Tokenmaxxing คืออะไรและทำไมธุรกิจต้องให้ความสำคัญ

การใช้ AI สร้างสรรค์ ได้รับความนิยมอย่างรวดเร็วในสองปีที่ผ่านมา โดยแพลตฟอร์มโมเดลภาษาขนาดใหญ่ (LLM) อย่าง Claude รายงานว่ามีผู้ใช้จ่ายเงินจำนวน 28 ล้านคน ในสหรัฐอเมริกาเมื่อเดือนมีนาคม การเร่งรีบนี้ทำให้หลายองค์กรต้องลงทุนเพื่อไม่ให้ตกเทรนด์และเพิ่มประสิทธิภาพการทำงาน อย่างไรก็ตาม ความแตกต่างระหว่างความพร้อมด้านการกำกับดูแลและทักษะ AI กำลังขยายกว้างขึ้น “Tokenmaxxing” จึงกลายเป็นแนวโน้มใหม่ที่บริษัทหลายแห่งผลักดันให้พนักงานใช้ AI มากที่สุดแม้จะอาจนำมาซึ่งความเสี่ยงด้านความปลอดภัย

Overview

การกำหนด token คือหน่วยข้อมูลที่โมเดล AI ประมวลผล เช่น คำหรืออักขระหนึ่งตัวในคำสั่งค้นหา LLM การ “Tokenmaxxing” จึงหมายถึงการออกแบบพรอมต์ให้ซับซ้อนและละเอียดที่สุดเพื่อให้ได้ผลลัพธ์จาก AI มากที่สุด ตัวอย่างเช่น การใส่ข้อมูลรายละเอียดมากเกินไป หรือการขอให้โมเดลแสดงขั้นตอนการทำงานทีละขั้นโดยไม่ย่อเป็นสรุปสั้น ๆ แนวโน้มนี้เกิดขึ้นจากความกดดันของผู้บริหารที่ต้องพิสูจน์ผลตอบแทนการลงทุน (ROI) ของ AI อย่างชัดเจน

บริษัทเทคโนโลยีบางแห่ง เช่น Meta เริ่มทำให้ Tokenmaxxing กลายเป็นเกมภายในองค์กร โดยวัดและจัดอันดับพนักงานตามจำนวน token ที่ใช้ และตั้งชื่อ “Token Legends” ให้กับผู้ที่ได้คะแนนสูงสุด การมองว่า AI ใช้งานมากแปลว่าก้าวหน้าเป็นการตีความที่อาจทำให้ข้ามขั้นตอนการประเมินคุณค่าเชิงธุรกิจจริง

Key Details

จากข้อมูลของผู้จำหน่าย LLM พบว่า **52 % ของแพลตฟอร์มเหล่านี้ถูกจัดให้อยู่ในระดับ “high risk” มากกว่าซอฟต์แวร์ SaaS แบบดั้งเดิม เนื่องจากมีการเข้าถึงข้อมูลที่ละเอียดอ่อน เช่น ความลับทางธุรกิจ กระบวนการทำงานภายใน และทรัพย์สินทางปัญญา การใช้ Tokenmaxxing อย่างไม่ระมัดระวังจึงเพิ่มความเสี่ยงต่อการรั่วไหลของข้อมูล

แนวโน้ม “ทดลองและผิดพลาด” ที่เกิดจากการนำ AI ไปใช้อย่างรวดเร็วทำให้หลายองค์กรยังคงพึ่งระบบเทคโนโลยีเดิมที่ควบคุมโดยทีมจัดซื้อและความปลอดภัย ระบบเหล่านี้ไม่ได้ออกแบบมาสำหรับความคล่องตัวของ AI ส่งผลให้ทั้งนวัตกรรมและการปฏิบัติตามกฎระเบียบล่าช้าไปพร้อมกัน

เมื่อพนักงานต้องทำงานภายใต้แรงกดดันสูง พวกเขาอาจหลบเลี่ยงขั้นตอนอนุมัติจากทีมความปลอดภัย ทำให้เกิด Shadow AI หรือเครื่องมือ AI ที่ไม่ได้รับการตรวจสอบและควบคุม ภายในองค์กรมีรายงานว่ามี **70 % ของลูกค้าไซเบอร์ซีเคียวริตี้ 16,000 ราย มี Shadow AI ปกคลุมอยู่

