Google Antigravity 2

Google Antigravity 2.0: Google’s new AI Agent Platform

Blog

เปิดตัว Google Antigravity 2.0: แพลตฟอร์ม AI Agent รุ่นใหม่จาก Google Facebook X LinkedIn Artificial Intelligence กำลังก้าวข้ามจาก Chatbot และผู้ช่วย AI แบบเดิม ไปสู่ยุคใหม่ของ AI Agents แบบ Autonomous อย่างรวดเร็ว ในขณะที่องค์กรต่าง ๆ เริ่มนำ Workflow ที่ขับเคลื่อนด้วย AI มาใช้งานมากขึ้น Google ก็ได้เปิดตัวการอัปเดตครั้งสำคัญของแพลตฟอร์ม Agentic AI รุ่นทดลองภายใต้ชื่อ Google Antigravity 2.0 การประกาศดังกล่าวเผยแพร่ผ่าน Google Antigravity Blog โดยเวอร์ชันใหม่นี้มุ่งเน้นไปที่การช่วยให้นักพัฒนาสามารถสร้าง ควบคุม และขยายระบบ AI Agent ขั้นสูงที่มีความสามารถด้านการให้เหตุผล การใช้งานเครื่องมือ และ Workflow แบบ Collaborative ได้อย่างมีประสิทธิภาพมากขึ้น ด้วย Antigravity 2.0 ทำให้ Google แสดงจุดยืนที่ชัดเจนมากขึ้นในการแข่งขันด้านระบบนิเวศ Agentic AI ที่กำลังเติบโตอย่างรวดเร็ว Google Antigravity 2.0 คืออะไร? Google Antigravity 2.0 คือ Framework และแพลตฟอร์มทดลองรุ่นใหม่ของ Google สำหรับการสร้างระบบ AI Agent โดยแพลตฟอร์มนี้ถูกออกแบบมาเพื่อช่วยให้นักพัฒนาสามารถสร้าง Workflow AI แบบ Autonomous หรือ Semi-Autonomous ที่สามารถคิดวิเคราะห์ วางแผน ใช้งานเครื่องมือ และทำงานร่วมกับ Agent อื่น ๆ ได้อย่างมีประสิทธิภาพ แตกต่างจาก AI Assistant แบบดั้งเดิมที่เน้นการตอบสนองต่อ Prompt เป็นหลัก Antigravity 2.0 มุ่งเน้นการทำงานแบบ Long-Running Agentic ซึ่งช่วยให้ระบบ AI สามารถดำเนินงานได้อย่างอิสระมากขึ้น พร้อมรักษาความเข้าใจเกี่ยวกับเป้าหมาย บริบท และ Workflow อย่างต่อเนื่อง ทำให้ AI ไม่ได้เป็นเพียงระบบสร้างข้อความหรือผู้ช่วยตอบคำถาม แต่เริ่มทำหน้าที่คล้าย “Digital Collaborator” ที่สามารถมีส่วนร่วมในกระบวนการทำงานจริงได้มากขึ้น ตามข้อมูลจาก Google แพลตฟอร์มนี้รองรับการทำงานร่วมกันของ AI Agent หลายตัว การเชื่อมต่อกับเครื่องมือและระบบภายนอก ความสามารถในการให้เหตุผลกับ Context ระยะยาว ระบบ Memory สำหรับ Agent การประสาน Workflow และการทำงานแบบ Real-Time ทั้งหมดนี้สะท้อนให้เห็นถึงแนวทางของ Google ที่ต้องการผลักดัน AI ไปสู่ระบบที่สามารถทำงานร่วมกับมนุษย์ได้ในระดับลึกมากขึ้น ทำไม Google จึงให้ความสำคัญกับ Agentic AI อุตสาหกรรม AI กำลังก้าวเข้าสู่ยุคที่ระบบ AI ไม่ได้มีหน้าที่เพียงสร้างคำตอบหรือสร้างคอนเทนต์อีกต่อไป แต่ต้องสามารถ “ลงมือทำงาน” ได้จริงในระดับ Workflow และระบบปฏิบัติการขององค์กร แม้ว่าโมเดล AI แบบดั้งเดิมจะมีความสามารถโดดเด่นด้านการตอบคำถาม การสรุปข้อมูล การสร้างข้อความ และการเขียนโค้ด แต่ธุรกิจจำนวนมากเริ่มต้องการ AI ที่สามารถดำเนินงานหลายขั้นตอนได้อย่างต่อเนื่อง สามารถประสานงานระหว่างระบบ ใช้งาน Software Tools ต่าง ๆ จดจำข้อมูลระยะยาว และตัดสินใจตาม Context ที่เปลี่ยนแปลงอยู่ตลอดเวลา นี่คือเหตุผลที่ Agentic AI กลายเป็นหัวข้อสำคัญของอุตสาหกรรม AI ยุคใหม่ และเป็นทิศทางที่ Google กำลังให้ความสำคัญอย่างมากผ่าน Antigravity 2.0 โดยแพลตฟอร์มนี้ถูกพัฒนาขึ้นเพื่อเป็น Infrastructure สำหรับการสร้าง AI Agent ที่มีความสามารถสูงขึ้น สามารถทำงานแบบ Autonomous ได้มากกว่าเดิม และรองรับระบบ AI ยุคใหม่ที่ซับซ้อนยิ่งขึ้นในระดับ Enterprise Scale ฟีเจอร์สำคัญของ Google Antigravity 2.0 Multi-Agent…

