หลังจากองค์กรขนาดใหญ่นำเครื่องมือ AI มาใช้อย่างกว้างขวาง ปัญหาใหม่เริ่มปรากฏชัดเจน: ไม่ใช่เรื่องของโมเดลที่แข็งแกร่งพอหรือไม่ แต่เป็นเรื่องของใบแจ้งหนี้ที่พุ่งสูงขึ้นอย่างรวดเร็ว บริษัทเทคโนโลยีและอินเทอร์เน็ตหลายแห่งพบว่า แม้ราคาต่อโทเค็นจะลดลง แต่การแพร่หลายของเครื่องมือ AI สำหรับการเขียนโค้ด ผู้ช่วยอัตโนมัติ และตัวแทนอัจฉริยะ ทำให้ปริมาณการใช้งานโดยรวมยังคงเพิ่มขึ้นอย่างรวดเร็ว
หลายบริษัทใช้งบประมาณล่วงหน้าเกินขอบเขต
TechCrunch รายงานว่า บริษัทบางแห่งใช้งบประมาณ AI ประจำปี 2026 ไปแล้วตั้งแต่เนิ่นๆ โดย Uber ใช้งบประมาณการเขียนโค้ด AI ทั้งปีหมดภายในเดือนเมษายน; Microsoft ได้เพิกถอนสิทธิ์การใช้งาน Claude Code ของนักพัฒนาบางรายหลังเปิดใช้งานมาหลายเดือน; พนักงานของ Priceline ระบุว่า ข้อเสนอการต่อสัญญาปกติสำหรับ Cursor สูงขึ้น 4 ถึง 5 เท่าเมื่อเทียบกับก่อนหน้า
การเปลี่ยนแปลงนี้เกี่ยวข้องกับการเปิดตัวโมเดลที่แข็งแกร่งขึ้นในช่วงไม่กี่เดือนที่ผ่านมา Anthropic, OpenAI และ Google ได้เปิดตัวโมเดลใหม่ที่เหมาะกับสถานการณ์ตัวแทนอย่างต่อเนื่องหลังจากเดือนพฤศจิกายนปีที่แล้ว ทำให้ปริมาณการเรียกใช้งานยังคงเพิ่มขึ้น บริษัทหนึ่งถึงกับมีใบแจ้งหนี้ Claude สูงถึง 5 พันล้านดอลลาร์สหรัฐ เนื่องจากไม่ได้ตั้งขีดจำกัดการใช้งานของพนักงาน
การเพิ่มผลผลิตไม่ได้หมายความว่าจะครอบคลุมต้นทุนทั้งหมด
Alexander Embr หัวหน้าธุรกิจองค์กรของ OpenAI กล่าวว่า เมื่อหกเดือนก่อน ลูกค้าให้ความสำคัญกับความสามารถของโมเดลว่าเพียงพอหรือไม่ ขณะนี้จุดสนใจได้เปลี่ยนไปเป็นความโปร่งใสด้านค่าใช้จ่าย ความสามารถในการตรวจสอบ การควบคุมโทเค็น และประสิทธิภาพของโมเดล ปัญหาการซื้อ AI ขององค์กรกำลังเปลี่ยนจาก “ทำได้อะไรบ้าง” เป็น “ใช้เงินไปเท่าไหร่ และคุ้มค่าหรือไม่”
อุตสาหกรรมเริ่มทบทวนผลตอบแทนจากเครื่องมือเขียนโค้ดด้วย AI ผลการสำรวจของ Faros AI เมื่อเดือนมีนาคมต่อโปรแกรมเมอร์ 20,000 คนแสดงว่า ผลผลิตการพัฒนาเพิ่มขึ้น แต่ข้อผิดพลาดและการทำงานซ้ำก็เพิ่มขึ้นเช่นกัน ขณะที่การวิจัยจากแพลตฟอร์มจัดการวิศวกรรม Jellyfish ชี้ให้เห็นว่า วิศวกรที่ใช้ AI อย่างหนักมีผลผลิตประมาณสองเท่าของผู้ใช้งานน้อย แต่การใช้ Token สูงกว่าถึงสิบเท่า
