ในอดีต การโทรแจ้งสายด่วนฝ่ายสนับสนุนของผู้ให้บริการอินเทอร์เน็ตเมื่อเกิดปัญหาเน็ตล่ม มักจะเป็นแบบนี้: เสียงหุ่นยนต์จะทักทายคุณในฐานะลูกค้าคนสำคัญ จากนั้นก็บังคับให้คุณเสียเวลาหลายนาทีไปกับการกดเมนูโทรศัพท์ (“กด 3 เพื่อติดต่อฝ่ายเทคนิค กด 2 สำหรับบริการอินเทอร์เน็ต แล้วกด 4 สำหรับปัญหาอื่นๆ”) คุณจะถูกพักสายทิ้งไว้จนรู้สึกเหมือนถูกลืม จนกว่าพนักงานรับสายจะมารับและถามชื่อ หมายเลขบัญชี และปัญหาของคุณ หากการรีสตาร์ทเราเตอร์ไม่ช่วยแก้ปัญหา คุณก็จะถูกพักสายอีกครั้ง เพียงเพื่อต้องเล่าเรื่องทั้งหมดซ้ำให้พนักงานอีกคนฟังก่อนจะได้คิวช่างมาซ่อม
AI กำลังเปลี่ยนรูปแบบการติดต่อฝ่ายสนับสนุนแบบนี้อยู่แล้ว แทนที่จะต้องทนฟังเสียงหุ่นยนต์และคุยกับพนักงานหลายคน AI Agent สามารถรับเรื่องได้ทันที มันสามารถดูข้อมูลบัญชีของคุณ ตรวจสอบว่ามีลูกค้ารายอื่นในพื้นที่ได้รับผลกระทบด้วยหรือไม่ และจัดการปัญหาเล็กๆ น้อยๆ ได้โดยตรงหรือนัดหมายช่างได้เลย ไม่ต้องมีคำว่า “ขณะนี้พนักงานทุกคนกำลังให้บริการอยู่” อีกต่อไป และไม่ต้องฟังเพลงรอระหว่างพักสายด้วย จนกระทั่งไม่นานมานี้ นี่คือขีดจำกัดทางเทคโนโลยีที่เรามี
แต่ตอนนี้ ความสามารถใหม่ๆ กำลังทำให้ Agent สามารถติดตามเรื่องราวและดำเนินงานต่างๆ ได้อย่างต่อเนื่องในระยะยาวขึ้น เราเชื่อว่าสิ่งนี้จะช่วยให้บริษัท AI ก้าวข้ามการโต้ตอบกับลูกค้าเป็นรายครั้ง และคิดใหม่ถึงวิธีการจัดการ Customer Journey ที่ซับซ้อนซึ่งกินเวลาหลายสัปดาห์หรือหลายเดือน AI จะนำทางลูกค้าประกันภัยตั้งแต่การโทรครั้งแรกไปจนถึงการจ่ายเงิน ช่วยผู้กู้สินเชื่อที่อยู่อาศัยตั้งแต่ขั้นตอนอนุมัติเบื้องต้นไปจนถึงวันโอนกรรมสิทธิ์ และดูแล Lead ขององค์กรตั้งแต่การสาธิตสินค้าครั้งแรกไปจนถึงการลงนามในสัญญา สิ่งนี้จะไม่เพียงสร้างผลลัพธ์ที่ดีกว่าให้กับลูกค้าเหล่านั้น แต่ยังเปิดโอกาสให้ผู้ขาย AI ได้รับค่าตอบแทนจากการขยายตัวของรายได้ที่เกิดขึ้น ไม่ใช่แค่จากต้นทุนที่ประหยัดได้เท่านั้น
มูลค่าเกิดขึ้นที่ปลายทางของการวิ่งผลัดเท่านั้น
