OpenAI เปิด Presence: ระบบนำ AI Agent คุยลูกค้าและทำงานจริงแบบมี Approval
OpenAI เปิดตัว Presence สำหรับองค์กรที่ต้องการนำ voice และ chat agents ไปใช้กับงานจริง เช่น บริการลูกค้า งานขาย และ IT support โดยรวม policy, guardrail, approved actions, simulation, evaluation และ human escalation ไว้ในระบบเดียว ปัจจุบันเปิดแบบ limited general availability สำหรับองค์กรที่ผ่านเกณฑ์และยังไม่ใช่บริการ self-serve
Published
23 ก.ค. 2569
Last checked
23 ก.ค. 2569
Author
MIMO Editorial
Editorial disclaimer
MIMO summarizes AI news for tool selection and workflow decisions. Readers should check official sources before making business, operational, or purchase decisions.
What happened
OpenAI เปิดตัว Presence ผลิตภัณฑ์สำหรับองค์กรที่ต้องการนำ AI agent ไปใช้งานจริงผ่านเสียงและแชต เช่น แก้ปัญหาบิล ตรวจสอบข้อมูลลูกค้า ดำเนินการตามนโยบายองค์กร ช่วยงานขาย และรับคำขอ IT ภายใน
แต่ละ agent จะได้รับเฉพาะความรู้และสิทธิ์ระบบที่จำเป็นต่อหน้าที่นั้น องค์กรกำหนดได้ว่า agent ทำอะไรได้เอง ขั้นตอนไหนต้องขออนุมัติ และเมื่อใดต้องส่งต่อให้มนุษย์
Presence รวม policy, standard operating procedure, guardrail, approved actions, simulation, evaluation และกระบวนการปรับปรุงที่ใช้ Codex วิเคราะห์ session และเสนอการแก้ไขให้ทีมทดสอบก่อนอนุมัติ rollout
OpenAI ระบุว่า Presence ใช้กับช่องทาง support ภาษาอังกฤษของบริษัทและแก้ปัญหา inbound ได้ 75% โดยไม่ต้องส่งต่อมนุษย์ ปัจจุบันเปิดแบบ limited general availability สำหรับลูกค้าองค์กรที่ผ่านเกณฑ์ และยังไม่ใช่บริการ self-serve
Why it matters
จุดเปลี่ยนสำคัญไม่ใช่แค่เสียงเป็นธรรมชาติ แต่คือการทำให้ agent เชื่อมระบบหลังบ้านและลงมือทำภายใต้สิทธิ์ นโยบาย การประเมิน และการส่งต่อที่ควบคุมได้
นี่เป็นตัวอย่างชัดเจนสำหรับธุรกิจไทยว่า chatbot ที่ตอบ FAQ กับ production agent ที่แก้ปัญหาให้ลูกค้าจริงเป็นคนละระดับ ระบบหลังต้องมี permission, audit trail, simulation, approval และ rollback ไม่ใช่เพียง prompt ที่ดี
Impact for Thai creators, SMEs, and online businesses
ธุรกิจไทยที่ใช้ LINE OA, web chat หรือ call center สามารถนำแนวคิด Presence มาปรับใช้ได้ แม้ยังเข้าถึงผลิตภัณฑ์โดยตรงไม่ได้ เช่น แยก agent ตามหน้าที่ จำกัดสิทธิ์ tool และกำหนด human handoff สำหรับการคืนเงิน เปลี่ยนข้อมูลลูกค้า หรือทำธุรกรรม
สำหรับผู้สร้าง AI SaaS อย่าง Loopmi ข่าวนี้ยืนยันว่าจุดขายในอนาคตจะอยู่ที่ orchestration, approval, evaluation และการปรับปรุงหลังเปิดใช้งาน มากกว่าการต่อโมเดลให้ตอบแชตได้อย่างเดียว
MIMO takeaway
ข่าวนี้แล้วต้องทำอะไรต่อ: เลือก workflow ลูกค้าหนึ่งงาน เช่น ตรวจสถานะออเดอร์หรือเปิด ticket แล้วเขียนขอบเขตให้ชัดว่า agent อ่านข้อมูลใดได้ ทำ action ใดได้ และ action ใดต้องให้คนกดยืนยัน
ก่อนเปิดจริง ให้สร้าง test cases อย่างน้อย 30 เคส ครอบคลุมคำขอปกติ ข้อมูลไม่ครบ ลูกค้าโกรธ การขอคืนเงิน prompt injection และระบบปลายทางล่ม พร้อมเก็บ completion rate, escalation rate, error rate และเวลาที่มนุษย์ใช้ตรวจ
เปลี่ยนข่าว AI ให้เป็นงานที่ทำได้วันนี้
ถ้าร้านของคุณตอบ LINE OA หรือ inbox ซ้ำทุกวัน เริ่มจากชุดคำตอบและกฎส่งต่อแอดมิน หรือให้ MIMO ตรวจจุดรั่วก่อนวางระบบเต็ม
Related tools
Related guides
เลือก AI ให้เข้ากับงาน ไม่ใช่เลือกตามกระแส
วิธีแยกประเภทงาน เลือกเครื่องมือให้เหมาะ และประเมินว่าควรจ่ายรายเดือนหรือไม่
จัด AI Tool Stack ชุดแรกสำหรับทีมเล็ก
วิธีเลือกเครื่องมือหลัก 4 กลุ่ม: เขียน ค้นคว้า ออกแบบ และ automation โดยไม่จ่ายซ้ำซ้อน
เปรียบเทียบโมเดล AI ชั้นนำ ใช้ตัวไหนดี?
โมเดล AI แต่ละตัวไม่ได้เก่งเหมือนกันทุกงาน บทความนี้สรุปให้ว่า GPT, Claude, Gemini, DeepSeek, Qwen และ Llama เหมาะกับงานแบบไหน ควรเลือกจากอะไร และคนทำงานไทยควรเริ่มทดลองยังไงแบบไม่เสียเงินซ้ำซ้อน
