ฉันคิดว่า Anthropic และ OpenAI ได้พบกับ product-market fit แล้ว
(simonwillison.net)- เอเจนต์ด้านการเขียนโค้ดและเอเจนต์อเนกประสงค์ของ Anthropic และ OpenAI แสดงให้เห็นศักยภาพด้านรายได้จากการคิดค่าบริการตามการใช้งานของลูกค้าองค์กร มากกว่าการสมัครสมาชิกฝั่งผู้บริโภค
- ผู้ใช้ระดับหนักของ Claude Code และ Codex ใช้โทเคนมูลค่า $2,180.16 ตามราคา API ภายใต้แพ็กเกจสมัครสมาชิกรายเดือน $200 แต่ลูกค้าองค์กรไม่ได้รับส่วนลดในระดับใกล้เคียงกัน
- ในเดือนเมษายน 2026 ทั้งสองบริษัทเปิดเผยว่า ต้นทุน Enterprise ของ Codex และ Claude Code/Cowork ถูกปรับให้เท่ากับราคา API สาธารณะ และยังเปิดตัวโมเดล frontier ที่แพงขึ้นด้วย
- จากประกาศรับสมัครงานของ OpenAI 703 ตำแหน่ง มี 229 ตำแหน่ง และของ Anthropic 390 ตำแหน่ง มี 105 ตำแหน่ง ที่จัดได้ว่าเป็นงานด้าน การขายและซัพพอร์ตองค์กร สะท้อนการหันไปสู่การขายตรงอย่างชัดเจน
- ประเด็นค่าใช้จ่ายของ Uber และ Microsoft อาจตีความได้ว่าไม่ใช่ความล้มเหลวของ AI แต่เป็นสัญญาณเรื่อง ความเหมาะสมของราคา ที่ลูกค้ารู้สึกว่าแพงแต่ก็ยังยอมใช้
ลูกค้าองค์กรเริ่มจ่ายในราคา API
- แพ็กเกจ Max $100/เดือน ของ Anthropic และแพ็กเกจ Pro $100/เดือน ของ OpenAI เป็นราคาที่คุ้มมากสำหรับผู้ใช้โค้ดดิ้งเอเจนต์ระดับหนัก
- เมื่อนำการใช้งาน 30 วันที่ผ่านมาคำนวณเป็นราคาโทเคน API ด้วย ccusage จะได้ว่า Anthropic Claude Code มีมูลค่า $1,199.79 และ OpenAI Codex มีมูลค่า $980.37
- รวมกันคือใช้โทเคนมูลค่า $2,180.16 ในราคาเพียง $200
- แม้ใช้เกณฑ์เป็น “ผู้ใช้ที่ใช้งานค่อนข้างหนัก” ไม่ใช่ระดับปล่อยเอเจนต์ทำงานทั้งวัน ก็ยังต่างกันมาก
- สมมติฐานที่ว่าถ้าองค์กรใช้งานเอเจนต์ในวงกว้างจะได้ส่วนลดลักษณะเดียวกัน กลับไม่เป็นความจริง
- ดูเหมือนว่า Anthropic ในช่วง 6 เดือนที่ผ่านมาได้เปลี่ยนแพ็กเกจ Enterprise จากโครงสร้างเดิมแบบ “รวมปริมาณการใช้งานที่เพียงพอสำหรับวันทำงานทั่วไป” เป็นโครงสร้าง $20 ต่อที่นั่งต่อเดือน + คิดตามการใช้งาน API
- ในเดือนสิงหาคม 2025 บริษัทระบุว่า “Claude seats include enough usage for a typical workday”
- รายงานของ The Information ลงวันที่ 14 เมษายน 2026 แต่โฆษกของ Anthropic ระบุว่าการเปลี่ยนราคาเกิดขึ้นในเดือนพฤศจิกายน 2025
- ลูกค้าเดิมกำลังทยอยทราบการเปลี่ยนแปลงนี้เมื่อถึงรอบต่อสัญญา
- OpenAI ก็ใช้การเปลี่ยนราคาในลักษณะคล้ายกันในเดือนเมษายน 2026
- ตาม Codex rate card เมื่อวันที่ 2 เมษายน 2026 ราคา Codex ถูกปรับจากการคิดต่อข้อความมาเป็น คิดตามการใช้โทเคน API
- การเปลี่ยนแปลงวันที่ 2 เมษายนมีผลกับแพ็กเกจใหม่และเดิมของ Plus, Pro, ChatGPT Business และแพ็กเกจใหม่ของ ChatGPT Enterprise
- วันที่ 23 เมษายน มีผลกับแพ็กเกจ ChatGPT Enterprise เดิมทั้งหมดด้วย รวมถึง Edu, Health, Gov และ ChatGPT for Teachers
- แม้ราคาจะแสดงเป็น “เครดิต” แต่ดูเหมือนว่าจะตรงกับต้นทุนโทเคน API ของแต่ละโมเดล
- ณ เดือนเมษายน 2026 ต้นทุน Enterprise ของ OpenAI Codex และ Anthropic Claude Code/Cowork จึงเท่ากับราคา API สาธารณะ
- ในเดือนเดียวกัน บริษัทโมเดลชั้นนำทั้งสองแห่งยังเปิดตัวโมเดล frontier ที่แพงขึ้น
- GPT-5.5 ที่เปิดตัววันที่ 23 เมษายน มีราคา API แพงกว่า GPT-5.4 อยู่ 2 เท่า
- Opus 4.7 ที่เปิดตัววันที่ 16 เมษายน เมื่อคิดรวม tokenizer ใหม่แล้ว แพงกว่า Opus 4.6 ประมาณ 1.4 เท่า
- เดือนเมษายน 2026 จึงเป็นช่วงที่ทั้งการเปิดตัวโมเดล frontier ราคาแพง และการเปลี่ยนลูกค้าองค์กรจากส่วนลดก้อนใหญ่เดิมไปผูกกับราคา API เกิดขึ้นพร้อมกัน
การตัดสินใจว่ามาถึง product-market fit แล้ว
- การรุกด้านราคาของ Anthropic และ OpenAI อย่างกะทันหันอาจเกี่ยวข้องกับการเตรียม IPO แต่ปัจจัยที่สำคัญกว่าคือ ดูเหมือนว่าผลิตภัณฑ์ เอเจนต์ด้านการเขียนโค้ดและเอเจนต์อเนกประสงค์ อย่าง Claude Code/Cowork และ Codex จะเริ่มพบ product-market fit แล้ว
