AI ขับเคลื่อนด้วยข้อมูล ไม่ใช่แค่พลังประมวลผล
เศรษฐศาสตร์การจัดเก็บข้อมูลในยุค AI คือกรอบคิดใหม่ที่มองว่าต้นทุน ความจุ และความเร็วในการเข้าถึงข้อมูลตลอดวงจรชีวิต ตั้งแต่สร้าง จัดเก็บ ใช้งานซ้ำ ไปจนถึงการกู้คืนข้อมูลระยะยาว เป็นปัจจัยกำหนดความคุ้มค่าและศักยภาพของโครงสร้างพื้นฐาน AI ข้อมูล ไม่ใช่แค่ค่าอุปกรณ์จัดเก็บ แต่คือแกนกลางของกลยุทธ์ธุรกิจที่ต้องออกแบบให้รองรับปริมาณข้อมูล AI เติบโตอย่างต่อเนื่องอย่างมีประสิทธิภาพ ประเด็นที่ต้องกล้าพูดตรง ๆ คือ องค์กรส่วนใหญ่ยังหมกมุ่นกับการล่าเครื่อง GPU และเซิร์ฟเวอร์ แต่ละเลยเรื่องเศรษฐศาสตร์การจัดเก็บข้อมูล ทั้งที่งานวิจัยล่าสุดชี้ชัดว่า AI กำลังสร้างวงจรข้อมูลที่เติบโตอย่างต่อเนื่อง รายงานไวท์เปเปอร์ของ IDC ที่เผยแพร่เมื่อ 10 กันยายน 2569 ระบุว่า AI ทำให้ความต้องการด้านการจัดเก็บข้อมูลขยายตัวในเชิงโครงสร้างอย่างมีนัยสำคัญ การมองโครงสร้างพื้นฐาน AI แค่ด้านคอมพิวต์จึงไม่เพียงพออีกต่อไป
ตัวเลขที่ไม่ควรมองข้าม: ปริมาณข้อมูล AI เติบโตจนโครงสร้างเดิมรับไม่ไหว
หากยังคิดว่าปริมาณข้อมูลเพิ่มขึ้นเล็กน้อย องค์กรเหล่านั้นกำลังประเมินความเสี่ยงต่ำเกินไป งานวิจัยของ IDC พบว่า 94.7% ขององค์กรที่เข้าร่วมการสำรวจมีปริมาณข้อมูลเพิ่มขึ้นในช่วง 12 เดือนที่ผ่านมา จากการนำ AI และ Generative AI มาใช้งาน และ 61% ระบุว่าปริมาณข้อมูลเพิ่มขึ้นอย่างน้อย 25% ในปีเดียว ขณะที่ 74% คาดว่าข้อมูลจะเพิ่มขึ้นอย่างน้อย 25% ในสามปีข้างหน้า นี่ไม่ใช่คลื่นเล็ก ๆ แต่คือสึนามิข้อมูลที่กำลังพุ่งชนศูนย์ข้อมูล ข้อมูลไม่ได้โตแค่ในระบบงานหลัก แต่ใน Data Lake ก็พองตัวอย่างรวดเร็ว องค์กรกว่า 85.4% ระบุว่าปริมาณข้อมูลใน Data Lake เพิ่มขึ้นในรอบปี โดย 59.4% ชี้ว่าข้อมูลจาก AI เช่น Synthetic Data ผลลัพธ์การประมวลผล และ Model Logs คือสาเหตุหลัก กล่าวอีกแบบ วงจรชีวิตข้อมูล AI กำลังสร้างภาระใหม่ทั้งความจุ การจัดการ และต้นทุน ซึ่งโครงสร้างพื้นฐานแบบคิดถึงแต่คอมพิวต์ไม่มีทางรองรับได้อย่างยั่งยืน
เมื่อข้อมูลไม่ถูกลบ: กลยุทธ์จัดเก็บระยะยาวกลายเป็นเกมบังคับ
จุดพลิกผันสำคัญคือ ข้อมูลจาก AI ไม่หายไปหลังจบรอบประมวลผล แต่นอนอยู่ในระบบและเพิ่มมูลค่าเรื่อย ๆ การสำรวจพบว่าเกือบ 95% ขององค์กรเห็นว่ามูลค่าข้อมูลเพิ่มขึ้นจากการใช้ AI และ Generative AI 74.3% ระบุว่าองค์กรต้องจัดเก็บข้อมูลนานขึ้นเพราะการใช้งาน AI นั่นหมายความว่า การออกแบบกลยุทธ์จัดเก็บระยะยาวไม่ใช่ทางเลือก แต่เป็นข้อบังคับ ยิ่งไปกว่านั้น ข้อมูลเก่าที่เคยถูกผลักไปชั้น Cold