จาก Tokenmaxxing สู่การปันส่วน: วิกฤตต้นทุน AI ในภาคธุรกิจ

ความคลั่งไคล้ในช่วงแรกของ "tokenmaxxing"—ซึ่งเป็นช่วงที่องค์กรต่างสนับสนุนให้มีการใช้งาน AI อย่างไม่จำกัดเพื่อกระตุ้นการใช้งาน—กำลังเผชิญกับความจริงอันโหดร้ายของต้นทุนการดำเนินงานอย่างรวดเร็ว เมื่อบริษัทต่าง ๆ เปลี่ยนผ่านจากการทดลองไปสู่การขยายผล ปัญหาใหม่ก็ได้ปรากฏขึ้น นั่นคือจะทำอย่างไรไม่ให้งบประมาณ AI มหาศาลต้องหมดไปกับงานเล็กน้อยที่ไม่มีมูลค่าสูง

การก้าวเข้าสู่ยุคการปันส่วน Token

เมื่อต้นปีที่ผ่านมา กระแสในโลกธุรกิจมุ่งเน้นไปที่การเพิ่มการบูรณาการ AI ให้ได้มากที่สุด บางองค์กรถึงขั้นมีการจัดทำตารางอันดับ (leaderboards) ภายในเพื่อสร้างความสนุกและให้รางวัลแก่พนักงานที่ใช้งาน AI อย่างสม่ำเสมอ อย่างไรก็ตาม ความกระตือรือร้นที่ขาดการควบคุมนี้ได้นำไปสู่ปรากฏการณ์ที่การใช้จ่ายที่คาดเดาไม่ได้กำลังกัดกินอัตรากำไร

ขณะนี้เรากำลังเข้าสู่ยุคของ "การปันส่วน Token" (token rationing) แทนที่จะสนับสนุนให้พนักงานใช้ Large Language Models (LLMs) กับทุกงานเท่าที่จะเป็นไปได้ ผู้บริหารเริ่มนำมาตรการควบคุมที่เข้มงวดมาใช้ โดยมีเป้าหมายเพื่อเปลี่ยนจากการใช้งานแบบกว้างขวางที่ไม่มีการจัดการ ไปสู่โมเดลที่มีระเบียบวินัย ซึ่ง AI จะถูกนำมาใช้เฉพาะกับกระบวนการทำงาน (workflows) ที่มีผลกระทบสูงและมีมูลค่าสูงเท่านั้น

กรณีศึกษาของ Accenture: เดิมพันที่สูงกับงานที่เล็กน้อย

ตัวอย่างที่เห็นได้ชัดของการเปลี่ยนแปลงนี้คือบริษัทที่ปรึกษายักษ์ใหญ่ระดับโลกอย่าง Accenture จากข้อมูลเสียงที่หลุดออกมาจากการประชุมภายในซึ่งนำโดย Justice Kwak หัวหน้าฝ่ายกลยุทธ์ Agentic AI ของ Accenture ระบุว่า บริษัทกำลังพยายามอย่างเต็มที่เพื่อป้องกันไม่ให้พนักงานใช้ Token จนหมดไปกับงานธุรการพื้นฐาน

รายงานดังกล่าวยังชี้ให้เห็นถึงความย้อนแย้งที่น่าตกใจ: ในขณะที่ก่อนหน้านี้ Accenture เคยส่งสัญญาณว่าพนักงานอาจ "เสี่ยงที่จะพลาดโอกาสในการเลื่อนตำแหน่ง" หากไม่ปรับตัวใช้ AI แต่ในตอนนี้พวกเขากลับกำลังเปลี่ยนทิศทางเพื่อควบคุมการใช้งาน โดยเฉพาะอย่างยิ่ง บริษัทกำลังพยายามยับยั้งไม่ให้พนักงานใช้ทรัพยากรการประมวลผล AI ที่มีราคาแพงกับงานเล็กน้อย เช่น การแปลงไฟล์ PDF ให้เป็นสไลด์นำเสนอ

Kwak ตั้งข้อสังเกตว่า AI กำลังมาถึง "จุดเปลี่ยนสำคัญ" (inflection point) ที่มันกำลังกลายเป็นส่วนประกอบสำคัญในโครงสร้างต้นทุนขององค์กร เมื่อการใช้จ่ายเริ่มคาดเดาได้ยากขึ้น CFO, COO และ CIO จึงเริ่มเรียกร้องหลักฐานที่ชัดเจนของผลตอบแทนจากการลงทุน (ROI) ก่อนที่จะอนุมัติงบประมาณเพิ่มเติม

การพิสูจน์คุณค่าในยุคหลังกระแสฟีเวอร์

การเปลี่ยนแปลงนี้สะท้อนถึงแนวโน้มที่กว้างขึ้นในอุตสาหกรรม AI ที่มักเรียกกันว่า "AI selloff" ตลาดไม่ได้พอใจเพียงแค่ความแปลกใหม่ของความสามารถด้าน Generative อีกต่อไป แต่กำลังเรียกร้องผลลัพธ์ด้านผลิตภาพ (productivity) ที่จับต้องได้ ซึ่งต้องคุ้มค่ากับต้นทุนมหาศาลของการประมวลผลและการใช้ Token

แรงกดดันทางเศรษฐกิจนี้กำลังส่งผลกระทบต่อกลุ่มอุตสาหกรรมที่ต้องพึ่งพา AI โดยเฉพาะ รวมถึงผู้ผลิตชิปหน่วยความจำ ในขณะที่อุตสาหกรรมกำลังเปลี่ยนผ่านจากกระแสความตื่นเต้นเพียงอย่างเดียวไปสู่ความรับผิดชอบทางการเงิน เพื่อให้โมเดลธุรกิจ AI ยังคงมีความยั่งยืน จุดเน้นจะต้องเปลี่ยนจากการดูว่าใช้ AI มากแค่ไหน ไปสู่การดูว่า Token เหล่านั้นถูกนำไปใช้ อย่างมีประสิทธิภาพ เพียงใดในการแก้ปัญหาที่ซับซ้อน

สรุปประเด็นสำคัญ

• การเปลี่ยนกลยุทธ์: บริษัทต่าง ๆ กำลังเปลี่ยนจาก "tokenmaxxing" (การใช้งานแบบไม่จำกัด) ไปสู่ "token rationing" (การปันส่วน Token) เพื่อจัดการกับต้นทุนการดำเนินงานที่คาดเดาไม่ได้
• ข้อกำหนดด้าน ROI: ทีมผู้บริหาร รวมถึง CFO และ CIO กำลังเรียกร้องการพิสูจน์คุณค่า โดยก้าวข้ามผ่านความตื่นเต้นในช่วงแรกของการนำ AI มาใช้
• ต้นทุนเทียบกับประโยชน์ใช้สอย: จุดขัดแย้งสำคัญที่กำลังเกิดขึ้นคือการใช้ Token ของ LLM ที่มีราคาแพงไปกับงานที่มีมูลค่าต่ำ เช่น การจัดรูปแบบ PDF แทนที่จะนำไปใช้กับกระบวนการทำงานแบบ Agentic ที่มีผลกระทบสูง