เอเจนต์ AI ของ Navan ใช้ NVIDIA Nemotron 3.5 Super VL ในระบบจริงแล้ว หลังจากบริษัทซอฟต์แวร์สำหรับการเดินทางเพื่อธุรกิจปรับแต่งโมเดลและนำไปใช้งานภายในสามสัปดาห์นับจากได้รับสิทธิ์เข้าถึงก่อนใคร ในประกาศเมื่อวันที่ 16 ตุลาคม 2026 Navan ระบุว่าโมเดลดังกล่าวกำลังจัดการปฏิสัมพันธ์กับลูกค้าด้วยต้นทุนที่ลดลง

ประเด็นสำคัญ

  • การนำไปใช้งานเสร็จสมบูรณ์แล้ว ไม่ใช่การทดลองใช้โมเดลของ NVIDIA ที่วางแผนไว้
  • Navan รายงานผลการทำงานด้านการเดินทางที่ดีขึ้นจากการประเมินของบริษัทเอง แต่ไม่ได้ระบุตัวเลขการประหยัดต้นทุนในการใช้งานจริง
  • การโฮสต์ระบบเองช่วยให้ Navan ปรับแต่งและเปลี่ยนโมเดลได้ พร้อมทั้งควบคุมการนำไปใช้งาน

สารบัญ

เอเจนต์ AI ของ Navan ก้าวข้ามการตอบคำถาม

ประกาศด้านเทคนิคของ Navan อธิบายถึงระบบที่ออกแบบมาเพื่อดำเนินงานเกี่ยวกับการเดินทาง ไม่ใช่เพียงสร้างคำตอบในบทสนทนาเท่านั้น เที่ยวบินที่ถูกยกเลิกอาจต้องค้นหาข้อมูลที่นั่งว่างแบบเรียลไทม์ อธิบายทางเลือก ตรวจสอบนโยบายบริษัท และประสานการเปลี่ยนแปลงการจองโรงแรมหรือรถเช่า

ใน รายงานเกี่ยวกับการนำ Nemotron ไปใช้งานจริง Navan ระบุว่าบริษัทปรับใช้โมเดลหนึ่งโดยอาศัยประสบการณ์ร่วมของเอเจนต์ห้าตัว ได้แก่ ตัวประสานงานและเอเจนต์เฉพาะทางสำหรับโรงแรม เที่ยวบิน รถยนต์ และรถไฟ เอเจนต์แต่ละตัวรับผิดชอบเครื่องมือและการตัดสินใจของตนเอง พร้อมแบ่งปันข้อมูลตลอดการเดินทาง

การออกแบบดังกล่าวทำให้การทำงานให้เสร็จสิ้นเป็นเกณฑ์ทดสอบเชิงปฏิบัติของการผสานระบบ การตอบสนองที่รวดเร็วไม่เพียงพอ หากระบบไม่สามารถใช้เครื่องมือจองได้อย่างถูกต้องหรือไม่ปฏิบัติตามข้อจำกัดของผู้เดินทาง

รายการรายละเอียด
ขนาดโมเดลประมาณ 120 พันล้านพารามิเตอร์ โดยมีการเปิดใช้งานประมาณ 12 พันล้านพารามิเตอร์ในแต่ละขั้นตอน
วิธีการปรับแต่งการปรับแต่งด้วย LoRA โดยใช้ไลบรารีโอเพนซอร์ส NVIDIA NeMo AutoModel
ข้อมูลการฝึกขั้นสุดท้ายประมาณ 10 ล้านโทเค็น
การตรวจสอบความถูกต้องการทดสอบตรวจสอบความถูกต้องเกือบ 2,000 รายการในชุดข้อมูลฝึกขั้นสุดท้าย

การทดสอบภายในเปรียบเทียบคุณภาพกับประสิทธิภาพในการตอบสนอง

Navan ใช้ Qwen 3.8-27B ซึ่งเป็นโมเดลฐานสำหรับการใช้งานจริงที่โฮสต์เองอยู่เดิม เป็นตัวเปรียบเทียบหลัก บริษัททดสอบโมเดลโดยใช้พรอมป์ต์ เครื่องมือ สถานการณ์การเดินทาง และระบบให้คะแนนแบบเดียวกัน

