การเผชิญความเป็นจริงของ AI: ตลาดเปลี่ยนผ่านจากเรื่องเล่าสู่ตัวเลข

ช่วงของการสร้างกระแสข่าว (narrative phase) นั้นมีประโยชน์เนื่องจากเมื่อ ChatGPT เปิดตัวครั้งแรกในช่วงต้นปี 2023 ยังไม่มีข้อมูลในอดีตเกี่ยวกับศักยภาพของเทคโนโลยีดังกล่าว ดังนั้นราคาจึงต้องถูกกำหนดตามศักยภาพที่คาดการณ์ไว้ อย่างไรก็ตาม เมื่อถึงช่วงปลายปี 2024 เฉพาะในจีนเพียงประเทศเดียวมีการเปิดตัวโมเดลภาษาขนาดใหญ่ (large language models) มากกว่า 200 โมเดล ส่งผลให้ระยะเวลาที่ราคาหุ้นพุ่งสูงขึ้นหลังการประกาศข่าวเกี่ยวกับ AI ลดลงจากระดับหลายสัปดาห์เหลือเพียงไม่กี่วัน

ประเภทของคำถามที่นักลงทุนถามเริ่มมีความเฉพาะเจาะจงมากขึ้น เช่น คุณสร้างรายได้ได้เท่าไร? คุณสูญเสียลูกค้าไปจำนวนเท่าใด? และหลังจากหักค่าใช้จ่ายด้าน GPU แล้ว คุณเหลือเงินเท่าไร (อัตรากำไรขั้นต้น)?

การเปลี่ยนผ่านนี้ได้รับการวัดผลผ่าน 4 มิติด้วยกัน

เพื่อให้การดำเนินงานมีประสิทธิภาพ รายได้ที่มาจาก AI จำเป็นต้องสามารถแยกแยะและยืนยันที่มาได้อย่างชัดเจน โดยปัจจุบันนักวิเคราะห์การลงทุนได้กำหนดให้บริษัทต่างๆ ต้องแยกรายละเอียดรายได้จาก AI ในการรายงานผลประกอบการรายไตรมาส ตัวอย่างเช่น ในไตรมาสที่ 4 ปี 2024 ของ Microsoft (MSFT) Azure AI ได้ช่วยผลักดันให้รายได้จากธุรกิจคลาวด์เติบโตเพิ่มขึ้นกว่า 10 จุดเปอร์เซ็นต์ ซึ่งกลายเป็นเกณฑ์มาตรฐานสำหรับรายอื่นๆ ในทางกลับกัน บางบริษัทที่พยายามจัดประเภทโครงการวางระบบคอมพิวเตอร์แบบเดิมว่าเป็น "สัญญาที่เกี่ยวข้องกับ AI" ก็ถูกตรวจสอบพบในทันที

เพื่อให้การดำเนินงานเป็นไปอย่างมีรูปธรรม รายได้ที่สร้างขึ้นผ่านการเรียกใช้ Model API, การสมัครสมาชิก AI SaaS และการติดตั้งระบบภายในองค์กร (private deployments) จะต้องมีการรายงานอย่างโปร่งใส พร้อมแสดงอัตราการเติบโตแบบเดือนต่อเดือนในแต่ละรายการ

การประมวลผล (inference) มีต้นทุนที่ต้องจ่าย เนื่องจากคำสั่งงานของ generative AI ทั้งหมดล้วนต้องพึ่งพา GPU ที่มีราคาสูง และการขยายขนาดของ AI อย่างต่อเนื่องอาจทำลายอัตรากำไรได้ ในปัจจุบันเป็นที่ชัดเจนว่าตลาดไม่ได้ให้ความสำคัญกับ "การเติบโตโดยไม่สนต้นทุน" (growth at all costs) อีกต่อไป แต่จะให้การยอมรับแก่ทีมที่สามารถลดต้นทุนที่เกี่ยวข้องกับการประมวลผลได้อย่างจริงจัง ผ่านวิธีการต่าง ๆ อาทิ model distillation, quantization, mixture of experts routing และ batching

ทีมที่ประสบความสำเร็จมากที่สุดในการดำเนินงานตามแผนสามารถบรรลุเป้าหมายในการลดค่าใช้จ่ายต่อการเรียกใช้งานลงได้ถึง 80% ภายในระยะเวลา 6 เดือน และนี่คือคำนิยามของการดำเนินงานอย่างมีประสิทธิภาพ

ในอดีต เพียงแค่มีการลงนามในบันทึกความเข้าใจ (MOU) กับลูกค้า ก็เพียงพอแล้วสำหรับการระดมทุนในรอบถัดไป

