AI ราคาถูกไม่ได้แปลว่าถูกจริง คืออะไรและทำไมเราควรระวัง
ต้นทุนซ่อนของ AI คือค่าใช้จ่ายที่ผู้ใช้ไม่เห็นในป้ายราคา เช่น ค่าโทเค็นที่บวมจากคำตอบยืดยาว ค่ารันเวิร์กโฟลว์ที่ซับซ้อนเกินจำเป็น และความเสี่ยงที่ระบบอัตโนมัติใช้บริการแบบคิดตามการใช้งานโดยไม่มีเพดานงบประมาณที่แน่นอน ต้นทุนเหล่านี้สะสมจากการทดลอง ฟีเจอร์ที่ไม่จำเป็น และการออกแบบขั้นตอนที่ไม่ได้วัดผลจริง ทำให้เครื่องมือผลิตภาพที่ถูกโฆษณาว่าช่วยประหยัดกลับกลายเป็นภาระงบประมาณระยะยาว
บทเรียนสำคัญจากคลื่น AI productivity รอบนี้คือ ป้ายราคา API ต่อโทเค็นหรือค่าบริการแพ็กเกจเริ่มต้นไม่ได้บอกความจริงทั้งภาพ ผู้จัดการเทคโนโลยีจำนวนมากยังคิดว่าการเลือกโมเดลราคาต่อตัวต่ำคือทางลัดรักษางบประมาณ AI ผลิตภาพของทีม แต่การทดสอบในงานจริงแสดงให้เห็นซ้ำแล้วซ้ำเล่าว่าโมเดลถูกอาจต้องรันหลายรอบ ลองซ้ำหลายครั้ง และปล่อยให้โทเค็นบวมจนต้นทุนต่อหนึ่งงานสำเร็จสูงกว่ารุ่นหลักหลายเท่า การเชื่อเฉพาะราคาหน้าตารางจึงไม่ต่างจากการซื้อเครื่องจักรเพราะลดราคาโดยไม่ดูค่าไฟและค่าซ่อมบำรุง
โทเค็นบวม AI เมื่อโมเดลถูกแพงกว่า 14 เท่า
ในการทดสอบโค้ดดิ้งเอเจนต์ ทีมวิจัยหนึ่งเปรียบเทียบโมเดลระดับเบาราคาโทเค็นถูกกับโมเดลหลักของผู้ให้บริการรายเดียวกัน พบว่าต่อให้ราคาต่อโทเค็นของโมเดลเบาถูกกว่าครึ่ง พอคิดค่าใช้จ่ายจริงต่อหนึ่งบั๊กที่แก้สำเร็จกลับแพงกว่าถึง 8.4 ถึง 14.1 เท่า ประโยคนี้ควรถูกขีดเส้นใต้บนไวต์บอร์ดทุกทีมว่า "โมเดลที่ราคาถูกกว่าครึ่งอาจทำให้ต้นทุนต่อความสำเร็จจริงแพงกว่าสิบสี่เท่า"
หัวใจของปัญหาคือโทเค็นบวม AI โมเดลเบาที่ว่ามีคำตอบต่อรอบยาวเกินเหตุ ค่ากลางของจำนวนโทเค็นที่ตอบต่อครั้งอยู่ที่ 361 โทเค็น ขณะที่โมเดลหลักตอบเพียง 16 โทเค็น ต่างกันราว 22 เท่า และในกรณีเลวร้ายที่สุด โมเดลหลักตอบข้อความยาวสุด 541 โทเค็น แต่โมเดลเบากลับพ่นยาวถึง 22,721 โทเค็น หรือประมาณ 42 เท่า ยิ่งแย่ไปกว่านั้น โมเดลเบายังชอบจินตนาการผลลัพธ์เอง เขียนคำสั่งต่อเนื่องยาวหลายสิบบรรทัดในคำตอบเดียว ทั้งที่เอเจนต์จะใช้แค่คำสั่งแรก ทำให้ส่วนที่เหลือทั้งหมดกลายเป็นโทเค็นเสียเงินโดยไม่สร้างมูลค่าเลย
โทเค็นบวมคูณหลายรอบ เวิร์กโฟลว์ยาว กลายเป็นหิมะถล่มต้นทุน
โทเค็นบวม AI ไม่ได้แพงเฉพาะบรรทัดเดียว แต่แพงแบบทบต้น เพราะในสถาปัตยกรรมเอเจนต์ทุกข้อความก่อนหน้าจะถูกส่งกลับเป็นบริบทในรอบถัดไป หมายความว่าโทเค็นไร้ประโยชน์หลายหมื่นตัวจากคำตอบยาวครั้งแรกจะถูกอ่านซ้ำและคิดเงินใหม่ทุกครั้งที่มีรอบสนทนาเพิ่ม นี่คือหิมะถล่มต้นทุนในโลก AI ที่หลายทีมยังไม่รู้ตัวว่ากำลังยืนอยู่ใต้วังวน การทดลองหนึ่งแสดงให้เห็นว่าจากรอบแรกที่อินพุตประมาณหลักร้อยโทเค็น เมื่อโมเดลเบาพ่นข้อความยาวผิดที่ผิดเวลา รอบถัดไปอินพุตกระโดดขึ้นมากกว่าสิบเท่า และไหลต่อไปแตะเกือบหลักหมื่นโทเค็นภายในห้ารอบ ในขณะที่โมเดลหลักที่รักษาวินัยคำตอบยังอยู่ในหลักพันต้นๆ
