ใบเรียกเก็บเงินโทเคนและสัญญาณเตือน
การทดลองใช้โมเดลภาษาขนาดใหญ่ในช่วงแรกๆ รู้สึกเหมือนกำลังเล่นกับกระปุกขนมที่ไม่มีวันหมด: คำคำสั่ง ร่างข้อความ การปรับแต่ง และการแก้ไขต่าง ๆ ไหลเวียนอย่างอิสระ และไม่มีใครตรวจสอบใบเสร็จรับเงิน จนกระทั่งมีใครสักคนทำเช่นนั้น ผู้นำแบรนด์คนใหม่ค้นพบว่า การนำทุกสิ่ง—ตั้งแต่การระดมความคิดไปจนถึงงานถาม-ตอบประจำวัน—ผ่านบริการ AI หลายแห่ง ทำให้เกิดค่าใช้จ่ายที่เห็นได้ชัดและเพิ่มขึ้นอย่างรวดเร็วอย่างน่าประหลาดใจในบัญชี การตอบสนองนั้นเป็นไปอย่างปฏิบัติได้จริงและไม่ซับซ้อน: จัดเรียงงานตามค่าใช้จ่าย ใช้โมเดลราคาถูกสำหรับงานง่ายๆ และเก็บโมเดลประสิทธิภาพสูงไว้สำหรับงานที่จริงๆ แล้วต้องการมัน ในเวลาอันสั้น ความวุ่นวายแบบไร้ระเบียบก็กลายเป็นระบบการใช้ทรัพยากรอย่างมีวินัย
การจัดระเบียบส่วนบุคคลนี้สะท้อนถึงช่วงเวลาสำคัญของอุตสาหกรรมโดยรวม เมื่อ AI ก้าวพ้นจากโครงการนำร่องและเข้าสู่กระบวนการทำงานประจำวัน กำลังการประมวลผลที่จำเป็นในการใช้งานมันก็ย้ายจากเบื้องหลังมาสู่สเปรดชีตทางการเงิน การทดลองที่ง่าย ๆ ได้เปลี่ยนเป็นการใช้งานอย่างสม่ำเสมอ และการใช้งานอย่างสม่ำเสมอก็กลายเป็นรายการค่าใช้จ่ายที่เกิดขึ้นซ้ำ ๆ ซึ่งต้องการนโยบาย ขีดจำกัด และความประหยัดเล็กน้อย ยุคแห่งความอยากรู้ที่ไม่มีขีดจำกัดกำลังสิ้นสุดลง และยุคแห่งการวัดการใช้เครื่องจักรกำลังเริ่มต้นขึ้น
การจำกัดการใช้และหารือเกี่ยวกับราคาที่ยุติธรรม
วิธีแก้ไขที่นิยมใช้คือการตั้งขีดจำกัด: ขีดจำกัดโทเคนรายวันต่อพนักงาน การแจ้งเตือนเมื่อใกล้ถึงขีดจำกัด และการเข้าถึงแบบรวมสำหรับหลายโมเดล เพื่อให้พนักงานสามารถเลือกเครื่องมือที่เหมาะสมได้โดยไม่เกินงบประมาณ การกำหนดขีดจำกัดนี้ไม่ใช่เรื่องความเข้มงวด แต่เป็นเรื่องความสามารถในการคาดการณ์ — การรู้ว่าเมื่อใดควรหยุดชั่วคราว ปรับขนาด หรือจัดสรรเพิ่มเติมในช่วงเวลาที่มีการใช้งานสูงสุด เช่น การเปิดตัวแคมเปญใหญ่
แต่การจำกัดปริมาณเป็นเครื่องมือที่หยาบคาย มันบอกคุณว่าใช้โทเคนไปเท่าไร แต่ไม่บอกว่าโทเคนเหล่านั้นสร้างเนื้อหาสร้างสรรค์ที่มีคุณภาพสูงขึ้น ผลลัพธ์ที่เร็วขึ้น หรือรายได้ที่เพิ่มขึ้นหรือไม่ ช่องว่างระหว่างการใช้งานและผลกระทบได้ก่อให้เกิดการแย่งชิงกันเกี่ยวกับเงื่อนไขทางการค้า บางบริษัทเลือกที่จะรับภาระค่าใช้จ่ายโทเคนเอง เนื่องจากกังวลว่าการแยกค่าใช้จ่ายเหล่านี้ออกจะทำให้ความสนใจหันไปที่โทเคนแทนที่จะเป็นความสามารถของทีมงาน ส่วนบริษัทอื่น ๆ นำค่าใช้จ่ายด้านการประมวลผลข้อมูลมารวมเข้ากับค่าบริการแบบสมัครสมาชิกโดยตรง ส่วนผู้ซื้อรายใหญ่บางรายก็รวมค่าใช้จ่าย AI เข้าไปในข้อตกลงแบบแพ็กเกจที่กว้างขึ้น ทั้งหมดนี้ล้วนเป็นความพยายามที่จะซ่อนความไม่แน่นอนที่แก้ไม่ได้เพียงอย่างเดียว: วิธีกำหนดและวัดผลว่า AI ได้ส่งมอบอะไรมาจริง ๆ
