OpenAI เปิดตัว Operator: ตัวแทน AI ที่ควบคุมเบราว์เซอร์ได้ด้วยตัวเอง (รุ่นวิจัยพรีวิว)

เมื่อวันที่ 23 มกราคม พ.ศ. 2568 OpenAI ได้เปิดตัว Operator อย่างเป็นทางการ ในรูปแบบ “รุ่นวิจัยพรีวิว” (research preview) ซึ่งเป็นตัวแทน AI (AI agent) อเนกประสงค์ ต่างจากแชตบอตทั่วไปที่ผ่านมา Operator ไม่ได้เพียงตอบคำถาม แต่สามารถคลิก พิมพ์ข้อความ และเลื่อนหน้าเว็บบนหน้าจอเบราว์เซอร์ได้ด้วยตัวเอง เพื่อทำภารกิจออนไลน์แทนผู้ใช้ทั้งกระบวนการ เช่น การจองโต๊ะร้านอาหาร การจองที่พักท่องเที่ยว หรือการสั่งซื้อสินค้าและชำระเงินบนเว็บไซต์ช้อปปิ้ง ผู้ใช้เพียงกำหนดเป้าหมาย (เช่น “ช่วยจองโต๊ะร้านอาหารสองที่นั่งเวลา 19:00 น. คืนนี้”) โดยไม่ต้องสั่งทีละขั้นตอนเหมือนการเขียนสคริปต์ Operator จะประเมินเองว่าต้องคลิกตรงไหน กรอกช่องไหน และไปขั้นตอนถัดไปเมื่อใด

ความหมายเชิงเทคนิค: จาก “การสนทนา” สู่ “การลงมือทำ”

Operator ถือเป็นจุดเปลี่ยนสำคัญของสายผลิตภัณฑ์ OpenAI คือการขยายความสามารถของโมเดลภาษาขนาดใหญ่จากการตอบคำถามด้วยข้อความล้วน ไปสู่ “ตัวแทน” ที่ควบคุมอินเตอร์เฟซคอมพิวเตอร์ได้จริง เบื้องหลังต้องอาศัยทั้งความเข้าใจภาพ (อ่านตำแหน่งปุ่ม ช่องกรอกข้อมูล เมนูบนหน้าเว็บ) และความสามารถในการวางแผน (แตกเป้าหมายที่คลุมเครือออกเป็นขั้นตอนปฏิบัติที่ชัดเจน) ซึ่งซับซ้อนกว่าการเรียกใช้ API หรือเชื่อมต่อขั้นตอนตายตัวมาก เพราะเว็บไซต์ส่วนใหญ่ไม่ได้เปิดช่องทางเฉพาะให้ AI เข้าถึง Operator จึงต้องทำงานเหมือนมนุษย์ คือ “มองด้วยตา ใช้เมาส์และคีย์บอร์ด”

เทียบกับคู่แข่ง: ก้าวตาม Computer Use ของ Anthropic

Operator ไม่ใช่ตัวแทน AI ตัวแรกในวงการที่ควบคุมเบราว์เซอร์หรือคอมพิวเตอร์ได้ Anthropic เปิดตัวฟีเจอร์ Computer Use ไปตั้งแต่เดือนตุลาคม พ.ศ. 2567 ทำให้โมเดล Claude สามารถควบคุมหน้าจอคอมพิวเตอร์และจำลองการใช้เมาส์คีย์บอร์ดได้ การที่ OpenAI เปิดตัว Operator ในครั้งนี้ จึงเปรียบเสมือนการก้าวตามคู่แข่งอย่างเป็นทางการหลังผ่านไปกว่าสามเดือน สะท้อนว่า “ตัวแทน AI ที่ควบคุมอินเตอร์เฟซผู้ใช้ได้เอง” กลายเป็นความสามารถขั้นถัดไปที่ห้องแล็บ AI รายใหญ่ต่างมุ่งพัฒนาไปพร้อมกัน ไม่ใช่กรณีพิเศษของบริษัทใดบริษัทหนึ่ง ปัจจุบัน Operator เปิดให้ใช้เฉพาะในสหรัฐฯ และต้องสมัครแผน ChatGPT Pro ราคา 200 ดอลลาร์ต่อเดือน จัดว่าเป็นการทดสอบวิจัยขอบเขตแคบสำหรับผู้ใช้ระดับพรีเมียม ยังไม่เปิดใช้งานในวงกว้าง

ปฏิกิริยาในวงการ: ทั้งความคาดหวังและความกังวล

ประเด็นที่ถูกจับตามองมากที่สุดสำหรับตัวแทน AI ประเภทควบคุมเบราว์เซอร์นี้มีสองด้าน หนึ่งคือความน่าเชื่อถือในการใช้งานจริง ว่าจะทำภารกิจที่ต้องการความแม่นยำอย่างการจองที่นั่งหรือช้อปปิ้งได้ถูกต้องไม่ผิดพลาดหรือไม่ สองคือความเสี่ยงและความไว้วางใจ เมื่อ AI สามารถคลิกชำระเงินหรือส่งคำสั่งซื้อได้เอง ความเสี่ยงจากการทำงานผิดพลาดหรือถูกหลอกโดยเว็บไซต์อันตรายก็เพิ่มขึ้นตามไปด้วย นี่จึงเป็นเหตุผลที่ OpenAI เลือกเปิดตัวในรูปแบบ “รุ่นวิจัยพรีวิว” และจำกัดผู้ใช้กลุ่มเล็กที่จ่ายเงินระดับสูง แทนที่จะเปิดให้ใช้งานเต็มรูปแบบทันที

ความหมายต่อผู้บริหาร

หาก AI ตัวแทนแบบ Operator พัฒนาจนสมบูรณ์ ในอนาคตอาจไม่ได้ช่วยแค่เรื่องส่วนตัวทั่วไป แต่อาจรับภาระงานธุรการซ้ำๆ ในองค์กรจำนวนมากที่ต้อง “เข้าไปคลิกทำงานด้วยมือในหลายระบบเว็บไซต์” เช่น การล็อกอินเข้าระบบผู้จัดหาหลายรายเพื่อสั่งซื้อ เปรียบเทียบราคา หรือกรอกรายงาน ผู้บริหารยังไม่จำเป็นต้องรีบนำมาใช้ในตอนนี้ แต่ควรเริ่มสำรวจว่างานใดในทีมมีลักษณะ “เป้าหมายชัดเจน แต่ขั้นตอนปฏิบัติซ้ำซากยุ่งยาก” เพราะนี่คือจุดที่ตัวแทน AI ประเภทนี้จะเข้ามาช่วยได้ก่อนใคร