- ChatGPT ได้รับความนิยมในวงกว้าง แต่การเปลี่ยนความนิยมให้กลายเป็นรายได้นั้นทำได้ยาก
- OpenAI ระบุในเดือนกุมภาพันธ์ว่า ChatGPT มีผู้ใช้งานประจำสัปดาห์มากกว่า 900 ล้านคน
- ผู้สมัครสมาชิกรุ่นเสียเงินมี 50 ล้านคน คิดเป็น 5.6% ของทั้งหมด
- การคิดค่าบริการ $10~$20 ต่อคนต่อเดือนเป็นธุรกิจที่ดีพอสมควร แต่ถ้าจะรองรับต้นทุนโครงสร้างพื้นฐานระดับ $1 trillion จำเป็นต้องมีผู้สมัครสมาชิก 1 ถึง 2 พันล้านคนต่อเนื่องเป็นเวลา 4 ปี
- โครงสร้างที่องค์กรจ่ายมากกว่า $200 ต่อผู้ใช้ต่อเดือน สามารถพาไปสู่รายได้ก้อนใหญ่ได้เร็วกว่ามาก
- สำหรับผู้ใช้ระดับ power user ปริมาณการใช้งานก็เทียบได้กับต้นทุน API ราว $1,000 ต่อเดือนต่อผู้ให้บริการอยู่แล้ว
- โค้ดดิ้งเอเจนต์ ใช้โทเคนมากกว่ามาก แต่กำลังกลายเป็นเครื่องมือประจำวันของแรงงานวิชาชีพรายได้สูง
- ตอนนี้ยังเน้นไปที่วิศวกรซอฟต์แวร์เป็นหลัก
- แต่เพราะสามารถทำงานอัตโนมัติที่สั่งผ่านคอมพิวเตอร์ได้ จึงมีศักยภาพขยายไปสู่แรงงานความรู้ที่มีทักษะในวงกว้าง
- โมเดลที่เปิดตัวในเดือนพฤศจิกายน 2025 ได้ยกระดับเอเจนต์ไปสู่จุดที่ใช้งานได้จริง และใน 6 เดือนหลังจากนั้น บริษัทต่าง ๆ ก็เริ่มปรับตัวเข้ากับเทคโนโลยีนี้จนเกิดการใช้จ่ายจริงเพิ่มขึ้น
- ChatGPT อาจถือว่าบรรลุ product-market fit ตั้งแต่เดือนกุมภาพันธ์ 2023 เมื่อกลายเป็น consumer app ที่เติบโตเร็วที่สุดในประวัติศาสตร์ แต่ในเวลานั้นยังสร้างรายได้ที่จับต้องได้ไม่ได้
- การรวมกันของโค้ดดิ้งเอเจนต์กับนโยบายราคาองค์กร ดูเหมือนจะเป็นจุดที่บริษัทเหล่านี้เริ่มสร้าง รายได้จริงอย่างมีนัยสำคัญ
การขยายการจ้างงานสะท้อนการโฟกัสลูกค้าองค์กร
- สัญญาณว่าเอเจนต์องค์กรได้ product-market fit ยังเห็นได้จากประกาศรับสมัครงานสาธารณะของ OpenAI และ Anthropic
- ตอนนี้ OpenAI มี ประกาศรับสมัครงาน 703 ตำแหน่ง โดย 229 ตำแหน่ง หรือ 32.6% จัดอยู่ในกลุ่มงานขายและซัพพอร์ตองค์กร
- รวมถึง Account Executive, “Go To Market” และ “Forward Deployed Engineers”
- Anthropic มี ประกาศรับสมัครงาน 390 ตำแหน่ง โดย 105 ตำแหน่ง หรือ 26.9% ดูเป็นงานสายองค์กร
- นับเป็นความย้อนแย้งที่ห้องวิจัย AI เลือกใช้ โมเดลการขายองค์กร ซึ่งต้องพึ่งแรงงานมนุษย์จำนวนมาก
- เพราะการปิดดีลขายองค์กรต้องอาศัยคนจำนวนมากเข้ามาเกี่ยวข้อง
- การวิเคราะห์การจ้างงานนี้ทำโดยใช้ Claude Code สครัปข้อมูลจากเว็บรับสมัครงาน ผ่าน JSON API ของ Datasette, Datasette Cloud และ Datasette Agent โดยเปิดเผยผลลัพธ์ไว้ใน gist
ประเด็นค่าใช้จ่ายที่ถูกเล่าเป็นเรื่อง AI ล้มเหลวมีหลักฐานไม่แน่นพอ
- แม้จะมี เรื่องเล่า มากขึ้นว่าบริษัทใหญ่กำลังส่งสัญญาณเตือนเพราะค่าใช้จ่าย AI พุ่งสูง แต่กรณีที่ถูกอ้างบ่อย ๆ ดูเหมือนจะถูกขยายเกินจริง
-
กรณี Uber
- กรณีที่ถูกพูดถึงมากที่สุดคือรายงานของ The Information ที่ระบุว่า Praveen Neppalli Naga, CTO ของ Uber, บอกว่า Uber “ใช้หมดงบ AI ทั้งปีภายในเวลาไม่กี่เดือนของปี 2026”
- ค่าใช้จ่ายที่เพิ่มขึ้นส่วนใหญ่ถูกโยงกับ Claude Code
- เนื่องจาก Claude Code เพิ่งดีขึ้นอย่างชัดเจนจริง ๆ ในเดือนพฤศจิกายน 2025 จึงไม่น่าแปลกที่งบประมาณที่ตั้งไว้ในปี 2025 จะคาดการณ์ดีมานด์ของปี 2026 ไม่ได้
- คำพูดของ Andrew Macdonald, COO ของ Uber, ในพอดแคสต์ Rapid Response ก็ยิ่งทำให้เกิดประเด็น แต่ ช่วงดังกล่าว มีข้อมูลจำกัด
- Andrew Macdonald บอกว่า 25% ของ code commit ในไตรมาสก่อนเกิดผ่าน Claude Code แต่ก็ยากจะเชื่อมโยงว่าผลิตภาพที่เพิ่มขึ้นนั้นทำให้โครงการที่ถูกพับไปกลับมาดำเนินต่อได้จริง หรือทำให้ส่งมอบฟีเจอร์ที่เป็นประโยชน์ต่อผู้บริโภคได้มากขึ้น 25%
- คำพูดนี้นำไปสู่พาดหัวอย่าง “AI tokenmaxxing ยากขึ้นเรื่อย ๆ ที่จะอธิบายให้คุ้มค่า” ของ Business Insider
-
กรณี Microsoft
- อีกกรณีที่ถูกพูดถึงมากคือข่าวว่า Microsoft เริ่มยกเลิกไลเซนส์ Claude Code
- ในภาพผิวเผิน ดูเป็นมาตรการเพื่อผลักดันให้วิศวกรหันไปใช้ Copilot CLI agent ภายในของตัวเองโดยตรง
