องค์กรต่างๆ ที่ใช้เอเจนต์การเขียนโค้ด AI อาจจะจ่ายเงินให้กับการใช้โทเค็น AI ของนักพัฒนาในเร็วๆ นี้ เช่นเดียวกับที่พวกเขาจ่ายให้กับเงินเดือนของนักพัฒนาเอง ตามการวิเคราะห์ใหม่ที่โดดเด่นจาก Gartner รายงานโดย CIO.com เมื่อวันที่ 24 มิถุนายน 2569

การคาดการณ์จาก Nitish Tyagi นักวิเคราะห์อาวุโสของ Gartner เตือนว่าต้นทุนโทเค็น AI จะเท่ากับหรือสูงกว่าเงินเดือนรายเดือนของวิศวกรซอฟต์แวร์ทั่วไปภายในสองปีข้างหน้า การคาดการณ์สะท้อนให้เห็นถึงการเปลี่ยนแปลงพื้นฐานจากโมเดล SaaS แบบต่อที่นั่งแบบคงที่ที่องค์กรต่างๆ พึ่งพามานานหลายปีไปสู่การกำหนดราคาตามการใช้งาน โดยที่การเรียก API ทุกครั้ง การขยายหน้าต่างบริบททุกครั้ง และเวิร์กโฟลว์ที่ขับเคลื่อนโดยตัวแทนทุกรายการจะถูกเรียกเก็บเงิน สำหรับองค์กรที่ติดตามเศรษฐศาสตร์ในวงกว้างของ การเปลี่ยนแปลงอุตสาหกรรม AI สัญญาณเตือนว่าช่วงฮันนีมูนของการทดลอง AI ราคาถูกกำลังจะสิ้นสุดลง

ตัวเลขเบื้องหลังคำเตือน

Tyagi ชี้แจงอย่างระมัดระวังว่าการคาดการณ์ของ Gartner นั้นอิงจากเงินเดือนนักพัฒนาโดยเฉลี่ยทั่วโลกที่ประมาณ 2,000 ดอลลาร์ต่อเดือน ในสหรัฐอเมริกา ที่ซึ่งค่าตอบแทนนักพัฒนาประจำปีเกินกว่าหกหลักเป็นประจำ การใช้จ่ายโทเค็นที่เท่ากันยังไม่ถึงความเท่าเทียมกัน แต่ช่องว่างกำลังปิดอย่างรวดเร็ว

"ฉันได้ยินตัวเลขที่น่ากลัวเช่น 'นักพัฒนาของฉันใช้เงิน 20,000 ดอลลาร์เมื่อเดือนที่แล้ว' หรือ 'ผู้ใช้ทางธุรกิจบริโภค 32,000 ดอลลาร์'" Tyagi กล่าวกับ CIO.com “เป้าหมายคือการเตือนอุตสาหกรรมเกี่ยวกับผลกระทบของต้นทุนโทเค็น หากไม่ได้รับการควบคุมและควบคุม”

การระเบิดของต้นทุนได้รับแรงผลักดันจากปัจจัยหลายประการที่มาบรรจบกัน นักพัฒนานำ AI เชิงสร้างสรรค์และเครื่องมือการเขียนโค้ดแบบเอเจนต์มาใช้อย่างรวดเร็ว และเครื่องมือเหล่านี้ใช้โทเค็นมากกว่าการโต้ตอบทางแชทแบบธรรมดามาก เวิร์กโฟลว์ที่ขับเคลื่อนด้วยเอเจนต์ ซึ่งสามารถทำงานโดยอัตโนมัติเป็นระยะเวลานาน สร้างการใช้โทเค็นจำนวนมากในขณะที่ทำซ้ำผ่านโค้ดเบส รักษาหน้าต่างบริบทที่ขยายใหญ่ และทำการเรียก API ซ้ำ ๆ

