เข้าใจวิธีที่เอเจนต์ AI ค้นเว็บเพื่อตอบข้อมูลล่าสุด ข้อดีข้อจำกัด การควบคุมความน่าเชื่อถือ ต้นทุนเครดิต และแนวทางเปิดใช้ใน AI SNS CHAT
ฐานความรู้ที่เตรียมไว้ดีเพียงใด วันหนึ่งก็ต้องเจอคำถามที่ไม่มีคำตอบอยู่ในนั้น เช่น วิธีแก้ปัญหาหลังระบบปฏิบัติการอัปเดตล่าสุด หรือขั้นตอนตั้งค่าของผู้ผลิตรายอื่นที่ลูกค้าใช้ร่วมกับสินค้าของคุณ บทความนี้อธิบายว่าการให้เอเจนต์ AI ค้นเว็บแล้วตอบคืออะไร เหมาะกับงานแบบไหน ควรวางกรอบอย่างไรไม่ให้ตอบผิด และมีต้นทุนเครดิตเท่าใด พร้อมตัวอย่างการคำนวณและแนวทางเปิดใช้ทีละขั้น
ทำไมฐานความรู้อย่างเดียวจึงล้าสมัยได้
ฐานความรู้คือสิ่งที่คุณเตรียมให้เอเจนต์ เช่น ไฟล์ PDF คำถามคำตอบ หน้าเว็บไซต์ หรือเอกสารจากระบบอื่น ข้อดีคือควบคุมได้เต็มที่ ตอบตรงกับนโยบายของร้านและไม่มั่วออกนอกเรื่อง แต่ข้อเสียก็ชัดเจน คือมันหยุดนิ่งอยู่ ณ วันที่คุณอัปเดตล่าสุด
ลองนึกถึงธุรกิจไทยที่ลูกค้าทักมาทาง LINE ตอนกลางคืน ร้านขายอุปกรณ์คอมพิวเตอร์อาจได้รับคำถามว่า "อัปเดตวินโดวส์ล่าสุดแล้วเครื่องพิมพ์ใช้ไม่ได้ ต้องทำอย่างไร" บริษัทไอทีที่ดูแลลูกค้าองค์กรอาจเจอคำถามเกี่ยวกับการตั้งค่าอีเมลบนอุปกรณ์ Apple ที่เพิ่งออกเวอร์ชันใหม่ คำตอบเหล่านี้เปลี่ยนตามเวลา และผู้ผลิตเป็นเจ้าของข้อมูลที่ถูกต้องที่สุด ไม่ใช่ทีมของคุณ
หากต้องคอยตามคัดลอกเอกสารของผู้ผลิตทุกรายเข้าฐานความรู้ ทีมจะเหนื่อยเกินไป และเมื่อเอกสารเก่าเกินไป เอเจนต์ก็อาจตอบด้วยขั้นตอนที่ใช้ไม่ได้แล้ว จุดนี้เองที่การค้นเว็บเข้ามาช่วยเป็นตัวเสริม
การ "ค้นเว็บ" ของเอเจนต์หมายถึงอะไร
เมื่อพูดว่าเอเจนต์ค้นเว็บ ไม่ได้หมายความว่าโมเดล AI รู้ทุกอย่างบนอินเทอร์เน็ตอยู่แล้ว แต่หมายถึงขั้นตอนเพิ่มเติมที่เกิดขึ้นระหว่างตอบ
- เอเจนต์ตรวจก่อนว่าฐานความรู้ของคุณมีคำตอบหรือไม่
- ถ้าไม่มี ระบบส่งคำค้นไปยังบริการค้นหา
- ระบบอ่านผลลัพธ์ที่ได้ แล้วให้โมเดลสรุปเป็นภาษาที่ลูกค้าใช้
- เอเจนต์ตอบพร้อมบอกว่าข้อมูลมาจากหน้าเว็บใด
ความแตกต่างสำคัญคือ คำตอบมาจากหน้าเว็บจริงที่ตรวจสอบย้อนกลับได้ ไม่ใช่ความจำของโมเดลล้วน ๆ ซึ่งลดความเสี่ยงที่โมเดลจะเดาหรือตอบด้วยข้อมูลเก่า
- 01ลูกค้าส่งคำถาม
- 02ตรวจฐานความรู้ก่อน
- 03ไม่พบจึงค้นเว็บ
- 04ตอบพร้อมอ้างอิงหน้าที่ใช้
การค้นเว็บแบบสำรอง (fallback) แบบนี้ต่างจากการค้นเว็บทุกครั้งที่ลูกค้าถาม เพราะฐานความรู้ของคุณยังมีสิทธิ์ก่อนเสมอ เรื่องนโยบายร้านและราคาจึงยังตอบจากข้อมูลที่คุณดูแลเอง
