ความคลั่งไคล้ในองค์กรของ "tokenmaxxing" ในเทคโนโลยีปัญญาประดิษฐ์กำลังถึงขีดจำกัด เนื่องจากสถานที่ทำงานที่ใช้ AI ในทุก ๆ ด้าน พบว่าต้นทุนเพิ่มขึ้นโดยไม่มีการเพิ่มผลผลิตที่คล้ายคลึงกัน ตามรายงานของ Associated Press

สิ่งที่เริ่มต้นจากการเป็นกระแสที่ขับเคลื่อนโดยอุตสาหกรรมเทคโนโลยีในฤดูใบไม้ผลิปี 2026 จากการบีบงานที่ AI สร้างขึ้นให้ได้มากที่สุดจากผลิตภัณฑ์ต่างๆ เช่น ChatGPT ของ OpenAI และ Claude ของ Anthropic ได้เปลี่ยนไปสู่ฟันเฟืองในช่วงฤดูร้อน ขณะนี้ผู้บริหาร นักวิเคราะห์ และนักพัฒนาต่างตั้งคำถามอย่างเปิดเผยว่าการเพิ่มการใช้โทเค็น AI ให้สูงสุดนั้นเคยเป็นกลยุทธ์ที่ดีหรือไม่ หากต้องการความครอบคลุมอย่างต่อเนื่องเกี่ยวกับภาพรวมธุรกิจ AI โปรดไปที่ การรายงานอุตสาหกรรม AI ล่าสุด

การขึ้นและลงของแฟชั่น

"Tokenmaxxing" หมายถึงการเพิ่มการใช้โทเค็นให้สูงสุด ซึ่งเป็นองค์ประกอบสำคัญของ AI ทั่วไปที่สอดคล้องกับข้อความชิ้นเล็กๆ ที่ระบบ AI อ่านหรือเขียน โทเค็นแต่ละอันแสดงถึงประมาณสามในสี่ของคำ และผู้ให้บริการ AI มักจะกำหนดขีดจำกัดการใช้งาน โดยการสมัครรับข้อมูลที่มีราคาแพงกว่าจะมีขีดจำกัดที่สูงกว่า

เทรนด์ดังกล่าวได้รับการส่งเสริมอย่างแข็งขันจากผู้นำที่โดดเด่นที่สุดของเทคโนโลยี Sam Altman ซีอีโอของ OpenAI กล่าวในเดือนพฤษภาคมปี 2026 ว่าเขา "รู้สึกตื่นเต้นที่ได้เห็นสิ่งที่จะเกิดขึ้นกับสตาร์ทอัพ tokenmaxxing ทั้งเกี่ยวกับวิธีการทำงานภายในและผลิตภัณฑ์ที่พวกเขาสามารถสร้างได้" Jensen Huang ซีอีโอของ Nvidia ประกาศว่า "หากวิศวกรมูลค่า 500,000 ดอลลาร์ของคุณไม่ได้เผาโทเค็นมูลค่า 250,000 ดอลลาร์ แสดงว่ามีบางอย่างผิดปกติ" Meta ซึ่งเป็นบริษัทแม่ของ Facebook จัดการแข่งขันภายในโดยให้รางวัลแก่การใช้โทเค็นสูง

แต่เมื่อต้นทุนสะสม ความกระตือรือร้นก็ลดลง Vincent Gusdorf หัวหน้าฝ่ายวิเคราะห์ AI ของ Moody's Ratings และผู้เขียนรายงานฉบับใหม่ซึ่งแนะนำแนวทางที่มีระเบียบวินัยมากขึ้นกล่าวว่า "เมื่อบิลเริ่มเพิ่มสูงขึ้น ผู้คนก็ตระหนักว่าเครื่องมือใหม่เหล่านั้นมีราคาค่อนข้างแพง และคุณต้องใช้มันอย่างชาญฉลาด"