เหตุใดต้นทุนจึงอยู่นอกเหนือการควบคุม

ส่วนหนึ่งของปัญหาคือโครงสร้าง ผู้จำหน่ายการเข้ารหัส AI ยังไม่ได้ส่งมอบสิ่งที่ Tyagi เรียกว่า "ความสามารถในการเพิ่มประสิทธิภาพต้นทุนในตัวที่เป็นผู้ใหญ่" องค์กรต่างๆ กำลังจ่ายเงินสำหรับการลงทุนด้านโครงสร้างพื้นฐานที่ผู้ขายส่งต่อให้กับลูกค้าในขณะเดียวกันก็พยายามรักษาความสามารถในการทำกำไรไปพร้อมๆ กัน ผลลัพธ์ที่ได้คือแนวการกำหนดราคาที่ทั้งคลุมเครือและบานปลาย

องค์กรหลายแห่งยังขาดกรอบความสมบูรณ์และการกำกับดูแลเพื่อพิจารณาว่าการใช้จ่ายด้าน AI ของตนให้ผลตอบแทนจากการลงทุนหรือไม่ กรอบเวลาบริบทจะบวม งบประมาณหมดเร็วกว่าที่คาดไว้ และการใช้จ่ายโทเค็นกลายเป็นเรื่องยากที่จะพิสูจน์ได้ เมื่อรวมปัญหานี้เข้าด้วยกัน ผู้ที่ไม่ใช่นักพัฒนาก็หันมาใช้เครื่องมือ AI มากขึ้นเมื่อพวกเขาคุ้นเคยกับเครื่องมือเหล่านี้มากขึ้น ซึ่งจะช่วยกระตุ้นการบริโภคทั่วทั้งองค์กร

บางทีอาจจะขัดกับสัญชาตญาณมากที่สุด Tyagi ตั้งข้อสังเกตว่าไม่มี "ความสัมพันธ์โดยตรง" ระหว่างปริมาณโทเค็นที่นักพัฒนาใช้และประสิทธิภาพการทำงานที่เพิ่มขึ้นจริง โทเค็นที่มากขึ้นไม่ได้หมายความว่าโค้ดดีขึ้นหรือการจัดส่งเร็วขึ้นโดยอัตโนมัติ

“Tokenmaxxing ไม่เกี่ยวข้องโดยตรงกับการเพิ่มผลผลิตที่สูงขึ้น” Tyagi กล่าว “แต่การเพิ่มประสิทธิภาพการใช้โทเค็นนั้นเกี่ยวข้องกัน”

ใบสั่งยาของ Gartner สำหรับการควบคุมต้นทุน

Gartner ไม่ได้แนะนำให้องค์กรต่างๆ ละทิ้งเอเจนต์การเขียนโค้ด AI ห่างไกลจากมัน คำแนะนำของบริษัทมุ่งเน้นไปที่การกำกับดูแลและการควบคุมต้นทุนก่อนที่ต้นทุนจะลุกลามเกินกว่าระดับที่สามารถกู้คืนได้

ท่ามกลางคำแนะนำเฉพาะ:

  • กำหนดเกณฑ์โทเค็น องค์กรควรแนะนำขีดจำกัดการใช้จ่ายที่ชัดเจน และทำให้การตรวจสอบการใช้งานเป็นแบบอัตโนมัติเพื่อตรวจจับปริมาณการใช้ที่ควบคุมไม่ได้ก่อนที่งบประมาณจะหมด
  • จำแนกงานตามระดับความเป็นอิสระ Gartner แนะนำให้แบ่งงานออกเป็นสามโมเดลการดำเนินการ: ที่นำโดยนักพัฒนา, ที่นำโดยนักพัฒนา, และที่นำโดยตัวแทนโดยสมบูรณ์ ไม่ใช่ทุกงานที่จะรับประกันการใช้โทเค็นของโมเดลชายแดน
  • กำหนดเส้นทางตามความซับซ้อน งานที่เรียบง่ายและมีความถี่สูงควรมุ่งไปที่โมเดลที่เล็กกว่าและราคาถูกกว่า โดยมีการยกระดับไปยังโมเดลชายแดนที่สงวนไว้สำหรับงานที่ซับซ้อนและมีมูลค่าสูง
  • วิศวกรรมบริบทตามคำสั่ง นักพัฒนาควรได้รับการฝึกอบรมเพื่อปรับบริบทที่พวกเขาป้อนให้กับ AI ให้เหมาะสม รวมถึงเฉพาะข้อมูลที่เกี่ยวข้องเท่านั้น และการสรุปเมื่อใดก็ตามที่เป็นไปได้เพื่อลดค่าใช้จ่ายของโทเค็น

