ปัญหาที่ถูกหยิบยกขึ้นมาคือ ราคาต่ำของเครื่องมือเขียนโค้ด AI ในปัจจุบัน ไม่ได้สะท้อนต้นทุนจริงมากนัก แต่เกิดขึ้นจากเงินลงทุน การแข่งขันแย่งส่วนแบ่งตลาด และนโยบายตั้งราคาที่มีลักษณะอุดหนุน ดังนั้น จุดชี้ขาดสำหรับนักพัฒนาจึงไม่ใช่ “จะปฏิเสธ AI หรือไม่” แต่คือ มีทักษะและความสามารถในการปรับตัวเพื่ออยู่รอดได้แม้หลังจากที่บริษัท AI ยุตินโยบายราคาถูกแล้วหรือไม่
1. ปฏิกิริยาเชิงลบ/มุมมองเชิง pessimistic
นโยบายราคาถูกเป็นภาพลวงตาชั่วคราว
มีมุมมองจำนวนมากว่าราคาถูกหรือการเปิดให้ใช้ฟรีในตอนนี้มีความยั่งยืนน้อย และต้นทุนที่แท้จริงน่าจะสูงกว่านี้มาก
กังวลว่าราคาจะขึ้นหลังตลาดถูกจัดระเบียบใหม่
หลายความเห็นมองว่าในช่วงแรกจะปล่อยของราคาถูกเพื่อผูกผู้ใช้ไว้ก่อน แล้วเมื่ออุตสาหกรรมถูกจัดระเบียบใหม่จนเหลือผู้เล่นไม่กี่ราย ราคาก็จะถูกปรับขึ้นอย่างมาก
กังวลเรื่องการขาดทุนมหาศาลของบริษัท AI
มีความเห็นว่า pure AI company อย่าง OpenAI และ Anthropic มีความไม่มั่นคงในระยะยาว เพราะต้องแบกรับต้นทุนโครงสร้างพื้นฐานและต้นทุนการฝึกโมเดลในระดับมหาศาล
กังวลว่าจะบ่อนทำลาย ecosystem ของนักพัฒนา
มีความกังวลว่าหากนักพัฒนาระดับ junior พึ่งพา AI โดยไม่มีทักษะพื้นฐานที่แข็งแรง ในระยะยาวจำนวนของนักพัฒนาฝีมือดีอาจอ่อนแอลง
ผลข้างเคียงจากการนำ AI มาใช้มากเกินไปในองค์กร
ยังมีประสบการณ์ตรงจากบางคนว่าผู้บริหารผลักดัน AI ราวกับเป็นยาวิเศษ จนสุดท้ายต้นทุน token, ต้นทุนคลาวด์ และต้นทุนการบำรุงรักษากลับสูงขึ้นกว่าเดิม
ความเสี่ยงจากการพึ่งพา
มีความกังวลมากว่าหากทั้งบุคคลและองค์กรเข้าสู่โครงสร้างที่ทำงานได้ยากหากไม่มี AI ก็จะเปราะบางต่อการเปลี่ยนแปลงนโยบายราคาในอนาคต
2. ปฏิกิริยาเชิงบวก/มุมมองเชิง optimistic
มีข้อโต้แย้งว่าต้นทุนการ inference จะลดลงต่อเนื่อง
มีข้อโต้แย้งอย่างหนักแน่นว่าด้วยการเพิ่มประสิทธิภาพของโมเดล การพัฒนาฮาร์ดแวร์ การประมวลผลแบบ batch และความก้าวหน้าของโมเดลขนาดเล็ก ต้นทุนระยะยาวจะลดลง
ปัญหาไม่ใช่ต้นทุนการใช้งาน แต่เป็นต้นทุนการฝึก
มีความเห็นว่าหัวใจของต้นทุนอยู่ที่การฝึกโมเดลรุ่นถัดไปมากกว่าการ inference ในชีวิตประจำวัน และการใช้โมเดลที่สร้างเสร็จแล้วจริง ๆ อาจถูกกว่าที่คิด
โอเพนซอร์สและโมเดลรันในเครื่องเป็นทางเลือก
มีความคาดหวังว่าแม้ราคาบริการคลาวด์จะสูงขึ้น แต่ local LLM และโมเดล open weight ก็อาจเป็นตัวทดแทนได้ในระดับหนึ่ง
ตรรกะที่ว่ายังถูกกว่าคนอยู่ดี
