ซาตยา นาเดลลา ออกคำเตือนที่น่าตกใจให้กับบริษัทที่ใช้ AI

CEO ของ Microsoft เพิ่งหันมาต่อต้านอุตสาหกรรมของตัวเอง ในบทความที่เผยแพร่เมื่อวันจันทร์ ซาตยา นาเดลลา ได้เตือนองค์กรต่างๆ ว่าการใช้โมเดล AI ที่เป็นกรรมสิทธิ์ไม่เพียงแต่มีค่าใช้จ่ายสูงเท่านั้น — มันเป็นกลไกการสกัดข้อมูลที่ปกปิดอยู่ ซาตยา นาเดลลา ได้ออกคำเตือนที่น่าตกใจให้กับบริษัทที่ใช้ AI ซึ่งเจาะลึกถึงวิธีที่ธุรกิจทั่วเอเชียกำลังสร้างสรรค์ในปัจจุบัน และผลกระทบนั้นมีความสำคัญเพียงพอที่นักพัฒนาและผู้ก่อตั้งทุกคนในภูมิภาคควรอ่านอย่างระมัดระวัง

เกิดอะไรขึ้น

บทความของ Nadella มุ่งเน้นไปที่สิ่งที่เขาเรียกว่า "ความขัดแย้งของข้อมูลแบบย้อนกลับ" (reverse information paradox) ข้อโต้แย้งนั้นเรียบง่ายแต่ลึกซึ้ง: เมื่อคุณใช้โมเดล AI ที่เป็นกรรมสิทธิ์ คุณต้องจ่ายเงินสองครั้ง ครั้งแรกด้วยเงิน — ค่า token, ค่า API, ค่าสมัครสมาชิก และครั้งที่สองด้วยสิ่งที่มีค่ามากกว่า: ความรู้ขององค์กรที่ฝังอยู่ในทุกคำถามที่คุณเขียน ทุกการแก้ไข ทุกขั้นตอนการทำงานที่คุณเปิดเผยให้กับโมเดล

"โดยพื้นฐานแล้ว คุณจ่ายเงินสำหรับความฉลาดสองครั้ง ครั้งหนึ่งด้วยเงิน และอีกครั้งด้วยสิ่งที่มีค่ายิ่งกว่า: ความรู้ที่เป็นกรรมสิทธิ์ที่คุณต้องเปิดเผยเพื่อให้ความฉลาดนั้นมีประโยชน์" Nadella เขียนไว้ "ยิ่งคุณต้องการให้โมเดลทำงานได้ดี คุณก็ยิ่งต้องป้อนความรู้นั้นให้มากขึ้น"

เขาไปไกลกว่านั้น ชี้ไปที่สิ่งที่เขาเรียกว่า "model exhaust" — ตะกอบของปฏิสัมพันธ์ระหว่างมนุษย์กับ AI ที่ถูกฝังเข้าไปในการวนซ้ำของโมเดลในอนาคต ทุกคำถาม ทุกการเรียกใช้เครื่องมือของ agent ทุกการแก้ไขเมื่อโมเดลทำผิด: สิ่งเหล่านี้คือสัญญาณ และสัญญาณเหล่านั้นเข้ารหัสความรู้ขององค์กรที่ลึกซึ้งและยากที่จะได้มาเกี่ยวกับวิธีการทำงานของธุรกิจของคุณ

"ทุกการแก้ไขจะถูกกลั่นเป็นความรู้ขององค์กร" Nadella เขียนไว้ "ความรู้ประเภทนี้ที่คู่แข่งไม่สามารถซื้อได้"

