Agents Workspace ใน ChatGPT คืออะไร?

แนวคิดหลัก

Workspace Agent ไม่ได้เป็นแค่ Chatbot ที่ตอบเก่ง แต่คือ AI ที่ถูกออกแบบให้รับผิดชอบ “งานหนึ่งกระบวนการ” และสามารถมี Tools, Data, Instructions, Automation และจุดให้คน Approve ได้

ChatGPT ช่วยทำ Task • Workspace Agent ช่วยรัน Process

หน้า Agents คือศูนย์รวม Agent ของทีม

ระบบถูกออกแบบให้ค้นหา สร้าง ใช้ซ้ำ และแชร์ Agent ภายใน Workspace ได้

หน้า Agents มี Search, Create, Browse templates, Recently used, Built by me และ Directory ของ Workspace

🧭

Browse / Search

ค้นหา Agent ที่มีอยู่แล้ว ทั้ง Agent ที่เพิ่งใช้ Agent ที่เราสร้าง และ Agent ที่องค์กรแชร์ไว้

🧩

Templates

เริ่มจาก Workflow สำเร็จรูป เช่น Chief of Staff, Customer Reply Drafter, Data Analysis, Sales Assistant หรือ Finance workflow

🏢

Workspace Directory

ทำให้ทีมสามารถใช้ Agent ชุดเดียวกันได้ ลดปัญหาแต่ละคนเขียน Prompt คนละแบบและได้ผลลัพธ์ไม่สม่ำเสมอ

Template ช่วยให้เริ่มจาก Workflow ที่พิสูจน์แล้ว

ตัวอย่าง Template: Chief of Staff พร้อม Apps ที่รองรับ

ไม่จำเป็นต้องสร้างจากศูนย์ทุกครั้ง

ในภาพ Template “Chief of Staff” แสดงทั้งคำอธิบาย งานที่ทำได้ และระบบที่สามารถเชื่อมต่อได้ เช่น Gmail, Google Calendar, Outlook, Slack และ Microsoft Teams

✅

ข้อดี: เริ่มจาก Process ที่มีโครงสร้างแล้ว แล้วค่อยปรับให้เข้ากับ SOP ขององค์กร

✅

เหมาะกับ: ทีมที่ยังไม่รู้จะเขียน Instruction หรือออกแบบ Workflow อย่างไร

สร้าง Agent ได้ 2 แนวทาง: อธิบายด้วยภาษาคน หรือ Build จากศูนย์

หน้าเริ่มสร้าง Agent: บอกว่าอยากให้ Agent ทำอะไร เช่น Handle incoming requests, Daily briefing หรือ Answer team questions

เริ่มจาก “งานที่อยากให้มันรับผิดชอบ”

แทนที่จะเริ่มจากเทคนิค ระบบให้คุณอธิบายด้วยภาษาธรรมดาว่า Agent ควรทำอะไร จากนั้นค่อยสร้างโครง Workflow และตั้งค่าที่จำเป็น

แนวคิดที่ดี: เขียน Mission ให้ชัด เช่น “เมื่อมี Lead ใหม่ ให้ Research บริษัท ประเมินตามเกณฑ์ และเตรียม Outreach” แทน “ช่วยงาน Sales” ที่กว้างเกินไป

Agent Builder: Channels, Apps, Skills, Files, Memory, Instructions, Automations และ Preview

Agent Builder คือจุดที่กำหนด “สมอง + เครื่องมือ + ขอบเขตงาน”

จากภาพ คุณสามารถตั้งชื่อ Agent, กำหนด Channel, เพิ่ม Apps, Skill, Files, Memory และเขียน Instructions ว่าควรทำงานอย่างไร รวมถึง Preview ก่อนใช้งานจริง

ChannelsBrowse appsAdd skillUpload filesMemoryInstructionsPreview

องค์ประกอบสำคัญใน Agent Builder

💬

Channels

กำหนดว่าจะคุยหรือเรียก Agent จากที่ไหน ในภาพมี ChatGPT และตัวเลือกเพิ่ม Channel เช่น Slack หรือ API

