่อยเป็นค่อยไปกว่า แต่ก็ยังเพิ่มขึ้นเป็น 13 เท่าของระดับในเดือนพฤศจิกายน 2568

ทั้งสองแนวโน้มนี้สะท้อนให้เห็นร่วมกันว่า Codex ได้เปลี่ยนแปลงวิธีที่ OpenAI ใช้ AI เพื่อทำงานที่ก่อให้เกิดผลลัพธ์อย่างมีนัยสำคัญ ภายในองค์กร พนักงานต่างเปลี่ยนจากการใช้แชตบอตมาเป็นการใช้งานเอเจนต์เป็นรูปแบบหลักในการโต้ตอบกับ AI และมีการปรับใช้แรงงานเชิงเอเจนต์ (Agentic labor) ในปริมาณที่เพิ่มขึ้นแบบทวีคูณ

ในทุกกลุ่มผู้ใช้งาน ทั้งภายใน OpenAI องค์กรภายนอก และผู้ใช้งานรายบุคคล การใช้งาน Codex เริ่มต้นขึ้นจากกลุ่มนักพัฒนา ซึ่งเป็นกลุ่มเป้าหมายหลักของเครื่องมือที่จุดเริ่มต้นถูกออกแบบมาเพื่อการเขียนโค้ด อย่างไรก็ตามเมื่อ Codex ขยายขอบเขตไปสู่งานที่ใช้ความรู้ทั่วไปมากขึ้น การใช้งานในกลุ่มผู้ที่ไม่ใช่นักพัฒนาก็เติบโตขึ้นอย่างรวดเร็วยิ่งกว่าเดิม ดังที่แสดงในแผนภูมิการเติบโตของผู้ใช้งานด้านล่าง ผู้ใช้งานรายสัปดาห์ที่ไม่ใช่นักพัฒนาเพิ่มขึ้นเร็วกว่าผู้ใช้งานที่เป็นนักพัฒนา ทั้งในกลุ่มผู้ใช้งานรายบุคคล กลุ่มองค์กร และกลุ่มประชากรของ OpenAI ณ ต้นเดือนมิถุนายน 2569 ผู้ใช้รายบุคคลที่ไม่ใช่นักพัฒนาเพิ่มขึ้นเป็น 137 เท่านับตั้งแต่เดือนสิงหาคม 2568 ผู้ใช้ในองค์กรที่ไม่ใช่นักพัฒนาเพิ่มขึ้น 189 เท่า และผู้ใช้ OpenAI ที่ไม่ใช่นักพัฒนาเพิ่มขึ้น 12 เท่า ซึ่งน่าจะเป็นเพราะกลุ่มนี้มีฐานเริ่มต้นที่สูงกว่าค่าเฉลี่ยมากอยู่แล้ว 

การเปลี่ยนแปลงนี้ไม่ได้หมายความว่าผู้ใช้งานที่ไม่ใช่นักพัฒนาทุกคนจะใช้ Codex ในรูปแบบเดียวกับวิศวกร ในทางกลับกันมันหมายความว่ามีผู้ใช้งานที่ไม่ใช่นักพัฒนาจำนวนมากขึ้นที่ใช้ Codex สำหรับงานที่มีเอเจนต์ช่วยดำเนินการในรูปแบบต่างๆ 

Codex ช่วยให้ฝ่ายงานที่ไม่ใช่สายเทคนิคเร่งกระบวนการทำงานที่เคยติดขัดเพราะต้องอาศัยความเชี่ยวชาญด้านเทคนิค แผนที่ความร้อนด้านล่างเปรียบเทียบอาชีพที่คาดการณ์ได้ภายใน OpenAI กับประเภทของงานที่ปรากฏในผลลัพธ์ของ Codex งานด้านวิศวกรรมและการเขียนโค้ดเป็นหมวดหมู่ที่ใหญ่ที่สุดสำหรับแผนกวิทยาการข้อมูลและการวิจัย ในขณะที่งานเชิงความรู้เป็นหมวดหมู่ที่ใหญ่ที่สุดสำหรับแผนกการเงินและการปฏิบัติการทางธุรกิจ การตลาด การปฏิบัติการ และแผนกอื่นๆ 

อย่างไรก็ตามเครื่องมือแบบเอเจนต์สามารถขยายขีดความสามารถของผู้ปฏิบัติงานแต่ละคนได้ ตัวอย่างเช่น งานมากกว่าหนึ่งในสี่ที่พนักงานในสายงานธุรกิจทำด้วย Codex เป็นงานด้านวิศวกรรมหรือการเขียนโค้ด เอเจนต์ช่วยลดภาระในการทำงานข้ามขอบเขตของงาน และเปิดโอกาสให้พนักงานสามารถทำงานที่อยู่ในขอบเขตใกล้เคียงกันได้ แม้เดิมงานเหล่านั้นจะต้องพึ่งพาการสนับสนุนจากผู้เชี่ยวชาญด้านเทคนิค

การใช้งานเครื่องมือแบบเอเจนต์ที่เพิ่มขึ้นโดยพนักงานที่ไม่ใช่วิศวกร ช่วยขยายขอบเขตของสิ่งที่พนักงานกลุ่มนี้สามารถทำได้ ประเด็นดังกล่าวถือเป็นเรื่องสำคัญสำหรับองค์กรธุรกิจที่ต้องการปรับเปลี่ยนรูปแบบการทำงาน สำหรับพนักงานที่กำลังปรับตัวเพื่อสร้างทักษะที่จำเป็นยิ่งขึ้นในอนาคต และสำหรับนักวิจัยหรือผู้กำหนดนโยบายที่พยายามทำความเข้าใจว่า AI เปลี่ยนแปลงตลาดแรงงานไปอย่างไรบ้าง

บทความวิจัยของเราแสดงให้เห็นว่าผู้ใช้งานระดับแนวหน้าเลือกนำเครื่องมือเอเจนต์ที่มีความสามารถสูงมาใช้ในการทำงานที่ล้ำสมัยได้อย่างไร ผลการศึกษาของเราแสดงให้เห็นถึงสิ่งที่เกิดขึ้นเมื่อผู้คนสามารถเข้าถึงเครื่องมือเอเจนต์ที่มีความสามารถสูงได้อย่างกว้างขวางและสะดวกโดยเมื่อเครื่องมือเหล่านี้ได้รับการพัฒนาให้ดีขึ้น ผู้คนก็จะนำไปใช้กับงานที่มีระยะเวลานานขึ้น มีความซับซ้อนมากขึ้น และต้องอาศัยการทำงานร่วมกันระหว่างหลายฝ่ายมากขึ้น สิ่งนี้น่าจะกลายเป็นภาพของอนาคตแห่งการทำงานเมื่อเวลาผ่านไป