ความกังวลนี้ไม่ใช่เรื่องใหม่ นักลงทุนเช่น Jason Calacanis และ CEO ของ Palantir Alex Karp ได้เตือนในลักษณะเดียวกัน แต่เมื่อ CEO ของ Microsoft — บริษัทที่มีการลงทุนหลายพันล้านดอลลาร์ใน OpenAI — เริ่มเตือนองค์กรต่างๆ ต่อสาธารณะเกี่ยวกับความเสี่ยงของโมเดลที่เป็นกรรมสิทธิ์ นั่นเปลี่ยนการสนทนา นี่ไม่ใช่มุมมองที่ขอบนอกอีกต่อไป มันเป็นการวิจารณ์โครงสร้างจากคนที่มีความเห็นเต็มที่ว่าห่วงโซ่อุปทาน AI ทำงานอย่างไร

การหมดเวลาก็มีความสำคัญเช่นกัน เมื่อความสามารถของโมเดล AI บรรจบกัน — ซึ่งช่องว่างระหว่างโมเดลชั้นหน้าและทางเลือกที่มีน้ำหนักเปิดแคบลงทุกไตรมาส — คำถามเชิงกลยุทธ์ไม่ใช่แค่ "โมเดลไหนฉลาดที่สุด" อีกต่อไป มันคือ "ใครเป็นเจ้าของความสัมพันธ์กับข้อมูลของคุณ"

ทำไมจึงสำคัญสำหรับเอเชีย

ระบบนิเวศเทคโนโลยีของเอเชียอยู่ในตำแหน่งที่เสี่ยงโดยเฉพาะที่นี่ ทั่วเอเชียตะวันออกเฉียงใต้ อินเดีย ญี่ปุ่น และเกาหลีใต้ องค์กรและสตาร์ทอัพต่างๆ กำลังนำ AI มาใช้ในอัตราที่เทียบได้กับ Silicon Valley — แต่มีความแตกต่างที่สำคัญ: หลายแห่งกำลังสร้างสรรค์บนโมเดลที่เป็นกรรมสิทธิ์ของตะวันตกโดยไม่มีทางเลือกในประเทศที่มีความสามารถเทียบเท่า

ความไม่สมดุลนั้นสร้างความเสี่ยงประเภทเฉพาะ เมื่อ fintech ในจาการ์ตา หรือสตาร์ทอัพด้านโลจิสติกส์ใน Ho Chi Minh City ปรับแต่งขั้นตอนการทำงานของตนรอบโมเดลที่เป็นกรรมสิทธิ์ มันไม่ได้เพียงแต่ใช้เงินสำหรับการเรียก API เท่านั้น มันกำลังส่งออกความฉลาดในการดำเนินงาน — ตรรมชาติของราคา รูปแบบพฤติกรรมของลูกค้า ฮิวริสติกของห่วงโซ่อุปทาน — ไปยังโครงสร้างพื้นฐานที่ไม่ได้ควบคุม ซึ่งควบคุมโดยข้อกำหนดการให้บริการที่คุณอาจไม่ได้อ่านอย่างครบถ้วน

มุมมองของการอำนาจเหนือข้อมูลทำให้เรื่องนี้ซับซ้อนยิ่งขึ้น ตลาดเอเชียหลายแห่งได้ออกกฎหมายหรือกำลังออกกฎหมายข้อกำหนดการระบุตำแหน่งข้อมูลที่เข้มงวด กฎหมายความปลอดภัยไซเบอร์ของเวียดนาม พระราชกฤษฎีกาการคุ้มครองข้อมูลส่วนบุคคลของอินโดนีเซีย และพระราชกฤษฎีกาการคุ้มครองข้อมูลส่วนบุคคลดิจิทัลของอินเดีย ล้วนสร้างข้อบังคับด้านการปฏิบัติตามที่โมเดล AI บนคลาวด์ที่เป็นกรรมสิทธิ์อาจไม่สามารถตอบสนองได้อย่างชัดเจน คำเตือนของ Nadella เกี่ยวกับการรั่วไหลของข้อมูลผ่าน model exhaust มีความหมายต่างกันเมื่อ exhaust นั้นอาจเป็นการโอนข้อมูลข้ามพรมแดนภายใต้กฎหมายท้องถิ่นด้วย

