วิดีโอเป็นข้อมูลที่องค์กรมีอยู่มหาศาล แต่การให้ AI วิเคราะห์ทุกเฟรมตลอดทั้งวิดีโอยังใช้ทั้งเวลา Compute และต้นทุนสูง Agentic Video กำลังเปลี่ยนแนวคิดนี้ ด้วยการให้ Multimodal AI เลือกเองว่าช่วงไหนสำคัญ ควรดูละเอียดแค่ไหน และข้อมูลใดควรถูกนำไป Reason ต่อ
EXZY AI ชวนคุณมาทำความรู้จัก Agentic Video และสำรวจว่า Multimodal AI กำลังพัฒนาจากการ “มองเห็น” ไปสู่การเลือก วิเคราะห์ และใช้วิดีโออย่างชาญฉลาดเพื่อสร้าง Business Value ได้อย่างไร
ที่ผ่านมาเมื่อเราพูดถึง AI ที่เข้าใจวิดีโอ เรามักนึกถึงระบบที่อ่านเฟรมจำนวนมากแล้วพยายามสรุปว่าเกิดอะไรขึ้น แต่ข้อจำกัดสำคัญของวิธีนี้คือยิ่งวิดีโอยาว ยิ่งใช้ token, compute และค่าใช้จ่ายสูงขึ้น แม้ในหลายกรณีข้อมูลสำคัญจะอยู่เพียงไม่กี่ช่วงของวิดีโอ
Google เปิดตัวแนวคิด Agentic Video Understanding ใน Gemini โดยให้โมเดลวางแผนการตรวจวิดีโอและเลือกช่วงที่ควรเจาะลึกเอง แทนการประมวลผลทุกส่วนด้วยความละเอียดเท่ากัน Google ระบุว่าวิธีนี้สามารถลดการใช้ token ได้สูงสุด 88% ลดต้นทุนได้สูงสุด 66% และเพิ่มคุณภาพของผลลัพธ์ได้สูงสุด 7% ในงานทดสอบของบริษัท
ตัวเลขเหล่านี้น่าสนใจ แต่สิ่งที่สำคัญกว่าคือแนวคิดเบื้องหลัง: AI เริ่มมีความสามารถในการ “บริหาร attention ของตัวเอง”
Multimodal AI ไม่ได้หมายถึงแค่รับ Input ได้หลายแบบ
ในช่วงไม่กี่ปีที่ผ่านมา Multimodal AI มักถูกอธิบายว่าเป็น AI ที่รับ Text, Image, Audio และ Video ได้ แต่ถ้ามองในมุม Product การรับข้อมูลได้หลายชนิดเป็นเพียงจุดเริ่มต้น
ความฉลาดที่แท้จริงเกิดขึ้นเมื่อระบบรู้ว่า:
- ข้อมูลส่วนไหนสำคัญ
- ควรดูละเอียดเมื่อไร
- ควรข้ามส่วนไหน
- ต้องย้อนกลับไปตรวจจุดใดอีกครั้ง
- ควรเรียก Tool หรือโมดูลอื่นมาช่วยเมื่อไร
Agentic Video จึงเป็นตัวอย่างที่ดีของการเปลี่ยนจาก “Multimodal Input” ไปสู่ “Multimodal Reasoning”
ทำไมเรื่องนี้ถึงสำคัญต่อธุรกิจ
วิดีโอเป็นข้อมูลที่องค์กรมีอยู่มหาศาล แต่ใช้งานต่อได้ยาก ไม่ว่าจะเป็น CCTV, training video, meeting recording, factory footage, customer service call recording, property walkthrough, event footage หรือ product demo
ปัญหาไม่ใช่ว่า AI ดูวิดีโอไม่ได้ แต่คือการทำให้การวิเคราะห์วิดีโอจำนวนมากมี Cost ที่สมเหตุสมผล
ถ้า AI สามารถเลือกช่วงสำคัญเองได้ Use Case หลายอย่างจะเริ่ม practical มากขึ้น เช่น:
1. Workplace & Facility
ตรวจเหตุการณ์ผิดปกติจากวิดีโอโดยไม่ต้องประมวลผลทุกเฟรมด้วยความละเอียดสูงตลอดเวลา
2. Training & Learning
หาเฉพาะช่วงที่ผู้สอนอธิบาย Concept สำคัญ แล้วสร้าง Summary, Quiz หรือ Learning asset จากช่วงนั้น
3. Retail & Customer Experience
วิเคราะห์ Customer journey จากวิดีโอเพื่อหาช่วงที่ลูกค้าหยุดดูสินค้า เกิด queue หรือมี interaction ที่ต้องสนใจ
4. Manufacturing & Maintenance
ค้นหาช่วงก่อนและหลังเกิดความผิดปกติแทนการวิเคราะห์ footage ทั้งวันแบบเท่ากันทุกช่วง
5. Meeting Intelligence
AI อาจเลือกย้อนดูช่วงที่มี Decision, disagreement หรือ Action item แทนการอ่าน transcript อย่างเดียว
Cost Efficiency เริ่มเป็นส่วนหนึ่งของ AI Intelligence
สิ่งที่น่าสนใจอีกอย่างคือ เรามักวัด AI จาก Benchmark ด้าน Accuracy แต่เมื่อ AI ถูกใช้จริงใน Production ตัวชี้วัดอย่าง latency, token consumption และ cost per task มีความสำคัญพอ ๆ กัน
