เจอค่า Token ของ AI เข้าไปยังถอย
ช่วงที่ผ่านมา บริษัทเทคโนโลยีรายใหญ่ทั่วโลกต่างผลักดันให้พนักงานใช้ AI เพื่อเพิ่มประสิทธิภาพการทำงาน โดยเฉพาะเครื่องมือช่วยเขียนโค้ดและ AI Agent ที่สามารถช่วยคิด วิเคราะห์ และทำงานหลายขั้นตอนแทนมนุษย์ได้ แต่ล่าสุดกระแสนี้เริ่มเจอกำแพงสำคัญ เมื่อค่าใช้จ่ายจากการใช้งาน AI ภายในองค์กรพุ่งสูงเร็วกว่าที่หลายบริษัทคาดไว้
.
จนล่าสุดมีรายงานว่า Microsoft เริ่มทยอยลดการใช้งาน Claude Code ภายในองค์กร และหันให้วิศวกรใช้ GitHub Copilot CLI แทน หลังค่าใช้จ่ายด้าน AI เติบโตเร็วกว่าที่บริษัทคาดไว้
.
ปัญหานี้ไม่ได้เกิดขึ้นกับ Microsoft เพียงรายเดียว เพราะก่อนหน้านี้ Uber ก็เคยเปิดเผยว่าใช้งบประมาณเครื่องมือเขียนโค้ด AI ของทั้งปี 2026 หมดไปตั้งแต่ช่วง 4 เดือนแรกของปี ขณะที่ผู้บริหารฝั่ง Applied Deep Learning ของ NVIDIA ยังยอมรับตรง ๆ ว่า ปัจจุบันต้นทุนด้านการประมวลผล AI ของบางทีมสูงกว่าค่าจ้างพนักงานที่เป็นมนุษย์แล้ว
.
สาเหตุสำคัญมาจากโมเดลธุรกิจ AI ยุคปัจจุบันที่คิดค่าใช้จ่ายตามจำนวน token หรือปริมาณการประมวลผล ยิ่งองค์กรเริ่มใช้งาน AI Agent ที่สามารถคิด วิเคราะห์ และทำงานหลายขั้นตอนแทนมนุษย์ได้ ปริมาณ token ก็ยิ่งเพิ่มขึ้นแบบทวีคูณ ส่งผลให้บิลค่าใช้งานสูงขึ้นอย่างรวดเร็ว โดยเฉพาะงานเขียนโค้ด การวิเคราะห์ข้อมูล และระบบอัตโนมัติที่ต้องใช้ reasoning จำนวนมาก
.
ในซิลิคอนวัลเลย์ ปรากฏการณ์นี้เริ่มถูกเรียกว่า tokenmaxxing backlash หรือกระแสตีกลับจากยุคที่หลายบริษัทเคยสนับสนุนให้พนักงานใช้ AI ให้มากที่สุด เพราะเชื่อว่ายิ่งใช้มาก productivity ก็จะยิ่งสูงขึ้น แต่ในทางปฏิบัติ หลายองค์กรเริ่มพบว่าการใช้ AI จำนวนมหาศาลไม่ได้แปลว่าจะได้ผลตอบแทนทางธุรกิจเพิ่มขึ้นในสัดส่วนเดียวกันเสมอไป
.
สัญญาณดังกล่าวยังเห็นได้จาก GitHub Copilot ที่เตรียมเปลี่ยนระบบคิดค่าบริการเป็น usage-based billing โดยคิดตามการใช้ token จริง ทั้ง input และ output token สะท้อนว่าเครื่องมือ AI coding กำลังเปลี่ยนจากซอฟต์แวร์แบบเหมาจ่าย ไปสู่โมเดลที่องค์กรต้องบริหารต้นทุนเหมือนค่า cloud infrastructure
.
ที่มา : Forbes, The Verge
จากประสบการณ์ของผมในการทำงานกับเครื่องมือ AI coding เห็นได้ชัดว่าค่าใช้จ่ายที่คิดตามจำนวน token นั้นมีผลกระทบต่อการจัดการงบประมาณของหลายองค์กรอย่างมาก การใช้ AI Agent ที่สามารถทำงานหลากหลายขั้นตอนแทนมนุษย์นั้น ทำให้ปริมาณ token ที่ต้องประมวลผลเพิ่มขึ้นอย่างรวดเร็ว ยกตัวอย่างเช่นการเขียนโค้ดที่ต้องการการ reasoning สูง หรือการวิเคราะห์ข้อมูลเชิงลึก ทำให้ค่าใช้จ่ายจากการประมวลผล AI บางทีมสูงกว่าค่าจ้างพนักงานจริง ๆ ซึ่งเป็นเรื่องที่บริษัทที่เราคาดไม่ถึงว่า AI จะมีต้นทุนสูงขนาดนี้ สิ่งที่น่าสนใจคือโมเดลธุรกิจ AI ที่เปลี่ยนจากการจ่ายเหมาจ่ายเป็นการคิดตามการใช้งานจริง เช่น GitHub Copilot ที่เปลี่ยนไปใช้ระบบ usage-based billing ทำให้บริษัทต้องบริหารค่าใช้จ่ายเหมือนกับการใช้บริการคลาวด์อื่น ๆ โดยเฉพาะอย่างยิ่งเมื่อ AI Agent ทำงานซับซ้อนและต้องใช้ token จำนวนมาก ผมเองเคยลองใช้ระบบ TaskFlow API ที่กำหนดการจัดการโค้ดแบบ REST API พบว่าการใช้งาน AI ในทีมหรือโปรเจกต์ขนาดใหญ่ ต้องทำความเข้าใจและวางแผนการใช้ Token อย่างรัดกุม เพื่อป้องกันค่าใช้จ่ายพุ่งสูงจนเกินกว่าจะควบคุมได้ ดังนั้นองค์กรจึงควรประเมินความคุ้มทุนของการใช้ AI อย่างละเอียด ไม่ใช่แค่เน้น productivity ที่เพิ่มขึ้นอย่างเดียว แต่ต้องมองภาพรวมระยะยาวว่า AI จะช่วยขับเคลื่อนธุรกิจได้อย่างยั่งยืนและไม่สร้างภาระต้นทุนเกินจำเป็น
