Liberty Mutual สร้าง AI backbone เพื่อรับมือกับการหยุดบริการของ Fable 5

ที่มาภาพ: VentureBeat

AI-อ่าน 7 นาทีVentureBeat

Liberty Mutual สร้าง AI backbone เพื่อรับมือกับการหยุดบริการของ Fable 5

⚡ สรุป 30 วิ

Liberty Mutual สร้าง AI backbone ภายในเพื่อให้สลับโมเดลได้ทันทีเมื่อ Fable 5 หยุดบริการ ระบบใช้ Amazon Bedrock AgentCore และ 50…

Liberty Mutual สามารถหลีกเลี่ยงผลกระทบจากการหยุดให้บริการของ Anthropic Fable 5 ที่ถูกถอนออกจากตลาดระหว่างประเทศเป็นเวลาเกือบสามสัปดาห์ได้อย่างราบรื่น เนื่องจากบริษัทได้สร้าง “AI backbone” ของตนเองตั้งแต่ 18 เดือนก่อนหน้านั้น การเตรียมพร้อมนี้ทำให้ผู้ประกันภัยที่มีอายุการดำเนินธุรกิจกว่า 100 ปี สามารถสลับไปใช้แพลตฟอร์มอื่นได้โดยไม่ต้องหยุดชะงักของกระบวนการสำคัญ

Overview

บริษัท Liberty Mutual ซึ่งก่อตั้งตั้งแต่ปี 1909 เป็นผู้ให้บริการประกันทรัพย์สินและความรับผิดแบบครบวงจร มีแนวคิดว่าการเป็นอิสระจากผู้จำหน่ายเทคโนโลยีเดียวเป็นข้อได้เปรียบเชิงปฏิบัติการในยุค AI ที่เปลี่ยนแปลงเร็ว Brian Craig ผู้อำนวยการระดับสูงด้านสถาปัตยกรรมของบริษัทกล่าวว่า “สิ่งต่าง ๆ กำลังเปลี่ยนแปลงอย่างรวดเร็ว เราต้องมี backbone ที่ยืดหยุ่น ไม่สามารถล็อกตัวกับผู้ขายหรือกรอบงานเดียวได้” การออกแบบระบบที่เน้นความเป็นโมเดล‑agnostic ทำให้ Liberty Mutual สามารถเลือกใช้โมเดล AI ใดก็ได้ตามระดับความมั่นใจในช่วงหกเดือนต่อมา

Architecture Details

AI backbone ของ Liberty Mutual ถูกสร้างเป็น “control plane” ภายในบริษัทเอง ส่วน runtime ด้านล่างทำหน้าที่รันเอเจนต์ซึ่งเลือกใช้ Amazon Bedrock AgentCore ของ AWS แม้จะไม่ใช่ศูนย์กลางเชิงกลยุทธ์ แต่ช่วยให้สามารถสลับกรอบงานได้อย่างรวดเร็ว สถาปัตยกรรมประกอบด้วยประมาณ 50 คอมโพเนนท์ ที่ครอบคลุมด้านความปลอดภัย การจัดการตัวตน การประสานงาน การจำกัดเครื่องมือ และนโยบายที่กำหนดพฤติกรรมของเอเจนต์ ทุกคอมโพเนนท์ถูกออกแบบให้สามารถเปลี่ยนทดแทนได้ทันทีโดยไม่ส่งผลกระทบต่อระบบอื่น ๆ

Software Factory

Liberty Mutual ใช้ “software factory” ซึ่งเป็นไลน์การทำงานอัตโนมัติที่สร้างขึ้นจากเอเจนต์หลายตัวเพื่อจัดการกับขั้นตอนการพัฒนาเอกสารการบริหารจัดการเนื้อหา (ECM) ของผลิตภัณฑ์ประกัน ตัวเอเจนต์หลักมีดังนี้

  • Epic agent รับข้อกำหนดระดับสูง
  • Story agent แบ่งงานเป็นส่วนย่อยตามแอปพลิเคชันเฉพาะ
  • Planning agent กำหนดแผนการดำเนินการทางเทคนิค
  • Coding/Testing agent ทำการเขียนโค้ด ทดสอบ และตรวจทานขั้นต้น
  • Triage (critic) agent ตรวจคุณภาพและให้ข้อเสนอแนะปรับปรุง
  • Librarian agent ค้นหาและจัดเก็บความรู้ที่เกี่ยวข้อง