Agentic security system

Microsoft’s New Multi-Model Agentic Security System: Defense at AI Speed

Blog

Microsoft เปิดตัว Agentic Security System ใหม่: ระบบป้องกันภัยไซเบอร์ด้วยความเร็วระดับ AI Facebook X LinkedIn ภัยคุกคามทางไซเบอร์กำลังพัฒนาอย่างรวดเร็ว และระบบรักษาความปลอดภัยแบบดั้งเดิมเริ่มตามไม่ทันกับพื้นผิวการโจมตีที่ซับซ้อนในยุคปัจจุบัน เพื่อรับมือกับความท้าทายนี้ Microsoft ได้เปิดตัวแพลตฟอร์มป้องกันภัยคุกคามที่ขับเคลื่อนด้วย AI ผ่าน Microsoft Security Blog ภายใต้ชื่อ Agentic Security System ระบบใหม่นี้มีชื่อภายในว่า MDASH (Multi-Model Agentic Scanning Harness) ซึ่งถือเป็นอีกก้าวสำคัญของ Microsoft ในการพัฒนาระบบรักษาความปลอดภัยแบบอัตโนมัติที่ขับเคลื่อนด้วย AI Agent โดย Microsoft ระบุว่าแพลตฟอร์มนี้ใช้ AI Agent เฉพาะทางมากกว่า 100 ตัวทำงานร่วมกัน เพื่อค้นหา ตรวจสอบ และวิเคราะห์ช่องโหว่ซอฟต์แวร์ด้วยความเร็วและขนาดที่ไม่เคยมีมาก่อน การประกาศครั้งนี้สะท้อนถึงการเปลี่ยนแปลงครั้งใหญ่ของวงการ Cybersecurity จากระบบป้องกันแบบ Manual และ Reactive ไปสู่ระบบรักษาความปลอดภัยอัตโนมัติที่ขับเคลื่อนด้วย AI Agentic Security System คืออะไร? Agentic Security System คือแพลตฟอร์มค้นหาช่องโหว่ที่ขับเคลื่อนด้วย AI ซึ่งพัฒนาโดยทีม Autonomous Code Security (ACS) ของ Microsoft ต่างจากระบบ AI Security แบบเดิมที่พึ่งพาโมเดลเดียว MDASH ใช้สถาปัตยกรรมแบบ Multi-Model ที่ให้ AI Agent เฉพาะทางจำนวนมากทำงานร่วมกันเพื่อวิเคราะห์และปกป้องระบบระดับองค์กร AI Agent แต่ละตัวถูกออกแบบให้รับผิดชอบงานที่แตกต่างกันในกระบวนการค้นหาช่องโหว่และตรวจสอบความปลอดภัย ระบบสามารถสแกน Codebase ขนาดใหญ่ ตรวจจับรูปแบบโค้ดที่น่าสงสัย วิเคราะห์ว่าช่องโหว่นั้นสามารถโจมตีได้จริงหรือไม่ และให้ AI Agent หลายตัวช่วยตรวจสอบหรือโต้แย้งผลลัพธ์ร่วมกันเพื่อเพิ่มความแม่นยำ กระบวนการทำงานร่วมกันนี้ช่วยลด False Positive และช่วยจัดลำดับความสำคัญของความเสี่ยงด้านความปลอดภัยที่ต้องได้รับการแก้ไขทันที Microsoft อธิบายว่า MDASH ผสานทั้ง Frontier AI Models และ Distilled Models เพื่อสร้างสมดุลระหว่างประสิทธิภาพ ความสามารถในการขยายระบบ และต้นทุนการดำเนินงาน เป้าหมายสำคัญคือการยกระดับ Cybersecurity ให้สามารถทำงานด้วย “AI Speed” เพื่อค้นหาและแก้ไขช่องโหว่ได้เร็วกว่ากระบวนการแบบเดิมที่อาศัยมนุษย์เป็นหลัก ทำไม Microsoft จึงพัฒนา MDASH Microsoft พัฒนา Agentic Security System เพื่อตอบสนองต่อความซับซ้อนที่เพิ่มขึ้นของระบบ Enterprise สมัยใหม่ ปัจจุบันองค์กรจำนวนมากต้องดูแลโครงสร้างพื้นฐาน Cloud ขนาดใหญ่ ระบบ Hybrid แอปพลิเคชันที่ใช้ AI ระบบ IoT อุปกรณ์ Endpoint จำนวนมหาศาล และ Proprietary Codebase ที่มีความซับซ้อนสูง เมื่อสภาพแวดล้อมเหล่านี้ขยายตัว วิธีการสแกนช่องโหว่แบบเดิมจึงเริ่มตามไม่ทัน…

Gemini Omni

What is Gemini Omni?

