[s_stat style="format"]

Amazon Bedrock คืออะไร

ที่มา : https://aws.amazon.com/bedrock/

โดย Amazon Bedrock จริง ๆ แล้วคือบริการ Generative AI Platform แบบ Fully Managed จาก AWS เราและองค์กรสามารถเข้าถึง “Foundation Models (FMs)” หรือโมเดลพื้นฐานขนาดใหญ่ระดับโลกได้ผ่าน API เดียว โดยไม่ต้องยุ่งกับเรื่องเซิร์ฟเวอร์ การเทรนโมเดล หรือโครงสร้างพื้นฐานเบื้องหลังให้ปวดหัวเลย

เราแค่เลือกโมเดลที่ต้องการใช้งาน จากผู้ให้บริการโมเดลชั้นนำ เช่น Anthropic (Claude), AI21 Labs (Jurassic), Cohere, Stability AI (Stable Diffusion), Meta (Llama 3) หรือแม้แต่โมเดลของ AWS เองอย่าง Titan เราก็สามารถเรียกใช้งานผ่าน API เพื่อให้โมเดลสร้างข้อความ วิเคราะห์ข้อมูล เขียนโค้ด หรือแม้แต่สร้างภาพได้ทันที แถมเรายังปรับจูนโมเดลเองด้วยข้อมูลขององค์กรเราเองได้อีกด้วย

หรือในยุคนี้เราจะใช้เทคนิคที่ให้โมเดลไปดึงข้อมูลที่เกียวข้อง มาอ่านแล้วตอบโดยอิงจากข้อมูลของเรา ไม่มั่วข้อมูลมาเองด้วยเทคนิค Retrieval-Augmented Generation (RAG) ได้ การควบคุมความปลอดภัยและสิทธิ์การเข้าถึงต่าง ๆ ก็สามารถกำหนดได้ง่าย ๆ ผ่าน IAM / CloudWatch / Guardrails

ที่มา : https://aws.amazon.com/blogs/machine-learning/using-agents-for-amazon-bedrock-to-interactively-generate-infrastructure-as-code/

นอกจากนี้ Amazon Bedrock ยังไม่ได้หยุดอยู่แค่ “การสร้างเนื้อหา” แบบ Gen AI ทั่วไปเท่านั้นนะ อย่างที่ผมได้พูดถึงไปตอนต้น ยุคนี้มันยุค AI Agents ใน Bedrock เค้าก็มีฟีเจอร์อย่าง Bedrock Agents ที่ออกแบบมาให้พร้อมสำหรับเราเอาไปสร้างระบบ AI ที่ไม่ใช่แค่เข้าใจคำสั่ง แต่สามารถลงมือทำงานบางงานแทนได้

และอีกหนึ่งในองค์ประกอบสำคัญของ Agents คือ Action Groups ส่วนนี้เราสามารถผูก action group เข้ากับระบบภายในองค์กรได้ เช่น API ที่เรียกจากระบบ ERP, microservices, หรือ Lambda function พอเราทำแบบนี้ไว้ เมื่อโมเดลตีความแล้วว่า “ควรทำสิ่งนี้” ระบบจะส่ง parameter ที่จำเป็นไปยัง Lambda function ที่กำหนดไว้เพื่อทำอะไรบ้างอย่าง เช่น ดึงข้อมูลยอดขาย, คำนวณ และส่งกลับผลให้ Agent ตัดสินใจขั้นต่อไป

พอเราต่อกับ Lambda ได้นี่แหละ ทำให้ Bedrock Agents ของเราพร้อมที่จะทำงาน ตัดสินใจได้แบบเต็มที่ เมื่อ Agent ตัดสินใจว่า action ไหนควรเกิดขึ้น มันจะส่งเหตุการณ์ (input event) ที่ประกอบด้วย metadata และ parameter ที่จำเป็นไปยัง Lambda function ซึ่ง Lambda จะประมวลผลและส่งผลลัพธ์กลับให้ Agent เพื่อดำเนิน orchestration ต่อไป

