Contact
Line : comsiam
Contact
Line : comsiam

SharePoint Agent คือผู้ช่วย AI ที่สามารถกำหนดให้ตอบคำถามจากข้อมูลเฉพาะภายใน SharePoint เช่น เอกสารโครงการ คู่มือ SOP, Policy, Product Information หรือ Knowledge Base ของทีม
แทนที่จะให้พนักงานเปิดเอกสารหลายสิบไฟล์เพื่อหาคำตอบ ผู้ดูแลสามารถสร้าง Agent ที่มีขอบเขตความรู้ชัดเจน แล้วให้ผู้ใช้งานถามด้วยภาษาธรรมชาติ เช่น “ขั้นตอนขอสิทธิ์ระบบคืออะไร” หรือ “สรุปสถานะโครงการล่าสุดให้หน่อย”
บทความนี้ comsiam จะอธิบายวิธีสร้าง Agent ใน SharePoint ตั้งแต่การเลือกข้อมูล กำหนดวัตถุประสงค์ ตั้งชื่อ เขียน Instructions ไปจนถึงทดสอบและแชร์ Agent ให้ทีมใช้งานจริง
Agent คือผู้ช่วย AI ที่ถูกกำหนดขอบเขตให้ทำงานกับข้อมูลเฉพาะ
เช่น
ช่วยให้การค้นหาความรู้ใน SharePoint ง่ายขึ้น
การค้นหาแบบปกติอาจคืนรายการไฟล์
แต่ Agent สามารถช่วย
จากข้อมูลที่อยู่ใน Scope ของ Agent
เหมาะกับงานที่มีเอกสารจำนวนมากและมีคำถามซ้ำ ๆ
เช่น
ก่อนสร้างควรถามว่า
Agent นี้สร้างขึ้นเพื่อช่วยเรื่องอะไร
เช่น
ตอบคำถามเกี่ยวกับนโยบาย HR
หรือ
ช่วยทีมขายค้นข้อมูลสินค้า
เป้าหมายต้องชัดก่อนเลือกข้อมูล
Agent ที่มี Scope ใหญ่มากอาจตอบข้อมูลกว้างและหา Context ได้ยาก
ควรเริ่มจาก Use Case ชัด ๆ
เช่น
IT Onboarding Agent
ดีกว่า
Company Everything Agent
ควรใช้ SharePoint Site ที่มีข้อมูลเกี่ยวข้องโดยตรง
ตัวอย่าง
ช่วยให้ Knowledge Scope ชัดขึ้น
หากข้อมูลอยู่ใน Library เดียว สามารถสร้าง Agent สำหรับเอกสารใน Library นั้นได้
เหมาะกับ
ถ้าไม่ต้องการใช้ทั้ง Library สามารถเลือกเฉพาะไฟล์ที่เกี่ยวข้องกับ Agent
ช่วยลดข้อมูลที่ไม่จำเป็น
ควรเลือกไฟล์ที่
ไม่ควรใส่ทุกไฟล์เพียงเพราะมีอยู่
ก่อนเพิ่มเอกสารควรตรวจ
เพื่อไม่ให้ Agent ใช้ข้อมูลเก่าปะปนกับข้อมูลใหม่
ชื่อควรบอกทันทีว่า Agent ทำอะไร
เช่น
ชื่อกว้างอย่าง “My Agent” ไม่ช่วยให้ผู้ใช้เข้าใจ
Description ควรสั้นและชัด
ตัวอย่าง
ผู้ช่วยค้นหาและตอบคำถามจากนโยบาย HR และคู่มือพนักงาน
ช่วยให้คนรู้ว่าควรถามอะไร
Prompt แนวคิด
Agent นี้มีหน้าที่ตอบคำถามเกี่ยวกับนโยบาย HR และคู่มือพนักงาน โดยใช้เฉพาะข้อมูลจากเอกสารที่กำหนด
ช่วยกำหนดขอบเขต
ควรบอก Agent ว่าต้องตอบอย่างไร
เช่น
ช่วยเพิ่มความน่าเชื่อถือ
ใช้แนวทาง