Blog

Gemini Omni: เปิดตัว AI สร้างวิดีโออัจฉริยะจาก Google Facebook X LinkedIn ปัญญาประดิษฐ์กำลังพัฒนาอย่างรวดเร็ว และ Google ได้เปิดตัวโมเดล AI ที่ทะเยอทะยานที่สุดรุ่นหนึ่งภายใต้ชื่อ Gemini Omni ซึ่งถูกประกาศในงาน Google I/O 2026 โมเดล AI ตระกูลใหม่นี้ถือเป็นก้าวสำคัญของ AI แบบ Multimodal ที่รวมความสามารถในการเข้าใจข้อความ ภาพ เสียง และวิดีโอไว้ในระบบสร้างสรรค์เดียวกัน ตามข้อมูลจาก Google Blog ระบุว่า Gemini Omni ถูกออกแบบมาเพื่อ “สร้างทุกอย่างจากทุกอินพุต” โดยเริ่มต้นจากการสร้างและแก้ไขวิดีโอ ซึ่งทำให้โมเดลนี้กลายเป็นแพลตฟอร์ม AI สำหรับงานสร้างสรรค์ยุคใหม่ที่อาจเปลี่ยนวิธีการสร้างคอนเทนต์ดิจิทัลในอนาคต Gemini Omni คืออะไร? Gemini Omni คือโมเดล AI ตระกูลใหม่จาก Google ที่ถูกพัฒนาขึ้นเพื่อยกระดับความสามารถของ AI จากระบบที่ทำงานเฉพาะด้าน ไปสู่แพลตฟอร์ม Multimodal แบบครบวงจรที่สามารถเข้าใจและสร้างสื่อได้หลายรูปแบบภายในระบบเดียว แตกต่างจาก AI รุ่นก่อนที่มักแยกการทำงานระหว่างข้อความ ภาพ เสียง หรือวิดีโอ Gemini Omni ถูกออกแบบมาให้สามารถประมวลผลข้อมูลหลายประเภทพร้อมกัน ไม่ว่าจะเป็นข้อความ รูปภาพ เสียง หรือคลิปวิดีโอ จากนั้น AI จะสามารถสร้างหรือแก้ไขวิดีโอคุณภาพสูงได้ผ่านคำสั่งแบบสนทนาอย่างเป็นธรรมชาติ Google อธิบายว่า Gemini Omni เป็นก้าวสำคัญของ AI ยุคใหม่ เพราะไม่ได้เน้นเพียงการสร้างคอนเทนต์ แต่ยังรวมถึงความเข้าใจโลก การรักษาความสมจริงของฉาก การเคลื่อนไหวตามหลักฟิสิกส์ และความสามารถในการให้เหตุผลแบบ Multimodal เข้าไว้ด้วยกัน ทำให้ผลลัพธ์ที่สร้างขึ้นมีความต่อเนื่องและสมจริงมากกว่าเดิม โมเดลแรกที่เปิดตัวในตระกูลนี้คือ Gemini Omni Flash ซึ่งถูกออกแบบมาเพื่อให้การสร้างวิดีโอด้วย AI เป็นเรื่องรวดเร็ว ใช้งานง่าย และเข้าถึงผู้ใช้งานได้มากขึ้น ทำไม Gemini Omni จึงสำคัญ ตลอดหลายปีที่ผ่านมา อุตสาหกรรม AI กำลังมุ่งหน้าไปสู่ระบบที่สามารถรวมความสามารถหลายด้านไว้ในแพลตฟอร์มเดียว แต่ในปัจจุบัน ผู้ใช้งานส่วนใหญ่ยังต้องสลับระหว่างเครื่องมือหลายประเภทสำหรับการเขียนข้อความ สร้างภาพ ตัดต่อวิดีโอ ทำแอนิเมชัน หรือจัดการเสียง Gemini Omni พยายามเปลี่ยนแนวคิดนี้ด้วยการรวมทุก Workflow ด้านงานสร้างสรรค์ไว้ในระบบสนทนาเดียว ผู้ใช้ไม่จำเป็นต้องมีทักษะด้านการตัดต่อหรือใช้งานซอฟต์แวร์ที่ซับซ้อน เพียงอธิบายสิ่งที่ต้องการด้วยภาษาธรรมชาติ AI ก็สามารถจัดการขั้นตอนการสร้างและแก้ไขคอนเทนต์ให้โดยอัตโนมัติ ตัวอย่างเช่น ผู้ใช้สามารถเปลี่ยนภาพถ่ายธรรมดาให้กลายเป็นวิดีโอสไตล์ภาพยนตร์ ปรับแสงและบรรยากาศของฉาก สร้างแอนิเมชัน เพิ่มเอฟเฟกต์ หรือแม้แต่แก้ไขฉากทั้งหมดผ่านการสนทนาได้ทันที ความสามารถเหล่านี้ทำให้ Gemini Omni ถูกมองว่าเป็นหนึ่งในระบบ AI ด้านงานสร้างสรรค์ที่ล้ำหน้าที่สุดของ Google ในปัจจุบัน ฟีเจอร์สำคัญของ Gemini Omni สร้างวิดีโอจากหลายรูปแบบอินพุต หนึ่งในความสามารถที่สำคัญที่สุดของ Gemini Omni คือการสร้างวิดีโอแบบ Multimodal ผู้ใช้สามารถรวม: คำสั่งข้อความ รูปภาพ วิดีโอเดิม เสียงอ้างอิง เพื่อสร้างวิดีโอใหม่ที่สร้างด้วย AI Google ระบุว่าระบบสามารถรักษาความต่อเนื่องของฉาก ตัวละคร และการเคลื่อนไหวได้ดีกว่าระบบ AI รุ่นก่อนหน้า Conversational Video Editing ด้วย Gemini Omni ซอฟต์แวร์ตัดต่อวิดีโอแบบดั้งเดิมมักต้องใช้ทักษะทางเทคนิคสูง แต่ Gemini Omni เปลี่ยนสิ่งนี้ด้วยระบบแก้ไขแบบสนทนา ผู้ใช้สามารถพิมพ์คำสั่งง่าย ๆ เช่น: “เปลี่ยนแสงเป็นช่วงพระอาทิตย์ตก” “เพิ่มเอฟเฟกต์ฝน” “ขยับกล้องเข้าใกล้มากขึ้น” “เปลี่ยนพื้นหลังเป็นเมืองอนาคต” AI จะอัปเดตวิดีโอพร้อมรักษาความต่อเนื่องของฉากทั้งหมด…

Study Guide in Copilot Notebook

How to Create Study Guide in Copilot Notebook?

