มองจากฤดูกาลรายงาน Q2 ปี 2026 ของหุ้นสหรัฐฯ และ A-share ว่า Agent เกิดอะไรขึ้นจริง

ผู้เขียน: qinbafrank

สองวันนี้ผมไล่ดูรายงานการเงินของบริษัท Agent ทั้งในตลาดหุ้นสหรัฐฯ และ A-share แล้วรู้สึกชัดเจนมาก: Agent เริ่มก้าวออกจากงานเปิดตัวเข้าสู่รายงานการเงินแล้ว

ปีที่ผ่านมา ตลาดมอง Agent โดยจับตาว่าโมเดลเรียกใช้เครื่องมือได้ไหม ทำงานหลายขั้นตอนต่อเนื่องได้หรือไม่ และบริษัทหนึ่งเปิดตัว Agent ออกมากี่ตัว

มาถึงฤดูกาลรายงานครั้งนี้ ตัวชี้วัดเปลี่ยนไปอย่างชัดเจน ตอนนี้เริ่มดูว่า Agent สร้าง ARR ได้เท่าไร ACV เท่าไร นำมาซึ่งคำสั่งซื้อใหม่เท่าไร มีลูกค้ากี่รายที่เข้าสู่สภาพแวดล้อมการผลิตจริง และแต่ละไตรมาสทำงานสำเร็จจริงมากน้อยแค่ไหน

การเปลี่ยนแปลงนี้สำคัญมาก

ผลิตภัณฑ์ที่รันได้เพียงพิสูจน์ว่าทิศทางเทคนิคถูกต้อง แต่เมื่อรายได้ สัญญา การเก็บเงิน และกำไรเริ่มปรากฏ จึงจะพิสูจน์ว่าองค์กรยินดีจ่ายเงินเพื่อความสามารถนี้อย่างต่อเนื่อง

ดังนั้น ผมจึงค่อนข้างมองว่าปี 2026 เป็น "ปีแรกแห่งการพิสูจน์ทางการเงิน" ของ Agent ระดับองค์กร ที่นี่หมายถึงปีแรกแห่งการพิสูจน์ ยังห่างไกลจากความสมบูรณ์ของอุตสาหกรรม แต่อย่างน้อยก็เริ่มมีข้อมูลจริงชุดแรกที่ใส่ลงในโมเดลการเงินได้แล้ว

หนึ่ง ตลาดหุ้นสหรัฐฯ ให้คำตอบรอบแรกแล้ว

บริษัทที่เห็นชัดที่สุดในตอนนี้ ล้วนครอบครองข้อมูล สิทธิ์ และเวิร์กโฟลว์ภายในองค์กร

1. ServiceNow ไตรมาสสองมีรายได้จากการสมัครสมาชิก 3,877 ล้านดอลลาร์สหรัฐ เพิ่มขึ้น 24.5% เมื่อเทียบกับปีก่อน ACV ของธุรกิจ AI ทะลุ 1 พันล้านดอลลาร์สหรัฐ และจำนวนการนำ Agent ไปใช้เพิ่มขึ้น 9 เท่าภายในเก้าเดือน

ก่อนหน้านี้หลายคนมอง ServiceNow เป็นซอฟต์แวร์จัดการทิกเก็ตไอทีและเวิร์กโฟลว์ แต่ตอนนี้มันดูเหมือนศูนย์ควบคุม Agent ขององค์กรมากขึ้นเรื่อยๆ

ภายในองค์กรในอนาคตอาจรัน Claude, Gemini, OpenAI และโมเดลเฉพาะทางต่างๆ พร้อมกัน คำถามว่า Agent ตัวไหนเข้าถึงข้อมูลใดได้บ้าง ทำหน้าที่แทนใครได้ การกระทำใดต้องขออนุมัติ และเมื่อเกิดข้อผิดพลาดจะย้อนกลับอย่างไร ล้วนต้องมีชั้นการกำกับดูแลที่เป็นหนึ่งเดียว

