Microsoft Foundry คืออะไร? เจาะลึกเครื่องมือสร้าง AI Agent สุดเทพจากงาน Microsoft Ignite
สวัสดีครับเพื่อน ๆ ชาว 9Expert! วันนี้ผมจะพาไป Recap เนื้อหาเด็ด ๆ จากงาน Microsoft Ignite ที่ผ่านมา โดยเฉพาะ session ที่พูดถึงเรื่อง Microsoft Foundry (หรือที่หลายคนคุ้นเคยในชื่อ Azure AI Foundry) ซึ่งเป็นการ Rebrand ครั้งใหญ่ที่น่าสนใจมาก ๆ
Speaker : Witthawin Sripheanpol (HowKnow IKnow)
จากงาน Microsoft Ignite ที่ 9Expert Training ที่ผ่านมา
เคยไหมครับ? อยากสร้าง AI Agent เก่ง ๆ สักตัว แต่ติดปัญหาเรื่องต้องหา Server แรง ๆ ต้องมานั่ง Host Model เอง หรือกลัวข้อมูลรั่วไหล วันนี้เราจะมาคุยกันว่า Microsoft Foundry จะเข้ามาแก้ปัญหาเหล่านี้ และช่วยให้เรา Build and Manage AI ได้ง่ายขึ้นอย่างไร รับรองว่าอ่านจบแล้วเห็นภาพชัดเจนแน่นอนครับ!
Reference : Microsoft
5 ฟีเจอร์เด็ดของ Microsoft Foundry ที่ Dev ต้องรู้
1. Model Selection: เลือกช้อปโมเดลได้เหมือนเดินห้าง
ปัญหาคลาสสิกของคนทำ AI คือ "Hardware ไม่พอ" จะรันโมเดลเก่ง ๆ อย่าง 70B หรือ 405B ทีหนึ่ง ต้องใช้ RAM มหาศาล คอมเครื่องละแสนก็อาจจะไม่ไหว
แต่ใน Microsoft Foundry เขาเป็น Model-as-a-Service ครับ คือเราไม่ต้อง Host เอง เราแค่จิ้มเลือกเลยว่าอยากใช้ตัวไหน
OpenAI: GPT-4o, GPT-3.5
Open Source: Llama, Gemma
Anthropic: Claude 3 (Opus, Sonnet, Haiku)
เราสามารถสลับโมเดลไปมาได้ (Model Router) ถ้าตัวเล็กไม่ฉลาดพอ ก็สลับไปใช้ตัวใหญ่ หรือถ้างานง่าย ๆ ก็ใช้ตัวเล็กเพื่อประหยัด Cost ทำได้หมดครับ
2. เก่งขึ้นด้วย Knowledge & RAG (ไม่ต้องเทรนใหม่ให้เปลืองเงิน)
การเทรนโมเดลใหม่ (Fine-tuning) แต่ละครั้งใช้เงินหลักแสน! แต่ Microsoft Foundry มีฟีเจอร์ที่เรียกว่า "Add Knowledge" เราสามารถโยนไฟล์ PDF, เอกสารบริษัท, หรือไฟล์วิดีโอ เข้าไปเป็น Database ให้ AI วิ่งเข้าไปอ่านได้เลย (เทคนิค RAG) วิธีนี้ AI จะตอบคำถามจากข้อมูลของเราได้แม่นยำ โดยที่เราไม่ต้องเสียเงินเทรนโมเดลใหม่เรื่อย ๆ ครับ
3. เชื่อมต่อโลกภายนอกด้วย Tools & MCP
ถ้า AI ตอบได้แค่ใน Text มันก็เหมือนคนเก่งที่ถูกขังในห้องครับ แต่ใน Foundry เราสามารถใส่ Tools ให้มันได้ผ่าน MCP (Model Context Protocol) เช่น
Bing Search: ให้ AI ออกไปค้นข้อมูล Real-time บนอินเทอร์เน็ต
Internal Tools: เชื่อมต่อกับระบบภายในบริษัท
สิ่งนี้ช่วยลดอาการ "มั่ว" (Hallucinate) เพราะ AI จะไปดึงข้อมูลจริงมาตอบ ไม่ใช่นั่งเทียนเขียนเองครับ
4. ฉลาดล้ำด้วย Memory & Context
ลองนึกภาพ Call Center ครับ ถ้าลูกค้าโทรมาขายประกัน แล้ว AI จำไม่ได้ว่าลูกค้าคนนี้เคยซื้ออะไรไป หรือชอบคุยสไตล์ไหน ลูกค้าคงหงุดหงิดแย่ Microsoft Foundry มีระบบ Memory ที่จำ History การคุย และจำ Personality ของลูกค้าได้ เช่น ลูกค้าชอบคุยภาษาเทคนิค หรือลูกค้าเคยถามเรื่อง Linux ไว้ ครั้งหน้าคุยกัน AI ก็จะหยิบ Context เดิมมาคุยต่อได้ทันที ดูใส่ใจสุด ๆ!