แต่ในปัจจุบันสถานการณ์ได้เปลี่ยนไปแล้ว โดยขณะนี้นักลงทุนหันมาให้ความสำคัญกับมาตรวัดหลายด้าน รวมถึงอัตราการเปลี่ยนจากโครงการนำร่องไปสู่การทำสัญญาจ้าง รายได้ประจำต่อปีที่สร้างจากลูกค้ารายใหญ่ และอัตราการรักษารายได้สุทธิ (Net Dollar Retention) หากผลิตภัณฑ์ AI SaaS ของคุณมีอัตราการรักษารายได้สุทธิสูงกว่า 120% ถือว่าธุรกิจกำลังดำเนินไปด้วยดี แต่หากต่ำกว่า 100% นั่นหมายความว่าลูกค้าของคุณกำลังตีตัวออกห่าง

บริษัทที่ประสบความสำเร็จมักจะมีบริษัทยักษ์ใหญ่ในอุตสาหกรรมดั้งเดิมที่ลงนามข้อตกลงผูกพันระยะเวลา 3 ปี รวมอยู่ในฐานลูกค้าของพวกเขา

ในช่วงของการสร้างเรื่องราว (Narrative phase) มักจะมีการเพิกเฉยต่อต้นทุนการได้มาซึ่งลูกค้า (CAC) โดยระบุว่าตลาดนั้นไร้ขีดจำกัด อย่างไรก็ตาม การดำเนินงานจริงจะเป็นตัวบ่งชี้ผ่านตัวเลข หากอัตราส่วนมูลค่าตลอดช่วงชีวิตของลูกค้า (LTV) ต่อต้นทุนการได้มาซึ่งลูกค้า (CAC) มีค่าน้อยกว่า 1 นั่นหมายความว่าบริษัทของคุณได้กลายเป็น "แหล่งเผาเงิน" ไปแล้ว

การดำเนินงานที่มีประสิทธิภาพจะสามารถผลักดันให้อัตราส่วน LTV/CAC สูงกว่า 3 เท่า ผ่านการเติบโตที่ขับเคลื่อนด้วยผลิตภัณฑ์เพื่อลดต้นทุนในการหาลูกค้า และการบูรณาการเข้ากับกระบวนการทำงานอย่างลึกซึ้งเพื่อเพิ่มความเหนียวแน่นในการใช้งานของลูกค้า

เมื่อบริษัท AI เปลี่ยนผ่านจากการสาธิตในสภาพแวดล้อมที่ควบคุมได้ไปสู่การใช้งานในโลกแห่งความเป็นจริง ถือเป็นช่วงเวลาที่อันตรายที่สุดในกระบวนการ เนื่องจากการสาธิตบนเวทีที่สมบูรณ์แบบ (การเขียนโค้ดและสรุปผลถูกต้อง 100%) อาจล้มเหลวเมื่อลูกค้าเริ่มทดสอบใช้งานจริง เช่น การพิมพ์ตัวย่อหรือการพูดด้วยสำเนียงเฉพาะ ซึ่งอาจส่งผลให้ระบบเกิดอาการหลอน (hallucinate) หรือมีความหน่วงพุ่งสูงขึ้น นอกจากนี้ หากระบบต้องการ GPU ขนาด 12GB แต่เซิร์ฟเวอร์รองรับได้เพียง 4GB ก็จะเกิดอุปสรรคตามมา ดังนั้น เพื่อก้าวข้ามความยากลำบากนี้ มี 4 ประการที่ต้องดำเนินการ ดังนี้:

• จากโมเดลทั่วไปสู่การปรับจูนเฉพาะจุดเพื่อการรับรู้ที่รวดเร็ว:เลือกงานที่มีมูลค่าสูงในโลกแห่งความเป็นจริง 3 ถึง 5 งาน และทำการปรับจูนโมเดลด้วยข้อมูลจริง คุณสามารถสร้างมูลค่าทางธุรกิจได้ด้วยการนำเสนอความแม่นยำที่เชื่อถือได้ในภารกิจเฉพาะด้านที่เจาะจง
• จาก API สู่โซลูชันแบบครบวงจร:ลูกค้าตัดสินใจซื้อจากผลลัพธ์ ไม่ใช่แค่ตัว API ดังนั้นควรจัดหา SaaS แบบสำเร็จรูป การบูรณาการระบบ หรือตัวเชื่อมต่อแบบ low-code ไม่ว่าจะเป็นในรูปแบบอุปกรณ์หรือโซลูชันซอฟต์แวร์ (SaaS)
• จากความแม่นยำในห้องแล็บสู่ความแข็งแกร่งในการใช้งานจริงและการควบคุมต้นทุน:ข้อมูลนำเข้าในโลกแห่งความเป็นจริงมักมีความซับซ้อน การประมวลผลข้อมูลเหล่านี้จำเป็นต้องมีการออกแบบเพื่อรองรับการทำงานที่ลดระดับลงอย่างเหมาะสม (graceful degradation) และประหยัดต้นทุนโดยใช้เทคนิค quantization, batching และ smart routing
• จากการสาธิตแบบคงที่สู่กลไกขับเคลื่อนข้อมูล (Data Flywheel):ทุกครั้งที่ผู้ใช้แก้ไขข้อมูลให้กับโมเดล ให้สร้างวงจรป้อนกลับสำหรับรอบการปรับจูนครั้งต่อไป หากขาดวงจรข้อมูล ผลิตภัณฑ์ก็จะไม่สามารถพัฒนาให้ดียิ่งขึ้นได้

