เอเจนซีใช้เอเจนต์ AI กับลูกค้าจริง ๆ อย่างไรในตอนนี้

เอเจนซีด้านการตลาด ครีเอทีฟ การพัฒนาซอฟต์แวร์ และที่ปรึกษา ผ่านช่วงทดลองของ AI แบบเอเจนต์ไปแล้ว นี่คือสิ่งที่ใช้งานจริงในงานลูกค้าวันนี้ สิ่งที่ยังเป็นแค่คำพูดลอย ๆ และคำถามเรื่องการคิดค่าบริการ การเปิดเผย และความรับผิดที่ยังไม่มีใครตกลงกันได้

ในเดือนมิถุนายน ขณะที่คนทำดีลในอุตสาหกรรมโฆษณามารวมตัวกันทางตอนใต้ของฝรั่งเศสในการเดินทางประจำปี เอเจนซีใช้เวลาทั้งสัปดาห์แข่งกันประกาศเอเจนต์ AI WPP บอกว่ากำลังทดสอบเอเจนต์ซื้อและวางแผนสื่อสำหรับอินเวนทอรีวิดีโอพรีเมียม Dentsu จับมือกับผู้พัฒนาเอเจนต์ AI ชื่อ Newton Research เพื่อเร่งการตั้งแคมเปญและการวิเคราะห์ เอเจนซีอิสระ Butler/Till ที่ทำงานกับ DoubleVerify ได้สร้างเอเจนต์บน Claude ไว้แล้ว เพื่อดึงงบโฆษณาออกจากอินเวนทอรีคุณภาพต่ำ ไม่มีอะไรในนี้เป็นการเดโม เป็นเอเจนซีที่กำลังอธิบายเครื่องมือซึ่งรันอยู่ในบัญชีลูกค้าจริง ตามรายงานของ Digiday

สัปดาห์นั้นสะท้อนความจริงข้อหนึ่งว่า AI แบบเอเจนต์อยู่ในจุดใดแล้วในตอนนี้: มันไม่ใช่สไลด์ในพิตช์เด็คอีกต่อไป มันโผล่ในแดชบอร์ดแคมเปญ เอกสารประกอบการตรวจสอบบัญชี และโค้ดเบส — เร็วกว่าโมเดลการคิดค่าบริการ บรรทัดฐานการเปิดเผย และกรอบความรับผิดที่สร้างมาสำหรับโลกที่ไม่มีมัน นี่คือสิ่งที่เอเจนซีกำลังรันจริงวันนี้ และอุปสรรคที่แท้จริงอยู่ตรงไหน

งานที่ผ่านช่วงทดลองไปแล้ว

จุดข้อมูลที่ชัดที่สุดเรื่องการนำมาใช้มาจากแบบสำรวจเดือนมกราคม 2025 ของผู้ตัดสินใจในเอเจนซีการตลาดสหรัฐ 547 คน โดย NinjaCat: 91% ใช้ AI ในรูปแบบใดรูปแบบหนึ่งอยู่แล้ว และ 59% บอกว่ากำลังใช้เอเจนต์ AI โดยเฉพาะอย่างจริงจัง — ระบบอัตโนมัติที่ทำงานให้เสร็จ ไม่ใช่แค่สร้างคำแนะนำ สองงานที่เอเจนซีอ้างถึงมากที่สุดคืองานข้อมูลและอินไซต์ (74%) กับกลยุทธ์และการปรับแคมเปญ (72%) ในทางปฏิบัติ นั่นหมายถึงเอเจนต์ที่รวมเมตริกข้ามแพลตฟอร์มโฆษณา จับความผิดปกติก่อนที่มันจะเผาเงิน และส่งรายงานตรงถึงอินบ็อกซ์ลูกค้าโดยไม่ต้องให้นักวิเคราะห์ประกอบเด็คด้วยมือ

รายงาน State of Data 2025 ของ IAB ใส่ตัวเลขให้กับว่ารื่องนี้ไปได้ไกลแค่ไหนจริง: เพียง 30% ของเอเจนซี แบรนด์ และสำนักพิมพ์ที่ผสาน AI เต็มวงจรชีวิตแคมเปญสื่อจนถึงตอนนี้ แม้เอเจนซีและสำนักพิมพ์ในกลุ่มนั้นจะนำหน้าแบรนด์ ที่ที่นำมาใช้แล้ว IAB พบว่า AI ทำได้ตามหรือเกินความคาดหมายในกว่า 70% ของกรณี ยกผลิตภาพขึ้น 47% และตัดงานมือมูลค่าต่ำได้ราว 12 ชั่วโมงต่อสัปดาห์ต่อคน

