ค่าใช้จ่าย AI ไม่มีควบคุมคืออะไร และทำไมถึงกลายเป็นภัยงบประมาณ
ค่าใช้จ่าย AI ไม่มีควบคุม คือสถานการณ์ที่องค์กรอนุญาตให้พนักงานและระบบต่างๆ ใช้เครื่องมือ AI แบบเปิดกว้างโดยไม่มีการกำหนดงบประมาณ AI องค์กรอย่างชัดเจน ไม่มีการติดตามโควตาการใช้ทรัพยากรคอมพิวต์ และไม่มีเกณฑ์วัดว่าการใช้ AI แต่ละครั้งสร้างผลลัพธ์ทางธุรกิจคุ้มค่ากับต้นทุนหรือไม่ ส่งผลให้การจัดการต้นทุน AI ล้มเหลว เกิดบิลค่าใช้จ่ายสะสมระดับสูงโดยไม่รู้ตัว กระทบต่อความยั่งยืนของงบลงทุนดิจิทัลและอาจบีบให้ผู้บริหารตัดลดคนหรือโครงการอื่นเพื่อชดเชยภาระค่าใช้จ่าย AI ที่พุ่งขึ้นอย่างรวดเร็ว ประเด็นนี้เริ่มชัดเจนเมื่อองค์กรเทคโนโลยีขนาดใหญ่เริ่มติดตามการใช้ AI ภายในอย่างละเอียดมากขึ้น มีการเพิ่มคอลัมน์ใหม่เพื่อบันทึกมูลค่าเงินของการใช้เครื่องมือ AI ในช่วง 28 วันที่ผ่านมา และเปิดเผยว่าปริมาณการใช้แตกต่างกันอย่างรุนแรงระหว่างทีม บางคนใช้เพียงน้อยนิดในระดับที่แทบไม่สะเทือนงบ แต่บางทีมกลับใช้ในระดับสูงจนน่าตกใจ แม้เครื่องมือ AI จะถูกผลักดันให้เข้าไปอยู่ในงานประจำวัน แต่ข้อมูลภายในชี้ให้เห็นว่าการใช้หนักไม่ได้แปลว่าได้ผลตอบแทนด้านโบนัสหรือความก้าวหน้าในสายงานโดยอัตโนมัติ หากองค์กรยังคิดว่าให้ใช้ AI ได้ไม่อั้นคือทางลัดสู่ผลิตภาพสูงสุด ก็เท่ากับมองข้ามความจริงว่าทรัพยากรคอมพิวต์มีต้นทุน และต้นทุนนี้กำลังเริ่มกัดกินงบประมาณอย่างเงียบเชียบ
เมื่อพนักงานใช้ AI จนบิลพุ่ง องค์กรเริ่มตั้งรั้วและจับตา ROI
กรณีการเปิดสเปรดชีตภายในที่ให้พนักงานรายงานทั้งค่าตอบแทนและมูลค่าการใช้ AI ช่วยให้เห็นภาพว่าองค์กรกำลังหันมาสนใจการจัดการต้นทุน AI อย่างจริงจัง แม้ตัวเลขการเข้าร่วมจะยังเป็นเพียงส่วนเล็กของพนักงานทั้งหมด แต่ข้อมูลนี้ถูกใช้เป็นสัญญาณเตือนว่ามีคนจำนวนหนึ่งกำลังใช้โทเคนคอมพิวต์ในระดับสูงผิดปกติ และบริษัทเริ่มติดตามค่าใช้จ่ายลักษณะนี้อย่างใกล้ชิดมากขึ้นเพื่อตรวจจับการใช้เกินจำเป็น ความเปลี่ยนแปลงสำคัญคือท่าทีของผู้บริหารระดับสูงที่เริ่มสื่อสารชัดว่า การใช้ AI จำนวนมากไม่ใช่เป้าหมาย เขาพูดตรงๆ ว่า “Tokenmaxxing is not what we are optimizing for” และย้ำว่าต้องการให้ทุกคนโฟกัสไปที่ผลลัพธ์ที่ขยับเข็มให้ลูกค้าและธุรกิจมากกว่า นี่คือการส่งสัญญาณทางวัฒนธรรมว่า ค่าใช้จ่าย AI ไม่มีควบคุมจะไม่ถูกมองเป็นความกล้าลองของทีมเทคนิคอีกต่อไป