ทำไมต้นทุน AI ขององค์กรพุ่งไม่หยุด และจะควบคุมอย่างไร

AI จากเครื่องมือทดลองสู่เอเจนต์ตัวกินงบ

ต้นทุน AI ขององค์กร คือค่าใช้จ่ายทั้งหมดที่เกี่ยวข้องกับการออกแบบ พัฒนา ใช้งาน ดูแล และกำกับดูแลระบบปัญญาประดิษฐ์ในธุรกิจ รวมถึงค่าบริการโมเดล ค่าคลาวด์ โครงสร้างพื้นฐาน ความปลอดภัย การตรวจสอบ และทีมบุคลากรที่ต้องติดตามการทำงานของเอเจนต์ AI ในแต่ละขั้นตอนของกระบวนการทางธุรกิจ

ประเด็นสำคัญวันนี้คือเอเจนต์ AI ไม่ได้เป็นของเล่นทดลองอีกต่อไป แต่กลายเป็นแรงขับเคลื่อนงานจริงที่กินทรัพยากรมากกว่าที่ผู้บริหารส่วนใหญ่คิด บริษัทวิจัยรายใหญ่เตือนว่าเมื่อเอเจนต์ AI ถูกนำไปใช้แพร่หลาย ต้นทุน AI ขององค์กรมีแนวโน้มเพิ่มสูงขึ้นและผันผวนมากกว่าการใช้แค่เครื่องมือข้อความธรรมดา การศึกษาพบว่าต้นทุนการทำงานของเอเจนต์ที่ต่างกันอาจแตกต่างกันได้ถึง 30 เท่า นั่นหมายความว่าองค์กรหนึ่งอาจตื่นเช้ามาพบว่าค่าใช้จ่ายวันนั้นสูงกว่าวันก่อนหน้าอย่างมหาศาล โดยที่ยังใช้เป้าหมายทางธุรกิจเดิม

ปัญหานี้ไม่ใช่เรื่องเล็ก เพราะมีองค์กรประมาณหนึ่งในสามที่ใช้จ่ายด้าน AI เกินร้อยละ 10 ของงบเทคโนโลยีและการสื่อสารทั้งหมด อีกทั้งประมาณร้อยละ 60 ยังมีแผนเพิ่มการลงทุน AI ในปีถัดไป ขณะที่ประมาณหนึ่งในห้าระบุแล้วว่าต้นทุน AI เริ่มกลายเป็นข้อจำกัดด้านค่าใช้จ่ายดำเนินงานของธุรกิจ หากไม่มีระบบการกำกับดูแล AI ที่รัดกุม การใช้เอเจนต์แบบไร้กรอบจะพาธุรกิจเข้าสู่จุดที่ต้นทุนควบคุมไม่ได้เร็วกว่าที่คาด

เมื่อเอเจนต์ AI ทำงานแทนคน ค่าใช้จ่ายจึงคาดเดาไม่ได้

เอเจนต์ AI แตกต่างจากบอตตอบคำถามทั่วไปตรงที่มันเข้าไปทำงานจริงในกระบวนการหลายขั้น เช่น เขียนโค้ด ทดสอบระบบ สร้างรายงาน หรือเชื่อมต่อกับระบบภายใน หลายภารกิจมีวิธีทำงานได้หลายแบบ ส่งผลให้จำนวนคำสั่ง ทรัพยากรที่ใช้ และต้นทุนสุดท้ายแปรผันสูงมาก การศึกษาชี้ว่าค่าใช้จ่ายของเอเจนต์สองตัวที่ทำภารกิจคล้ายกันอาจต่างกันถึง 30 เท่า

ผลกระทบที่เห็นชัดคือทีมพัฒนาซอฟต์แวร์ที่ใช้เอเจนต์เพื่อเขียนโค้ดอัตโนมัติ เพราะกระบวนการนี้ต้องใช้โทเค็นจำนวนมาก McKinsey ระบุว่าการใช้งานลักษณะนี้เป็นกลุ่มที่ได้รับผลกระทบจากต้นทุนสูงเป็นพิเศษ เมื่อองค์กรกระตุ้นให้พนักงานใช้ AI มากขึ้นตลอดปีที่ผ่านมา ปรากฏว่าพฤติกรรมใช้งานกลับแปรรูปเป็นค่าใช้จ่ายที่ไม่มีใครคุม Amazon ต้องปิดบอร์ดจัดอันดับการใช้โทเค็นที่พนักงานสร้างขึ้น เพราะบางคนทำงานเพื่อไต่อันดับแทนที่จะทำเพื่อผลลัพธ์ทางธุรกิจ