Blog

สร้าง Study Guide ใน Copilot Notebook เพื่อสรุปบทเรียนอย่างรวดเร็ว Facebook X LinkedIn ปัญญาประดิษฐ์กำลังเปลี่ยนวิธีการเรียนรู้ การจัดระเบียบข้อมูล และการเตรียมตัวสอบของผู้คน หนึ่งในฟีเจอร์ที่มีประโยชน์มากที่สุดภายใน Microsoft Copilot คือความสามารถในการสร้างสื่อการเรียนแบบมีโครงสร้างจากเอกสารที่อัปโหลดโดยตรง ด้วยฟีเจอร์ Study Guide ใน Copilot Notebook นักเรียน ครู และผู้เชี่ยวชาญสามารถเปลี่ยนเอกสารขนาดยาวให้กลายเป็นแหล่งเรียนรู้ที่จัดระเบียบอย่างเป็นระบบได้ภายในไม่กี่นาที แทนที่จะต้องสรุปเอกสารหลายสิบหน้าด้วยตนเอง Copilot Notebook สามารถวิเคราะห์ไฟล์ที่อัปโหลด ระบุแนวคิดสำคัญ และสร้าง Study Guide แบบอัตโนมัติที่ช่วยให้การทบทวนเนื้อหาทำได้ง่ายขึ้นมาก Copilot Notebook คืออะไร? Microsoft Copilot Notebook คือพื้นที่ทำงานภายใน Microsoft Copilot ที่ผู้ใช้สามารถอัปโหลดไฟล์ จัดระเบียบข้อมูล และโต้ตอบกับ AI โดยใช้ข้อมูลของตนเองได้ ฟีเจอร์นี้มีประโยชน์อย่างมากสำหรับ: นักเรียนที่กำลังเตรียมตัวสอบ ครูที่สร้างสื่อการเรียนการสอน นักวิจัยที่ต้องการสรุปเอกสาร ผู้เชี่ยวชาญที่ทบทวนเอกสารการฝึกอบรม ทีมงานที่จัดการฐานความรู้ หนึ่งในความสามารถที่ใช้งานได้จริงมากที่สุดคือการสร้าง Study Guide ใน Copilot Notebook แบบอัตโนมัติจากเนื้อหาที่อัปโหลด ทำไมควรใช้ Study Guide ใน Copilot Notebook? การเตรียมตัวเรียนแบบดั้งเดิมมักใช้เวลามาก เพราะผู้ใช้ต้อง: อ่านเอกสารจำนวนมาก ไฮไลต์แนวคิดสำคัญ จัดระเบียบบันทึกด้วยตนเอง สร้างสรุปเนื้อหาเองทั้งหมด Copilot Notebook ช่วยลดขั้นตอนเหล่านี้ด้วยการสร้างสื่อการเรียนที่มีโครงสร้างโดยอัตโนมัติจากไฟล์ที่อัปโหลด ฟีเจอร์ ประโยชน์ สรุปเนื้อหาด้วย AI ช่วยประหยัดเวลา จัดระเบียบหัวข้อ ทบทวนได้ง่ายขึ้น ดึงแนวคิดสำคัญ เข้าใจเนื้อหาเร็วขึ้น สร้างคำถามอัตโนมัติ ช่วยเตรียมสอบ บันทึกแบบมีโครงสร้าง…

Personal finance experience in ChatGPT

Personal Finance Experience

Blog

Personal Finance Experience ใหม่ใน ChatGPT จัดการการเงินด้วย AI แบบอัจฉริยะ Facebook X LinkedIn OpenAI กำลังขยายความสามารถของ ChatGPT ให้ก้าวไกลกว่าด้าน Productivity และ Content Generation ด้วยการเปิดตัวฟีเจอร์ใหม่ Personal Finance Experience ซึ่งช่วยให้ผู้ใช้งานสามารถเชื่อมต่อบัญชีการเงินเข้ากับ ChatGPT ได้อย่างปลอดภัย พร้อมรับ Insights ด้านการเงินที่ขับเคลื่อนด้วย AI โดยอ้างอิงจากข้อมูลทางการเงินจริง เป้าหมายทางการเงิน และพฤติกรรมการใช้จ่ายของผู้ใช้งาน การเปิดตัวครั้งนี้สะท้อนถึงการเปลี่ยนแปลงครั้งสำคัญว่า AI อาจเข้ามามีบทบาทในการช่วยตัดสินใจด้านการเงินในชีวิตประจำวันอย่างไรในอนาคต แทนที่จะต้องสลับใช้งานระหว่างแอปธนาคาร Spreadsheet เครื่องมือ Budgeting และแพลตฟอร์มการลงทุน ผู้ใช้งานสามารถพูดคุยเกี่ยวกับการเงินของตนเองกับ ChatGPT ได้โดยตรงในลักษณะ Conversational เปลี่ยน ChatGPT ให้กลายเป็น Financial Intelligence Assistant ตามข้อมูลจาก OpenAI ปัจจุบันมีผู้ใช้งานมากกว่า 200 ล้านคนต่อเดือนที่ใช้ ChatGPT สำหรับการถามเรื่อง Budgeting การวางแผนการลงทุน การเปรียบเทียบทางการเงิน และการพูดคุยเกี่ยวกับเป้าหมายในอนาคต Personal Finance Experience ใหม่ต่อยอดจากพฤติกรรมดังกล่าว ด้วยการผสานความสามารถด้าน Reasoning ของ GPT-5.5 เข้ากับบริบททางการเงินจริงจากบัญชีที่เชื่อมต่อไว้ เมื่อเชื่อมต่อบัญชีการเงินแล้ว ChatGPT จะสามารถวิเคราะห์: รูปแบบการใช้จ่าย ผลการดำเนินงานของ Portfolio Subscriptions ที่มีการเรียกเก็บแบบ Recurring บิลและกำหนดชำระเงินที่กำลังจะมาถึง เป้าหมายด้านการออม หนี้สินและภาระทางการเงิน จากนั้นระบบจะสามารถตอบคำถามทางการเงินที่ Personalized ได้อย่างมาก โดยอ้างอิงจากข้อมูลจริงของผู้ใช้งาน แทนที่จะใช้เพียงตัวอย่างสมมติ ผู้ใช้งานอาจถามคำถาม เช่น: “เดือนนี้พฤติกรรมการใช้จ่ายของฉันเปลี่ยนไปอย่างไร?” “ฉันสามารถซื้อบ้านได้ภายใน 5 ปีหรือไม่?” “Subscriptions ไหนที่ควรยกเลิก?” “ความเสี่ยงที่ใหญ่ที่สุดใน Portfolio ของฉันคืออะไร?” สิ่งนี้สร้างแนวทางใหม่ในการบริหารการเงินส่วนบุคคลที่มีความ Interactive และ Dynamic มากขึ้น เชื่อมต่อบัญชีการเงินผ่าน Plaid ปัจจุบัน Personal Finance Experience รองรับการเชื่อมต่อบัญชีการเงินผ่าน Plaid ซึ่งเป็นหนึ่งในแพลตฟอร์ม Financial Connectivity ที่ใหญ่ที่สุดในอุตสาหกรรม OpenAI ระบุว่าระบบรองรับสถาบันการเงินมากกว่า 12,000 แห่ง ครอบคลุมบริการด้านธนาคาร การลงทุน Brokerage และเครดิตต่าง ๆ ผู้ใช้งานสามารถเชื่อมต่อ: บัญชีธนาคาร บัตรเครดิต บัญชีการลงทุน สินเชื่อและหนี้สิน เมื่อเชื่อมต่อแล้ว ChatGPT จะสร้าง Dashboard ที่สรุปกิจกรรมทางการเงิน พฤติกรรมการใช้จ่าย การลงทุน Subscriptions และตารางการชำระเงินต่าง ๆ OpenAI ยังระบุเพิ่มเติมว่าการเชื่อมต่อกับ Intuit อยู่ในแผนสำหรับการอัปเดตในอนาคต บทสนทนาด้านการเงินที่มีบริบทมากขึ้น หนึ่งในความแตกต่างสำคัญของ Personal Finance Experience คือ “Contextual Memory”…

