ผู้เขียน：深思圈
คุณเคยคิดไหมว่า อุตสาหกรรมซอฟต์แวร์อาจกำลังเผชิญกับการเปลี่ยนแปลงที่รุนแรงกว่าการเปลี่ยนจากบรรทัดคำสั่งไปเป็นอินเทอร์เฟซกราฟิก? เมื่อไม่นานมานี้ได้ฟังการแบ่งปันของ David George จาก a16z เกี่ยวกับวิเคราะห์เชิงลึกของตลาด AI ซึ่งทำให้ผมตะลึงกับข้อมูลชุดหนึ่ง นั่นคือ บริษัท AI ที่เติบโตเร็วที่สุดกำลังขยายตัวด้วยอัตราการเติบโตต่อปีถึง 693% ในขณะที่การใช้จ่ายด้านการขายและการตลาดของพวกเขานั้นต่ำกว่าบริษัทซอฟต์แวร์แบบดั้งเดิมอย่างมาก นี่ไม่ใช่กรณีเฉพาะกลุ่ม แต่เป็นปรากฏการณ์ที่กลุ่มบริษัท AI ทั้งหมดมีอัตราการเติบโตมากกว่าบริษัทซอฟต์แวร์ทั่วไปถึง 2.5 เท่า ยิ่งไปกว่านั้น สิ่งที่น่าประหลาดใจคือ ARR ต่อ FTE (รายได้ประจำปีต่อพนักงานเต็มเวลา) ของบริษัทเหล่านี้อยู่ในช่วง 50,000 ถึง 100,000 ดอลลาร์สหรัฐ ในขณะที่มาตรฐานของซอฟต์แวร์รุ่นก่อนอยู่ที่ประมาณ 40,000 ดอลลาร์
นั่นหมายความว่าอะไร? หมายความว่าเราได้เห็นการถือกำเนิดของโมเดลธุรกิจใหม่ ที่ใช้คนงานน้อยลง ต้นทุนต่ำลง แต่สร้างคุณค่ามากขึ้นในยุคนี้
David George กล่าวในงานว่า นี่ไม่ใช่แค่การปรับเปลี่ยนเล็กน้อย แต่เป็นการเปลี่ยนแปลงแนวคิดแบบรากฐานที่สำคัญ แนวคิดหลักอย่างการควบคุมเวอร์ชัน เทมเพลต เอกสาร หรือแม้แต่แนวคิดของผู้ใช้ ก็ถูกนิยามใหม่โดยกระบวนการทำงานที่ขับเคลื่อนด้วย AI agent ผมเชื่ออย่างสนิทใจว่า ในอีก 5 ปีข้างหน้า บริษัทที่ไม่สามารถปรับตัวให้เข้ากับการเปลี่ยนแปลงนี้จะถูกทิ้งไว้ข้างหลังอย่างแน่นอน
ความจริงอันน่าตื่นเต้นของการเติบโตของบริษัท AI
ข้อมูลที่ David George แสดงให้เห็นในงานทำให้ผมคิดใหม่เกี่ยวกับคำว่า “การเติบโต” สำหรับปี 2025 เป็นปีแห่งการเร่งตัวของการเติบโตของบริษัท AI หลังจากที่ในปี 2022, 2023, 2024 ซึ่งเกิดจากอัตราดอกเบี้ยที่สูงขึ้นและภาวะหดตัวของอุตสาหกรรมเทคโนโลยี ทำให้การเติบโตชะลอลง ปี 2025 กลับกลายเป็นจุดเปลี่ยนที่พลิกแนวโน้มนี้อย่างสิ้นเชิง สิ่งที่น่าตกใจที่สุดคือ ในกลุ่มบริษัทที่จัดอันดับตามระดับต่าง ๆ บริษัทที่เป็น outliers จริง ๆ นั้นมีอัตราการเติบโตที่น่าทึ่งมาก
ตอนแรกที่ผมเห็นข้อมูลนี้ ความรู้สึกแรกคือ: ตัวเลขนี้ผิดไหม? บริษัท AI ที่ทำผลงานดีที่สุดเติบโตถึง 693% ในปีเดียวกัน David บอกว่าทีมของเขายังตรวจสอบตัวเลขนี้ซ้ำสามรอบเพื่อความแน่ใจ แต่ก็เป็นไปตามข้อมูลและกรณีศึกษาที่พวกเขาได้รับจากพอร์ตโฟลิโอของบริษัท ซึ่งไม่ใช่ปรากฏการณ์เดี่ยว แต่เป็นการเปลี่ยนแปลงเชิงระบบในวงกว้างของอุตสาหกรรม AI