บทเรียนจากเหตุการณ์นี้ชัดเจน การปล่อยให้การจัดการค่าใช้จ่าย AI เป็นเรื่องของแต่ละทีมเท่ากับเปิดทางให้แรงจูงใจผิดทิศและต้นทุนเกินควบคุม กรอบการจัดการค่าใช้จ่าย AI ที่ดีต้องผูกการใช้เอเจนต์เข้ากับคุณค่าทางธุรกิจ ไม่ใช่ผูกกับจำนวนโทเค็นหรือจำนวนงานที่ถูกส่งให้ AI ทำ McKinsey ย้ำว่าบริษัทต้องวัดให้ได้ว่าเอเจนต์สร้างมูลค่ามากพอคุ้มกับต้นทุนหรือไม่

เมื่อระบบกำกับดูแล AI ล้มเหลว ทั้งค่าใช้จ่ายและความเสี่ยงจะปะทุ

การเพิ่ม AI เข้าไปในเวิร์กโฟลว์ไม่ได้เพิ่มแต่ประสิทธิภาพ แต่ยังขยายพื้นผิวความเสี่ยงด้วย งานวิจัยหนึ่งพบว่า 70 เปอร์เซ็นต์ขององค์กรยอมรับว่ากระบวนการ AI ทำให้ข้อมูลทางธุรกิจที่ละเอียดอ่อนถูกเปิดเผยโดยไม่มีระบบการกำกับดูแลที่เพียงพอ และ 67 เปอร์เซ็นต์ระบุว่าแผนกไอทีไม่สามารถตรวจสอบกระบวนการอัตโนมัติที่พนักงานสร้างขึ้นได้เต็มที่ นี่คือภาพของระบบการกำกับดูแล AI ที่พังตั้งแต่ฐาน

กรณีขององค์กรที่ทำงานด้านประเมินโมเดลและภัยคุกคาม AI แสดงให้เห็นว่าความเสี่ยงไม่ได้อยู่แค่ในห้องทดลอง ผู้โจมตีค้นพบเซิร์ฟเวอร์ EC2 ส่วนตัวของพนักงานที่รันแอปเอเจนต์ AI ที่สร้างด้วยวิธี vibe coding จากนั้นหลบเลี่ยงระบบยืนยันตัวตนและสั่งให้เอเจนต์ดึงคีย์ API จากผู้ให้บริการโมเดล ภายในราวสามสัปดาห์ ฝ่ายโจมตีสามารถใช้โทเค็นจำนวนมาก โดยที่ระบบตรวจสอบภายในไม่สามารถแสดงข้อมูลคำขอที่ถูกจำกัดอัตรา และการดูแค่ยอดใช้โทเค็นอย่างเดียวก็ไม่เพียงพอตรวจจับความผิดปกติ

กรณีนี้คือสัญญาณเตือนว่าการพึ่งระบบแจ้งเตือนฝั่งผู้ให้บริการ หรือการมองภาพจากมุมค่าใช้จ่ายเพียงด้านเดียวเป็นหลุมพรางใหญ่ AI-assisted automation ที่เชื่อมหลายระบบเข้าด้วยกันจะยิ่งขยายผลของข้อผิดพลาดหรือการโจมตี หากกลไกการสื่อสารกับผู้ให้บริการหรือระบบมอนิเตอร์ขององค์กรล้มเหลว ความเสียหายเรื่องต้นทุนและความเสี่ยง AI ในธุรกิจจะเกิดขึ้นแบบไร้เบรก และยากจะย้อนตรวจสอบย้อนหลัง

ปัญญาประดิษฐ์เงา และความจำเป็นของระบบการกำกับดูแล AI

เมื่อเทคโนโลยีใหม่แพร่กระจาย ผู้ใช้มักนำไปใช้ก่อน ระบบระเบียบจะตามมาทีหลัง เอเจนต์ AI ก็เดินตามแพตเทิร์นเดิม พนักงานจำนวนมากสามารถสร้างหรือใช้เครื่องมือ AI ด้วยตนเอง กลายเป็นปัญญาประดิษฐ์เงาแบบใหม่ที่ฝ่ายไอทีและความปลอดภัยไม่รู้แม้กระทั่งว่ามีอยู่ ผลคือองค์กรไม่อาจตอบคำถามพื้นฐานว่าเอเจนต์ไหนกำลังทำงานอยู่ ที่ไหน และเข้าถึงข้อมูลอะไรได้

