ตอบสั้นๆ: AI Agent คือระบบที่ให้ LLM วางแผนขั้นตอนเอง เลือกใช้เครื่องมือเอง (API, ฐานข้อมูล, อีเมล) แล้วทำงานจนจบ ต่างจาก Chatbot ที่ตอบคำถาม และ Automation ที่วิ่งตามขั้นตอนที่คนกำหนดไว้ ต้นทุนมี 2 ก้อน: ค่าพัฒนาครั้งเดียว (ตาม scope) กับค่า API รายเดือน ซึ่งงาน 1,000 งาน/เดือนอยู่ราว ฿110–2,200 แล้วแต่โมเดล สำหรับ SME ไทยส่วนใหญ่ เริ่มจาก Automation หรือ Chatbot คุ้มกว่า ขยับไป Agent เฉพาะเมื่อข้อมูลเข้ามาไม่เป็นระเบียบและกำหนดขั้นตอนล่วงหน้าไม่ได้
AI Agent คืออะไร: นิยามที่ใช้ตัดสินใจได้
Anthropic แบ่งไว้ชัดในบทความ Building Effective Agents (19 ธ.ค. 2024): workflow คือระบบที่ LLM กับเครื่องมือถูกเรียงผ่านเส้นทางโค้ดที่คนเขียนไว้ล่วงหน้า ส่วน agent คือระบบที่ LLM กำหนดกระบวนการและการใช้เครื่องมือของตัวเอง คำถามที่ใช้ตัดสินจึงมีข้อเดียว: ใครเป็นคนกำหนดขั้นตอน คนกำหนด คือ automation · AI กำหนดเอง คือ agent ส่วนคำว่า Agentic AI ที่เห็นคู่กันบ่อย หมายถึงแนวทางเดียวกันนี้ คนซื้อไม่ต้องแยก ข้อมูล Google Ads (ผ่าน DataForSEO) บอกว่าคนไทยค้นหา ai agent คือ 1,000 ครั้งในเดือน ก.ย. 2025 ขึ้นไปแตะ 4,400 ครั้งในเดือน มิ.ย. 2026 และอยู่ที่ 2,900 ครั้งในเดือน ส.ค. 2026 คนสนใจมากขึ้นจริง แต่ไม่ได้แปลว่าทุกธุรกิจต้องมี
Chatbot, Automation, AI Agent ต่างกันยังไง?
ทั้งสามใช้ LLM ได้เหมือนกัน ที่ต่างคือหน้าที่และคนคุมขั้นตอน ฝั่ง chatbot อ่านต่อได้ใน ราคา AI Chatbot และ RAG คืออะไร
| หัวข้อ | Chatbot | Automation | AI Agent |
|---|---|---|---|
| หน้าที่ | ตอบคำถาม | ทำตามขั้นตอนตายตัว | วางแผนขั้นตอนเอง |
| ใครกำหนดขั้นตอน | ไม่มีขั้นตอน ถามมาตอบไป | คนเขียนไว้ล่วงหน้า | LLM ตัดสินใจระหว่างทำ |
| ข้อมูลเข้า | ข้อความลูกค้า | รูปแบบเดิมทุกครั้ง | หลายรูปแบบ ไม่เป็นระเบียบ |
| ต้นทุนต่องาน | ต่ำ (เรียก LLM ครั้งเดียว) | ต่ำสุด (อาจไม่ใช้ LLM) | สูงสุด (เรียก LLM หลายรอบ) |
| ตัวอย่าง | ตอบราคาและค่าส่งใน LINE OA | ฟอร์มเว็บ → Sheets → แจ้ง LINE | อ่านอีเมลสั่งซื้อ เช็คสต๊อก ร่างใบเสนอราคา |
ธุรกิจไทยควรเลือกอะไร?
