หลังจากเผาโทเคนมูลค่าหลายพันล้านดอลลาร์อย่างบ้าคลั่ง บริษัทยักษ์ใหญ่ในซิลิคอนแวลลีย์เริ่มจำกัดการใช้โทเคนของพนักงาน

อ่านบทความนี้ใน 26 นาที

บริษัทยักษ์ใหญ่ในซิลิคอนวัลเลย์ทุ่มเงินซื้อ AI อย่างบ้าคลั่ง แต่กลับไม่รู้ว่าเงินไปอยู่ที่ไหน

หัวข้อต้นฉบับ: 《หลังจากเผาเงินหลายหมื่นล้านดอลลาร์ไปกับ Token บริษัทเทคโนโลยียักษ์ใหญ่ในซิลิคอนแวลลีย์เริ่มจำกัดการใช้ Token ของพนักงานแล้ว》
ผู้เขียนต้นฉบับ: ฮวาหลินอู๋หวาง, GeekPark

สิ่งที่ระบบอัตโนมัติทำเพื่อองค์กรคือ "งานที่พนักงานเกลียด" ไม่ใช่ "งานที่สร้างรายได้"

ไม่กี่วันก่อน GeekPark รายงานว่า Microsoft ซึ่งทุ่มเงินมหาศาลใน AI ได้หยุดให้สิทธิ์การใช้งาน Claude Code แก่พนักงานส่วนใหญ่ภายในองค์กรอย่างเงียบๆ

เรื่องนี้ชวนให้สงสัย เพราะในกระแสการนำ AI มาใช้ในองค์กร จุดขายหลักสำหรับลูกค้าองค์กรคือ "การเพิ่มประสิทธิภาพ" ถ้ามันเพิ่มประสิทธิภาพได้จริง ทำไม Microsoft ถึงหยุดให้พนักงานใช้ Claude Code?

Microsoft ไม่ใช่บริษัทเดียวที่ทำแบบนี้ "การจำกัดการใช้ Token" และการไม่สนับสนุนให้พนักงาน Vibe Coding อย่างบ้าคลั่ง กลายเป็นเทรนด์ใหม่ของบริษัทยักษ์ใหญ่ในซิลิคอนแวลลีย์

Uber ใช้งบประมาณ AI Token ทั้งปีหมดภายในสี่เดือน Salesforce จ่ายเช็คให้ Anthropic ประมาณ 300 ล้านดอลลาร์ต่อปี ที่ปรึกษา AI รายหนึ่งเปิดเผยว่า ลูกค้าของเขามีค่าใช้จ่าย AI สูงถึง 500 ล้านดอลลาร์ในเดือนเดียว Meta ถึงกับปิด "อันดับ tokenmaxxing" ภายในองค์กรอย่างเงียบๆ — อันดับที่เดิมมีไว้เพื่อกระตุ้นให้พนักงานใช้ AI มากขึ้น

ตอนนี้ องค์กรต่างๆ กำลังทำสิ่งที่เมื่อไม่กี่ปีก่อนไม่กล้าคิด:

จำกัดและเฝ้าติดตามการใช้ AI ของพนักงาน

ทำไมบริษัทยักษ์ใหญ่ถึงเปลี่ยนทิศทาง?

01 "Tokenmaxxing" ภาพสะท้อนของยุคสมัย

เพื่อเข้าใจวิกฤตต้นทุนในวันนี้ ต้องเข้าใจก่อนว่า "tokenmaxxing" คืออะไร

คำนี้เริ่มเป็นที่นิยมประมาณปี 2025 แปลตรงตัวคือ "การเพิ่มการใช้ Token ให้สูงสุด" เบื้องหลังคือตรรกะการจัดการที่ว่า เมื่อบริษัทจ่ายเงินก้อนโตซื้อเครื่องมือ AI พนักงานควรใช้มันอย่างเต็มที่ ยิ่งใช้มากเท่าไหร่ก็ยิ่งแสดงว่าคุณ "เปลี่ยนผ่านสู่ดิจิทัล" มากเท่านั้น ยิ่งใช้น้อยก็คือการสิ้นเปลืองทรัพยากร ดังนั้นหลายบริษัทจึงตั้งโควตาการใช้งาน อันดับ และแม้แต่การประเมินผลงาน เพื่อเร่งให้พนักงานใช้ AI

ผลลัพธ์?

