'Hybrid AI' เทรนด์ใหม่องค์กร เปลี่ยนเกมคลาวด์ กุญแจคุมต้นทุน AI

การขยายการใช้งาน AI ในองค์กรกำลังทำให้โครงสร้างต้นทุนเปลี่ยนไป โดยเฉพาะเมื่อการใช้งาน Agentic AI และโมเดล AI ระดับแนวหน้ามีมากขึ้น ขณะที่องค์กรต้องหาสมดุลระหว่างการเข้าถึง AI ในวงกว้างกับการควบคุมค่าใช้จ่าย

เอเอ็มดี รายงานว่า โครงสร้างต้นทุน AI สำหรับองค์กรกำลังเปลี่ยนแปลง เมื่อโมเดล AI ระดับแนวหน้ารุ่นใหม่ และ Agentic AI ขยายขีดความสามารถของ AI ในภาคธุรกิจ อย่างไรก็ตาม การขยายการใช้งานโดยไม่มีการวางกลยุทธ์ระบบแบบไฮบริด อาจทำให้องค์กรต้องรับภาระค่าใช้จ่ายด้าน AI เพิ่มขึ้นในระยะต่อไป

ในช่วง 18 เดือนที่ผ่านมา องค์กรที่ขยายการใช้งาน AI อาจเห็นแนวโน้มดังกล่าวชัดเจนขึ้น ทั้งการเปิดให้พนักงานเข้าถึง AI ในวงกว้าง การใช้งานที่เพิ่มขึ้น และการนำ Agentic AI เข้ามาใช้ ล้วนส่งผลต่อต้นทุน เมื่อองค์กรเพิ่มสิทธิการใช้งาน และส่งเสริมให้พนักงานใช้ AI มากขึ้น ปริมาณการใช้โทเคนก็เพิ่มขึ้นตาม ส่งผลต่อค่าบริการรายเดือน และทำให้ฝ่ายการเงินต้องพิจารณาความคุ้มค่าหรือ ROI มากขึ้น

ที่ผ่านมารูปแบบการทำงานของพนักงานที่ใช้ AI มักเริ่มจากการร่าง ทดสอบ และปรับแก้พรอมต์หลายครั้ง ก่อนจะได้ผลลัพธ์ที่ต้องการ โดยการประมวลผลขั้นสุดท้ายอาจเกิดขึ้นหลังจากมีการโต้ตอบหลายรอบ ซึ่งทำให้ใช้โทเคนจำนวนมาก

อย่างไรก็ตาม การสนทนา และการปรับพรอมต์ในช่วงแรกไม่ได้จำเป็นต้องใช้ประสิทธิภาพระดับ Frontier Model แต่ต้องการความรวดเร็ว ความพร้อมใช้งาน และไม่สร้างต้นทุนเพิ่มโดยไม่จำเป็น

หากงานลักษณะนี้ทำผ่าน Cloud API ทั้งหมด องค์กรอาจกำลังจ่ายค่าบริการระดับ Frontier Model ให้กับงานที่เป็นเพียงขั้นตอนเตรียมการ ทุกครั้งที่ผู้ใช้ปรับพรอมต์ สั่งให้ทำเนื้อหาให้สั้นลง หรือเปลี่ยนโทนเสียง ล้วนเพิ่มการใช้โทเคน และส่งผลต่อต้นทุน API

แนวทาง Hybrid AI ที่ผสานบริการ AI แบบโลคัลเข้ากับ Cloud จึงเปิดทางให้องค์กรเลือกกำลังประมวลผลให้เหมาะกับลักษณะงาน โดยยังคงให้พนักงานเข้าถึงเครื่องมือบน Cloud ได้ตามปกติ ขณะที่ Cloud สามารถถูกนำไปใช้กับพรอมต์ขั้นสุดท้ายหรืองานที่มีความซับซ้อนมากกว่า

แนวทางดังกล่าวช่วยลดการใช้ Cloud กับงานที่ไม่จำเป็นต้องพึ่งพาโมเดลขนาดใหญ่ และมีศักยภาพในการลดต้นทุนระยะยาวเมื่อเทียบกับการใช้ Cloud เพียงอย่างเดียว