Hidden Costs

ข้อมูลอุตสาหกรรมระบุว่า 36 % ของการใช้ IT แบบเงา (Shadow IT) เพิ่มขึ้นปีต่อปี โดยบริษัทส่วนใหญ่ค้นพบเครื่องมือ Shadow IT ประมาณ 140** เครื่องภายใน 90 วันหลังจากเชื่อมต่อกับแพลตฟอร์ม การติดตั้งซ้ำของเครื่องมือที่ถูกยกเลิกโดยทีมความปลอดภัยทำให้ค่าใช้จ่ายและความเสี่ยงเพิ่มพูนอย่างมาก

โดยเฉพาะในช่วง 30 วัน บริษัทโดยเฉลี่ยต้องเผชิญกับการติดตั้งใหม่กว่า 100 ครั้ง ของเครื่องมือ AI ที่ถูกระงับ และภายในหนึ่งปีจำนวนนี้อาจเกิน 1,000 ครั้ง การกระทำเหล่านี้สะท้อนให้เห็นว่าความเร็วของการรับเอา AI เข้ามาใช้นั้นไล่ตามความสามารถในการกำกับดูแลได้ไม่เท่า

How to Defend

เพื่อป้องกัน Shadow AI ไม่ได้หมายถึงต้องยกเลิก Tokenmaxxing แต่ควรปรับกระบวนการจัดซื้อและตรวจสอบให้ทันต่อความเร็วของนวัตกรรม AI การทำเช่นนี้จะลดช่องโหว่ระหว่างความต้องการของพนักงานกับข้อจำกัดด้านความปลอดภัย

องค์กรสามารถเริ่มต้นด้วยขั้นตอนสำคัญสามประการ:

• ย่อระยะเวลาในการตรวจสอบผู้ให้บริการ ให้สอดคล้องกับอัตราการนำ AI เข้ามาใช้
• ตั้งระบบเฝ้าตรวจจับต่อเนื่อง เพื่อค้นหาภัยคุกคามที่มาจาก Tokenmaxxing ก่อนที่จะทำลายความปลอดภัยของข้อมูล
• จัดฝึกอบรมและกำหนดนโยบายการใช้ AI ให้พนักงานเข้าใจวิธีปกป้องข้อมูลสำคัญและทรัพย์สินทางปัญญา

การจับคู่ระหว่างความเร็วและการกำกับดูแลเป็นภารกิจหลักของทีมความปลอดภัยในยุคที่ AI กำลังขยายอิทธิพลอย่างต่อเนื่อง

Impact

หากองค์กรไม่เร่งแก้ไขช่องว่างระหว่างการทดลองใช้ AI และการควบคุม ความเสี่ยงด้านข้อมูลและภาพลักษณ์ของบริษัทอาจเพิ่มสูงขึ้น ผู้บริหารต้องตระหนักว่าการมุ่งเน้นที่ จำนวน token ที่ใช้อาจทำให้พลาดการประเมินคุณค่าที่แท้จริงจาก AI ทั้งในแง่ของประสิทธิภาพ การลดต้นทุน และการสร้างนวัตกรรมใหม่

โดยสรุป การจัดการ Tokenmaxxing อย่างสมดุลจะช่วยให้องค์กรสามารถใช้ประโยชน์จากเทคโนโลยี AI ได้อย่างปลอดภัยและมีประสิทธิผล ในขณะเดียวกันก็หลีกเลี่ยงความเสี่ยงที่อาจทำให้ข้อมูลสำคัญรั่วไหลหรือเสียหายได้

Summary

Tokenmaxxing คือการออกคำสั่งให้ AI ทำงานด้วยข้อมูลละเอียดที่สุดเพื่อเพิ่มผลลัพธ์ แม้จะดูเป็นวิธีเพิ่มประสิทธิภาพ แต่ก็สร้างความเสี่ยงด้านความปลอดภัยสูงโดยเฉพาะเมื่อเกิด Shadow AI การปรับกระบวนการจัดซื้อ การเฝ้าตรวจจับต่อเนื่อง และการฝึกอบรมพนักงานเป็นแนวทางสำคัญที่องค์กรควรดำเนินการทันที.