ส่วนของเอเจนต์โดยเฉพาะ — เอเจนต์ซื้อสื่อที่ลงมือทำ ไม่ใช่แค่แนะนำ — ยังอยู่ในช่วงเริ่มขยายตัว แต่ก้าวหน้าเร็ว Digiday รายงานในเดือนกันยายนว่าผู้บริหารโฆษณา 58% คาดว่าการซื้อแบบเอเจนต์จะขยายตัวถึงระดับที่มีนัยสำคัญภายในหนึ่งปี โดยอ้างงานวิจัยของ IAB Europe Caitlin Gelles ของ Dentsu รองประธานบริหารฝ่ายเทคโนโลยีข้อมูลและการวัดผล อธิบายแรงดึงดูดต่อ Digiday ด้วยถ้อยคำเชิงปฏิบัติที่ตรงไปตรงมา: “ใช้เวลาเป็นชั่วโมงในการตั้งแคมเปญข้ามระบบ… เมื่อคุณเก็บรายละเอียดปลีกย่อยเหล่านั้นไว้ในฐานข้อมูล RAG หรือเอาวิธีที่ลูกค้าชอบซื้อ แล้วปล่อยให้ AI หาประสิทธิภาพเหล่านั้น นั่นคือจุดที่มูลค่าเข้ามา”

เอเจนซีพัฒนาและทรานส์ฟอร์มดิจิทัลก็ใช้แนวทางเดียวกันควบคู่กันไป Dept กลุ่มเอเจนซีดัตช์ ออกแบบแพลตฟอร์มอีคอมเมิร์ซใหม่ให้แบรนด์ฟิตเนสสวิส Blackroll ด้วยเอเจนต์ AI บนสแตก Gemini และ Antigravity ของ Google — Dept บอกว่าโปรเจกต์จบเร็วกว่าประมาณการก่อนมี AI ของตัวเอง 3.8 เท่า CEO ของ Blackroll Scott Zalaznik บอก Digiday ว่าบริษัทใช้เอเจนต์ AI สำหรับการทดสอบและพัฒนาฟีเจอร์อีคอมเมิร์ซส่วนใหญ่แล้ว Dept ได้ทำให้แนวทางนี้เป็นบริการแบบเสียค่าใช้จ่ายชื่อ Agent Studio คือให้เช่าเวิร์กโฟลว์สร้างเอเจนต์ของตัวเองแก่ลูกค้าที่อยากได้ความสามารถโดยไม่ต้องสร้างเอง

บริษัทที่ปรึกษาไปไกลกว่า และยังเถียงกันเรื่องผลตอบแทน

ถ้าเอเจนซีการตลาดอยู่กลางทางเปลี่ยนผ่าน บริษัทที่ปรึกษาใหญ่ได้ลงเต็มตัวกับปริมาณแล้ว — และตอนนี้ติดอยู่ที่คำถามที่ยากกว่าว่าทั้งหมดนี้มีค่าแค่ไหน CEO ของ McKinsey Bob Sternfels กล่าวในเดือนมกราคมว่าบริษัทได้วางเอเจนต์ AI ภายในเป็นหมื่น ๆ ตัว และในที่สุดอยากได้หนึ่งตัวต่อพนักงานแต่ละคนในจำนวน 40,000 คน ตาม Business Insider แต่ดังที่ Mina Alaghband อดีตพาร์ตเนอร์ McKinsey ซึ่งปัจจุบันเป็น chief customer officer ที่ Writer กล่าวไว้: “ฉันคิดว่าตอนนี้เราอยู่ในยุคของความสับสน” เมื่อปีก่อนตัวชี้วัดคือการใช้งาน ตอนนี้บริษัทกำลังพยายามวัดสิ่งที่ยากกว่า — มูลค่าที่สร้างขึ้นจริง

