ผลกระทบจริงของ AI ต่อธุรกิจและกับดักต้นทุน
Luiz D'Elboux วิเคราะห์ความเหลื่อมล้ำระหว่างค่าใช้จ่าย AI รายได้จริง และการควบคุม Token
Luiz D'Elboux ร่วมเจาะลึกการนำ AI มาใช้ในองค์กร พร้อมเตือนถึงช่องว่างระหว่างต้นทุนเทคโนโลยีกับรายได้จริง ผ่านกรณีศึกษาของ Klarna, Uber ท่าทีของ Apple และความสำคัญของการจัดสรร Agent เพื่อป้องกันงบบานปลาย
Luiz D'Elboux ที่ปรึกษาและผู้เชี่ยวชาญด้านธุรกิจ SaaS อดีตผู้บริหาร GoDaddy ได้ร่วมพูดคุยกับ Bruno Gimenes ในรายการ Marketing - The Podcast ถึงความพร้อมและวุฒิภาวะที่แท้จริงของการนำปัญญาประดิษฐ์ (AI) มาปรับใช้ในภาคธุรกิจ ท่ามกลางยุคที่ผู้นำองค์กรมองว่าเทคโนโลยีนี้คือปัจจัยชี้ชะตาความอยู่รอด การตัดสินใจอย่างรีบร้อน ทั้งการปลดพนักงานและการทุ่มงบประมาณอย่างไร้ทิศทาง กำลังเผยให้เห็นปัญหาคอขวดทั้งในแง่การปฏิบัติงานและภาระทางการเงินอย่างชัดเจน
ในวิดีโอดังกล่าว D'Elboux อธิบายอย่างละเอียดว่าการเร่งพัฒนาระบบอัตโนมัติอย่างไม่รอบคอบ นำไปสู่วงจรการจ้างงานที่ผิดพลาดและต้นทุนแฝงที่ไม่คาดคิด พร้อมชี้ให้เห็นความแตกต่างระหว่างประสิทธิภาพที่เกิดขึ้นจริง กับการลงทุนที่ไม่สร้างผลตอบแทนโดยตรง
การตัดสินใจที่เร่งรีบและวงจรการจ้างงานซ้ำ
ในมุมมองของ D'Elboux แรงกดดันรอบด้านทำให้ผู้บริหารจำนวนมากมอง AI เป็นเรื่องเร่งด่วนระดับความเป็นความตาย โดยคิดว่า "หากไม่รีบเริ่มปรับตัวตั้งแต่วันนี้ อีก 2 ปีข้างหน้าธุรกิจก็คงไม่รอด" ความตื่นตระหนกในช่วงแรกนี้ส่งผลให้หลายบริษัทอนุมัติงบประมาณมหาศาลเพื่อทดลองเครื่องมือหลากหลายชนิดโดยขาดกลยุทธ์ที่ชัดเจน จนนำไปสู่การปลดพนักงานระลอกใหญ่ซึ่งส่งผลกระทบตามมาในเวลาไม่นาน
การกระทำดังกล่าวสร้างความเสียหายในเชิงปฏิบัติการจริง โดย D'Elboux อธิบายว่า: "หลังจากผ่านช่วงเวลาบ้าคลั่งนี้มาราวๆ ปีครึ่งถึง 2 ปี สิ่งที่เราเห็นคือ หลายบริษัทยังต้องวนกลับมาจ้างพนักงานใหม่อีกครั้ง เพราะอะไร? เพราะ AI ไม่สามารถทดแทนงานหรือตำแหน่งของคนเหล่านั้นได้จริง หรือหากทำได้ ต้นทุนกลับพุ่งสูงกว่ามาก" เขายกตัวอย่าง Klarna ผู้ให้บริการระบบชำระเงินที่ลดพนักงานฝ่ายบริการลูกค้าลงจำนวนมากในช่วงต้นปี 2024 เพื่อหันไปพึ่งพา Chatbot แต่เนื่องจากมุ่งเน้นเพียงการลดเวลารอและคิวติดต่อ มากกว่าการรักษาฐานลูกค้า คุณภาพการบริการจึงลดลงจนต้องกลับมาจ้างทีมงานมนุษย์ใหม่อีกครั้ง ขณะเดียวกัน Uber ก็เผชิญกับงบประมาณที่ควบคุมไม่อยู่ โดยใช้งบ AI ทั้งปีหมดลงภายในช่วง 3 เดือนแรกของปี 2026
ผลิตภาพด้านการตลาดพุ่ง แต่รายได้กลับทรงตัว
