เมื่อ AI Token กลายเป็น KPI ใครได้ประโยชน์ และใครเสียเปรียบ?

Token ถูกออกแบบมาเพื่อคำนวณต้นทุน ไม่ใช่วัดความสำเร็จ

แล้วทำไมบริษัทระดับโลกถึงใช้ Token เป็น KPI ของพนักงาน?

ลองนึกภาพว่าวันหนึ่งบริษัทประกาศว่า ตั้งแต่นี้เป็นต้นไป ผลงานของพนักงานจะถูกวัดจากการใช้ AI ยิ่งใช้งานมาก ยิ่งได้รับการประเมินที่ดีขึ้น คุณจะรู้สึกอย่างไร?

แม้จะฟังดูไม่น่าเชื่อ แต่หลายองค์กร เริ่มใช้ “Token” เป็นตัววัดผลแล้วจริงๆ

ที่ Meta พนักงานได้จัดทำ Leaderboard ภายในชื่อ "Claudenomics" เพื่อติดตามและจัดอันดับการใช้งาน AI ของพนักงานในองค์กร โดยมียอดใช้งานรวมสูงถึง 60 ล้านล้าน Token ภายใน 30 วัน

ขณะที่บริษัท Cleo มีรายงานว่า CEO ใช้งาน AI คิดเป็นมูลค่ากว่า 36,000 ดอลลาร์ในเดือนเดียว และยังจัดสรรงบให้พนักงานทั่วไปสามารถใช้ AI ได้สูงสุด 1,000 ดอลลาร์ต่อเดือน

ส่วน Writer บริษัท AI จากสหรัฐฯ ก็มีการจัดอันดับการใช้งาน AI ภายในองค์กร โดยพนักงานที่มียอดใช้งาน AI สูงสุด ใช้ไปเกือบ 11,000 ล้าน Token ในเดือนมีนาคมเพียงเดือนเดียว

จุดเริ่มต้นของเรื่องนี้มาจากคำถามง่าย ๆ ของผู้บริหารว่า

"เมื่อบริษัทลงทุนกับ AI มากขึ้นเรื่อย ๆ จะวัดได้อย่างไรว่าการลงทุนเหล่านั้นสร้างคุณค่าจริง?"

เมื่อผลลัพธ์ที่แท้จริงยังวัดได้ยาก หลายองค์กรจึงเลือกใช้ Token เป็นตัวชี้วัดแทน เพราะเป็นตัวเลขที่มองเห็นและติดตามได้ง่ายที่สุด

Token คืออะไร และทำไมหลายองค์กรถึงเริ่มใช้เป็น KPI?

Token คือหน่วยที่ AI ใช้ในการประมวลผลภาษา ไม่ว่าจะเป็นข้อความที่เราพิมพ์เข้าไป หรือคำตอบที่ AI สร้างกลับมา ยิ่งใช้งาน AI มาก จำนวน Token ที่ใช้ก็จะยิ่งเพิ่มขึ้น และนี่คือสิ่งที่ผู้ให้บริการ AI ใช้ในการคิดค่าใช้จ่าย

ด้วยเหตุนี้ Token จึงกลายเป็นตัวเลขที่หลายองค์กรให้ความสนใจ เพราะสามารถติดตามได้แบบเรียลไทม์ผ่าน Dashboard และนำมาเปรียบเทียบระหว่างคนหรือทีมได้อย่างง่ายดาย

สำหรับผู้บริหาร Token ดูเหมือนเป็นตัวชี้วัดที่ช่วยบอกได้ว่าการลงทุนด้าน AI คุ้มค่าหรือไม่ เพราะเป็นข้อมูลที่ชัดเจน วัดผลได้ และเห็นเป็นตัวเลขทันที

แต่การวัดผลงานจาก “จำนวน Token ที่ใช้” เพียงอย่างเดียว จะสามารถสะท้อนคุณภาพงานและผลลัพธ์ที่แท้จริงได้จริงหรือไม่

ฝั่งที่มองว่า "ยิ่งใช้ AI เยอะ ยิ่งดี"

Jensen Huang ซีอีโอของ Nvidia เคยกล่าวว่า “ถ้าวิศวกรที่ได้รับเงินเดือนสูง แต่แทบไม่ใช้ AI เลย เขาจะเริ่มกังวลกับอนาคตขององค์กรนั้น”

ซึ่งเหตุผลก็ไม่ซับซ้อน เพราะหลายคนมองว่าการใช้ AI เป็นสัญญาณว่าพนักงานพร้อมเรียนรู้สิ่งใหม่ กล้าลองเครื่องมือใหม่ ๆ และปรับตัวเข้ากับโลกการทำงานที่เปลี่ยนแปลงอยู่ตลอดเวลา

และต้องยอมรับว่า มุมมองนี้ก็มีเหตุผลอยู่ไม่น้อย เพราะในปี 2026 หากบริษัทไหนยังไม่มีใครใช้ AI เลย ก็อาจจะเป็นเรื่องน่ากังวลอยู่พอสมควร