Computer-using agents in Microsoft Copilot Studio

Computer-using Agents: Autonomous AI Workflows

Blog

Computer-using Agents: Microsoft ก้าวเข้าสู่ยุคของ Autonomous AI Workflows Facebook X LinkedIn Microsoft Copilot Studio ได้เปิดให้ใช้งานความสามารถ Computer-using Agents อย่างเป็นทางการในระดับ General Availability แล้ว ซึ่งถือเป็นอีกก้าวสำคัญในวิสัยทัศน์ด้าน Agentic AI ของ Microsoft สำหรับองค์กร การเปิดตัวครั้งนี้สะท้อนถึงการเปลี่ยนแปลงครั้งสำคัญที่กำลังเกิดขึ้นในอุตสาหกรรม AI ปัจจุบัน AI ไม่ได้จำกัดอยู่แค่การสร้างข้อความ สรุปข้อมูล หรือการตอบคำถามอีกต่อไป แต่กำลังก้าวสู่การโต้ตอบกับซอฟต์แวร์โดยตรง ทำงานแบบหลายขั้นตอน และใช้งานแอปพลิเคชันได้ในลักษณะเดียวกับพนักงานจริง ด้วย Computer-using Agents ทาง Microsoft กำลังผลักดัน AI จาก “ผู้ช่วย” ไปสู่ “ผู้ลงมือทำงานจริง” Computer-using Agents คืออะไร? Computer-using Agents คือ AI Agent ที่สามารถโต้ตอบกับ Graphical User Interfaces (GUIs) ได้ เช่น เว็บไซต์ แอปพลิเคชันบนเดสก์ท็อป ระบบภายในองค์กร และซอฟต์แวร์แบบ Legacy ต่าง ๆ โดยแทนที่จะพึ่งพาเฉพาะ APIs หรือการเชื่อมต่อแบบกำหนดเอง Agent สามารถใช้งานซอฟต์แวร์ผ่านการมองเห็นหน้าจอเสมือนจริง ด้วย virtual mouse และ keyboard ระบบนี้ผสานการทำงานของ: Computer vision Reasoning models Workflow orchestration Natural language instructions สิ่งนี้ทำให้องค์กรสามารถอธิบายงานด้วยภาษาธรรมชาติ ในขณะที่ AI Agent จะเป็นผู้ดำเนินงานเชิงปฏิบัติการด้วยตัวเอง Microsoft อธิบายว่าเทคโนโลยีนี้สามารถกดปุ่ม เลือกเมนู กรอกฟอร์ม ดึงข้อมูล และนำทางภายในแอปพลิเคชันได้ในลักษณะเดียวกับพนักงานมนุษย์ หนึ่งในจุดสำคัญที่สุดของแนวทางนี้คือ “ความยืดหยุ่น” เนื่องจาก Agent ทำงานผ่านชั้น Interface แบบ Visual จึงยังสามารถทำงานได้แม้ไม่มี API หรือในกรณีที่เป็นแอปพลิเคชัน Legacy รุ่นเก่า ก้าวข้าม Traditional Automation ระบบ Robotic Process Automation (RPA) แบบดั้งเดิมมักต้องอาศัย Workflow ที่มีโครงสร้างตายตัว และสามารถล้มเหลวได้ง่ายเมื่อหน้าตา Interface เปลี่ยนแปลง การเปลี่ยนแปลงเล็กน้อย เช่น Layout ใหม่ ปุ่มถูกเปลี่ยนชื่อ หรือเมนูย้ายตำแหน่ง มักทำให้ต้องกลับมา Configure ระบบใหม่อีกครั้ง Computer-using Agents ถูกพัฒนาขึ้นมาเพื่อลดข้อจำกัดเหล่านี้ Microsoft ระบุว่า AI Model สามารถปรับตัวตามการเปลี่ยนแปลงของ Interface ได้แบบ Dynamic และยังทำงานต่อได้แม้ Layout หรือปุ่มจะเปลี่ยนตำแหน่ง ทำให้ระบบมีความยืดหยุ่นสูงกว่าเครื่องมือ Automation แบบเดิมจำนวนมาก ความสามารถนี้ยังช่วยลดอุปสรรคด้านเทคนิคสำหรับการทำ Automation อีกด้วย แทนที่จะต้องสร้าง Workflow ผ่าน Code หรือ Scripting ที่ซับซ้อน ผู้ใช้สามารถอธิบายผลลัพธ์ที่ต้องการด้วยภาษาธรรมชาติได้โดยตรง…

