องค์กรทบทวนต้นทุน-การใช้งานจริงของ AI มากกว่ารุ่นล่าสุด

ผู้บริหารองค์กรในงาน Dreamforce 2026 ให้ความสำคัญกับการใช้งานจริงและความคุ้มค่าของโมเดล AI รุ่นก่อนที่ผ่านการพิสูจน์แล้ว มากกว่าการเลือกโมเดลล่าสุด โดยมองว่าความเหมาะสมกับงานและการควบคุมปริมาณการใช้งานเป็นเกณฑ์สำคัญในการนำ AI สำหรับองค์กรมาใช้

Dreamforce 2026 งานประจำปีของเซลส์ฟอร์ซ($CRM) จัดขึ้นระหว่างวันที่ 15-17 กันยายน ที่นครซานฟรานซิสโก สหรัฐฯ โดยเซลส์ฟอร์ซเปิดเผยว่ามีผู้เข้าร่วมงานมากกว่า 50,000 คน

ภายในงานมีการหารือเรื่องความปลอดภัยของ AI และความเร็วในการพัฒนาโมเดลรุ่นใหม่ ขณะที่ผู้เข้าร่วมบางส่วนมุ่งเน้นการเชื่อมโยงเครื่องมือที่ใช้งานได้ในปัจจุบันเข้ากับงานจริง อเล็กซ์ บรอนสตัน(Alex Bronston) ผู้อำนวยการฝ่ายเซลส์ฟอร์ซของบริษัทข้อมูลค้าปลีกสปินส์(Spins) กล่าวว่า "แค่ตามให้ทันตอนนี้ก็ยากพออยู่แล้ว"

คำกล่าวของบรอนสตันสะท้อนว่า หากความเร็วในการพัฒนา AI ชะลอลง องค์กรจะมีเวลานำเทคโนโลยีปัจจุบันไปประยุกต์ใช้กับงานมากขึ้น ขณะที่ลูกค้าองค์กรเห็นว่าไม่จำเป็นต้องใช้โมเดลประสิทธิภาพสูงสุดกับทุกงาน แม้จะมีการเปิดตัวโมเดลใหม่อย่างต่อเนื่อง

ทิม แซนเดอร์ส(Tim Sanders) ประธานเจ้าหน้าที่ฝ่ายนวัตกรรมของบริษัทรีวิวซอฟต์แวร์ G2 กล่าวว่า งานส่วนใหญ่ของเอเจนต์สามารถดำเนินการได้โดยไม่ต้องใช้โมเดลล่าสุด เควิน ลี(Kevin Lee) หัวหน้าฝ่ายเทคโนโลยีของบริษัทคลาวด์คอนแทคเซ็นเตอร์ NICE ก็กล่าวว่า โมเดลที่เก่ากว่าหนึ่งรุ่นยังมีประสิทธิภาพเพียงพอสำหรับงานของลูกค้าองค์กร

เซลส์ฟอร์ซเปิดตัว AIforce และโคอา(Koa) โมเดลให้เหตุผลที่ออกแบบเฉพาะสำหรับ CRM ในงานครั้งนี้ โคอาพัฒนาบนพื้นฐานของเนโมตรอน(Nemotron) จากเอ็นวิเดีย($NVDA) เพื่อรองรับงาน CRM หลายขั้นตอนที่มีความซับซ้อน โดยเซลส์ฟอร์ซนำเสนอว่าโคอาถูกปรับให้เหมาะกับข้อมูล CRM และกระบวนการทำงานของบริษัท

การเปิดตัวโคอาแสดงให้เห็นว่า AI สำหรับองค์กรไม่ได้ถูกประเมินจากประสิทธิภาพของโมเดลทั่วไปเพียงอย่างเดียว องค์กรยังพิจารณาว่าโมเดลทำงานสอดคล้องกับสภาพแวดล้อมข้อมูลภายในและขั้นตอนการทำงานหรือไม่ รวมถึงตรงตามเงื่อนไขด้านความปลอดภัยและต้นทุนหรือไม่

องค์กรต่าง ๆ กำลังเปรียบเทียบโมเดลแบบปิดของแอนโทรปิกและโอเพนเอไอ กับโมเดลแบบเปิดน้ำหนัก โดยพิจารณาต้นทุนและประสิทธิภาพตามประเภทงาน แนวทางที่กำลังได้รับความสนใจคือการแบ่งใช้โมเดลตามความยากของคำขอ แทนการใช้โมเดลเดียวกับทุกงาน

