ตามรายงานเชิงลึกของ CNBC ในสัปดาห์นี้ที่ซิลิคอนวัลเลย์ มีการประชุมปิด 2 ครั้ง และซีอีโอสตาร์ทอัพ AI รวมถึงวิศวกรหลายรายกล่าวตรงกันว่า การปรับขนาดการใช้งาน AI agent ในปัจจุบันเผชิญปัญหาเชิงโครงสร้างใหญ่ 2 อย่าง ได้แก่ “การสิ้นเปลือง token อย่างมหาศาล” และ “ความสับสนอย่างยิ่งระหว่างระบบ” บันทึกจากสถานที่จริงฉบับนี้ตัดกันอย่างชัดเจนกับความคาดหวังเชิงบวกของ หวง เหรินซุน ซีอีโอ Nvidia ในเดือนมีนาคมที่มองว่า AI agent คือ “ChatGPT คนต่อไป” ซึ่งชี้ให้เห็นว่าอุปสรรคที่แท้จริงของสายนี้ไม่ได้อยู่ที่พลังประมวลผล แต่เป็นเรื่องของการออกแบบเชิงตัดสินใจ ประสิทธิภาพด้าน token และการบูรณาการหลายระบบ
ปัญหาหลักคือการโยนทุกอย่างให้ LLM
Kevin McGrath ซีอีโอของสตาร์ทอัพ AI Meibel ชี้ในที่ประชุมว่า: “ปัญหาที่ใหญ่ที่สุดที่เรากำลังเผชิญตอนนี้ คือการเข้าใจผิดว่า ทุกอย่างจำเป็นต้องให้แบบจำลองภาษาขนาดใหญ่เป็นผู้จัดการ — เอา token ทั้งหมดและเงินทั้งหมดไปทิ้งให้บอท AI มันก็จะเผาผลาญ token หลายล้านตัว” เขาย้ำว่า เมื่อบริษัทออกแบบเวิร์กโฟลว์ของ agent ต้องตัดสินให้ชัดขึ้นว่า งานใดที่ “จำเป็น” ต้องใช้ LLM และงานใดสามารถทำได้ด้วยตรรกะเชิงกฎที่ถูกกว่า หรือด้วยการเรียนรู้ของเครื่องแบบดั้งเดิม
ข้อสังเกตนี้สอดคล้องกับปฏิกิริยาของตลาดหลังจากที่ Anthropic Claude เวอร์ชันองค์กรหันไปใช้การคิดค่าบริการตามปริมาณการใช้งาน — เมื่อการใช้ token กลายเป็นต้นทุนโดยตรง “รูปแบบการพัฒนาแบบยัดเยียดให้ agent อย่างตาบอด” ก็เผยแรงกดดันทางการเงินทันที มุมมองของ Meibel สะท้อนแนวปฏิบัติของกลุ่มวิศวกรสายไม่โหมโปรโมตเกินจริง (anti hype): ศิลปะของสถาปัตยกรรม agent คือการ “กำกับขอบเขต” ไม่ใช่การปล่อยตามใจ
ความวุ่นวายจากระบบช่วยเหลือแบบ multi-agent ที่พึ่งพากันจนเกิดปัญหา
คำสำคัญอีกข้อหนึ่งที่พบซ้ำในรายงานของ CNBC คือ “chaotic” เมื่อองค์กรใช้งาน AI agent หลายตัวพร้อมกัน — เช่น agent หนึ่งจัดการงานบริการลูกค้า อีกตัวจัดการการจัดตาราง และอีกตัวจัดการด้านการเงิน — การส่งต่อข้อมูลระหว่าง agent ความสอดคล้องของสถานะ การตอบกลับเมื่อเกิดข้อผิดพลาด ทั้งหมดจะส่งผลกระทบต่อกัน และพฤติกรรมที่ผิดปกติของ agent ตัวใดตัวหนึ่งก็จะลุกลามเป็นลูกโซ่ Karpathy ในสัปดาห์นี้ก็กล่าวถึงเวิร์กโฟลว์ที่เขาใช้งาน agent พร้อมกัน 10–20 ตัว แต่ยอมรับว่า การทำ code review และขั้นตอน PR กลายเป็นคอขวดใหม่