มีธุรกิจหลายประเภทที่การสร้างมูลค่าให้ลูกค้าต้องใช้หลายขั้นตอน กินเวลาหลายสัปดาห์หรือหลายเดือน ลองยกตัวอย่างกระบวนการเตรียมคดีความของฝั่งโจทก์แบบดั้งเดิม คดีที่มีแนวโน้มจะรับมักเข้ามาในรูปแบบ Lead ทางโทรศัพท์ โดยเจ้าหน้าที่รับเรื่องจะรวบรวมข้อเท็จจริงที่สำคัญและส่งต่อให้ทนายความประเมินว่าจะรับลูกความรายนี้หรือไม่ เมื่อบริษัทกฎหมายตกลงรับคดี ขั้นตอนการสืบสวนและรวบรวมหลักฐานก็จะตามมา: ผู้ช่วยทนายความจะขอรายงานจากตำรวจ พยายามติดต่อพยาน และส่งหนังสือแจ้งเตือนไม่ให้ทำลายหลักฐาน (spoliation letter) ไปยังจำเลยเพื่อรักษาหลักฐานไว้ พร้อมทั้งอัปเดตความคืบหน้าให้ลูกความทราบ จากนั้นบริษัทจะรอให้การรักษาลูกความสิ้นสุดลงก่อนจัดทำลำดับเหตุการณ์ทางการแพทย์และส่งข้อมูลให้ทนายความเพื่อร่างจดหมายเรียกร้องค่าเสียหายฉบับสมบูรณ์
กระบวนการนี้คือสิ่งที่ในอดีตเราเรียกว่า “การวิ่งผลัด”: เส้นทางที่ยาวนานซึ่งมีความเสี่ยงที่จะเกิดการหลุดหายหรือสูญเสียมูลค่าในทุกจุดที่มีการส่งมอบงาน ลูกค้าที่มีศักยภาพมักจะโทรหาบริษัทกฎหมายคดีบาดเจ็บส่วนบุคคลหลายแห่ง และมักเซ็นสัญญากับบริษัทที่ติดต่อกลับเร็วที่สุด ดังนั้นคดีจึงอาจหลุดออกจาก Funnel ได้หากลูกความโทรไปแล้วเจอแต่กล่องข้อความเสียง หรือหากการตัดสินใจรับคดีใช้เวลานานเกินไป เมื่อเซ็นสัญญาลูกความแล้ว การรวบรวมหลักฐานต้องทำหลายเรื่องพร้อมกัน และบริษัทอาจไม่มีแรงฮึดพอที่จะโทรหาพยานที่เป็นไปได้เป็นครั้งที่ห้า หลังจากสี่ครั้งก่อนหน้าไม่มีใครรับสาย นอกจากนี้ ข้อจำกัดด้านแรงงานอาจทำให้บริษัทไม่สามารถตรวจสอบหลักฐานทุกชิ้นอย่างละเอียดได้ โดยเฉพาะในคดีที่ดูเหมือนเป็นเรื่องปกติและมีมูลค่าน้อย บริษัทอาจยอมรับข้อเสนอแรก ทั้งที่การอ่านบันทึกแพทย์อย่างละเอียดอาจเผยให้เห็นสัญญาณของการบาดเจ็บทางสมอง ซึ่งจะเพิ่มมูลค่าในการไกล่เกลี่ยได้ ท้ายที่สุด คดีอาจดำเนินไปหลายเดือน ต้องใช้ผู้ร่วมงานจำนวนมาก และมีข้อมูลกระจัดกระจายอยู่ในเอกสาร ผู้มีส่วนได้ส่วนเสีย และระบบต่างๆ ทำให้แทบเป็นไปไม่ได้เลยที่จะมองเห็นภาพรวมทั้งหมดของลูกค้าทุกราย ผลก็คือ ค่าใช้จ่ายที่สำคัญอาจไม่ถูกระบุในจดหมายเรียกร้อง หรือช่องว่างในการรักษาอาจไม่ได้รับการอธิบาย ซึ่งล้วนดึงมูลค่าการไกล่เกลี่ยให้ต่ำลง
โอกาสของ Agent ที่ทำงานระยะยาว