ServiceNow ยืนอยู่ในตำแหน่งนี้แล้ว สิ่งที่ขายค่อยๆ ขยายจากซอฟต์แวร์เวิร์กโฟลว์ ไปสู่ระบบตัวตน สิทธิ์ การตรวจสอบ และการดำเนินการของ Agent

2. การพิสูจน์ของ Salesforce ก็ตรงไปตรงมา

ARR ของ Agentforce เกิน 1.5 พันล้านดอลลาร์สหรัฐแล้ว เพิ่มขึ้นกว่า 240% เมื่อเทียบกับปีก่อน ARR รวมของ Agentforce และ Data 360 เกือบ 3.9 พันล้านดอลลาร์สหรัฐ ไตรมาสสอง Agentforce และ Slack ทำ Agentic Work Units (หน่วยงาน Agentic) สำเร็จ 3.2 พันล้านหน่วย เพิ่มขึ้น 97% จากไตรมาสก่อน

ก่อนหน้านี้ตลาดถกเถียงเรื่อง Salesforce โดยกังวลว่าโมเดลภาษาขนาดใหญ่ทั่วไปจะเลี่ยง CRM และ接管งานขายกับบริการลูกค้าโดยตรง แต่ตอนนี้เห็นว่า โมเดลใหญ่จะทำงานองค์กรให้สำเร็จจริง ยังต้องอาศัยข้อมูลลูกค้า คำสั่งซื้อในอดีต สถานะสัญญา ลีดการขาย และระบบสิทธิ์

Claude รับผิดชอบการเข้าใจเจตนาได้ ส่วน Salesforce ถือครองบริบททางธุรกิจและแนวทางการดำเนินการ

แน่นอนว่า อัตราเติบโต 240% ต่อปีต้องลดทอนลงเล็กน้อย Salesforce เริ่มขยายขอบเขตการนับ ARR ของ Agentforce ตั้งแต่ไตรมาสนี้ โดยรวมผลิตภัณฑ์ AI อื่นๆ Slackbot และ Headless 360 (ผลิตภัณฑ์ AI) เข้ามา ทิศทางชัดเจนแล้ว แต่อัตราการเติบโตที่แท้จริงยังต้องพิจารณาร่วมกับการเปลี่ยนแปลงขอบเขตการนับ

3. รายงานการเงินของ Workday ก็เป็นตัวแทนที่ดี

AI มีส่วนช่วยสร้าง ACV ใหม่เกิน 25% แล้ว และมีลูกค้ามากกว่า 5,500 รายที่ใช้ Agent ที่ Workday พัฒนาเองอย่างน้อยหนึ่งตัว

ข้อมูลชุดนี้ชี้ว่า ในสถานการณ์ละเอียดอ่อนอย่าง HR การเงิน และการตรวจสอบ องค์กรไม่ได้เลี่ยงแพลตฟอร์มซอฟต์แวร์เดิมง่ายๆ ข้อมูลพนักงาน กฎค่าตอบแทน ระเบียบการเงิน และสิทธิ์องค์กรล้วนฝังอยู่ใน Workday Agent จึงต้องทำงานตามเส้นทางที่แน่นอนเหล่านี้

สำหรับบริษัท SaaS ดั้งเดิมหลายแห่ง AI อาจบีบส่วนของหน้าเพจ ปุ่ม และผู้ใช้งานที่มีมูลค่าต่ำลงจริง แต่แพลตฟอร์มที่ถือครองข้อมูลหลักและกฎธุรกิจ กลับอาจได้โอกาสขายเพิ่มใหม่จาก Agent

4. Palantir เป็นอีกรูปแบบหนึ่ง

ไตรมาสสองรายได้เพิ่มขึ้น 93% เมื่อเทียบกับปีก่อน รายได้เชิงพาณิชย์ในสหรัฐฯ เพิ่มขึ้น 149% จุดแข็งของ Palantir อยู่ที่การเชื่อมข้อมูลองค์กร วัตถุทางธุรกิจ สิทธิ์ และกระบวนการผลิตจริงเข้าด้วยกัน แล้วใช้ซอฟต์แวร์ตัดสินใจและดำเนินการ