- Tom Warren จาก The Verge อ้างแหล่งข่าวว่าการตัดสินใจนี้มี เหตุผลทางการเงิน ด้วย และเชื่อมโยงกับวันสิ้นปีบัญชีของ Microsoft คือ 30 มิถุนายน
- ทั้งสองกรณีอาจตีความได้ว่าไม่ใช่ความล้มเหลวของ AI แต่เป็นสัญญาณของ ความเหมาะสมของราคา ที่ตัวผลิตภัณฑ์มีราคาแพงพอให้ลูกค้ารู้สึกอึดอัด แต่สุดท้ายก็ยังเลือกใช้
- มันสอดคล้องกับมุมมองที่ว่าราคาของสินค้าที่ดีควรอยู่ในระดับที่ทำให้ลูกค้าต้องสูดหายใจลึกชั่วครู่ก่อนจะยังตอบว่า “ตกลง”
- การใช้งบเกินของ Uber และการยกเลิกที่นั่งของ Microsoft ดูเหมือนเป็นผลของสิ่งนั้นที่เกิดขึ้นจริง
ห้องวิจัย AI ก็มีขนาดการใช้จ่ายใหญ่มากเช่นกัน
- ห้องวิจัย AI ขนาดใหญ่กำลังใช้เงินหลายพันล้านดอลลาร์ทั้งกับการฝึกและการอนุมาน
- แม้จะหาตัวเลขที่แม่นยำและเชื่อถือได้ยาก แต่ SpaceX S-1 ล่าสุดมีเบาะแสสำคัญเกี่ยวกับ Anthropic
- SpaceX เปิดเผยว่าในเดือนพฤษภาคม 2026 ได้ทำ Cloud Services Agreements กับ Anthropic PBC เพื่อให้เข้าถึงกำลังประมวลผลของ COLOSSUS และ COLOSSUS II
- Anthropic ตกลงจะจ่ายให้ SpaceX เดือนละ $1.25 billion ไปจนถึงเดือนพฤษภาคม 2029
- ประกาศ ของ Anthropic ระบุว่าข้อตกลงนี้จะ “เพิ่มขีดจำกัดการใช้งานของ Claude Code และ Claude API”
- ซึ่งเป็นสัญญาณชัดว่า Colossus ถูกใช้เพื่อ การอนุมาน ไม่ใช่การฝึกโมเดล
- Anthropic ได้สำรองกำลังประมวลผลมหาศาลจากผู้ให้บริการรายอื่นอยู่แล้ว
- การที่ยังพร้อมใช้จ่ายเพิ่มถึง $1.25 billion ต่อเดือนกับความจุเพิ่มเติมจากผู้ขายเพียงรายเดียว แสดงให้เห็นว่างบประมาณด้านการอนุมานขยายใหญ่มากเพียงใด
ความสำคัญเชิงสัมพัทธ์ของรายได้จาก API ลดลง
- ตลอด 2 ปีที่ผ่านมา OpenAI ดูจะมีสัดส่วนรายได้จากการสมัครสมาชิกมากกว่า ส่วน Anthropic ดูจะมีสัดส่วนรายได้จาก API มากกว่า
- รายได้ API ของ Anthropic ในอดีตพึ่งพาลูกค้า API รายใหญ่เพียงไม่กี่รายอย่างมาก
- รายงานของ VentureBeat ในเดือนสิงหาคม 2025 ระบุว่า Cursor และ GitHub Copilot เพียงสองราย คิดเป็น $1.2 billion จากรายได้รวม $4 billion ในเวลานั้น
- ตอนนี้มีข่าวลือว่า Anthropic จะทำรายได้ถึง $10.9 billion ในไตรมาส 2 และอาจทำกำไรจากการดำเนินงานได้เป็นครั้งแรก
- การหันไปสู่ลูกค้าองค์กรบ่งชี้ว่าห้องวิจัยต่าง ๆ มองว่า การลดตัวกลางและขายตรงให้ลูกค้าเอง มีโอกาสทำเงินได้มากกว่า
- Claude Code ของ Anthropic แข่งขันโดยตรงกับ Cursor และ Copilot
- การที่ Cursor ลงทุนกับโมเดลของตัวเอง ก็เป็นเรื่องสมเหตุสมผลในบริบทนี้
เดือนเมษายน 2026 คือจุดเปลี่ยนใหม่
- เดือนพฤศจิกายน 2025 เป็นช่วงที่ GPT-5.1 และ Opus 4.5 เมื่อจับคู่กับ coding agent harness ของแต่ละค่ายแล้ว กลายเป็นของที่ใช้งานได้จริง และอาจมองเป็น November inflection point
- ในช่วง 6 เดือนหลังจากนั้น บริษัทต่าง ๆ ได้ค่อย ๆ ปรับตัวเข้ากับระบบเอเจนต์ที่ทำงานที่มีประโยชน์ได้อย่างเสถียร
- เดือนเมษายน 2026 ดูเป็นจุดเปลี่ยนใหม่ที่ ผลกระทบด้านรายได้ ของการเปลี่ยนแปลงทางเทคโนโลยีนั้นเริ่มแสดงออกอย่างจริงจัง
- เป็นทิศทางที่สร้างกำไรให้กับห้องวิจัย frontier AI
- และเป็นทิศทางที่ส่งผลจริงต่อ งบประมาณขององค์กรขนาดใหญ่
- เมื่อเอกสาร S-1 สำหรับการ IPO ของ Anthropic และ OpenAI ถูกเปิดเผยในอนาคต เราอาจได้เห็นภาพที่แท้จริงของช่วงเวลานี้ผ่านตัวเลขที่ผ่านการตรวจสอบแล้ว
1 ความคิดเห็น
ความเห็นจาก Hacker News
ในอีก 5 ปีข้างหน้า ต้องกู้คืนเงิน 5–10 ล้านล้านดอลลาร์ ให้ได้ และถ้าทำไม่ได้ก็จะเริ่มตัดค่าเสื่อมจากการขยายฮาร์ดแวร์
นั่นหมายความว่าต้องมีการใช้จ่ายด้านโทเคนมากกว่า 1 ล้านล้านดอลลาร์ต่อปี ถ้ายึดจากแรงงานความรู้ทั่วโลก 200 ล้านคน และนักพัฒนา 30 ล้านคน ก็แปลว่าเป็นโลกที่เงินเดือนของแรงงานความรู้ทั้งหมด 5% และของนักพัฒนา 20% ต้องไหลไปเป็นค่าโทเคน
คนรอบตัวบอกว่าเครื่องมือพวกนี้ช่วยให้งานที่บริษัทแคร์จริง ๆ เร็วขึ้น 20–40% หากเพิ่มค่าใช้จ่าย 20% แล้วความเร็วดีขึ้น 20% ก็ยากจะอธิบายให้คุ้มกับการใช้จ่ายปีละ 1 ล้านล้านดอลลาร์