Anthropic เองแนะนำให้ใช้วิธีที่ง่ายที่สุดก่อน เพราะ agent แลกความเร็วและต้นทุนกับความสามารถ ข้อนี้ตรงกับ SME ไทยส่วนใหญ่ เพราะงานที่กินเวลามักเป็นคำถามซ้ำๆ กับงานย้ายข้อมูล ซึ่งไม่ต้องใช้ agent:
- •ลูกค้าถามซ้ำๆ (ราคา ค่าส่ง เวลาเปิดร้าน) → Chatbot บน LINE OA หรือเว็บ
- •ขั้นตอนเหมือนเดิมทุกครั้ง (ออเดอร์เข้า → บันทึก → แจ้งเตือน) → Automation เช่น n8n ต่อ LINE OA
- •ข้อมูลเข้ามาหลายรูปแบบ แต่ละเคสต้องทำไม่เหมือนกัน (อีเมลลูกค้า ไฟล์ PDF รูปถ่ายใบสั่งซื้อ) → AI Agent
💡 กฎง่ายๆ: เขียนขั้นตอนลงกระดาษได้ครบ → Automation · ลูกค้าแค่ถาม → Chatbot · เขียนขั้นตอนล่วงหน้าไม่ได้เพราะข้อมูลเข้าไม่ซ้ำกัน → Agent
AI Agent ต้นทุนเท่าไหร่: มี 2 ก้อน
ก้อนแรก: ค่าพัฒนาครั้งเดียว ขึ้นกับ scope: จำนวนระบบที่ต้องต่อ ความเสี่ยงของงาน และจุดที่ต้องมีคนอนุมัติ chercode เสนอราคาตามขอบเขตของแต่ละงานหลังคุยรายละเอียด จึงไม่มีตัวเลขกลาง ก้อนที่สอง: ค่า API รายเดือน จ่ายตาม token ที่ใช้ ราคาต่อ 1M tokens จากหน้า official (฿ คิดที่ประมาณ ฿36.5/USD) ดูแพ็กเกจเต็มใน Claude ราคาเท่าไหร่ หรือเรียกหลายโมเดลด้วย key เดียวผ่าน OpenRouter
| โมเดล | Input | Output |
|---|---|---|
| Claude Haiku 5.5 | $0.10 (≈฿3.65) | $0.50 (≈฿18) |
| Gemini 3.8 Flash | $0.75 (≈฿27) | $3.75 (≈฿137) |
| Claude Sonnet 5.5 / GPT-6.1 Sol | $2 (≈฿73) | $10 (≈฿365) |
⚠️ Haiku 5.5 ราคานี้ใช้กับ prompt ไม่เกิน 100,000 tokens (เกินนั้น $0.50 / $2.50) · Gemini 3.8 Flash ราคานี้ถึง 31 ธ.ค. 2026 แล้วขึ้นเป็น $1.50 / $7.50 ตั้งแต่ 1 ม.ค. 2027 · verify ที่ platform.claude.com/docs/en/about-claude/pricing, ai.google.dev/gemini-api/docs/pricing และ developers.openai.com/api/docs/pricing · อัปเดต 12 ต.ค. 2026
คำนวณต้นทุนจริง: ตัวอย่างธุรกิจไทย 3 แบบ
ทั้งสามเป็นธุรกิจสมมติ ตัวเลขเป็นค่าประมาณจากสมมติฐานที่เขียนกำกับไว้ ยังไม่รวมค่าพัฒนา:
- •สมมติร้านเสื้อผ้าออนไลน์ ลูกค้าถามใน LINE OA 3,000 ข้อความ/เดือน → Chatbot · ข้อความละ 3,000 input + 300 output tokens บน Haiku 5.5: (9M × $0.10) + (0.9M × $0.50) = $1.35 ≈ ฿50/เดือน · ข้อความตอบกลับ (reply) ผ่าน Messaging API ไม่นับโควตา แพ็กเกจ Free 300 ข้อความจึงพอถ้าไม่ broadcast ถ้า broadcast ด้วย Basic ฿1,280/เดือน ได้ 15,000 ข้อความ Pro ฿1,780 ได้ 35,000 ยังไม่รวม VAT 7%
- •สมมติบริษัทรับเหมา มีฟอร์มขอใบเสนอราคา 500 รายการ/เดือน ต้องบันทึกลง Sheets แล้วแจ้งทีม → Automation ไม่ต้องใช้ LLM · n8n Cloud Starter €20/เดือน (≈฿800, จ่ายรายปี, 2,500 executions) หรือ Make Core เริ่ม $9/เดือน (≈฿330, 10,000 credits) · n8n แบบ self-host (Community Edition) ฟรีสำหรับงานภายในบริษัท จ่ายแค่ค่าเซิร์ฟเวอร์
