คำขอ AI พุ่ง 9.4 เท่าที่อูเบอร์ แต่ต้นทุนเริ่มนิ่งหลังเม.ย. 2026

อูเบอร์(Uber·UBER) เพิ่มจำนวนคำขอถึง AI เอเจนต์รายสัปดาห์ขึ้น 9.4 เท่า แต่กลับคุมค่าใช้จ่าย AI โดยรวมให้ 'นิ่ง' ได้ตั้งแต่เดือนเมษายนเป็นต้นมา สะท้อนว่าการแข่งขันด้าน AI ขององค์กรกำลังเปลี่ยนจุดเน้นจากการขยายปริมาณการใช้งานไปสู่การควบคุมต้นทุนต่อหน่วยแทน

อูเดย์ คิรัน เมดิเซตตี (Uday Kiran Medisetty) วิศวกรระดับดีสติงกวิชด์ของอูเบอร์ เปิดเผยผ่านบล็อกวิศวกรรมของบริษัทเมื่อวันที่ 27 (เวลาท้องถิ่น) ว่าคำขอ AI เอเจนต์รายสัปดาห์เพิ่มขึ้น 9.4 เท่าในช่วงตั้งแต่เดือนกุมภาพันธ์ถึงกลางเดือนสิงหาคม 2026 ขณะที่จำนวนผู้ใช้เครื่องมือ AI ในช่วงเดียวกันเพิ่มขึ้นกว่า 4 เท่า ส่วนค่าใช้จ่าย AI โดยรวมกลับ 'ทรงตัว' ได้ตั้งแต่เดือนเมษายนเป็นต้นมา

การประหยัดต้นทุนครั้งนี้ไม่ได้มาจากการจำกัดการใช้งานแบบง่ายๆ แต่มาจากการ 'จัดสรรงาน' และการบริหารโทเคนอย่างเป็นระบบ อูเบอร์ระบุว่าเมื่อคิดจากโมเดล AI ตัวเดียวกัน ต้นทุนต่อ 1,000 คำขอลดลงเกือบ 34% จากจุดสูงสุด ขณะที่ต้นทุนต่อเซสชันลดลงถึง 52% เมื่อเทียบกับจุดสูงสุดในเดือนมิถุนายน

ปัจจุบันงานแก้ไขโค้ดของอูเบอร์กว่า 70% ดำเนินการโดยเอเจนต์แบบโลคอลหรือคลาวด์ และวิศวกรของบริษัทรันงาน AI เอเจนต์มากกว่า 30,000 งานต่อวัน

AI เอเจนต์ คือเครื่องมือซอฟต์แวร์ที่รับคำสั่งจากผู้ใช้แล้วดำเนินการตรวจโค้ด แก้บั๊ก และรันงานต่างๆ โดยอัตโนมัติ ต่างจากแชทบอทถาม-ตอบทั่วไปตรงที่เอเจนต์จะ 'อ่าน เขียน และรัน' ซ้ำไปมาจนกว่าจะบรรลุเป้าหมาย จึงทำให้จำนวนการเรียกใช้และปริมาณโทเคนเพิ่มขึ้นได้อย่างรวดเร็ว

หัวใจของแนวทางอูเบอร์อยู่ที่คำถามว่า 'งานแบบไหนควรใช้โมเดลแบบไหน' บริษัทระบุว่าจะพิจารณาต้นทุนต่องาน คุณภาพผลลัพธ์ และความน่าเชื่อถือของโมเดลประกอบกันก่อนเลือกใช้

โครงสร้างที่วางไว้คือให้โมเดลหลักทำหน้าที่แตกงานและประเมินผล ส่วนงานย่อยที่นิยามไว้ชัดเจนและแคบจะส่งต่อให้โมเดลที่มีต้นทุนต่ำกว่าดำเนินการแทน วิธีนี้ช่วยลดการทุ่มงานเล็กๆ ให้โมเดลประสิทธิภาพสูงเกินความจำเป็น ส่งผลให้ต้นทุนต่อคำขอลดลง

การบริหารโทเคนก็เป็นอีกแกนหนึ่งของการคุมต้นทุน แม้จะใช้โมเดลที่รองรับได้ถึง 1 ล้านโทเคน อูเบอร์ก็ยังตั้งเกณฑ์บีบอัดเซสชันสนทนาอัตโนมัติไว้ที่ 400,000 โทเคน