หลายความเห็นระบุว่าแม้ราคา AI จะเพิ่มขึ้นจากตอนนี้หลายเท่า แต่ถ้ายังรักษาการเพิ่มผลิตภาพเมื่อเทียบกับต้นทุนจ้างนักพัฒนาได้ สำหรับบริษัทก็ยังถือว่าคุ้มที่จะจ่าย
AI เป็นเครื่องมือที่ขยายศักยภาพนักพัฒนามากกว่ามาแทนที่
ยังมีความเห็นเชิงปฏิบัติไม่น้อยว่า นักพัฒนาที่เก่งจะยิ่งทำงานได้เร็วขึ้นเมื่อใช้ AI ส่วนคนที่ไม่เข้าใจงานจริง ๆ สุดท้ายก็จะชนข้อจำกัดอยู่ดี
อาจเกิดบทบาทใหม่ขึ้นมา
มีความเห็นว่าแม้บทบาทที่ต้องพิมพ์โค้ดด้วยตัวเองจะลดลง แต่บทบาทระดับสูงอย่างการตรวจสอบ การบูรณาการ การตัดสินใจด้านสถาปัตยกรรม และความเข้าใจโดเมนจะยิ่งสำคัญขึ้น
3. บรรยากาศโดยรวมของกระแสคอมเมนต์
ทั้งเธรดใกล้เคียงกับแนวคิด ‘การจัดระเบียบใหม่’ มากกว่า ‘การแทนที่ทั้งหมด’
แกนหลักของความเห็นไม่ใช่ “นักพัฒนาจะหายไป” แต่คือ วิธีการทำงาน โครงสร้างกำลังคน และโครงสร้างต้นทุนจะเปลี่ยนไปอย่างมาก
จุดแยกสำคัญที่สุดไม่ใช่ต้นทุน แต่คือคุณภาพและการบำรุงรักษา
คอมเมนต์จำนวนมากมองว่ามากกว่าราคา ปัญหาที่เป็นแก่นจริง ๆ คือคุณภาพของโค้ดที่ AI สร้าง ความเข้าใจบริบท การรับมือกับ legacy system และการบำรุงรักษาระยะยาว
สรุปแล้วกระแสความเห็นแบ่งออกเป็นสองฝั่ง
ฝ่ายหนึ่งมองว่า “เมื่อฟองสบู่แตก ราคาจะขึ้นและภาพฝันจะจบลง” ขณะที่อีกฝ่ายมองว่า “ท้ายที่สุดเทคโนโลยีจะถูกลงและดีขึ้นเรื่อย ๆ ดังนั้นคนที่ปรับตัวได้จะเป็นฝ่ายชนะ”
6 ความคิดเห็น
ถ้าถูกกว่านี้อีกก็คงดี... ฮือๆ
ตอนนี้ก็คงเป็นช่วงเดียวที่ยังสามารถเผาเครดิตทำกันแบบไม่อั้นได้มั้งครับ
คงจะดีถ้ามีโมเดลโอเพนซอร์สที่ใช้งานได้จริงและไม่ขึ้นกับบริษัทไหนเลยออกมาสักตัว การเทรนก็ช่วยกันลงขัน GPU แบบ SETI... ถึงมันจะช้ากว่ามากหน่อยก็เถอะ;;;
คงต้องรอดูว่าจะมีบริษัทไหนกล้าเป็นรายแรกที่ขึ้นราคาก่อน และสิ่งนั้นจะกลายเป็นการฆ่าตัวตายทางธุรกิจ หรือจะทำให้ทั้งตลาดขึ้นราคาตามกันไป ถ้าขึ้นราคาได้อย่างเหมาะสม ทุกเจ้าก็น่าจะทำตาม แต่ปัญหาคือผู้ใช้ก็อาจย้ายไปใช้บริการจากจีนแทน และจะหันมาพิจารณาการนำระบบมาใช้ภายในองค์กรมากขึ้น เมื่อดูจากเงินที่บริษัท AI ทุ่มลงไป รายได้ที่หาได้จาก AI ก็ยังไม่ได้มากเมื่อเทียบกับต้นทุนที่ใช้ไป ดังนั้นต่อให้ขึ้นราคาตอนนี้ก็คงยังไม่เห็นผลมากนัก
ต้องถูกลงอีกเยอะครับ..
แต่ก็มีบทวิเคราะห์ในทางกลับกันว่าจริง ๆ แล้วงานด้านการอนุมานกลับเป็นธุรกิจที่ยังทำกำไรได้...
ว่ากันว่าปัญหาที่แท้จริงคือมีการเพิ่มการประมวลผลสำหรับการอนุมานเพื่อใช้กับ RL เข้าไปในลูปการฝึก ทำให้ความซับซ้อนเพิ่มขึ้น