สิ่งที่สำคัญกว่าคือ คุณภาพของการเติบโตนี้ ซึ่งแตกต่างจากซอฟต์แวร์แบบดั้งเดิมที่ต้องใช้เวลานานกว่าจะถึงรายได้ 100 ล้านดอลลาร์ บริษัท AI ที่เติบโตเร็วที่สุดสามารถบรรลุเป้าหมายนี้ได้อย่างรวดเร็วมาก David เน้นย้ำว่า นี่ไม่ใช่เพราะพวกเขาใช้จ่ายด้านการขายและการตลาดมากขึ้น ตรงกันข้าม บริษัท AI ที่เติบโตเร็วที่สุดกลับใช้งบประมาณด้านนี้น้อยกว่าบริษัท SaaS แบบดั้งเดิม พวกเขาเติบโตเร็วขึ้นในขณะที่ใช้จ่ายน้อยลง เหตุผลคืออะไร? ก็เพราะความต้องการของลูกค้าในตลาดนั้นรุนแรงมาก และผลิตภัณฑ์เองก็มีเสน่ห์ดึงดูดใจอย่างมาก
ผมเชื่อว่านี่เป็นการเปลี่ยนแปลงเชิงกลยุทธ์ทางธุรกิจอย่างลึกซึ้ง ในยุคซอฟต์แวร์เดิม การเติบโตมักขึ้นอยู่กับทีมขายและงบประมาณการตลาดจำนวนมหาศาล คุณต้องสร้างความรู้ความเข้าใจในตลาด ชักชวนลูกค้า และเอาชนะอุปสรรคในการนำไปใช้ แต่ในยุค AI ผลิตภัณฑ์ที่ดีจริงสามารถพูดแทนตัวเองได้ เมื่อผลิตภัณฑ์สามารถสร้างคุณค่าให้ผู้ใช้ได้ทันที และทำให้ผู้ใช้รู้สึกถึงประสิทธิภาพที่เพิ่มขึ้นตั้งแต่การใช้งานครั้งแรก ความต้องการในตลาดก็จะเกิดขึ้นเอง รูปแบบการเติบโตที่ขับเคลื่อนด้วยผลิตภัณฑ์นี้ จัดเป็นโมเดลที่แข็งแรงและยั่งยืนมากกว่าการขายแบบเดิม
อีกชุดข้อมูลที่ David นำเสนอ ก็มีความน่าสนใจไม่น้อย บริษัท AI มีอัตรากำไรขั้นต้น (Gross Margin) ที่ต่ำกว่าบริษัทซอฟต์แวร์แบบดั้งเดิมเล็กน้อย ซึ่งทีมของเขามีมุมมองที่ไม่ธรรมดา กล่าวว่าความต่ำของอัตรากำไรขั้นต้นในบริษัท AI ในบางกรณีเป็นเหมือนเครื่องหมายเกียรติยศ เพราะถ้าความต่ำนี้เกิดจากต้นทุน inference สูง (ค่า inference costs) ก็แปลว่าผู้ใช้กำลังใช้งานฟีเจอร์ AI จริง ๆ และเมื่อเวลาผ่านไป ต้นทุน inference ก็จะลดลง ดังนั้น ถ้าพบบริษัท AI ที่มีอัตรากำไรสูงผิดปกติ ก็อาจเป็นสัญญาณว่าฟีเจอร์ AI นั้นไม่ได้ถูกใช้งานจริง หรือไม่ได้เป็นสิ่งที่ลูกค้าต้องการซื้อ
ทำไมบริษัท AI ถึงทำงานได้อย่างมีประสิทธิภาพมากขึ้น
ผมคิดอยู่เสมอว่า ทำไมซอฟต์แวร์บริษัทเดียวกัน แต่บริษัท AI ถึงสามารถใช้คนงานน้อยลงสร้างรายได้มากขึ้นได้? David เน้นย้ำในเรื่อง ARR ต่อ FTE ซึ่งเป็นตัวชี้วัดประสิทธิภาพโดยรวมของบริษัท ไม่ใช่แค่ด้านการขายและการตลาดเท่านั้น แต่รวมถึงการบริหารจัดการและการวิจัยและพัฒนาด้วย
บริษัท AI ชั้นนำมี ARR ต่อ FTE อยู่ในช่วง 50,000 ถึง 100,000 ดอลลาร์ ขณะที่มาตรฐานของซอฟต์แวร์รุ่นก่อนอยู่ที่ประมาณ 40,000 ดอลลาร์ นี่อาจดูเป็นความแตกต่างเล็กน้อยในตัวเลข แต่เบื้องหลังคือความแตกต่างของโมเดลธุรกิจและวิธีการดำเนินงานอย่างสิ้นเชิง David เชื่อว่าสาเหตุสำคัญคือความต้องการของตลาดที่มีอยู่สูงมาก ทำให้พวกเขาต้องใช้ทรัพยากรน้อยลงในการนำเสนอผลิตภัณฑ์ออกสู่ตลาด