ตอบโดยใช้เฉพาะข้อมูลจาก Knowledge Sources ที่กำหนด หากไม่พบข้อมูลให้ตอบว่าไม่พบ และห้ามเดาข้อมูลเพิ่มเติม
เหมาะกับงานองค์กร
ตัวอย่าง
ตอบเป็นภาษาไทย กระชับ และใช้ Bullet เมื่อมีหลายประเด็น
ช่วยให้ผลลัพธ์สม่ำเสมอ
Agent สำหรับผู้บริหารอาจตอบสั้นและเน้น
Agent สำหรับทีมเทคนิคอาจเน้น
ควรออกแบบตามผู้ใช้จริง
Use Case ตัวอย่าง
ตอบคำถามเกี่ยวกับวันลา Benefits, Onboarding และ Policy
เหมาะกับ Employee Self-service
ใช้ข้อมูล เช่น
ช่วยลดคำถามซ้ำของทีม IT
Agent สามารถช่วยตอบเรื่อง
จากเอกสารโครงการ
สามารถใช้ข้อมูล
ช่วยฝ่ายขายค้นข้อมูลได้เร็ว
เหมาะกับองค์กรที่มีสินค้าหลายรุ่น
ผู้ใช้อาจถาม
รุ่นนี้ต่างจากอีกรุ่นอย่างไร
หรือ
มี Specification อะไรบ้าง
Agent นี้ควรใช้เฉพาะ Policy ที่ Approved และเป็น Version ปัจจุบัน
สำคัญมากสำหรับข้อมูลที่มีผลต่อพนักงาน
ใช้ข้อมูลจาก
เหมาะกับ Support Portal
ควรเพิ่มเฉพาะข้อมูลที่เกี่ยวข้อง
อย่าคิดว่าเพิ่มข้อมูลเยอะที่สุดแล้ว Agent จะดีขึ้นเสมอ
คุณภาพของ Source สำคัญกว่าปริมาณ
Agent ไม่ควรถูกใช้เป็นวิธีข้ามสิทธิ์
ควรตรวจว่า
ก่อนแชร์
Agent ควรตอบจากข้อมูลที่ผู้ใช้นั้นมีสิทธิ์เข้าถึง
ดังนั้นคนสองคนอาจได้รับคำตอบไม่เหมือนกันถ้าสิทธิ์ต่างกัน
เช่น
ไม่ควรใช้เป็น Knowledge Source ทั่วไป
ก่อนเพิ่ม Source ควรตรวจว่าเอกสารมีข้อมูลส่วนบุคคลเกินความจำเป็นหรือไม่
โดยเฉพาะ HR และ Customer Data
อย่าแชร์ทันที
ควรเริ่มจากคำถามพื้นฐาน
เช่น
Agent นี้ช่วยเรื่องอะไรได้บ้าง
แล้วตรวจว่าตอบตรงวัตถุประสงค์หรือไม่
ตัวอย่าง
นโยบายวันลาพักร้อนคืออะไร
ดูว่า Agent หาเอกสารถูกหรือไม่
เช่น
พนักงานใหม่ต้องเปิดบัญชีระบบอะไรบ้าง
ช่วยตรวจว่า Agent เข้าใจรายละเอียดใน Source หรือไม่
ถามสิ่งที่รู้ว่าไม่มีอยู่
แล้วดูว่า Agent ตอบ
ไม่พบข้อมูล
หรือพยายามเดา
นี่เป็น Test สำคัญมาก
หากมีเอกสารสอง Version
ถามคำถามที่ค่าแตกต่างกัน
Agent ควรระบุความขัดแย้ง แทนเลือกเองโดยไม่มีหลักฐาน
ถาม
แล้วตรวจกับเอกสารต้นฉบับ
ถาม Deadline หรือ Effective Date
แล้วตรวจว่าตรงต้นฉบับหรือไม่
Prompt
ใครรับผิดชอบกระบวนการนี้
จากนั้นตรวจว่า Agent ไม่เดาชื่อขึ้นเอง
ควรมีตัวอย่างคำถามให้ผู้ใช้
เช่น
ช่วยให้เริ่มใช้งานง่ายขึ้น
แทน
ถามอะไรฉันก็ได้
ควรใช้
สรุป Policy การทำงานจากบ้าน