สิทธิใช้งานเต็ม ฉุดโอกาสเข้าถึง AI

อีกประเด็นที่เกิดขึ้นจากการควบคุมค่าใช้จ่ายคือ การจำกัดสิทธิการเข้าถึง AI ให้เฉพาะพนักงานบางกลุ่ม ซึ่งอาจนำไปสู่ค่าเสียโอกาสที่ไม่ได้ปรากฏโดยตรงในงบการเงิน

พนักงานที่ไม่มีโอกาสเรียนรู้ และทดลองใช้บริการ AI เช่นเดียวกับเพื่อนร่วมงาน อาจตามเทคโนโลยีไม่ทัน และได้รับประโยชน์จาก AI ช้าลง

ขณะเดียวกัน สัญญา Cloud AI ขององค์กรมักคิดค่าใช้บริการตามจำนวนผู้ใช้ เมื่อสิทธิการใช้งานเต็ม พนักงานที่ไม่มีโควตาจะไม่สามารถเข้าถึง AI ได้ และอาจต้องรอ หาทางแก้ไขชั่วคราว หรือทำงานโดยไม่มี AI ช่วย

ในบริบทที่ผลลัพธ์จาก AI มีความเกี่ยวข้องกับความได้เปรียบทางการแข่งขัน การจำกัดการเข้าถึงจึงไม่ได้เป็นเพียงประเด็นด้านค่าใช้จ่าย แต่ยังเกี่ยวข้องกับโอกาสในการนำ AI มาใช้ในองค์กร

ต้องมอง AI ที่ต้นทุนยั่งยืน

เอเอ็มดีระบุว่า ทิศทางของบทสนทนาเรื่อง AI ในปี 2569 กำลังขยับจากประเด็นเรื่อง “ขีดความสามารถ” ไปสู่เรื่อง “ความยั่งยืน” มากขึ้น โดยผู้นำด้านไอที (ITDM) ต้องการขยายประโยชน์จาก AI ในระดับองค์กร แต่ยังต้องอยู่ภายใต้งบประมาณที่สมเหตุสมผล

โจทย์จึงอยู่ที่การสร้างระบบ AI ที่สามารถรองรับการใช้งานในวงกว้าง โดยต้นทุนไม่เพิ่มขึ้นจนต้องกลับมาจำกัดการใช้งานเพื่อควบคุมรายจ่ายในแต่ละไตรมาส

หนึ่งในแนวทางคือ การนำ Local Inference มาใช้กับการพูดคุยเบื้องต้น  และการปรับพรอมต์ ซึ่งเป็นขั้นตอนที่อาจมีการใช้โทเคนจำนวนมาก แต่ไม่จำเป็นต้องใช้โมเดลระดับ Frontier ในทุกครั้ง

การประมวลผลบางส่วนบนเครื่องโลคัลจึงสามารถลดค่าใช้จ่ายต่อโทเคน และช่วยจัดการกับจุดที่มีการใช้โทเคนสูงในการใช้งาน AI จริง

ฮาร์ดแวร์-โมเดลโลคัลพร้อมใช้งาน

ความก้าวหน้าของฮาร์ดแวร์ และโมเดลแบบโลคัลทำให้ Local AI สามารถนำมาใช้งานจริงได้มากขึ้น ทั้งในด้านเครื่องมือสำหรับการปรับใช้ และฮาร์ดแวร์ที่จำเป็น ซึ่งมีวางจำหน่ายในปัจจุบัน

สำหรับองค์กร การพิจารณา Hybrid AI จึงเกี่ยวข้องกับการเลือกตำแหน่งที่เหมาะสมสำหรับการประมวลผลแต่ละประเภท โดยงานที่ต้องการความสามารถสูง และมีความซับซ้อนสามารถใช้ Cloud ขณะที่งานเบื้องต้นหรือการปรับพรอมต์สามารถพิจารณาใช้ Local Inference เพื่อลดการพึ่งพา Cloud API และควบคุมต้นทุนการใช้งาน AI

โจทย์ขององค์กรในระยะต่อไปไม่ได้อยู่เพียงการเพิ่มความสามารถของ AI แต่รวมถึงการออกแบบโครงสร้างการใช้งานให้สามารถขยายได้โดยไม่ทำให้ต้นทุนเพิ่มขึ้นตามการใช้งานทุกส่วนอย่างหลีกเลี่ยงไม่ได้

 

 

 

พิสูจน์อักษร....สุรีย์  ศิลาวงษ์