แนวทางแบบ Zero Trust ใช้ไม่ได้ผลหากองค์กรยังไม่รู้แม้ว่าอะไรอยู่ในระบบ การจัดทำแคตตาล็อกเอเจนต์จึงต้องมาก่อนเลเยอร์การอนุญาตหรือพร็อกซีใดๆ หลักการที่เสนอคือ “รู้ก่อน แล้วค่อยจำกัด” เพราะการบล็อกเครื่องมือที่ดูผิดปกติแบบไม่เข้าใจบริบทอาจกระทบแอปถูกต้องตามกฎหมายได้ การตรวจจับเอเจนต์ AI ยังยากเพราะการสื่อสารกับผู้ให้บริการมักถูกเข้ารหัส ระบบตรวจสอบเครือข่ายเห็นได้เพียงปลายทางและปริมาณข้อมูล ขณะที่เครื่องมือบนอุปกรณ์อาจมองไม่เห็น AI ที่ฝังในเบราว์เซอร์หรือแพลตฟอร์ม SaaS

ดังนั้น ระบบการกำกับดูแล AI ที่ดีต้องรวมข้อมูลจากเครือข่าย อุปกรณ์พนักงาน เบราว์เซอร์ และซอฟต์แวร์องค์กร เพื่อสร้างภาพรวมว่ามีเครื่องมืออะไรทำงานอยู่ เชื่อมกับระบบไหน และเข้าถึงข้อมูลใดบ้าง ทุกเอเจนต์ควรมีอัตลักษณ์เฉพาะ สิทธิ์การเข้าถูกผูกกับงาน ไม่ใช่ใช้ตัวตนพนักงานเหมารวม และต้องมีการตรวจสอบต่อเนื่องทั้งโดยมนุษย์และระบบอัตโนมัติ เพื่อปิดจุดบอดด้านความปลอดภัยและช่วยการจัดการค่าใช้จ่าย AI ให้ยั่งยืน

จากค่าใช้จ่ายไร้กรอบสู่การกำกับ AI ที่รับผิดชอบได้

เมื่อประมาณหนึ่งในสามขององค์กรใช้จ่ายงบเทคโนโลยีกับ AI มากกว่า 10 เปอร์เซ็นต์ และร้อยละ 60 ยังจะเพิ่มงบอีก การมอง AI เป็นค่าใช้จ่ายเล็กน้อยที่ไม่ต้องควบคุมคือความเข้าใจผิดอันตราย McKinsey เตือนว่าหลายเรื่องเกี่ยวกับเอเจนต์ AI เราเพิ่งเริ่มเรียนรู้ และอีก 12 เดือนข้างหน้าเรื่องนี้จะยิ่งสำคัญ นั่นหมายความว่าองค์กรที่ยังไม่มีกรอบกำกับกำลังปล่อยให้อนาคตต้นทุนของตัวเองถูกขับเคลื่อนโดยเทคโนโลยีที่ยังไม่เข้าใจ

แต่สถานการณ์นี้ไม่ใช่ทางตัน หากธุรกิจเริ่มสร้างระบบการกำกับดูแล AI ที่เน้นสามเรื่องหลัก หนึ่ง การวัดคุณค่าที่เอเจนต์สร้างเทียบกับต้นทุนอย่างโปร่งใส สอง การจัดการค่าใช้จ่าย AI ด้วยข้อมูลแบบเรียลไทม์ ไม่ใช่แค่รอรายงานปลายปี สาม การสร้างกรอบความรับผิดชอบที่ชัดเจนว่าใครเป็นเจ้าของเอเจนต์แต่ละตัว ใครดูแลความปลอดภัย และใครรับผิดชอบเมื่อเกิดเหตุผิดปกติ ทั้งหมดนี้ต้องอยู่บนฐานข้อมูลที่ครบถ้วนว่ามีเอเจนต์ใดอยู่ในระบบจริง

AI-assisted automation สามารถลดเวลางานของมนุษย์ได้ถึง 35–40 เปอร์เซ็นต์ และบางงานมากกว่านั้น แต่ตัวเลขสวยงามจะไม่มีความหมาย หากองค์กรปล่อยให้เอเจนต์ทำงานแบบไร้กรอบจนต้นทุนบานปลายและเปิดช่องโหว่ด้านความปลอดภัย ทางเลือกจึงไม่ใช่การหยุดใช้ AI แต่คือการลงมือสร้างระบบกำกับดูแลที่กล้าตั้งคำถามกับทุกเอเจนต์ว่า “คุณคุ้มค่ากับทรัพยากรและความเสี่ยงที่เราให้คุณหรือไม่” เมื่อองค์กรตอบคำถามนี้ได้สม่ำเสมอ ต้นทุน AI ขององค์กรก็จะเปลี่ยนจากตัวแปรที่ควบคุมไม่ได้ เป็นเครื่องมือขับเคลื่อนธุรกิจที่รับผิดชอบได้จริง