AI ช่วยอัตโนมัติงานที่พนักงานเกลียด ไม่ใช่งานที่สร้างรายได้
เมื่อไม่กี่วันก่อน เก็คปาร์คได้รายงานว่าไมโครซอฟท์ ซึ่งเคยลงทุนหนักในด้าน AI ได้หยุดการอนุญาตให้ใช้งาน Claude Code สำหรับพนักงานส่วนใหญ่ภายในองค์กรโดยเงียบๆ
เรื่องนี้น่าประหลาดมาก เพราะในคลื่นการนำ AI ไปใช้งานจริงครั้งนี้ จุดขายหลักสำหรับผู้ใช้งานองค์กรคือ “เพิ่มประสิทธิภาพ” ถ้าสามารถเพิ่มประสิทธิภาพได้ ทำไมไมโครซอฟท์จึงตัดสินใจหยุดให้พนักงานใช้ Claude Code?
ไมโครซอฟต์ไม่ใช่บริษัทเดียวที่ทำเช่นนี้ การลดการใช้โทเค็น และเลิกส่งเสริมให้พนักงานเขียนโค้ดแบบสุดเหวี่ยง ได้กลายเป็นแนวโน้มใหม่ของบริษัทใหญ่ในซิลิคอนแวลลีย์
Uber ใช้เงินงบประมาณ AI token ทั้งปีภายในสี่เดือน Salesforce ออกเช็คให้ Anthropic ปีละประมาณ 3 พันล้านดอลลาร์สหรัฐ ที่ปรึกษาด้าน AI คนหนึ่งเปิดเผยว่าลูกค้าคนหนึ่งของเขามีค่าใช้จ่าย AI สูงถึง 5 พันล้านดอลลาร์สหรัฐต่อเดือน Meta ยังซ่อนระบบอันดับ “tokenmaxxing” ภายในไปอย่างเงียบๆ — ระบบดังกล่าวเดิมถูกสร้างขึ้นเพื่อกระตุ้นพนักงานให้ใช้ AI มากขึ้น
ตอนนี้ บริษัทต่างๆ กำลังทำสิ่งที่เมื่อไม่กี่ปีก่อนไม่เคยกล้าคิดถึง:
จำกัดและติดตามการใช้ AI ของพนักงาน
ทำไมบริษัทขนาดใหญ่ถึงหันมาสนใจกันอย่างมากมาย?
「Tokenmaxxing」 ภาพสะท้อนของยุคสมัย
เพื่อเข้าใจวิกฤตต้นทุนในวันนี้ คุณต้องเข้าใจก่อนว่า “tokenmaxxing” คืออะไร
คำนี้เริ่มเป็นที่นิยมประมาณปี 2025 ความหมายตรงตัวคือ “การใช้งานโทเค็นให้มากที่สุด” มันสะท้อนตรรกะการจัดการว่า 既然บริษัทใช้เงินจำนวนมากในการซื้อเครื่องมือ AI พนักงานควรใช้งานให้เต็มที่ ยิ่งใช้งานมากเท่าใด ก็ยิ่งแสดงว่าคุณ “เปลี่ยนผ่านสู่ดิจิทัล” ได้ดีเท่านั้น ในขณะที่การใช้งานน้อยถือเป็นการสิ้นเปลืองทรัพยากร ดังนั้นหลายบริษัทจึงตั้งโควตาการใช้งาน ตารางอันดับ รวมถึงการประเมินผลการทำงาน เพื่อเร่งให้พนักงานใช้งาน AI
Then what?