ฝั่งที่มองว่า "ใช้ AI เยอะ ไม่ได้แปลว่างานดี"

Yamini Rangan ซีอีโอของ HubSpot มองต่างออกไป โดยเธอสรุปเรื่องนี้สั้น ๆ ว่า

"ผลลัพธ์สำคัญกว่าจำนวน Token"

เพราะสุดท้ายแล้ว สิ่งที่องค์กรต้องการไม่ใช่จำนวนครั้งที่พนักงานใช้ AI แต่คือผลงานที่ออกมาดีขึ้น งานเสร็จเร็วขึ้น หรือสร้างคุณค่าให้ธุรกิจได้มากขึ้น

ต่อให้ใช้ AI ไปเป็นล้าน ๆ Token แต่ผลงานไม่ได้ดีขึ้นเลย ตัวเลขเหล่านั้นก็อาจไม่มีความหมายมากนัก

นักวิจารณ์บางคนถึงกับยกตัวอย่างว่า เรื่องนี้ไม่ต่างจากการวัดคุณภาพโคมไฟจากน้ำหนัก ยิ่งหนักก็ยิ่งดูเหมือนดี แต่สุดท้ายสิ่งที่คนต้องการจริง ๆ คือแสงสว่าง ไม่ใช่น้ำหนักของโคมไฟ

และนี่คือเหตุผลที่หลายคนเริ่มตั้งคำถามว่า การวัดผลงานจากจำนวน Token อาจกำลังพาองค์กรไปสนใจตัวเลข มากกว่าผลลัพธ์ที่แท้จริง

แล้วปัญหาที่แท้จริงคืออะไร?

ปัญหาอาจไม่ได้อยู่ที่การใช้ AI มากหรือน้อย แต่อยู่ที่หลายองค์กรกำลังเลือกวัดสิ่งที่นับได้ง่าย แทนที่จะวัดสิ่งที่สะท้อนคุณค่าของงานจริง ๆ

ลองนึกภาพว่ามีอยู่ 2 ทีม ทีมแรกตั้งคำถามกับ AI ได้ตรงประเด็น ใช้เวลาไม่นานก็ได้คำตอบที่นำไปใช้งานต่อได้เลย จึงใช้ Token ไม่มาก ส่วนอีกทีมหนึ่งต้องถามซ้ำหลายรอบ แก้แล้วแก้อีก ใช้ Token มากกว่าหลายเท่า

หากดูจาก Dashboard เพียงอย่างเดียว ทีมที่สองอาจดูเหมือนใช้ AI ได้ดีกว่า แต่ในความเป็นจริง ทีมแรกอาจทำงานได้เร็วกว่า มีประสิทธิภาพกว่า และใช้ทรัพยากรน้อยกว่าด้วยซ้ำ

นี่คือข้อจำกัดของการใช้ Token เป็น KPI เพราะตัวเลขเหล่านี้บอกได้เพียงว่ามีการใช้ AI มากแค่ไหน แต่ไม่ได้บอกว่างานที่ออกมาดีขึ้นแค่ไหน

แล้วใครคือคนที่ “เสียเปรียบ”

.

คนที่อาจเสียเปรียบที่สุดคือคนที่ใช้ AI ได้อย่างมีประสิทธิภาพ เพราะพวกเขารู้ว่าต้องถามอะไรและถามอย่างไร จึงได้คำตอบที่ต้องการอย่างรวดเร็ว โดยไม่จำเป็นต้องใช้ Token จำนวนมาก

.

แต่เมื่อองค์กรมองแค่ตัวเลข คนกลุ่มนี้อาจถูกมองว่าใช้งาน AI ไม่มากพอ ทั้งที่จริงแล้วพวกเขาอาจเป็นคนที่ใช้ AI ได้เก่งที่สุดในทีม

.

สิ่งที่น่ากังวลกว่านั้นคือ เมื่อองค์กรให้ความสำคัญกับตัวเลขผิดประเภท คนทำงานก็อาจเริ่มปรับพฤติกรรมเพื่อให้ตัวเลขดูดี แทนที่จะมุ่งสร้างผลลัพธ์ที่ดีที่สุด

.

และเมื่อถึงจุดนั้น ระบบวัดผลก็อาจกำลังให้รางวัลกับคนที่ทำคะแนนได้เก่ง มากกว่าคนที่ทำงานได้เก่งจริง

.

ท้ายที่สุด Token ถูกสร้างขึ้นมาเพื่อใช้คำนวณต้นทุนการใช้งาน AI ไม่ใช่เพื่อวัดคุณค่าของงานหรือความสำเร็จของพนักงาน

.

Token อาจบอกได้ว่าพนักงานใช้ AI มากแค่ไหน แต่บอกได้จริงหรือว่าใครสร้างคุณค่าให้กับองค์กรมากที่สุด?