นิยามวิกฤตงบประมาณ AI เมื่อของถูกกลายเป็นของแพง
ต้นทุน AI ที่ไม่คาดคิดคือสถานการณ์ที่องค์กรประเมินค่าใช้จ่ายเกี่ยวกับการใช้โมเดลและบริการ AI ต่ำกว่าความเป็นจริงอย่างมาก แม้จะมีการจัดทำงบประมาณ AI ไว้ล่วงหน้าแล้ว แต่รูปแบบการใช้งานที่เปลี่ยนตลอดเวลา โมเดลที่อัปเดตถี่ ระบบคิดค่าบริการตามโทเคน และต้นทุนโครงสร้างพื้นฐาน AI ที่เพิ่มขึ้น ทำให้บัญชีค่าใช้งาน AI ที่เพิ่มขึ้นปรากฏขึ้นในภายหลังด้วยตัวเลขที่เกินคาด ส่งผลให้ ROI ของ AI ล้มเหลวและกลายเป็นภาระทางการเงินใหม่ขององค์กร รายงานวิจัยด้าน AI ระบุว่าราคาของบริการปัญญาประดิษฐ์ลดลงหลายพันเท่าในช่วงไม่กี่ปีที่ผ่านมา โดยปรับลดลงเฉลี่ยเกือบครึ่งหนึ่งทุกไตรมาส ฟังดูเหมือนยุคทองของเทคโนโลยีราคาถูก แต่ในโลกจริง องค์กรกลับพบว่า 89% ไม่สามารถคาดการณ์ค่าใช้จ่าย AI ได้อย่างแม่นยำ แม้จะมีการวางแผนงบประมาณเบื้องต้นแล้วก็ตาม นี่คือจุดเริ่มต้นของความย้อนแย้งสำคัญ ราคาต่อหน่วยถูกลง แต่บัญชีปลายเดือนกลับแพงขึ้น เพราะวัฒนธรรม “ใช้ไปก่อนเดี๋ยวค่อยคิด” ที่ฝังตัวอยู่ในหลายองค์กร
เมื่อโทเคนถูกลง ความฟุ้งเฟ้อด้านการใช้ AI ก็พุ่งขึ้น
องค์กรจำนวนมากกำลังตกหลุมพรางของราคาต่อโทเคนที่ลดลงอย่างรวดเร็ว ราคาที่ดูประหยัดทำให้ฝ่ายบริหารกล้าขยายการใช้ AI ไปแทบทุกกระบวนการงาน ตั้งแต่แชตบอตไปจนถึงการวิเคราะห์ข้อมูลเชิงลึก โดยไม่ใส่เครื่องมือการจัดการงบประมาณ AI ที่จริงจัง รายงานที่ปรึกษาธุรกิจสองฉบับชี้ว่าการที่โมเดลถูกลงและราคาโทเคนลดลง ทำให้ผู้บริหารมีเหตุผลอธิบายได้ง่ายขึ้นในการผลักดันให้เกิดการใช้ AI อย่างถี่และในปริมาณสูง ซึ่งผลข้างเคียงคือความต้องการพลังงานไฟฟ้าที่สูงขึ้นตาม ปัญหายิ่งรุนแรงเมื่อช่วงแรกของการทดลองใช้ AI ภายในองค์กร มักมีการรณรงค์ให้พนักงานลองใช้เครื่องมือ AI อย่างเต็มที่ พนักงานได้รับสัญญาณว่า “ใช้ให้เยอะไว้ก่อน” แต่เมื่อใบแจ้งค่าใช้จ่ายการใช้บริการ AI ถูกส่งถึงฝ่ายการเงิน องค์กรจึงพบว่าค่าใช้งาน AI ที่เพิ่มขึ้นกำลังบานปลาย และยากต่อการควบคุม นี่คือภาพคลาสสิกของการบริโภคเทคโนโลยีราคาถูกที่ไม่มีเบรก: ราคาต่อครั้งลดลง แต่จำนวนครั้งกลับพุ่งจนงบบาน
ราคาต่อคำตอบลดลง แต่ต้นทุนโครงสร้างพื้นฐาน AI กลับพองโต
ด้านหนึ่ง นักวิจัยพบว่าค่า “การคิด” ของโมเดล AI ลดลงอย่างรวดเร็วเกินกว่าทรานส์ฟอร์มเมชันเทคโนโลยีอื่นในรอบศตวรรษ เช่น การคำนวณและแบตเตอรี่ลิเทียม โมเดลรุ่นใหม่สามารถทำคะแนนสูงในชุดคำถามระดับบัณฑิตด้วยต้นทุนต่อคำตอบที่ต่ำกว่ารุ่นก่อนอย่างมหาศาล แต่อีกด้านหนึ่ง โครงสร้างพื้นฐานที่รองรับปัญญาประดิษฐ์กำลังกลายเป็นหลุมดำด้านพลังงานและงบประมาณ รายงานที่ปรึกษาตลาดพลังงานระบุว่าศูนย์ข้อมูลเป็นภาระโหลดไฟฟ้าที่เติบโตเร็วที่สุดในกลุ่มประเทศพัฒนาแล้ว