- •สมมติบริษัทนำเข้า รับอีเมลสั่งซื้อ 1,000 ฉบับ/เดือน มาทั้ง PDF รูปถ่าย และข้อความ ต้องเช็คสต๊อกแล้วร่างใบเสนอราคา → Agent · งานละ 20,000 input + 2,000 output tokens รวมทุกรอบที่เรียก LLM = 20M + 2M tokens/เดือน · Sonnet 5.5: $40 + $20 = $60 ≈ ฿2,200 · Gemini 3.8 Flash: $15 + $7.50 = $22.50 ≈ ฿820 · Haiku 5.5: $2 + $1 = $3 ≈ ฿110
⚠️ แปลงที่ประมาณ ฿36.5/USD และ ฿40/EUR · Community Edition ของ n8n อยู่ใต้ Sustainable Use License ซึ่งไม่ใช่ open source · ข้อความแบบ push และ broadcast นับโควตา LINE OA · verify ที่ n8n.io/pricing, make.com/en/pricing, developers.line.biz และ lineforbusiness.com/th · อัปเดต 12 ต.ค. 2026
ข้อจำกัดที่ต้องรู้: agent ยังพลาดราว 1 ใน 3
Stanford AI Index 2026 รายงานว่าอัตราทำงานสำเร็จของ agent บน OSWorld (benchmark งานบนคอมพิวเตอร์จริง) ขึ้นจาก 12% เป็นราว 66% ก้าวกระโดดจริง แต่ agent ก็ยังพลาดราว 1 ใน 3 ครั้งบน benchmark ที่มีโครงสร้างชัด และงานจริงในบริษัทรกกว่านั้น
- •ต้องมีคนอนุมัติ งานที่แตะเงิน ข้อมูลลูกค้า หรือข้อความที่ส่งออกนอกบริษัท ให้ agent ร่างแล้วคนกดยืนยัน ชั้นที่บังคับเรื่องนี้เรียกว่า agent harness
- •โปรเจกต์ล้มได้ Gartner คาดการณ์เมื่อ มิ.ย. 2025 (จากโพล ม.ค. 2025 รายงานโดย IT Brief) ว่าโปรเจกต์ agentic AI กว่า 40% จะถูกยกเลิกภายในสิ้นปี 2027 เพราะต้นทุนบาน คุณค่าทางธุรกิจไม่ชัด และคุมความเสี่ยงไม่พอ นี่คือคำคาดการณ์ปี 2025 ไม่ใช่ผลวัดปี 2026
- •ระวังผูกกับ visual builder ของ vendor OpenAI จะปิด Agent Builder วันที่ 30 พ.ย. 2026 ใครสร้างไว้บนนั้นต้องย้าย
สรุป: ธุรกิจคุณต้องใช้ AI Agent ไหม
ส่วนใหญ่ยังไม่ต้อง เขียนขั้นตอนลงกระดาษได้ ใช้ automation ลูกค้าแค่ถาม ใช้ chatbot ทั้งสองถูกกว่า เร็วกว่า และทดสอบง่ายกว่า Agent คุ้มเมื่อข้อมูลเข้ามาไม่เป็นระเบียบและแต่ละเคสต้องตัดสินใจไม่เหมือนกัน ถึงตอนนั้นแนะนำให้เริ่มจากงานเดียว ใช้โมเดลราคาถูกก่อน และมีคนอนุมัติทุกครั้งที่งานแตะเงินหรือลูกค้า
🎯 ไม่แน่ใจว่างานของคุณควรเป็น Chatbot, Automation หรือ Agent ดู บริการรับพัฒนา AI Agent หรือ ส่งรายละเอียดงานมาคุยกัน ถ้า automation ธรรมดาก็พอ จะบอกตรงๆ
Arm - chercode
Full-Stack Developer & Founder
นักพัฒนาซอฟต์แวร์ที่มีประสบการณ์กว่า 5 ปีด้าน Web Development, AI Integration และ Automation เชี่ยวชาญ Next.js, React, n8n และ LLM Integration ผู้ก่อตั้ง chercode ให้บริการพัฒนาระบบสำหรับธุรกิจไทย
Portfolio
