Adam Mosseri หัวหน้าทีม Instagram ของ Meta ให้สัมภาษณ์ในรายการ Lenny's Podcast เมื่อเร็วๆ นี้ โดยพูดถึงประเด็นร้อนในวงการเทค — ค่าใช้จ่าย AI tokens ที่กำลังพุ่งสูงจนบริษัทต้องเริ่มคิดเรื่องการจำกัดงบประมาณ AI ต่อพนักงาน
Token Burn Rate เทียบเท่าเงินเดือน
Mosseri กล่าวว่าภายใน 1-2 ปีข้างหน้า อัตราการใช้ token ของวิศวกรที่เก่งๆ อาจเทียบเท่ากับเงินเดือนหรือค่าใช้จ่ายในการจ้างงานของพวกเขาเลยทีเดียว และเมื่อถึงจุดนั้น บริษัทก็จำเป็นต้องกำหนดเพดาน (cap) การใช้งาน
"ผมคิดว่าคุณคงนึกภาพออก อย่างน้อยก็ในอีก 1-2 ปีข้างหน้า... อัตราการเผาผลาญ token ของวิศวกรที่เก่งอาจเท่ากับเงินเดือนของพวกเขา หรือค่าใช้จ่ายในการจ้างงานของพวกเขา และในโลกแบบนั้น คุณคงต้องกำหนดเพดานบางอย่าง" — Adam Mosseri
Mosseri มองว่า Token Budget จะถูกบริหารจัดการเหมือนกับทรัพยากรอื่นๆ ของบริษัท ไม่ว่าจะเป็นจำนวน GPU, CPU, พื้นที่เก็บข้อมูล, งบประมาณในการติดป้ายกำกับข้อมูล (labeling budget) หรือแม้แต่อัตรากำลังคน (headcount)
ที่มาของปัญหา: จาก Tokenmaxxing สู่การคุมเข้ม
ก่อนหน้านี้ Meta เคยมีปัญหาใหญ่เรื่องค่าใช้จ่าย AI tokens ที่พุ่งทะลุพันล้านดอลลาร์ โดยสาเหตุส่วนหนึ่งมาจากแคมเปญ "tokenmaxxing" ที่สนับสนุนให้พนักงานใช้ AI อย่างเต็มที่ รวมถึงการมี leaderboard จัดอันดับผู้ใช้ token สูงสุดที่เรียกว่า "Claudeonomics"
Mosseri ยอมรับว่ากระดาน leaderboard นั้นเป็น "เรื่องไร้สาระ" และการสร้าง "token incinerator" (เครื่องเผา token) ไม่ได้สร้างมูลค่าอะไรให้บริษัทเลย
ไม่ใช่แค่ Meta เจ้าเดียว
ปัญหานี้ไม่ได้เกิดกับ Meta เพียงบริษัทเดียว:
- Uber ใช้ AI coding budget ปี 2026 หมดไปตั้งแต่เดือนเมษายน
- Microsoft ยกเลิก Claude Code licenses และย้ายวิศวกรทั้งหมดมาใช้ Copilot CLI ของตัวเอง
Mosseri ยังมองในแง่ดีว่าในระยะยาว ราคา token จะถูกลงเมื่อผู้พัฒนาโมเดล AI เข้าสู่สงครามราคาเพื่อแย่งชิงผู้ใช้ แต่จนกว่าจะถึงวันนั้น บริษัทต่างๆ ก็ต้องจัดการค่าใช้จ่ายอย่างเข้มงวด
ที่มา:
- TechCrunch — Meta's Adam Mosseri says AI token budgets could soon be capped per engineer
- Lenny's Podcast — Adam Mosseri Interview
มุมมองของผู้เขียน: Token Budget จะกลายเป็นหนึ่งในหัวข้อใหญ่ของการบริหารทีมเทคในปีหน้าแน่นอน เมื่อต้นทุน AI tokens เริ่มเทียบเท่าเงินเดือนวิศวกร คำถามสำคัญคือ ROI — เราจะวัดผลตอบแทนจากการใช้ AI ของพนักงานแต่ละคนอย่างไร? นี่อาจเป็นจุดเปลี่ยนที่ทำให้องค์กรต้องคิดใหม่ว่าอะไรคือ "การใช้ AI อย่างคุ้มค่า" จริงๆ