เมื่อไรการค้นเว็บช่วยได้ และเมื่อไรไม่ควรใช้
การค้นเว็บไม่ใช่คำตอบของทุกคำถาม ควรแยกให้ชัดว่าเรื่องใดเหมาะ
เหมาะกับ
- วิธีแก้ปัญหาของซอฟต์แวร์หรืออุปกรณ์ของบริษัทอื่นที่เปลี่ยนบ่อย
- ขั้นตอนตั้งค่าที่ผู้ผลิตเผยแพร่ไว้ในหน้าสนับสนุนทางการ
- ข้อมูลทั่วไปที่ลูกค้าถามนอกขอบเขตสินค้าของคุณเล็กน้อย แต่เกี่ยวข้องกับการใช้งาน
ไม่เหมาะกับ
- ราคา โปรโมชัน เงื่อนไขการรับประกัน การคืนสินค้า และนโยบายภายในของคุณ
- ข้อมูลส่วนบุคคลของลูกค้า เช่น สถานะคำสั่งซื้อหรือข้อมูลบัญชี
- เรื่องที่ต้องการคำตอบเชิงกฎหมายหรือการแพทย์ที่มีผลต่อการตัดสินใจสำคัญ
หลักง่าย ๆ คือ ถ้าคำตอบเป็นเรื่องที่ธุรกิจของคุณเป็นเจ้าของ ให้เก็บไว้ในฐานความรู้ ถ้าเป็นเรื่องของคนอื่นที่เปลี่ยนตลอด การค้นเว็บจึงมีประโยชน์
เครื่องกั้นที่ทำให้คำตอบจากเว็บน่าเชื่อถือ
อินเทอร์เน็ตมีทั้งข้อมูลดีและไม่ดี หากปล่อยให้เอเจนต์ค้นได้ทุกที่โดยไม่มีขอบเขต คำตอบอาจไม่น่าเชื่อถือ ควรตั้งกรอบอย่างน้อยดังนี้
1. จำกัดแหล่งข้อมูลให้แคบและเป็นทางการ
แหล่งที่ดีที่สุดคือหน้าสนับสนุนของผู้ผลิตเอง ยิ่งรายชื่อเว็บไซต์สั้นและน่าเชื่อถือ ความเสี่ยงที่จะได้คำตอบจากบล็อกเก่าหรือเว็บที่ไม่แม่นยำก็ยิ่งต่ำ
2. แยกหัวข้อภายในออกจากการค้นเว็บ
เรื่องราคา นโยบาย และข้อมูลของธุรกิจเอง ไม่ควรถูกส่งไปค้นเว็บเลย เพราะไม่มีใครบนอินเทอร์เน็ตรู้ดีกว่าคุณ และอาจพบข้อมูลของคู่แข่งที่ไม่เกี่ยวข้อง
3. อ้างอิงหน้าที่ใช้ตอบทุกครั้ง
เมื่อคำตอบมีลิงก์หรือชื่อหน้าอ้างอิง ลูกค้าตรวจสอบเองได้ และทีมงานก็ย้อนดูได้ว่าเอเจนต์อ่านจากที่ใด
4. ไม่ส่งข้อมูลส่วนบุคคลออกไปเป็นคำค้น
ภายใต้บริบท PDPA ควรออกแบบให้คำค้นเป็นหัวข้อทั่วไป เช่น "เครื่องพิมพ์ไม่เชื่อมต่อหลังอัปเดต" ไม่ใช่ชื่อ เบอร์โทร หรือที่อยู่ของลูกค้า และควรให้ทีมกฎหมายหรือผู้ดูแลข้อมูลของคุณตรวจนโยบายอีกชั้น
5. เปิดทางส่งต่อให้เจ้าหน้าที่เสมอ
ถ้าค้นแล้วไม่ได้คำตอบที่มั่นใจ เอเจนต์ควรยอมรับตรง ๆ และส่งต่อให้คน แทนการเดา
ต้นทุน: เครดิต ความเร็ว และตัวอย่างการคำนวณ
การตอบจากเว็บต้องทำงานมากกว่าการตอบจากฐานความรู้ ทั้งค้นหาและอ่านผลลัพธ์ ใน AI SNS CHAT ปกติ 1 คำตอบใช้ 1 เครดิต ส่วนคำตอบที่มาจากการค้นเว็บในฟีเจอร์ค้นเว็บสำรองจะคิด 2 เท่าโดยค่าเริ่มต้น (ผู้ดูแลแพลตฟอร์มปรับค่านี้ได้) นอกจากนี้ขั้นตอนที่เพิ่มขึ้นย่อมทำให้ลูกค้ารอนานกว่าคำตอบจากฐานความรู้เล็กน้อย จึงควรคำนึงถึงเรื่องนี้ในช่องทางที่ลูกค้าคาดหวังความเร็ว