แต่ผมมองว่านี่เป็นเพียงเหตุผลผิวเผิน สาเหตุที่แท้จริงคือ บริษัท AI ตั้งแต่แรกเริ่มถูกบังคับให้คิดใหม่เกี่ยวกับวิธีการดำเนินงาน พวกเขาไม่มีทางเลือก ต้องใช้ AI ในการออกแบบกระบวนการภายใน การพัฒนาผลิตภัณฑ์ และระบบสนับสนุนลูกค้า การบังคับให้ต้องนวัตกรรมนี้ กลับเป็นแรงผลักดันให้พวกเขาค้นพบโมเดลธุรกิจที่มีประสิทธิภาพมากขึ้น
David เล่าเรื่องตัวอย่างที่น่าประทับใจ เขาบอกว่าเมื่อไม่นานมานี้คุยกับผู้ก่อตั้งบริษัทแห่งหนึ่ง ซึ่งเขาไม่พอใจกับความคืบหน้าของผลิตภัณฑ์ จึงสั่งให้วิศวกรสองคนที่เชี่ยวชาญด้าน AI ใช้ Claude Code, Cursor และเครื่องมือเขียนโปรแกรมล่าสุด เริ่มสร้างใหม่ตั้งแต่ต้น ผลลัพธ์คือ ผู้ก่อตั้งบอกว่าความคืบหน้ารวดเร็วขึ้น 10-20 เท่า และค่าใช้จ่ายด้านเครื่องมือก็สูงจนทำให้เขาต้องคิดใหม่เกี่ยวกับโครงสร้างองค์กร
ตัวอย่างนี้ทำให้ผมประทับใจมาก เพราะไม่ใช่แค่การปรับปรุงเล็กน้อย แต่เป็นการเปลี่ยนแปลงระดับจำนวนเท่า การเร่งความเร็ว 10-20 เท่า หมายความว่า โครงการที่เดิมใช้เวลาหนึ่งปี อาจเหลือเพียงไม่กี่เดือน ความแตกต่างนี้จะส่งผลต่อการแข่งขันอย่างรุนแรง ผู้ก่อตั้งคนนี้สรุปว่า เขาต้องให้ทั้งทีมผลิตภัณฑ์และวิศวกรรมทำงานในลักษณะนี้ และเชื่อว่าจะเกิดขึ้นในอีก 12 เดือนข้างหน้า นั่นหมายความว่า โครงสร้างองค์กรของทีมจะต้องเปลี่ยนแปลงอย่างรุนแรง ขอบเขตของผลิตภัณฑ์ การออกแบบ และการพัฒนาจะต้องถูกนิยามใหม่
ผมมองว่า ปี 2024 ธันวาคม จะเป็นจุดเปลี่ยนในวงการการเขียนโปรแกรมอย่างแท้จริง David ก็มีความรู้สึกเดียวกัน เขาบอกว่ารู้สึกว่าช่วงเวลานั้นเป็นจุดเปลี่ยนที่เครื่องมือเขียนโปรแกรมก้าวกระโดดไปอย่างมีนัยสำคัญ ในอีก 12 เดือนข้างหน้า การเปลี่ยนแปลงนี้จะเป็นจริงในบริษัทใดบริษัทหนึ่ง หรือบางบริษัทอาจช้ากว่าคนอื่นอย่างมาก นี่ไม่ใช่คำเตือน แต่เป็นความเป็นจริง
การปรับตัวให้เข้ากับ AI หรือถูกทิ้งไว้ข้างหลัง
David กล่าวในงานว่า สำหรับบริษัทที่ก่อตั้งก่อนยุค AI นั้น ต้องเลือกว่าจะปรับตัวให้เข้ากับยุค AI หรือจะตายไป ซึ่งฟังดูรุนแรง แต่ผมเห็นด้วยอย่างสนิทใจ การปรับตัวนี้ต้องเกิดขึ้นทั้งในระดับหน้าและหลัง