หรือ
หา Deadline สำคัญของโครงการนี้
ชัดกว่า
Agent สำหรับพนักงานอาจใช้ภาษาง่าย
Agent สำหรับ Technical Team อาจใช้ศัพท์เทคนิคได้มากกว่า
ควรกำหนดใน Instructions
Instruction
เริ่มด้วยคำตอบสั้นก่อน แล้วค่อยอธิบายรายละเอียดเมื่อจำเป็น
ช่วยให้ใช้งานเร็วขึ้น
ใช้
หากคำตอบมีหลายข้อ ให้จัดเป็น Bullet
เหมาะกับ FAQ และ SOP
ตัวอย่างคำสั่งสำหรับผู้ใช้
จาก SOP นี้ สร้าง Checklist สำหรับผู้ปฏิบัติงาน
Agent สามารถช่วยเปลี่ยน Knowledge เป็น Action ได้
ผู้ใช้อาจถาม
สรุปเอกสารทั้งหมดที่เกี่ยวกับหัวข้อนี้เป็น 10 Bullet
ช่วยลดเวลาอ่าน
เช่น
เปรียบเทียบ Product A กับ Product B ตามเอกสารที่มี
เหมาะกับ Product Agent
สำหรับ Project Agent ใช้
จาก Meeting Notes ล่าสุด มี Action Items อะไรบ้าง
ช่วยติดตามงาน
Prompt
มี Risk ใดถูกระบุในเอกสารโครงการล่าสุด
เหมาะกับ Project Management
ใช้
มี Decision ใดได้รับอนุมัติแล้ว
ช่วยค้นข้อมูลจาก Minutes
Prompt
มี Deadline อะไรที่กำลังจะมาถึงตามข้อมูลในเอกสาร
ควรตรวจวันที่ต้นฉบับอีกครั้ง
อย่ารีบสร้าง Agent ใหม่
ควรตรวจ
ก่อน
ลด Scope ของ Source
และเพิ่ม Instruction ว่า
ตอบเฉพาะข้อมูลที่เกี่ยวข้องกับหัวข้อนี้
ช่วยให้ตรง Intent ขึ้น
ตรวจว่า
ก่อนสรุปว่า Agent ใช้งานไม่ได้
ควรตรวจ Source และเอาไฟล์เก่าที่ไม่ควรใช้ออก
หรือจัดการ Version ของเอกสารให้ชัด
เพิ่ม Instruction
หากไม่มีหลักฐานจาก Source ให้ตอบว่าไม่พบข้อมูล ห้ามประมาณหรือคาดเดา
ช่วยลด Hallucination
หลังทดสอบแล้วสามารถแชร์ Agent ให้ผู้ใช้ที่เกี่ยวข้องตามสิทธิ์ขององค์กร
ควรเริ่มจากกลุ่มเล็กก่อน
ให้พนักงานลองถามคำถามจริง
แล้วเก็บ Feedback เช่น
ช่วยปรับ Agent ให้ดีขึ้น
Agent จะดีได้เท่ากับข้อมูลต้นทาง
ถ้า SharePoint มี
Agent ก็อาจได้รับผลกระทบตามไปด้วย
ควร Review
เป็นระยะตามกระบวนการองค์กร
สร้าง Agent สำหรับตอบคำถามพนักงานจาก HR Policy และ Employee Handbook โดยตอบเป็นภาษาไทย ใช้ Bullet เมื่อเหมาะสม ใช้เฉพาะข้อมูลใน Source และถ้าไม่พบข้อมูลให้ตอบว่าไม่พบ ห้ามเดา
สร้าง Agent สำหรับ IT Support โดยใช้ Knowledge Base, SOP และ Troubleshooting Guide เป็นแหล่งข้อมูล ตอบเป็นขั้นตอน และห้ามสร้าง Configuration ที่ไม่มีในเอกสาร