แต่จะถูกถามกลับเสมอว่า การเผาครอมพิวต์รอบนี้ให้ผลลัพธ์เชิงธุรกิจอะไรบ้าง ในทางปฏิบัติ การตั้งรั้วงบประมาณ AI องค์กรมักเริ่มจากเครื่องมือที่ติดตามการใช้และมูลค่าต้นทุนแบบรายบุคคลและรายทีม จากนั้นจึงค่อยกำหนดเพดานการใช้หรือขอให้โครงการที่มีการใช้สูงต้องระบุเป้าหมายทางธุรกิจชัดเจนก่อน ซึ่งแนวทางนี้อาจดูเข้มงวด แต่เป็นก้าวสำคัญสู่การจัดการต้นทุน AI ที่ผูกกับ ROI มากกว่าความตื่นเต้นในการทดลองเทคโนโลยีใหม่
แผน AI-First ขององค์กรใหญ่สะดุด: โค้ดล้น ฟีเจอร์ไม่มา และความเสี่ยงพุ่ง
อีกด้านหนึ่งของการใช้ AI แบบไม่มีรั้วคือกรณีขององค์กรที่ผลักดันแผน AI-First และจำลองสถานการณ์ลดคนในบางทีมลงมากถึง 60 เปอร์เซ็นต์ โดยให้เอเจนต์อัจฉริยะเข้ามารับงานประจำวันแทน แผนดังกล่าวถูกออกแบบให้ดำเนินการเป็นสองระลอก พร้อมทั้งปิดตำแหน่งงานว่างและคัดคนผลงานต่ำออก เพื่อสร้างทีมมนุษย์ขนาดเล็กแต่ถูกคาดหวังว่าจะดูแลพนักงานเสมือนจำนวนมาก นี่คือภาพชัดของ ผลกระทบ AI กับงาน เมื่อเทคโนโลยีถูกวางบทบาทให้แทนที่แรงงานมนุษย์อย่างกว้างขวาง แต่ข้อมูลภายในกลับบอกเล่าอีกเรื่องหนึ่ง ผู้บริหารฝ่ายเทคโนโลยีรายงานว่า การเปลี่ยนแปลงโค้ดภายในเพิ่มขึ้นถึง 220 เปอร์เซ็นต์เมื่อเทียบรายปี ทว่าโค้ดที่กลายเป็นฟีเจอร์หรืออัปเกรดจริงให้ผู้ใช้มีเพียง 36 เปอร์เซ็นต์ ทีมโครงสร้างพื้นฐานเตือนว่าคลื่นโค้ดที่สร้างโดย AI กำลังพาเอา “คำเตือนด้านความน่าเชื่อถือ” มาด้วย และโพสต์ภายในอีกฉบับระบุชัดว่า เอเจนต์ที่ไม่ถูกจำกัดกำลังทำ “การดำเนินการขนาดใหญ่และทำลายล้างที่มนุษย์ไม่น่าจะทำ” ผลคือเหตุการณ์ด้านเทคนิคและความปลอดภัยร้ายแรงเพิ่มขึ้น 40 เปอร์เซ็นต์ และเวลาที่พนักงานใช้ในการแก้ปัญหาหรือ “ดับไฟ” เพิ่มขึ้น 70 เปอร์เซ็นต์ ข้อเท็จจริงเหล่านี้ตอกย้ำว่า การเอา AI เข้ามาควบคุมโค้ดหรือกระบวนการโดยไม่มีรั้วควบคุมชัดเจน ไม่ได้แปลว่าองค์กรจะได้ผลิตภาพที่สูงขึ้นโดยอัตโนมัติ ตรงกันข้าม การเพิ่มโค้ด 220 เปอร์เซ็นต์ที่แปลงเป็นฟีเจอร์ได้เพียง 36 เปอร์เซ็นต์คือหลักฐานว่าการใช้ AI แบบไร้ระบบ สามารถสร้าง “โค้ดขยะ” และภาระงานแก้ไขมหาศาล มากกว่าคุณค่าให้ลูกค้าและธุรกิจ
จากแรงงานสู่โทเคน: ข้อเสนอภาษี AI และโจทย์สมดุลงาน-งบประมาณ