พนักงานเริ่มใช้โมเดล AI ระดับองค์กรของบริษัทเพื่อเช็คสภาพอากาศ เขียนคำอวยพรวันเกิด และถามว่าวันนี้กินอะไรดี

ผลการศึกษาจาก 2,444 บริษัทพบว่า ทุกๆ 1 ดอลลาร์ที่องค์กรใช้จ่ายไปกับ AI token 0.44 ดอลลาร์ถูกใช้ไปกับการแก้ไขบั๊กที่ AI สร้างขึ้น 0.27 ดอลลาร์ถูกใช้ไปกับการเขียนโค้ดที่ AI ผลิตขึ้นใหม่ และ 0.11 ดอลลาร์สูญเสียไปกับความล่าช้าในการตรวจสอบและรวมโค้ด

กล่าวคือ เบื้องหลังต้นทุนการจัดซื้อ AI ทุกๆ 1 บาท ยังซ่อนค่าใช้จ่ายแฝงเกือบ 80%

นักลงทุน Shruti Gandhi ใช้คำอุปมาที่แม่นยำมาก: "องค์กรที่ tokenmaxxing ก็เหมือนกับบริษัทที่วัดประสิทธิภาพการผลิตด้วยการเปิดไฟทุกดวง — การใช้เงินมากขึ้นไม่ได้หมายถึงผลผลิตที่มากขึ้น"

บริษัทเหล่านี้ส่วนใหญ่ไม่รู้ด้วยซ้ำว่าพนักงานใช้ AI ไปทำอะไร และไม่รู้ว่างานเหล่านั้นสำเร็จลุล่วงไปได้ด้วยดีหรือไม่เพราะ AI

การแข่งขัน "เผาเงิน" นี้เริ่มตั้งแต่ปี 2024 ต่อเนื่องมาถึงปี 2025 และในที่สุดก็ปะทุขึ้นอย่างรุนแรงในปีนี้ JPMorgan ออกรายงานที่ใช้ภาษารุนแรง โดยมีหัวข้อตรงไปตรงมาจนทำให้รู้สึกอึดอัด — "ต้นทุน AI Token กำลังกลืนกินกำไรของอินเทอร์เน็ต"

Shopify, Spotify, ServiceNow, Roku ต่างพูดถึงในการประชุมผลประกอบการว่า AI กลายเป็นแหล่งกดดันหลักของค่าใช้จ่ายในการดำเนินงาน บรรยากาศโดยรวมของอุตสาหกรรม เริ่มเปลี่ยนจาก "ใช้ AI แล้วเจ๋งแค่ไหน" ไปเป็น "เงินที่จ่ายไปคุ้มค่าหรือเปล่า"

02 เมื่อ CEO เริ่มตั้งคำถามถึง ROI

มีเพียง 14% ของ CFO เท่านั้นที่ระบุว่าสามารถเห็นผลตอบแทนที่ชัดเจนและวัดผลได้จากการลงทุนใน AI

Andrew Macdonald ประธานเจ้าหน้าที่ฝ่ายปฏิบัติการของ Uber กล่าวในพอดแคสต์อย่างตรงไปตรงมาว่า พวกเขาพบว่ามันยากที่จะเชื่อมโยงการเพิ่มประสิทธิภาพการทำงานของพนักงานแต่ละคนเข้ากับผลกระทบทางธุรกิจโดยรวมของบริษัท "ถ้าคุณมองไม่เห็นว่า AI ช่วยผลักดันฟีเจอร์ที่มีคุณค่าให้กับผู้ใช้ได้มากแค่ไหน การปกป้องต้นทุน token ก็ยิ่งยากขึ้นไปอีก"

