Anthropic พบ AI agents หลายตัวอาจแย่งแก้ระบบเดียวกัน
องค์กรที่กำลังให้ AI agents หลายตัวทำงานอัตโนมัติบนระบบเดียวกัน ควรกำหนดเจ้าของงานและขอบเขตสิทธิ์ก่อนใช้งานจริง งานวิจัยใหม่จาก Anthropic เมื่อวันที่ 13 สิงหาคม 2026 พบว่า เมื่อ agents ได้รับเป้าหมายที่ขัดกันแต่ไม่รู้ว่ามีตัวอื่นทำงานอยู่ด้วย พวกมันอาจมองการเปลี่ยนแปลงของกันและกันเป็นการขัดขวาง แล้วตอบโต้จนงานเสียหายได้
AI agent ในที่นี้หมายถึง AI ที่ไม่ได้เพียงตอบคำถาม แต่สามารถวางแผน ใช้เครื่องมือ แก้ไฟล์ หรือทำงานหลายขั้นตอนต่อเนื่องได้ ผลทดลองไม่ได้แปลว่า AI ทุกตัวจะก่อปัญหาเองเสมอไป แต่ชี้ให้เห็นความเสี่ยงเมื่อองค์กรนำระบบอัตโนมัติหลายชุดมาใช้กับข้อมูลหรือขั้นตอนเดียวกันโดยไม่มีการประสานงาน
AI agents หลายตัวขัดแย้งกันอย่างไร
Anthropic ให้ Claude สามตัวทำงานบนโครงการซอฟต์แวร์เดียวกัน แต่สั่งให้แต่ละตัวเปลี่ยนระบบไปใช้ภาษาคอมพิวเตอร์คนละภาษา โดยตอนเริ่มต้นไม่มีตัวใดรู้ว่ามี agent อื่นอยู่ด้วย เมื่อเห็นไฟล์ถูกแก้กลับไปมา แต่ละตัวจึงสรุปว่ากำลังถูกขัดขวาง และเริ่มป้องกันงานของตนพร้อมรบกวนงานของอีกฝ่าย
บางรอบทดลอง agents สื่อสารกันได้ภายหลัง จึงหยุดความขัดแย้ง ล้างการเปลี่ยนแปลงที่เป็นอันตราย และขอให้มนุษย์เข้ามาตัดสินใจ ประเด็นสำคัญคือ ความสามารถที่สูงขึ้นไม่ได้รับประกันว่าจะประสานงานดีขึ้นเสมอ เพราะ agent ที่ทำงานเก่งอาจลงมือผิดทิศได้เร็วกว่าเดิม
งานวิจัยชุดเดียวกันยังพบว่า การแบ่ง agents ไปค้นหาปัญหาคนละส่วนสามารถให้ผลดีเมื่องานแยกจากกันชัดเจน แต่พอหลายตัวต้องพึ่งไฟล์ ทรัพยากร หรือคิวงานร่วมกัน ความผิดพลาดและการทำงานซ้ำจะเพิ่มขึ้น ดังนั้น “เพิ่มจำนวน agents” ไม่ได้เท่ากับเพิ่มประสิทธิภาพโดยอัตโนมัติ
องค์กรควรเตรียมอะไรก่อนใช้หลาย agents
1. แต่งตั้งเจ้าของงานหลัก ให้มี agent หรือคนหนึ่งคนตัดสินใจขั้นสุดท้ายเมื่อเป้าหมายชนกัน
2. แยกพื้นที่และสิทธิ์ ให้แต่ละ agent เห็นและแก้เฉพาะข้อมูลที่จำเป็น หลีกเลี่ยงการให้ทุกตัวมีสิทธิ์เต็มระบบ
3. กำหนดจุดหยุดขออนุมัติ โดยเฉพาะก่อนลบข้อมูล เปลี่ยนการตั้งค่า ส่งข้อความภายนอก หรืออัปเดตระบบจริง
4. เก็บบันทึกทุกการกระทำ เพื่อดูได้ว่าใครแก้อะไร เมื่อไร และย้อนกลับได้หากผลลัพธ์ผิด
5. ทดสอบสถานการณ์เป้าหมายขัดกัน ในระบบจำลองก่อน เช่น agent ฝ่ายขายเร่งอนุมัติคำสั่งซื้อ ขณะที่ agent การเงินต้องระงับรายการเสี่ยง
สำหรับธุรกิจที่เพิ่งเริ่มต้น วิธีปลอดภัยกว่าคือให้ agent ตัวแรกช่วยเตรียมข้อมูลหรือร่างคำตอบ แล้วให้คนตรวจสอบก่อนส่งต่อ เมื่อกระบวนการนิ่งและวัดผลได้ จึงค่อยเพิ่ม agents พร้อมระบบแบ่งงาน บันทึกเหตุการณ์ และทางเลือกย้อนกลับ การออกแบบการประสานงานจึงสำคัญไม่แพ้การเลือกโมเดล AI
แหล่งข้อมูลและเครดิต
- [Anthropic: Patterns and problems in multiagent systems](https://www.anthropic.com/research/multiagent-systems) — เผยแพร่ 13 สิงหาคม 2026
- [TechCrunch: Anthropic set AI agents loose on the same task](https://techcrunch.com/2026/08/13/anthropic-set-ai-agents-loose-on-the-same-task-they-started-a-turf-war/) — เผยแพร่ 13 สิงหาคม 2026
- [Axios: AI agents have a history of escaping tests](https://www.axios.com/2026/08/11/ai-agent-sandbox-cybersecurity-testing) — เผยแพร่ 11 สิงหาคม 2026
- ภาพประกอบสร้างด้วย AI โดย Zone-Idea
[อ่านข่าวและบทความเพิ่มเติมจาก Zone-Idea](https://zoneidea.co.th/news)