การแบ่งงานออกเป็นหกเอเจนต์ทำให้ขนาดของ “context window” ลดลงอย่างมาก ส่งผลให้แต่ละเอเจนต์สามารถโฟกัสได้ชัดเจนและตอบสนองได้เร็วขึ้น ในช่วงทดลองใช้ครั้งแรก ระบบสามารถทำงานที่เคยต้องใช้เวลาสามเดือนเสร็จในหนึ่งสัปดาห์ ซึ่งแสดงถึงการลดขั้นตอนส่งต่อ (handoff) ที่เป็นคอขวดสำคัญของกระบวนการพัฒนาซอฟต์แวร์แบบเดิม

Human‑paced Automation

แม้ว่า “factory” จะทำงานโดยอัตโนมัติ แต่ก็ยังดำเนินการตามจังหวะที่ผู้ใช้กำหนด เริ่มแรกทีมตั้งค่ากระบวนการให้รันในรูปแบบกะกลางคืนเพื่อให้ได้ผลลัพธ์ในเช้าวันถัดไป อย่างไรก็ตาม พบว่ามีงานไม่เพียงพอทำให้เอเจนต์ไม่มีภารกิจตลอดคืนและรู้สึกว่าเป็นจังหวะที่ไม่ธรรมชาติ จึงปรับเป็น “iterative loop” ที่ผู้ใช้สามารถเรียกใช้งาน factory ได้ตามต้องการ กำหนดช่วงเวลาที่จะหยุดพัก และเลือกขั้นตอนใดบ้างที่จะทำการตรวจสอบผลลัพธ์

ชั้นการประสานงาน (orchestration layer) ให้ทีมกำหนดจุดตรวจสอบหลังจากขั้นตอน Epic, Planning หรือหลังจาก Coding/Testing เสร็จสิ้น ผู้ใช้สามารถหยุดหรือดำเนินต่อได้ตามความพร้อมของตน การออกแบบนี้ช่วยลดเวลารอคอยภายในกระบวนการและสร้าง “feedback loop” ระหว่างมนุษย์กับเอเจนต์ ทำให้ระบบเรียนรู้และปรับตัวได้เร็วขึ้น คล้ายกับฟลายวีลที่เร่งความเร็วเมื่อมีข้อมูลสะสมมากพอ

Contract Strategy

Liberty Mutual ยังเปลี่ยนแนวทางการทำสัญญากับผู้ให้บริการ AI จากข้อตกลงระยะยาวห้า‑ปีเป็นสัญญาระยะสั้นหนึ่ง‑ปี ความคิดพื้นฐานคือ “ตลาด AI มีความเคลื่อนไหวเร็วเกินกว่าจะล็อกตัวกับผู้ขายหรือกรอบงานเป็นเวลาหลายปี” การทำสัญญาสั้นช่วยให้บริษัทสามารถประเมินและเปลี่ยนโมเดลหรือแพลตฟอร์มได้ตามราคาตลาด ตัวอย่างเช่น เมื่อ Fable 5 ปรากฏขึ้น แม้ว่าจะมีราคา “สูงเกินคาด” แต่ระบบของ Liberty Mutual สามารถทดลองใช้และเปรียบเทียบต้นทุนกับโมเดลอื่น ๆ ได้โดยไม่ต้องทำการปรับโครงสร้างพื้นฐานใหม่

Impact

ผลจากการนำ AI backbone และ software factory ไปใช้งานจริงทำให้ Liberty Mutual ลดระยะเวลาการพัฒนาเอกสารสำคัญจากหลายเดือนเหลือเพียงวันเดียว พร้อมกับเพิ่มความยืดหยุ่นในการสลับใช้โมเดล AI ต่าง ๆ เมื่อตลาดมีการเปลี่ยนแปลงหรือเกิดเหตุการณ์เช่นการหยุดให้บริการของ Fable 5 บริษัทสามารถดำเนินงานต่อได้โดยไม่มีการหยุดชะงัก การผสมผสานระหว่างเทคโนโลยีอัตโนมัติและการควบคุมจากมนุษย์ทำให้เกิดระบบที่สามารถตอบสนองต่อความต้องการของธุรกิจประกันภัยในยุคดิจิทัลได้อย่างมีประสิทธิภาพ