ผลิตภัณฑ์ Agent จำนวนมากหยุดอยู่ที่ "ช่วยสร้างคำตอบให้คุณ" แต่ Palantir ใกล้เคียงกับ "ช่วยองค์กรบรรลุผลลัพธ์" มากกว่า

บริษัทผู้ผลิตสนใจว่าเครื่องจักรหยุดทำงานลดลงเท่าไร บริษัทซัพพลายเชนสนใจว่าการหมุนเวียนสินค้าคงคลังดีขึ้นแค่ไหน ทีมขายสนใจว่าอัตราการแปลงดีขึ้นเท่าไร สิ่งที่องค์กรยินดีจ่ายแพงในท้ายที่สุด มักเป็นผลลัพธ์ทางธุรกิจที่วัดปริมาณได้เหล่านี้

เมื่อมองบริษัทเหล่านี้รวมกัน จะเห็นแนวโน้มชัดเจนมาก:

กลุ่มแรกที่ได้ผลตอบแทนจาก Agent ล้วนเป็นบริษัทที่อยู่ในระบบธุรกิจหลักขององค์กรอยู่แล้ว

ความสามารถของโมเดลสำคัญแน่นอน แต่การติดตั้ง Agent ในองค์กรยังต้องใช้ข้อมูล สิทธิ์ กระบวนการ การตรวจสอบ และช่องทางเข้าถึงลูกค้า การต่อโมเดลตัวเดียวแล้วทำอินเทอร์เฟซแชตชั้นเดียว อุปสรรคในการเข้าสู่ตลาดจะลดลงอย่างรวดเร็ว นี่คือสิ่งที่เคยพูดถึงในบทความยาวเรื่อง AI เข้าสู่ยุคเอนจิเนียริ่ง: SaaS ที่ครอบครองเวิร์กโฟลว์และข้อมูลเฉพาะหลักอย่างแท้จริง จะถือครองทางเข้างาน วัตถุทางธุรกิจ ความหมายทางธุรกิจ สิทธิ์ผู้ใช้ ข้อมูลการดำเนินการในอดีต บันทึกระบบ กฎอุตสาหกรรม การดำเนินการขั้นสุดท้าย และผลตอบรับจากลูกค้า

สอง การเปลี่ยนแปลงสำคัญที่สุดของฤดูกาลรายงานครั้งนี้ คือวิธีวัดเปลี่ยนไป

ก่อนหน้านี้ การประเมินผลิตภัณฑ์ AI ตลาดมักดูผู้ใช้ลงทะเบียน ลูกค้าทดลองใช้ และปริมาณการเรียกใช้ Token (โทเคน) ตัวชี้วัดเหล่านี้พิสูจน์ได้ว่าคนสนใจ แต่พิสูจน์ได้ยากว่าโมเดลธุรกิจ成立

ตอนนี้บริษัทจำนวนมากขึ้นเริ่มเปิดเผยว่า AI มีส่วนสร้าง ACV ใหม่เท่าไร Agent สร้าง ARR เท่าไร มีลูกค้ากี่รายที่ย้ายจากการทดลองเข้าสู่สภาพแวดล้อมการผลิต และทำงานสำเร็จจริงกี่งาน

Salesforce เริ่มใช้ Agentic Work Units (หน่วยงาน Agentic) วัดปริมาณงาน นี่เป็นสัญญาณสำคัญมาก

ก่อนหน้านี้ SaaS เก็บเงินตามที่นั่งเป็นหลัก: องค์กรมีพนักงานหนึ่งหมื่นคน ก็ซื้อหนึ่งหมื่นบัญชี อนาคต Agent ทำงานจำนวนมากแทนองค์กร วิธีเก็บเงินอาจค่อยๆ เปลี่ยนเป็น:

ค่าธรรมเนียมพื้นฐานต่อผู้ใช้งาน + ปริมาณการใช้ AI + ปริมาณงานที่สำเร็จ;