ในด้านหน้า บริษัทต้องคิดใหม่ว่าจะบูรณาการ AI เข้ากับผลิตภัณฑ์อย่างไร ไม่ใช่แค่ใส่แชทบอทเข้าไปในกระบวนการทำงานเดิม ต้องคิดให้กว้างและกล้าหาญในการเปลี่ยนแปลง David ยกตัวอย่างบริษัทซอฟต์แวร์ในยุคก่อน AI ซึ่งหัวหน้าบริษัทเปลี่ยนความคิดเป็นอย่างสิ้นเชิง เขาบอกว่า “เราต้องกลายเป็นบริษัท AI” ให้ผลิตภัณฑ์สามารถพูดได้ว่า “พนักงานของคุณตอนนี้กลายเป็น AI agent แล้ว” นี่คือแนวคิดที่เปลี่ยนแปลงอย่างรุนแรง
อีกตัวอย่างหนึ่งคือ CEO คนหนึ่งพูดว่า สำหรับงานที่ต้องทำในตอนนี้ ผมจะถามตัวเองเสมอว่า “ใช้ไฟฟ้าทำได้ไหม หรือจำเป็นต้องใช้เลือด?” นี่คือการเปลี่ยนแปลงแนวคิดอย่างสุดขั้ว ใช้ไฟฟ้าหมายถึงใช้ AI และอัตโนมัติ ใช้เลือดหมายถึงใช้แรงงานคน การเปลี่ยนแปลงนี้ลึกซึ้งมาก เพราะต้องทบทวนทุกกระบวนการและภารกิจขององค์กรใหม่ทั้งหมด
ในด้านหลัง บริษัทต้องใช้โมเดลและเครื่องมือเขียนโปรแกรมรุ่นล่าสุด พนักงานทุกคนควรใช้เครื่องมือช่วยเขียนโปรแกรมรุ่นใหม่ในทุกภาคส่วน จนถึงตอนนี้ การนำเทคโนโลยีในด้านการเขียนโปรแกรมมีอัตราการยอมรับสูงที่สุด ซึ่งเป็นจุดที่เห็นการเปลี่ยนแปลงอย่างชัดเจน แต่แนวโน้มนี้กำลังแพร่กระจายไปยังภาคส่วนอื่น ๆ ด้วย
David กล่าวว่าบริษัทในยุคก่อน AI ที่ยังอยู่ในช่วงเปลี่ยนผ่าน ยังคงอยู่ในช่วงเริ่มต้นของการเปลี่ยนแปลงโมเดลธุรกิจที่รุนแรงที่สุด เทคโนโลยีและผลิตภัณฑ์กำลังเปลี่ยนแปลงอย่างรวดเร็ว แต่โมเดลธุรกิจยังไม่เปลี่ยนแปลงอย่างเต็มที่ เขาเปรียบเทียบโมเดลธุรกิจเป็นสเปกตรัม ด้านซ้ายสุดคือโมเดล license (สิทธิ์ใช้งาน) ซึ่งเป็นโมเดลในยุคก่อน SaaS และการบำรุงรักษา ต่อมาเป็นโมเดล SaaS และ subscription ซึ่งเป็นนวัตกรรมสำคัญที่ทำลายล้างได้มาก แล้วก็เป็นโมเดล consumption-based ซึ่งเป็นโมเดลคิดค่าบริการตามการใช้งานในคลาวด์ ซึ่งหลายธุรกิจที่เคยคิดค่าบริการแบบ seat-based ก็เปลี่ยนเป็นแบบตามการใช้งาน
ถัดไปคือโมเดล outcome-based ซึ่งเป็นโมเดลที่คิดค่าบริการตามผลลัพธ์ที่สำเร็จ เมื่อคุณทำงานสำเร็จตามเป้าหมาย ก็จะคิดค่าบริการตามนั้น ซึ่งในปัจจุบันยังมีแค่บางภาคส่วน เช่น การสนับสนุนลูกค้าและความสำเร็จของลูกค้า ที่สามารถวัดผลได้อย่างเป็นกลาง แต่เมื่อโมเดลนี้พัฒนาขึ้นและสามารถวัดผลในภาคส่วนอื่น ๆ ได้ ก็จะเป็นการเปลี่ยนแปลงครั้งใหญ่ที่ทำลายโมเดลเดิมอย่างรุนแรง
ผมมองว่าการเปลี่ยนแปลงนี้เป็นเส้นทางที่ลึกซึ้งมาก จาก license ไปสู่ subscription จาก subscription ไปสู่ consumption และจาก consumption ไปสู่ outcome ทุกการเปลี่ยนแปลงเป็นการล้มล้างโมเดลธุรกิจรุ่นก่อน และตอนนี้เราอยู่ในช่วงก่อนที่จะเข้าสู่ยุค outcome-based อย่างเต็มตัว เมื่อ AI agent สามารถทำงานได้อย่างน่าเชื่อถือและวัดผลได้อย่างเป็นกลาง โมเดลการตั้งราคาตามผลลัพธ์จะกลายเป็นแนวทางหลัก ในอนาคต บริษัทที่ยังคิดค่าบริการตาม seat จะพบว่าตนเองเสียเปรียบอย่างมากในสนามแข่งขัน