จนกระทั่งไม่นานมานี้ AI Agent ส่วนใหญ่จัดการได้เฉพาะงานที่มีขอบเขตชัดเจน (“ส่งอีเมลติดตามนี้”, “สรุปการโทรนั้น”, “สร้างเอกสารนี้”) และการโต้ตอบแคบๆ ตัวอย่างเช่น ฝ่ายสนับสนุนลูกค้าถือเป็น Use Case แรกๆ ที่ดีเยี่ยมของ AI เพราะพื้นที่ปัญหามีนิยามที่ชัดเจน ทำให้บรรลุความน่าเชื่อถือระดับสูงได้ ในขณะที่ยังคงปรับแต่งตามนโยบายเฉพาะของบริษัทได้ การโต้ตอบใช้เวลาสั้น ผลลัพธ์ตรวจสอบได้ และหาก AI Agent เจอกรณีพิเศษที่จัดการไม่ได้ ทีมสนับสนุนที่มีอยู่เดิมก็ยังคงพร้อมรับช่วงต่อ
ตอนนี้ Agent ที่ทำงานระยะยาว (long-running agent) สามารถไล่ตามเป้าหมายผ่านหลายสิบขั้นตอน หลายรูปแบบการสื่อสาร และกรอบเวลาที่นานขึ้น ทำให้พวกมันสามารถรับผิดชอบการวิ่งผลัดได้ตั้งแต่ต้นจนจบ ในตัวอย่างคดีฝั่งโจทก์ เราสามารถมอบหมาย long-running agent ให้ดูแลคดีตั้งแต่การโทรรับเรื่องครั้งแรก โดยมีเป้าหมายเพื่อเพิ่มมูลค่าการชดเชยที่ลูกความจะได้รับให้สูงสุด Agent จะบันทึกและเรียกคืนบริบทของคดีตามความจำเป็น มันจะตื่นขึ้นมาทำงานตามเหตุการณ์หรือกำหนดการ ส่ง sub-agent ออกไปติดต่อพยาน อัปเดตข้อมูลให้ลูกความ และโต้ตอบกับทนายความผ่านโทรศัพท์ อีเมล หรือข้อความได้อย่างเชิงรุก จากนั้นจะรวบรวมผลการค้นหา วางแผนขั้นตอนถัดไป ร่างเอกสารเพื่อตรวจทาน และผลักดันคดีไปสู่ผลลัพธ์ที่ดีที่สุดเท่าที่จะเป็นไปได้ เมื่อทำงานข้ามหลายลูกความ มันจะเรียนรู้ไปเรื่อยๆ เพราะแต่ละคดีสร้างข้อมูลที่ช่วยให้ Agent ประมวลผลคดีถัดไปได้ดีกว่าคดีปัจจุบัน
Agent เข้ามาอุดรอยรั่วของมูลค่าที่สำคัญซึ่งพบเห็นได้ในกระบวนการวิ่งผลัดทุกวันนี้ ในช่วงเริ่มต้นของเส้นทาง ลูกความจะไม่หลุดหายไปเพราะการประเมินคดีที่ล่าช้าอีกต่อไป เนื่องจาก Agent พร้อมให้บริการตลอดเวลาไม่ว่าจะเป็นชั่วโมงใดหรือวันไหน และสามารถประเมินคดีได้เกือบจะทันที การรวบรวมหลักฐานจะไม่ถูกจำกัดด้วยความสามารถของมนุษย์อีกต่อไป เพราะ case agent สามารถสร้าง sub-agent เพิ่มเติมได้ตลอดเวลาเพื่อโทรครั้งที่ห้า ครั้งที่สิบ หรือแม้แต่ครั้งที่สองสิบ เนื่องจาก Agent ขยายขนาดได้แทบไม่จำกัด แม้แต่คดีที่ดูเหมือนเป็นเรื่องปกติก็จะได้รับการดำเนินการอย่างครบถ้วน