เรายังไปไม่ถึงจุดนั้น ตอนนี้ยังอยู่ในช่วงขาขึ้นของวัฏจักรโฆษณาเกินจริง และถ้าไม่สามารถทำให้นักพัฒนาทำงานสำคัญได้มีประสิทธิภาพเพิ่มขึ้น 2 เท่า, 5 เท่า, 10 เท่า ก็ดูไม่น่าจะจบสวย
วิศวกรไฟฟ้าที่เกี่ยวข้องกับดาต้าเซ็นเตอร์พูดถึงการพุ่งขึ้นของการใช้ไฟระหว่างการรันฝึกเหมือนเป็นปัจจัยหลักในการออกแบบ แต่บทความวิชาการที่ว่าด้วย cost-optimal scaling กลับมั่นใจว่าปริมาณการคำนวณตอนอนุมานเป็นปัจจัยใหญ่
หลักฐานที่สนับสนุนว่าการฝึกยังใช้การคำนวณเข้มข้นกว่าการอนุมานมากแม้หลังตัดค่าเสื่อมแล้ว คือผู้ให้บริการจากจีนที่ถูกจำกัดการเข้าถึงทรัพยากรคอมพิวต์อย่างหนักสามารถให้โทเคนแทบไม่จำกัดในราคาถูกกว่า แต่ประสิทธิภาพโมเดลด้อยกว่า ถ้าตีความว่าบริษัทสหรัฐกำลังบวกราคาต้นทุนการอนุมานขึ้น 20–30 เท่าเพราะต้นทุนฝึกที่ตัดค่าเสื่อมแล้วซึ่งผู้เล่นต่างชาติแบกรับไม่ไหว ก็พอฟังขึ้น
ถ้าต้นทุนการฝึกสูงกว่าการอนุมานมากจริง พวกเขาก็อยู่ในภาวะนักโทษที่รุนแรงกว่ารูปแบบการแข่งขันปกติที่ต้นทุนส่วนเพิ่มเป็นศูนย์มาก ในทางกลับกัน ถ้าต้นทุนการอนุมานสูงกว่า การวิเคราะห์ที่ว่ามันเป็นธุรกิจคล้ายสาธารณูปโภคอย่างที่บางคนพูดก็อาจจะถูกต้อง และ CEO ก็มีแรงจูงใจสูงมากที่จะพูดแบบนั้น เพราะถ้าทางเลือกอีกแบบคือภาวะนักโทษเริ่มชัด การลงทุนก็น่าจะหยุดอย่างรวดเร็ว
สิ่งที่พอแตะความจริงได้แม้เพียงนิดเดียวมีแค่ข่าวลือจากวิศวกรโครงสร้างพื้นฐาน ส่วนที่เหลือใกล้เคียงกับการวิเคราะห์ระดับสูงและการบริหารบนโต๊ะต่อธุรกิจลับ ๆ มากกว่า นี่สะท้อนระดับความเข้าใจในตอนนี้
ถ้าไม่รู้แม้แต่สัดส่วนระหว่างรายจ่ายลงทุนที่ตัดค่าเสื่อมแล้วกับต้นทุนดำเนินงาน ก็วิเคราะห์จากมุมนักลงทุนภายนอกไม่ได้ ต่อให้แยกบัญชีต้นไม้กระถางในออฟฟิศกับต้นไม้ในอาคารละเอียดแค่ไหนก็ไม่มีความหมาย ถ้าส่วนที่ใหญ่ที่สุดของธุรกิจยังถูกปิดไว้เป็นความลับทางการค้า
ค่าใช้จ่าย AI-as-a-service ที่คาดไว้จะเกินต้นทุนนั้นภายในไม่ถึงปี
ดูเหมือนว่าอีกไม่กี่ปี แม้แต่บริษัทเล็กมากก็จะมีฮาร์ดแวร์ที่รันโมเดลระดับแนวหน้าได้ดีพอสำหรับงานส่วนใหญ่ในราคาที่จ่ายไหว
ถ้ามันเลยช่วงของศักยภาพไปสู่การเพิ่มผลิตภาพอย่างมีนัยสำคัญแล้ว ทำไมตัวเลขฝั่งลูกค้าถึงยังไม่สะท้อน?
ทำไม Delta Airlines ถึงยังไม่ปรับปรุงประสิทธิภาพการดำเนินงานได้อย่างมีนัยสำคัญในช่วง 3 เดือนที่ผ่านมาเพราะการนำซอฟต์แวร์ที่ดีกว่ามาใช้?
สงสัยจริง ๆ มันเหมือนมีช่องว่างบางอย่าง
ตอนที่เคเบิลทีวีและ Pay Per View ออกมา มีงานศึกษาว่าถ้าคนเข้าถึงภาพยนตร์ได้ไม่จำกัด พวกเขาจะดูมากแค่ไหน และผลลัพธ์ก็ถูกเล่าต่อเหมือนเป็นหลักฐานว่าต้องวางโครงสร้างพื้นฐานทั้งหมดเพื่อรองรับธุรกิจนี้ แต่พอนักสถิติไปวิเคราะห์ข้อมูลต่อ ก็ได้ข้อสรุปว่าคนตอบว่าพวกเขาจะดูหนังทุกวัน สัปดาห์ละ 7 วัน วันละ 10–12 ชั่วโมง ซึ่งเป็นตัวเลขที่เป็นไปไม่ได้
ตอนนี้ก็รู้สึกเหมือนกำลังอยู่บนเรือลำเดียวกัน บางคนตั้งสมมติฐานว่าทุกคนจะใช้โทเคนเต็มเพดาน และถึงฮาร์ดแวร์ ซอฟต์แวร์ การออกแบบ และแรงกดดันของตลาดจะดีขึ้น ราคาของโทเคนก็จะไม่มีวันถูกลง
เครื่องมือนักพัฒนาในแต่ละรุ่นเพิ่มปริมาณโค้ดที่ทำได้จริง พร้อมกับสร้าง ชั้นของนักพัฒนาใหม่ และผู้ใช้กลุ่มใหม่มาตลอด
มันเป็นแบบนั้นตั้งแต่คอมไพเลอร์ตัวแรก ผ่านยุคเฟรมเวิร์กมาจนถึงตอนนี้ และระดับทักษะที่ต้องมีเพื่อจะเป็นนักพัฒนาก็ลดลงเรื่อย ๆ ช่วงกลางถึงปลายยุค 80 ต้องเป็นนักวิทยาการคอมพิวเตอร์ระดับปริญญาโทหรือเอกถึงจะเขียนแอปพลิเคชันได้ แต่หลังจากนั้นก็ลดลงมาถึงนักศึกษาปริญญาตรีและวิศวกร IT ทฤษฎีวิทยาการคอมพิวเตอร์กลายเป็นเรื่องแทบจะเลือกได้ จากนั้นก็ลดลงมาถึงบัณฑิตที่ผ่านการฝึกมานิดหน่อย แล้วก่อนปี 2022 ก็ผ่านเครื่องมือ no-code/low-code อย่าง retool และตอนนี้กำลังลดลงไปอีกผ่านบริการสร้างโค้ดแบบเอเจนต์อย่าง v0/Replit
นักพัฒนารุ่นถัดไปจะไม่ได้สร้างแอปพลิเคชันและสถาปัตยกรรมแบบเดียวกับรุ่นก่อน คนส่วนใหญ่ที่นี่ก็คงไม่ได้สร้างแพลตฟอร์มนี้ด้วยระดับคุณภาพแบบที่ pg เคยทำ แต่ถ้าผู้ใช้ยังพบคุณค่า มันก็ไม่เป็นไร แอปพลิเคชันองค์กรคุณภาพระดับกลางจำนวนมหาศาลได้พิสูจน์เรื่องนั้นแล้ว
