CEO Palantir ระบุว่าลูกค้าองค์กรไม่พอใจกับห้องทดลอง AI แน…

Palantir CEO Alex Karp ให้สัมภาษณ์กับ CNBC เมื่อวันพุธโดยบ่งชี้ว่า ลูกค้าองค์กรส่วนใหญ่ไม่พอใจกับห้องทดลอง AI ระดับแนวหน้าที่กำลังเตรียมเข้าตลาดหลักทรัพย์เช่น Anthropic และ OpenAI คำวิจารณ์ของ Karp ทำให้เห็นความแตกต่างระหว่างแนวคิด “optimism” ของห้องทดลองเหล่านั้นกับความต้องการจริงของธุรกิจ ซึ่งอาจเป็นปัจจัยสำคัญที่ทำให้ Palantir ยังคงเติบโตได้ในตลาด AI ที่ซับซ้อน

Overview

Alex Karp ระบุว่าห้องทดลอง AI แนวหน้าอาศัย “ศาสนาความเชื่อมั่นเกินจริง” ที่เชื่อว่ารุ่นภาษาขนาดใหญ่ (LLM) จะสามารถแก้ไขทุกปัญหาได้โดยไม่ต้องคำนึงถึงข้อจำกัดของลูกค้าองค์กร การมองว่า “ทุกปัญหาในอดีต ปัจจุบันและอนาคต” จะถูกแก้โดยเทคโนโลยีเดียวทำให้หลายองค์กรรู้สึกเบื่อและหันไปหาทางเลือกอื่น

• ลูกค้าองค์กรหลายรายบ่นว่าห้องทดลอง AI ไม่เข้าใจความต้องการของธุรกิจ
• Palantir นำเสนอระบบ Foundry ที่ทำหน้าที่เป็นแพลตฟอร์มรวมข้อมูลแบบ AI‑agnostic
• Gartner ประมาณว่าเพียง **28 % ของการใช้ AI ในองค์กรบรรลุผลตอบแทนตามคาด

Customer Sentiment

ตามข้อมูลที่ Karp เปิดเผย ลูกค้าองค์กรของ Palantir “ทุกคน” แสดงความไม่พอใจกับการให้บริการของ Anthropic และ OpenAI ลูกค้าเหล่านี้มักกล่าวว่าห้องทดลองเหล่านั้น “ไม่เข้าใจสภาพแวดล้อมขององค์กร” และ “ไม่ใส่ใจปัญหาทางเทคนิคที่เกิดขึ้นเมื่อทำการปรับใช้โมเดล” การสื่อสารที่ขาดหายนี้ทำให้ความเชื่อมั่นของผู้ใช้ลดลงอย่างเห็นได้ชัด

การวิจารณ์นี้สอดคล้องกับผลสำรวจของ Gartner ที่ระบุว่า **72 % ของโครงการ AI ที่เริ่มต้นยังไม่สามารถสร้างผลตอบแทนที่คาดหวังได้ อีกทั้งส่วนใหญ่ยังคงติดอยู่ในขั้นตอนทดลอง (pilot) ซึ่งบ่งบอกถึงความท้าทายในการเปลี่ยนแนวคิด AI ให้เป็นการใช้งานจริงในองค์กร

Palantir's Foundry Approach

Palantir ตอบสนองต่อความต้องการนี้โดยใช้ Foundry เป็น “แพลตฟอร์มรวมข้อมูลที่ไม่จำกัดต่อผู้ให้บริการ LLM” ซึ่งอนุญาตให้ลูกค้าเลือกโมเดลใดก็ได้ตามความต้องการของตน ระบบจะทำหน้าที่เชื่อมต่อแหล่งข้อมูลที่หลากหลายและทำการประมวลผลอย่างเป็นระบบ ก่อนนำผลลัพธ์ไปใช้กับโมเดล AI ที่ลูกค้าเลือก

แนวคิด “AI‑agnostic” นี้ทำให้ลูกค้าไม่ต้องพึ่งพาเพียงผู้ให้บริการโมเดลเดียว จึงลดความเสี่ยงจากการที่โมเดลนั้นอาจไม่ตอบโจทย์ทางธุรกิจ หรือมีค่าใช้จ่ายด้าน token สูงเกินไป ระบบของ Palantir ยังรวมเครื่องมือวิเคราะห์ข้อมูลเชิงลึก (cognitive analytics) ที่ช่วยให้ผู้ใช้เข้าใจข้อมูลที่ซับซ้อนได้ดีขึ้น