และหลักฐานทุกชิ้นจะถูกตรวจสอบอย่างละเอียด เผยให้เห็นการบาดเจ็บทางสมองที่อาจถูกมองข้ามไปได้ และท้ายที่สุด Agent จะเก็บบันทึกคดีไว้อย่างครบถ้วน ตั้งแต่ถอดคำสนทนาทางโทรศัพท์กับพยาน ไปจนถึงรายงานตำรวจและเวชระเบียน เพื่อให้แน่ใจว่าไม่มีข้อมูลใดสูญหาย
รับค่าตอบแทนจากผลลัพธ์
นอกเหนือจากการอุดรอยรั่วเหล่านี้ การเป็นเจ้าของ Customer Journey ทั้งหมดสามารถเปลี่ยนโครงสร้างเศรษฐกิจของผู้ขาย Agent ได้ เมื่อ Agent ช่วยส่งมอบผลลัพธ์ที่มีคุณภาพสูงกว่าด้วยความเร็วที่มากกว่า พวกมันก็สามารถผลักดันการเติบโตของรายได้ ไม่ใช่แค่การลดต้นทุนให้ลูกค้า ที่สำคัญกว่านั้น เมื่อผลกระทบสามารถสังเกตได้และระบุได้ว่ามาจาก Agent ผู้ขายก็สามารถมีส่วนร่วมใน Upside ที่พวกเขาสร้างขึ้นได้ด้วยการตั้งราคาตามผลงานหรือผลลัพธ์ ตัวอย่างเช่น ในคดีฝั่งโจทก์ แต่ละคดีคือหน่วยการทำงานที่แยกขาดจากกัน และมูลค่าของผลลัพธ์ที่ได้ คือจำนวนเงินไกล่เกลี่ย ก็สามารถระบุได้อย่างชัดเจน นอกจากนี้ ผลลัพธ์ยังสามารถเชื่อมโยงกับ Agent ได้ง่ายขึ้นเมื่อพวกมันขับเคลื่อนสัดส่วนที่ใหญ่ขึ้นของผลงานขั้นสุดท้าย ผู้ขายจึงอาจได้แบ่งปันการเติบโตของรายได้รวม ซึ่งทำให้ไปถึงมูลค่าสัญญาที่ไม่เคยทำได้มาก่อนจากการมุ่งเน้นแค่การลดต้นทุนเพียงอย่างเดียว
ต้องยอมรับว่าการเปลี่ยนไปใช้การตั้งราคาตามผลลัพธ์ไม่ได้ราบรื่นไร้แรงเสียดทาน ในวงการกฎหมายฝั่งโจทก์ รัฐส่วนใหญ่ห้ามบุคคลที่ไม่ใช่ทนายความแบ่งค่าธรรมเนียมทางกฎหมาย ดังนั้นการตั้งราคาจะต้องสอดคล้องกับมูลค่าการไกล่เกลี่ยโดยไม่เข้าไปแบ่งส่วนโดยตรง ในอุตสาหกรรมอื่นๆ ผู้ขายอาจเผชิญข้อโต้แย้งจากทีมจัดซื้อที่ยังไม่มีบรรทัดฐานสำหรับสัญญาแบบอิงผลลัพธ์ และแม้ว่า Agent จะเข้าใกล้การเป็นเจ้าของผลลัพธ์อย่างเต็มตัวมากขึ้น แต่การถกเถียงเรื่องการวัดผล (attribution) ก็มักจะเกิดขึ้นในช่วงแรก ดังนั้นการนำ long-running agent มาใช้งานให้สำเร็จจึงเป็นความท้าทายทางการค้ามากพอๆ กับความท้าทายทางเทคนิค
อย่างไรก็ตาม การรับค่าตอบแทนจากผลลัพธ์ใน Customer Journey ที่มีมูลค่าสูงไม่ใช่แนวคิดใหม่
กรณีศึกษาสำหรับการสร้าง Red Ventures แบบ AI-native