ท้ายที่สุดแล้ว ตรรกะของธุรกิจเหล่านี้คือ ตัวเลข 200 ล้าน/30 ล้านจะไม่หยุดนิ่ง ฉันเองก็คิดไม่เหมือนกันว่าการเปลี่ยนแปลงนั้นจะใหญ่และเร็วพอจะอธิบายรายจ่ายลงทุนได้หรือไม่ แต่ Web 1, Web 2.0, SaaS และการปฏิวัติมือถือก็สร้างผู้ใช้และชั้นของนักพัฒนาใหม่ได้ค่อนข้างเร็วเหมือนกัน จึงไม่ใช่เรื่องเพ้อฝันไปเสียทีเดียว
[1] HN เป็น outlier หนักเพราะเป็น implementation ของ Lisp แบบคัสตอม แต่ในยุคก่อนก็มีตัวอย่างมากมายที่แม้ทางเลือกจะไม่สุดโต่งเท่านี้ ก็ยังถูกสร้างด้วยสถาปัตยกรรมที่แข็งแรง และระดับทักษะแบบนั้นอาจหาได้ยากในรุ่นผู้ก่อตั้งทุกวันนี้
การวิเคราะห์นี้ชวนสับสนอยู่พอสมควร ด้านการเขียนโค้ดน่าจะไปถึง product-market fit (PMF) ตั้งแต่ปีก่อนแล้วก็ได้ ความสามารถในการทำกำไรเป็นอีกเรื่องหนึ่งและยังไม่มีใครรู้
บทความนี้ปนสองเรื่องเข้าด้วยกัน แต่ก็ไม่ได้เสนอเหตุผลเชิงเศรษฐศาสตร์ที่หนักแน่นหรือตัวเลขที่น่าเชื่อถืออะไรเลย และก็ไม่เข้าใจว่ากรณีของ Uber มาเกี่ยวข้องตรงไหน เพราะแม้แต่ COO ของ Uber เองก็พูดชัดว่าผลลัพธ์ยังมองไม่เห็น อย่างน้อยก็ในมุมของผลตอบแทนจากการลงทุน
ในความเห็นของฉัน ผลิตภัณฑ์นี้มีประโยชน์มากกับงานเขียนโค้ดมาตั้งแต่หลายเดือนก่อนแล้ว แต่ไม่ได้หมายความว่าจะมีประโยชน์ไม่ว่าจะมีต้นทุนเท่าไรก็ตาม
อย่างที่ Simon พูดไว้ว่า เอเจนต์สำหรับเขียนโค้ดที่ “ดีพอ” เพิ่งมีมาได้แค่ 6 เดือน ซึ่งถือว่าสั้นมาก แต่ที่บริษัทของเรา งานของผมเปลี่ยนไปโดยสิ้นเชิงแล้ว และมันแทบจะเหมือนฝัน
และนั่นก็เป็นแค่จุดเปลี่ยนจุดหนึ่งเท่านั้น ก่อนหน้านี้ก็มีจุดเปลี่ยนมาแล้วหลายครั้ง และข้างหน้าก็ยังจะมีอีกมาก ผมพอจะเชื่อได้ว่าทุกวันนี้แม้จะมีการใช้จ่ายขององค์กรแบบเกินจริง ผลตอบแทนจากการลงทุนอาจยังไม่เป็นบวก แต่การเริ่มปูทางตั้งแต่ตอนนี้เพื่อเตรียมรับสิ่งที่จะมาในอีกไม่กี่เดือน หรือยิ่งไปกว่านั้นอีกหลายปีข้างหน้า ก็สมเหตุสมผลดี
สำหรับคนที่ใช้เวลาเรียนรู้และลองใช้ มันมีประโยชน์ชัดเจนมาตั้งแต่หลายเดือนก่อนแล้ว แต่ตอนนี้ความรู้นั้นได้แพร่ไปถึงคนที่ถือกระเป๋าเงินแล้ว จนมั่นใจได้ว่านี่ไม่ใช่แค่กระแสหรือโฆษณาเกินจริง ดังนั้นจึงเริ่ม “อ้างได้” ว่ามี PMF
แต่ก็เห็นด้วยว่าการพูดว่า “คนพวกนั้นมี PMF” ฟังดูแปลก เพราะปกติแล้วมันเป็นแนวคิดที่ใช้กำหนดกับผลิตภัณฑ์ของตัวเอง
เพราะงั้นหลายคนที่นี่คงไม่ควรเข้ามาร่วมวงถกเถียง พวกเขาเอาแต่พูดถึงข้อดีซ้ำ ๆ แต่ไม่ระบุหรืออธิบายต้นทุนและผลกระทบที่ต้นทุนเหล่านั้นมีต่อ สถานะทางการเงิน ของบริษัท
“เหตุผลที่เราเรียกเดือนพฤศจิกายน 2025 ว่าจุดเปลี่ยนเดือนพฤศจิกายน ก็เพราะ GPT-5.1 และ Opus 4.5 ดีขึ้นเมื่อจับคู่กับ agent harness สำหรับงานเขียนโค้ดของแต่ละตัว มันดีพอที่จะทำงานที่มีประโยชน์ได้อย่างสม่ำเสมอ และเราก็ได้ปรับตัวเข้ากับระบบเอเจนต์มาตลอด 6 เดือนที่ผ่านมา”
พอไปอ่านบทความอื่น ๆ ก็แทบไม่เห็นความสงสัยเชิงวิพากษ์ มีแต่เนื้อหาแนวโปรโมตว่ามันยิ่งใหญ่แค่ไหน
บทความนี้มีกลิ่นอายแบบ AI psychosis อยู่หน่อย ๆ
“เครื่องมือเหล่านี้เผาโทเคนมากขึ้นมาก แต่กำลังกลายเป็นเครื่องมือประจำวันอย่างรวดเร็วสำหรับงานที่ทำโดยผู้เชี่ยวชาญที่มีค่าตอบแทนสูงมาก”
“ไม่รู้เหมือนกันว่าทำไมชิ้นนี้ถึงกลายเป็นพาดหัวแนว ‘COO ของ Uber บอกว่าเริ่มอธิบายความชอบธรรมของการใช้จ่ายแบบใช้โทเคน AI เกินตัวได้ยากขึ้น’ ทั้งที่ตลาดสำหรับเรื่องเล่าว่า AI ล้มเหลวยังใหญ่มาก”
ใช่สิ มันคงเป็นแค่ความอยากเห็น AI ล้มเหลวเท่านั้นเอง คงไม่ใช่เรื่องต้นทุนบานปลาย รายได้ทำสถิติ หรือการปลดคนครั้งใหญ่ และคงไม่มีทางเป็นไปได้ด้วยว่าคนที่ได้เงินสูงอยู่แล้วกำลังเผาเงินกับเครื่องมือพวกนี้แต่กลับไม่ได้สร้าง “มูลค่า” ที่เพิ่มขึ้นเลย ผมยอมรับนะว่าปริมาณงานออกมามากขึ้น 100 เท่า แต่ผลลัพธ์กลับแบนราบในแทบทุกตัวชี้วัด
[1] https://cmr.berkeley.edu/2025/10/seven-myths-about-ai-and-pr...