เมดิเซตตีอธิบายว่า โทเคนขาออกและโทเคนสำหรับการให้เหตุผลของโมเดลหลักหลายตัวมักถูกคิดค่าใช้จ่ายสูงกว่าโทเคนขาเข้า บริษัทจึงตั้งค่าระดับความเข้มข้นในการให้เหตุผลไว้ที่ระดับ 'กลาง' เป็นค่าเริ่มต้น สะท้อนว่ายิ่งโมเดลใช้เวลาคิดนานและตอบยาวเท่าไร ต้นทุนก็ยิ่งเพิ่มขึ้นเท่านั้น

ระยะเวลาการเก็บแคชของพรอมป์ต์ก็ถูกปรับเช่นกัน จากเดิม 5 นาที ขยายเป็น 1 ชั่วโมง เนื่องจากวิศวกรมักเปิดเซสชันสนทนาทิ้งไว้แล้วออกจากหน้าจอนานกว่า 5 นาทีอยู่บ่อยครั้ง

แคชคือกลไกที่ช่วยลดต้นทุนจากการส่งบริบทเดิมซ้ำ นอกจากนี้อูเบอร์ยังให้วิศวกรมองเห็นต้นทุนแบบเรียลไทม์ของแต่ละเซสชันผ่านหน้าจอเทอร์มินัลได้โดยตรง ซึ่งถือเป็นอีกหนึ่งกลไกสร้างความตระหนักด้านต้นทุน

แอกซิออส (Axios) รายงานว่าอูเบอร์ใช้งบประมาณ AI ของปี 2026 หมดตั้งแต่ไตรมาสแรก ก่อนจะหันมาเดินหน้าคุมต้นทุนให้นิ่งขึ้น ปราวีน เนปปัลลี นากา (Praveen Neppalli Naga) ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของอูเบอร์ โพสต์ผ่าน X ระบุว่าการทดลองใช้โมเดลแบบ 'โอเพนเวท' (open-weight) เป็นหนึ่งในปัจจัยที่ทำให้ต้นทุนลดลง พร้อมกล่าวว่า "เรากำลังประเมินและนำโมเดลที่เหมาะกับแต่ละกรณีการใช้งานมาใช้อย่างต่อเนื่อง" คำกล่าวนี้สะท้อนว่าอูเบอร์เลือกไม่พึ่งพาโมเดลเดียวสำหรับทุกงาน แต่ปรับเปลี่ยนตามความเหมาะสมของแต่ละงานแทน

โมเดลแบบโอเพนเวทหมายถึงโมเดลที่เปิดเผยค่าน้ำหนัก (weight) ให้องค์กรนำไปปรับใช้ในระบบของตัวเองได้ การไม่พึ่งพาการเรียกใช้โมเดลเชิงพาณิชย์จากภายนอกเพียงอย่างเดียว แต่ผสมผสานกับโครงสร้างพื้นฐานภายในหรือโมเดลเฉพาะกิจ ช่วยเปิดพื้นที่ให้ปรับทั้งต้นทุนและวิธีควบคุมได้มากขึ้น

กรณีของอูเบอร์สะท้อนว่าการถกเถียงเรื่องการนำ AI มาใช้งานในองค์กรไม่ได้จบแค่การแข่งขันด้านประสิทธิภาพของโมเดลเพียงอย่างเดียว สอดคล้องกับแนวโน้มที่การบริหารต้นทุนกลายเป็นโจทย์สำคัญของแพลตฟอร์มต่างๆ เมื่อการใช้งานผ่าน AI เอเจนต์เพิ่มมากขึ้น ทำให้ภายในองค์กรหลายแห่งเริ่มตรวจสอบต้นทุนต่อหน่วยและการควบคุมการดำเนินงานก่อนที่จะพิจารณาการขยายปริมาณการใช้งาน

ท่ามกลางกระแสการตีมูลค่าประโยชน์ด้านต้นทุนจากชั่วโมงแรงงานที่ AI ช่วยประหยัดได้ ที่ขยายวงกว้างขึ้น กรณีของอูเบอร์ถือเป็นตัวอย่างองค์กรที่แสดงให้เห็นโครงสร้างต้นทุนจริงในขั้นตอนการใช้งานจริง ยิ่ง AI เข้าไปมีบทบาทลึกซึ้งในงานพัฒนาซอฟต์แวร์มากเท่าไร โจทย์ขององค์กรก็ยิ่งไม่ใช่แค่การรองรับคำขอที่มากขึ้น แต่อยู่ที่ว่าจะทำงานเดิมได้ด้วยต้นทุนเท่าไรอย่างสม่ำเสมอ