สร้างวิดีโอด้วย Copilot

How to Make Video with Copilot

Blog

สร้างวิดีโอด้วย Copilot: วิธีสร้าง AI Video ง่าย Facebook X LinkedIn วิดีโอคอนเทนต์กลายเป็นหนึ่งในวิธีที่ทรงพลังที่สุดในการสื่อสารไอเดีย ฝึกอบรมพนักงาน และสร้างการมีส่วนร่วมกับลูกค้า อย่างไรก็ตาม การผลิตวิดีโอแบบดั้งเดิมมักต้องใช้เวลา ทักษะเฉพาะทาง และเครื่องมือที่มีราคาแพง Microsoft Copilot กำลังเปลี่ยนสิ่งนี้อย่างสิ้นเชิง ด้วยการสร้างวิดีโอด้วย AI ตอนนี้คุณสามารถเปลี่ยนเพียงแค่ไอเดียหรือเอกสารธรรมดา ให้กลายเป็นวิดีโอระดับมืออาชีพที่มีทั้งสคริปต์ ภาพประกอบ เสียงบรรยาย เพลง และทรานซิชัน ได้ภายในไม่กี่นาที คู่มือนี้จะอธิบายวิธี สร้างวิดีโอด้วย Copilot แบบ Step-by-Step รวมถึงแนวทางการใช้งานสำหรับธุรกิจ การตลาด และการฝึกอบรม การสร้างวิดีโอใน Copilot คืออะไร? Microsoft Copilot มีฟีเจอร์ “Create Video” ที่ช่วยให้ผู้ใช้สามารถสร้างวิดีโอผ่าน Prompt ภาษาแบบธรรมชาติ หรือใช้ไฟล์ที่มีอยู่แล้ว เช่น PowerPoint หรือเอกสารต่าง ๆ Copilot ใช้ AI เพื่อ: สร้างสคริปต์อัตโนมัติ เลือก Stock Footage และภาพที่เกี่ยวข้อง เพิ่มเสียงบรรยายและเพลงพื้นหลัง รวมทุกอย่างออกมาเป็น Draft วิดีโอแบบสมบูรณ์ นั่นหมายความว่าคุณไม่จำเป็นต้องมีประสบการณ์ด้าน Video Editing ก็สามารถสร้างคอนเทนต์คุณภาพสูงได้ สร้างวิดีโอด้วย Copilot (Step-by-Step) เปิดCopilot “Create” Experience ไปที่แอป Microsoft 365 Copilot เลือก Create → Create a video นี่คือจุดเริ่มต้นของการสร้างวิดีโอด้วย AI อธิบายไอเดียวิดีโอของคุณ(Prompting) พิมพ์คำอธิบายวิดีโอให้ชัดเจน เช่น: หัวข้อ (เช่น Product, Training, Campaign) กลุ่มเป้าหมาย (ลูกค้า พนักงาน…

Microsoft 365 Shortcuts

The Microsoft 365 shortcuts That Actually Save You Time At Work

Blog

คีย์ลัด Microsoft 365 shortcuts ที่ช่วยประหยัดเวลาได้จริง Facebook X LinkedIn หากคุณใช้เวลาส่วนใหญ่ของวันอยู่กับแอปใน Microsoft 365 ความล่าช้าเล็ก ๆ น้อย ๆ สามารถสะสมจนกลายเป็นเวลาที่สูญเสียไปจำนวนมากได้อย่างรวดเร็ว การสลับเมนู ค้นหาคำสั่ง จัดรูปแบบเอกสาร หรือจัดการอีเมล ล้วนเป็นสิ่งที่ทำให้เสียเวลาโดยไม่รู้ตัวในแต่ละสัปดาห์ นั่นจึงเป็นเหตุผลว่าทำไมการเรียนรู้ Microsoft 365 shortcuts ที่สำคัญเพียงไม่กี่รายการ จึงสามารถช่วยปรับปรุง Workflow การทำงานของคุณได้อย่างมาก ข้อดีที่สุดคือ คุณไม่จำเป็นต้องจำคำสั่งหลายร้อยรายการ เพียงแค่มีชุดคีย์ลัดที่ใช้งานได้จริง ก็สามารถลดการคลิกซ้ำ ๆ และช่วยให้คุณทำงานได้เร็วขึ้นใน Word, Excel, Outlook, PowerPoint และ Teams จากข้อมูลของ Microsoft Support ระบุว่า Keyboard Shortcuts ช่วยเพิ่มทั้ง Accessibility และ Efficiency โดยช่วยให้ผู้ใช้สามารถใช้งานแอปพลิเคชันได้โดยไม่ต้องพึ่งเมาส์มากนัก ขณะที่ How-To Geek ก็ได้เผยแพร่ Cheat Sheet สำหรับคีย์ลัด Office ที่ใช้งานบ่อยที่สุดในชีวิตประจำวันเช่นกัน ทำไม Keyboard Shortcuts ถึงสำคัญ Keyboard Shortcuts ไม่ได้มีไว้สำหรับ Power Users เท่านั้น แต่ช่วยให้ทุกคนสามารถ: ลดการเคลื่อนไหวเมาส์ที่ซ้ำซ้อน ใช้งานแอปพลิเคชันได้รวดเร็วขึ้น มีสมาธิกับงานมากขึ้น ทำ Multitasking ได้ดีขึ้น เพิ่มความเร็วในการแก้ไขเอกสารและกรอกข้อมูล แม้จะประหยัดเวลาได้เพียง 2–3 วินาทีต่อการทำงานหนึ่งครั้ง แต่เมื่อเกิดขึ้นหลายร้อยครั้งต่อวัน ก็กลายเป็นเวลาที่แตกต่างอย่างมาก ใน Community ด้าน Productivity หลายแห่งก็กล่าวถึง Keyboard Shortcuts ว่าเป็นหนึ่งในวิธีที่เร็วที่สุดในการเพิ่มประสิทธิภาพการทำงานบน Microsoft Apps Microsoft 365 shortcuts พื้นฐานที่ทุกคนควรรู้ คีย์ลัดเหล่านี้สามารถใช้งานได้ในแอป Microsoft 365 ส่วนใหญ่ และเป็นพื้นฐานสำคัญของ Workflow ที่เร็วขึ้น การทำงาน คีย์ลัด Windows คัดลอก Ctrl + C วาง Ctrl + V ตัด Ctrl…