ปัญหาการนำ AI ไปใช้ในบริษัทใหญ่
David สังเกตว่า ในกลุ่ม Fortune 500 การนำ AI ไปใช้ยังมีช่องว่างระหว่างคำพูดและความเป็นจริงอย่างมาก เขาเล่าว่า CEO ของบริษัทเหล่านี้พูดว่า: “เราต้องปรับตัวให้เข้ากับ AI เราต้องการรู้ว่าต้องใช้เครื่องมือ AI อะไรบ้าง เราพร้อมที่จะเปลี่ยนแปลงธุรกิจของเรา และจะกลายเป็นบริษัท AI”
แต่ในความเป็นจริง สิ่งที่เกิดขึ้นตรงกันข้ามอย่างสิ้นเชิง ความแตกต่างที่สำคัญคือ การบริหารการเปลี่ยนแปลงนั้นยากเย็นมาก แม้แต่การให้พนักงานใช้ AI ช่วยงานก็เป็นเรื่องยากแล้ว การเปลี่ยนแปลงกระบวนการธุรกิจและการบริหารการเปลี่ยนแปลงนั้นยากยิ่งกว่า
David บอกว่าเขาไม่แปลกใจที่ข่าวลือว่าบริษัทใหญ่ช้ากว่าที่คาดไว้ แต่สำหรับบริษัทที่เต็มใจและรู้ว่าจะทำอะไรจริง ๆ ก็มีผลกระทบทางธุรกิจอย่างมหาศาล เขายกตัวอย่างเช่น Chime ที่ลดต้นทุนสนับสนุนลูกค้าได้ 60% Rocket Mortgage ก็สามารถประหยัดเวลาในการประกันภัยได้ 1.1 ล้านชั่วโมง เพิ่มขึ้น 6 เท่า ทำให้ประหยัดต้นทุนได้ปีละ 4 พันล้านดอลลาร์
ผมมองว่านี่เป็นปัญหาสำคัญระหว่างความตั้งใจและความสามารถ การบริหารการเปลี่ยนแปลงเป็นเรื่องที่มักถูกมองข้ามไป การเปลี่ยนแปลงไม่ใช่แค่การซื้อเครื่องมือหรือจ้างวิศวกร AI แต่เป็นการเปลี่ยนแปลงกระบวนการ วัฒนธรรม และโครงสร้างองค์กรอย่างรุนแรง
นอกจากนี้ บริษัทใหญ่หลายแห่งต้องปรับโครงสร้างธุรกิจให้พร้อมรับ AI การใช้แชทบอทเป็นเพียงจุดเริ่มต้น แต่ผลด้าน productivity อาจไม่มากนัก แต่ถ้าต้องปรับระบบข้อมูลและ backend ทั้งหมดเพื่อรองรับ AI งานเหล่านี้อาจเป็นงานที่ซ่อนอยู่และยังไม่ได้แสดงผลอย่างชัดเจนในตอนนี้
David คาดการณ์ว่าใน 12 เดือนข้างหน้า เราจะได้เห็นตัวอย่างมากขึ้น แต่ก็จะมีบริษัทที่ทำได้ดีและบริษัทที่ทำไม่ได้ดีอย่างมาก บริษัทที่ทำได้ดีจะได้เปรียบอย่างมหาศาล ส่วนบริษัทที่ทำไม่ได้จะเสียเปรียบอย่างมาก ผมเชื่อว่าการแบ่งแยกนี้จะเกิดขึ้นอย่างรวดเร็วและรุนแรงกว่าที่หลายคนคาดคิด
Model Busters และอนาคตของตลาด
David กล่าวถึงแนวคิดที่ผมคิดว่าน่าสนใจมาก คือ Model Busters คือบริษัทที่เติบโตเร็วและต่อเนื่องเกินกว่าที่ใครคาดการณ์ไว้มาก ตัวอย่างคลาสสิกคือ iPhone ซึ่งก่อนเปิดตัวมีการคาดการณ์ผิดพลาดอย่างมาก เมื่อเทียบกับผลลัพธ์จริง 4-5 ปีต่อมา ค่าคาดการณ์ผิดไปถึง 3 เท่า
