ยุคโมเดล AI หมุนเวียนรายไตรมาส คืออะไรและทำไมจึงน่ากังวล
ยุคที่โมเดล AI ล้าสมัยอย่างรวดเร็วคือภาวะที่แบบจำลองปัญญาประดิษฐ์รุ่นใหม่ถูกพัฒนาและเปิดตัวต่อเนื่องจนทำให้รุ่นก่อนหน้าเสื่อมคุณค่าเชิงเทคนิคและเชิงพาณิชย์ภายในเวลาไม่กี่เดือน ส่งผลให้สัญญาซื้อบริการ โทเคน และการลงทุนโครงสร้างพื้นฐานที่ผูกกับรุ่นเดิมยังไม่ทันสร้างผลตอบแทนก็ต้องถูกแทนที่ด้วยเทคโนโลยีรุ่นใหม่ นำไปสู่ความเสี่ยงด้านการลงทุน AI และการคำนวณ ROI ของ AI ที่ยากขึ้นอย่างมากสำหรับองค์กรทุกขนาด ข้อมูลจากแพลตฟอร์มหนึ่งระบุว่าโทเคนส่วนใหญ่ถูกใช้กับโมเดลที่เปิดให้บริการไม่ถึงสี่เดือน เมื่อโมเดลใหม่เก่งกว่าและราคาถูกกว่าถูกอัปเดตแทบทุกไตรมาส คำถามเชิงกลยุทธ์จึงไม่ใช่แค่จะใช้ AI หรือไม่ แต่คือจะกล้า “ล็อกอิน” กับผู้ให้บริการรายใดได้ยาวนานแค่ไหน เพราะการผูกสัญญาระยะยาวอาจกลายเป็นภาระมากกว่าสิทธิประโยชน์ ประเด็นนี้ทำให้ตลาด AI สั่นคลอน ผู้พัฒนาโมเดลต้องเร่งปล่อยรุ่นใหม่ ในขณะที่องค์กรผู้ใช้เริ่มลังเลว่าการลงทุน AI ที่ทำวันนี้จะยังมีคุณค่าทางธุรกิจในอีก 12–18 เดือนหรือไม่ หรือจะเป็นเพียงสินทรัพย์เทคโนโลยีอายุสั้นที่ต้องตัดจำหน่ายก่อนถึงจุดคุ้มทุน
ต้นทุน AI ลดลงเร็วกว่ากฎของมัวร์ แต่ทำให้โมเดลยิ่งล้มกระดานเร็ว
รายงานของสำนักวิจัยหนึ่งชี้ว่าต้นทุน AI ลดลงเป็นหลักพันเท่าในเวลาไม่กี่ปี เร็วกว่าทุกเทคโนโลยีพลิกโลกในรอบศตวรรษ อีกข้อมูลระบุว่าราคาเฉลี่ยต่อโทเคนลดลงต่อเนื่องสามเดือนติด และลดลงถึง 23.2% ในครั้งล่าสุด นี่คือคำพูดที่น่าจดจำว่า "ต้นทุนปัญญาประดิษฐ์ถูกลงเกือบ 50% ทุกไตรมาส และถูกลง 13 เท่าต่อปี" ฟังดูเหมือนข่าวดี แต่การที่โทเคนและต้นทุนการประมวลผลถูกลงเร็วกว่ากฎของมัวร์ กลับทำลายความชอบธรรมของโมเดลธุรกิจแบบสมัครใช้รายเดือน เมื่อผู้ใช้รู้ว่าบริการที่สนใจจะถูกลงและเก่งขึ้นในอีกไม่กี่สัปดาห์หรือเดือน แรงจูงใจในการยึดติดกับผู้ให้บริการรายเดิมจึงลดลงทันที ความภักดีต่อแบรนด์ถูกแทนที่ด้วยการเปรียบเทียบราคาและความสามารถแบบเรียลไทม์ ผลคือผู้พัฒนาโมเดลแถวหน้าที่ทุ่มเม็ดเงินระดับสูงกับโครงสร้างพื้นฐานต้องเผชิญโจทย์ยาก การได้เปรียบเหนือคู่แข่งอาจเป็นเพียงช่วงเวลาสั้นมาก ในมุมผู้ใช้ธุรกิจ ต้นทุน AI ลดลงช่วยให้ทดลองใช้ง่ายขึ้น แต่ก็ทำให้การวางแผนการลงทุน AI ระยะยาวมีความเสี่ยงสูงขึ้น เพราะสมมติฐานด้านราคาและสมรรถนะเปลี่ยนเร็วเกินกว่าจะใช้แบบเดิมได้