แม้ว่าจะเห็นการเพิ่มขึ้นของผลิตภาพอย่างชัดเจนในบางแผนก เช่น ทีมงานขนาดกะทัดรัดเพียง 5–6 คนสามารถดูแลแคมเปญระดับโลก แปลเนื้อหาภาษาต่างๆ ได้อย่างรวดเร็ว และบริหารงบโฆษณาระดับหลายแสนดอลลาร์ต่อเดือน แต่การประหยัดเวลาภายในเหล่านี้กลับไม่ได้แปลงเป็นรายได้ที่เพิ่มขึ้นโดยอัตโนมัติสำหรับธุรกิจแบบดั้งเดิม
D'Elboux ชี้ให้เห็นถึงความแตกต่างระหว่างฝั่งผู้ขายเทคโนโลยีและฝั่งผู้ใช้งาน: "บริษัทที่ขายโซลูชัน AI และบริษัทที่ให้บริการโครงสร้างพื้นฐาน AI มีรายได้เติบโตมหาศาล" ไม่ว่าจะเป็นผู้ให้บริการ Data Center, โครงสร้างพื้นฐานระบบคลาวด์อย่าง Google Cloud, AWS และ Azure รวมถึงผู้สร้างโมเดลอย่าง OpenAI ต่างมีตัวเลขการเติบโตที่แข็งแกร่ง ในทางกลับกัน รายงานผลประกอบการประจำไตรมาสของบริษัทจดทะเบียนในอุตสาหกรรมดั้งเดิมกลับพบว่า กราฟรายได้ยังคงเติบโตในอัตราเดิม แม้จะมีงบลงทุนด้าน AI เพิ่มขึ้นอย่างมีนัยสำคัญ แต่กำไรสุทธิกลับไม่ได้เติบโตตาม
เพื่อเป็นกรณีเปรียบเทียบกับการแห่ลงทุนครั้งนี้ D'Elboux เน้นย้ำถึงท่าทีที่ระมัดระวังของ Apple ซึ่งเลือกลงทุนอย่างรอบคอบเมื่อเทียบกับ Microsoft, Google และ Meta ทำให้บริษัทยังคงรักษาการเติบโตในตลาดได้ โดยไม่ต้องแบกรับภาระค่าใช้จ่ายฝ่ายทุนมหาศาลในการสร้าง Data Center
กับดักต้นทุน Token และการจัดสรร Agent อย่างมีประสิทธิภาพ
การเปลี่ยนผ่านของโมเดลการคิดราคาซอฟต์แวร์ จากระบบสมัครสมาชิกรายเดือนคงที่ (Subscription) ไปสู่การคิดเงินตามปริมาณ Token ที่ใช้งาน ซึ่งเริ่มเห็นได้จากแพลตฟอร์มอย่าง Salesforce จำเป็นต้องมีการควบคุมต้นทุนอย่างเข้มงวดเพื่อไม่ให้กระทบต่อผลประกอบการ D'Elboux อ้างถึงความเห็นของ Scott Galloway เกี่ยวกับกรณีที่ L'Oréal สั่งซื้อชิปประมวลผลจาก Nvidia จำนวนมาก โดยตั้งคำถามถึงความคุ้มค่าของการที่บริษัทสินค้าอุปโภคบริโภคจะลงทุนในโครงสร้างพื้นฐาน AI หนักหน่วงขนาดนั้น
เพื่อป้องกันการสูญเสียงบประมาณโดยเปล่าประโยชน์ D'Elboux แนะนำให้ใช้วิธีการจัดสรร Agent (Agent Orchestration) ทางเทคนิค โดยจับคู่ความสามารถและต้นทุนของโมเดลให้เหมาะสมกับระดับความซับซ้อนของแต่ละงาน งานพื้นฐานทั่วไปไม่จำเป็นต้องใช้โมเดลระดับท็อป: "คุณไม่จำเป็นต้องใช้ Agent ตัวท็อปมารับหน้าที่ตรวจทานข้อความโฆษณา แค่ใช้โมเดลพื้นฐานมาตรวจเช็กข้อผิดพลาดทางไวยากรณ์และความหมายก็เพียงพอ" เขาสรุปว่า ประสิทธิภาพทางการเงินที่แท้จริงคือการสำรองโมเดลขั้นสูงที่มีราคาสูงไว้สำหรับงานเชิงสร้างสรรค์หรือการวางกลยุทธ์เท่านั้น พร้อมทั้งควบคุมระบบการทำงานแบบบูรณาการอย่างรัดกุม