AI ที่ฉลาดขึ้นแต่ต้องใช้ compute มากขึ้นหลายเท่าอาจไม่ใช่ Product ที่ดีกว่าสำหรับทุก Use Case
แนวคิด Agentic Video แสดงให้เห็นทิศทางใหม่: AI ไม่จำเป็นต้อง “คิดหนัก” กับทุกข้อมูล แต่ควรเลือกใช้ความสามารถเท่าที่จำเป็นต่อ Objective
นี่สอดคล้องกับหลักคิดของ Exzy ว่า Technology ที่ดีไม่ใช่การใช้ AI มากที่สุด แต่คือการใช้ Intelligence ตรงจุดที่สร้างคุณค่า
จาก Video Analytics สู่ Video Agent
Video Analytics แบบเดิมมักถูกกำหนด Rule ชัด เช่น ตรวจคนเข้าเขต, ตรวจจำนวนคน หรือจับวัตถุเฉพาะประเภท
Video Agent ในอนาคตอาจทำงานต่างออกไป เช่น ผู้ใช้ถามว่า:
“ช่วยหาสาเหตุว่าทำไมพื้นที่หน้าห้องประชุมชั้น 18 มีคนหนาแน่นผิดปกติช่วงบ่าย”
Agent อาจวางแผนเองว่า ต้องดูช่วงเวลาใด ตรวจ camera ไหน เปรียบเทียบ footage ก่อนหน้า และเชื่อมกับข้อมูล booking หรือ event schedule ก่อนสรุปสาเหตุ
นี่ไม่ใช่แค่ Computer Vision แต่เป็นการเชื่อม Perception + Reasoning + Context + Tool Use
สิ่งที่องค์กรควรเตรียม
การนำ Video AI มาใช้ไม่ได้มีแค่เรื่อง Model แต่ต้องคิดเรื่อง Privacy, Consent, Data Retention, Permission และ Audit Trail ตั้งแต่ต้น โดยเฉพาะ Use Case ที่เกี่ยวข้องกับพนักงานหรือลูกค้า
องค์กรควรกำหนด Objective ชัดว่าต้องการ Insight อะไร และหลีกเลี่ยงการเก็บหรือวิเคราะห์ข้อมูลมากเกินความจำเป็น
Exzy Perspective
Multimodal AI รุ่นต่อไปจะไม่ได้เก่งเพราะ “มองเห็นทุกอย่าง” อย่างเดียว แต่เก่งเพราะรู้ว่าอะไรควรได้รับความสนใจในแต่ละ Task
เมื่อ AI สามารถเลือกข้อมูล วิเคราะห์เฉพาะจุด และเชื่อมผลที่เห็นเข้ากับ Workflow อื่นได้ วิดีโอจะเปลี่ยนจากข้อมูลที่เก็บไว้ย้อนหลัง กลายเป็น Operational Context ที่ระบบสามารถนำไปใช้ตัดสินใจต่อได้
มีโปรเจกต์หรือโจทย์ธุรกิจที่อยากนำ AI มาใช้?
หากองค์กรของคุณกำลังมองหาวิธีนำ AI มาใช้กับงานจริง แต่ยังไม่แน่ใจว่าควรเริ่มจากจุดไหน หรือ Use Case แบบใดจะเหมาะกับธุรกิจมากที่สุด สามารถพูดคุยกับทีมผู้เชี่ยวชาญของ EXZY AI ได้
เราช่วยตั้งแต่วิเคราะห์โจทย์และ Workflow ที่มีอยู่ มองหาโอกาสที่ AI สามารถเข้ามาช่วยลดขั้นตอน เพิ่ม Productivity หรือยกระดับกระบวนการทำงาน ไปจนถึงออกแบบแนวทางและพัฒนา AI Solution ที่เหมาะกับบริบท ข้อมูล ระบบ และข้อจำกัดของแต่ละองค์กร
พูดคุยกับทีม EXZY AI ได้ที่
Facebook: Exzy AI
โทร. 095-919-1963
FAQs
Agentic Video ต่างจาก Video Analytics เดิมอย่างไร?
Agentic Video คือการใช้ AI วิเคราะห์วิดีโอแบบยืดหยุ่นมากขึ้น โดย AI สามารถเลือกดูช่วงที่เกี่ยวข้อง ค้นหาสิ่งที่ต้องการ และปรับวิธีการวิเคราะห์ตามเป้าหมายของงานได้ ขณะที่ Video Analytics แบบเดิมมักทำงานตามกฎหรือเงื่อนไขที่ตั้งไว้ล่วงหน้า
ทำไมการลดปริมาณข้อมูลที่ AI ต้องประมวลผลในวิดีโอจึงสำคัญ?
เพราะวิดีโอมีข้อมูลจำนวนมาก หาก AI ต้องประมวลผลทุกภาพตลอดเวลา จะทำให้ระบบช้าและมีต้นทุนสูง การเลือกวิเคราะห์เฉพาะส่วนที่จำเป็นจึงช่วยให้ระบบทำงานเร็วขึ้น ประหยัดค่าใช้จ่าย และนำไปใช้งานจริงได้ง่ายขึ้น
ธุรกิจไทยสามารถนำ Agentic Video ไปใช้ด้านใดได้บ้าง?
ธุรกิจที่มีการใช้กล้องหรือวิดีโออยู่แล้วมีโอกาสนำ Agentic Video ไปใช้ได้หลายด้าน เช่น ตรวจสอบอาคารและพื้นที่ เพิ่มความปลอดภัย วิเคราะห์การทำงานในโรงงาน ตรวจสอบหน้าร้าน ช่วยในการฝึกอบรม หรือค้นหาข้อมูลสำคัญจากวิดีโอการประชุม