ตัวอย่างสมมติ
สมมติร้านหนึ่งมีการตอบ 300 ครั้งต่อเดือน ตัวเลขด้านล่างเป็นการสมมติเพื่อให้เห็นวิธีคิด ไม่ใช่ข้อมูลจริงของลูกค้ารายใด
- ถ้าทั้ง 300 คำตอบมาจากฐานความรู้ ใช้ 300 เครดิต
- ถ้า 60 คำตอบมาจากเว็บ (60 × 2 = 120) และอีก 240 มาจากฐานความรู้ (240 × 1 = 240) รวม 360 เครดิต
- ถ้าครึ่งหนึ่งมาจากเว็บ คือ 150 × 2 = 300 บวก 150 × 1 = 150 รวม 450 เครดิต
บทเรียนคือ ต้นทุนเพิ่มตามสัดส่วนของคำตอบที่มาจากเว็บ ถ้าฐานความรู้ครอบคลุมดี สัดส่วนนี้จะต่ำและค่าใช้จ่ายส่วนเพิ่มก็น้อย ส่วนคำถามที่ถูกถามซ้ำ ๆ จากเว็บ ควรพิจารณาเขียนเป็นคำถามคำตอบในฐานความรู้เอง ซึ่งทั้งถูกกว่าและควบคุมได้มากกว่า ดูแผนและจำนวนเครดิตได้ที่ หน้าราคา
เปิดใช้อย่างปลอดภัย: ทีละขั้น
อย่าเปิดทุกอย่างพร้อมกัน ให้ทยอยขยายตามผลที่เห็น
- เริ่มจากฐานความรู้ที่แน่น รวบรวมคำถามจริงที่ลูกค้าถามบ่อยทาง LINE เว็บไซต์ และ Messenger ก่อน เพราะการค้นเว็บควรเป็นตัวสำรอง ไม่ใช่ตัวหลัก
- เลือกแหล่งข้อมูลแคบ ๆ ระบุเฉพาะเว็บทางการของผู้ผลิตที่ลูกค้าของคุณใช้จริง
- ทดลองกับคำถามจำลอง ลองถามเรื่องที่ควรค้นเว็บ และเรื่องที่ไม่ควร เช่น ราคาของร้าน แล้วดูว่าเอเจนต์ปฏิบัติถูกต้องหรือไม่
- เปิดให้กลุ่มเล็กก่อน เช่น เอเจนต์เดียวหรือช่องทางเดียว แล้วอ่านบันทึกการสนทนาทุกสัปดาห์
- ดูเครดิตและคะแนนความพึงพอใจ หากสัดส่วนคำตอบจากเว็บสูงเกินคาด ให้ย้ายคำถามที่ซ้ำเข้าฐานความรู้
- กำหนดทางส่งต่อให้เจ้าหน้าที่ ให้ลูกค้าคุยกับคนได้ทุกเมื่อที่คำตอบไม่ชัด
ทำเรื่องนี้ใน AI SNS CHAT
AI SNS CHAT มีการค้นเว็บสองแบบที่ต่างกัน และควรเข้าใจข้อจำกัดของแต่ละแบบให้ชัดก่อนวางแผน
แบบที่ 1: ค้นเว็บสำรองเมื่อฐานความรู้ไม่มีคำตอบ
ฟีเจอร์นี้ใช้ได้เฉพาะช่องทาง LINE WORKS ตั้งค่าที่ Behaviour → Web search มีลักษณะดังนี้
- ทำงานเมื่อฐานความรู้ไม่มีคำตอบเท่านั้น
- ค่าเริ่มต้นค้นจากเว็บสนับสนุนของ Microsoft และ Apple
- ไม่ค้นเว็บกับหัวข้อภายในองค์กร
- แสดงหน้าเว็บที่ใช้ตอบเป็นการอ้างอิง
- คำตอบที่มาจากเว็บคิด 2 เท่าของเครดิตโดยค่าเริ่มต้น
ผู้ให้บริการค้นหาเบื้องหลัง (Claude, ChatGPT, Brave, Google Programmable Search หรือ Serper) เป็นการตั้งค่าของผู้ดูแลแพลตฟอร์ม ไม่ใช่หน้าจอสำหรับลูกค้าทั่วไป
แบบที่ 2: Action "Tavily" ให้เอเจนต์ค้นเว็บแบบเรียลไทม์
