ทำไมองค์กรต่างๆ ถึงกำลังประสบปัญหาในการคำนวณผลตอบแทนจากการลงทุน (ROI) ของ AI

กระแส "tokenmaxxing" ในช่วงแรก ซึ่งเป็นช่วงที่เหล่า CEO สนับสนุนการใช้งาน AI อย่างหนักหน่วงโดยไม่มีการควบคุม กำลังเผชิญกับความเป็นจริงที่โหดร้ายเมื่องบประมาณขององค์กรถูกตรวจสอบอย่างเข้มงวด เมื่อบริษัทต่างๆ ก้าวข้ามผ่านช่วงของการทดลอง ความท้าทายหลักจึงเปลี่ยนจากการนำมาใช้งานแบบง่ายๆ ไปสู่การพิสูจน์ผลตอบแทนจากการลงทุน (ROI) ที่จับต้องได้

จาก Tokenmaxxing สู่ความรับผิดชอบด้านงบประมาณ

เมื่อต้นปีที่ผ่านมา ซิลิคอนวัลเลย์ตกอยู่ภายใต้อิทธิพลของ "tokenmaxxing" ซึ่งเป็นเทรนด์ที่องค์กรต่างๆ ผลักดันการใช้งาน AI ไปจนถึงขีดสุดเพื่อเพิ่มขีดความสามารถให้ได้มากที่สุด อย่างไรก็ตาม ผลกระทบทางการเงินจากความกระตือรือร้นที่ขาดการควบคุมนี้กำลังเริ่มปรากฏให้เห็น มีรายงานระบุว่าบริษัทรายใหญ่อย่าง Uber ใช้จ่ายงบประมาณด้าน AI ประจำปีจนหมดเกลี้ยงภายในเวลาเพียงไม่กี่เดือน

การบริโภคที่พุ่งสูงขึ้นนี้ได้นำไปสู่ช่วงของการปรับสมดุลในภาคธุรกิจ เราเริ่มเห็นองค์กรต่างๆ ลดขนาดการใช้งานลง เช่น บริษัทที่ตัดไลเซนส์ Claude ในบางแผนก และแม้แต่ Meta ที่มีรายงานว่าได้ยกเลิกการจัดอันดับ AI ภายในองค์กร การเคลื่อนไหวเหล่านี้ส่งสัญญาณถึงการเปลี่ยนผ่านจากแนวคิด "เติบโตโดยไม่สนต้นทุน" (growth at all costs) ไปสู่การมีวินัยทางการเงินและการบริหารจัดการทรัพยากรที่เข้มงวด

การค้นหา "Magic Moments" และเอเจนต์ส่วนตัว

แม้ว่าจะมีการรัดเข็มขัดด้านงบประมาณ แต่ Tiffany Luck พาร์ทเนอร์ของ NEA ยังคงเชื่อมั่นในศักยภาพในการเปลี่ยนแปลงของ AI โดยเฉพาะในภาคส่วนผู้บริโภค Luck เน้นย้ำถึงความสำคัญของการระบุ "magic moments" หรือช่วงเวลาเฉพาะที่ AI สามารถมอบคุณค่าที่ไม่อาจปฏิเสธได้และมีประโยชน์สูงต่อผู้ใช้งานปลายทาง

อุตสาหกรรมกำลังก้าวข้ามผ่านแชทบอทแบบธรรมดา ไปสู่การพัฒนาเอเจนต์ส่วนตัว (personal agents) ที่มีความซับซ้อน เอเจนต์เหล่านี้คือพรมแดนถัดไปของ AI โดยเปลี่ยนจากเครื่องมือที่ตอบสนองตามคำสั่ง (reactive tools) ไปเป็นผู้ช่วยเชิงรุก (proactive assistants) ที่สามารถจัดการกับงานที่ซับซ้อนได้ สำหรับนักลงทุน (venture capitalists) และผู้ก่อตั้ง เป้าหมายคือการก้าวข้ามการนำ LLM แบบทั่วไปมาใช้ และสร้างเอเจนต์เฉพาะทางที่สามารถแก้ปัญหาที่มีความยุ่งยากสูงในรูปแบบที่คุ้มค่ากับต้นทุนการดำเนินงานที่สูงตามไปด้วย

การเติบโตของการบริหารจัดการค่าใช้จ่ายด้าน AI

เมื่อช่องว่างระหว่างกระแสความตื่นตัวของ AI และผลิตภาพที่เกิดขึ้นจริงเริ่มแคบลง สตาร์ทอัพกลุ่มย่อยใหม่ๆ จึงเริ่มเกิดขึ้นเพื่อเชื่อมช่องว่างนี้ ปัจจุบันองค์กรต่างๆ กำลังประสบปัญหาในการติดตามต้นทุนที่ละเอียด ไม่ว่าจะเป็นการเรียกใช้ API ของโมเดล, พลังการประมวลผล (compute) และไลเซนส์ตามจำนวนผู้ใช้งาน (seat licenses) เมื่อเทียบกับมูลค่าที่สร้างขึ้นจริง

สิ่งนี้ได้สร้างโอกาสมหาศาลสำหรับสตาร์ทอัพที่มุ่งเน้นด้าน AI observability และการจัดการค่าใช้จ่าย (spend management) บริษัทต่างๆ กำลังมองหาเครื่องมือที่ช่วยสร้างความโปร่งใสให้กับ AI stack ของตน เพื่อให้สามารถมองเห็นได้อย่างชัดเจนว่าโทเคนถูกใช้ไปที่ใด และโทเคนเหล่านั้นกำลังช่วยสร้างรายได้หรือเป็นเพียงการเพิ่มต้นทุนส่วนเกิน ความสามารถในการเชื่อมโยงค่าใช้จ่ายด้าน AI เข้ากับผลลัพธ์ทางธุรกิจที่เฉพาะเจาะจงจะเป็นปัจจัยตัดสินสำหรับองค์กรที่สามารถผสานรวม AI เข้ากับเวิร์กโฟลว์หลักได้อย่างประสบความสำเร็จ

สรุปประเด็นสำคัญ