Palantir Technologies นำโดยซีอีโอ Alex Karp ออกมาตั้งคำถามอย่างตรงๆ ต่อ OpenAI และ Anthropic ว่ากำลัง “ขายเกินจริง” บริการ AI แบบคิดค่าบริการตามจำนวนโทเคน ทั้งที่ในโลกความเป็นจริงมักสร้างมูลค่าที่จับต้องได้ให้บริษัทยักษ์ใหญ่น้อยกว่าที่โฆษณา
ประเด็นสำคัญ
- Karp มองว่าองค์กรกำลังจ่ายเงินค่าการใช้โทเคน AI โดยไม่ได้รับผลลัพธ์ที่คุ้มกับต้นทุน
- เขาเตือนว่าผู้ให้บริการอาจได้เข้าถึงองค์ความรู้เชิงลึกและข้อมูลเปรียบเทียบเชิงแข่งขันของลูกค้า
- คำวิจารณ์สะท้อนดีเบตใหญ่ของวงการ ว่าควรคิดราคา AI ตามปริมาณการใช้ หรือผูกกับผลลัพธ์ทางธุรกิจ
สมรภูมิราคา “โทเคน” AI
Karp ให้สัมภาษณ์กับ CNBC โดย ระบุ ว่าไม่เห็นด้วยกับโมเดลคิดค่าบริการตามจำนวนโทเคนที่โมเดล AI ประมวลผลให้ลูกค้าองค์กร
“ถ้ามันมีค่ามากขนาดนั้น ทำไมถึงเก็บเงินเป็นโทเคน?” Karp ตั้งคำถาม พร้อมเสนอว่าผู้ให้บริการควรหารายได้จาก “ส่วนแบ่งมูลค่า” ที่ระบบของตนช่วยสร้างให้ลูกค้า มากกว่าคิดจากปริมาณข้อความที่ประมวลผล
เขายังเตือนว่าองค์กรเสี่ยง “ปล่อยมือจากความลับในบ้าน” เมื่อเชื่อมข้อมูลภายในและเวิร์กโฟลว์มาสู่โมเดลภายนอก Karp บรรยายว่าองค์กรจำนวนมากเริ่มรู้สึกหงุดหงิด หลังทุ่มงบลงทุนในเครื่องมือ AI เป็นกอบเป็นกำ แต่ไม่เห็นประสิทธิภาพเพิ่มขึ้นตามที่หวัง
คำวิจารณ์เหล่านี้ก็โยงโดยตรงกับผลประโยชน์ทางการค้าของ Palantir ซึ่งจำหน่ายซอฟต์แวร์ที่ออกแบบมาเพื่อผสานโมเดล ข้อมูล และระบบปฏิบัติการ ภายใน “สภาพแวดล้อมปิด” ที่องค์กรควบคุมได้เอง
อย่างไรก็ดี มุมมองของเขาก็สะท้อนความกังวลในระดับองค์กรที่กว้างขึ้น ทั้งเรื่องต้นทุน การกำกับดูแลข้อมูล และผลตอบแทนที่ยังอ่อนแรงจากการทดลองใช้ AI ระยะแรก
อ่านเพิ่มเติม: Bitget เปิดตัว Cash Plus จ่ายยีลด์บนยอดคงเหลือสเตเบิลคอยน์นิ่ง
ผลตอบแทน AI ในภาคองค์กร
แก่นของข้อโต้แย้งจาก Karp คือ “ช่องว่างระหว่างเอาต์พุตเชิงเทคนิคกับผลลัพธ์ทางธุรกิจ” การคิดเงินตามโทเคนวัดได้เพียงปริมาณข้อความหรือข้อมูลที่โมเดลประมวลผล แต่ไม่ตอบคำถามสำคัญว่า งานนั้นเพิ่มรายได้ ลดต้นทุน หรือยกระดับคุณภาพการตัดสินใจได้จริงหรือไม่
ความต่างตรงนี้ยิ่งมีน้ำหนัก เมื่อผู้ซื้อองค์กรเริ่ม “เลือกมากขึ้น” Sam Altman เองก็ยอมรับว่า ต้นทุนและประสิทธิภาพของ AI กลายเป็นวาระหลักของผู้บริหาร ขณะที่หลายบริษัททดลองใช้โมเดลที่ถูกลง และกระจายงานให้ผู้ให้บริการหลายราย
Karp เสนอโมเดล “คิดราคาอิงผลลัพธ์” (outcome-based pricing) ที่ให้ผู้ขาย AI รับค่าตอบแทนผูกกับผลประโยชน์ที่วัดได้ แนวทางนี้อาจช่วยลดเม็ดเงินที่จมอยู่กับการใช้งานที่ไม่ก่อมูลค่า แต่ก็ต้องอาศัยการตกลงร่วมกันอย่างชัดเจนระหว่างคู่สัญญาว่า จะคำนวณ “มูลค่าเพิ่ม” อย่างไร
ความขัดแย้งปัจจุบันเกิดขึ้นหลังจากหลายปีที่องค์กรเร่งนำ AI เข้ามาใช้ จากความคาดหวังว่าโมเดลเอนกประสงค์จะเข้ามาเปลี่ยนงานรูทีนอย่างพลิกโฉม เมื่อโครงการนำร่องเริ่มสุกงอม ผู้ซื้อเริ่มเบนโฟกัสจาก “ศักยภาพโมเดล” มาสู่คำถามเรื่อง “ใครเป็นเจ้าของ–ใครควบคุมข้อมูล ความปลอดภัยเป็นอย่างไร และผลตอบแทนวัดได้จริงแค่ไหน”
อ่านต่อ: ตลาดสเตเบิลคอยน์หด 10,000 ล้านดอลลาร์จากจุดพีกเดือนพฤษภาคม ตามกระแสสภาพคล่องคริปโต้หดตัว