ประธานเจ้าหน้าที่ฝ่ายการเงินของ OpenAI Sarah Friar กำลังกระตุ้นให้บริษัทต่างๆ ละทิ้งเกณฑ์ชี้วัดที่พวกเขาใช้มานานหลายทศวรรษในการประเมินซอฟต์แวร์ และใช้เกณฑ์มาตรฐานใหม่สำหรับปัญญาประดิษฐ์ ซึ่งสร้างขึ้นจากงานที่เสร็จสมบูรณ์ ไม่ใช่จำนวนคนที่ใช้เครื่องมือ
ในบล็อกโพสต์ที่เผยแพร่เมื่อวันศุกร์ที่ 17 กรกฎาคม 2026 และอธิบายรายละเอียดเพิ่มเติมในโพสต์ LinkedIn ที่รายงานโดย Axios, Fortune และ CFO Dive Friar ได้แนะนำสิ่งที่เธอเรียกว่า แนวทาง "สติปัญญาที่เป็นประโยชน์ต่อดอลลาร์" ข้อโต้แย้งหลัก: ตัวชี้วัดที่กำหนดยุค SaaS — จำนวนที่นั่ง ผู้ใช้ที่ใช้งานอยู่ และการต่ออายุ — ไม่สามารถบันทึกมูลค่าที่ AI สร้างขึ้นได้ หากต้องการการวิเคราะห์อย่างต่อเนื่องว่าองค์กรต่างๆ รับมือกับเศรษฐศาสตร์ AI อย่างไร โปรดติดตาม ความครอบคลุมของอุตสาหกรรม AI ของเรา
คำถามสี่ข้อ
Friar เสนอให้องค์กรต่างๆ ตัดสินคุณค่าของ AI โดยการตอบคำถามสี่ข้อ:
1. AI ทำงานให้เสร็จมีความสำคัญหรือไม่
2. งานที่สำเร็จแต่ละงานมีค่าใช้จ่ายเท่าไร
3. คนสามารถพึ่งพาผลลัพธ์ได้หรือไม่
4. AI แต่ละดอลลาร์สร้างมูลค่ามากขึ้นตามการใช้งานที่เพิ่มขึ้นหรือไม่
“เป็นเวลาหลายปีที่ซอฟต์แวร์ถูกวัดผ่านการนำไปใช้: ที่นั่ง, ผู้ใช้ที่ใช้งานอยู่, การต่ออายุ” Friar เขียนบน LinkedIn "AI แตกต่างออกไป ต้องวัดจากความสำเร็จของงาน"
การจัดเฟรมจะจำลองการใช้โทเค็น ซึ่งเป็นปริมาณการประมวลผล AI ที่บริษัทจ่ายให้ ไม่ใช่เป็นต้นทุนที่ต้องย่อให้เหลือน้อยที่สุด แต่เป็นวัตถุดิบที่จะมีคุณค่าก็ต่อเมื่อแปลงเป็นเอาต์พุตที่ใช้งานได้ “โทเค็นจะสร้างมูลค่าเมื่อแปลงเป็นงานที่ผู้คนสามารถใช้ได้” เธอเขียน โดยให้เหตุผลว่าเมื่อแบบจำลองมีความสามารถมากขึ้น พวกเขาก็สามารถทำงานได้นานขึ้นและมีหลายขั้นตอน โดยจะรักษาบริบท เหตุผลของเครื่องมือต่างๆ และปรับเปลี่ยนตามไปด้วย
ทำไม OpenAI ถึงผลักดันสิ่งนี้ในตอนนี้
การเสนอขายเกิดขึ้นในช่วงเวลาที่ไม่สบายใจสำหรับอุตสาหกรรม AI การใช้จ่ายด้าน AI ทั่วโลกคาดว่าจะสูงถึง 2.59 ล้านล้านในปี 2569 ซึ่งเพิ่มขึ้น 47% เมื่อเทียบเป็นรายปี ตามตัวเลขของ Gartner ที่อ้างโดย CFO Dive แต่หลักฐานที่แสดงว่าการใช้จ่ายที่จ่ายไปนั้นยังคงเบาบาง การศึกษาของ PwC ที่เผยแพร่ในเดือนมกราคมพบว่ามีเพียง 12% ของซีอีโอ เท่านั้นที่กล่าวว่า AI ให้ประโยชน์ทั้งด้านต้นทุนและรายได้ อีก 33% รายงานว่าต้นทุนหรือรายได้เพิ่มขึ้น ในขณะที่ 56% กล่าวว่าไม่ได้รับประโยชน์ทางการเงินที่สำคัญ จนถึงตอนนี้
ช่องว่างดังกล่าวทำให้เกิดความคับข้องใจที่มองเห็นได้ชัดเจนที่ด้านบนสุดของบันไดองค์กร เมื่อเร็ว ๆ นี้ Palantir CEO Alex Karp บอกกับ CNBC ว่าผู้นำธุรกิจจำนวนมาก "เบื่อ" กับการเศรษฐศาสตร์ของโมเดลภาษาขนาดใหญ่ โดยตั้งคำถามว่าต้นทุนโทเค็นที่เพิ่มขึ้นกำลังแปลงเป็นผลตอบแทนหรือไม่ — ความคิดเห็นที่ Karp ทำในขณะที่ส่งเสริมเทคโนโลยีของ Palantir เอง และยอมรับว่ามีแรงจูงใจในเชิงพาณิชย์
