ราคาโทเคน AI ที่ลดลงดันความต้องการเพิ่ม ตามแนวคิด Jevons paradox

เกิดอะไรขึ้น

การวิเคราะห์ใหม่จาก a16z พบว่าอัตราค่าเช่า Nvidia H100 ยังคงทรงตัวแม้ราคาโทเคนของ AI จะปรับลดลง ผลลัพธ์นี้สอดคล้องกับการคาดการณ์ด้านอุปสงค์ที่ Jensen Huang ซีอีโอของ Nvidia เคยให้ไว้ ซึ่งชี้ว่าการลดต้นทุนอาจกระตุ้นให้มีการใช้งานมากขึ้น

รายงานของ The Decoder ระบุว่า ปรากฏการณ์นี้สะท้อนแนวคิดที่เรียกว่า Jevons paradox หรือภาวะที่ประสิทธิภาพของทรัพยากรที่เพิ่มขึ้นนำไปสู่การใช้งานรวมที่สูงขึ้น แทนที่จะลดการใช้งานลง ในกรณีนี้ เมื่อราคาต่อโทเคนลดลง ความต้องการโดยรวมต่อการประมวลผล AI ดูเหมือนจะเพิ่มขึ้นในระดับที่รองรับอัตราค่าเช่าฮาร์ดแวร์ไว้ได้

ข้อมูลที่เผยแพร่ในขณะนี้ยังไม่ได้ระบุตัวเลขเชิงปริมาณที่ชัดเจนเพิ่มเติม จึงควรอ่านผลลัพธ์นี้เป็นสัญญาณเชิงทิศทางมากกว่าการวัดขนาดที่แน่นอน

ทำไมเรื่องนี้จึงสำคัญ

สำหรับผู้นำด้านประสบการณ์ AI และการเปลี่ยนแปลงทางดิจิทัล ประเด็นนี้ชี้ให้เห็นว่าต้นทุนของการให้บริการ AI ไม่ได้ลดลงตามราคาต่อโทเคนที่เห็นในหน้าผลิตภัณฑ์ เมื่อองค์กรขยายการใช้ AI ในงานบริการ การวางแผนงบประมาณโครงสร้างพื้นฐานและการคาดการณ์การใช้งานจึงมีความสำคัญไม่น้อยไปกว่าการเลือกใช้โมเดลที่ถูกที่สุด

ในมุมของการออกแบบบริการ ความต้องการที่เพิ่มขึ้นหมายความว่าผู้ใช้จะพบฟีเจอร์ AI ในจุดสัมผัสมากขึ้น ทั้งในการค้นหาข้อมูล การสนทนากับระบบอัตโนมัติ และงานเอกสาร ทีมที่รับผิดชอบประสบการณ์ลูกค้าจึงควรพิจารณาว่าการใช้งานที่เพิ่มขึ้นจะส่งผลต่อคุณภาพการตอบสนอง ความเร็ว และความน่าเชื่อถือของบริการอย่างไร

มุมมองของ Renascence

ประเด็นที่ผู้อ่านมักมองข้ามคือ ราคาที่ลดลงไม่ได้หมายความว่าค่าใช้จ่ายโดยรวมจะลดลงตาม ผู้ที่ตีความข่าวนี้เพียงว่า AI ถูกลงอาจพลาดสิ่งสำคัญ คือความต้องการที่เพิ่มขึ้นสามารถกลืนประโยชน์จากต้นทุนต่อหน่วยได้ทั้งหมด หลักการด้านพฤติกรรมเศรษฐศาสตร์ที่อยู่เบื้องหลังคือการที่ผู้ใช้ปรับพฤติกรรมไปตามความสะดวก ยิ่งการใช้งานง่ายและราคาถูก ผู้ใช้ก็ยิ่งใช้มากขึ้นเรื่อย ๆ จนอาจสร้างแรงกดดันใหม่ต่อระบบเดิม

ผู้นำที่ใส่ใจลูกค้าควรเลิกมองต้นทุนโทเคนเป็นตัวเลขคงที่ และเริ่มออกแบบบริการโดยคิดถึงพฤติกรรมการใช้งานที่จะตามมา ให้ตั้งเพดานการใช้งานและการตอบสนองที่สอดคล้องกับคุณค่าที่ผู้ใช้ได้รับจริง แทนการปล่อยให้การใช้งานขยายตัวโดยไม่มีกรอบ การตัดสินใจที่ดีในวันนี้คือการเลือกว่า AI ควรช่วยลูกค้าในจุดใด และจุดใดที่ควรให้มนุษย์ตัดสินใจต่อ