David เชื่อว่า AI จะเป็น Model Buster ที่ใหญ่ที่สุดในอาชีพของเขา บริษัท AI หลายแห่งจะมีผลประกอบการที่เกินกว่าที่คาดการณ์ในตารางคำนวณแบบเดิมอย่างมาก ผมเห็นด้วยอย่างยิ่ง เมื่อเทคโนโลยีที่นำเสนอไม่ใช่แค่การปรับปรุงเล็กน้อย แต่เป็นการก้าวกระโดดในระดับจำนวนเท่า ซึ่งทำให้โมเดลการคาดการณ์แบบเดิมล้มเหลว
เขาย้ำว่า เทคโนโลยีเป็นตัวสร้าง Model Buster อยู่แล้ว ตั้งแต่ปี 2010 เป็นต้นมา เทคโนโลยีได้สร้างรายได้ที่มีอัตรากำไรสูงอย่างไม่เคยปรากฏมาก่อนในประวัติศาสตร์ จนดูเหมือนว่ามันแพงในช่วงแรก แต่ก็สร้างมูลค่าที่เกินกว่าทุนที่ลงทุนไปอย่างมาก เขาไม่เห็นเหตุผลว่าทำไมครั้งนี้จะต่างออกไป
ในด้านการลงทุน David แสดงข้อมูลว่า เมื่อเทียบกับฟองสบู่ดอทคอม ปัจจุบันการลงทุนด้าน capital expenditure (CapEx) เป็นไปตามกระแสเงินสด (cash flow) มากขึ้น และสัดส่วน CapEx ต่อรายได้ก็ต่ำลงอย่างมาก ผู้ให้บริการคลาวด์ขนาดใหญ่ (hyperscalers) เป็นกลุ่มที่รับภาระการลงทุนสูงสุด ซึ่งเป็นบริษัทที่มีความสามารถทางธุรกิจสูงที่สุดในประวัติศาสตร์
David เน้นว่า สำหรับพอร์ตโฟลิโอของเขา การลงทุนใน capacity เป็นสิ่งที่ดี เขาบอกว่า “สร้างความจุให้มากที่สุดเท่าที่จะทำได้ เพื่อรองรับการฝึกและ inference เป็นสิ่งที่ดี” และภาระการลงทุนส่วนใหญ่นั้นอยู่กับบริษัทที่เก่งที่สุดในโลก
เขายังชี้ให้เห็นว่ามีการเข้าสู่ระบบหนี้ (debt) เข้ามาในสมการนี้ ซึ่งเป็นสิ่งที่น่าจับตามอง เพราะไม่สามารถใช้กระแสเงินสดเพียงอย่างเดียวรองรับ CapEx ในอนาคตได้ทั้งหมด ตลาดเริ่มมองเห็นหนี้สินบางส่วน แต่โดยรวมแล้ว เขายังมั่นใจในบริษัทที่ใช้เงินสดในการลงทุนและสร้างกระแสเงินสดต่อเนื่อง เช่น Meta, Microsoft, AWS, Nvidia
เขายังหยิบยกตัวอย่าง Oracle ซึ่งเป็นบริษัทที่ทำกำไรได้ดีและซื้อหุ้นคืนอย่างต่อเนื่อง แต่ก็ประกาศแผนลงทุน CapEx ขนาดใหญ่ ซึ่งเป็นการเสี่ยงสูง เขาบอกว่าพวกเขาจะมีเงินสดไหลออกในอนาคตหลายปี และตลาดก็เริ่มสังเกตเห็น เช่น ค่าประกันความล้มเหลว (CDS) ของ Oracle พุ่งขึ้นเป็นประมาณ 2% ในช่วง 3 เดือนที่ผ่านมา ซึ่งเป็นสัญญาณที่ต้องจับตามอง
ผมมองว่าการลงทุนด้าน CapEx แบบนี้เป็นสิ่งจำเป็น แต่ก็มีความเสี่ยงสำคัญ ต้องแน่ใจว่าสิ่งที่ลงทุนไปจะสร้างผลตอบแทนที่คุ้มค่า ปัจจุบันความต้องการใช้งานสูงกว่าปริมาณที่สามารถรองรับได้อย่างมาก ผู้ให้บริการคลาวด์รายใหญ่ต่างรายรายงานว่ามีความต้องการเกินความสามารถในการให้บริการอย่างมาก