chief AI officer ของ PwC Dan Priest บอก Business Insider ว่าบริษัทเลิกนับเอเจนต์ และเริ่มนับว่ามีมนุษย์กี่คนที่ใช้แต่ละตัวจริง EY ติดตาม KPI ด้านผลิตภาพ คุณภาพ และประสิทธิภาพต้นทุนของเอเจนต์ทุกเดือน BCG มีตัวเลขที่เป็นรูปธรรมที่สุด: พาร์ตเนอร์ Scott Wilder กล่าวว่าพนักงานใช้เวลากับงานมูลค่าต่ำอย่างการทำสไลด์น้อยลงราว 15% นำเวลาที่ได้คืนมาราว 70% ไปลงทุนกับการวิเคราะห์เชิงลึก — และเก็บอีก 30% ที่เหลือไว้ ตามคำของเขา เป็นการนอนมากขึ้นหรือคลาสโยคะ แม้ในบริษัทที่คิดค่าบริการรายชั่วโมง เวลาที่ได้คืนจาก AI ก็ไม่กลายเป็นชั่วโมงที่เรียกเก็บเงินมากขึ้นโดยอัตโนมัติ

โมเดลการคิดค่าบริการคือสิ่งแรกที่แตกจริง

ในบรรดาแรงเสียดทานที่เอเจนซีเจอ การคิดเงินคือสิ่งที่เร่งด่วนที่สุด เพราะคณิตศาสตร์หนีไม่พ้น ถ้า AI ตัดเวลาของงานจากห้าชั่วโมงเหลือหนึ่งชั่วโมง และคุณยังคิดเงินเป็นชั่วโมง คุณได้มอบส่วนลด 80% ให้ลูกค้าโดยไม่ตั้งใจ บทวิเคราะห์ของ Forbes จากแบบสำรวจ Gartner ปี 2026 ของผู้เชี่ยวชาญตรวจสอบ 743 คน และงานวิจัยแยกจากบริษัทซอฟต์แวร์กฎหมาย Clio พบว่ารูปแบบนี้โผล่ในอุตสาหกรรมบริการวิชาชีพข้างเคียง: ผู้นำงานตรวจสอบ 93% รายงานว่ามีการใช้ AI บ้าง แต่มีเพียง 38% ที่มีกลยุทธ์สำหรับมัน และ Clio ประเมินว่างานกฎหมายที่เรียกเก็บเงินได้ราวสามในสี่สามารถทำให้เป็นอัตโนมัติด้วย generative AI ได้แล้ว

ราคาตามไม่ทัน Clio พบว่าสำนักงานกฎหมายที่มีทนายคนเดียว 86% และบริษัทขนาดเล็ก 78% ไม่ได้เปลี่ยนราคาเลยเพื่อตอบสนอง เทียบกับบริษัทขนาดกลาง 51% และบริษัทขนาดใหญ่ 46% — ยิ่งเป็นสำนักงานเล็ก ก็ยิ่งต้องแบกรับส่วนลดนั้นไปเงียบ ๆ ขณะเดียวกันลูกค้า 71% บอกนักวิจัยว่าจริง ๆ แล้วชอบค่าธรรมเนียมคงที่หรือแบบเหมาจ่ายมากกว่าการคิดเป็นชั่วโมงอยู่แล้ว ซึ่งชี้ว่าการคิดเป็นชั่วโมงเป็นตัวแทนของสิ่งที่ลูกค้าต้องการจริงมาตลอด: ผลลัพธ์ที่คาดเดาได้ ไม่ใช่ใบบันทึกเวลาทำงาน Sabastian Niles chief legal officer ของ Salesforce ทำให้ความคาดหวังฝั่งลูกค้าชัดเจนในโพสต์ฟอรัมธรรมาภิบาลของ Harvard Law School ที่ Forbes อ้าง: “ผลประโยชน์ต้องถูกแบ่งปันกับลูกค้าด้วย ผ่านการประหยัด ประสิทธิภาพต้นทุน และโมเดลธุรกิจใหม่” Wall Street Journal รายงานการเปลี่ยนเดียวกันภายใต้หัวข้อ “ภายในการเปลี่ยนผ่านอันยุ่งเหยิงของที่ปรึกษาที่กำลังออกจากการคิดค่าบริการรายชั่วโมง” โดยบรรยายบริษัทบริการวิชาชีพที่กำลังดิ้นรนปรับวิธีคิดค่าบริการใหม่ ขณะที่ AI อาจทำให้ชั่วโมงที่เรียกเก็บเงินได้ล้าสมัย