ส่วนอีกจุดน่าสนใจคือ Memory / Context Retention อันนี้ Agents สามารถเก็บบริบทการสนทนา ที่เราเรียกว่า session memory เพื่อจำสิ่งสำคัญจากการสนทนาย้อนหลัง (long-term memory) ได้ ทำให้ AI ไม่ต้องเริ่มต้น “ลืมหมด” ทุกครั้ง ซึ่งช่วยให้ตอบได้เป็นธรรมชาติมากขึ้นและสอดคล้องกับข้อมูลของผู้ใช้หรือองค์กรที่เคยโต้ตอบมาแล้วด้วย

สิ่งที่ทำให้ Amazon Bedrock แตกต่างจากแพลตฟอร์ม AI อื่น ๆ ไม่ใช่แค่เรื่อง “เทคโนโลยี” แต่คือ “แนวคิด” ที่อยู่เบื้องหลังครับ AWS ไม่ได้มองว่าองค์กรจะใช้ AI เพื่อสร้างคอนเทนต์อย่างเดียว แต่ต้องการให้ AI กลายเป็นส่วนหนึ่งของระบบธุรกิจจริง ๆ ที่ช่วยยกระดับกระบวนการทำงานแบบอัตโนมัติในทุกมิติ

จากเดิมที่ทีมไอทีต้องคอยเขียนสคริปต์เพื่อตรวจสอบข้อมูลรายวัน ตอนนี้เราสามารถให้ Bedrock Agent ทำหน้าที่นั้นแทนได้โดยตรง เช่น เชื่อมกับฐานข้อมูล DynamoDB เพื่อดึงข้อมูล, วิเคราะห์ผลผ่านโมเดลของ Anthropic หรือ Titan แล้วให้ Agent ส่งสรุปออกมาในรูปแบบรายงาน PDF ผ่าน Lambda ได้เลย

ทั้งหมดบนระบบนี้ออกแบบมาให้ สามารถสเกลได้อัตโนมัติ (auto scaling) และ ไม่ต้องดูแลเซิร์ฟเวอร์เอง (serverless) เพราะ Bedrock ทำงานอยู่บนโครงสร้างพื้นฐานเดียวกับบริการหลักของ AWS ที่ได้รับการรับรองด้าน Security, Compliance และ Privacy ระดับโลก ช่วยให้องค์กรสามารถ ขยายขีดความสามารถของ AI เอามาสร้างความได้เปรียบให้กับธุรกิจได้อย่างแน่นอน

Use Case จริงของ Amazon Bedrock

ที่มา : https://aws.amazon.com/blogs/machine-learning/build-an-intelligent-multi-agent-business-expert-using-amazon-bedrock/

เรามาดูตัวอย่างจริงจากเคสของ AWS “Build an intelligent multi-agent business expert using Amazon Bedrock” กันดีกว่าครับ ในบทความนี้เราจะเห็นได้ว่า Amazon Bedrock Agents สามารถสร้างระบบ AI หลายตัว (multi-agent system) มาทำงานร่วมกันได้แบบฉลาดมาก ๆ โดยบทความเค้ายกเคสบริษัทยาแห่งหนึ่ง ที่ต้องจัดการข้อมูลขนาดใหญ่จากหลายแผนก ทั้ง R&D, กฎหมาย และการเงิน ข้อมูลเหล่านี้กระจายอยู่ในหลายระบบ เช่น ฐานข้อมูลทางการทดลองยา, รายงานสิทธิบัตร, และข้อมูลราคาหุ้น ทำให้การวิเคราะห์เชื่อมโยงข้ามหน่วยงานเป็นเรื่องยากและใช้เวลานาน

เพื่อแก้ปัญหานี้ สามารถใช้ AWS สร้างระบบ Multi-Agent Collaboration โดยใช้ Amazon Bedrock Agents มาจัดการแบ่งหน้าที่ของแต่ละ “Agent” ให้มีความเชี่ยวชาญเฉพาะด้าน เช่น

🧬 R&D Agent เข้าถึงข้อมูลการทดลองยาผ่าน Amazon Athena และรายงานผลการทดลอง
⚖️ Legal Agent ค้นหาข้อมูลสิทธิบัตรและคดีความจากฐานข้อมูลเอกสาร
💰 Finance Agent วิเคราะห์ราคาหุ้นและงบประมาณจาก Amazon Redshift