สำหรับ OpenAI ซึ่งขายโทเค็นที่เป็นปัญหา การปรับกรอบการสนทนาเกี่ยวกับผลลัพธ์มากกว่าการบริโภคถือเป็นสิ่งสำคัญเชิงกลยุทธ์ หากลูกค้าวัดความสำเร็จจากความสำเร็จของงาน การจ่ายเงินเพิ่มสำหรับโมเดลขอบเขตที่ดำเนินงานที่ซับซ้อนให้เสร็จสิ้นได้อย่างมีประสิทธิภาพ ไม่ใช่เรื่องสูญเปล่า
การเปลี่ยนจากกรอบความคิดเรื่องที่นั่งและการต่ออายุ
แนวคิด "หน่วยสืบราชการลับที่มีประโยชน์ต่อดอลลาร์" สอดคล้องกับการคิดใหม่ที่กว้างขึ้นว่า AI ควรกำหนดราคาและวัดผลอย่างไร ซอฟต์แวร์องค์กรแบบเดิมจำหน่ายต่อที่นั่ง ราคา AI ตามการใช้งานทำให้โมเดลดังกล่าวพัง เนื่องจากที่นั่งเดียวสามารถใช้ปริมาณการประมวลผลที่แตกต่างกันอย่างมากมายขึ้นอยู่กับงาน คำถามสี่ข้อของ Friar ขอให้ผู้ซื้อสร้างบัญชีภายในเกี่ยวกับ งานที่เสร็จสมบูรณ์ และ ต้นทุนต่องานที่ประสบความสำเร็จ ซึ่งเป็นตัวเลขที่ติดตามได้ยากกว่าจำนวนพนักงาน แต่เป็นคำถามที่สะท้อนถึงสิ่งที่เทคโนโลยีทำจริง
ไม่ใช่ทุกคนที่จะเชื่อว่ามาตรฐานใหม่นี้เป็นประโยชน์ต่อผู้ซื้อ นักวิจารณ์ตั้งข้อสังเกตว่า "งานสำเร็จลุล่วง" นั้นค่อนข้างลื่นไหลในการกำหนดและตรวจสอบ และผู้ขายมีแรงจูงใจทุกประการในการจำแนกเอาท์พุต AI ว่าประสบความสำเร็จ ความน่าเชื่อถือ — คำถามที่สามของไฟรอาร์ — เป็นเรื่องยากที่จะวัดโดยเฉพาะเมื่อแบบจำลองให้คำตอบที่มั่นใจแต่ไม่ถูกต้อง ปรากฏการณ์ที่เรียกว่าภาพหลอน หากไม่มีการตรวจสอบโดยหน่วยงานอิสระ ตัวชี้วัดก็เสี่ยงที่จะกลายมาเป็นเครื่องมือทางการตลาดแทนที่จะเป็นกลไกความรับผิดชอบ
อย่างไรก็ตาม ข้อเสนอดังกล่าวสะท้อนให้เห็นถึงการเปลี่ยนแปลงที่แท้จริงของการสนทนา หลังจากสองปีแห่งการวัดผลการใช้งานที่แทบหยุดหายใจ ผู้บริหารต่างต้องการหลักฐานว่าการใช้จ่ายด้าน AI กำลังได้รับผลประโยชน์ต่อไป บริษัทที่สามารถตอบคำถามทั้งสี่ข้อของ Friar ด้วยข้อมูล ไม่ว่าพวกเขาจะใช้แบบจำลองของ OpenAI หรือของคู่แข่งก็ตาม จะเป็นบริษัทที่มีงบประมาณเหลือรอดจากการพิจารณาอย่างหลีกเลี่ยงไม่ได้
แหล่งที่มา
- CFO Dive, "OpenAI ผลักดันมาตรฐานใหม่ในการวัดการลงทุน AI" 17 กรกฎาคม 2026
- Axios "พิเศษเฉพาะ: CFO ของ OpenAI นำเสนอวิธีใหม่ในการวัดมูลค่าของ AI" 17 กรกฎาคม 2026
- Fortune, "CFO ของ OpenAI: 4 คำถามที่เปิดเผยว่าการใช้จ่าย AI ของคุณคุ้มค่าหรือไม่" 17 กรกฎาคม 2569
ก้าวนำหน้าด้วย AI ระดับองค์กร
เศรษฐศาสตร์ของ AI กำลังถูกเขียนใหม่แบบเรียลไทม์ คั่นหน้าหน้าแรกของเราเพื่อดู การรายงานข่าวธุรกิจ AI ล่าสุด
อ่านข่าว AI เพิ่มเติม →