🔌

Apps

เชื่อม Agent เข้ากับระบบที่งานนั้นต้องใช้ เช่น Email, Calendar, Team chat หรือข้อมูลขององค์กร

🧠

Skills

เพิ่มความสามารถเฉพาะทางหรือวิธีทำงานที่ Agent สามารถนำไปใช้กับ Workflow ได้

📁

Files

อัปโหลดคู่มือ SOP, Policy, Brand guideline, Reference หรือข้อมูลเฉพาะงานให้ Agent ใช้อ้างอิง

🗂️

Memory

ใช้เก็บบริบทหรือข้อมูลต่อเนื่องที่ Agent ควรจำสำหรับการทำงานในขอบเขตที่กำหนด

📜

Instructions

เป็นหัวใจของ Agent: ระบุ Goal, Workflow, Rules, Approval point, Output และสิ่งที่ห้ามทำ

Automation: ทำให้ Agent “ตื่นมาทำงานเอง”

ภาพที่ส่งมาทำให้เห็นชัดว่า Schedule ไม่ใช่อีกระบบแยกจาก Agent แต่เป็น Trigger หนึ่งที่ผูกกับ Agent ได้

ตั้ง Interval เช่น รันทุก 1 ชั่วโมง พร้อมเลือก Channel และใส่ Additional instructions ได้

รันตามช่วงเวลา (Interval)

เหมาะกับงานที่ต้องตรวจซ้ำ เช่น เช็ก Lead ใหม่, เช็ก Ticket, ตรวจข้อมูลเปลี่ยนแปลง หรือสแกนข่าวใหม่เป็นระยะ

ตัวอย่าง: ทุก 1 ชั่วโมงให้ Agent ตรวจ Lead ใหม่ ถ้ามีให้ Research, Score และเตรียม Outreach

ตั้ง Daily schedule เลือกวัน เวลา Timezone และ Channel ได้

รันรายวันตามเวลา

เหมาะกับ Daily Brief, Morning news scout, Weekly report หรือการเตรียมข้อมูลก่อนเริ่มงาน โดยตั้งวัน เวลา และ Timezone ได้จากหน้า Agent โดยตรง

สำหรับ AI Content Scout: ตั้งจันทร์–ศุกร์ 08:00 ให้ค้นข่าว AI + Use case ล่าสุด แล้วคัด 5–10 เรื่องมาให้คุณเลือก

Model & Reasoning: ปรับระดับ “ความคิด” ให้เหมาะกับงาน

Agent settings ในภาพมี Model, Reasoning effort และการเชื่อม Slack workspace

งานแต่ละแบบไม่จำเป็นต้องใช้การคิดระดับเดียวกัน

ในภาพสามารถเลือก Model และ Reasoning effort ได้ จึงออกแบบ Agent ให้เหมาะกับความยากของงานได้ เช่น งาน rewrite ง่าย ๆ อาจไม่ต้องใช้ reasoning สูง แต่ Research, Analysis หรือ Decision workflow ควรให้เหตุผลมากขึ้น

⚡

งานเร็ว/ซ้ำ: Classification, Rewrite, Format, FAQ

🧠

งานคิดลึก: Research, Compare, Root-cause analysis, Transformation planning

มันทำอะไรได้บ้าง?

🔎

ค้นหาและ Research

ค้นเว็บ อ่านเอกสาร ดึงข้อมูลจากแหล่งต่าง ๆ แล้วสรุปสิ่งที่เกี่ยวข้องกับงาน

🧠

วิเคราะห์และตัดสินใจ

ใช้บริบท กฎ และเกณฑ์ของทีมเพื่อจัดลำดับความสำคัญ ประเมิน หรือเลือกแนวทางที่เหมาะสม

⚙️

ทำงานหลายขั้นตอน

แตกงานเป็น Workflow เช่น Research → Analyze → Draft → Review → Action

🔗

เชื่อมต่อเครื่องมือ

ใช้ Email, Calendar, Team chat, Files, Apps หรือ API ตามสิทธิ์ที่องค์กรเปิดให้

⏰

ทำงานตามเวลา

ใช้ Automations เพื่อรันแบบ Interval หรือ Daily โดยไม่ต้องเริ่มจากคนทุกครั้ง

👤

มี Human-in-the-loop

กำหนดจุดให้คนเลือก ตรวจ หรือ Approve ก่อน Agent ทำ Action สำคัญได้

ต่างจาก ChatGPT ปกติอย่างไร?

