ถ้าคุณเคยจ้างพนักงานใหม่เข้ามาทำงาน คุณจะรู้ดีว่ากว่าเขาจะเข้าใจ "กฎเฉพาะบ้าน" ของบริษัทได้นั้น ต้องผ่านการทำผิดบ้าง แก้ไขบ้าง และจดโน้ตไว้ก่อน ปัญหาคือกฎเหล่านั้นมักไม่ได้เขียนไว้ในคู่มือ มันอยู่ในหัวพนักงานเก่า ไม่ว่าจะเป็น "เคสที่บริษัทนี้หมายถึง 6 ชิ้น ไม่ใช่ 12" หรือ "ของที่ return ต้องใส่เป็นตัวเลขติดลบ" ช่อง AI with Surya เพิ่งนำเสนองานวิจัยล่าสุดจาก Google ที่ชื่อว่า WikiSkill — framework ที่ออกแบบมาเพื่อให้ AI agent เรียนรู้กฎเฉพาะบริษัทได้เองโดยไม่ต้องผ่านการ fine-tune แม้แต่ครั้งเดียว
WikiSkill ไม่ได้เป็น "ทักษะ" ตามที่ชื่อจะชวนให้คิด แต่มันคือ framework สำหรับสอนให้ agent เรียนรู้จากความผิดพลาดของตัวเอง บันทึกสิ่งที่ผิดลงไฟล์คำสั่ง แล้วตรวจสอบว่ากฎใหม่นั้นช่วยให้ผลลัพธ์ดีขึ้นจริงก่อนจะเก็บไว้ ถ้าไม่ดีขึ้น กฎนั้นจะถูกทิ้ง กระบวนการทั้งหมดเกิดขึ้นอัตโนมัติโดยไม่ต้องให้คนมานั่งแก้ instructions ทีละรอบ
สรุปสั้น ๆ
- WikiSkill คือ framework ที่ให้ AI agent เรียนกฎบริษัทเองจากการทำงานจริง — ไม่ต้อง fine-tune
- ทำงานผ่าน 4 บทบาท: Worker, Note-taker, Playbook Writer, Strict Manager
- ต่างจาก RAG ตรงที่ไม่ต้องมีเอกสารกฎอยู่ก่อน — ต่างจาก fine-tuning ตรงที่เร็วกว่าและอ่านผลได้
- ผลลัพธ์คือ playbook ที่มนุษย์อ่านเข้าใจได้ และ agent ใช้ได้ครั้งต่อไปทันที
- เหมาะกับงาน repetitive ที่มีกฎเฉพาะบริษัท เช่น month-end close หรือ invoice processing
ปัญหาที่ WikiSkill ถูกสร้างมาแก้
ลองนึกภาพพนักงานใหม่ในฝ่ายการเงิน เขาเชี่ยวชาญ spreadsheet มาอย่างดี แต่เดือนแรกยังทำผิดซ้ำ ๆ เพราะไม่รู้ว่า "case" ในบริษัทนี้หมายถึง 6 ชิ้น ไม่ใช่ 12 ชิ้นแบบมาตรฐาน หรือว่า return ต้องบันทึกเป็นตัวเลขติดลบ กฎเหล่านี้ไม่มีในเอกสารไหน มันสะสมอยู่ในหัวของคนที่ทำงานมานาน และถ่ายทอดกันผ่านการบอกปากต่อปากเท่านั้น
AI agent เผชิญปัญหาเดียวกันทุกประการ ไม่ว่า LLM จะฉลาดแค่ไหน มันก็ไม่รู้กฎที่ไม่ถูกเขียนไว้ วิธีแก้แบบเดิมคือให้คนไปนั่งแก้ instructions ทีละครั้งที่ agent ทำผิด ซึ่งยิ่ง agent ทำงานหนักขึ้น คนก็ยิ่งต้องเหนื่อยขึ้นตาม WikiSkill ตัดคนออกจากวงจรนั้น ให้ agent เขียนกฎด้วยตัวเอง และตรวจสอบว่ากฎนั้นใช้ได้จริงก่อนเก็บไว้
สถาปัตยกรรม: 4 บทบาทใน 1 Framework
WikiSkill แบ่งการทำงานออกเป็นสี่บทบาทที่ทำงานร่วมกันเป็นวงรอบต่อเนื่อง
Worker คือตัวที่ลงมือทำงานจริง อ่านไฟล์ เขียน script ประมวลผล รัน และบันทึกผลลัพธ์ออกมา เหมือนพนักงานที่ได้รับมอบหมายให้ทำรายงาน
Note-taker เปรียบผลลัพธ์ที่ได้กับคำตอบที่ถูกต้อง แล้วเขียนบันทึกว่า "ที่ผิดเพราะอะไร กฎที่แท้จริงควรเป็นอะไร" ทุกครั้งที่ Worker ทำพลาด ไม่ใช่แค่บอกว่าผิด แต่วิเคราะห์ต้นตอของความผิดพลาดด้วย
Playbook Writer รับโน้ตจาก Note-taker แล้วแปลงเป็น คำสั่งภาษาธรรมดา ที่เพิ่มเข้าไปในไฟล์ instructions ของ agent ทีละประโยค ทีละกฎ ไม่ใช่การเขียนทับทั้งหมด
Strict Manager คือตัวที่สำคัญที่สุด ก่อนที่กฎใหม่ใด ๆ จะถูกเก็บไว้ Manager จะนำกฎนั้นไปทดสอบกับ spreadsheet 10 ชุดที่ agent ไม่เคยเห็นมาก่อน ถ้า score ไม่ขึ้น กฎนั้นถูกทิ้ง ถ้า score ขึ้น กฎนั้นจึงจะถูกเพิ่มเข้า playbook ถาวร กลไกนี้แหละที่การันตีว่า agent ไม่ได้แค่จำ แต่เรียนรู้ได้จริง
