Uber ใช้เงินงบประมาณด้านการเขียนโค้ดด้วย AI หมดเกลี้ยงภายใน 4 เดือน

ค่าใช้จ่ายในการเขียนโค้ดด้วย AI กำลังพุ่งสูงขึ้นอย่างรวดเร็ว

Uber ใช้เงินงบประมาณ Claude Code ของปี 2026 หมดเกลี้ยงภายในเดือนเมษายน พวกเขาจึงต้องจำกัดการใช้จ่ายของพนักงานไว้ที่ 1,500 ดอลลาร์ต่อเดือน

ข้อมูลอื่นๆ ยังแสดงให้เห็นถึงแนวโน้มที่สำคัญ:

  • Gartner ระบุว่า 23% ของผู้นำด้านเทคโนโลยีใช้จ่ายค่า token ตั้งแต่ 200 ถึง 500 ดอลลาร์ต่อผู้พัฒนาหนึ่งคนต่อเดือน
  • GitHub Copilot เปลี่ยนไปใช้การเรียกเก็บเงินตามการใช้งานจริง
  • บริษัทชั้นนำใช้จ่ายด้าน AI สูงถึง 7,500 ดอลลาร์ต่อพนักงานหนึ่งคนต่อเดือน

ปัญหานั้นเรียบง่ายมาก คือ Agentic workflows ใช้ token เร็วเกินไป หากคุณใช้โมเดลราคาแพงเพียงตัวเดียวกับทุกงาน คุณกำลังเสียเงินโดยเปล่าประโยชน์

ผมเห็นสิ่งนี้เกิดขึ้นกับค่าใช้จ่ายของตัวเอง บิลค่าเขียนโค้ดด้วย AI ของผมพุ่งสูงถึง 10,000 ดอลลาร์ต่อเดือน

ผมใช้ Claude Opus กับทุกอย่าง ไม่ว่าจะเป็นการวางแผนโค้ด, การเขียนเทสต์, การจัดรูปแบบไฟล์ และการเปลี่ยนชื่อตัวแปร

นี่เหมือนกับการจ้างสถาปนิกอาวุโสมาช่วยย้ายเฟอร์นิเจอร์ งานเสร็จแน่นอน แต่คุณต้องจ่ายแพงเกินความจำเป็น

ผมวิเคราะห์การใช้งานของตัวเองและพบรูปแบบดังนี้:

  • 15% ของงานต้องการการใช้เหตุผลระดับสูง
  • 25% ของงานต้องการความสามารถระดับกลาง
  • 60% ของงานเป็นงานเชิงกลไก (mechanical tasks)

งาน 60% นั้นไม่จำเป็นต้องใช้ frontier model โมเดลขนาดเล็กสามารถจัดการได้โดยใช้ต้นทุนที่ต่ำกว่ามาก

ทีมที่ชาญฉลาดจะส่งต่องานไปยังโมเดลที่เหมาะสม:

  • Tier 1 (Frontier Models): ใช้สำหรับงานด้านสถาปัตยกรรม, บั๊กที่ซับซ้อน และความปลอดภัย
  • Tier 2 (Mid-Tier Models): ใช้สำหรับการพัฒนาฟีเจอร์และการรีวิวโค้ด
  • Tier 3 (Fast/Cheap Models): ใช้สำหรับการจัดรูปแบบ, การทำเอกสาร และการเขียนโค้ดพื้นฐาน (boilerplate)

ผมเปลี่ยนมาใช้วิธีนี้ ค่าใช้จ่ายรายเดือนของผมลดลงจาก 10,000 ดอลลาร์ เหลือเพียง 3,000 ดอลลาร์ โดยที่คุณภาพของงานยังคงเดิม

วิธีเริ่มต้น:

  • บันทึก API prompts ของคุณเป็นเวลาหนึ่งสัปดาห์
  • มองหาปัญหา context bloat หรือวงจรการคิดที่ไม่จำเป็น (unnecessary thinking loops)
  • ส่งต่องานตามประเภทงาน ไม่ใช่ตามเซสชัน (session) หนึ่ง workflow ควรใช้โมเดลที่แตกต่างกันในแต่ละขั้นตอน

บริษัทที่ประสบความสำเร็จด้วย AI ไม่ได้แค่จ่ายเงินมากขึ้น แต่พวกเขาจ่ายอย่างชาญฉลาดกว่า พวกเขาผสมผสานโมเดลต่างๆ เพื่อรักษาต้นทุนให้ต่ำ

เลิกจ่ายเงินแพงๆ เพื่อใช้การประมวลผลระดับสูงกับงานง่ายๆ

ที่มา: https://dev.to/aplomb2/uber-burned-through-its-entire-ai-coding-budget-in-4-months-heres-what-smart-teams-do-instead-2792

ชุมชนแห่งการเรียนรู้เพิ่มเติม: https://t.me/GyaanSetuAi