“มันง่ายมากที่จะสร้างสิ่งที่คุณไม่ต้องการด้วย AI” กุสดอร์ฟกล่าวเสริม

ฟันเฟืองผู้บริหาร

การตอบโต้ดังกล่าวนำโดยเสียงที่มีอิทธิพลมากที่สุดในอุตสาหกรรมเทคโนโลยี Satya Nadella CEO ของ Microsoft ยอมรับว่า tokenmaxxing อาจทำให้ติดได้ แต่เตือนว่าลูกค้าจ่ายเงินสองเท่าสำหรับ AI โดยครั้งแรกในการใช้จ่ายกับโทเค็น และครั้งที่สองโดยการให้ข้อมูลที่เป็นกรรมสิทธิ์ของพวกเขาแก่ผู้ให้บริการ AI ความคิดเห็นของ Nadella นั้นผิดปกติเมื่อเขาทำให้เกิดความสงสัยเกี่ยวกับการรับประกันการปกป้องข้อมูลของบริษัท AI ชั้นนำ แม้ว่าเขาจะส่งเสริมกลยุทธ์ AI ของ Microsoft ก็ตาม

Alex Karp ซีอีโอของ Palantir กล่าวเพิ่มเติมโดยบอกกับ CNBC ว่ามีบางอย่าง "ผิดพลาดโดยสิ้นเชิง" เขาบอกว่าเขากำลังส่งเสียงของธุรกิจอเมริกันเป็นการส่วนตัวว่า "โกรธ" เกี่ยวกับการจ่ายเงินจำนวนมหาศาลเพื่อซื้อโทเค็นที่ไม่สร้างมูลค่า

“มุมมองพื้นฐานขององค์กรต่างๆ ในประเทศนี้คือ 'ฉันจะไปชิลแลกซ์และเสียเวลากับโทเค็น ฉันจะไม่มีค่าอะไร และพวกเขาจะได้รับ IP ของฉัน'” Karp กล่าว

Raffi Krikorian ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Mozilla เปรียบเทียบ tokenmaxxing กับแนวทางปฏิบัติที่ไม่น่าเชื่อถือในการวัดประสิทธิภาพของโปรแกรมเมอร์ตามบรรทัดของโค้ด “ผมคิดว่า tokenmaxxing กำลังเคลื่อนผ่านรูปแบบเดียวกันทุกประการ” เขากล่าว “ฉันคิดว่านี่จะเป็นเหตุการณ์ที่น่าสนใจที่เราทุกคนจะมองย้อนกลับไปและหัวเราะกันในหนึ่งปี”

ปัญหาต้นทุนตามขนาด

ผลกระทบทางการเงินจะรุนแรงในระดับองค์กร Jue Wang ที่ปรึกษาด้านการจัดการของ Bain & Company กล่าวว่าธุรกิจขนาดใหญ่หลายแห่งที่บริษัทของเธอแนะนำนั้นได้พิจารณาผลตอบแทนจากการลงทุนด้าน AI ของตนอย่างใกล้ชิด

“ราคาโทเค็นสำหรับพวกเขาเพิ่มขึ้นสองเท่า เกือบทุกเดือน” Wang กล่าว "สมมติว่า $200 ต่อนักพัฒนาต่อเดือน คูณด้วยนักพัฒนา 20,000 ราย ซึ่งมักจะเป็นสิ่งที่เรากำลังติดต่อกับบริษัทเหล่านี้ และนั่นจะทำให้คุณได้ตัวเลขที่ไม่ใช่รายการที่ผู้จัดการทั่วไปวางแผนไว้อย่างรวดเร็ว"

Wang ชี้ให้เห็นถึงรูปแบบการใช้งานในทางที่ผิดทั่วไป: เลือกใช้โมเดล AI ที่ทรงพลังที่สุดและมีราคาแพงที่สุดสำหรับงานที่ไม่จำเป็นต้องใช้ “ไม่ใช่ทุกสิ่งที่ต้องการ Claude Opus 4.6” เธอกล่าวถึงหนึ่งในโมเดลที่มีความสามารถมากที่สุดของ Anthropic ซึ่งเหมาะกับวิศวกรรมซอฟต์แวร์หรือการวิจัยเชิงลึก "แต่คุณก็ยังเห็นบริษัทมากมาย ผู้ใช้จำนวนมาก เลือกใช้ Opus กับทุกสิ่ง รวมถึงการสร้างอีเมลด้วย"

การเพิ่มขึ้นของการกำหนดเส้นทางแบบจำลองและน้ำหนักแบบเปิด

แรงกดดันด้านต้นทุนได้กระตุ้นให้เกิดความต้องการเครื่องมือ "การกำหนดเส้นทางแบบจำลอง" ของ AI ที่จะส่งข้อความค้นหาที่ง่ายกว่าไปยังระบบ AI ที่ถูกกว่าและมีประสิทธิภาพมากกว่าโดยอัตโนมัติ ขณะเดียวกันก็สงวนแบบจำลองที่ทรงพลังไว้สำหรับงานที่ซับซ้อน นักพัฒนาซอฟต์แวร์ Hassan El Mghari ซึ่งเป็นผู้นำด้านประสบการณ์ของนักพัฒนาในสตาร์ทอัพ Together AI กล่าวว่าสติกเกอร์ของบริษัทต่างๆ ต่างตกตะลึงกับ "จำนวนเงินที่ไร้สาระ" ที่ใช้ในการสมัครสมาชิกผลิตภัณฑ์ AI จากบริษัทชั้นนำในสหรัฐฯ ได้ทำให้หลายคนคิดใหม่เกี่ยวกับแนวทางการใช้งานให้เกิดประโยชน์สูงสุด

“เป็นการดีกว่าที่จะให้อำนาจพนักงานในการใช้สิ่งเหล่านี้ และปล่อยให้พวกเขาใช้ AI ได้ทุกเวลาและทุกเวลาที่ต้องการ” El Mghari กล่าว

ในขณะเดียวกัน ผู้เสนอการใช้โทเค็นสูงกำลังค้นหากระสุนใหม่ในโมเดลน้ำหนักเปิดจากสตาร์ทอัพของจีน เช่น Kimi ของ Moonshot และ GLM ของ Zhipu ซึ่งเกือบจะตรงกับความสามารถของโมเดลชั้นนำของสหรัฐอเมริกาด้วยต้นทุนเพียงเล็กน้อย Krikorian ยอมรับว่ามี "ความถูกต้องบางประการสำหรับทฤษฎีที่ว่าสิ่งนี้สามารถผลักดัน tokenmaxxing ต่อไปได้อีกเล็กน้อย" แต่ยืนยันว่าแนวโน้มของอุตสาหกรรมในวงกว้างนั้นมุ่งสู่การใช้งานที่มีระเบียบวินัยมากขึ้น

บทเรียนสำหรับองค์กร

ตอน tokenmaxxing นำเสนอเรื่องราวที่เป็นข้อเตือนใจสำหรับธุรกิจต่างๆ ที่ต้องเผชิญกับภูมิทัศน์ของ AI ในขณะที่นักพัฒนาโมเดล AI ชั้นนำอย่าง OpenAI และ Anthropic ได้รับประโยชน์จากการบริโภคที่เพิ่มขึ้น ประสบการณ์ดังกล่าวได้กระตุ้นให้องค์กรหลายแห่งนำแนวทางที่มีการวัดผลมาใช้มากขึ้น โดยมุ่งเน้นไปที่กรณีการใช้งานเฉพาะที่ AI ให้ผลตอบแทนที่วัดได้ แทนที่จะเพิ่มตัวชี้วัดการใช้งานดิบให้สูงสุด

เนื่องจากวงจร AI กระแสเกินจริงในช่วงเริ่มต้นเปิดทางให้นำไปปฏิบัติได้จริง บริษัทที่ประสบความสำเร็จอาจเป็นบริษัทที่ถือว่า AI เป็นเครื่องมือที่มีความแม่นยำมากกว่าเครื่องมือทื่อ โดยจับคู่โมเดลที่ถูกต้องกับงานที่ถูกต้อง และคอยจับตาดูบิลอย่างใกล้ชิด

ก้าวนำหน้า AI

อ่านข่าว AI เพิ่มเติม →