พนักงานเริ่มใช้โมเดล AI ระดับองค์กรของบริษัทเพื่อเช็คสภาพอากาศ เขียนข้อความอวยพรวันเกิด และถามว่าวันนี้จะกินอะไร
การศึกษาที่ดำเนินการกับบริษัท 2,444 แห่งพบว่า สำหรับทุกๆ 1 ดอลลาร์สหรัฐที่บริษัทใช้จ่ายไปกับ AI token 0.44 ดอลลาร์สหรัฐถูกใช้ไปกับการแก้ไขบั๊กที่ AI สร้างขึ้น 0.27 ดอลลาร์สหรัฐใช้ในการเขียนโค้ดใหม่จากผลลัพธ์ของ AI และ 0.11 ดอลลาร์สหรัฐสูญเปล่าไปกับความล่าช้าในการทบทวนและการรวมโค้ด
กล่าวคือ สำหรับต้นทุนการซื้อ AI หนึ่งดอลลาร์ มีการสูญเสียเชิงแฝงใกล้เคียง 80% ซ่อนอยู่ด้วย
นักลงทุน Shruti Gandhi ใช้คำเปรียบเทียบที่แม่นยำมาก: “การดำเนินธุรกิจแบบ tokenmaxxing นั้นเหมือนกับบริษัทที่วัดผลิตภาพโดยการเปิดไฟทุกดวง—การใช้จ่ายมากขึ้นไม่ได้หมายความว่าจะผลิตได้มากขึ้น”
ที่น่าขำกว่านั้นคือ บริษัทส่วนใหญ่เหล่านี้แทบไม่รู้เลยว่าพนักงานใช้ AI ทำอะไร ไม่เคยรู้ว่าการเสร็จสิ้นงานเหล่านั้นจะมีการเปลี่ยนแปลงใดๆ เพราะ AI หรือไม่
การแข่งขันที่ “เผาเงิน” นี้เริ่มตั้งแต่ปี 2024 จนถึงปี 2025 และสุดท้ายก็ระเบิดอย่างรุนแรงในปีนี้ ธนาคาร JPMorgan ได้เผยแพร่รายงานที่มีถ้อยคำรุนแรง โดยมีหัวข้อที่ตรงไปตรงมาจนรู้สึกไม่สบายใจ—“ต้นทุนของ AI Token กำลังกลืนกินกำไรของอินเทอร์เน็ต”
Shopify, Spotify, ServiceNow และ Roku ต่างกล่าวในโทรศัพท์รายงานผลการดำเนินงานว่า AI กลายเป็นแหล่งกดดันหลักต่อค่าใช้จ่ายในการดำเนินงาน บรรยากาศโดยรวมของอุตสาหกรรมเริ่มเปลี่ยนจาก “AI เจ๋งแค่ไหน” เป็น “ค่าใช้จ่ายนี้คุ้มค่าจริงหรือ”
เมื่อซีอีโอเริ่มตั้งคำถามเกี่ยวกับ ROI
มีเพียง 14% ของ CFO ที่ระบุว่าเห็นผลตอบแทนที่ชัดเจนและวัดได้จากการลงทุนใน AI
แอนดรูว์ แมคโดนัลด์ หัวหน้าเจ้าหน้าที่ปฏิบัติการของ Uber ได้พูดอย่างตรงไปตรงมาในพอดีว่า — พวกเขาพบว่ามันยากที่จะเชื่อมโยงการเพิ่มประสิทธิภาพส่วนบุคคลของพนักงานกับผลกระทบทางธุรกิจโดยรวมของบริษัท “ถ้าคุณไม่สามารถมองเห็นว่า AI ช่วยคุณในการแนะนำฟีเจอร์ที่มีคุณค่าให้ผู้ใช้ได้มากแค่ไหน ต้นทุนโทเค็นก็จะยิ่งยากที่จะอธิบายให้คนอื่นเข้าใจ”
这句话点出了企业 AI 困境的核心所在：个人效率提升，不等于公司收益增长。
