วางงบโปรเจกต์ AI อย่างไรไม่ให้บานปลาย

งบประมาณโปรเจกต์ AI มีค่าใช้จ่ายมากกว่าค่าโมเดล บทความนี้อธิบายต้นทุนด้านข้อมูล ระบบ บุคลากร Security และการดูแลหลังเปิดใช้ เพื่อช่วยองค์กรวางงบได้ครบก่อนเริ่มโครงการ

การตั้งงบ AI จากค่า License หรือค่า API เพียงอย่างเดียวทำให้งบประมาณคลาดเคลื่อนได้ง่าย เพราะต้นทุนส่วนใหญ่ของโครงการองค์กรอาจอยู่ที่การจัดเตรียมข้อมูล การเชื่อมระบบ และการควบคุมคุณภาพ

องค์กรจึงไม่ควรถามเพียงว่าโปรเจกต์ AI ราคาเท่าไร แต่ควรกำหนดขอบเขต จำนวนผู้ใช้ ปริมาณงาน ระบบที่ต้องเชื่อม ระดับความแม่นยำ และความเสี่ยงที่ยอมรับได้ก่อน

เงินของโปรเจกต์ AI ใช้กับอะไรบ้าง

ส่วนแรกคือการค้นหาและเตรียมข้อมูล ครอบคลุมการตรวจคุณภาพ การลบข้อมูลซ้ำ การกำหนดสิทธิ์ และการจัดเอกสารให้อยู่ในรูปแบบที่ AI ค้นหาได้ ส่วนที่สองคือการพัฒนาระบบ ตั้งแต่การออกแบบ Workflow หน้าจอ การเชื่อม ERP หรือ CRM ไปจนถึงการสร้างระบบอนุมัติและบันทึกการใช้งาน

ส่วนที่สามคือการดำเนินงานหลังเปิดใช้ เช่น ค่า Cloud ค่าโมเดล Monitoring การทดสอบคำตอบ การอัปเดตฐานความรู้ Security และทีม Support หากระบบเกี่ยวข้องกับข้อมูลส่วนบุคคลหรือกระบวนการสำคัญ ยังต้องเผื่องบสำหรับกฎหมายและการประเมินความเสี่ยง

ควรแบ่งงบเป็นกี่ระยะ

ควรแบ่งเป็นระยะประเมินปัญหา ระยะ Pilot ระยะ Production และระยะขยายผล แต่ละระยะต้องมีเกณฑ์ผ่าน เช่น ความถูกต้องขั้นต่ำ เวลาที่ลดลง อัตราการใช้งาน และจำนวนข้อผิดพลาดที่ต้องแก้ด้วยคน

AWS แนะนำให้ประเมินต้นทุน Generative AI จากทั้งการเลือกโมเดลและความต้องการด้านโครงสร้างพื้นฐาน ไม่ใช่ดูเฉพาะราคาต่อ Token

คำถามที่พบบ่อย

มีงบขั้นต่ำตายตัวสำหรับโปรเจกต์ AI หรือไม่

ไม่มี เพราะต้นทุนขึ้นอยู่กับข้อมูล การเชื่อมระบบ ปริมาณผู้ใช้ ความเสี่ยง และข้อกำหนดด้านความปลอดภัย

ควรกันงบสำรองหรือไม่

ควรกันงบสำหรับการปรับข้อมูล การทดสอบเพิ่มเติม และการเปลี่ยน Workflow หลังได้รับความคิดเห็นจากผู้ใช้จริง

สรุป

งบ AI ที่ครบต้องครอบคลุมข้อมูล การพัฒนา การเชื่อมระบบ ความปลอดภัย การใช้งาน และการดูแลระยะยาว การแบ่งงบเป็นระยะพร้อมเกณฑ์ผ่านช่วยให้องค์กรควบคุมต้นทุนและหยุดโครงการได้ก่อนงบบานปลาย