ต่อไปอีก ในบางสถานการณ์มูลค่าสูงอาจเก็บเงินตามผลลัพธ์ด้วยซ้ำ

เช่น Agent บริการลูกค้าแก้ทิกเก็ตได้กี่ใบ Agent ขายคัดกรองลีดได้กี่ราย Agent การเงินภาษีประมวลผลเอกสารได้กี่ใบ Agent ความปลอดภัยปิดเหตุการณ์ความเสี่ยงได้กี่รายการ

เมื่อหน่วยการเรียกเก็บเงินเปลี่ยนจาก "มีคนใช้ซอฟต์แวร์กี่คน" เป็น "ซอฟต์แวร์ทำงานสำเร็จเท่าไร" เพดานรายได้ของ SaaS ก็จะเปลี่ยนไปด้วย

มันเริ่มเข้ามาเกี่ยวข้องกับต้นทุนแรงงาน ค่าใช้จ่ายเอาต์ซอร์ส และงบดำเนินงานขององค์กร แทนที่จะแค่จัดสรรใหม่ภายในงบไอที

สาม ทำไมการยกระดับความฉลาดของโมเดลจึงทำให้ Agent เป็นอุตสาหกรรมระยะยาว

สาย Agent มีเกณฑ์ความสามารถที่ชัดเจนมาก: สมมติว่า Agent ตัวหนึ่งมีอัตราความสำเร็จในการทำงานขั้นตอนเดียว 95% เมื่อทำงานต่อเนื่องสิบขั้นตอน โอกาสที่งานทั้งหมดสำเร็จสมบูรณ์จะเหลือเพียงประมาณ 60%

ดังนั้น Agent ยุคแรกมักมีปัญหา: แต่ละขั้นตอนดูฉลาด แต่พอใส่ในกระบวนการยาวจริงก็เริ่มผิดพลาด องค์กรยังต้องจัดพนักงานตรวจสอบ แก้ไข และทำซ้ำ สุดท้ายประหยัดเวลาได้ไม่มาก

เมื่อความสามารถในการให้เหตุผล ความยาวคอนเท็กซ์ การเรียกใช้เครื่องมือ และความจำของโมเดลดีขึ้น สถานการณ์นี้จะค่อยๆ ดีขึ้น: Agent ทำขั้นตอนต่อเนื่องได้มากขึ้น จุดที่ต้องใช้คนแทรกแซงน้อยลง งานที่เดิมไม่สามารถอัตโนมัติได้ก็จะข้ามเกณฑ์เชิงพาณิชย์

นี่ไม่ใช่กระบวนการพัฒนาที่สม่ำเสมอ

ความสามารถของโมเดลเพิ่มขึ้นเล็กน้อย อาจแค่ทำให้คำตอบลื่นไหลขึ้น แต่เมื่อความน่าเชื่อถือข้ามเกณฑ์หนึ่งไปแล้ว เวิร์กโฟลว์ทั้งเส้นก็มีโอกาสถูกทำอัตโนมัติทั้งหมด

ดังนั้น รายได้ของ Agent ในอนาคตอาจแสดงความไม่เป็นเส้นตรงอย่างมาก

วันนี้ทำได้แค่จัดระเบียบข้อมูล ขั้นต่อไปกรอกระบบได้ ต่อไปอีกส่งขออนุมัติ ติดตามความคืบหน้า และจัดการข้อผิดพลาดได้ ทุกขั้นตอนที่ทำเพิ่มได้ มูลค่าทางธุรกิจจะเพิ่มขึ้นอย่างชัดเจน

นี่คือเหตุผลที่ Agent ไม่จำเป็นต้องบรรลุสิ่งที่เรียกว่าปัญญาประดิษฐ์ทั่วไปก่อน

การเงินภาษี บริการลูกค้า การดูแลระบบไอที การคัดกรองลีดขาย และการประมวลผลเอกสาร ล้วนมีงานจำนวนมากที่มีขอบเขตชัดเจน ทำซ้ำบ่อย และตรวจสอบผลลัพธ์ได้ นี่คือสถานการณ์ที่สองที่เคยพูดถึงหลังจากเรื่องการเขียนโค้ดที่เป็นอันตราย:

ขอเพียง Agent ทำงานส่วนใหญ่เหล่านี้ได้อย่างเสถียร ROI ของลูกค้าก็成立แล้ว

สี่ A-share ก็เริ่มพิสูจน์แล้ว แต่เส้นทางต่างจากหุ้นสหรัฐฯ

หุ้นสหรัฐฯ ที่兑现ก่อนตอนนี้คือบริษัทแพลตฟอร์มองค์กรและเวิร์กโฟลว์ ส่วน A-share น่าจับตาสถานการณ์เฉพาะทางมากกว่า

1. Kingsoft Office ครึ่งปีแรกมีรายได้ 3.313 พันล้านหยวน เพิ่มขึ้น 24.69% เมื่อเทียบกับปีก่อน WPS 365 เติบโตเกิน 60% ติดต่อกันหกไตรมาสแล้ว

ข้อได้เปรียบของ Kingsoft Office ชัดเจนมาก มันมีทางเข้าเอกสาร ความสามารถด้านฟอร์แมต ความสัมพันธ์การทำงานร่วมกัน และข้อมูลสำนักงานขององค์กร Agent สำนักงานในอนาคตสามารถสร้าง แก้ไข ตรวจสอบ และส่งมอบเอกสารได้โดยตรง ซึ่งมีค่ามากกว่าการวางหน้าต่างแชตไว้ข้างเอกสาร

แต่กำไรสุทธิส่วนที่เป็นของผู้ถือหุ้นบริษัทแม่ของ Kingsoft Office ครึ่งปีแรกเพิ่มขึ้นเกิน 200% ส่วนใหญ่มาจากรายได้จากการลงทุน เมื่อดูธุรกิจหลัก ยังต้องแยกรายการที่เกิดขึ้นครั้งเดียวเหล่านี้ออก

2. Servyou เป็นกรณีที่ค่อนข้างเป็นตัวแทนของ Agent แนวตั้งใน A-share

ครึ่งปีแรกมีรายได้ 1.012 พันล้านหยวน เพิ่มขึ้น 9.72% เมื่อเทียบกับปีก่อน กำไรสุทธิหลังหักรายการที่ไม่เกิดขึ้นเป็นประจำเพิ่มขึ้น 44.04% การเก็บเงินจากผลิตภัณฑ์และธุรกิจ AI คิดเป็น 33% ของการเก็บเงินจากธุรกิจการเงินภาษีดิจิทัลอัจฉริยะแล้ว สูงกว่า 28% ของทั้งปี 2025

สถานการณ์การเงินภาษีเหมาะกับ Agent มาก กฎค่อนข้างชัดเจน ข้อมูลมีโครงสร้างสูง ผลลัพธ์ตรวจสอบซ้ำได้ และลูกค้ายินดีจ่ายเพื่อลดต้นทุนแรงงานและความเสี่ยงทางภาษี

ธุรกิจประเภทนี้ไม่ต้องให้โมเดลทำได้ทุกอย่าง ขอเพียงทำได้น่าเชื่อถือพอในสถานการณ์แคบๆ ก็สร้างรายได้จริงได้

3. Hand Enterprise Solutions

ครึ่งปีแรกมีรายได้จากธุรกิจ AI อัจฉริยะประมาณ 220 ล้านหยวน เพิ่มขึ้นเกิน 100% เมื่อเทียบกับปีก่อน คิดเป็นสัดส่วนสองหลักของรายได้บริษัทแล้ว

Hand ทำการติดตั้งระบบ ERP, ซัพพลายเชน, การผลิต และการเงินมานาน ปัญหาใหญ่ที่สุดในการนำ Agent ไปใช้จริงขององค์กรมักอยู่ที่การเชื่อมต่อระบบเก่า ข้อมูลที่ไม่เป็นมาตรฐาน และกระบวนการอนุมัติที่ซับซ้อน Hand คุ้นเคยกับ环节เหล่านี้ จึงมีโอกาสเป็นชั้นการติดตั้งและบูรณาการ AI ขององค์กรในประเทศ

