วิกฤตต้นทุน AI ได้เริ่มต้นขึ้นแล้ว มีรายงานว่า Microsoft ได้สั่งให้วิศวกรหยุดใช้งาน Claude เนื่องจากค่าใช้จ่ายด้าน AI พุ่งสูงขึ้นอย่างมหาศาล ในขณะที่ Uber เปิดเผยว่างบประมาณด้าน AI ประจำปีทั้งหมดของบริษัทได้ถูกใช้จนหมดเกลี้ยงตั้งแต่เดือนเมษายนแล้ว

🚨 THE AI COST CRISIS HAS STARTED.

Microsoft reportedly told engineers to stop using Claude because AI bills were exploding, while Uber says its entire yearly AI budget was already destroyed by April. pic.twitter.com/vvEEzGsFSG

— Crypto Rover (@cryptorover) May 24, 2026

https://x.com/cryptorover/status/2058608305489232082
.....

วิกฤตต้นทุน AI ได้เริ่มต้นขึ้นแล้ว

มีรายงานว่า Microsoft ได้สั่งให้วิศวกรหยุดใช้งาน Claude เนื่องจากค่าใช้จ่ายด้าน AI พุ่งสูงขึ้นอย่างมหาศาล ในขณะที่ Uber เปิดเผยว่างบประมาณด้าน AI ประจำปีทั้งหมดของบริษัทได้ถูกใช้จนหมดเกลี้ยงตั้งแต่เดือนเมษายนแล้ว

นี่ไม่ใช่เพียงแค่กรณีงบประมาณบานปลายแบบแยกส่วนเพียงไม่กี่กรณีเท่านั้น แต่เป็นการเผชิญหน้ากับความเป็นจริงทางเศรษฐกิจในระดับรากฐาน ระหว่าง AI แบบ Agentic (AI ที่มีความสามารถในการตัดสินใจและดำเนินการด้วยตนเอง) กับเครื่องมือซอฟต์แวร์แบบดั้งเดิม


เรื่องราวที่เกิดขึ้นกับ Microsoft และ Uber ชี้ให้เห็นถึงความผิดพลาดในการคำนวณครั้งใหญ่ ทั้งในด้านการกำหนดราคา การบริโภค และการจัดทำงบประมาณสำหรับระบบ AI ระดับองค์กร

สิ่งที่เกิดขึ้นจริง: บทวิเคราะห์เจาะลึก

ทั้งสองบริษัทต้องเผชิญกับปัญหาเดียวกันเป๊ะ และต้นตอของปัญหาไม่ใช่ความล้มเหลวของระบบ AI แต่กลับเป็นเพราะ AI ทำงานได้ดีเกินไป จนวิศวกรหันมาใช้งานมันอย่างต่อเนื่องตลอดเวลา

1. Microsoft สั่งยุติการใช้งาน

มาตรการที่ใช้: Microsoft ประกาศยกเลิกสิทธิ์การใช้งาน Claude Code ส่วนใหญ่ภายในองค์กร (โดยเฉพาะอย่างยิ่งในแผนก Experiences + Devices ซึ่งดูแลผลิตภัณฑ์อย่าง Windows, Office และ Teams) โดยจะมีผลตั้งแต่วันที่ 30 มิถุนายน เป็นต้นไป

เหตุผล: เดิมที Microsoft ได้เปิดตัว Claude Code ควบคู่ไปกับเครื่องมือภายในของตนเองเพื่อใช้เป็นเกณฑ์ในการเปรียบเทียบประสิทธิภาพ ปรากฏว่าวิศวกรส่วนใหญ่กลับชื่นชอบการใช้งาน Claude มากกว่าอย่างเห็นได้ชัด แต่ผลลัพธ์ที่ตามมาคือค่าใช้จ่าย API แบบคิดตามจำนวน Token (หน่วยประมวลผลของ AI) กลับพุ่งทะลุเพดานเกินกว่าที่คาดการณ์ไว้มาก

การปรับกลยุทธ์: Microsoft สั่งให้เหล่านักพัฒนาหันกลับไปใช้งาน GitHub Copilot CLI แทน เนื่องจาก Microsoft เป็นเจ้าของ GitHub อยู่แล้ว การใช้งาน Copilot จึงช่วยให้ต้นทุนด้านการประมวลผลภายในยังคงหมุนเวียนอยู่ภายใน "ครอบครัว" เดียวกัน แทนที่จะต้องจ่ายเงินก้อนโตมหาศาลในแต่ละเดือนให้กับบริษัท Anthropic

2. Uber ผลาญงบประมาณจนหมดเกลี้ยง

มาตรการที่ใช้: Praveen Neppalli Naga ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยี (CTO) ของ Uber ยอมรับว่า บริษัทได้ใช้งบประมาณสำหรับการเขียนโค้ดด้วย AI ประจำปี 2026 ทั้งหมดจนหมดเกลี้ยงตั้งแต่เดือนเมษายน ทั้งที่เพิ่งผ่านพ้นปีมาได้เพียง 4 เดือนเท่านั้น