David อ้างคำพูดของ Gavin Baker ว่า ในยุคอินเทอร์เน็ต การวางสายไฟจำนวนมากในพื้นดินเป็นเรื่องปกติ แต่สายไฟเหล่านั้นไม่ได้ถูกใช้งานเต็มที่ เรียกว่า dark fiber แต่ในยุค AI ไม่มี dark GPU ถ้าคุณติดตั้ง GPU ในศูนย์ข้อมูล มันจะถูกใช้งานเต็มที่ในทันที
ข้อมูลที่ผมชอบมากคือ ตัวเลขรายได้ที่เติบโตอย่างรวดเร็ว เขาเปรียบเทียบรายได้จากคลาวด์, ซอฟต์แวร์จดทะเบียน (public software) และรายได้สุทธิใหม่ในปี 2025 ซึ่งซอฟต์แวร์จดทะเบียนในตลาด (เช่น SAP และบริษัทซอฟต์แวร์เก่า) จะมีรายได้เพิ่มขึ้นประมาณ 46,000 ล้านดอลลาร์ ขณะที่เฉพาะ OpenAI และ Anthropic ซึ่งเป็นบริษัทโมเดล AI ก็มีรายได้ใหม่เกือบครึ่งหนึ่งของตัวเลขนี้
และถ้าดูในปี 2026 คาดว่าทั้งอุตสาหกรรมซอฟต์แวร์จดทะเบียน รวมถึงบริษัทเก่าแก่ เช่น SAP จะมีรายได้ใหม่จากบริษัท AI (โมเดล) ถึง 75-80% ของรายได้ใหม่ทั้งหมด การเติบโตนี้เป็นไปอย่างรวดเร็วมากในช่วงไม่กี่ปี ทำให้ในอนาคตอันใกล้ รายได้ใหม่ของบริษัท AI อาจกลายเป็นสัดส่วนใหญ่กว่าทั้งอุตสาหกรรมซอฟต์แวร์แบบเดิมอย่างมาก
Goldman Sachs คาดการณ์ว่า การสร้าง AI จะสร้างรายได้ถึง 9 ล้านล้านดอลลาร์ ถ้าคิดอัตรากำไร 20% และ P/E 22 เท่า ก็จะกลายเป็นมูลค่าหลักทรัพย์ตามราคาตลาดประมาณ 35 ล้านล้านดอลลาร์ ซึ่งเป็นมูลค่าที่คาดว่าจะถูกนับรวมไว้ล่วงหน้าแล้วประมาณ 24 ล้านล้านดอลลาร์ ถึงแม้จะมีการถกเถียงกันว่าส่วนนี้เป็นผลจาก AI หรือผลจากบริษัทเทคโนโลยีขนาดใหญ่ก็ตาม แต่ก็ยังมีโอกาสเติบโตอีกมาก หากสมมติฐานนี้เป็นจริง
เขายังทำการคำนวณง่าย ๆ ว่า ถ้าการลงทุนในคลาวด์และเทคโนโลยีในปัจจุบัน ซึ่งคาดว่าจะใช้เงินลงทุนรวมประมาณ 4.8 ล้านล้านดอลลาร์ในช่วงปี 2024-2030 เพื่อสร้างผลตอบแทน 10% ในปี 2030 รายได้จาก AI จะต้องแตะประมาณ 1 ล้านล้านดอลลาร์ ซึ่งเป็นประมาณ 1% ของ GDP โลก เพื่อให้ได้ผลตอบแทน 10%
เป็นไปได้ไหมที่จะบรรลุเป้าหมายนี้? ก็อาจจะไม่เต็มร้อย แต่ผมคิดว่าการมองในกรอบเวลาสั้น ๆ อาจเป็นข้อจำกัด ผลตอบแทนจากการลงทุนเหล่านี้อาจจะเกิดขึ้นในช่วงเวลานานกว่าที่คาด เช่น ระหว่างปี 2030 ถึง 2040 และถ้าปัจจุบันรายได้จาก AI อยู่ที่ประมาณ 50 พันล้านดอลลาร์ (ประมาณการคร่าว ๆ) ซึ่งเกิดขึ้นในช่วงปีครึ่งถึงสองปีที่ผ่านมา การเติบโตจาก 50 พันล้านไปเป็น 1 ล้านล้านนั้นก็ไม่ใช่เรื่องที่เป็นไปไม่ได้
ความคิดของผมต่ออนาคต
หลังจากฟัง David ผมรู้สึกว่าเราอยู่ในจุดเปลี่ยนทางประวัติศาสตร์ ไม่ใช่กลางทางหรือปลายทาง แต่มันเป็นจุดเริ่มต้นของวัฏจักรผลิตภัณฑ์ที่อาจดำเนินไปอีก 10-15 ปี ซึ่งเพิ่งเริ่มต้นเท่านั้น ความรู้สึกนี้ทั้งตื่นเต้นและกังวล