Red Ventures (RV) เป็นตัวอย่างในอดีตที่ยอดเยี่ยม RV ก่อตั้งโดย Ric Elias และ Dan Feldstein เป็นผู้บุกเบิกการเอาท์ซอร์สงานขายแบบดิจิทัลครบวงจรสำหรับสัญญาระยะยาวกับผู้บริโภค ตัวอย่างเช่น สำหรับกรมธรรม์ประกันภัย RV จะรวบรวมรายละเอียดของลูกค้าในขณะที่พวกเขากำลังค้นหาผลิตภัณฑ์เหล่านี้ (ผ่านการเป็นเจ้าของเว็บไซต์อย่าง homeinsurance.com) ติดต่อไปหา อธิบายตัวเลือกความคุ้มครองให้ฟัง และปิดการขายกรมธรรม์ ด้วยการเป็นเจ้าของเส้นทางนี้อย่างสมบูรณ์ RV จึงเก็บเงินจากบริษัทประกันสำหรับทุกกรมธรรม์ที่ปิดการขายได้ โมเดลนี้เคยทำงานได้ดีเยี่ยม: ตามข้อมูลของ S&P Global RV สร้าง EBITDA ประมาณ 370 ล้านดอลลาร์ จากยอดขายราว 1.4 พันล้านดอลลาร์ในปี 2022
แต่ตอนนี้ โมเดลนี้ดูเหมือนจะถูกคุกคามในระดับโครงสร้าง ที่ด้านบนสุดของ Funnel ผู้บริโภคกำลังเปลี่ยนวิธีค้นพบผลิตภัณฑ์ แทนที่จะพึ่งพาการค้นหาบน Google หรือเว็บไซต์เปรียบเทียบเพื่อสำรวจและเทียบสินค้า ตอนนี้พวกเขาสามารถถาม Agent ส่วนตัว เช่น Muse หรือ Instinct ของ Meta เพื่อขอคำแนะนำผลิตภัณฑ์ได้โดยตรง ซึ่งลดคุณค่าของการเป็นเจ้าของเว็บไซต์สำรวจแบบดั้งเดิมลงไป ลึกลงไปใน Funnel แทนที่จะใช้คนหลายร้อยคนวิ่ง Funnel แบบเส้นตรง long-running agent สามารถทำงานข้าม Journey ที่ซับซ้อนกว่านั้นได้มาก พวกมันจะทำเช่นนั้นข้ามผลิตภัณฑ์และรูปแบบการสื่อสารต่างๆ ทำงานขนานกันได้ ในภาษาใดก็ได้และในสเกลขนาดใหญ่ ด้วยความพยายามที่ไม่มีวันหมด การที่ EBITDA ของ RV ลดลงเหลือประมาณ 160 ล้านดอลลาร์ในปี 2025 จากการสูญเสียลูกค้าและการใช้จ่ายโฆษณาที่ชะลอตัว ถือเป็นสัญญาณเบื้องต้นที่บ่งชี้ถึงความเปราะบางของโมเดลนี้ ในขณะที่ AI จะเข้ามาพลิกโฉมอุตสาหกรรมนี้มากยิ่งขึ้นในอนาคต
สามเส้นทางสู่ตลาด
มีหลายวิธีในการนำ long-running agent ออกสู่ตลาด