เอเจนซีการตลาดกำลังทดสอบทางเลือกที่แบบสำรวจของ NinjaCat พบ: 28% ขยับออกจากชั่วโมงที่เรียกเก็บเงินแบบมาตรฐานไปสู่ราคาตามมูลค่าหรือผลลัพธ์ และ 45% ขายโซลูชันและระบบอัตโนมัติบน AI เป็นบริการแพ็กเกจ แทนที่จะรวมไว้ในรีเทนเนอร์เดิม — เปลี่ยนผลประโยชน์ด้านประสิทธิภาพให้เป็นผลิตภัณฑ์ใหม่ แทนที่จะเป็นใบแจ้งหนี้ที่เล็กลง

ควรบอกลูกค้าหรือไม่ว่ามีเอเจนต์เข้ามาเกี่ยวข้องกับงานของพวกเขา

คำถามเรื่องการเปิดเผยยังไม่ลงตัวเท่าเรื่องการคิดค่าบริการ ส่วนใหญ่เพราะไม่มีกฎเดียวให้ชี้ งานวิจัย State of Data 2025 ของ IAB พบว่าแบรนด์ราวครึ่งหนึ่งกังวลอยู่แล้วว่าเอเจนซีและพับลิชเชอร์ใช้ AI ในนามของพวกเขาอย่างไร — ช่องว่างความเชื่อใจที่มีอยู่ก่อนที่ใครจะตัดสินว่าการเปิดเผยควรหน้าตาเป็นอย่างไร

คำแนะนำที่ชัดที่สุดจนถึงตอนนี้มาจากสาขาบริการวิชาชีพข้างเคียงที่กำลังเผชิญคำถามเดียวกันกับลูกค้าของตน ในบทความที่เผยแพร่ซ้ำจาก Journal of Accountancy บริษัทประกันภัย CNA แนะนำบริษัท CPA ว่าเมื่อไม่มีกฎหมายเดียวที่ควบคุมทั้งหมด — กฎหมายที่เกี่ยวข้องเป็นเหมือนผ้าปะติดปะต่อของ Gramm-Leach-Bliley Act กฎหมายเปิดเผยระดับรัฐที่กระจัดกระจายในที่อย่าง California และ Utah และ AI Act ของสหภาพยุโรปสำหรับบริษัทที่มีลูกค้ายุโรป — การเปิดเผยด้วยความสมัครใจและเฉพาะเจาะจงยังเป็นทางที่ปลอดภัยกว่า เพราะลูกค้าที่ภายหลังรู้ว่ามี AI เข้ามาเกี่ยวข้องกับงานของตนโดยไม่ได้รับแจ้ง อาจมองว่าเป็นการหลอกลวง ไม่ว่าจะมีอะไรผิดพลาดหรือไม่ บทความชี้ไปที่ความเห็นอย่างเป็นทางการปี 2024 ของ American Bar Association เรื่อง generative AI ซึ่งขีดเส้นแบ่งไว้ชัดเจน: ภาษาสำเร็จรูปที่ฝังในจดหมายว่าจ้างไม่นับเป็นความยินยอมโดยได้รับข้อมูลครบถ้วน การเปิดเผยต้องอธิบายจริง ๆ ว่า AI ทำอะไร และมนุษย์ตรวจอะไรหลังจากนั้น