พนักงานใช้ AI เขียนรายงานรายสัปดาห์เร็วขึ้นสามเท่า แต่รายได้ของบริษัทไม่เปลี่ยนแปลง วิศวกรใช้ AI สร้างโค้ดได้เร็วขึ้นสองเท่า แต่อัตราการสูญเสียโค้ด—หรือสัดส่วนที่ถูกทิ้งหรือเขียนใหม่—เพิ่มขึ้น 800%
โซเฟีย เวลาสเตกุย อดีตหัวหน้าด้าน AI ของไมโครซอฟท์ กล่าวว่า: “คนส่วนใหญ่โดยทั่วไปจะให้ระบบอัตโนมัติจัดการงานที่พวกเขาไม่ชอบ แทนที่จะเป็นงานที่มีคุณค่าสูงสุดต่อองค์กร”
พูดให้เข้าใจง่ายๆ คือ บริษัทใช้การอัตโนมัติสำหรับงานที่พนักงานเกลียด ไม่ใช่งานที่สร้างรายได้
นี่ไม่ใช่ปัญหาทางเทคนิค แต่เป็นปัญหาเรื่องลำดับความสำคัญ นี่จึงเป็นเหตุผลที่โครงการ AI แบบสร้างเนื้อหาประมาณ 30% ถูกยกเลิกในขั้นตอนการพิสูจน์แนวคิด — เนื่องจากต้นทุนไม่ชัดเจน คุณค่าก็ไม่ชัดเจน ผู้บริหารจึงไม่ต่ออายุงบประมาณ
วิธีการของมาร์ค เบนิออฟ ซีอีโอของ Salesforce มีลักษณะเป็นตัวแทนที่ดี ในการเผชิญกับใบแจ้งหนี้ปีละ 300 ล้านดอลลาร์สหรัฐจาก Anthropic เขาคาดหวังให้มี “รูเตอร์อัจฉริยะ”: สามารถตัดสินว่าคำถามใดควรใช้โมเดลระดับสูงสุด และคำถามใดใช้โมเดลขนาดเล็กที่ถูกกว่าก็เพียงพอ
แนวคิดนี้ไม่ได้ใหม่อะไรเลย—ตั้งแต่ยุคคลาวด์คอมพิวติ้ง การจ่ายเงินตามการใช้งานและการเพิ่มประสิทธิภาพทรัพยากรก็เป็นมาตรฐานอยู่แล้ว แต่คลื่น AI มาเร็วเกินไป ทุกคนจึงซื้อก่อนคิดทีหลัง ตอนนี้ถึงได้เริ่มตามทัน
การกลับสู่ความเป็นเหตุเป็นผล หรือเป็นสัญญาณก่อนฤดูหนาว?
เมื่อเร็วๆ นี้ ไมโครซอฟท์ได้ยกเลิกใบอนุญาตองค์กรส่วนใหญ่สำหรับ Claude Code โดยอ้างเหตุผลด้านต้นทุน ประเด็นนี้ได้สร้างการอภิปรายอย่างมากในอุตสาหกรรม—เนื่องจากไมโครซอฟท์เองก็เป็นผู้ลงทุนรายใหญ่ที่สุดของ OpenAI พร้อมกันกับการตัดการสมัครสมาชิกของคู่แข่ง ว่ามีสัดส่วนเท่าใดที่เป็นการพิจารณาด้านต้นทุน และเท่าใดที่เป็นกลยุทธ์ทางธุรกิจ จึงยากที่จะระบุได้อย่างชัดเจน
แต่ไม่ว่าอย่างไร มันก็เป็นสัญญาณว่าบริษัทเริ่มลงคะแนนเสียงด้วยเท้าแล้ว
Harness และ CloudZero ได้เปิดตัวเครื่องมือจัดการต้นทุน AI ในวันเกือบเดียวกัน—วันที่ 28 พฤษภาคม—โดยเครื่องมือหนึ่งเน้นการติดตามต้นทุน AI และ ROI แบบเรียลไทม์ ส่วนอีกเครื่องมือหนึ่งเปิดตัว “แผงควบคุมการเงิน AI” เพื่อช่วยธุรกิจเชื่อมโยงการใช้จ่าย AI ทุกดอลลาร์กับผลลัพธ์ทางธุรกิจที่ชัดเจน