เรื่อง	ChatGPT ปกติ	Workspace Agent
วิธีเริ่มงาน	ผู้ใช้สั่งเป็นครั้ง ๆ	ใช้คำสั่ง, Automation, Channel หรือ API
รูปแบบงาน	ตอบคำถามหรือทำ Task	ทำ Workflow หลายขั้นตอน
เครื่องมือ	ใช้ตามบทสนทนา	กำหนด Apps / Skills / Files / Memory ให้กับ Agent
การตัดสินใจ	ตอบตาม Prompt ปัจจุบัน	ใช้ Instructions + Context + Rules เพื่อเลือกวิธีทำงาน
การใช้งานในองค์กร	เหมาะกับงานเฉพาะหน้า	เหมาะกับ Process ที่ทำซ้ำและแชร์มาตรฐานให้ทีม

ตัวอย่างการใช้งานจริง

ออกแบบ Agent ต่อ “กระบวนการ” มากกว่าทำ Agent ตัวเดียวให้ช่วยทุกอย่าง

Sales

Lead Qualification Agent

Flow: Lead ใหม่ → Research บริษัท → ประเมิน Fit → ร่าง Outreach → ส่ง/เตรียม Follow-up

เชื่อมต่อ: CRM, Web, Gmail, Calendar

Marketing / Content

AI Work Opportunity Scout

Flow: หาข่าว + Use Case → คัดเรื่อง → ให้คะแนน → Research → Experiment/Content/Workflow

เชื่อมต่อ: Web, Google Docs, Sheets, Analytics

Management

Chief of Staff / Executive Brief

Flow: Calendar + Inbox + Team chat → สรุป Priority → Meeting prep → TODO → Follow-up

เชื่อมต่อ: Calendar, Email, Slack/Teams, Docs

Customer Service

Support Triage Agent

Flow: Ticket เข้า → จัดหมวด → Prioritize → ร่างคำตอบ → Route ไปทีมที่เหมาะสม

เชื่อมต่อ: Helpdesk, Email, Knowledge Base

Finance

Month-End Review Agent

Flow: ดึงข้อมูล → เทียบ Budget → หา Variance → สรุป Insight → เตรียม Commentary

เชื่อมต่อ: ERP, Sheets, BI, Data Warehouse

AI Transformation

AI Opportunity Agent

Flow: อ่าน Process → หา Pain Point → Map AI Use Case → ออกแบบ Pilot → KPI → Scale plan

เชื่อมต่อ: SOP, Internal docs, Interviews, Web, Analytics

วิธีคิดก่อนสร้าง Agent

หา Process ที่ทำซ้ำ
เริ่มจากงานที่มีขั้นตอนเดิมซ้ำ ๆ และใช้เวลาคนเยอะ

กำหนด Goal และ Definition of Done
Agent ต้องจบงานด้วยอะไร เช่น Brief, Draft, Recommendation, Updated record หรือ Action

เลือก Apps / Skills / Data
เชื่อมเฉพาะสิ่งที่จำเป็น ไม่ให้สิทธิ์กว้างเกินงาน

กำหนด Automation และ Approval
อะไรให้ Agent ทำเอง อะไรต้องหยุดรอคน และจะเริ่มงานด้วย Schedule หรือ Event แบบไหน

Preview และทดสอบ Edge Case
ลองทั้งเคสปกติ ข้อมูลไม่ครบ Tool ใช้ไม่ได้ และเคสที่ไม่ควรให้ Agent ตัดสินใจเอง

Agent ที่ดีไม่ได้เริ่มจาก “AI ทำอะไรได้?”

แต่เริ่มจากคำถามว่า “ใน Process นี้ มีขั้นตอนไหนที่ AI สามารถรับไปทำ วิเคราะห์ ตัดสินใจ หรือประสานเครื่องมือให้แทนเราได้?”