หลายบริษัทเทคโนโลยีอย่าง Amazon, Microsoft และ Meta พบว่า ต้นทุนการใช้งาน AI บางครั้งแพงกว่าการจ้างมนุษย์ เมื่อ AI Token inflation พุ่งสูง ทำให้บริษัทต้องทบทวนการนำ AI มาใช้กับงานที่ประหยัดต้นทุนจริง
จุดเริ่มต้นของวิกฤตต้นทุน AI
- บริษัทชั้นนำเริ่มปลดพนักงานหลายหมื่นคน เพื่อนำ AI มาทำงานแทน
- เป้าหมาย: ลดต้นทุนและเพิ่มประสิทธิภาพงานประจำ
- ปัญหาเกิดขึ้นเมื่อค่า Token สำหรับใช้งาน AI พุ่งสูงกว่า 2 เท่าในปี 2025-2026
ปัญหา Token Maxing และงบประมาณบานปลาย
- ระบบคิดเงินตาม Token:
AI ใช้ค่า Token เหมือนมิเตอร์รถแท็กซี่ ยิ่งงานซับซ้อน ค่าใช้จ่ายยิ่งสูง - Token Maxing:
พนักงานบางส่วนใช้ AI ในงานเล็กๆ เพื่อเพิ่ม Token ให้ดูเหมือนทำงานหนัก ตาม KPI - งบประมาณหมดเร็ว:
หลายบริษัทหมดงบด้านไอทีทั้งปีภายในไม่กี่เดือนแรก
วิกฤตโครงสร้างพื้นฐานและราคาที่พุ่งสูง
- แรงดันการผลิต: AI ต้องใช้ Data Center และชิปหน่วยความจำมหาศาล
- ราคาพุ่ง: Token ราคาเพิ่มจาก $1.01 เป็น $2.12 ต่อล้าน Token
- ภาระของบริษัทใหญ่: Meta อาจต้องจ่าย Token เกือบ 30,000 ล้านบาทต่อเดือน
เมื่อมนุษย์กลายเป็นทางเลือกที่คุ้มค่า
- งานบางประเภท เช่น Call Center หรือป้อนข้อมูล
- ต้นทุน AI สูงเกินไป ทำให้มนุษย์กลายเป็นตัวเลือกประหยัดกว่า
- จุดคุ้มทุนและ ROI ต้องทบทวนใหม่
บทเรียนสำคัญสำหรับธุรกิจ
- เทคโนโลยีไม่ถูกกว่ามนุษย์เสมอไป
- ต้องวิเคราะห์งานให้เหมาะสม: แยกงานที่ AI คุ้มค่าจริงกับงานที่มนุษย์ทำได้ดีกว่า
- การวางงบประมาณ AI ต้องรอบคอบ: ควรมีการวัด ROI และติดตามค่า Token อย่างใกล้ชิด
FAQ
Q1: ทำไมต้นทุน AI ถึงสูงมาก?
A1: ค่าใช้จ่ายสูงเกิดจากการคิดค่าบริการตาม Token และความต้องการ Data Center, ชิปหน่วยความจำ และพลังงานสูง
Q2: Token Maxing คืออะไร?
A2: เป็นพฤติกรรมการใช้ AI ในงานเล็กๆ เพื่อเพิ่มจำนวน Token ให้ดูเหมือนทำงานหนักตาม KPI
Q3: งานแบบไหนที่ AI แพงเกินไป?
A3: งานพื้นฐาน เช่น Call Center, ป้อนข้อมูล หรืองานที่ต้องใช้การตรวจสอบง่ายๆ
Q4: บริษัทควรทำอย่างไรเพื่อลดค่าใช้จ่าย AI?
A4: เลือกงานที่ AI คุ้มค่าจริง, ใช้ Token อย่างมีประสิทธิภาพ, ติดตามงบประมาณ และพิจารณาการจ้างมนุษย์สำหรับงานที่ถูกกว่า
Q5: AI Token Inflation มีผลกระทบต่อผู้บริโภคไหม?
A5: ส่งผลต่อค่าใช้จ่ายของธุรกิจและอาจสะท้อนมายังผู้บริโภค หากบริษัทต้องปรับราคาสินค้าและบริการเพื่อลดต้นทุน
