Satya Nadella เตือน: องค์กรกำลังจ่ายค่า AI ซ้ำซ้อนเป็นสองเท่า
Satya Nadella ซีอีโอของ Microsoft ได้ออกมาเตือนธุรกิจต่างๆ อย่างรุนแรง โดยระบุว่าโมเดลการใช้งาน AI แบบปิด (proprietary AI) ในปัจจุบันนั้นมีต้นทุนแฝงที่มีความเสี่ยงสูง นอกเหนือจากเพียงแค่ค่าธรรมเนียมการสมัครสมาชิกแล้ว บริษัทต่างๆ กำลังสูญเสียสินทรัพย์ที่มีค่าที่สุดไปโดยไม่รู้ตัว นั่นคือ "ความฉลาดทางองค์กร" (institutional intelligence) ของตนเอง
ต้นทุนที่ซ่อนอยู่: การจ่ายด้วยความรู้ที่เป็นความลับขององค์กร
ในโพสต์บล็อกที่สร้างความฮือฮาเมื่อเร็วๆ นี้ Nadella ให้ความเห็นว่า "ผู้ซื้อ" AI กำลังจ่ายค่าความฉลาดซ้ำสองครั้ง การจ่ายครั้งแรกคือในรูปแบบตัวเงิน เช่น ค่า token และค่าธรรมเนียมการสมัครสมาชิกที่จ่ายให้กับแล็บอย่าง OpenAI และ Anthropic ส่วนการจ่ายครั้งที่สองซึ่งอันตรายกว่ามาก คือการเปิดเผยความรู้ที่เป็นความลับขององค์กรเพื่อให้โมเดลเหล่านั้นใช้งานได้จริง
Nadella เน้นย้ำว่า ในขณะที่องค์กรพยายามปรับจูนประสิทธิภาพ (fine-tune) พวกเขากำลังป้อนข้อมูลที่ละเอียดอ่อนให้กับโมเดล และที่สำคัญยิ่งกว่านั้นคือ โมเดลจะเรียนรู้จาก "exhaust" หรือข้อมูลที่หลงเหลือจากการใช้งาน เช่น คำสั่ง (prompts), เครื่องมือเฉพาะทางที่เอเจนต์ใช้ และการแก้ไขโดยมนุษย์เมื่อโมเดลทำงานผิดพลาด วงจรการตอบกลับ (feedback loop) นี้สร้างการกลั่นกรอง (distillation) ขององค์ความรู้ในองค์กรที่คู่แข่งไม่สามารถซื้อได้ แต่กลับถูกส่งตรงไปยังผู้ให้บริการโมเดล
ข้อถกเถียงเรื่องการกลั่นกรอง (Distillation) และความย้อนแย้งในการฝึกฝนโมเดล
ความตึงเครียดหลักในแวดวง AI คือแนวคิดเรื่อง "distillation" หรือการนำผลลัพธ์จากโมเดลหนึ่งไปใช้ฝึกฝนโมเดลใหม่ที่มีประสิทธิภาพมากกว่า Nadella ชี้ให้เห็นถึงความย้อนแย้งในอุตสาหกรรมนี้ว่า ในขณะที่แล็บ AI อ้างสิทธิ์ "การใช้งานที่เป็นธรรม" (fair use) ในการดึงข้อมูล (scrape) จากอินเทอร์เน็ตทั้งหมดเพื่อฝึกฝนโมเดลพื้นฐาน (foundational models) ของตน แต่ในขณะเดียวกันพวกเขากลับกำหนดเงื่อนไขที่เข้มงวดเพื่อป้องกันไม่ให้องค์กรต่างๆ ทำการ distillation หรือเรียนรู้จากโมเดลที่เป็นความลับของพวกเขา