เมื่อ AI ถูกมองว่า “ถูกกว่า” คนทำงานในหลายบริบท ผู้นำด้านเทคโนโลยีเริ่มตั้งคำถามว่าตลาดเสรีจะตัดสินใจอย่างรับผิดชอบเองได้หรือไม่ มีการเสนอแนวคิดงานกลุ่มหนึ่งที่สงวนไว้ให้มนุษย์ เช่น งานดูแลผู้ป่วยหรือสอนหนังสือ แต่ผู้เสนอเองก็ยอมรับว่าการกำหนดกรอบและการบังคับใช้ในทางปฏิบัติเป็นเรื่องซับซ้อน และภาพงานที่ถูกปิดป้ายว่าห้าม AI แตะอาจดูหลอนเกินกว่าจะยอมรับได้ในสังคมปัจจุบัน ข้อเสนอที่จับต้องได้มากกว่าคือการเก็บภาษีโทเคน AI และหุ่นยนต์ โดยสาระคือให้องค์กรต้องจ่ายภาษีต่อการใช้โทเคน AI แต่ละหน่วย เพิ่มตัวแปรด้านต้นทุนเข้าไปในสมการเวลาตัดสินใจจะใช้ AI แทนคน ซึ่งอาจเปลี่ยนแรงจูงใจจาก “แทนคนเพราะถูกกว่า” ไปสู่ “ใช้ AI เมื่อคุ้มค่าจริงทั้งด้านธุรกิจและสังคม” แนวคิดนี้แม้จะขัดใจสายเทคโนโลยีเสรี แต่สะท้อนความพยายามจัดการต้นทุน AI ในระดับนโยบาย เพื่อไม่ให้แรงกดดันด้านงบประมาณผลักองค์กรไปสู่ทางเลือกที่ลดคนโดยไม่คิดถึงผลกระทบระยะยาว เมื่อมองกลับไปยังองค์กรที่กำลังตั้งรั้วการใช้ AI ภายใน เราเห็นภาพเดียวกันในระดับไมโคร ผู้บริหารเริ่มย้ำว่าการใช้โทเคนให้มากไม่ใช่ชัยชนะ เป้าหมายคือ “maximising outcomes that move the needle for our customers and our business” ซึ่งเป็นการย้ำว่าทั้งต้นทุนและผลกระทบต่อแรงงานต้องถูกชั่งน้ำหนักควบคู่กันไป งบประมาณ AI องค์กรจึงไม่ใช่แค่ตัวเลขในบัญชี แต่เป็นเครื่องมือกำหนดทิศทางว่าบริษัทจะใช้ AI เพื่อเสริมคนทำงาน หรือเลือกให้มันเข้ามาแทนที่
บทสรุป: รั้วกำกับ AI คือเกราะป้องกันทั้งงบประมาณและงานของคน
เมื่อพิจารณาจากกรณีศึกษาใหญ่ๆ ทั้งฝั่งการติดตามค่าใช้จ่ายภายในและฝั่งแผนลดคนด้วย AI สิ่งที่ชัดคือองค์กรไม่อาจปล่อยให้ค่าใช้จ่าย AI ไม่มีควบคุมอีกต่อไป การจัดการต้นทุน AI ต้องเดินคู่กับการบริหารความเสี่ยงต่อคนทำงาน ไม่ใช่ปล่อยให้เครื่องมือใหม่กลายเป็นข้ออ้างตัดงบแรงงานมนุษย์โดยไม่คิดถึงคุณภาพงานและความปลอดภัย องค์กรที่จริงจังกับอนาคตของตัวเองควรเริ่มจากการทำให้การใช้ AI โปร่งใส ติดตามทั้งปริมาณการใช้และมูลค่าต้นทุนอย่างสม่ำเสมอ กำหนดให้โครงการที่ใช้ AI หนักต้องแสดง ROI ชัดเจน และตั้งหลักว่าการใช้ AI คือเพื่อเสริมทีม ไม่ใช่ลดคนอย่างมองเพียงตัวเลขต้นทุน การสร้างสมดุลนี้อาจไม่ง่าย แต่หากไม่ทำ วันนี้บิลค่าใช้จ่ายอาจจะพุ่ง ขณะที่วันหน้าค่าใช้จ่ายตัวจริงที่ต้องจ่ายคือการสูญเสียความเชื่อมั่นของพนักงานและลูกค้าจากการใช้ AI แบบผิดทิศทาง