คำกล่าวนี้ชี้ให้เห็นถึงแก่นแท้ของวิกฤต AI ในองค์กร: การเพิ่มประสิทธิภาพส่วนบุคคล ไม่ได้หมายถึงการเติบโตของรายได้ของบริษัท

พนักงานใช้ AI เขียนรายงานประจำสัปดาห์เร็วขึ้นสามเท่า แต่รายได้ของบริษัทไม่เปลี่ยนแปลง วิศวกรใช้ AI สร้างโค้ดได้เร็วขึ้นเป็นสองเท่า แต่อัตราการ "สูญเสียโค้ด" — นั่นคือสัดส่วนของโค้ดที่ถูกทิ้งหรือเขียนใหม่ — เพิ่มขึ้นถึง 800%

อดีตหัวหน้าฝ่าย AI ของไมโครซอฟต์ โซเฟีย เวลาสเตกี กล่าวคำพูดที่ทำให้ผู้บริหารหลายคนรู้สึกไม่สบายใจ: "คนส่วนใหญ่เลือกที่จะทำให้งานที่พวกเขาไม่ชอบเป็นระบบอัตโนมัติ แทนที่จะเป็นงานที่มีคุณค่าที่สุดต่อบริษัท"

พูดง่ายๆ คือ ระบบอัตโนมัติในองค์กรกำลังทำให้ "งานที่พนักงานเกลียด" เป็นระบบอัตโนมัติ ไม่ใช่ "งานที่สร้างรายได้"

นี่ไม่ใช่ปัญหาเชิงเทคนิค แต่เป็นปัญหาเรื่องลำดับความสำคัญ และเป็นสาเหตุที่ประมาณ 30% ของโครงการ Generative AI ถูกยกเลิกในขั้นตอนพิสูจน์แนวคิด เพราะต้นทุนไม่ชัดเจน มูลค่าไม่ชัดเจน เจ้านายจึงไม่ต่ออายุการใช้งาน

วิธีการจัดการของ Marc Benioff ซีอีโอ Salesforce ค่อนข้างเป็นตัวแทน เมื่อเผชิญกับค่าใช้จ่าย 300 ล้านดอลลาร์ต่อปีจาก Anthropic ความคาดหวังของเขาคือ "เราเตอร์อัจฉริยะ" ที่สามารถตัดสินใจได้ว่าคำค้นหาใดคุ้มค่าที่จะใช้โมเดลระดับสูง และคำค้นหาใดใช้โมเดลราคาถูกเล็กๆ ก็เพียงพอ

แนวคิดนี้ไม่ได้ใหม่แต่อย่างใด — ในยุคคลาวด์คอมพิวติ้ง "จ่ายตามการใช้งาน" และ "การปรับทรัพยากรให้เหมาะสม" เป็นการดำเนินการมาตรฐานอยู่แล้ว แต่กระแส AI นี้มาเร็วเกินไป ทุกคนซื้อก่อนแล้วค่อยคิด ตอนนี้ถึงเวลาเรียนรู้เพิ่มเติม

### 03 การกลับมาสู่เหตุผล หรือลางสังหรณ์ของฤดูหนาว?

ไมโครซอฟต์เพิ่งยกเลิกใบอนุญาตองค์กรส่วนใหญ่ของ Claude Code โดยเหตุผลอย่างเป็นทางการชี้ไปที่ปัจจัยด้านต้นทุน เหตุการณ์นี้ก่อให้เกิดการถกเถียงในวงการไม่น้อย — เพราะไมโครซอฟต์เองเป็นนักลงทุนรายใหญ่ที่สุดของ OpenAI และในขณะเดียวกันก็ตัดการสมัครสมาชิกของคู่แข่ง เป็นการยากที่จะบอกว่าส่วนไหนเป็นเรื่องต้นทุน ส่วนไหนเป็นกลยุทธ์