ความไม่แน่นอนนี้มีผลทางภาษีต่อวิธีการกำหนดราคาของเอเจนซี หลายแห่งกำลังเปลี่ยนไปใช้ค่าธรรมเนียมตามผลลัพธ์—คิดค่าบริการตามผลลัพธ์ที่จับต้องได้หรือประสิทธิภาพ—เพราะการคิดค่าบริการตามเวลาและวัสดุต่อไปดูเหมือนไม่เข้าใจสถานการณ์ เมื่อลูกค้ามุ่งเน้นไปที่การประหยัดค่าใช้จ่ายจากระบบอัตโนมัติ แต่การกำหนดราคาตามผลลัพธ์เองก็ดูไม่เหมาะสม เมื่อส่วนหนึ่งของกระบวนการผลิตที่อาจสร้างมูลค่าได้กลับเป็น “กล่องดำ” ของคำสั่งโมเดลและรอบการคำนวณ ทีมจัดซื้อมักยังเข้าสู่การเจรจาโดยคาดหวังว่าอัตโนมัติจะช่วยลดค่าใช้จ่าย ไม่ใช่เพิ่มค่าใช้จ่าย ซึ่งทำให้การเปลี่ยนผ่านสู่ข้อตกลงตามผลลัพธ์เป็นไปอย่างไม่ราบรื่นในกรณีที่ดีที่สุด
โครงสร้างพื้นฐาน อัตรากำไร และจุดจบของช่วงฮันนีมูน
ในบัญชี การเติบโตของ AI มักปรากฏเป็นค่าใช้จ่ายในการดำเนินงานที่เพิ่มขึ้น: ค่าลิขสิทธิ์ ค่าใช้งาน และความจำเป็นในการลงทุนในการฝึกอบรมและเครื่องมือ บริษัทปรับสมดุลโดยย้ายงบประมาณบางส่วนจากบุคลากรไปยังเทคโนโลยี และมุ่งลดงานทำด้วยมือลง ในทางทฤษฎี การเพิ่มประสิทธิภาพการทำงานควรชดเชยค่าใช้จ่ายด้านเทคโนโลยีได้ และบางครั้งก็เกิดขึ้นจริง แต่ในทางปฏิบัติ ส่วนสำคัญของประสิทธิภาพที่เพิ่มขึ้นมักถูกลงทุนกลับเข้าไปในเครื่องมือและทักษะ AI เพิ่มเติม ซึ่งหมายความว่าผลชดเชยนี้มักไม่ส่งผลเต็มที่ต่อกำไรสุทธิในระยะสั้น
ยังมีหลักคณิตศาสตร์พื้นฐานด้านโครงสร้างพื้นฐานด้วย: โมเดลต้องการกำลังการคำนวณ และกำลังการคำนวณต้องใช้เงิน หากองค์กรปล่อยให้ใช้คำสั่งและเอเจนต์อย่างไม่มีการกำกับดูแล ราคาของเครื่องอาจเริ่มสูงกว่าค่าใช้จ่ายของมนุษย์ ความเป็นจริงนี้กำลังก่อให้เกิดการสนทนาที่ฟังดูไม่คึกคักเหมือนในอดีต; ความตื่นเต้นในช่วงแรกเกี่ยวกับความเร็วและความใหม่กำลังจางลง เมื่อทีมการเงินและฝ่ายจัดซื้อจัดจ้างยืนยันว่าต้องมีหลักฐานแสดงมูลค่า
ความอึดอัดสุดท้ายคือด้านวัฒนธรรม หลายแบรนด์ยังไม่จำเป็นต้องมีวินัยในการใช้จ่ายด้าน AI เพราะมีเพียงผู้เล่นรายใหญ่ไม่กี่รายเท่านั้นที่สร้างระบบปฏิบัติการ AI ภายในองค์กร สิ่งนี้ทำให้เอเจนซีต้องรับความเสี่ยงจากการทดลองส่วนใหญ่ พร้อมทั้งพยายามโน้มน้าวลูกค้าว่าเครื่องมือใหม่เหล่านี้มีค่าพอที่จะรับโครงสร้างราคาที่พวกเขาเสนอ ความต้องการที่จะถูกมองว่าเป็นองค์กรที่มีความสามารถด้าน AI ผลักดันให้บริษัทต่าง ๆ นำรูปแบบการกำหนดราคาและรูปแบบการดำเนินงานใหม่มาใช้ ก่อนที่ใครจะกำหนดมาตรฐานอุตสาหกรรมในการวัดผลกระทบที่ขับเคลื่อนด้วย AI ได้อย่างชัดเจน
ในขณะเดียวกัน พฤติกรรมที่เคยถูกมองว่ากล้าหาญ—เช่น การสร้างคำสั่ง (prompts) นับหมื่นเพื่อพัฒนาแนวคิดโฆษณา—ตอนนี้กลับดูเกินความจำเป็น เมื่อโทเคนและทรัพยากรการประมวลผลปรากฏในรายงานประจำวัน สิ่งที่เคยเป็นความภูมิใจเมื่อปีที่แล้ว อาจกลายเป็นปัญหาในการจัดงบประมาณในปัจจุบัน ผลสุทธิคือความเปลี่ยนแปลงในทั้งอุตสาหกรรม: กฎเกณฑ์ ขีดจำกัด และระบบกำกับดูแลกำลังถูกเพิ่มเข้ามาในกระบวนการทำงานด้านสร้างสรรค์ ขณะที่บริษัทต่าง ๆ พยายามหาจุดสมดุลระหว่างความอยากรู้กับการควบคุม ความเร็วกับการใช้จ่าย และความใหม่แปลกกับผลลัพธ์ที่วัดได้