Google อัปเกรด Gemini 3.5 Flash ให้ควบคุมคอมพิวเตอร์ได้เอง ทำงานแทนมนุษย์ทั้งบนเว็บ เดสก์ท็อป และมือถือ
Google ประกาศเพิ่มความสามารถใหม่ให้กับ Gemini 3.5 Flash ด้วยฟีเจอร์ Agentic Computer Use ที่เปิดให้ AI Agent สามารถควบคุมคอมพิวเตอร์และแอปพลิเคชันได้โดยตรง ไม่ว่าจะเป็นการคลิกเมาส์ พิมพ์ข้อความ เปิดโปรแกรม หรือทำงานข้ามหลายระบบอัตโนมัติ ถือเป็นอีกก้าวสำคัญของ AI ที่ไม่ได้เป็นเพียงผู้ช่วยตอบคำถาม แต่สามารถลงมือทำงานแทนผู้ใช้ได้จริง
ฟีเจอร์ดังกล่าวเปิดตัวเมื่อวันที่ 24 มิถุนายน 2026 โดยก่อนหน้านี้มีเฉพาะในโมเดล Gemini 2.5 Computer Use เท่านั้น แต่ล่าสุด Google ได้นำความสามารถนี้มาผสานเข้ากับ Gemini 3.5 Flash ซึ่งเป็นโมเดลหลัก ทำให้นักพัฒนาสามารถสร้าง AI Agent สำหรับงานองค์กรได้ง่ายขึ้นผ่าน Gemini API และแพลตฟอร์ม Gemini Enterprise Agent
AI มองเห็นหน้าจอ คิด และลงมือทำได้เอง
ความสามารถใหม่ของ Gemini 3.5 Flash ไม่ได้จำกัดอยู่เพียงการเรียกใช้ API หรือเครื่องมือภายนอกเหมือน AI ทั่วไป แต่สามารถ “มองเห็น” ส่วนติดต่อผู้ใช้ (User Interface) บนหน้าจอ เข้าใจบริบทของโปรแกรม และตัดสินใจดำเนินการได้ด้วยตัวเอง
ตัวอย่างงานที่ AI สามารถทำได้ ได้แก่ การคลิกปุ่ม กรอกข้อมูล สลับหน้าต่าง เปิดเว็บไซต์ ค้นหาข้อมูล ไปจนถึงดึงข้อมูลจากหลายแอปพลิเคชันมาสรุปผลโดยอัตโนมัติ
Google ระบุว่า ความสามารถนี้เหมาะสำหรับงานที่ต้องทำต่อเนื่องและมีหลายขั้นตอน เช่น การทดสอบซอฟต์แวร์อัตโนมัติ การทำงานตามกระบวนการขององค์กร (Enterprise Workflow) และการรวบรวมข้อมูลจากหลายระบบเพื่อช่วยวิเคราะห์หรือจัดทำรายงาน
เพิ่มระบบป้องกัน AI ทำงานผิดคำสั่ง
การเปิดให้ AI ควบคุมคอมพิวเตอร์ได้เอง ย่อมมาพร้อมกับความเสี่ยงด้านความปลอดภัย โดยเฉพาะการโจมตีแบบ Prompt Injection ซึ่งเป็นการหลอกให้ AI ปฏิบัติตามคำสั่งที่แฝงมากับข้อมูลหรือเว็บไซต์ รวมถึงความเสี่ยงจากการเข้าถึงข้อมูลสำคัญหรือการดำเนินการที่ผู้ใช้ไม่ได้ตั้งใจ
Google จึงเพิ่มมาตรการป้องกันหลายชั้นใน Gemini 3.5 Flash โดยระบบได้รับการฝึกด้วยข้อมูลด้านความปลอดภัย (Adversarial Training) เพื่อช่วยให้ AI แยกแยะคำสั่งที่ถูกต้องออกจากคำสั่งที่อาจเป็นอันตรายได้ดีขึ้น
นอกจากนี้ ยังมีฟีเจอร์สำหรับองค์กรให้เลือกใช้งาน ได้แก่ การบังคับให้ผู้ใช้ยืนยันก่อนดำเนินการที่มีความสำคัญหรือไม่สามารถย้อนกลับได้ รวมถึงการยุติการทำงานอัตโนมัติทันที หากตรวจพบความพยายามโจมตีผ่าน Prompt Injection
Google ยังแนะนำให้องค์กรใช้แนวทาง Defense in Depth หรือการป้องกันหลายชั้น เช่น จำกัดสิทธิ์การเข้าถึงของ AI Agent ใช้งานภายในสภาพแวดล้อมที่แยกออกจากระบบหลัก (Sandbox) และให้มนุษย์ตรวจสอบขั้นตอนสำคัญก่อนยืนยันการทำงาน
เดินหน้าสู่ยุค AI Agent สำหรับองค์กร
การเพิ่มฟีเจอร์ Computer Use ลงใน Gemini 3.5 Flash ทำให้ Google กลายเป็นหนึ่งในผู้เล่นสำคัญของตลาด AI Agent ซึ่งกำลังแข่งขันกันอย่างเข้มข้น
ปัจจุบันองค์กรจำนวนมากเริ่มนำ AI Agent มาใช้ทำงานแทนมนุษย์ในงานที่มีขั้นตอนซ้ำ ๆ เช่น การกรอกข้อมูล การตรวจสอบระบบ การจัดการเอกสาร และการทำงานข้ามหลายแอปพลิเคชัน ซึ่งช่วยลดภาระของพนักงานและเพิ่มประสิทธิภาพการทำงาน
Google เปิดให้เข้าถึงความสามารถใหม่ผ่าน Gemini API และ Gemini Enterprise Agent Platform พร้อมจัดเตรียมสภาพแวดล้อมสำหรับทดลองใช้งานผ่าน Browserbase และเผยแพร่ตัวอย่างโค้ดบน GitHub เพื่อให้นักพัฒนานำไปต่อยอดได้ทันที
แม้ Agentic AI จะช่วยยกระดับระบบอัตโนมัติขององค์กรได้อย่างมาก แต่ความสามารถในการควบคุมคอมพิวเตอร์และเข้าถึงระบบจริงก็ทำให้ประเด็นด้านความปลอดภัยมีความสำคัญมากขึ้นเช่นกัน การนำ AI Agent มาใช้งานจึงควรควบคู่ไปกับมาตรการกำกับดูแล การจำกัดสิทธิ์ และการตรวจสอบการทำงานอย่างต่อเนื่อง เพื่อให้สามารถใช้ประโยชน์จาก AI ได้อย่างปลอดภัยในระดับองค์กร.