เมื่อเอาแนวคิดนี้ไปดูแพลตฟอร์มอัตโนมัติอย่างเครื่องมือเวิร์กโฟลว์ เราพบรูปแบบต้นทุนซ่อนคล้ายกัน ผู้ให้บริการบางรายนับหนึ่งรันต่อการทำงานของเวิร์กโฟลว์ทั้งชุด ส่วนอีกเจ้าคิดเครดิตตามจำนวนโมดูลหรือ operations ที่ทำงานจริง ถ้างานรันเท่าเดิมแต่เพิ่มขั้นตอน ต้นทุนสองฝั่งจะเดินไม่เหมือนกัน ตัวอย่างเช่น งานที่มีสองการกระทำต่อรันอาจกินเครดิตเพียงไม่กี่พันต่อเดือน แต่เมื่อยืดเป็นสิบสองการกระทำต่อรัน จำนวนเครดิตพุ่งเลยโควตาที่แพ็กเกจระดับกลางรองรับ ต้องขยับไปแผนที่สูงกว่า ในขณะที่ระบบอีกเจ้าหนึ่งยังนับเป็นจำนวนรันเท่าเดิมและอยู่ในโควตาเดิมได้ เวิร์กโฟลว์ยาวจึงไม่ได้ฟรี แม้ฟีเจอร์ดูคล้ายกัน
เวลาไม่เท่ากับเงินเสมอไป ทำไมประหยัดจริง AI tools ต้องทดสอบในงานจริง
หลายทีมหวังว่า AI จะลดเวลาเขียนโค้ดหรือออกแบบเวิร์กโฟลว์ แล้วเวลาเหล่านั้นจะกลับมาเป็นเงินทันที แต่การทดสอบจริงกำลังบอกอีกเรื่องหนึ่ง งานวิจัยที่เปรียบเทียบโมเดลเบากับโมเดลหลักชี้ชัดว่าต้องมองค่าทุกครั้งที่ลองผิดลองถูกรวมกัน แล้วหารด้วยจำนวนงานที่สำเร็จจริง ผลคือโมเดลเบามีต้นทุนต่อหนึ่งการแก้บั๊กที่ผ่านการตรวจสอบสูงกว่า 8.4 ถึง 14.1 เท่า นี่คือหลักฐานว่าการลดเวลาบางขั้นตอนหรือใช้โมเดลราคาต่อโทเค็นต่ำไม่ได้แปลว่าค่าใช้จ่ายรวมลดลงเสมอ
ถ้าโยงกลับมาที่แพลตฟอร์มอัตโนมัติ ภาพก็ไม่ต่างกัน การเลือกแพ็กเกจต้องเริ่มจากจำนวนรันต่อเดือน จำนวน operations เฉลี่ยต่อรัน การลองใหม่ และรอบ polling ก่อนค่อยเทียบโควตา แทนที่จะนับแต่จำนวนหน่วยหรือเครดิตอย่างเดียว และอย่าลืมว่าการติดตั้งระบบบางตัวเอง เช่น n8n อาจลดค่าโควตาคลาวด์ แต่ย้ายภาระไปเป็นค่าโครงสร้างพื้นฐาน การสำรองข้อมูล และเวลาทีมในการดูแลระบบทั้งหมด ขณะที่บริการแบบสำเร็จรูปช่วยลดงานดูแลเครื่อง แต่ไม่ได้ทำให้ต้นทุนออกแบบและเฝ้าดูเวิร์กโฟลว์หายไป ประหยัดจริง AI tools จึงหมายถึงการวัดทุนทั้งหมด ไม่ใช่แค่เวลาในสไลด์นำเสนอ
งบประมาณ AI ผลิตภาพ ต้องมีเพดานแข็งและการ์ดกันบิลช็อก
เมื่อ AI เอเจนต์เขียนโค้ด สร้างบริการ และเชื่อมต่อระบบได้เอง ความเสี่ยงด้านงบประมาณก็เพิ่มขึ้นอย่างรวดเร็ว บริการคิดค่าการใช้งานแบบ pay as you go ทำให้โค้ดสายฟ้าแลบที่เอเจนต์สร้างขึ้นไปเรียก API แบบเสียเงินหรือสปินทรัพยากรอื่นได้ทันทีโดยมนุษย์อาจยังไม่รู้ตัวเลย ไม่มีใครอยากตื่นเช้ามาอ่านอีเมลเตือนงบประมาณตอนเที่ยงคืนแล้วพบว่าช่วงที่หลับ ระบบของตัวเองรันต่อไปจนเผางบอีกหลายร้อยหรือหลายพันหน่วยเงิน
คำตอบที่ผู้เขียนหลายคนเริ่มเรียกร้องคือเพดานงบแบบ hard budget caps สำหรับทุกบริการที่คิดตามการใช้งาน เพดานนี้ต้องตัดการทำงานทันทีเมื่อแตะลิมิต ไม่ใช่แค่ส่งอีเมลเตือน เพราะ soft cap ไม่พอจะหยุดบิลช็อกได้ ผู้ให้บริการคลาวด์รายใหญ่บางรายเพิ่งเริ่มเปิดประสบการณ์ตั้งลิมิตการใช้สำหรับผู้พัฒนา และยังอยู่ระหว่างขยายให้ผู้ใช้ทั้งหมดเข้าถึง ในโลกอุดมคติ เอเจนต์เองควรช่วยชี้ให้ผู้ใช้ใหม่เลือกผู้ให้บริการที่มี hard cap และเตือนเมื่อจะใช้บริการที่ไม่มีเพดานเช่นนี้ ในฝั่งผู้ใช้ การตั้งงบประมาณ AI ผลิตภาพต้องถือว่าการเปิด hard cap เป็นค่าเริ่มต้น แล้วถ้าใครอยากเสี่ยงค่อยเลือกปิดด้วยตัวเอง ไม่ใช่ปล่อยระบบให้ใช้เงินอิสระแล้วค่อยไปตามล้างตามเช็ดภายหลัง