บริษัทลายเซ็นอิเล็กทรอนิกส์โดคิวซายน์(DocuSign) เปิดเผยว่าใช้ 'การกำหนดเส้นทางโมเดล' หรือ model routing เพื่อส่งคำขอไปยังโมเดลที่แตกต่างกันตามความซับซ้อน โดยมอบหมายให้โมเดลขนาดใหญ่ทำงานวิเคราะห์ข้อสัญญาที่ซับซ้อนหรืออนุมานข้อมูลจากเอกสารหลายฉบับ ส่วนงานทั่วไปจะใช้โมเดลที่มีต้นทุนต่ำกว่า

การกำหนดเส้นทางโมเดลเป็นเทคนิคเลือกโมเดลที่เหมาะสมโดยพิจารณาความสามารถที่งานต้องการควบคู่กับต้นทุนการเรียกใช้ กรณีนี้สะท้อนว่าองค์กรพิจารณาทั้งประสิทธิภาพของโมเดล ต้นทุนการเรียกใช้ และการควบคุมปริมาณการใช้งาน

นอกจากนี้ ยังมีการชี้ว่าหากเอเจนต์ AI เข้ามาทดแทนฟังก์ชันบางส่วนของซอฟต์แวร์แบบสมัครสมาชิก โครงสร้างต้นทุนอาจเปลี่ยนแปลง แซนเดอร์สกล่าวว่า อัตรากำไรขั้นต้นของธุรกิจ SaaS เดิมที่อยู่เหนือ 85% อาจลดลงมาอยู่ที่ระดับ 45% ในโมเดลแบบเอเจนต์

อย่างไรก็ตาม ตัวเลขดังกล่าวเป็นการคาดการณ์ที่แซนเดอร์สนำเสนอ ไม่ใช่ตัวเลขที่ยืนยันว่าเป็นค่าเฉลี่ยของอุตสาหกรรม แซนเดอร์สกล่าวว่าปริมาณงานที่เอเจนต์ดำเนินการและการควบคุมต้นทุนการเรียกใช้โมเดลอาจส่งผลต่อความสามารถในการทำกำไรขององค์กร

ไม่ได้หมายความว่าโมเดลล่าสุดไม่มีประโยชน์ แพทริก เวนเดล(Patrick Wendel) รองประธานฝ่ายวิศวกรรมของบริษัทวิเคราะห์ข้อมูลดาต้าบริกส์(Databricks) เปิดเผยในโพสต์บนโซเชียลมีเดียว่า GPT-6 Astra มีความสามารถเหนือกว่าโมเดลระดับสูงสุดรุ่นก่อนอย่างชัดเจนในการทำงานที่ซับซ้อน

โอเพนเอไอประกาศเปิดตัว GPT-6 Astra เมื่อวันที่ 3 กันยายน พร้อมระบุว่าความสามารถด้านการให้เหตุผลและความปลอดภัยได้รับการปรับปรุง ขณะเดียวกันก็มีการเผยแพร่การประเมินว่า Astra มีความสามารถในการตรวจสอบติดตามลดลงเมื่อเทียบกับโมเดลก่อนหน้า

กระแสที่เห็นใน Dreamforce ไม่ได้หมายความว่าการแข่งขันด้านโมเดลล่าสุดสิ้นสุดลง องค์กรกำลังเชื่อมโยงโมเดลที่ใช้งานได้ในปัจจุบันเข้ากับงานจริงและควบคุมต้นทุน พร้อมพิจารณาว่าการปรับปรุงประสิทธิภาพของโมเดลล่าสุดสำหรับงานซับซ้อนคุ้มค่ากับต้นทุนเพิ่มเติมหรือไม่

ประเด็นนี้สอดคล้องกับการประเมินว่าสัดส่วนการใช้งานจริงจากศักยภาพของโมเดล AI อยู่ที่เพียง 5-10% โดยการนำ AI สำหรับองค์กรมาสู่การใช้งานกำลังเข้าสู่ขั้นตอนที่ต้องตรวจสอบผลลัพธ์และโครงสร้างต้นทุนตามประเภทงาน มากกว่าพิจารณาเพียงความเร็วในการเปิดตัวโมเดล