ราคาต่อหน่วยของ AI มีทิศทางลดลง แต่ทำไมถึงจ่ายค่าใช้ AI มากกว่าเดิม ?

เชื่อว่าผู้อ่านหลายท่านน่าจะได้เห็นข่าวบริษัทหรือองค์กรหลายแห่งที่ใช้ AI หลายๆเจ้ามีบิลค่า AI ที่สูงขึ้นกว่าแต่ก่อนมาก ซึ่งสวนทางกับราคาของ token ที่ลดลงไปกว่า 100 เท่าในช่วง 1-2 ปีที่ผ่านมา หลายคนอาจสงสัยว่ามันเกิดอะไรขึ้น ทำไมของถูกลงแต่ท้ายที่สุดเรากลับจ่ายแพงขึ้น?

แต่ก่อนจะไปถึงเหตุผลที่ราคาของ AI โดยรวมที่แพงขึ้น ขออนุญาตย้อนกลับไปมองยุค software เพื่อเปรียบเทียบให้เห็นภาพกันก่อน

ในช่วง 10-15 ปีที่ผ่านมา ธุรกิจ software เป็นหนึ่งในธุรกิจที่ scale ได้ดีที่สุดเนื่องจาก unit economics ที่ดี พอเราสร้าง software เสร็จแล้ว marginal cost ของการเพิ่มลูกค้าใหม่เกือบเป็นศูนย์ (หรือต่ำมากๆ) การที่เราเพิ่มลูกค้าคนที่ 100 หรือคนที่ 10,000 ต้นทุนต่างกันไม่มาก

นี่คือเหตุผลที่ value ส่วนใหญ่ในยุคนั้นไหลไปกองอยู่ที่ application layer อย่าง Salesforce, Adobe, Shopify, Atlassian โดยที่เจ้าของ application เหล่านี้ไม่ได้เป็นเจ้าของ infrastructure แต่อย่างใด เป็นเพียงเจ้าของ workflow ที่นั่งอยู่บน cloud เท่านั้น

ตั้งแต่ยุค agent เข้ามาทุกอย่างก็เปลี่ยนไปหมด

Marginal cost ของการเพิ่มลูกค้าใหม่ในยุค agent ไม่ใช่ศูนย์อีกต่อไป แต่เพิ่มขึ้นแบบเชิงเส้นหรือมากกว่านั้นตามการใช้งานและความซับซ้อนของงาน ยิ่งคนใช้เยอะหรืองานซับซ้อนขึ้นเท่าไหร่ token ก็ยิ่งถูกใช้มากขึ้นตามตัว

นี่เป็นเหตุผลที่ value ในยุค agent ไหลไปที่ compute layer และ infrastructure layer อย่าง NVIDIA, hyperscalers, neoclouds ซึ่งคนเหล่านี้เองที่เป็นคนขายอุปกรณ์จอบเสียมในยุคที่คนตื่นทอง

อย่างไรก็ตามนี่เป็นแค่ช่วงแรกของการสร้าง infrastructure ใหม่เท่านั้น หากเราย้อนกลับไปดูยุค internet เราจะเห็นวัฐจักรที่คล้ายกัน

ยุคที่เรากำลังเริ่มสร้าง infrastructure ของ internet ในช่วงแรก ค่าการใช้ data แพงมาก application หลายๆอย่างที่เราใช้ในวันนี้ไม่ว่าจะเป็น video streaming, TikTok, cloud gaming, ride-hailing ไม่มีทางเกิดขึ้นได้ในยุคที่ราคา data แพงสูงลิ่ว ตอนนั้น value ส่วนใหญ่ไหลไปอยู่ที่ telco และ broadband provider ซึ่งก็คือ infrastructure layer สาเหตุหลักๆเนื่องจากคนกลุ่มนี้เป็นเจ้าของ input ที่หายากซึ่งก็คือ data

พอเทคโนโลยีพัฒนาไปเรื่อยๆ ค่า data ถูกลงมหาศาลจนกลายเป็น commodity เหมือนน้ำ ไฟในปัจจุบัน ช่วงนั้นจึงเป็นช่วงที่ value ขยับและไหลไปที่ application layer ซึ่งก็เป็นยุคที่ Google, Meta, Netflix, TikTok โตขึ้นมาได้

ในวันนี้ เรากำลังอยู่ที่จุดเริ่มต้นของวัฐจักรเดียวกันในยุค intelligence ซึ่งตอนนี้ compute คือทรัพยากรที่หายาก ส่งผลให้ value ไหลไปกองอยู่ที่ infrastructure layer เป็นหลัก อีกไม่นานในอนาคตเราน่าจะได้เห็นการที่ value ขยับไปสู่ application layer เมื่อ compute ถูก commoditized เหมือนกับที่ data เคยถูก commoditized มาก่อน

ย้อนกลับไปที่คำถามตอนแรกซึ่งถามว่า ทำไมราคาต่อหน่วยของ AI โมเดล (ซึ่งคิดเป็นจำนวน token) ลดลงไปกว่า 100 เท่า มีโมเดลขนาดเล็กที่เก่งขึ้นเรื่อยๆ open source ออกมาเต็มไปหมด แต่บริษัทและองค์กรที่ใช้ AI กลับจ่ายค่าใช้ AI ที่แพงขึ้น ไม่ได้ถูกลง