ตัวเลขสถิติ: หลังจากที่เปิดให้วิศวกรราว 5,000 คนได้ทดลองใช้ Claude Code อัตราการใช้งานกลับพุ่งสูงขึ้นอย่างรวดเร็วจนทะลุระดับ 85% แทนที่จะต้องจ่ายค่าสิทธิ์การใช้งานแบบเหมาจ่ายต่อที่นั่ง (Seat-license) ในอัตราคงที่ที่คาดการณ์ได้ Uber กลับต้องแบกรับค่าใช้จ่าย API แบบคิดตามปริมาณการใช้งาน ซึ่งมีมูลค่าสูงถึง 500 ถึง 2,000 ดอลลาร์ต่องานวิศวกรหนึ่งคนต่อเดือน

เหตุใดการคำนวณจึงผิดพลาด: ปรากฏการณ์ย้อนแย้งเรื่อง Token

ทีมจัดซื้อจัดจ้างระดับองค์กรต่างคุ้นชินกับการจัดซื้อซอฟต์แวร์ในรูปแบบราคาแบบ SaaS (Software as a Service) กล่าวคือ คุณจ่ายเงินเพียง 20 หรือ 30 ดอลลาร์ต่อเดือนต่อพนักงานหนึ่งคน แล้วพนักงานคนนั้นก็สามารถใช้งานซอฟต์แวร์ได้มากเท่าที่ต้องการโดยไม่จำกัดปริมาณ

ทว่า เครื่องมือช่วยเขียนโค้ดด้วย AI ระดับแนวหน้าอย่าง Claude Code และ Cursor นั้น ไม่ได้ทำงานในรูปแบบเดียวกับระบบช่วยเติมคำอัตโนมัติ (Autocompletes) แบบดั้งเดิม แต่เครื่องมือเหล่านี้ทำงานในรูปแบบที่เรียกว่า "Agentic" (มีความสามารถในการตัดสินใจและดำเนินการด้วยตนเอง) [AI แบบดั้งเดิม] -> "เติมโค้ดบรรทัดเดียวนี้โดยอัตโนมัติ"
= ใช้โทเค็นน้อยที่สุด

[AI แบบเอเจนต์] -> "ปรับโครงสร้างโค้ดทั้งคลังเก็บข้อมูลนี้ใหม่ รันการทดสอบ และแก้ไขบั๊ก"
= ใช้โทเค็นหลายล้านโทเค็นต่อภารกิจ

เมื่อวิศวกรขอให้เครื่องมือเอเจนต์วินิจฉัยบั๊กที่ซับซ้อนในคลังเก็บข้อมูลทั้งหมด เครื่องมือจะอ่านบริบทหลายพันบรรทัด วิเคราะห์หลายขั้นตอน และส่งออกบล็อกโค้ดขนาดใหญ่ ทุกขั้นตอนใช้โทเค็นจำนวนมาก แม้ว่าต้นทุนต่อหน่วยของโทเค็นล้านโทเค็นจะลดลงอย่างมากในช่วงปีที่ผ่านมา แต่ปริมาณโทเค็นที่ถูกใช้ไปนั้นมากกว่าการลดราคาเหล่านั้นอย่างมาก

ผลกระทบในวงกว้าง

วิกฤตงบประมาณนี้กำลังกระตุ้นให้เกิดการเปลี่ยนแปลงเชิงป้องกันอย่างรวดเร็วทั่วทั้งระบบนิเวศเทคโนโลยี:

จุดจบของ AI แบบใช้ได้ไม่อั้น: ยุคอัตราคงที่กำลังจะสิ้นสุดลง ที่จริงแล้ว GitHub เองก็เพิ่งประกาศว่าจะเปลี่ยน Copilot จากการสมัครสมาชิกแบบเหมาจ่ายไปเป็นโมเดล "GitHub AI Credits" ที่คิดค่าบริการตามการใช้งาน องค์กรต่างๆ จะต้องวัดปริมาณการใช้งาน AI เหมือนกับการใช้ไฟฟ้าหรือน้ำ

การเติบโตของ "AI FinOps": บริษัทต่างๆ กำลังเร่งสร้างหรือซื้อซอฟต์แวร์ที่กำหนดงบประมาณสูงสุดสำหรับคีย์ API ของนักพัฒนา เพื่อป้องกันไม่ให้วิศวกรคนเดียวใช้เงินไปถึง 1,000 ดอลลาร์ในเวลาเพียงบ่ายเดียว

แรงกดดันต่อสตาร์ทอัพ AI: นี่เป็นการเปิดเผยจุดอ่อนสำคัญสำหรับห้องปฏิบัติการ AI เช่น Anthropic (ซึ่งกำลังระดมทุนด้วยมูลค่ามหาศาล) หากลูกค้าองค์กรระดับสูงพบว่าโมเดลการส่งมอบโทเค็นไม่ยั่งยืนทางการเงินในระดับใหญ่ มันจะบังคับให้พวกเขาต้องคิดใหม่เกี่ยวกับกลยุทธ์การขายให้กับองค์กร

ท้ายที่สุดแล้ว CTO ของ Uber กล่าวไว้ได้ดีที่สุดว่า "ผมต้องกลับไปเริ่มต้นใหม่" อุตสาหกรรมได้พิสูจน์แล้วว่า AI สามารถเพิ่มความเร็วในการพัฒนาได้อย่างมาก—ตอนนี้พวกเขาต้องหาวิธีที่จะจ่ายค่าใช้จ่ายนั้นได้จริง