[2] https://futuretech.mit.edu/publication/crashing-waves-vs-ris...
หาก GLM-5.1 ดีพอๆ กัน เป็นโอเพนซอร์ส และถูกกว่ามาก OpenAI กับ Anthropic จะวางแผนรักษาลูกค้าไว้อย่างไร?
โมเดลธุรกิจดูเหมือนจะไปไม่รอดเลย ฉันมีเพื่อนสนิทมากคนหนึ่งที่ทำซอฟต์แวร์อัตโนมัติสำหรับองค์กรขนาดใหญ่จริงๆ และเขาไม่ใช้ Claude หรือ OpenAI เลย
ส่วนใหญ่ใช้ gpt 120b และ GLM-5.1 บน Cerebras สำหรับงานที่ต้องใช้การคิดหนักๆ และใช้โมเดลเล็กตัวอื่นสำหรับงานหลายประเภท ทั้งหมดเป็นโอเพนซอร์ส
ระบบพวกนี้มีประโยชน์กับองค์กรมาก และสามารถรันไปป์ไลน์อัตโนมัติเต็มรูปแบบที่เสถียรและเร็วมากได้
เราคุยเรื่องนี้กันบ่อย และเราทั้งคู่คิดว่าบริษัทที่ใช้ Claude กับ OpenAI ทำงานเอเจนต์หนักๆ อาจยังไม่รู้ชัดว่าโอเพนซอร์สดีขึ้นและถูกลงแค่ไหนในช่วง 1 ปีที่ผ่านมา
ถ้าอย่างนั้นเมื่อบริษัทและนักพัฒนาที่มีอยู่เดิมไล่ทันแล้ว Claude กับ OpenAI จะไม่สามารถคืนทุนได้หรือ?
จะมีบริษัทจำนวนมหาศาลมาแข่งกันในพื้นที่นี้ และแม้ความเข้มข้นด้านเงินทุนจะสร้างคูเมืองได้บ้าง แต่สุดท้ายก็แทบจะมีคู่แข่งไม่จำกัดอยู่ดี
ซึ่งเป็นเรื่องดีสำหรับผู้บริโภค
พูดในฐานะแฟนตัวยงที่ใช้ GLM กับเว็บแปลภาษา เพราะความคุ้มค่าต่อราคาของมันดีพอ
ตอนนี้เงินส่วนใหญ่อยู่ในงานโค้ด ถ้า OpenAI และ Anthropic นำหน้าโมเดลโอเพนซอร์สระดับแนวหน้าอยู่แค่ 6 เดือน ก็อาจกินตลาดองค์กรและตลาดนักพัฒนาไปได้เกือบทั้งหมด
พอจะช่วยบอกแนวทางได้ไหมว่าต้องใช้งานโมเดลเปิดอย่างไรถึงจะดึงคุณค่าออกมาได้มากขึ้น?
ผมเห็นด้วยกับคำพูดที่พบบ่อยว่าโมเดลเปิดตามหลังอยู่ราว 1 ปี แต่เมื่อประมาณ 1 ปีก่อนมันมีช่วงมหัศจรรย์ที่โมเดลระดับแนวหน้ากลายเป็นของที่มีประโยชน์อย่างมาก ถ้าตามตรรกะนี้ อีกไม่นานโมเดลเปิดก็น่าจะใช้งานได้ดีเหมือนกัน แต่ผมกังวลว่ามันอาจมีอะไรบางอย่างมากกว่าการรอให้โลกหมุนไปอีก 1 รอบ
สำหรับบริบท ผมใช้มันเพื่อช่วยเขียนโค้ด งานประเภทอื่นโมเดลเปิดอาจยอดเยี่ยมก็ได้
ผมยังไม่เคยเห็นการวิเคราะห์ที่น่าเชื่อถือเกี่ยวกับผลตอบแทนจากการลงทุนของการรันโมเดลเขียนโค้ดเองเลย โดยเฉพาะเมื่อเทียบกับแพ็กเกจเดือนละ 20 หรือ 200 ดอลลาร์
คำพูดว่า “โทเค็นมูลค่า 2,180.16 ดอลลาร์ด้วยเงิน 200 ดอลลาร์” ฟังดูแปลก
โทเค็น ไม่มีต้นทุนหรือมูลค่าในตัวเองโดยกำเนิด การบอกว่าใช้โทเค็นมูลค่า 2,180.16 ดอลลาร์ ก็คล้ายกับเชื่อเซลส์ที่พยายามโน้มน้าวว่าชุดหม้อราคา 19.99 ดอลลาร์มีมูลค่าถึง 1 พันล้านดอลลาร์
ตลกดีที่เห็นคนโยนการคิดเชิงวิพากษ์ทิ้งหน้าต่างเวลาประเมินแหล่งข้อมูลที่มีอคติ
ผมจ่ายไป 200 ดอลลาร์ ถ้าจ่ายตามราคา API มันคงเป็น 2,180.16 ดอลลาร์ บทความกำลังพูดถึงว่าลูกค้าองค์กรจ่ายในราคา API และถ้าผมถูกจ้างโดยบริษัทแบบนั้น ก็จะทำให้บริษัทมีค่าใช้จ่าย 2,180.16 ดอลลาร์
ผมพลาดอะไรไปรึเปล่า?
