ซีอีโอของ Palantir แอเล็กซ์ คาร์ป วิจารณ์อย่างเปิดเผยต่อแนวคิด “tokenmaxxing” ที่เป็นที่นิยมในซิลิคอนแวลลีย์เมื่อเร็วๆ นี้ โดยระบุว่าการผลักดันการใช้งาน AI ให้สูงขึ้นเรื่อยๆ ไม่ได้หมายความว่าสร้างมูลค่าทางธุรกิจอย่างแท้จริง เขาให้สัมภาษณ์ระหว่างงาน Palantir AIP Con 10 ว่า ตลาดได้เปลี่ยนจากการอภิปรายว่า “AI มีอยู่จริงหรือไม่” เป็นการยอมรับว่า “AI ใช้งานได้จริง แต่หลายสถานการณ์กลับไม่ทำงานตามที่คาดไว้”
ข้อพิพาทชี้ไปที่การใช้งานแบบใช้ทรัพยากรสูง
โทเค็นคือหน่วยการวัดพื้นฐานที่โมเดลภาษาขนาดใหญ่ใช้ในการประมวลผลข้อความ และผู้ให้บริการ AI มักเรียกเก็บค่าบริการตามจำนวนโทเค็นที่ใช้ไป ในช่วงไม่กี่สัปดาห์ที่ผ่านมา ผู้เชี่ยวชาญบางส่วนในซิลิคอนแวลลีย์เริ่มทบทวนวัฒนธรรม “tokenmaxxing” ซึ่งหมายถึงการขยายการใช้งาน AI โดยไม่มีข้อจำกัด เพื่อให้ทันกับความก้าวหน้าของ AI agent
คาร์ปเชื่อว่าโทเค็นที่มากขึ้นมักหมายถึงผลลัพธ์คุณภาพต่ำมากขึ้น ไม่ใช่ผลลัพธ์ที่มีมูลค่าสูงขึ้น ชัยราม ซังคาร์ หัวหน้าเทคโนโลยีของ Palantir ก็ได้แสดงความเห็นในทำนองเดียวกันในการประชุมโทรคมนาคมรายงานผลเมื่อเดือนที่แล้ว โดยกล่าวว่าบริษัทเน้นย้ำ “พื้นที่ห้ามใช้งานแบบไม่มีคุณภาพ” และต่อต้านการถือว่าการเรียกใช้โมเดลราคาถูกเป็นคุณค่าเอง
Palantir เน้นระบบมากกว่าการสะสมโมเดล
ในเวลานั้น ซังคาร์กล่าวว่า การมี AI ที่ถูกกว่าเพียงอย่างเดียวจะไม่ทำให้ผลตอบแทนสูงขึ้นโดยอัตโนมัติ บริษัทยังคงต้องการระบบเช่น Palantir AIP เพื่อเชื่อมโยงความสามารถของโมเดลเข้ากับสภาพแวดล้อมทางธุรกิจจริง และหลีกเลี่ยงการสูญเสียทางการเงินจากผลลัพธ์ที่ผิดพลาด
คาร์ปยังระบุในสัมภาษณ์ล่าสุดว่า สิ่งที่ยากจริงๆ ไม่ใช่การให้โมเดลสร้างเนื้อหาทั่วไป แต่คือการผสาน AI เข้ากับกระบวนการดำเนินงานที่ทำงานต่อเนื่อง เช่น การเขียนรายงานเกี่ยวกับการเติบโตของ GDP ของจีน โมเดลขนาดใหญ่สามารถทำได้ดี แต่เมื่อเกี่ยวข้องกับงานที่ซับซ้อน เช่น การขุดเจาะน้ำมันและก๊าซ การปรับเปลี่ยนห่วงโซ่อุปทาน การผลิตทางทหาร หรือการผลิตรถยนต์ AI ไม่สามารถแทนที่กระบวนการเฉพาะเหล่านั้นได้
ธุรกิจที่ซับซ้อนยังคงต้องดำเนินการอย่างต่อเนื่อง
เขาเชื่อว่าปัญหาประเภทนี้มักเกี่ยวข้องพร้อมกันกับต้นทุน การปฏิบัติตามกฎหมาย จริยธรรม และรายละเอียดการดำเนินการ จำเป็นต้องมีกระบวนการดำเนินการที่แม่นยำและต่อเนื่อง แบบจำลองขนาดใหญ่สามารถเสริมกระบวนการเหล่านี้ แต่ไม่สามารถแทนที่ได้โดยตรง
คาร์ปยังระบุว่า อุตสาหกรรมตอนนี้เริ่มตระหนักว่า ความสามารถของ AI ได้รับการพิสูจน์แล้ว แต่หากองค์กรต้องการแปลงมันให้เป็นผลลัพธ์ทางธุรกิจอย่างแท้จริง จุดสำคัญไม่ได้อยู่ที่การขยายปริมาณการเรียกใช้โมเดลอย่างไม่จำกัด แต่อยู่ที่การเข้าใจอย่างชัดเจนว่าต้องแก้ไขปัญหาทางธุรกิจอะไร และจะเชื่อมโมเดลเข้ากับระบบที่สามารถดำเนินการได้อย่างไร