แต่ A-share ต้องระวังคุณภาพการเงินเป็นพิเศษ ดังนั้นโอกาสของ Agent ใน A-share มีมาก แต่ความยากในการวิเคราะห์อาจสูงกว่าหุ้นสหรัฐฯ

หลายบริษัทยังมีรายได้ตามโครงการเป็นหลัก ธุรกิจ AI จะเป็นมาตรฐานได้ไหม อัตรากำไรขั้นต้นจะเพิ่มขึ้นได้หรือไม่ และจะเปลี่ยนจากการติดตั้งครั้งเดียวเป็นการสมัครสมาชิกและเก็บเงินตามปริมาณการใช้ต่อเนื่องได้หรือไม่ ยังต้องติดตามดูต่อไป

ห้า ห่วงโซ่อุตสาหกรรม Agent อาจก่อตัวเป็นโครงสร้างสี่ชั้น

ชั้นแรกคือโมเดลพื้นฐานและพลังการประมวลผล กำหนดขีดจำกัดความฉลาดและต้นทุนการอนุมานของ Agent

ชั้นที่สองคือข้อมูล ตัวตน สิทธิ์ และการกำกับดูแล ServiceNow, Salesforce, Workday กำลังแย่งชิงชั้นนี้อยู่

ชั้นที่สามคือการจัดการเวิร์กโฟลว์และการดำเนินการ Palantir, UiPath และผู้ให้บริการดิจิทัลองค์กรบางรายแข่งขันกันที่นี่

ชั้นที่สี่คือ Agent อุตสาหกรรมเฉพาะทาง รวมถึงการเงินภาษี สำนักงาน กฎหมาย การแพทย์ การผลิต บริการลูกค้า และการขาย

ปัจจุบันการพิสูจน์ทางการเงินชัดเจนที่สุดคือชั้นที่สอง

องค์กรไม่กล้าให้ Agent ที่ไม่มีขอบเขตสิทธิ์และตรวจสอบไม่ได้ดำเนินการระบบหลักโดยตรง ดังนั้นแพลตฟอร์มข้อมูลและการกำกับดูแลจึงมีความได้เปรียบในการครองตลาดที่แข็งแกร่งมาก

พื้นที่ระยะยาวที่ยืดหยุ่นกว่าอาจเป็นชั้นที่สี่ Agent แนวตั้งสามารถเทียบกับปริมาณงานเฉพาะได้โดยตรง ROI คำนวณง่าย และเข้าสู่งบแรงงานและเอาต์ซอร์สได้ง่ายกว่า

ชั้นที่สามกำหนดว่า Agent จะเข้าสู่สภาพแวดล้อมการผลิตได้จริงหรือไม่ โมเดลคิดเป็นอย่างเดียวไม่พอ ยังต้องเชื่อมต่อระบบเก่า เรียกใช้เครื่องมือ จัดการข้อผิดพลาด และรันกระบวนการให้จบสมบูรณ์

UiPath จะเป็นกรณีศึกษาที่สำคัญมาก บริษัทวางแผนประกาศรายงานการเงินไตรมาสสองหลังปิดตลาดวันที่ 3 กันยายน 2026 ตามเวลาตะวันออกของสหรัฐฯ ตอนนั้นจะตัดสินความเร็วในการยกระดับจาก RPA ดั้งเดิมสู่ชั้นการดำเนินการของ Agent ได้เพิ่มเติม

หก ต่อไปจะมองบริษัท Agent อย่างไร

ต่อไปเมื่อดูบริษัทประเภทนี้ ผมคิดว่าตัวชี้วัดหลายตัวจะสำคัญขึ้นเรื่อยๆ:

1. ดู ARR, ACV และรายได้จริงที่เกี่ยวข้องกับ AI ก่อน แล้วค่อยดูจำนวนลูกค้าในสภาพแวดล้อมการใช้งานจริง คุณค่าอ้างอิงของลูกค้าทดลองใช้จะลดลงเรื่อยๆ