เหตุผลหลักๆคือวิธีการใช้งาน AI ของเรานั้นเปลี่ยนไป

เมื่อหลายปีก่อน เวลาเราใช้ AI เรามักให้ AI สรุปเอกสารหรือใช้ถามตอบเรื่องทั่วไป ในวันนี้เราใช้ agent ในการค้นคว้าหาข้อมูล อ่านเอกสาร จากนั้นเอาไปเช็คกับ company policy เพื่อค้นหาข้อมูลเพิ่มเติมจากเว็บ ร่างคำตอบ update database แล้วถ้าลูกค้ายังไม่ตอบก็ให้ตามต่อ 

นี่ไม่ใช่แค่ prompt ถามตอบแบบที่แต่ก่อนเราใช้งาน แต่มันคือ workflow ทั้งกระบวนการ ซึ่งพอบวกกับความสามารถในการคิดแบบมีตรรกะหรือ reasoning ที่ดีขึ้น การคิดที่ยาวขึ้น multi-agents และ large context ล้วนแล้วแต่ทำให้เกิดการใช้จำนวน token ที่เยอะกว่าเดิมเป็นหลายเท่าตัว

ไม่ใช่ว่า AI แพงขึ้น แต่เรากำลังสั่งให้ AI ทำอะไรเยอะกว่าเดิมมาก

ถ้าเราดูสมการค่าใช้จ่ายด้าน AI เราจะเห็นได้ว่ามีปัจจัยหลายๆปัจจัยเป็นองค์ประกอบ

บิลค่า AI = จำนวนผู้ใช้ × งานต่อผู้ใช้ × จำนวนการเรียกใช้ model ต่องาน × จำนวน token ต่อการเรียก × ราคาต่อ token

ที่หลายคนพูดถึงว่า AI เก่งขึ้นและถูกลงคือปัจจัยตัวสุดท้ายเท่านั้น (ราคาต่อ token ที่ลดลง) แต่บิลจริงๆถูกขับเคลื่อนด้วย 4 ตัวแรกซึ่งเพิ่มขึ้นไวมาก โดยเฉพาะจำนวน model calls และ token ต่อการเรียก

นี่คือสิ่งที่เรียกว่า Jevons Paradox ซึ่งหมายถึงว่า เวลาที่อะไรถูกลง บางทีเราจะใช้มันมากขึ้นมหาศาลจนรวมๆแล้วใช้มากกว่าเดิม ในกรณีของ AI คือ intelligence ต่อ token ลดลง แต่ intelligence โดยรวมที่บริโภคต่องานเพิ่มขึ้นเป็นหลายเท่า

หากเราเปรียบเทียบกับยุค internet จะสังเกตุได้ว่ามีจุดที่แตกต่างกันอยู่จุดหนึ่ง

ในยุคที่โทรคมนาคมกำลังสร้าง infrastructure ผู้ใช้อย่างเราๆไม่ได้ถูก subsidize แต่อย่างใด เราทุกคนจ่ายราคาเต็มของ internet และค่า data ซึ่งส่งผลให้ infrastructure ถูกสร้างก่อน จากนั้น application จึงค่อยๆทะยอยกันตามมาเรื่อยๆตามการขยายตัวของ infrastructure (ทั้งสอง phase แทบไม่ทับซ้อนกันเลย)

ในยุค agent ผู้ใช้ทุกคนกำลังถูก subsidize ผ่านการตั้งราคา token ต่ำกว่าต้นทุน สิ่งนี้ทำให้ cycle ระหว่างการสร้าง infrastructure และการสร้าง application ถูกบีบเข้าด้วยกัน สิ่งที่ยุค internet ใช้เวลา 15 ปีในการเปลี่ยนถ่ายทั้งสอง phase ในยุค agent นี้อาจใช้เวลาแค่ 5 ปีหรือน้อยกว่านั้น เพราะ infrastructure และ application กำลังถูกสร้างไปพร้อมๆกัน

สิ่งที่สำคัญที่สุดคือบริษัท AI ทุกเจ้าต้องตอบคำถามให้ได้ว่า คุณกำลังสร้าง value มากกว่า compute ที่คุณกำลังใช้อยู่หรือเปล่า ซึ่งแปลว่า pricing model ต้องเปลี่ยน

Application layer ในยุค agent ไปจะตั้งราคาแบบ SaaS เดิมไม่ได้

SaaS แบบเก่าขายการเข้าถึง tool หรือเครื่องมือ เช่น 1,000 บาทต่อคนต่อเดือน Software เปรียบเสมือนเครื่องมือ ซึ่งมีคนที่เป็นผู้ใช้เครื่องมือ 

CRM ไม่ได้ขายของแทนเรา มันแค่ช่วยทีม sales ขายของให้ดีขึ้น software analytics ไม่ได้ตัดสินใจแทนใคร มันแค่ช่วย analyst ตัดสินใจ (software แค่ช่วยคนทำงาน)

แต่ในยุค agent ทุกอย่างเปลี่ยนไป customer service agent ไม่ได้ช่วยพนักงานเท่านั้น มันคุยกับลูกค้าเองและปิดจบการขายได้ 

finance agent ไม่ได้ช่วยทีม finance เท่านั้นแต่มัน reconcile invoice เองและปิด ticket ได้ด้วยตัวมันเอง 

วิธีการตั้งราคาในยุค agent จะเปลี่ยนจาก "การใช้งาน" เป็น "ผลลัพธ์ของงาน" ซึ่งไม่ใช่ 1,000 บาทต่อคนต่อเดือนอีกต่อไป แต่เป็น 100 บาทต่อ ticket ที่ปิดได้