ทำไมคำเตือนนี้ถึงสำคัญในตอนนี้

ในปีที่ผ่านมา ตลาดเต็มไปด้วยบริการโมเดลภาษาขนาดใหญ่ (LLM) ที่สัญญาว่าจะเปลี่ยนข้อมูลดิบให้กลายเป็นข้อมูลเชิงลึก โค้ด หรือการแชทได้ในทันที บริษัทต่างๆ ต่างเร่งรีบนำพรอมต์ที่เป็นกรรมสิทธิ์ เอกสารภายใน และบันทึกการใช้งาน (usage logs) มอบให้กับผู้ให้บริการรายแรกที่สามารถส่งมอบโซลูชันที่ใช้งานได้จริง

ความสะดวกสบายนั้นสร้างการพึ่งพาที่ซ่อนอยู่ หากไม่เก็บรักษาข้อมูลการใช้งานและเมทาดาตา (metadata) ไว้ บริษัทจะสูญเสียความสามารถในการฝึกฝนค่าน้ำหนักโมเดล (model weights) ของตนเอง ทำให้ "สมอง" ของบริษัทถูกกักขังอยู่ในกล่องดำ (black box) ที่ไม่สามารถตรวจสอบหรือเคลื่อนย้ายได้ หากผู้ให้บริการขึ้นราคา เปลี่ยนเงื่อนไข หรือเกิดระบบขัดข้อง กระบวนการหลักของลูกค้าอาจหยุดชะงักลงทันที

ต้นทุนของการเอา "สมอง" ไปจ้างคนอื่นทำ

Nadella มองว่าปัญหานี้คือการสูญเสียอธิปไตยทางปัญญา (intellectual sovereignty) ในระบบแบบปิด (closed-loop system) เวิร์กโฟลว์ที่เป็นเอกลักษณ์และความรู้เฉพาะทางของบริษัทจะกลายเป็นส่วนหนึ่งของชุดข้อมูลฝึกฝนของผู้ให้บริการ แต่บริษัทจะไม่ได้รับพารามิเตอร์ที่ผ่านการฝึกฝนแล้วกลับมา หากไม่มีค่าน้ำหนัก (weights) เหล่านั้น บริษัทก็ไม่สามารถปรับจูน (fine-tune) โมเดลแบบเปิดเพื่อเลียนแบบความเชี่ยวชาญของตนเอง หรือตรวจสอบได้ว่าข้อมูลของตนถูกนำไปใช้อย่างไร

ผลกระทบในทางปฏิบัติที่เห็นได้ชัดคือ:

  • การรั่วไหลของความสามารถในการแข่งขัน: ห้องปฏิบัติการ AI ที่ทรงอิทธิพลอาจศึกษาเวิร์กโฟลว์เฉพาะทางของลูกค้า และนำความสามารถนั้นไปใส่ไว้ในชุดผลิตภัณฑ์ของตนเอง ซึ่งเป็นการคัดลอกข้อเสนอคุณค่า (value proposition) ของลูกค้าอย่างมีประสิทธิภาพ

การแยกส่วนควบคุมออกจากโมเดล

แนวทางที่ Nadella แนะนำคือสถาปัตยกรรมแบบโมดูลาร์ (modular architecture) ที่แทรก “AI gateway” ไว้ระหว่างแอปพลิเคชันของธุรกิจและโมเดลปลายทาง (downstream model) ใดๆ โดย gateway จะทำหน้าที่จัดรูปแบบพรอมต์ เชื่อมโยงบริบท (context) และกำหนดเส้นทางผลลัพธ์ ในขณะที่โมเดลยังคงเป็นส่วนประกอบที่สามารถเปลี่ยนทดแทนได้ ในการตั้งค่านี้ หน่วยความจำของบริษัท—ไม่ว่าจะเป็นประวัติการสนทนา เมทาดาตา และบันทึกการใช้งาน—จะยังคงอยู่บนโครงสร้างพื้นฐานของตนเอง

เขาแบ่งประโยชน์ออกเป็นสามเสาหลัก:

  • รักษาความคล่องตัว – เมื่อมีโมเดลที่ราคาถูกกว่าหรือมีความสามารถมากกว่าปรากฏขึ้น gateway จะเปลี่ยนไปใช้โมเดลนั้นได้ทันทีโดยไม่ต้องเขียนสแต็ก (stack) ใหม่ทั้งหมด
  • ลดความเสี่ยง – หากผู้ให้บริการเปลี่ยนข้อตกลงระดับการให้บริการ (SLA) หรือระบบล่ม gateway จะสลับไปใช้เอนจินอื่นแทน เพื่อให้เวิร์กโฟลว์ที่สำคัญยังคงดำเนินต่อไปได้
  • ความเชี่ยวชาญเฉพาะด้าน – ใช้โมเดลแบบ open-weight ที่มีขนาดเบาในการจัดการงานจำแนกประเภท (classification) ทั่วไป ในขณะที่ใช้ LLM แบบ proprietary ขนาดใหญ่จัดการงานที่ต้องใช้การใช้เหตุผลเชิงลึก เพื่อเพิ่มประสิทธิภาพทั้งในด้านต้นทุนและสมรรถนะ

ความเสี่ยงของกลยุทธ์แบบแพลตฟอร์ม (platform playbook)

"platform playbook" อธิบายถึงโมเดลที่ผู้ให้บริการ AI เข้าถึงกระบวนการภายในของลูกค้าได้อย่างลึกซึ้งเพื่อแลกกับการส่งมอบโซลูชันแบบเบ็ดเสร็จ (turnkey solution) การเข้าถึงดังกล่าวทำให้ผู้ให้บริการมีแผนผังการดำเนินงานของลูกค้าอย่างละเอียด ซึ่งสร้างความเปราะบางทางกลยุทธ์ สำหรับสตาร์ทอัพที่ใช้เวิร์กโฟลว์ AI แบบ proprietary เป็นปราการป้องกัน