แต่ไม่ว่าจะอย่างไร มันเป็นสัญญาณว่า: องค์กรเริ่มลงคะแนนด้วยการกระทำแล้ว

Harness และ CloudZero เปิดตัวเครื่องมือจัดการต้นทุน AI เกือบในวันเดียวกัน — 28 พฤษภาคม — โดยเครื่องมือหนึ่งเน้นการตรวจสอบค่าใช้จ่าย AI และ ROI แบบเรียลไทม์ อีกเครื่องมือหนึ่งเปิดตัว "ระนาบควบคุมทางการเงินสำหรับ AI" เพื่อช่วยให้องค์กรเชื่อมโยงค่าใช้จ่าย AI ทุกดอลลาร์กับผลลัพธ์ทางธุรกิจที่เฉพาะเจาะจง

การเกิดขึ้นของผลิตภัณฑ์ทั้งสองนี้บ่งบอกถึงปัญหาด้วยตัวมันเอง: มีความต้องการในตลาด และความต้องการนั้นเร่งด่วนมาก

HubSpot เริ่มปรับโมเดลราคาของ AI Agent ตั้งแต่เดือนเมษายนปีนี้ ไม่คิดค่าบริการตาม token อีกต่อไป แต่เปลี่ยนเป็นคิดค่าบริการตาม "จำนวนการสนทนาที่แก้ไข" หรือ "จำนวนลีดที่สร้าง" — นี่คือการเปลี่ยนแปลงทิศทางที่ทำให้ผลประโยชน์ของผู้ขายสอดคล้องกับผลผลิตจริงของผู้ซื้อ ServiceNow ก็กำลังปรับเปลี่ยนในลักษณะเดียวกัน ผู้ผลิต AI กำลังตระหนักว่าหากพวกเขายังคงขาย "ปริมาณการใช้งาน" แทนที่จะขาย "ผลลัพธ์" ลูกค้าองค์กรจะต่อต้านเป็นกลุ่มในที่สุด

การปรับตัวครั้งนี้ เป็นความเจ็บปวดที่อุตสาหกรรม AI ต้องเผชิญ หรือเป็นเพียงบทนำของวิกฤตที่ใหญ่กว่า?

ฉันมีแนวโน้มที่จะคิดว่าเป็นแบบแรก แต่มีรายละเอียดหนึ่งที่ทำให้กังวลเล็กน้อย: ค่าใช้จ่ายซอฟต์แวร์ AI ทั่วโลกคาดว่าจะถึง 2.59 ล้านล้านดอลลาร์ในปี 2026 เพิ่มขึ้น 47% เมื่อเทียบกับปีก่อน แต่ในขณะเดียวกัน 94% ของหัวหน้าฝ่ายวิศวกรรมระบุว่ายังขาดตัวชี้วัด ROI ที่สำคัญ ยิ่งใช้เงินมากขึ้น แต่ไม่มีใครรู้ว่าเงินถูกเผาที่ไหนหรือคุ้มค่าหรือไม่ — หากความขัดแย้งนี้ไม่ได้รับการแก้ไข 'ช่วงเวลา tokenmaxxing' ถัดไปก็เป็นเพียงเรื่องของเวลา

บทวิเคราะห์จากนิตยสาร Fortune กล่าวอย่างตรงไปตรงมา: 'tokenmaxxing นั้นง่าย แต่การออกแบบขั้นตอนการทำงานใหม่นั้นยาก' สิ่งที่บริษัทส่วนใหญ่ทำอยู่ในตอนนี้คือการปรับปรุงกระบวนการที่มีอยู่ แทนที่จะคิดค้นโมเดลธุรกิจใหม่ นี่คือที่มาของคุณค่าที่แท้จริงของ AI และเป็นจุดที่องค์กรส่วนใหญ่ยังไปไม่ถึง

การกลับมาสู่เหตุผลเป็นสิ่งที่ดี แต่หลังจากนั้น องค์กรยังต้องตอบคำถามที่ยากกว่า: AI ควรเป็นค้อนสำหรับธุรกิจของเรา หรือเป็นกรอบความคิดใหม่?

หากใช้แค่ AI เพื่อทำงานเก่าให้เร็วขึ้น ในที่สุดบิลค่าใช้จ่ายจะบังคับให้คุณกลับมาที่คำถามนี้