กราฟใน Excel ที่ไม่ควรใช้

5 Chart Types You Should Never Use in Excel

Blog

5 กราฟใน Excel ที่ไม่ควรใช้ พร้อมทางเลือกที่อ่านข้อมูลง่ายกว่า Facebook X LinkedIn กราฟถูกสร้างขึ้นมาเพื่อช่วยให้ข้อมูลเข้าใจง่ายขึ้น แต่ในความเป็นจริง กราฟบางประเภทใน Microsoft Excel กลับทำให้ข้อมูลสับสนมากกว่าเดิม แทนที่จะช่วยให้ผู้ชมตีความข้อมูลได้รวดเร็ว กราฟเหล่านี้อาจบิดเบือนการเปรียบเทียบ ซ่อนรูปแบบสำคัญ หรือทำให้ Insight ที่สำคัญมองเห็นได้ยากขึ้น แม้ว่า Excel จะมีตัวเลือกการสร้าง Visualization มากมาย แต่ไม่ได้หมายความว่าทุกกราฟจะเหมาะสำหรับการรายงานทางธุรกิจ Dashboard หรือการตัดสินใจ การเลือกกราฟผิดประเภทอาจนำไปสู่ความสับสน การตีความผิดพลาด และการสื่อสารข้อมูลที่ไม่มีประสิทธิภาพ ต่อไปนี้คือ 5 กราฟใน Excel ที่ไม่ควรใช้ และทางเลือกที่ช่วยให้การนำเสนอข้อมูลชัดเจนและอ่านง่ายมากขึ้น 5 กราฟใน Microsoft Excel ที่ไม่ควรใช้ หยุดใช้ Pie Chart สำหรับการเปรียบเทียบข้อมูลที่ซับซ้อน Pie Chart เป็นหนึ่งในกราฟที่ได้รับความนิยมมากที่สุดใน Excel แต่เมื่อมีหลายหมวดหมู่หรือค่าที่ใกล้เคียงกัน กราฟประเภทนี้จะอ่านยากอย่างรวดเร็ว สายตามนุษย์ไม่สามารถเปรียบเทียบมุมและขนาดของชิ้นส่วนในวงกลมได้อย่างแม่นยำ โดยเฉพาะเมื่อชื่อ Label ยาว หรือมีจำนวน Segment มากเกินไป ยิ่งมีหมวดหมู่เพิ่มขึ้น กราฟก็จะยิ่งดูรกและทำให้การเปรียบเทียบไม่น่าเชื่อถือ แทนที่จะใช้ Pie Chart สำหรับการเปรียบเทียบรายละเอียด Bar Chart มักเป็นตัวเลือกที่ดีกว่ามาก โดยเฉพาะ Horizontal Bar Chart ที่ช่วยให้เปรียบเทียบข้อมูลแบบ Side-by-Side ได้ง่ายขึ้น แม้ชื่อข้อมูลจะยาวหรือค่าจะใกล้เคียงกัน Column Chart ก็เหมาะสำหรับการเปรียบเทียบข้อมูลจำนวนไม่มากหรือการจัดอันดับข้อมูลแบบง่าย เพราะทั้งสองประเภทใช้เส้นฐานตรง ทำให้ผู้ชมมองเห็นความแตกต่างได้ทันทีโดยไม่ต้องประเมินมุมด้วยสายตา หากยังต้องการแสดงสัดส่วนของข้อมูล Sorted Bar Chart พร้อม Percentage Label มักสื่อสารข้อมูลได้มีประสิทธิภาพมากกว่า Pie Chart อย่างชัดเจน หยุดใช้กราฟ 3D เพื่อเพิ่มมิติภาพ กราฟ 3D อาจดูโดดเด่นในครั้งแรกที่เห็น แต่ความลึกที่เพิ่มเข้ามามักทำให้การอ่านข้อมูลแย่ลงมากกว่าดีขึ้น มุมมองแบบ Perspective อาจทำให้ค่าบางค่าดูใหญ่หรือเล็กกว่าความเป็นจริง ข้อมูลที่อยู่ด้านหลังอาจถูกบังบางส่วน ขณะที่เงาและมุมมองต่าง ๆ ทำให้การเปรียบเทียบค่าที่แม่นยำทำได้ยากขึ้น ในงานธุรกิจส่วนใหญ่ ความชัดเจนของข้อมูลสำคัญกว่าความสวยงามของกราฟ กราฟ 2D แบบเรียบง่ายช่วยให้เปรียบเทียบข้อมูลได้ชัดเจนกว่าและทำให้ผู้ชมเข้าใจข้อมูลได้ง่ายขึ้น หากต้องการเน้นข้อมูลสำคัญ วิธีที่มีประสิทธิภาพกว่าคือการใช้: การเน้นสี Data Labels Annotations Conditional Formatting แทนการเพิ่มมิติ 3D ที่ไม่จำเป็น โดยทั่วไปแล้ว กราฟที่เรียบง่ายมักสื่อสารข้อมูลได้ดีกว่ากราฟที่มีความซับซ้อนทางภาพ หยุดใช้ Dual-Axis Chart สำหรับการเปรียบเทียบข้อมูล Dual-Axis Chart คือกราฟที่นำข้อมูลสองชุดที่มี Scale ต่างกันมาแสดงในกราฟเดียวโดยใช้แกนแนวตั้งสองฝั่ง แม้จะดูเหมือนช่วยประหยัดพื้นที่ แต่บ่อยครั้งกลับทำให้เกิดการตีความผิด เนื่องจากทั้งสองแกนใช้ Scale ที่ไม่เหมือนกัน แนวโน้มของข้อมูลอาจดูเหมือนสัมพันธ์กัน ทั้งที่ในความจริงข้อมูลอาจไม่ได้เกี่ยวข้องกันเลย สิ่งนี้อาจทำให้เกิดการขยายความสัมพันธ์เกินจริงหรือสร้าง Pattern ที่ไม่มีอยู่จริง แทนที่จะนำข้อมูลคนละ Scale มาใส่ไว้ในกราฟเดียว ควรพิจารณาใช้ Small Multiples…