- ผู้ใช้ AI ระดับสูงมีผลผลิตประมาณสองเท่าของผู้ใช้ระดับต่ำ
- การใช้โทเค็นที่เกี่ยวข้องสูงกว่าประมาณ 10 เท่า
- การใช้งานโดยนักพัฒนาคนเดียวเพิ่มขึ้นประมาณ 18.6 เท่าในเวลา 9 เดือน
เครื่องมือจัดการต้นทุนกำลังพัฒนาอย่างรวดเร็ว
ขณะที่ปัญหาบิลขยายตัว ตลาดเครื่องมือจัดการต้นทุน AI ก็เริ่มร้อนขึ้น ฟันเดชัน Linux ประกาศเมื่อสัปดาห์นี้ว่าจะจัดตั้ง Tokenomics Foundation โดยมีเป้าหมายเพื่อสร้างภาษาและมาตรฐานการจัดการที่เป็นเอกภาพสำหรับค่าใช้จ่าย AI Token คล้ายกับ FinOps ในด้านการจัดการต้นทุนคลาวด์
องค์กรนี้มีแผนที่จะพัฒนามาตรฐานเปิดสำหรับการใช้งานและเรียกเก็บค่าใช้จ่ายของโทเค็น ตัวชี้วัดที่เป็นมาตรฐานเดียวกัน และการวัดผลใหม่ที่เกี่ยวข้องกับประสิทธิภาพด้านต้นทุน เช่น “ต้นทุนอัจฉริยะต่อหน่วย” หรือ “จำนวนโทเค็นต่อวัตต์” เวลาเริ่มต้นอย่างเป็นทางการคาดว่าจะอยู่ในเดือนกรกฎาคม และจะเปิดเผยสมาชิกเพิ่มเติมในการประชุม FinOps X ที่จะจัดขึ้นในสัปดาห์หน้า
ในขณะเดียวกัน บริษัทสตาร์ทอัพและผู้ผลิตที่มีประสบการณ์ต่างเร่งขยายการลงทุน Pay-i, Paid และบริษัทอื่นๆ เน้นการติดตาม วัดผล และปรับปรุงต้นทุน AI Jellyfish, Waydev และ Faros AI ให้บริการตรวจสอบด้วยตัวแทน AI Ramp, Datadog และ New Relic ก็เพิ่มฟีเจอร์การจัดการค่าใช้จ่ายด้าน AI การมองเห็นระดับโทเค็น และการตรวจสอบ GPU
การจัดเส้นทางโมเดลกลายเป็นทิศทางในการลดต้นทุน
นักลงทุนและผู้บริหารองค์กรบางส่วนเชื่อว่า ความสามารถดังกล่าวในอนาคตจะปรากฏมากขึ้นในชั้นแอปพลิเคชันหรือชั้นการจัดเส้นทางโมเดล ตัวอย่างเช่น บริษัทสตาร์ทอัพด้าน AI อย่าง Factory ได้เปิดตัวโมเดลรูทเตอร์เมื่อสัปดาห์นี้ ซึ่งจะเลือกโมเดลที่เหมาะสมที่สุดตามภารกิจโดยอัตโนมัติ เพื่อลดต้นทุนการเรียกใช้งาน บางองค์กรยังได้ใช้วิธีการคล้ายกันในบิลของตน โดยแม้จะเรียกใช้งานโมเดลระดับสูง ระบบก็ยังสามารถแบ่งคำขอบางส่วนให้โมเดลที่ถูกกว่าจัดการ
ข้อมูลเพิ่มเติม: โกลด์แมน แซคส์ คาดการณ์ว่า การใช้งานโทเค็นทั่วโลกจะเพิ่มขึ้น 24 เท่าภายในปี 2030 สำหรับบริษัทที่อยู่ในระยะการลงทุนสูงแล้ว การควบคุมต้นทุนขณะขยายการใช้งาน AI กำลังกลายเป็นปัญหาที่ต้องจัดการในขั้นตอนการปรับใช้ถัดไป