หากต้องการให้เอเจนต์ค้นเว็บในกรณีอื่น สามารถเพิ่ม Action ชื่อ Tavily ซึ่งให้การค้นเว็บแบบเรียลไทม์แก่เอเจนต์ได้ Actions ต้องใช้แผน Hobby ขึ้นไป และจำนวน Actions ต่อเอเจนต์จำกัดตามแผน คือ 0 / 5 / 8 / 12 / 20 สำหรับแผนไล่ตามลำดับที่กำหนดไว้ในระบบ
แนวทางปฏิบัติ
- สร้างเอเจนต์และเพิ่มแหล่งความรู้ที่ Data sources เช่น ไฟล์ ข้อความ เว็บไซต์ หรือ Q&A
- ทดสอบใน Playground โดยลองถามทั้งเรื่องที่มีในฐานความรู้และเรื่องที่ไม่มี
- ถ้าใช้ LINE WORKS ให้ไปที่ Behaviour → Web search เพื่อตรวจรายการเว็บที่ใช้ค้น
- ถ้าต้องการค้นเว็บในเอเจนต์ ให้เพิ่ม Action Tavily ในส่วน Actions / Integrations แล้วทดสอบอีกครั้ง
- ดูบันทึกการสนทนาที่ Activity → Chat logs และให้คะแนนด้วยปุ่มถูกใจ/ไม่ถูกใจ เพื่อปรับปรุงต่อ
- ตั้งตารางเวรที่ Helpdesk → Scheduling เพื่อให้การส่งต่อไปยังเจ้าหน้าที่เป็นไปโดยอัตโนมัติ (ต้องใช้แผน Standard ขึ้นไป)
- ตรวจเครดิตที่หน้า Usage ซึ่งแสดงเครดิตต่อเอเจนต์
ช่องทางที่ใช้ได้มีหลากหลาย ดูรายการได้ที่ หน้า Connections และฟีเจอร์ทั้งหมดที่ หน้า Features หากต้องการเริ่มทดลอง สมัครได้ที่นี่
คำถามที่พบบ่อย
เอเจนต์ที่ค้นเว็บจะตอบเรื่องราคาและนโยบายของร้านเราจากอินเทอร์เน็ตหรือไม่
ไม่ควรและไม่เป็นเช่นนั้นในฟีเจอร์ค้นเว็บสำรองของ LINE WORKS เพราะระบบจะไม่ค้นเว็บกับหัวข้อภายในองค์กร ราคาและนโยบายควรอยู่ในฐานความรู้ของคุณเอง เพื่อให้เอเจนต์ตอบตามข้อมูลที่คุณดูแล
การค้นเว็บใช้ได้บน LINE, WhatsApp, Messenger และแชตบนเว็บไซต์หรือไม่
การค้นเว็บสำรองอัตโนมัติตามข้อมูลผลิตภัณฑ์ใช้ได้เฉพาะ LINE WORKS ส่วนช่องทางอื่นหากต้องการให้เอเจนต์ค้นเว็บ ให้ใช้ Action Tavily ซึ่งต้องใช้แผน Hobby ขึ้นไป และควรทดสอบในแต่ละช่องทางก่อนเปิดจริง
คำตอบที่มาจากเว็บมีค่าใช้จ่ายเพิ่มเท่าไร
ปกติ 1 คำตอบใช้ 1 เครดิต แต่คำตอบที่มาจากการค้นเว็บสำรองคิด 2 เท่าโดยค่าเริ่มต้น เช่น 60 คำตอบจากเว็บจะใช้ 120 เครดิต ผู้ดูแลแพลตฟอร์มปรับอัตรานี้ได้ จึงควรตรวจหน้า Usage ควบคู่กัน
เลือกได้ไหมว่าเอเจนต์จะค้นจากเว็บไซต์ใด
ฟีเจอร์ค้นเว็บสำรองใช้เว็บสนับสนุนของ Microsoft และ Apple เป็นค่าเริ่มต้น และตั้งค่าได้ที่ Behaviour → Web search ส่วนผู้ให้บริการค้นหาเบื้องหลังเป็นการตั้งค่าของผู้ดูแลแพลตฟอร์ม แนะนำให้ตรวจหน้าตั้งค่าในบัญชีของคุณว่าปรับรายการได้เพียงใด