ChatGPT Trusted Contact

ChatGPT Trusted Contact: A new Feature Enhancing Mental Health Security

Blog

ChatGPT Trusted Contact: ชั้นความปลอดภัยใหม่สำหรับผู้ใช้งาน ChatGPT Facebook X LinkedIn เมื่อ AI เข้ามามีบทบาทในชีวิตประจำวันมากขึ้น ผู้คนไม่ได้ใช้ระบบ AI เพียงเพื่อการทำงานหรือการค้นคว้าอีกต่อไป แต่ยังใช้สำหรับบทสนทนาส่วนตัวที่มีความละเอียดอ่อนทางอารมณ์อีกด้วย ผู้ใช้จำนวนมากหันมาใช้ ChatGPT เพื่อทบทวนความรู้สึกที่ยากลำบาก สำรวจคำถามส่วนตัว หรือขอคำแนะนำในช่วงเวลาที่มีความเครียด ด้วยความตระหนักถึงบทบาทที่เพิ่มขึ้นของ AI ในบทสนทนาที่มีความอ่อนไหวทางอารมณ์ OpenAI จึงเปิดตัวฟีเจอร์ด้านความปลอดภัยแบบใหม่ที่เป็นตัวเลือกเพิ่มเติมชื่อว่า Trusted Contact ฟีเจอร์นี้ถูกออกแบบมาเพื่อช่วยให้ผู้ใช้สามารถเชื่อมต่อกับบุคคลที่ไว้วางใจได้ในช่วงเวลาที่มีความทุกข์ทางอารมณ์อย่างรุนแรง หรือมีความเสี่ยงต่อการทำร้ายตนเอง Trusted Contact ถือเป็นอีกก้าวหนึ่งของความพยายามในภาพรวมของ OpenAI ในการสร้างระบบ AI ที่สนับสนุนสุขภาวะของมนุษย์ พร้อมทั้งส่งเสริมการเชื่อมต่อกับผู้คนในโลกจริง และการเข้าถึงความช่วยเหลือจากผู้เชี่ยวชาญเมื่อจำเป็น ChatGPT Trusted Contact คืออะไร? Trusted Contact เป็นฟีเจอร์แบบ Optional สำหรับผู้ใช้งาน ChatGPT ที่เป็นผู้ใหญ่ โดยผู้ใช้สามารถระบุบุคคลที่ตนไว้วางใจ เช่น สมาชิกในครอบครัว เพื่อน หรือผู้ดูแล ซึ่งอาจได้รับการแจ้งเตือนหากระบบความปลอดภัยของ OpenAI ตรวจพบว่าบทสนทนามีสัญญาณที่เกี่ยวข้องกับความเสี่ยงในการทำร้ายตนเองอย่างรุนแรง เป้าหมายของฟีเจอร์นี้ไม่ใช่การแทนที่การรักษาทางวิชาชีพหรือบริการฉุกเฉิน แต่เป็นการเสริม “Human Connection” ซึ่งผู้เชี่ยวชาญด้านสุขภาพจิตมองว่าเป็นหนึ่งในปัจจัยสำคัญที่สุดในการป้องกันความเสี่ยง OpenAI เน้นย้ำว่า Trusted Contact จะทำงานร่วมกับระบบความปลอดภัยอื่นๆ ที่มีอยู่แล้วภายใน ChatGPT เช่น การแนะนำสายด่วนช่วยเหลือในแต่ละประเทศ และแนวทางการตอบสนองบทสนทนาแบบเน้นความปลอดภัย ระบบใหม่นี้ยังต่อยอดจากฟีเจอร์การแจ้งเตือนด้านความปลอดภัยสำหรับบัญชีเยาวชนที่เชื่อมโยงกับผู้ปกครอง ซึ่งก่อนหน้านี้มีให้เฉพาะ Teen Account เท่านั้น โดย Trusted Contact ทำให้แนวทางด้านความปลอดภัยนี้ขยายมาสู่ผู้ใช้งานผู้ใหญ่ด้วย ChatGPT Trusted Contact ทำงานอย่างไร ผู้ใช้สามารถเพิ่ม Trusted Contact ได้โดยตรงผ่านหน้าการตั้งค่าบัญชี ChatGPT โดยบุคคลที่ถูกเพิ่มจะต้องยอมรับคำเชิญก่อน ฟีเจอร์จึงจะเริ่มทำงาน หากในภายหลังระบบตรวจจับอัตโนมัติของ OpenAI พบว่าบทสนทนาอาจเกี่ยวข้องกับความเสี่ยงด้านการทำร้ายตนเองอย่างรุนแรง ChatGPT จะแจ้งให้ผู้ใช้ทราบว่า Trusted Contact ของพวกเขาอาจได้รับการแจ้งเตือน พร้อมทั้งกระตุ้นให้ผู้ใช้ติดต่อบุคคลดังกล่าวด้วยตนเอง โดยระบบอาจแนะนำแนวทางเริ่มต้นบทสนทนาเพื่อช่วยให้สื่อสารได้ง่ายขึ้น ก่อนที่จะมีการส่งการแจ้งเตือนใดๆ สถานการณ์ทั้งหมดจะถูกตรวจสอบโดยทีม Human Safety ที่ได้รับการฝึกอบรมเฉพาะทาง และจะมีการแจ้งเตือนไปยัง Trusted Contact ก็ต่อเมื่อทีมตรวจสอบเห็นว่าสถานการณ์ดังกล่าวอาจเป็นความเสี่ยงด้านความปลอดภัยอย่างจริงจัง ตัวการแจ้งเตือนเองถูกออกแบบให้มีข้อมูลจำกัดโดยตั้งใจ โดยจะไม่มีการส่ง Transcript ของบทสนทนา หรือประวัติการสนทนาโดยละเอียดให้กับ Trusted Contact แต่จะแจ้งเพียงข้อมูลทั่วไปว่ามีบทสนทนาที่อาจเกี่ยวข้องกับความเสี่ยงด้านการทำร้ายตนเอง พร้อมแนะนำให้ Trusted Contact ติดต่อพูดคุยกับผู้ใช้ การแจ้งเตือนอาจถูกส่งผ่าน: Email ข้อความ SMS การแจ้งเตือนภายในแอป ChatGPT สำหรับผู้ใช้ ChatGPT OpenAI ระบุว่าผู้ใช้สามารถลบหรือเปลี่ยน Trusted…