ความตื่นเต้นคือ โอกาสที่เกิดขึ้นมหาศาล สำหรับบริษัทที่ปรับตัวได้อย่างรวดเร็วและเต็มที่กับ AI พวกเขาไม่เพียงแต่จะได้เปรียบในการแข่งขัน แต่ยังอาจกลายเป็นบริษัทที่กำหนดยุคสมัยใหม่ เราจะได้เห็นยูนิคอร์นใหม่ ๆ เกิดขึ้น โมเดลธุรกิจใหม่ ๆ เกิดขึ้น และโครงสร้างองค์กรที่แตกต่างอย่างสิ้นเชิง
แต่ในขณะเดียวกัน ความกังวลคือ การเปลี่ยนแปลงนี้อาจเกิดขึ้นเร็วเกินกว่าที่หลายคนคาดคิด David ยกตัวอย่างข้อมูลที่บอกว่า เวลาที่บริษัทใน S&P 500 อยู่ในดัชนีลดลงถึง 40% ในช่วง 50 ปีที่ผ่านมา ซึ่งแสดงให้เห็นว่าการถูก disrupt เกิดขึ้นเร็วขึ้นเรื่อย ๆ ในยุค AI นี้ การเปลี่ยนแปลงอาจจะเร็วขึ้นอีกมาก
ผมเชื่อว่าในอีกไม่กี่ปีข้างหน้า จะเห็นความแตกต่างอย่างชัดเจน บางบริษัทจะเข้าใจศักยภาพของ AI อย่างลึกซึ้งและปรับเปลี่ยนอย่างรุนแรง ขณะที่บางบริษัทอาจพยายามแต่ก็ช้ากว่ามาก การแบ่งแยกนี้จะชัดเจนและรวดเร็วขึ้นเรื่อย ๆ
สำหรับผู้ประกอบการ นี่อาจเป็นช่วงเวลาที่ดีที่สุด ตลาดมีความต้องการสูง เทคโนโลยีก้าวหน้าอย่างรวดเร็ว และตลาดทุนยังสนับสนุนบริษัทที่มีศักยภาพสูง การสร้างบริษัทใหม่ในยุคนี้จึงง่ายขึ้น แต่ก็ต้องเน้นคุณภาพของผลิตภัณฑ์และความเข้าใจตลาดให้ดี
สำหรับนักลงทุน การมองหา Model Busters ที่แท้จริงเป็นสิ่งสำคัญ บริษัทเหล่านี้จะเติบโตเร็วและต่อเนื่องเกินกว่าที่โมเดลคาดการณ์ไว้มาก แต่ก็ต้องมีวิสัยทัศน์และความอดทนสูง พร้อมที่จะเชื่อใน growth curve ที่อาจดูไม่สมเหตุสมผลในตอนแรก
สำหรับผู้ทำงาน ไม่ว่าจะเป็นวิศวกร นักออกแบบ หรือผู้เกี่ยวข้องอื่น ๆ ต้องเร่งเรียนรู้และปรับตัวให้ทันกับเครื่องมือและวิธีการทำงานใหม่ ตัวอย่างเช่น วิศวกรสองคนที่ใช้เครื่องมือเขียนโปรแกรมรุ่นใหม่ ทำงานเร็วขึ้น 10-20 เท่า นี่ไม่ใช่เรื่องเฉพาะตัว แต่เป็นแนวโน้มที่กำลังเกิดขึ้น ผู้ที่สามารถเข้าใจและใช้งานเครื่องมือเหล่านี้ได้ จะได้เปรียบในอาชีพอย่างมาก
สุดท้าย ผมอยากเน้นว่า การเปลี่ยนแปลงนี้ไม่ใช่แค่เทคโนโลยี แต่เป็นการเปลี่ยนแปลงแนวคิด ตั้งแต่ “เราควรทำอย่างไร” ไปจนถึง “เราต้องการผลลัพธ์อะไร” จาก “เพิ่มคน” ไปเป็น “ใช้ AI แก้ปัญหา” จาก “ทำตามกระบวนการเดิม” ไปสู่ “จินตนาการความเป็นไปได้ใหม่” คำถามที่ว่า “ใช้ไฟฟ้าหรือใช้เลือด” ถึงแม้จะดูสุดโต่ง แต่ก็สะท้อนความเปลี่ยนแปลงในระดับลึกที่สุด
เรากำลังเห็นการเขียนใหม่ของโลกซอฟต์แวร์ ซึ่งไม่ใช่การอัปเกรดแบบค่อยเป็นค่อยไป แต่เป็นการสร้างใหม่ทั้งหมด และคนหรือบริษัทที่เข้าใจและพร้อมรับการเปลี่ยนแปลงนี้ จะเป็นผู้กำหนดอนาคตของยุคใหม่อย่างแท้จริง
