คำถามที่ผู้บริหารระดับ CFO สอบถามบ่อยคือ เราจะดึงมูลค่าสูงสุดจากการลงทุนใน AI ได้อย่างไร ในอดีตตลาดมักวัดความสำเร็จของซอฟต์แวร์จากจำนวนที่นั่งที่ซื้อหรือผู้ใช้งาน แต่ยุค AI นั้นต้องวัดที่ปริมาณงานที่มีประโยชน์ที่เสร็จสมบูรณ์
1. ปริมาณงานที่มีประโยชน์ที่ทำได้คือเท่าไหร่?
สำหรับโมเดลที่ฉลาดขึ้น พวกเขาสามารถทำงานที่ซับซ้อนและยาวนานได้ เช่น การคงบริบท การใช้เหตุผลหลายขั้นตอน การทำงานร่วมกับเครื่องมือ และการปรับตัวระหว่างดำเนินการ ซึ่งงานส่วนใหญ่มักเกิดขึ้นก่อนการตัดสินใจครั้งสุดท้าย
2. งานที่สำเร็จนั้นมีต้นทุนจริงเท่าไหร่?
โมเดลระดับแนวหน้าสามารถให้มูลค่าสูงสุดแม้ในคำขอทั่วไป หากให้คำตอบที่ถูกต้องในการเรียกใช้ครั้งเดียว ซึ่งช่วยลดการลองใหม่ ความล่าช้า และการคำนวณทั้งหมด GPT-5.6 ที่เปิดตัวเมื่อสัปดาห์ที่แล้ว มีสามระดับคือ Sol (เรือธง), Terra (สมดุลระหว่างประสิทธิภาพและต้นทุน) และ Luna (เร็วและราคาเข้าถึงง่าย)
ในด้าน Artificial Analysis Coding Agent Index, GPT-5.6 Sol ที่ตั้งค่าการใช้เหตุผลสูงสุด ทำสถิติใหม่ด้วยการใช้โทเค็นเอาต์พุตน้อยกว่าโมเดลชั้นนำอื่นถึง 54% ขณะที่ DeepSWE v1.1: Long-horizon engineering tasks, GPT-5.6 Sol ทำได้ถึง 72.7% สูงกว่า Claude Fable 5 ที่ 69.9% ด้วยต้นทุน API โดยประมาณที่ต่ำกว่า 36.2%
4. การใช้งาน AI แต่ละดอลลาร์ซื้องานได้มากขึ้นเมื่อใช้งานเพิ่มขึ้นหรือไม่?
โมเดลที่ดีขึ้น การอนุมานที่มีประสิทธิภาพ ฮาร์ดแวร์ที่ออกแบบมาเพื่อวัตถุประสงค์เฉพาะ การใช้งานสูง การกำหนดเส้นทางที่ชาญฉลาด และการออกแบบผลิตภัณฑ์ที่แข็งแกร่ง ล้วนช่วยเพิ่มผลตอบแทนจากการคำนวณ ลูกค้าจะสัมผัสถึงการปรับปรุงเหล่านี้ในแง่มนุษย์ เช่น คำตอบที่ดีขึ้น ผลลัพธ์ที่รวดเร็วกว่า การแก้ไขน้อยลง และผลิตภัณฑ์ที่เชื่อถือได้มากขึ้นในต้นทุนที่ต่ำลงสำหรับงานที่ต้องการ
ศัพท์ที่ควรรู้
- Frontier model – โมเดลระดับแนวหน้าที่มีความสามารถสูงมาก
- Inference – กระบวนการที่โมเดลนำไปใช้ในการสร้างผลลัพธ์จริง
- GPT-5.6 – ชื่อโมเดลที่ OpenAI เปิดตัว ซึ่งมีสามระดับคือ Sol, Terra และ Luna
- Sol, Terra, Luna – ชื่อระดับของโมเดล GPT-5.6 ที่ถูกออกแบบมาเพื่อตอบโจทย์ด้านประสิทธิภาพและต้นทุนที่แตกต่างกัน
ที่มา: OpenAI