Summary

Liberty Mutual แสดงให้เห็นว่าการสร้าง AI backbone ที่อิสระและโมเดล‑agnostic สามารถทำให้บริษัทหลีกเลี่ยงผลกระทบจากการหยุดบริการของผู้ขาย AI รายใหญ่ได้ การออกแบบสถาปัตยกรรมที่เน้นความสามารถในการเปลี่ยนแปลงอย่างรวดเร็ว พร้อมกับแนวทางสัญญาระยะสั้น ทำให้บริษัทพร้อมรับมือกับการพัฒนาเทคโนโลยีในอนาคตอย่างต่อเนื่อง.

แชร์บทความนี้:

ชอบบทความแบบนี้?

สมัคร AI Automate Weekly Newsletter — รับเคล็ดลับ AI + how-to ใหม่
ทุกสัปดาห์ตรงถึง inbox ฟรี ไม่มีสแปม

แหล่งข่าวต้นฉบับ

ชื่อต้นฉบับ
The AI architecture that let Liberty Mutual shrug off the Fable 5 outage
ผู้เขียน
[email protected] (Taryn Plumb)
แหล่ง
VentureBeat
วันที่เผยแพร่
7 กรกฎาคม 2569 เวลา 23:37

Related

บทความที่เกี่ยวข้อง

AI ทำให้ผู้มีวุฒิการศึกษาระดับสูงในแคลิฟอร์เนียเสี่ยงต่อการเลิกจ้างAI
4 กรกฎาคม 2569 เวลา 20:00

AI ทำให้ผู้มีวุฒิการศึกษาระดับสูงในแคลิฟอร์เนียเสี่ยงต่อการเลิกจ้าง

รายงานของ California Policy Lab พบว่า AI กำลังเพิ่มอัตราการเลิกจ้างในกลุ่มผู้มีวุฒิการศึกษาระดับปริญญาตรี‑เอกที่ทำงานในเทคโนโลยีของ Bay Area…

TechRadar6 นาที
Amazon เพิ่มการปล่อยคาร์บอน 16% สู่ระดับเทียบเท่านิวซีแลนด์ในปี 2025AI
4 กรกฎาคม 2569 เวลา 18:30

Amazon เพิ่มการปล่อยคาร์บอน 16% สู่ระดับเทียบเท่านิวซีแลนด์ในปี 2025

Amazon รายงานการปล่อยคาร์บอนเพิ่ม 16% ไปถึง 80.9 ล้านตันในปี 2025 เทียบเท่ากับการปล่อยของนิวซีแลนด์ การเพิ่มขึ้นมาจากการขยายศูนย์ข้อมูลและ AI…

TechRadar6 นาที
AI เป็นทั้งตัวขับเคลื่อนและความรับผิดชอบในอุตสาหกรรมโทรคมนาคมAI
28 มิถุนายน 2569 เวลา 15:30

AI เป็นทั้งตัวขับเคลื่อนและความรับผิดชอบในอุตสาหกรรมโทรคมนาคม

AI ช่วยให้เครือข่ายโทรคมนาคมเพิ่มประสิทธิภาพและสนับสนุนการรายงานคาร์บอนได้แม่นยำ แต่การฝึกโมเดลที่ต้องการพลังงานสูงอาจเพิ่มการใช้พลังงานและน้ำ…

TechRadar7 นาที
ผู้ก่อตั้ง E! เตือนฮอลลีวูด: เตรียมรับวิดีโอแนวตั้งสั้นเป็นมาตรฐานปี 2030AI
28 มิถุนายน 2569 เวลา 08:00

ผู้ก่อตั้ง E! เตือนฮอลลีวูด: เตรียมรับวิดีโอแนวตั้งสั้นเป็นมาตรฐานปี 2030

Larry Namer ผู้ก่อตั้ง E! ระบุว่าในปี 2030 วิดีโอแนวตั้งสั้นจะเป็นรูปแบบหลักของความบันเทิง และเตือนอุตสาหกรรมให้ปรับการผลิตพร้อมใช้ AI…

Mashable Tech6 นาที
คัดลอกลิงก์แล้ว!