เมื่อองค์กรเริ่มใช้ AI จริงจัง คำถามจากฝ่ายการเงินมักตามมาเร็ว — "เดือนหน้าจะจ่ายเท่าไร" บริการ AI ส่วนใหญ่คิดค่าใช้เป็น โทเคน ถ้าเข้าใจว่าโทเคนคืออะไรและอะไรทำให้ใช้มาก ก็ประเมินและคุมงบได้ตั้งแต่ต้น
โทเคนคืออะไร
โทเคนคือหน่วยย่อยของข้อความที่โมเดล AI ใช้อ่านและเขียน คำหนึ่งคำอาจเป็นหนึ่งโทเคนหรือหลายโทเคน ขึ้นกับภาษาและโมเดล
สิ่งที่ถูกนับมีสองฝั่ง
- โทเคนขาเข้า — ทุกอย่างที่ส่งให้ AI อ่าน: คำถาม เอกสารที่แนบ และประวัติแชตก่อนหน้า
- โทเคนขาออก — ข้อความที่ AI ตอบกลับ
ภาษาไทยมักใช้โทเคนมากกว่าภาษาอังกฤษเมื่อเทียบข้อความยาวเท่ากัน แต่ต่างกันมากน้อยขึ้นกับโมเดล — วิธีที่แม่นที่สุดคือวัดจากการใช้งานจริงขององค์กร
อะไรทำให้ใช้โทเคนมาก
| สาเหตุ | ทำไม |
|---|---|
| แนบเอกสารยาวทั้งเล่ม | AI ต้องอ่านทุกหน้า แม้คำถามเกี่ยวกับย่อหน้าเดียว |
| แชตต่อกันยาว ๆ ในหน้าเดิม | ประวัติแชตทั้งหมดถูกส่งไปใหม่ในแต่ละคำถาม |
| ขอคำตอบยาว | โทเคนขาออกเพิ่มตามความยาวคำตอบ |
| โมเดลที่คิดก่อนตอบ | ขั้นตอนคิดของโมเดลก็นับเป็นโทเคน แม้ผู้ใช้ไม่เห็น |
| งานอัตโนมัติที่เรียก AI ซ้ำ | ระบบที่เรียก AI เมื่อมีรายการใหม่เข้ามา ใช้โทเคนต่อเนื่องแม้ไม่มีคนนั่งพิมพ์ |
แปลงโทเคนเป็นภาษาที่ผู้บริหารเข้าใจ
ตัวเลข "16 ล้านโทเคน" ไม่ได้บอกอะไรกับคนส่วนใหญ่ เราจึงแปลงเป็นจำนวนการสนทนา
1 การสนทนา ≈ 3,654 โทเคน — ประมาณการจากค่าเฉลี่ยที่วัดได้ 3,654 โทเคนต่อบทสนทนา (คำถาม + บริบท + คำตอบ) · จำนวนจริงขึ้นกับความยาวบทสนทนา เอกสารที่แนบ และโมเดลที่เลือก · ไม่ใช่โควตาที่รับประกัน 1 ล้านโทเคน ≈ 274 การสนทนา (ประมาณ)
ตัวอย่าง ทีม 20 คน ใช้ AI คนละ 10 การสนทนาต่อวัน 22 วันทำงานต่อเดือน
| การสนทนาต่อเดือน | 20 × 10 × 22 = 4,400 การสนทนา |
| โทเคนต่อเดือน | 4,400 × 3,654 ≈ 16 ล้านโทเคน |
ตัวเลขนี้ใช้เลือกขนาดแพ็กเกจเริ่มต้น แล้วปรับตามการใช้งานจริงหลังผ่านไป 1–2 เดือน
5 วิธีคุมค่าใช้จ่ายรายเดือน
1. ตั้งงบรายทีมหรือรายระบบ และดูการใช้งานเป็นประจำ แยกงบให้แต่ละทีมหรือแต่ละแอปที่เรียก AI จะรู้ทันทีว่าการใช้งานเพิ่มขึ้นมาจากไหน แทนที่จะเห็นแค่ยอดรวมปลายเดือน
2. เลือกขนาดโมเดลให้เหมาะกับงาน งานสั้น ๆ เช่น จัดหมวดข้อความ หรือแปลประโยค ไม่จำเป็นต้องใช้โมเดลใหญ่ที่สุด เก็บโมเดลใหญ่ไว้ให้งานที่ต้องคิดซับซ้อน