(1) ขายแพลตฟอร์ม: ภายใต้แนวทางนี้ ผู้ขายจะขาย long-running agent ในฐานะซอฟต์แวร์ เพื่อสนับสนุนการดำเนินงานที่มีอยู่เดิมขององค์กร ตัวอย่างที่ดีคือ case agent สำหรับกฎหมายฝั่งโจทก์ที่เชื่อมต่อกับทีมและเวิร์กโฟลว์ที่มีอยู่แล้ว การขายแพลตฟอร์มเปิดโอกาสให้มี Upside ด้านรายได้ เนื่องจากมักไม่มีสัญญาซอฟต์แวร์หรือบริการเอาท์ซอร์สที่เทียบเคียงกันได้มาเป็นตัวตรึงราคา อย่างไรก็ตาม วิธีนี้ก็ทำให้รอบการขายยาวนานขึ้นเช่นกัน เพราะต้องสร้างบรรทัดงบประมาณใหม่ และยากกว่าที่จะระบุผลลัพธ์ได้อย่างชัดเจนว่าเป็นของ Agent ที่ต้องติดต่อกับหลายแผนกทั่วทั้งองค์กร
(2) ขายบริการ: ในกรณีนี้ ผู้ขายจะเข้ามารับช่วงต่อบริการที่ถูกเอาท์ซอร์สอยู่แล้ว เพื่อส่งมอบผลลัพธ์ที่ต้องการได้อย่างมีประสิทธิภาพมากขึ้น เหมือนกับที่ Red Ventures เป็นเจ้าของเส้นทางการหาลูกค้าทั้งหมดให้กับบริษัทประกันภัย แนวทางนี้ช่วยลดระยะเวลาในรอบการขาย เพราะการคำนวณ ROI สำหรับผู้ซื้อนั้นเรียบง่าย และบรรทัดงบประมาณสำหรับ BPO ก็มีอยู่แล้ว อย่างไรก็ตาม รูปแบบการตั้งราคาก่อนยุค AI ที่มีอยู่อาจไม่สะท้อนมูลค่าที่แท้จริงที่ long-running agent สามารถส่งมอบได้ และ Journey มูลค่าสูงหลายอย่างในปัจจุบันก็ดำเนินการภายในองค์กรเอง ซึ่งจำกัดการเข้าถึงของแนวทางนี้
(3) ทำแบบ Full-Stack: แนวทาง Full-Stack หมายถึงการบูรณาการในแนวดิ่งและก้าวขึ้นมาเป็นผู้เล่นแบบ AI-native ตัวอย่างเช่น แทนที่จะขาย long-running agent ให้กับบริษัททวงถามหนี้ คุณอาจซื้อพอร์ตหนี้มาและทวงถามด้วยตัวเอง ซึ่งช่วยให้คุณเก็บเกี่ยว Upside จาก AI ที่เกิดขึ้นได้ทั้งหมดและแก้ปัญหาเรื่องการวัดผลได้ แต่นี่ก็หมายความว่าคุณต้องรับผิดชอบส่วนต่างๆ ของบริการ เช่น การขอใบอนุญาตหรือการทำตามกฎระเบียบ ซึ่งอยู่นอกเหนือ Customer Journey จริงๆ เพิ่มความวอกแวกและความซับซ้อนในการดำเนินงาน
ยังเร็วเกินไปที่จะบอกว่าแนวทางใดจะชนะ แต่เรามั่นใจว่า long-running agent จะชนะการวิ่งผลัดนี้ในสเกลขนาดใหญ่ และขยายตลาดที่ AI เข้าถึงได้จากส่วนแบ่งของงบแรงงาน ไปสู่ส่วนแบ่งของรายได้ การเตรียมคดีฝั่งโจทก์เป็นเพียงตัวอย่างเดียว และเราคาดว่าจะได้เห็น Agent ขับเคลื่อนผลลัพธ์ใน Journey มูลค่าสูงอื่นๆ เช่น การปล่อยสินเชื่อที่อยู่อาศัย การประมวลผลเคลมประกันภัย งานขายองค์กรที่ซับซ้อน และอื่นๆ อีกนับไม่ถ้วน หากคุณกำลังทำงานเพื่อคว้าโอกาสนี้ เรายินดีอย่างยิ่งที่จะได้ยินจากคุณ!