ทั้งหมดทำงานด้วยกัน โดยมีตัวประสานที่เป็น Supervisor Agent ซึ่งทำหน้าที่เป็น “หัวหน้าทีม AI” คอยส่งคำถามให้แต่ละ agent ดึงข้อมูล วิเคราะห์ แล้วสรุปคำตอบออกมาเป็นภาพรวมที่สมบูรณ์ในระดับองค์กร

ตัวอย่างคำถามที่ระบบนี้ใช้ทดสอบคือ

“ผลของการทดลองยาตัว NeuroClear มีผลต่อราคาหุ้น สิทธิบัตร และความเสี่ยงทางกฎหมายของ PharmaCorp อย่างไร?”

ที่มา : https://aws.amazon.com/blogs/machine-learning/build-an-intelligent-multi-agent-business-expert-using-amazon-bedrock/

Supervisor Agent จะวางแผนการหาคำตอบโดยแยกคำถามออกเป็น 3 ส่วน แล้วสั่งให้แต่ละ agent ไปค้นข้อมูลในโดเมนของตัวเอง จากนั้นจึงรวมผลลัพธ์ทั้งหมดเข้าด้วยกัน

R&D Agent รายงานผลการทดลองและผลข้างเคียง
Finance Agent วิเคราะห์ความเปลี่ยนแปลงของราคาหุ้นในช่วงเดียวกัน
Legal Agent ตรวจสอบสิทธิบัตรที่เกี่ยวข้องและความเสี่ยงด้านกฎหมาย

เมื่อรวมข้อมูลทั้งหมดเข้าด้วยกัน ระบบสามารถสรุปได้ว่า ยา NeuroClear แม้จะมีผลลัพธ์เชิงบวกในด้านการรักษาและสร้างสิทธิบัตรใหม่ ๆ แต่ก็มีความเสี่ยงทางกฎหมายจากคดีเกี่ยวกับผลข้างเคียงที่อาจกระทบต่อภาพลักษณ์และราคาหุ้นของบริษัทในระยะยาว

สิ่งที่ AWS ต้องการสื่อจากเคสนี้คือ Multi-Agent Collaboration บน Amazon Bedrock สามารถจำลองทีมผู้เชี่ยวชาญในแต่ละสาขาให้ทำงานร่วมกันได้อย่างเป็นระบบ โดยมีความสามารถในการ

เชื่อมต่อฐานข้อมูลหลายรูปแบบ (ทั้ง structured และ unstructured)
ทำงานแบบอัตโนมัติผ่าน API และ AWS CloudFormation
วิเคราะห์ข้อมูลเชิงลึกข้ามแผนกได้ภายในไม่กี่นาที แทนที่จะต้องใช้เวลาหลายชั่วโมง

ผลลัพธ์คือองค์กรสามารถ ตัดสินใจบนข้อมูลแบบ 360 องศา (cross-functional insights) ได้เร็วขึ้น ลดภาระการประมวลผลซ้ำซ้อน และช่วยให้นักวิเคราะห์หรือผู้บริหารมีเวลาโฟกัสกับงานเชิงกลยุทธ์มากขึ้น

แต่ทั้งหมดนี้ก็ยังเกิดขึ้นอยู่ในภายใต้โครงสร้างพื้นฐานที่ปลอดภัย มีการควบคุมสิทธิ์การเข้าถึงข้อมูล (IAM) และระบบ Guardrails ของ Amazon Bedrock ที่ช่วยป้องกันการตอบที่ผิดพลาดหรือเนื้อหาที่ไม่เหมาะสมอีกด้วย

ที่มา : https://arxiv.org/html/2504.13793v1

หรืออีกหนึ่ง use case ที่ไอเดียน่าสนใจมาก มาจากงานวิจัยชื่อว่า ChatNekoHacker: Real-Time Fan Engagement with Conversational Agents ที่ประเทศญี่ปุ่น เค้าเอา Amazon Bedrock Agents มาสร้าง “ผู้ช่วยเสมือนจริง” สำหรับศิลปินดูโอ้ชื่อ Neko Hacker เพื่อใช้พูดคุยกับแฟนเพลงแบบเรียลไทม์ผ่าน YouTube Live