AI ROI Landscape

การที่หลายองค์กรยังคงลงทุนในโครงการ AI แม้ผลตอบแทนจะยังไม่ชัดเจน สะท้อนให้เห็นถึง “การขุดถ่านเพื่อหาไฟ” ที่อาจไม่มีประสิทธิภาพ Karp ชี้ให้เห็นว่าการลงทุนใน AI ที่ไม่ได้รับการสนับสนุนโดยโครงสร้างพื้นฐานที่แข็งแรงมักทำให้โครงการกลายเป็น “ขาดทุน” เนื่องจากค่าใช้จ่ายด้าน token และค่าใช้จ่ายด้านการบำรุงรักษาโมเดลที่สูง

โดยเฉพาะอย่างยิ่ง แนวโน้ม “tokenmax” ที่ผู้ใช้มองว่าการใช้ token มากเป็นตัวชี้วัดประสิทธิภาพ ทำให้ค่าใช้จ่ายเพิ่มขึ้นอย่างต่อเนื่อง Google CEO Sundar Pichai ได้ยอมรับปรากฏการณ์นี้ในงาน I/O เมื่อเดือนที่แล้ว ซึ่งสอดคล้องกับข้อมูลที่ Karp ยกว่า OpenAI กำลังพิจารณาลดค่าใช้จ่ายต่อ token เพื่อต่อสู้กับ Anthropic ในการดึงดูดลูกค้า

Competitive Dynamics

Karp ยังวิจารณ์การที่ OpenAI ซื้อบริษัทให้คำปรึกษา AI สัญชาติอังกฤษ Tomoro เพื่อจัดตั้ง “OpenAI Deployment Company” ซึ่งเขาเรียกว่า “การลอกเลียนแบบความสำเร็จของ Palantir” นอกจากนี้เขายังกล่าวว่าเทคโนโลยีของ Anthropic ที่ได้รับการยกย่องในสาธารณะส่วนใหญ่ “ทำงานได้ดีเพราะรันบน Palantir”

แม้จะยอมรับว่าห้องทดลองเหล่านี้มีวิศวกรคุณภาพ แต่ Karp ย้ำว่า “ไม่มีประโยชน์เลยถ้าพวกเขาไม่เข้าใจปัญหาจริงขององค์กร” การที่บริษัทเหล่านี้มุ่งเน้นการขายโมเดลโดยไม่ให้บริการโครงสร้างพื้นฐานที่เหมาะสม ทำให้การสร้างมูลค่าในระยะยาวอาจยากต่อการทำให้สำเร็จ

Analysis

จากมุมมองของสำนักข่าว การวิจารณ์ของ Karp สะท้อนให้เห็นช่องว่างระหว่าง “เทคโนโลยี AI ขั้นสูง” กับ “การประยุกต์ใช้ในธุรกิจจริง” ความสำคัญของโครงสร้างพื้นฐานและการบูรณาการข้อมูลที่ Palantir นำเสนออาจเป็นตัวแปรสำคัญที่ทำให้ลูกค้าองค์กรยังคงมองหาโซลูชันที่ไม่จำกัดต่อผู้ให้บริการโมเดลเดียว

อย่างไรก็ตาม การอ้างอิงถึงผลสำรวจของ Gartner แสดงให้เห็นว่าปัญหาในการทำ ROI ของ AI ยังคงเป็นความท้าทายระดับอุตสาหกรรม การแก้ไขโดยการพัฒนาแพลตฟอร์มเช่น Foundry อาจช่วยลดความเสี่ยง แต่ก็ต้องเผชิญกับการแข่งขันที่เพิ่มขึ้นจากผู้ให้บริการโมเดลที่พยายามปรับตัวโดยการลดค่าใช้จ่ายและเพิ่มบริการด้านการปรับใช้

Summary

Alex Karp แสดงความไม่พอใจกับห้องทดลอง AI แนวหน้าและชี้ให้เห็นว่าความสำเร็จของ Palantir มาจากการให้โครงสร้างพื้นฐานที่เข้าใจความต้องการขององค์กร การต่อสู้ระหว่างโมเดล AI กับแพลตฟอร์มบูรณาการข้อมูลยังคงเป็นประเด็นหลักที่กำหนดทิศทางของการลงทุน AI ในระดับองค์กรต่อไป.