มูลค่าอาจคำนวณยาก แต่โชคดีที่กลไกราคาตลาดมีอยู่เพื่อจุดประสงค์นั้นอยู่แล้ว ไม่มีตัวเลขไหนดีกว่าราคาที่ผู้คนยินดีจ่าย
ดังนั้นประเด็นก็คือ ในแพ็กเกจองค์กร คุณจะต้องจ่าย 2,180.16 ดอลลาร์ เจ้าตัวอาจไม่ได้จ่ายเองเท่านั้น แต่บริษัทจ่าย
ราคาต่อโทเค็นอยู่ในช่วงใกล้เคียงกันทั้งโมเดลปิดระดับแนวหน้าและโมเดล open-weights คืออยู่ระดับเซนต์ถึงดอลลาร์ต่อหนึ่งล้านโทเค็น ซึ่งสำหรับผมเป็นสัญญาณว่าราคานี้อิงกับความเป็นจริงอยู่พอสมควร
จังหวะเวลาที่แท้จริงอยู่ตรงที่ตอนนี้ความต้องการธุรกิจใหม่ที่แข็งแรงมีไม่พอ และเพราะมีการสะสมสินทรัพย์ทางเทคนิคไว้มากพอ งานจึงค่อยๆ กลายเป็นงานแบบ incremental มากขึ้น
นั่นหมายความว่าสามารถสร้างฟังก์ชันที่เสถียรบนกองงานเก่ามหาศาลได้ และนี่คือจุดที่ AI โดดเด่นเป็นพิเศษ ดังนั้นไม่ว่าจะมี AI หรือไม่ ถ้างานส่วนใหญ่เป็นแค่เพิ่มฟีเจอร์หนึ่งตัว แก้บั๊กหนึ่งจุด ปรับตั้งค่าอีกนิด บริษัทก็คงจะรับวิศวกรซอฟต์แวร์น้อยลงอยู่ดี AI แค่เร่งแรงกดดันนั้นให้เร็วขึ้น
แต่ถ้าลองนึกกลับกันว่ามี AI แบบเดียวกันนี้เมื่อ 20 ปีก่อน เรื่องจะต่างออกไป ตอนที่ผู้คนยังพยายามทำความเข้าใจ JAX-RS อยู่นั้น AI จะใช้ Jersey ได้ดีจริงหรือ? ตอนที่ React เพิ่งถูกคิดค้นขึ้น มันจะตอบทุกคำถามเกี่ยวกับ React ได้หรือ? มันจะลดจำนวนคนที่ต้องใช้สร้างโครงสร้างพื้นฐานคลาวด์สาธารณะหรือแพลตฟอร์มบิ๊กดาต้าทั้งชุดลงเหลือหนึ่งในสิบได้หรือ? ในเวลานั้นสิ่งต่างๆ กำลังเปลี่ยนแปลงเร็วมาก จึงน่าจะต้องมีวิศวกรมากมายเพื่อสำรวจความเป็นไปได้จำนวนมหาศาล และผมก็สงสัยมากว่า AI จะทำให้ระบบนิเวศแมชชีนเลิร์นนิงถูกสร้างขึ้นด้วยกำลังคนเพียงหนึ่งในสิบได้หรือไม่ เมื่อ 20 ปีก่อน R ยังเป็นกระแสหลัก และระบบนิเวศ Python ก็ยังไม่สุกงอมเลย เช่นเดียวกับโมบายล์คอมพิวติ้ง AI จะลดคนที่ต้องใช้สร้างแอปมือถือและโครงสร้างพื้นฐานรองรับทั้งหมดลงเหลือหนึ่งในสิบได้จริงหรือ?
แต่สำหรับ “มันจะสร้างโครงสร้างพื้นฐานคลาวด์สาธารณะหรือแพลตฟอร์มบิ๊กดาต้าด้วยคนเพียงหนึ่งในสิบได้ไหม?” ผมว่าไม่ได้ มันแก้ปัญหาหลักไม่ได้ และยิ่งสเกลใหญ่ก็ยิ่งเละ
ส่วนเรื่องงานแบบ incremental นั้นถูกต้อง แต่ในเชิงประวัติศาสตร์ งานส่วนใหญ่ก็เป็นงาน incremental อยู่แล้ว และตำแหน่งงาน R&D เป็นคนส่วนน้อย
ต้องยอมรับในสิ่งที่ต้องยอมรับ นี่คือการหลอกลวงครั้งใหญ่ที่สุดครั้งหนึ่งในประวัติศาสตร์
AI มีกรณีใช้งานที่มีประโยชน์ แต่ไม่ใช่ที่ราคาปัจจุบัน ฉันใช้ AI มาตั้งแต่ยุค GPT-2 ร่วมกับผู้ใช้สายหนักจำนวนมาก และทุกคนพูดเหมือนกันหมด: ความอยากรู้อยากเห็น, ความทึ่ง, กระแส hype, ความเกลียดชัง, ความตระหนักรู้ บริษัทต่าง ๆ มักช้ากว่านิดหน่อย และตอนนี้เราก็อยู่ในวัฏจักร hype พอดี ซึ่งก็คือจุดที่พวกเขาขายสัญญาทั้งหมดและทำ IPO กัน
เป็นการเดินเกมตามตำรา VC จริง ๆ
สิ่งที่ไม่ควรเข้าใจผิดคือ AI มีกรณีใช้งานที่เป็นประโยชน์อยู่ เพียงแต่ไม่ใช่ในแบบที่พวกเขาต้องการ มันค่อนข้างคล้าย blockchain แนวคิดเรื่องสกุลเงินแบบกระจายศูนย์มีสิทธิ์ที่จะมีอยู่ แต่เหรียญอื่นอีก 99% ไม่ใช่
AI เป็น search engine ที่เร็วกว่าแต่ก็ยังแม่นยำน้อยกว่า มันยอดเยี่ยมสำหรับการหา bug และดีสำหรับ rubber duck debugging ด้วย
ที่เรียกว่าการหลอกลวงก็เพราะเมื่อผนวกกับการตลาดแล้ว มันทำให้คนจำนวนมหาศาลทั่วโลกเกิดความรู้สึกว่าตอนนี้พวกเขาสามารถสร้าง startup, เกม, infrastructure ฯลฯ ได้โดยไม่ต้องเรียนรู้ด้วยตัวเอง ผลลัพธ์คือเกิดโปรเจกต์และผลิตภัณฑ์คุณภาพต่ำที่ถูกปล่อยทิ้งไว้เป็นล้าน ๆ ชิ้น คนส่วนใหญ่ไม่เคยสร้าง mental model ที่จำเป็นต่อการแก้ปัญหาอย่างถึงรากถึงโคน สุดท้ายก็เสียเวลาไปหลายเดือน เสียเงิน และเผาแต่ token นี่แหละที่ฉันเรียกว่าการหลอกลวง