2. จากนั้นดูการมีส่วนของ AI ต่อสัญญาใหม่ ข้อมูล "AI คิดเป็นเกิน 25% ของ ACV ใหม่" ที่ Workday เปิดเผย มีความหมายมากกว่าการปล่อย Agent ออกมากี่ตัว

3. ต้องดูปริมาณการเรียกใช้งาน อัตราความสำเร็จของงานที่เสร็จสมบูรณ์ อัตราการต่ออายุ และอัตราการขยายตัวของลูกค้าด้วย

4. สุดท้ายกลับมาที่รายงานการเงิน สังเกตอัตรากำไรขั้นต้นหลังหักต้นทุนการประมวลผล วงจรการติดตั้ง ลูกหนี้การค้า และกระแสเงินสดจากการดำเนินงาน

ถ้าทุก Agent ที่นำไปใช้จริง ต้องใช้วิศวกรจำนวนมากทำ customization ครึ่งปี มันก็ใกล้เคียงบริการไอทีดั้งเดิม

ถ้า Agent ทำซ้ำได้เร็ว ยิ่งลูกค้าใช้มาก ต้นทุนต่อหน่วยยิ่งต่ำ เลเวอเรจในการดำเนินงานของบริษัทซอฟต์แวร์จึงจะปลดปล่อยออกมาจริง

สุดท้าย ความเข้าใจต่อสาย Agent:

1) การยกระดับความฉลาดของโมเดล กำหนดว่า Agent ทำอะไรได้มากน้อยแค่ไหน

2) ข้อมูล สิทธิ์ และเวิร์กโฟลว์ขององค์กร กำหนดว่าความฉลาดนี้เข้าสู่ระบบการผลิตได้อย่างปลอดภัยหรือไม่

3) ผลลัพธ์งานจริง กำหนดว่าลูกค้ายินดีจ่ายเท่าไร

การอัปเกรดโมเดลแต่ละครั้ง จะผลักขอบเขตงานที่อัตโนมัติได้ออกไปอีก

วันนี้คือการเขียนโปรแกรม บริการลูกค้า และเอกสาร ต่อไปจะเข้าสู่การเงิน การขาย ซัพพลายเชน การแพทย์ และสถานการณ์เฉพาะทางอีกมาก เมื่อความน่าเชื่อถือดีขึ้น การตรวจสอบโดยคนลดลง เศรษฐศาสตร์ต่อหน่วยจะดีขึ้นต่อเนื่อง

ดังนั้น Agent น่าจะเป็นอุตสาหกรรมใหม่ที่ช่วยเพิ่มประสิทธิภาพที่ดำเนินต่อไปได้หลายปี

แต่โอกาสรอบนี้จะไม่กระจายอย่างเท่าเทียม

ผู้ชนะกลุ่มแรกน่าจะเป็นแพลตฟอร์มที่ควบคุมข้อมูลองค์กรและกระบวนการธุรกิจอยู่แล้ว กลุ่มที่สองคือบริษัทชั้นดำเนินการที่ติดตั้ง AI ลงในสภาพแวดล้อมการผลิตและปิดวงจรงานได้จริง ความยืดหยุ่นของ A-share มาจากสถานการณ์เฉพาะทางมากกว่า แต่คุณภาพการเงินและมาตรฐานรายได้ต้องจับตาอย่างใกล้ชิดกว่า

ปี 2026 เป็นเหมือนปีแรกแห่งการพิสูจน์ทางการเงินของ Agent มากกว่า ก่อนหน้านี้ตลาดถกเถียงว่าโมเดลฉลาดแค่ไหน ต่อไปจะสนใจมากขึ้นเรื่อยๆ ว่า: มันทำงานสำเร็จเท่าไร ช่วยลูกค้าประหยัดเงินได้เท่าไร และมูลค่าเท่าไรที่เข้าสู่รายได้ กำไร และกระแสเงินสดของบริษัทจดทะเบียนในที่สุด