สร้าง Agent สำหรับ Project โดยใช้ Scope, Timeline, Meeting Minutes และ Status Reports เป็น Knowledge Source ให้ช่วยตอบ Current Status, Risks, Decisions, Action Items และ Deadlines โดยใช้เฉพาะข้อมูลที่มี
สร้าง Agent สำหรับทีมขายโดยใช้ Product Documents, Pricing และ Sales Guide เป็น Knowledge Source ให้ช่วยตอบ Product Comparison, Benefits และข้อมูล Proposal โดยห้ามสร้างราคาใหม่เอง
ตรวจอย่างน้อย 15 ข้อ
มีลักษณะคล้ายผู้ช่วยสนทนาที่ตอบจากขอบเขต Knowledge ที่กำหนด แต่ควรมองว่าเป็นผู้ช่วยทำงานกับข้อมูลใน SharePoint มากกว่าการเป็น Chatbot ทั่วไป
ขึ้นอยู่กับ Scope และวิธีที่กำหนดตอนสร้าง รวมถึงสิทธิ์และความสามารถของประสบการณ์ที่องค์กรใช้งาน
ได้ในประสบการณ์ที่รองรับ
AI มีโอกาสตอบคลาดเคลื่อนได้ จึงควรกำหนด Instruction ให้ใช้เฉพาะข้อมูลต้นทางและทดสอบก่อนใช้งานจริง
สามารถแชร์ Custom Agent ให้ผู้ใช้ที่เกี่ยวข้องได้ตามสิทธิ์และการตั้งค่าขององค์กร
ใช้สูตร
Purpose + Audience + Knowledge Sources + Tasks + Response Format + Restrictions
ตัวอย่าง
สร้าง Agent สำหรับทีม IT โดยใช้ SOP และ Knowledge Base ที่กำหนด ให้ช่วยตอบคำถาม Troubleshooting และ Setup ตอบเป็นขั้นตอนสั้น ๆ ใช้เฉพาะข้อมูลจาก Source หากไม่พบให้ตอบว่าไม่พบ และห้ามเดาค่า Configuration
สูตรนี้ช่วยกำหนด Agent ได้ชัดเจนมากขึ้น
วิธีสร้าง Agent ใน SharePoint ให้ได้ผลดีที่สุด ไม่ใช่เพียงกดสร้าง Agent แล้วเพิ่มเอกสารจำนวนมาก แต่ควรเริ่มจาก
กำหนด Use Case → เลือก Source → ตรวจ Version → ตั้งชื่อ → เขียน Instructions → กำหนดพฤติกรรม → ทดสอบ → ตรวจ Permission → แชร์ให้ผู้ใช้
Agent ที่ดีควรตอบได้ว่า
Instruction ที่พร้อมใช้คือ
“ตอบคำถามโดยใช้เฉพาะ Knowledge Sources ที่กำหนด ตอบให้ตรงคำถามและกระชับ ใช้ Bullet เมื่อมีหลายประเด็น หากพบข้อมูลขัดกันให้ระบุทุกค่า หากไม่พบข้อมูลให้ตอบว่าไม่พบ และห้ามคาดเดาหรือสร้างข้อมูลใหม่เอง”
comsiam แนะนำให้เริ่มสร้าง SharePoint Agent จากงานเล็กที่มีขอบเขตชัด เช่น HR Policy, IT Knowledge Base หรือ Project เดียวก่อน เมื่อทดสอบจนแม่นและทีมใช้งานได้จริงแล้วจึงค่อยขยาย Knowledge Sources เพิ่ม เพราะ Agent ที่ขอบเขตชัดมักดูแลและตรวจสอบคำตอบได้ง่ายกว่า Agent ที่รวมข้อมูลทุกอย่างขององค์กรไว้ตั้งแต่วันแรก