การที่ผลิตภัณฑ์ทั้งสองนี้ปรากฏขึ้นก็ชี้ให้เห็นถึงปัญหาเอง: ตลาดมีความต้องการ และความต้องการนั้นเร่งด่วน
HubSpot ตั้งแต่เดือนเมษายนปีนี้ได้ปรับโมเดลการกำหนดราคาสำหรับตัวแทน AI โดยเลิกคิดค่าบริการตามจำนวน token และเปลี่ยนมาคิดตามจำนวนการสนทนาที่แก้ไขได้หรือจำนวนข้อมูลลูกค้าที่สร้างขึ้น—นี่คือการเปลี่ยนแปลงในทิศทางที่สอดคล้องผลประโยชน์ของผู้ขายกับผลลัพธ์จริงของผู้ซื้อ ServiceNow ก็กำลังดำเนินการปรับเปลี่ยนในลักษณะเดียวกัน ผู้ผลิต AI กำลังตระหนักว่า หากยังคงขาย “ปริมาณการใช้งาน” แทนที่จะขาย “ผลลัพธ์” ลูกค้าองค์กรจะเกิดการต่อต้านร่วมกันในที่สุด
การปรับตัวครั้งนี้คือความเจ็บปวดที่จำเป็นต้องผ่านไปในการพาณิชย์ hóa AI หรือเป็นจุดเริ่มต้นของวิกฤตที่ใหญ่กว่า?
ฉันมีแนวโน้มที่จะเชื่อว่าเป็นกรณีแรก แต่มีรายละเอียดหนึ่งที่ทำให้กังวลเล็กน้อย: การใช้จ่ายด้านซอฟต์แวร์ AI ทั่วโลกคาดว่าจะแตะระดับ 2.59 ล้านล้านดอลลาร์สหรัฐในปี 2026 เพิ่มขึ้น 47% เมื่อเทียบปีก่อน แต่ในขณะเดียวกัน 94% ของหัวหน้าวิศวกรรมระบุว่าตัวชี้วัด ROI หลักยังคงขาดหายไป เงินถูกใช้จ่ายมากขึ้นเรื่อยๆ แต่ไม่มีใครรู้ว่าเงินถูกใช้ไปที่ไหนหรือคุ้มค่าหรือไม่—ความขัดแย้งนี้ หากไม่ได้รับการแก้ไข การเกิดขึ้นของ “ช่วงเวลา tokenmaxxing” ถัดไปก็เป็นเพียงเรื่องของเวลา
บทความวิเคราะห์จากนิตยสาร Fortune กล่าวอย่างตรงไปตรงมาว่า: “การ tokenmaxxing นั้นง่าย แต่การรีดีไซน์กระบวนการดำเนินงานนั้นยาก” บริษัทส่วนใหญ่ในปัจจุบันกำลังปรับปรุงกระบวนการที่มีอยู่ แทนที่จะสร้างโมเดลธุรกิจใหม่ขึ้นมา การสร้างมูลค่าที่แท้จริงของ AI อยู่ที่จุดนี้ และเป็นจุดที่องค์กรส่วนใหญ่ยังไม่ถึง
การกลับสู่ความเป็นเหตุเป็นผลเป็นสิ่งที่ดี แต่หลังจากการกลับสู่ความเป็นเหตุเป็นผลแล้ว บริษัทยังต้องตอบคำถามที่ยากกว่า: AI ควรเป็นเพียงค้อนสำหรับธุรกิจของเรา หรือควรเป็นกรอบความคิดใหม่ทั้งชุด?
หากคุณแค่ใช้ AI เพื่อทำงานเก่าๆ ให้เร็วขึ้น บิลจะสุดท้ายผลักให้คุณกลับมาเผชิญกับคำถามนี้อีกครั้ง
บทความนี้มาจาก微信号 “GeekPark” (ID: geekpark) โดยผู้เขียน: Hua Lin Wu Wang แก้ไขโดย: Jing Yu