BlockBeats รายงานว่า วันที่ 15 มิถุนายน UBS ระบุในรายงานวิจัยล่าสุดว่า การนำ AI มาใช้ในองค์กรกำลังเผชิญกับอุปสรรคใหม่จากการเพิ่มขึ้นอย่างรวดเร็วของต้นทุน Token และพลังประมวลผล แต่ปัญหานี้ส่วนใหญ่เกิดจากปริมาณการใช้งานที่พุ่งสูงขึ้น ไม่ใช่ภาวะเงินเฟ้อของราคาต่อหน่วย และความเสี่ยงโดยรวมอาจถูกตลาดประเมินสูงเกินไป รายงานชี้ให้เห็นว่า เมื่อมีการปรับใช้เครื่องมือที่มีความเข้มข้นสูง เช่น เอเจนต์เขียนโค้ด AI การบริโภค Token ในองค์กรเกินความคาดหมายอย่างมาก ปรากฏการณ์นี้ปรากฏบ่อยครั้งในการอภิปรายของนักลงทุน และก่อให้เกิดความกังวลว่าการแพร่กระจายของเทคโนโลยี AI ในองค์กรอาจชะลอตัวลง
จากการสัมภาษณ์ผู้บริหารด้านไอทีขององค์กรประมาณ 13 แห่ง UBS พบว่าประมาณ 60% ขององค์กรที่ถูกสัมภาษณ์มองว่าต้นทุน Token และพลังประมวลผลของ AI เป็นปัญหาสำคัญ โดยเฉพาะหลังจากเปลี่ยนจากแชทบอทธรรมดาไปเป็นแอปพลิเคชันเอเจนต์ที่ทำงานอัตโนมัติ ต้นทุนเปลี่ยนจากค่าใช้จ่าย SaaS แบบคงที่เป็นค่าใช้จ่ายแบบผันแปรตามการใช้งาน ทำให้ความสามารถในการคาดการณ์งบประมาณลดลงอย่างมาก
องค์กรส่วนใหญ่ได้นำหรือวางแผนที่จะนำมาตรการป้องกันมาใช้ รวมถึงการรวม Token การลดระดับโมเดล การแจ้งเตือนการสิ้นเปลือง และการจำกัดผู้ใช้หนัก เพื่อขจัดการสิ้นเปลืองที่ชัดเจนโดยไม่ขัดขวางการนำไปใช้โดยรวม ผู้บริหารระดับสูงบางรายระบุอย่างชัดเจนว่าไม่ต้องการจำกัดการใช้ AI ของพนักงานอย่างรุนแรง โดยเน้นว่า "เป้าหมายของเราคือให้พนักงานเริ่มใช้ AI" ดังนั้นจึงเลือกที่จะปรับสมดุลต้นทุน AI ที่เพิ่มขึ้นโดยการลดค่าใช้จ่ายอื่นๆ เช่น การลดบริการไอทีภายนอกและการรวมค่าใช้จ่ายคลาวด์ รายงานเน้นย้ำว่าเกือบทุกองค์กรที่ถูกสัมภาษณ์กล่าวถึงอัตราการนำ AI ไปใช้กำลังเร่งตัวขึ้น โดยเฉพาะในทีมนักพัฒนา ซึ่งบ่งชี้ว่าต้นทุนที่เพิ่มขึ้นส่วนใหญ่เกิดจากการเติบโตของปริมาณการใช้งาน ไม่ใช่จากภาวะเงินเฟ้อของต้นทุนต่อหน่วย
UBS เชื่อว่าสถานการณ์นี้เป็นพฤติกรรมการควบคุมต้นทุนปกติขององค์กร ไม่ใช่สัญญาณของการชะลอตัวในการนำ AI ไปใช้ แม้แต่บริษัทอย่าง Uber ที่ใช้งบประมาณ AI ตลอดทั้งปีหมดภายในไตรมาสเดียว ก็ยังคงรักษาขีดจำกัด Token ที่สูงและเดินหน้าใช้งาน AI อย่างเต็มที่ พร้อมทั้งชดเชยต้นทุนด้วยการเพิ่มประสิทธิภาพของวิศวกร
UBS วิเคราะห์เพิ่มเติมว่า ผู้ให้บริการโมเดล AI และผู้ให้บริการคลาวด์ขนาดใหญ่กำลังเร่งปรับปรุงประสิทธิภาพของ Token ซึ่งอาจจำกัดการเพิ่มขึ้นของราคาในระยะสั้น และส่งผลต่อการกระจายส่วนแบ่งของผู้ให้บริการคลาวด์ โดย Google Cloud และ AWS อาจได้เปรียบในการควบคุมต้นทุนด้วยชิปและโมเดลที่พัฒนาขึ้นเอง
ในขณะเดียวกัน การต่อต้านรูปแบบการคิดราคาตามการใช้งานขององค์กรอาจเพิ่มขึ้น ซึ่งอาจทำให้สภาพแวดล้อมการใช้จ่ายซอฟต์แวร์ที่ไม่ใช่ AI ตึงตัวยิ่งขึ้น เมื่อรวมกับการสำรวจ AI ในองค์กร 140 แห่งก่อนหน้านี้ รายงานชี้ให้เห็นว่า "ผลตอบแทนจากการลงทุนที่ไม่ชัดเจน" ยังคงเป็นอุปสรรคใหญ่ที่สุดในการนำไปใช้ ในขณะที่ "การขาดงบประมาณ" ยังไม่ติดอันดับห้าแรก แต่เมื่อปัญหาต้นทุน Token ปรากฏชัดขึ้น พลวัตนี้กำลังกลายเป็นปัจจัยสำคัญที่ทำให้องค์กรปรับใช้ AI อย่างมีประสิทธิภาพมากขึ้นในทางปฏิบัติ