โดยคาดว่าความต้องการไฟฟ้าของศูนย์ข้อมูลทั่วโลกจะเพิ่มขึ้นปีละ 24% ไปจนถึงช่วงปี 2030 ก่อนจะชะลอลงเหลือปีละ 5% ระหว่างปี 2030 ถึง 2040 ขณะเดียวกันราคาพลังงานและฮาร์ดแวร์สำหรับการคำนวณพุ่งสูง ทำให้การลดต้นทุนการใช้ AI ลึกลงไปกว่านี้เริ่มเป็นเรื่องยาก ผลลัพธ์คือ ต้นทุนโครงสร้างพื้นฐาน AI กลายเป็นก้อนใหญ่ที่กินงบมากกว่า “ค่าต่อโทเคน” ที่ผู้บริหารมองเห็นบนสไลด์นำเสนอ
ทำไม 89% ขององค์กรพลาดเป้า ROI ของ AI
ข้อมูลสำรวจชี้ว่ามีเพียง 11% ขององค์กรเท่านั้นที่กล้าบอกว่าตัวเองสามารถคาดการณ์ค่าใช้จ่าย AI ได้แม่นยำ ตัวเลขนี้สะท้อนว่า ROI ของ AI ล้มเหลวไม่ใช่เพราะเทคโนโลยีไม่มีประโยชน์ แต่เพราะการจัดการงบประมาณ AI ยังตามความเป็นจริงไม่ทัน หลายองค์กรคิดว่า AI เหมือนซอฟต์แวร์ดั้งเดิม จ่ายค่าลิขสิทธิ์แล้วก็จบ ทั้งที่รูปแบบการคิดค่าบริการตามโทเคนและการใช้งานที่เหมือนพนักงานคนหนึ่ง ทำให้ต้นทุนผันผวนตลอดเวลา มีงานวิจัยที่ทดสอบค่าใช้จ่ายของโมเดลต่างๆ กับชุดงานกว่า 6800 งานในด้านคณิตศาสตร์ การเขียนโปรแกรม และวิทยาศาสตร์ พบว่าใน 32% ของกรณี โมเดลราคาถูกกลับสร้างต้นทุนรวมสูงกว่าการใช้โมเดลแพงกว่า นี่คือคำเตือนตรงๆ ว่า “เลือกของถูกอย่างเดียวไม่พอ ต้องดูทั้งประสิทธิภาพและรูปแบบการใช้งานจริง” ในทางกลับกัน กลุ่มองค์กรที่ถูกจัดว่าใช้ AI ได้ก้าวหน้าที่สุด 75% มีการกำหนดงบโทเคนอย่างชัดเจนและผูกมันเข้ากับเป้าผลตอบแทนโดยตรง แสดงให้เห็นว่าการมอง AI เป็นสินทรัพย์ที่ต้องให้ผลตอบแทน ไม่ใช่ของเล่นเทคโนโลยี คือทางรอดเดียวของงบประมาณ
ทางออก: จากวัฒนธรรมใช้ไม่ยั้ง สู่การควบคุมการใช้ AI อย่างมีสติ
แม้ราคาบริการ AI จะลดลงต่อเนื่อง แต่การสมัครใช้บริการในรูปแบบสมาชิกและการพึ่งพาแพลตฟอร์มใดแพลตฟอร์มหนึ่งมากจนเปลี่ยนยาก กำลังทำให้การคาดการณ์ต้นทุนยิ่งยุ่งยากขึ้น ผู้ให้บริการรายใหญ่เร่งพัฒนาโมเดลใหม่อยู่ตลอด ทำให้ข้อได้เปรียบด้านความสามารถของแต่ละรุ่นอยู่ได้เพียงช่วงสั้นๆ และยากที่บริการใดบริการหนึ่งจะรักษากำไรสูงในระยะยาว ขณะเดียวกัน การเปลี่ยนเครื่องมือ AI ไม่ใช่เรื่องที่ตัดสินกันด้วยราคาอย่างเดียว เพราะยังมีเรื่องการผูกระบบ ทำสัญญา และการฝึกผู้ใช้งานที่เป็นต้นทุนแฝงสำคัญ รายงานด้านการจัดการองค์กรชี้ว่าบริษัทที่ “พร้อมสำหรับอนาคต” บางส่วนเปิดให้พนักงานใช้เครื่องมือ AI แบบเสียเงินเพื่อเร่งการใช้งาน ในขณะที่อีก 22% วางเพดานหรือระบบควบคุมการใช้เพื่อจัดการต้นทุน นี่คือแนวทางที่องค์กรทั่วไปต้องทำตาม หากไม่ต้องการให้ค่าใช้งาน AI ที่เพิ่มขึ้นกลายเป็นหลุมงบประมาณระยะยาว สรุปง่ายๆ คือ ยุค AI ราคาถูกต้องมาพร้อมวินัยการใช้ที่เข้มกว่าที่เคย ไม่เช่นนั้นของถูกวันนี้จะกลายเป็นใบแจ้งหนี้แพงวันพรุ่งนี้อย่างแน่นอน