กลุ่มนักลงทุนฝั่งกระทิงมองว่า การตรวจสอบความสามารถในการดำเนินงานที่เข้มงวดในปัจจุบันถือเป็นสัญญาณที่ดี และจะช่วยแยกแยะผู้เล่นตัวจริงในตลาดออกจากกลุ่มที่เพียงแค่กล่าวอ้างแต่ไม่มีทรัพยากรทางการเงินรองรับ

ขณะที่นักลงทุนฝั่งหมีเตือนว่า หากอุตสาหกรรม AI เผชิญกับการเปลี่ยนแปลงที่มีนัยสำคัญจากการปรับฐานการประเมินมูลค่าบริษัทใหม่ตามคาดการณ์ผลประกอบการในปี 2570 พวกเขาเชื่อว่าบริษัทที่เกี่ยวข้องกับ AI ทั้งหมดอาจสูญเสียมูลค่าอย่างรุนแรง

สำหรับมุมมองที่เป็นกลางคือ หากกลุ่มธุรกิจโครงสร้างพื้นฐานแบบดั้งเดิม ได้แก่ เซมิคอนดักเตอร์ (NVIDIA, Advanced Micro Devices (AMD) และระบบเครือข่าย ยังคงมีผลการดำเนินงานที่แข็งแกร่งต่อเนื่องไปอีก 12-18 เดือน ขณะที่บริษัทในระดับแอปพลิเคชันจำนวนมากจะมีผลประกอบการที่แตกต่างกันอย่างมหาศาล โดยจะมีผู้เล่นรายใหญ่เพียงหนึ่งหรือสองราย และมีบริษัทขนาดเล็กจำนวนมากที่ไม่สามารถทำกำไรได้

ประการแรก ตรวจสอบให้แน่ใจว่ามีการขอหลักฐานผลประกอบการรายไตรมาส หากบริษัทไม่สามารถแสดงหลักฐานกำไรที่เชื่อถือได้ หรือไม่สามารถแสดงแผนการชดเชยความผิดพลาดในอดีตได้ภายในสองไตรมาส ก็ควรยุติการทำธุรกิจกับบริษัทดังกล่าว

ประการที่สอง ติดตามแนวโน้มอัตรากำไรขั้นต้นมากกว่าอัตราการเติบโตของรายได้ ตัวอย่างเช่น หากบริษัทมียอดขายเพิ่มขึ้น 50% แต่อัตรากำไรขั้นต้นลดลงจาก 70% เหลือ 50% ถือเป็นสัญญาณเตือนถึงปัญหาในการดำเนินงานที่ขาดประสิทธิภาพ

ประการที่สาม มองหาบริษัทที่มีอัตราการรักษาฐานรายได้จากลูกค้าเดิม (Net Dollar Retention) สูงกว่า 120% ซึ่งเป็นหนึ่งในข้อพิสูจน์ที่ดีที่สุดว่าลูกค้ามีความพึงพอใจและต้องพึ่งพาผลิตภัณฑ์หรือบริการนั้นๆ

ประการที่สี่ ให้ความสำคัญกับกระบวนการสร้างผลิตภัณฑ์เพื่อการค้า (Productization) โดยบริษัทที่บริหารจัดการส่วนนี้ได้อย่างเป็นระบบและคาดการณ์ได้ (เช่น ต้นทุนการให้บริการที่เสถียร ประสิทธิภาพที่แข็งแกร่งในทุกสภาวะ และมีวงจรข้อมูลความเร็วสูง) มีโอกาสอยู่รอดในระยะยาวมากกว่าบริษัทที่ทำไม่ได้

อุตสาหกรรม AI ได้ก้าวข้ามช่วงของการสาธิตไปสู่สภาพแวดล้อมทางธุรกิจที่แท้จริงแล้ว โดยมุ่งเน้นการบริหารงานอย่างคุ้มค่าและยึดลูกค้าเป็นสำคัญ เรื่องราวความสวยหรูเกี่ยวกับ AI ไม่ใช่สาระสำคัญอีกต่อไป แต่สิ่งที่สำคัญที่สุดเพียงอย่างเดียวคือรายงานทางการเงินของบริษัทเมื่อสิ้นสุดไตรมาส

เนื้อหานี้ได้รับการแปลโดยปัญญาประดิษฐ์ (AI) และผ่านตรวจสอบโดยมนุษย์ มีไว้เพื่อการอ้างอิงและข้อมูลทั่วไปเท่านั้น ไม่ใช่การแนะนำการลงทุนแต่อย่างใด