5. ความปลอดภัยและการ Deploy (Cloud vs On-Premise)
สำหรับองค์กร เรื่องข้อมูลรั่วไหลคือเรื่องใหญ่ครับ Microsoft Foundry ตอบโจทย์นี้ด้วยความยืดหยุ่น:
On Cloud: รันบน Azure สะดวก สเกลได้
On-Premise / Edge: สำหรับข้อมูลสำคัญมาก ๆ เราสามารถรัน Agent บน Server ของเราเอง โดยให้ AI วิ่งมาดึงข้อมูลใน Local Storage โดยไม่ต้องเอาข้อมูลลูกค้าขึ้น Cloud ก็ทำได้
ทำไมต้องมี Dashboard? (Monitoring & Evaluation)
การสร้าง AI เสร็จ ไม่ใช่จุดจบครับ แต่มันคือจุดเริ่มต้น...
สมมติเราปล่อย AI ให้พนักงานใช้ แล้วพนักงานถามว่า "เย็นนี้กินอะไรดี?" หรือ "ขอสูตรระเบิดหน่อย" เราคงไม่อยากให้บอทตอบใช่ไหมครับ?
Microsoft Foundry มี Dashboard สำหรับ Monitor และ Evaluate ให้เราเห็นเลยว่า
User ถามอะไรเข้ามาบ้าง?
AI ตอบช้าไหม (Latency)?
คำตอบถูกต้องหรือเปล่า? (Accuracy)
มีการใช้งานที่ผิดวัตถุประสงค์ไหม?
ช่วยให้เราปรับปรุง (Optimize) ตัว Agent ให้เก่งขึ้นเรื่อย ๆ โดยไม่ต้องมานั่งเขียน Tool ตรวจสอบเองครับ
อยากเริ่มสร้าง AI Agent แล้วทำไงดี?
ใครที่อ่านแล้วคันไม้คันมือ อยากลองสร้าง AI Agent ของตัวเอง แนะนำให้เข้าไปลองเล่นที่ Microsoft Foundry ได้เลยครับ มี Template และ Use Case ให้ลองเพียบ! หรือเครื่องมือการสร้าง Agent ด้วย Copilot Studio ก็เป็นเครื่องมือที่น่าสนใจมาก ๆ อีกเครื่องมือ
บทความ การสร้าง AI Agent แบบ Low Code ด้วย Microsoft Foundry
แต่ถ้าใครอยากเรียนรู้แบบจับมือทำ เจาะลึกการใช้ Prompt Engineering และการสร้าง AI เพื่อธุรกิจ อย่าลืมติดตามคอร์สเรียนดี ๆ จาก 9Expert Training นะครับ เรามีเนื้อหาอัปเดตใหม่ ๆ รอคุณอยู่เสมอ!