นอกจากนี้ยังมีมิติของข่าวกรรมการแข่งขันที่เฉียบคมเป็นพิเศษในตลาดสตาร์ทอัพที่เคลื่อนไหวอย่างรวดเร็วของเอเชีย ในภาคส่วนเช่น e-commerce, ride-hailing, และการเงินดิจิทัล — ซึ่งผู้เล่นที่ได้รับทุนจำนวนมากหลายรายแข่งขันกันในอัตรากำไรที่น้อย — ความรู้ในการดำเนินงานที่ฝังอยู่ในคำถาม AI ของคุณนั้นเป็นกรรมสิทธิ์อย่างแท้จริง ตรรมชาติของการแบ่งส่วนลูกค้า ฮิวริสติกการตรวจจับการฉ้อโกง โมเดลความยืดหยุ่นของราคา: สิ่งเหล่านี้ไม่ใช่สิ่งที่คุณจะมอบให้ที่ปรึกษา แต่คุณอาจมอบให้ผู้ให้บริการโมเดล

ผู้ก่อตั้งเทคโนโลยีเอเชียต้องเริ่มพิจารณาการเลือกโมเดล AI เป็นการตัดสินใจด้านการจัดการข้อมูล ไม่ใช่แค่การตัดสินใจด้านวิศวกรรม ตัวเลือกโครงสร้างพื้นฐานที่คุณทำวันนี้กำหนดว่าใครจะเรียนรู้จากธุรกิจของคุณในวันพรุ่งนี้

ความหมายสำหรับนักพัฒนา

สำหรับนักพัฒนาที่สร้างสรรค์ผลิตภัณฑ์ที่ขับเคลื่อนด้วย AI — ไม่ว่าจะบน MonstarX หรือแพลตฟอร์มอื่นใด — คำเตือนของ Nadella แปลเป็นชุดคำถามด้านสถาปัตยกรรมที่เป็นรูปธรรมซึ่งควรค่าแก่การถามก่อนที่คุณจะปล่อยออกมา

Model exhaust ของคุณไปที่ไหน เมื่อคุณเรียก API โมเดลที่เป็นกรรมสิทธิ์ ให้ตรวจสอบข้อกำหนดของผู้ให้บริการอย่างระมัดระวัง หลายแห่งสงวนสิทธิ์ในการใช้ปฏิสัมพันธ์ API เพื่อการปรับปรุงโมเดล เว้นแต่คุณจะปฏิเสธอย่างชัดแจ้ง — และกลไกการปฏิเสธไม่ได้ชัดเจนหรือสมบูรณ์เสมอไป

คุณกำลังเพิ่มบริบทมากเกินไปหรือไม่ ยิ่งคุณใส่บริบทธุรกิจลงในระบบ prompt มากเท่าไร เพื่อปรับปรุงประสิทธิภาพของโมเดล คุณก็ยิ่งเปิดเผยความรู้ขององค์กรมากขึ้นเท่านั้น วิศวกรรม prompt ที่ดีไม่ใช่แค่เรื่องของความแม่นยำ — มันเกี่ยวกับการลดพื้นผิวของสิ่งที่คุณเปิดเผย ถามว่าโมเดลที่เล็กกว่า ที่โฮสต์ในท้องถิ่น ที่มีบริบทน้อยกว่า สามารถบรรลุ 80% ของผลลัพธ์ด้วยการเปิดเผยเพียงเศษส่วนได้หรือไม่

กลยุทธ์ open-weight ของคุณคืออะไร โมเดลเช่น Llama series ของ Meta, Mistral, และรายชื่อที่เพิ่มขึ้นของโมเดลที่มีต้นกำเนิดจากเอเชีย (รวมถึงโมเดลจากทีม Qwen ของ Alibaba และ DeepSeek) ตอนนี้มีความสามารถที่แท้จริงในระดับที่กรณีการใช้งานการผลิตจำนวนมากสามารถแก้ไขได้อย่างเต็มที่ การรันการอนุมานบนโครงสร้างพื้นฐานของคุณเองหมายความว่า model exhaust ของคุณยังคงเป็นของคุณ