กลับเริ่มถูกเรียกคืนเข้าสู่วงจร AI อย่างจริงจัง 75.9% ขององค์กรรายงานว่ามีการนำ Cold-tier Data กลับมาออนไลน์เพิ่มขึ้นเพื่อรองรับเวิร์กโหลด AI ข้อมูลในอดีตกลายเป็นทรัพยากรสำคัญสำหรับการฝึกโมเดลและ RAG เมื่อ AI ต้องการชุดข้อมูลฝึกขนาดใหญ่และหลากหลาย องค์กรที่ไม่เตรียมโครงสร้างจัดเก็บให้รองรับการเก็บถาวรและการกู้คืนเร็ว จะถูกจำกัดความสามารถในการสร้างโมเดลที่แข่งขันได้
ออกแบบโครงสร้างพื้นฐาน AI ข้อมูลตามวงจรชีวิต ไม่ใช่ตามฮาร์ดแวร์ชิ้นเดียว
ความผิดพลาดเชิงยุทธศาสตร์ของหลายองค์กร คือการซื้ออุปกรณ์แรง ๆ ก่อน แล้วค่อยคิดเรื่องข้อมูลทีหลัง งานวิจัยชี้ว่าข้อมูลองค์กรถูกกระจายอยู่หลายระดับการเข้าถึงมากขึ้น 74.6% ระบุว่ามีการจัดเก็บทั้งแบบ Warm Cool และ Cold ซึ่งแต่ละระดับมีความถี่การเข้าถึงต่างกัน และมากกว่า 60% ของข้อมูลใน Data Lake เป็นข้อมูลระดับ Cold หรือแทบไม่ถูกเรียกใช้งาน ถ้ายังออกแบบสตอเรจแบบ “กองรวมเดียวแรง ๆ” ต้นทุนและประสิทธิภาพจะพังพร้อมกัน สิ่งที่องค์กรควรทำคือออกแบบโครงสร้างพื้นฐาน AI ข้อมูลให้สอดคล้องกับวงจรชีวิต ตั้งแต่ชั้นที่ต้องการความเร็วสูงไปจนถึงชั้นจัดเก็บระยะยาวที่เน้นความคุ้มค่า ด้านเศรษฐศาสตร์ชัดเจนมาก 98.2% ขององค์กรพิจารณาต้นทุนรวมต่อเทราไบต์เป็นปัจจัยสำคัญในการตัดสินใจเลือกซื้อระบบจัดเก็บข้อมูล ถ้าไม่หันมาออกแบบตามข้อมูล แต่ยังออกแบบตามฮาร์ดแวร์ชิ้นเดียว AI จะกลายเป็นเครื่องผลิตต้นทุนระยะยาวมากกว่าจะสร้างคุณค่า
องค์กรต้องตื่น: อนาคต AI ขึ้นกับการเข้าถึงข้อมูล ไม่ใช่แค่ความแรงของเครื่อง
ทิศทางข้างหน้าเริ่มชัด เมื่อ 96% ขององค์กรคาดว่าต้องเรียกคืนข้อมูลจากระบบจัดเก็บถาวรให้เร็วขึ้น เพื่อรองรับ AI Inference และรูปแบบ Retrieval-Augmented Generation หรือ RAG กล่าวอีกนัยหนึ่ง เกมต่อไปของ AI ไม่ใช่ใครมีเครื่องแรงที่สุด แต่ใครเตรียมวงจรชีวิตข้อมูลได้ดีกว่า ใครเข้าถึงข้อมูลเก่าได้เร็วกว่า และใครจัดเก็บข้อมูลมหาศาลได้คุ้มค่ากว่า คำพูดของ Irving Tan ซีอีโอของ WD สะท้อนภาพนี้ชัดเจนว่า “หลายปีที่ผ่านมา การพูดถึงโครงสร้างพื้นฐาน AI มักมุ่งเน้นไปที่พลังการประมวลผลเป็นหลัก แต่แท้จริงแล้ว AI ขับเคลื่อนด้วยข้อมูล” หากผู้บริหารยังคิดว่าเรื่องสตอเรจเป็นแค่ภาระของทีมไอที องค์กรนั้นกำลังปล่อยให้ฐานรากของ AI โครงสร้างพื้นฐาน AI ข้อมูล ถูกออกแบบแบบขาดมิติด้านเศรษฐศาสตร์การจัดเก็บข้อมูล ถึงเวลาแล้วที่ต้องย้ายการสนทนาจาก “ซื้อเครื่องอะไร” ไปสู่ “บริหารวงจรชีวิตข้อมูลอย่างไร” ก่อนที่คลื่น AI จะกลายเป็นภาระมากกว่าพลัง