ใครรับผิดเมื่อเอเจนต์ทำผิด

ความรับผิดคืออุปสรรคที่เอเจนซีคิดไว้น้อยที่สุด เพราะยังไม่มีเหตุการณ์ใดบีบให้ต้องหาคำตอบ — ยังไม่มีความล้มเหลวด้าน AI ของเอเจนซีที่ขึ้นหัวข่าวแบบที่วงการกฎหมายมีทนายถูกลงโทษเพราะอ้างคดีที่ AI แต่งขึ้นในเอกสารที่ยื่นต่อศาลจริง David Partida ของ Law.com กำลังทำซีรีส์หกตอนตลอดปี 2026 ที่ติดตามปัญหานี้พอดี ขณะมันขยับจากทฤษฎีสู่เรื่องประจำ รวมตอนที่ชื่อ “เกิดอะไรขึ้นเมื่อ AI ลงมือเอง — และใครจ่าย” และ “ใครรับผิดเมื่อ AI ทำผิด” บทความคู่กันบนไซต์เดียวกัน “ความรับผิดต่อข้อผิดพลาด AI ของทนายและผู้พิพากษา” บันทึกว่าทนายกำลังยื่นคำแถลงที่มีการอ้างคดีปลอมซึ่ง AI สร้างขึ้นมากขึ้น — มักย้อนไปที่ความผิดของผู้ใช้ ไม่ใช่ตัวเครื่องมือ — และศาลกำลังแก้คำตัดสินที่ตามมาผ่านคำร้องและอุทธรณ์อยู่แล้ว คำแนะนำวิชาชีพที่มาบรรจบกันเรื่องนี้ ตั้งแต่ความเห็นของ ABA จนถึงคำแนะนำของ CNA ต่อบริษัท CPA สอดคล้องกัน: บริษัทที่พึ่งผลลัพธ์ของเอเจนต์ AI โดยไม่มีการตรวจของมนุษย์อย่างอิสระ ต้องรับผิดเหมือนกับที่พนักงานรุ่นน้องซึ่งไม่มีใครดูแลทำผิด เอเจนต์ไม่แบกความรับผิด บริษัทที่ส่งผลลัพธ์นั้นให้ลูกค้าต่างหากที่แบก

ยังไม่มีกรณีของเอเจนซีที่ต้องเผชิญผลลัพธ์แบบนี้ปรากฏในบันทึกสาธารณะ — ซึ่งน่าจะเป็นจุดติดขัดที่ควรจับตาที่สุด เพราะชิ้นงานของเอเจนซีเคลื่อนเร็ว และมักได้รับการตรวจน้อยกว่าก่อนถึงอินบ็อกซ์ลูกค้า

เรื่องนี้หมายความว่าอะไรถ้าคุณบริหารเอเจนซี

ถ้าตัดข่าวประกาศออกไป รูปแบบที่เห็นนั้นแคบแต่เป็นของจริง AI แบบเอเจนต์กำลังพิสูจน์คุณค่าของตัวเองในวันนี้บนงานที่ทำซ้ำได้ วัดได้ และตรวจได้ก่อนถึงลูกค้า: รายงานแคมเปญ การซื้อสื่อภายใต้กรอบป้องกันที่กำหนดไว้ งานวิจัยรอบแรกและการวิเคราะห์คู่แข่ง และ — ตามตัวเลขของ Dept — สัดส่วนสำคัญของวงจรสร้างและทดสอบอีคอมเมิร์ซ ไม่ใช่รายการเล็ก และสำหรับเอเจนซีที่ยังทำงานนั้นด้วยมือ มันคือความได้เปรียบด้านต้นทุนจริงที่วางอยู่บนโต๊ะ

มันยังเป็นแค่คำพูดเป็นส่วนใหญ่บนงานที่ต้องใช้วิจารณญาณซึ่งยังไม่มีใครรู้วิธีตรวจสอบในวงกว้าง: การตัดสินใจครีเอทีฟที่มีความเสี่ยงต่อแบรนด์ คำแนะนำเชิงกลยุทธ์ที่ลูกค้าจ่ายเพราะเชื่อใจคนที่ทำมัน และอะไรก็ตามที่ความผิดพลาดอาจถึงลูกค้าก่อนมนุษย์จะเห็น เอเจนซีที่ถูกอ้างในรายงานเหล่านี้ — Dentsu, PwC, BCG — อธิบายโมเดลเดียวกันภายใต้การใช้งานที่ต่างกัน: เอเจนต์ทำงานที่ย่นเวลาได้ มนุษย์ตรวจส่วนที่มีความเสี่ยง และเวลาที่ว่างถูกนำไปลงทุนใหม่ ไม่ได้ถูกเก็บเป็นมาร์จิน มันเป็นเรื่องที่น่าเบื่อกว่า “AI แทนที่เอเจนซี” และมันคือเรื่องที่กำลังเกิดจริงในบัญชีลูกค้าตอนนี้