คุณกำลังจัดโครงสร้าง agent memory อย่างไร ขั้นตอนการทำงาน Agentic — ซึ่งโมเดล AI เรียกใช้เครื่องมือ ดำเนินการ และวนซ้ำบนการแก้ไข — เป็นสถานการณ์ exhaust สูงที่ Nadella กำลังเตือน หากตัวแทนของคุณทำการแก้ไขตามตรรมชาติของธุรกิจที่เป็นกรรมสิทธิ์ สัญญาณการแก้ไขนั้นจึงมีความไว้วางใจเป็นพิเศษ จัดโครงสร้าง agent memory และลูปข้อเสนอแนะเพื่อให้การเรียนรู้ยังคงอยู่บนโครงสร้างพื้นฐานที่คุณควบคุม

คำตอบในทางปฏิบัติสำหรับทีมส่วนใหญ่ไม่ใช่เรื่องของ "ไม่เคยใช้โมเดลที่เป็นกรรมสิทธิ์" มันเป็นแนวทางแบบชั้นบันได: ใช้โมเดลที่เป็นกรรมสิทธิ์สำหรับงานที่มีวัตถุประสงค์ทั่วไปซึ่งคุณไม่ได้เปิดเผยข่าวกรรมการแข่งขัน และใช้โมเดล open-weight ที่โฮสต์เอง หรือปรับแต่ง สำหรับขั้นตอนการทำงานที่สัมผัสตรรมชาติของธุรกิจหลักของคุณ ชั้น connectors ของสแต็ก AI ของคุณควรออกแบบด้วยความแตกต่างนี้ — ไม่เพียงแต่เพื่อประสิทธิภาพ แต่เพื่อการกักเก็บข้อมูล

นอกจากนี้ยังมีการเปลี่ยนแปลงวัฒนธรรมนักพัฒนาที่บ่งชี้ที่นี่ สัญชาตญาณในทีมที่เคลื่อนไหวอย่างรวดเร็วคือการเพิ่มประสิทธิภาพเพื่อความเร็ว: เลือกโมเดลที่ดีที่สุด ให้บริบทสูงสุด ปล่อยออกมา คำเตือนของ Nadella เป็นข้อโต้แย้งสำหรับการชะลอตัวของสัญชาตญาณนั้นลงเพียงพอเพื่อถามว่าใครได้ประโยชน์จากสิ่งที่คุณป้อนให้กับโมเดล นั่นไม่ใช่ความหวาดกลัว — มันเป็นวินัยด้านวิศวกรรมที่นำไปใช้กับคลาสความเสี่ยงของโครงสร้างพื้นฐานใหม่

ประเด็นสำคัญ

บทความของ Nadella สั้น แต่ผลกระทบนั้นกว้างขวาง นี่คือสิ่งที่นักพัฒนาและผู้ก่อตั้งควรจำไว้:

• ค่าใช้จ่ายของโมเดลไม่ใช่แค่ทางการเงิน ทุกปฏิสัมพันธ์กับโมเดลที่เป็นกรรมสิทธิ์เป็นการโอนข้อมูลที่อาจเกิดขึ้น ค่า token คือต้นทุนที่มองเห็นได้ การรั่วไหลของความรู้คือต้นทุนที่มองไม่เห็น
• Model exhaust เป็นพื้นผิวการโจมตีที่แท้จริง คำถาม การเรียกใช้เครื่องมือ และสัญญาณการแก้ไขเข้ารหัสความรู้ขององค์กร ปฏิบัติต่อพวกเขาด้วยความไว้วางใจเดียวกัน