ต้นทุน AI ลดลง แต่ค่าใช้จ่ายโครงสร้างพื้นฐานและพลังงานกลับพุ่ง
เมื่อโทเคนถูกลง องค์กรก็อยากใช้ AI กับงานมากขึ้น ผลการวิเคราะห์สองฉบับจากบริษัทที่ปรึกษารายใหญ่ระบุว่าการที่โมเดลถูกลงและโทเคนลดราคาทำให้การใช้ AI ความถี่สูงและปริมาณมากถูกมองว่าสมเหตุสมผลขึ้น ซึ่งย่อมสร้างแรงกดดันต่อโครงข่ายไฟฟ้า ในระยะสั้น โทเคนที่ถูกลงจะช่วยกระตุ้นการใช้ AI และดันให้ความต้องการไฟฟ้าสูงขึ้น แม้บริษัทต่างๆ จะพยายามทำให้โมเดล ชิป และดาต้าเซ็นเตอร์มีประสิทธิภาพขึ้นก็ตาม คำถามเชิงธุรกิจคือ ค่าใช้จ่ายโครงสร้างพื้นฐานจากดาต้าเซ็นเตอร์และระบบไฟฟ้าที่โตเร็วกว่ามูลค่าเพิ่มจาก AI หรือไม่ หนึ่งในรายงานระบุว่าความต้องการไฟฟ้าของดาต้าเซ็นเตอร์ถูกจัดให้เป็นภาระโหลดที่เติบโตเร็วที่สุดในตลาดไฟฟ้าของกลุ่มประเทศพัฒนาแล้ว และหลายตลาดมองว่าดาต้าเซ็นเตอร์เป็นตัวผลักดันหลักของการเติบโตด้านความต้องการไฟฟ้าถึงปี 2030 ถึงขั้นมีการประเมินว่าความต้องการไฟฟ้าจากดาต้าเซ็นเตอร์ทั่วโลกจะโตเฉลี่ยปีละ 24% จนถึงปี 2030 และจึงค่อยชะลอลงเหลือโตปีละ 5% ระหว่างปี 2030–2040 นั่นหมายความว่าแม้ต้นทุน AI ลดลงอย่างรวดเร็ว แต่ค่าใช้จ่ายโครงสร้างพื้นฐานที่รองรับ AI ทั้งด้านไฟฟ้า พื้นที่ และระบบระบายความร้อนอาจชดเชยส่วนประหยัดเหล่านั้นไปเกือบหมด ถ้าองค์กรไม่มีแผนจัดการการใช้ที่ชัดเจน
เมื่อ ROI ของ AI วิ่งไม่ทันอายุโมเดล: วิกฤตการลงทุน AI
องค์กรจำนวนมากกำลังติดกับดัก ROI ของ AI เพราะอายุโมเดลสั้นเกินกว่าจะคืนทุนได้ทัน เมื่อโมเดล AI ล้าสมัยเร็ว การซื้อโทเคนผูกกับโมเดลรุ่นเดิมหรือการลงทุนระบบเฉพาะทางสำหรับโมเดลหนึ่งๆ กลายเป็นภาระ ต้องเร่งตัดจำหน่ายก่อนจะเห็นผลตอบแทนเต็มที่ นักลงทุนในโครงสร้างพื้นฐาน AI ระดับแนวหน้าซึ่งใช้เงินมหาศาลกับดาต้าเซ็นเตอร์และชิป ก็เริ่มตั้งคำถามว่าการจ่ายเพื่อ “สิทธิพิเศษ” ในการนำหน้าเทคโนโลยีมีประโยชน์จริงหรือไม่ ฝั่งผู้ใช้ปลายทางเองก็ลังเล การที่ต้นทุนตอบคำถามหรือทำงานด้วย AI ลดลงเร็ว แต่สมรรถนะก็เพิ่มขึ้นต่อเนื่อง ทำให้การตัดสินใจสมัครใช้บริการระยะยาวดูไม่น่าเชื่อถือ "ในเมื่อรุ่นใหม่จะเก่งกว่าและถูกกว่าในอีกไม่กี่เดือน ทำไมต้องเข้าใช้ตอนนี้ และถ้ามีคู่แข่งที่ดีกว่าและถูกกว่า ทำไมต้องอยู่กับผู้ให้บริการรายเดิม" คือคำถามที่รายงานหนึ่งเขียนไว้อย่างตรงไปตรงมา อย่างไรก็ตาม ไม่ใช่ทุกองค์กรจะปล่อยให้ค่าโทเคนบานปลายโดยไม่กำหนดเป้าหมาย รายงานหนึ่งพบว่ากลุ่มบริษัทที่มีความพร้อมด้าน AI สูงถึงสามในสี่ได้ตั้งกรอบการใช้โทเคนชัดเจนและบริหารการใช้ให้สอดคล้องกับผลตอบแทนที่ต้องการ นั่นแสดงว่า ROI ของ AI ไม่สามารถปล่อยให้เกิดเอง แต่ต้องออกแบบและกำกับอย่างใกล้ชิดท่ามกลางวงจรเปลี่ยนโมเดลที่หมุนเร็ว
ออกแบบยุทธศาสตร์ AI ในโลกที่โมเดลล้าสมัยก่อนถึงจุดคุ้มทุน
เมื่อภาพรวมหลังปี 2030 ยังไม่ชัดว่าดาต้าเซ็นเตอร์และ AI จะให้มูลค่าเพียงพอกับการเติบโตด้านโครงสร้างพื้นฐานหรือไม่ องค์กรจึงต้องเปลี่ยนวิธีคิดกับการลงทุน AI จากการซื้อเทคโนโลยีให้ทันคนอื่น มาเป็นการออกแบบวงจรชีวิตโซลูชันให้สอดรับกับอายุของโมเดลและสัญญาโทเคน การเดิมพันกับโมเดลปิดและโทเคนที่ผูกกับโมเดลรุ่นเดียวกำลังดูเสี่ยงมากขึ้น เมื่อข้อมูลจากแพลตฟอร์มหนึ่งชี้ว่าโมเดลเปิดที่ปรับแต่งได้เริ่มครองสัดส่วนโทเคนถึง 56% แต่คิดเป็นเพียง 14% ของมูลค่าใช้จ่ายโทเคน ในทางปฏิบัติ แนวทางที่น่าเชื่อถือคือ 1 กำหนดเพดานการใช้โทเคนและเป้าหมาย ROI ของ AI ให้ชัด โดยอ้างอิงกรณีของบริษัทที่พร้อมด้าน AI ที่บริหารโทเคนตามผลตอบแทน 2 เลือกสถาปัตยกรรมโครงสร้างพื้นฐานที่เปลี่ยนโมเดลได้ง่าย ลดความเสี่ยงจากการล็อกอินกับผู้ให้บริการรายใดรายหนึ่ง 3 มองต้นทุน AI ลดลงเป็นโอกาสทดลอง แต่ไม่เร่งขยายขนาดจนค่าใช้จ่ายโครงสร้างพื้นฐานและไฟฟ้าบดบังผลประหยัด บทสรุปคือ AI จะยิ่งถูกลงและเก่งขึ้น แต่ถ้าองค์กรไม่ออกแบบเกมให้ดี การลงทุน AI ไม่เพียงเสี่ยงไม่คุ้มทุน ยังอาจดันให้ต้นทุนโครงสร้างพื้นฐานและพลังงานพุ่งสูงแบบไม่จำเป็นด้วย