ใครเป็นสายทำช่องทำคอนเทนต์ use case นี้ตอบโจทย์แน่นอน โดยเค้าเอา Gen AI + 3D + Voice Synthesis มาผสมกัน โดยใช้ Amazon Bedrock Agents เป็นแกนกลางในการสร้าง AI ตัวแทนสองคน คือ “Neko-chan” และ “Hacker-chan” ซึ่งแต่ละตัวจะมีบุคลิกและข้อมูลที่อิงจากโพสต์จริงของศิลปินบนโซเชียล รวมถึงข้อมูลจาก Wikipedia และบทสัมภาษณ์ต่าง ๆ ทั้งหมดถูกเก็บไว้ใน Knowledge Base บน Bedrock เพื่อให้ AI เข้าใจคาแรกเตอร์และตอบในสไตล์เดียวกับศิลปินจริง ๆ

เมื่อมีผู้ชมพิมพ์คอมเมนต์เข้ามาระหว่างไลฟ์ ระบบจะดึงข้อความนั้นไปให้ Bedrock Agent ประมวลผล สร้างคำตอบ แล้วเปล่งเสียงตอบกลับออกไปแบบเรียลไทม์ เรียกได้ว่าเป็น AI Livestream Concert ที่แฟนเพลงสามารถ “พูดคุยกับศิลปินเสมือนจริง” ได้จริง

ที่มา : https://arxiv.org/html/2504.13793v1

ในระหว่างการทดลอง ทีมงานจัดไลฟ์จริง 1 ชั่วโมงกับผู้เข้าร่วม 30 คน และผลลัพธ์ออกมาน่าสนใจมาก

กว่า 83% ของผู้ชมรู้สึกสนใจศิลปินมากขึ้น หลังได้พูดคุยกับ AI
ปัจจัยหลักที่ทำให้เกิดการมีส่วนร่วมคือ “ความสนุกของบทสนทนา”
หลายคนบอกว่ารู้สึก “อยากฟังเพลงของศิลปินมากขึ้น” และ “อยากเข้าร่วมคอนเสิร์ตในอนาคต”
แถมยังมีกรณีที่แฟนพูดถึงสินค้าที่หมดสต็อก แล้วหลังจาก AI ตอบกลับและร้านเติมสินค้า สินค้านั้นก็ถูกซื้อทันที แปลว่าการสนทนาแบบเรียลไทม์ช่วยกระตุ้นพฤติกรรมผู้บริโภคได้จริง!

จะเห็นได้เลยว่าเคสนี้เอา Amazon Bedrock Agents มาใช้ได้เจ๋งสุด ๆ ไม่ได้อยู่แค่ในวงการองค์กรหรือธุรกิจเท่านั้น แต่มันขึ้นอยู่กับไอเดียเราจริง ๆ ครับ

และทั้งหมดนี้ความน่าสนใจของ Amazon Bedrock และ Amazon Bedrock Agents ที่พร้อมให้เราเข้าถึงบน AWS แล้ววันนี้ และถ้าคุณอยากเริ่มต้นนำเทคโนโลยีนี้มาใช้กับองค์กรของคุณ ไม่ว่าจะเพื่อสร้างระบบ AI Agent, พัฒนา Chatbot อัจฉริยะ, หรือเชื่อม AI เข้ากับระบบธุรกิจที่มีอยู่เดิมให้ทำงานอัตโนมัติมากขึ้น

Cloud HM ของเราก็พร้อมช่วยคุณออกแบบและวางระบบ Amazon Bedrock ให้เหมาะกับการใช้งานขององค์กรคุณที่สุด พูดคุยกับทีม Cloud HM ได้เลยวันนี้ที่ https://www.cloudhm.co.th/contact/

แหล่งอ้างอิง

Amazon Bedrock
https://aws.amazon.com/bedrock/

Build an intelligent multi-agent business expert using Amazon Bedrock

https://aws.amazon.com/blogs/machine-learning/build-an-intelligent-multi-agent-business-expert-using-amazon-bedrock/

ChatNekoHacker: Real-Time Fan Engagement with Conversational Agents

https://arxiv.org/html/2504.13793v1