WikiSkill ต่างจาก RAG, Fine-Tuning และ Memory
หลายคนอาจตั้งคำถามว่านี่มันไม่ใช่แค่ RAG หรือ Memory ธรรมดาหรือ คำตอบคือต่างกันในจุดสำคัญที่ส่งผลต่อการใช้งานจริงมาก
RAG ต้องมีเอกสารกฎให้ค้น ปัญหาคือถ้ากฎไม่ได้ถูกเขียนไว้ตั้งแต่แรก RAG หาไม่เจอ กรณีของ WikiSkill คือกฎอยู่ในหัวคนทำงาน ไม่มีในเอกสารใดเลย
Fine-tuning ใช้เวลาเป็นวันหรือสัปดาห์ และที่น่าหงุดหงิดกว่านั้นคือคุณอ่านไม่ออกว่า model "เรียนรู้อะไรไป" มันถูก bake อยู่ใน weights และเปลี่ยนแก้ยาก
Memory จดจำได้ แต่ไม่มีใครตรวจว่าที่จำมาถูกหรือผิด agent อาจจำกฎผิดแล้วนำไปใช้ซ้ำ ๆ โดยไม่รู้ตัว
WikiSkill เรียนรู้จากความผิดพลาด เขียนออกมาให้มนุษย์อ่านได้ และเก็บกฎไว้เฉพาะเมื่อมันช่วยให้ผลลัพธ์ดีขึ้นจริงบนข้อมูลที่ไม่เคยเห็นมาก่อน
ความต่างตรงนี้ทำให้ WikiSkill เหมาะกับสถานการณ์ที่กฎซ่อนอยู่ในองค์กร และยังเป็นข้อมูลที่มนุษย์ตรวจสอบและ audit ย้อนหลังได้ด้วย
ผลการทดสอบจริง: จาก 70% สู่ 10 จาก 10
ในการสาธิต agent ถูกให้ทำความสะอาด spreadsheet ยอดขายรายเดือนที่มีความยุ่งเหยิงหลายด้าน ทั้งรูปแบบวันที่ที่ต่างกัน หน่วยที่เขียนสั้นหลายแบบ (CS, Cs, cases) ตัวเลข return ที่ต้องติดลบ และสะกดชื่อ region ผิดหลายรูปแบบ ล้วนเป็นกฎที่ไม่ได้ระบุในเอกสาร specs อย่างชัดเจน
เมื่อรันโดยไม่มี playbook ในวันแรก agent รู้ว่ามีข้อมูลหายบ้าง แต่ไม่รู้ว่าควรจัดการยังไง score เริ่มต้นอยู่ที่ 70% หลังจาก framework ฝึกกับ spreadsheet 10 ชุด แล้วนำไปทดสอบกับอีก 10 ชุดที่ไม่เคยเห็น ถึงรอบที่ 7 ของการ iteration manager ยอมรับกฎใหม่ที่ช่วยให้ได้ 10 จาก 10
สิ่งที่น่าประทับใจคือ playbook ที่ agent เขียนขึ้นมาเอง มนุษย์อ่านได้ทั้งหมด มันเขียนเป็น plain English ระบุชัดว่ากฎนี้ใช้เมื่อไหร่ ไม่ใช้เมื่อไหร่ และ convention ของ finance ในบริษัทนี้คืออะไร รวมถึงบางกฎที่ agent สรุปเองจากการ inference — ไม่ใช่แค่ท่องจำที่เห็นมา
ใครควรนำ WikiSkill ไปใช้
Framework นี้เหมาะกับงาน repetitive ที่มีกฎเฉพาะองค์กร — ไม่ใช่กฎทั่วไปของโลก แต่เป็น convention ที่บริษัทคิดขึ้นเองหรือสะสมมาตามประวัติศาสตร์
งาน month-end close เป็นตัวอย่างชัดเจน แต่ละสาขาหรือ store ส่ง export มาในรูปแบบต่างกัน มีคำย่อต่างกัน มี exception ต่างกัน กว่า agent จะเข้าใจ pattern ได้หมด ต้องอาศัยการเรียนรู้แบบนี้
Invoice processing หรือ AP workflows ก็เหมาะมาก เพราะ cost center ที่ถูกต้องหรือวิธีจับคู่ vendor code มักเป็นความรู้เฉพาะของทีม accounts payable ที่ไม่ได้เขียนใน ERP manual สำหรับการสร้าง framework นี้จริง Google ADK (Agent Development Kit) ถูกใช้เป็น base และชุมชนนักพัฒนาเริ่ม implement สิ่งคล้ายกันนี้แล้ว ทำให้ทีมที่อยากทดลองไม่ต้องเริ่มจากศูนย์
บทสรุป
WikiSkill ตอบคำถามที่หลายทีม AI กำลังเจอ: จะทำยังไงให้ agent ปรับตัวเข้ากับกฎที่ไม่มีในเอกสาร โดยไม่ต้องพึ่งคนไปแก้ instructions ทีละรอบ คำตอบของ Google คือให้ agent เป็นคนเขียนกฎเอง แต่ให้ manager ที่เข้มงวดตรวจสอบก่อนเก็บ ผลลัพธ์คือ playbook ที่มนุษย์อ่านได้ ตรวจสอบได้ และพร้อมให้ agent หยิบไปใช้ต่อได้ทันที สำหรับทีมที่ทำงานกับ workflow ซ้ำ ๆ และมีกฎเฉพาะองค์กรจำนวนมาก นี่คือแนวทางที่น่าทดลองนำไปปรับใช้อย่างยิ่ง