3. ส่งเฉพาะส่วนที่เกี่ยวข้องให้ AI อ่าน แทนการแนบคู่มือทั้งเล่ม ให้ระบบค้นเฉพาะย่อหน้าที่เกี่ยวกับคำถามแล้วส่งไปเฉพาะส่วนนั้น — ใช้โทเคนน้อยลง และคำตอบมักตรงขึ้น
4. ปิดการคิดก่อนตอบในงานที่ไม่ต้องใช้ โมเดลบางตัวคิดเป็นขั้นตอนก่อนตอบ ซึ่งช่วยงานวิเคราะห์ แต่สำหรับงานตอบคำถามสั้นหรือจัดรูปแบบข้อความ ปิดได้โดยคุณภาพไม่ลดลง
5. เริ่มจากแพ็กเกจเล็ก แล้วปรับตามข้อมูลจริง ประเมินจากจำนวนการสนทนาตามตัวอย่างข้างบน เริ่มแพ็กเกจขนาดใกล้เคียง แล้วดูรายงานการใช้งานจริงก่อนขยาย
รูปแบบการจ่ายของ TTNC
- Platform Gateway — แพลตฟอร์มอยู่ในองค์กร AI ประมวลผลที่ศูนย์ข้อมูล TTNC ในประเทศไทย จ่ายค่าใช้ AI รายเดือนตามขนาดแพ็กเกจโทเคน มีหลายขนาด แยกงบและดูการใช้งานรายทีมได้ ส่วนที่ใช้เกินแพ็กเกจคิดตามอัตราต่อโทเคนของแพ็กเกจที่ใช้อยู่ ตามที่ระบุในสัญญา
- Token Factory — วางชั้นประมวลผล AI (เครื่อง GPU) ในองค์กร ส่วนชั้นควบคุมสิทธิ์และบันทึกการใช้งานใช้ที่ TTNC ค่าใช้จ่ายส่วนใหญ่เป็นการลงทุนครั้งแรก
- Private AI — วางทั้งแพลตฟอร์มและโมเดลในองค์กร ค่าใช้จ่ายส่วนใหญ่เป็นการลงทุนครั้งแรก
แบบที่ลงทุนครั้งแรกรวมบริการปีแรกแล้ว และมีค่าบริการรายปีตามสัญญา
เริ่มแบบไหนก่อนก็ได้ ย้ายไปอีกแบบภายหลังได้โดยไม่ต้องเขียนระบบใหม่
คำถามที่พบบ่อย
รู้ได้อย่างไรว่าแต่ละทีมใช้ไปเท่าไร ระบบมีหน้ารายงานการใช้งาน แยกตามทีมหรือตามระบบที่เรียก AI ผู้ดูแลจึงเห็นได้ว่าการใช้งานมาจากไหน
ตั้งเพดานงบไม่ให้ทีมใช้เกินได้ไหม ได้ กำหนดงบให้แต่ละทีมได้ และตกลงกติกาเมื่อใช้เกินแพ็กเกจไว้ในสัญญาตั้งแต่ต้น
ภาษาไทยเปลืองโทเคนกว่าภาษาอังกฤษไหม มักใช้มากกว่าเมื่อเทียบความยาวเท่ากัน ขึ้นกับโมเดลที่ใช้ — เราแนะนำให้วัดจากงานจริงขององค์กรในช่วงทดลอง
ราคาแพ็กเกจเท่าไร ราคาขึ้นกับขนาดแพ็กเกจและรูปแบบที่เลือก ทีมงานจะประเมินจากจำนวนผู้ใช้และงานของท่าน แล้วออกเป็นใบเสนอราคา
ขั้นต่อไป
ยังไม่แน่ใจว่าองค์กรควรเริ่มแบบไหน อ่าน เริ่มใช้ AI ในองค์กร: 5 คำถามที่ควรตอบก่อนเลือกระบบ หรือส่งจำนวนผู้ใช้และงานที่อยากให้ AI ช่วย มาให้ทีมงาน TTNC Technology ช่วยประเมินที่ Project.Sales@ttnctechnology.com