คนที่เป็น early adopter ทุกคนที่ฉันรู้จักลดการใช้งานลงอย่างมาก ไม่ใช่เพราะเรื่องเงิน แต่เพราะไม่มี use case ใหม่แล้ว ตอนสำรวจโปรเจกต์ใหม่ก็แค่ onboard ให้เร็ว เรียนรู้ให้มาก แล้วค่อยไปอ่านเอกสารและทดสอบจริง การใช้งานของฉันตอนนี้ต่ำที่สุดในรอบ 2 ปีที่ผ่านมา
ฉันจะไม่ปล่อยให้ AI มาแตะโค้ดของฉัน กลัวมันจะคืบคลานกลับขึ้นมาอีก แต่จะให้มันอ่านโค้ดของฉันแล้วบอกว่าฉันทำอะไรผิด เพื่อให้ฉันขัดเกลาตัวเองแทน
บริษัทเป็นร้อยแห่ง รวมถึงโซลูชันโอเพนซอร์ส ก็ให้สิ่งระดับนั้นได้
เพื่อนที่ไม่ใช่สายเทคนิคของฉันทุกคนตอนนี้อยู่ในวัฏจักร hype และชอบมาเล่าความตื่นเต้นกับความผิดหวังที่คาดเดาได้ในอนาคตให้ฉันฟัง
ในอีกแง่หนึ่งก็ถือว่าน่าประทับใจที่ AI ถูกนำไปใช้แบบ VC อย่างถึงที่สุด ไม่ว่าจะโดยตั้งใจหรือไม่ตั้งใจก็ตาม จนสร้างบริษัทขนาดยักษ์ขึ้นมาต่อหน้าต่อตาคนทั้งโลก
คุณหมายความว่าโมเดลเขียนโค้ดที่ใช้ token ให้ผลตอบแทนการลงทุนไม่เป็นบวก เลยถือเป็นการหลอกลวงใช่ไหม? เช่น มันสร้างมูลค่าได้ไม่พอจะเก็บเงินเดือนละ 100 ดอลลาร์?
คุณหมายความว่าลูกค้าองค์กรไม่ฉลาดพอจะมองสิ่งนี้ออกใช่ไหม?
สุดท้ายแล้วมันคือภาพลวงตาแบบ blockchain ที่จะพาไป IPO เพื่อ maximize รายได้ของ CEO ใช่ไหม?
ฉันเข้าใจถูกไหม หรือฉันกำลังใส่ความหมายเพิ่มเอง?
ส่วนที่ว่า “ทำให้คนรู้สึกว่าตอนนี้สามารถสร้าง startup, เกม, infrastructure ของตัวเองได้โดยไม่ต้องเรียนรู้ด้วยตัวเอง” แม้เราจะฟันธงเรื่องความเชื่อและแรงจูงใจของผู้คนไม่ได้ แต่นี่ไม่ใช่การตั้งหุ่นฟางหรือ? AI เป็นเครื่องมือทรงพลังที่ขยายศักยภาพของมนุษย์ คุณไม่สามารถแค่พิมพ์พรอมป์ต์ว่า “สร้างแอป enterprise SaaS มูลค่า 1 พันล้านดอลลาร์ให้หน่อย” หรือ “สร้าง GTA6 ให้หน่อย อย่าหลอนนะ” แล้วจบได้ แต่นี่คือภาพลักษณ์ที่กำลังเกิดขึ้นจริงหรือ? Dario กับ Sam กำลังพูดอยู่หรือว่า “ซื้อ subscription coding agent ของเรา แล้วคุณจะสร้างเกมได้ในทีเดียวโดยไม่ต้องมีทักษะและรวยได้”?
ที่คุณยังไม่รู้สึกถึงคุณค่าของ AI agent วันนี้ก็อาจเป็นแบบนั้นได้ และอาจรู้สึกไม่ไว้ใจแบบไม่มีเหตุผลก็ได้ แต่การบอกว่ามันเป็นการหลอกลวงระดับเดียวกับ blockchain นั้น ฉันมองว่าขัดกับสัญญาณขนาดมหาศาลที่มีอยู่ และขัดกับบทสนทนาจริง ๆ เกี่ยวกับสิ่งที่ระบบเหล่านี้ทำได้ในวันนี้และสิ่งที่คาดว่ามันจะทำได้ราวปลายปีนี้
เท่าที่ฉันอ่านมา Anthropic ไม่ได้ทำกำไรจริง ๆ ดูเหมือนว่าแค่เคยดูเหมือนมีกำไรชั่วคราวเพราะส่วนลด บทความนี้อธิบายข้ออ้างนั้นได้ดี: https://www.wheresyoured.at/anthropics-profitability-swindle...
ฉันก็ยังสงสัยว่าการขึ้นราคาตอนนี้จะเพียงพอหรือไม่ และก็สงสัยว่าผู้ใช้กับบริษัทส่วนใหญ่จะยอมรับการขึ้นราคาที่มากกว่านี้ในอนาคตหรือไม่ โดยเฉพาะสำหรับผู้ใช้ทั่วไป 200 ดอลลาร์ต่อเดือนก็แพงมากอยู่แล้ว และดูไม่น่าเป็นไปได้ที่คนส่วนใหญ่จะยอมจ่ายระดับ 1,000 ดอลลาร์ต่อเดือน
ข่าวเกี่ยวกับ LLM น่าจะต้องมองข้ามไปก่อนจนกว่าบริษัทพวกนี้จะ IPO เสร็จ มีบอตจำนวนมากที่ปั้นกระแสเชิงบวก
200 ดอลลาร์ต่อเดือนต่อที่นั่งไม่ได้เยอะอะไรเลย
แพ็กเกจไลเซนส์ 3D CAD ตัวหนึ่งที่คนในกลุ่มวิจัยและพัฒนาของเราใช้ มีราคาหลายพันดอลลาร์ต่อเดือนต่อที่นั่ง
ถึงเวลาแล้วที่ software seat จะได้รับความรักบ้าง
[1] https://www.autodesk.com/products/autocad/buy
องค์กรไม่ได้จ่ายแบบเหมาบุฟเฟต์ “ไม่จำกัด” ในแพ็กเกจคงที่ แต่จ่ายแบบ คิดตามการใช้งาน