ตัวชี้วัดประสิทธิภาพการทำงานใหม่

ตัวชี้วัด "บรรทัดของโค้ดที่เขียน" แบบดั้งเดิมนั้นล้าสมัยไปแล้วเนื่องจากเครื่องมือ AI เริ่มสร้างไลบรารี Python ทั้งหมดภายในไม่กี่วินาที Gartner ให้เหตุผลว่าคุณค่าควรวัดกันที่คุณภาพ ความเร็ว และความพึงพอใจของลูกค้า มากกว่าปริมาณผลผลิตดิบ

คำถามหลักที่องค์กรควรถาม ได้แก่ นักพัฒนาสามารถเผยแพร่ฟีเจอร์ที่สำคัญได้เร็วแค่ไหน ระยะเวลาระหว่างการพัฒนาและข้อเสนอแนะที่ลดลง และการจัดส่งอย่างรวดเร็วโดยที่ยังคงรักษาคุณภาพไว้กำลังสร้างความได้เปรียบทางการแข่งขันอย่างแท้จริงหรือไม่

คำแนะนำของ Tyagi ที่มีต่อผู้นำนั้นเป็นเรื่องที่ปฏิบัติได้จริง: อย่ามองว่าต้นทุนการเข้ารหัสของ AI ที่เพิ่มขึ้นเป็นเหตุผลให้เลิกใช้ AI และอย่าเปลี่ยนไปใช้โมเดลโอเพ่นซอร์สสำหรับทุกสิ่งอย่างสะท้อนกลับ เขาเน้นย้ำว่าเป้าหมายคือการเพิ่มประสิทธิภาพต้นทุนโดยไม่กระทบต่อมูลค่าที่เครื่องมือเหล่านี้นำมา

รูปภาพองค์กรที่กว้างขึ้น

คำเตือนของ Gartner มาถึงช่วงเวลาที่องค์กรต่างๆ ในอุตสาหกรรมต่างๆ กำลังเปลี่ยนจากการทดลอง AI ไปเป็นการปรับใช้ที่ปรับขนาดได้ บริษัทต่างๆ ต่างควบคุมการใช้จ่ายและเรียกร้องผลลัพธ์ที่เป็นรูปธรรม และการขาดการเชื่อมต่อระหว่างการลงทุนด้าน AI และผลตอบแทนที่วัดได้ กำลังกลายเป็นข้อกังวลระดับคณะกรรมการ

สำหรับทีมพัฒนาซอฟต์แวร์โดยเฉพาะ ข้อความนั้นชัดเจน: ยุคของการใช้โทเค็น AI อย่างไม่มีขอบเขตนั้นไม่ยั่งยืน องค์กรที่ล้มเหลวในการใช้กรอบการกำกับดูแลในขณะนี้เสี่ยงที่จะพบว่าเครื่องมือการเขียนโค้ด AI ของตนมีราคาสูงกว่าวิศวกรที่พวกเขาตั้งใจจะเพิ่ม

---

ก้าวนำหน้าผลกระทบทางเศรษฐกิจของ AI

ตั้งแต่แรงกดดันด้านต้นทุนขององค์กรไปจนถึงการระดมทุนรอบพันล้านดอลลาร์ ธุรกิจของ AI ดำเนินไปอย่างรวดเร็ว ติดตาม AI Buzz Wire เพื่อดูการวิเคราะห์เชิงลึกเกี่ยวกับปัจจัยทางการเงินที่เปลี่ยนแปลงภูมิทัศน์ของเทคโนโลยี

อ่านข่าว AI เพิ่มเติม →