ความวุ่นวายของระบบ multi-agent ประเภทนี้ แท้จริงแล้วคือการย้อนรอยปัญหาเดิมของระบบแบบกระจายศูนย์ในยุคของ LLM: ไม่มี SLA ที่ชัดเจน ไม่มีขอบเขตเชิงธุรกรรม ไม่มีความหมายเชิงการลองซ้ำเมื่อเกิดความล้มเหลว Anthropic และ OpenAI แม้จะเปิดตัวชั้นโปรโตคอลอย่าง MCP และ Agent SDK แต่ในการนำไปใช้ในภาคองค์กรเชิงปฏิบัติ การมาตรฐานยังตามหลังการเติบโตของจำนวน agent อยู่ไกลมาก
แนวคิด “เงินเดือน token 250,000 ดอลลาร์” ของ หวง เหรินซุน ทำท่าจะถูกปฏิเสธ
ในเดือนมีนาคม หวง เหรินซุน ซีอีโอของ Nvidia ได้โปรโมตแนวคิด “token salary” อย่างหนักในงาน GTC และในการให้สัมภาษณ์ต่อมา โดยอ้างว่า “ถ้า วิศวกรที่มีเงินเดือน 500,000 ดอลลาร์ ไม่ได้ทำให้มีการบริโภค token อย่างน้อย 250,000 ดอลลาร์ ฉันจะรู้สึกไม่สบายใจอย่างยิ่ง” ตรรกะของเขาคือ: วิศวกรควรใช้ AI agent แทนการลงมือทำงานระดับต่ำของตนเอง และปริมาณ token ที่ถูกใช้ก็คือดัชนีชี้วัดความสามารถในการผลิต (productivity) แบบตัวแทน คำกล่าวนี้ดูได้จากการสัมภาษณ์ล่าสุดของ หวง เหรินซุน (ตอนบน) ซึ่งอธิบายอย่างละเอียดถึงความต้องการพลังประมวลผล AI
แต่ความเห็นภาคสนามในรายงานของ CNBC ชี้ให้เห็นว่า กลุ่มวิศวกรในซิลิคอนวัลเลย์เริ่มมีความลังเลมากขึ้น: ปริมาณที่ใช้ token ไม่ได้เท่ากับความสามารถในการผลิต และอาจเป็นสัญญาณของการออกแบบ agent ที่ไม่ดีด้วย คุณค่าที่แท้จริงของวิศวกรยังอยู่ที่ “การตัดสินว่างานใดควรเรียกใช้ agent, วิธีแยกงานออกเป็นส่วนๆ, วิธีออกแบบการจัดการข้อผิดพลาด” ซึ่งงานเหล่านี้เองไม่สามารถวัดได้ด้วยปริมาณการใช้ token
การตัดกันระหว่าง Crypto และ AI agent ยังต้องใช้เวลา
สำหรับอุตสาหกรรม crypto แนวโน้มในสัปดาห์นี้ที่ AI กลืนกินเงินทุนเชิงลงทุนทั่วโลก 80% และโครงการ DeFi ที่ผสาน agent แบบอิสระอย่างจริงจัง ล้วนตั้งอยู่บนสมมติฐานว่า “เทคโนโลยี agent ถึงระดับที่นำไปใช้งานได้” แต่รายงานของ CNBC ฉบับนี้เตือนว่า ต่อให้ในสภาพแวดล้อมองค์กรแบบ web2 ล้วนๆ ประสิทธิภาพด้าน token ของ agent และการบูรณาการหลายระบบก็ยังไม่เสถียร ทันทีที่นำ agent ไปใส่ในสภาพแวดล้อมบนเชนที่เปิดทำงานตลอด 24/7 และสินทรัพย์สามารถถูกขโมยได้แบบทันที ความเสี่ยงทางเทคนิคและความเสี่ยงทางการเงินก็จะทวีคูณ จุดเริ่มต้นที่แท้จริงของ Crypto × AI อาจต้องรอจนกว่าเฟรมเวิร์กของ agent (เช่น MCP, LangGraph, Cloudflare Agents) จะมีความเป็นมาตรฐานที่เติบโตเต็มที่
บทความนี้ เรื่องความเป็นจริงของ ซิลิคอนวัลเลย์ AI Agent: การสิ้นเปลือง token อย่างมหาศาล การบูรณาการระบบ “สุดโต่งจนสับสน” คำทำนายของ หวง เหรินซุน “ChatGPT คนต่อไป” ยังต้องรอตรวจสอบ เผยแพร่ครั้งแรกที่ ลิงค์ข่าว ABMedia.