โมเดล Nemotron ที่ผ่านการปรับแต่งทำคะแนนได้ดีกว่าหรือเทียบเท่าโมเดลคู่แข่งในหกจากเจ็ดเกณฑ์การประเมินของ Navan บริษัทระบุว่าจุดแข็งได้แก่ การใช้เครื่องมือ การทำงานให้เสร็จสิ้น การอ้างอิงข้อมูลจริง และคุณภาพของบทสนทนา

ผลเหล่านี้เป็นผลการทดสอบที่บริษัทรายงาน ไม่ใช่ผลการประเมินประสิทธิภาพที่ตรวจสอบยืนยันโดยอิสระ การประเมินมุ่งเน้นงานด้านการเดินทางที่ใช้ข้อความ แม้โมเดลจะรองรับข้อมูลนำเข้าประเภทอื่นด้วย Navan ระบุว่าโมเดลที่นำไปใช้งานช่วยลดต้นทุน แต่ไม่ได้เปิดเผยเปอร์เซ็นต์การประหยัดหรือจำนวนเงินที่ประหยัดได้

การโฮสต์ระบบเองช่วยรักษาความยืดหยุ่นในการเลือกโมเดล

Navan ระบุว่าการโฮสต์ระบบเองช่วยให้บริษัทควบคุมความเร็ว ต้นทุน และความน่าเชื่อถือได้มากขึ้น เนื่องจากบริษัทเป็นผู้จัดการการปรับแต่ง การทดสอบ การนำไปใช้งาน และการอัปเดตโมเดล อีกทั้งยังสามารถเปลี่ยนโมเดลได้โดยไม่ต้องสร้างระบบทั้งหมดขึ้นใหม่

ดังนั้น การผสานระบบครั้งนี้จึงเป็นการขยายพอร์ตโฟลิโอโมเดลของ Navan ไม่ใช่การกำหนดให้ใช้โมเดลเดียวอย่างถาวรกับทุกขั้นตอนการทำงาน แนวทางที่บริษัทระบุคือประเมินโมเดลตามข้อกำหนดเฉพาะด้านการเดินทาง และทดสอบผู้ช่วยทั้งระบบด้วยเครื่องมือจริง รวมถึงความสามารถในการกู้คืนเมื่อเกิดข้อผิดพลาด

สรุป

ความคืบหน้าที่ได้รับการยืนยันคือการนำระบบไปใช้งานจริงเพื่อให้บริการปฏิสัมพันธ์กับลูกค้า ประกาศของ Navan แสดงหลักฐานภายในว่าประสิทธิภาพการทำงานดีขึ้น แต่ไม่ได้เปิดเผยขนาดของการประหยัดต้นทุนในการใช้งานจริง

อ่านข่าวเพิ่มเติม

ข่าว FinanceVelix เพิ่มเติม

ข้อจำกัดความรับผิด

บทความ FinanceVelix นี้ให้ข้อมูลทั่วไป ไม่ใช่คำแนะนำทางการเงิน การลงทุน กฎหมาย หรือภาษีที่จัดทำขึ้นเฉพาะบุคคล ราคาตลาด อัตราดอกเบี้ย และภาวะเศรษฐกิจอาจเปลี่ยนแปลงได้ การลงทุนมีความเสี่ยงที่จะขาดทุน ข้อเท็จจริงสะท้อนข้อมูลที่มีอยู่ ณ เวลาที่เผยแพร่และอาจเปลี่ยนแปลงได้ โปรดตรวจสอบข้อมูลสำคัญด้วยตนเอง และปรึกษาผู้เชี่ยวชาญที่มีคุณสมบัติเมื่อจำเป็น การกล่าวถึงสินทรัพย์ บริษัท หรือบริการใดไม่ได้หมายถึงการรับรอง