ข้อถกเถียงนี้ไม่ใช่แค่เรื่องทางทฤษฎี ผู้เล่นในอุตสาหกรรมอย่าง Anthropic เคยแสดงความกังวลเกี่ยวกับโมเดล open-source ของจีนที่ถูกกล่าวหาว่าใช้คำสั่ง (prompts) หลายล้านรายการจาก Claude เพื่อพัฒนาความสามารถของตนเอง ซึ่งนำไปสู่การเรียกร้องให้รัฐบาลควบคุมการส่งออกให้เข้มงวดขึ้น
การเปลี่ยนผ่านสู่การจัดการแบบ Orchestration และโมเดลแบบ On-Premise
เพื่อลดความเสี่ยงเหล่านี้ Nadella เสนอให้มีการปรับเปลี่ยนกลยุทธ์ในการวางโครงสร้าง AI stack ขององค์กร โดยเขาแนะนำแนวทางการป้องกันหลักสองประการ:
- สภาพแวดล้อมการเรียนรู้ที่เป็นส่วนตัว (Proprietary Learning Environments): บริษัทควรเป็นเจ้าของข้อมูล คำสั่ง และการตอบกลับอย่างสมบูรณ์ โดยการสร้างสภาพแวดล้อมเฉพาะบนคลาวด์ (เช่น Microsoft Azure)
- ชั้นการจัดการ (Orchestration Layers): แทนที่จะผูกติดกับผู้ให้บริการรายเดียว ธุรกิจควรใช้ "AI gateways" เพื่อสลับการใช้งานระหว่างโมเดลต่างๆ ได้อย่างราบรื่น
การเปลี่ยนแปลงทางสถาปัตยกรรมนี้กำลังปรากฏให้เห็นในตลาด ผู้เชี่ยวชาญในอุตสาหกรรม เช่น Idit Levine จาก Solo.io รายงานถึงแนวโน้มที่เพิ่มขึ้นขององค์กรที่เปลี่ยนไปใช้โมเดล open-source แบบ "on-prem" (on-premise) ซึ่งโมเดลเหล่านี้สามารถทำงานได้ถึง 90% ของโมเดลยักษ์ใหญ่ที่เป็นความลับ ในราคาเพียงเศษเสี้ยวของต้นทุนเดิม ในขณะที่ยังคงมั่นใจได้ว่าข้อมูลจะอยู่ภายใต้การควบคุมทั้งทางกายภาพหรือทางเสมือนของบริษัท
ข้อมูลสนับสนุนแนวโน้มนี้ โดยแพลตฟอร์มอย่าง Vercel รายงานว่าโมเดลแบบเปิด (open models) มีสัดส่วนถึง 29% ของทราฟฟิกทั้งหมดที่วิ่งผ่าน gateway ของพวกเขาในเดือนเดียว ดังที่ Nadella กล่าวสรุปว่า "ในการบริโภคความฉลาด คุณกำลังสร้างความฉลาดขึ้นมา และสิ่งที่คุณสร้างขึ้นควรเป็นของคุณ"
สรุปประเด็นสำคัญ
- กับดักการจ่ายเงินซ้ำซ้อน: องค์กรไม่ได้จ่ายแค่เงินสด แต่กำลังจ่ายด้วย "exhaust" หรือข้อมูลที่หลงเหลือจากตรรกะทางธุรกิจและการแก้ไขที่เป็นความลับของตนเอง
- การเติบโตของการจัดการโมเดล (Model Orchestration): เพื่อหลีกเลี่ยงการผูกขาดโดยผู้ให้บริการรายเดียว (vendor lock-in) และการรั่วไหลของข้อมูล บริษัทต่างๆ จึงหันมาใช้ AI gateways และ orchestration layers เพื่อจัดการโมเดลที่หลากหลายมากขึ้น
- การเปลี่ยนผ่านสู่ Open Source: มีความเคลื่อนไหวครั้งสำคัญในการหันไปใช้โมเดล open-source แบบ on-premise เพื่อรักษาอธิปไตยของข้อมูล (data sovereignty) และลดต้นทุนในระยะยาว