ต้นทุน AI Development: ประเมินงานพัฒนา Usage และการดูแลอย่างไร
ตารางต้นทุน AI Agent, Chatbot และ Automation พร้อม checklist ข้อมูล เครื่องมือ evaluation และ pilot โดยไม่อ้างราคาแพ็กเกจที่ใช้กับทุกธุรกิจ
ราคาพัฒนา AI ไม่ควรเริ่มจากชื่อ model หรือจำนวนหน้า chat อย่างเดียว งานตอบคำถามจากเอกสาร งานจัดประเภทคำขอ และ Agent ที่แก้ข้อมูลผ่านหลายระบบมีภาระพัฒนาและการตรวจต่างกัน บรีฟที่ดีต้องแยกงานสร้างครั้งแรก ค่าใช้ตามจริงและงานดูแล เพื่อให้เทียบข้อเสนอได้โดยไม่ใช้ราคาเริ่มต้นที่ซ่อนข้อจำกัด
แบ่งค่าใช้จ่ายเป็นสามส่วน
| หมวด | อะไรทำให้เปลี่ยน | หลักฐานที่ควรขอ |
|---|---|---|
| Build | แหล่งข้อมูล จำนวน tools สิทธิ์ และการเชื่อมต่อ | Scope, assumptions, ชุดทดสอบ และสิ่งส่งมอบ |
| Usage | จำนวนงาน ขนาดข้อมูล model และจำนวนขั้นต่อครั้ง | ประมาณการจาก workload ตัวอย่าง พร้อมเพดาน budget |
| Operation | ข้อมูลเปลี่ยน API เปลี่ยน error และการตรวจผล | Monitoring, ผู้รับ alert และรอบ evaluation |
1. ประเมินจากงานที่ AI ต้องทำ
สำหรับ Chatbot ให้ระบุคำถาม แหล่งความรู้และเรื่องที่ไม่ควรตอบ สำหรับ Automation ให้ระบุ trigger กฎธุรกิจและจุดตรวจโดยคน ส่วน Agent ต้องระบุเครื่องมือที่เรียกได้และการกระทำที่ต้องอนุมัติ คำว่า “ทำได้ทุกอย่าง” ไม่ใช่ scope ที่ประเมินหรือทดสอบได้ เลือก workflow สำคัญหนึ่งเรื่องและกำหนดวิธีหยุดเมื่อข้อมูลไม่พอ
2. ความพร้อมข้อมูลเป็นต้นทุนจริง
เอกสารที่มีเวอร์ชันขัดกัน หน้าเว็บที่ล้าสมัย หรือข้อมูลที่ไม่มีเจ้าของเพิ่มงานตรวจและจัดรูปแบบก่อนใช้ กำหนดเอกสารต้นทาง สิทธิ์เข้าถึงและรอบอัปเดต แยกเวลาทำความสะอาดข้อมูลออกจากเวลาพัฒนา หากต้องจำกัดความรู้ตามฝ่ายหรือสมาชิก ต้องออกแบบ retrieval และทดสอบสิทธิ์ด้วย ไม่ใช่เพียงเพิ่มข้อความห้ามใน prompt
3. ประมาณ Usage จาก workload ของคุณ
ใช้ตัวอย่างงานสั้น กลางและยาวตามที่เกิดจริง นับข้อมูลเข้า ข้อมูลออก จำนวนการเรียก model/tool และ retry บาง Agent ใช้หลายขั้นต่อคำขอ จึงมีต้นทุนมากกว่าจำนวนข้อความหน้าจอ วัดใน pilot และคิดช่วงต่ำ/กลาง/สูงจากจำนวนงานที่ธุรกิจให้มา ราคาผู้ให้บริการเปลี่ยนได้ จึงใช้หน้า pricing ปัจจุบันตอนเสนอราคาและระบุวันที่ของ assumptions
- กำหนดจำนวนงานต่อวันจากข้อมูลธุรกิจ ไม่ใช้ตัวเลขสมมุติเป็น forecast
- แยกค่า model, embeddings/search, storage และเครื่องมือเชื่อม
- ตกลง limit ต่อครั้ง เวลา timeout และการแจ้งเตือนงบ
- คำนึงถึงงานที่ต้องตรวจด้วยคนและค่าแก้คำตอบผิด
4. Evaluation และความปลอดภัยต้องอยู่ในขอบเขต
เตรียมชุดทดสอบที่ครอบคลุมงานปกติ ข้อมูลขาดและคำขอนอกสิทธิ์ พร้อมคำตอบหรือการกระทำที่ยอมรับได้ ตรวจว่าระบบอ้างแหล่งข้อมูลถูก ปฏิเสธเมื่อไม่รู้และส่งต่อคนเมื่อจำเป็น การลดต้นทุนด้วยการตัด evaluation อาจทำให้ระบบที่ดูดีในเดโมใช้งานจริงแล้วตรวจไม่ได้
| Use case | งานแรกที่ควรทดสอบ | สิ่งที่ต้องควบคุม |
|---|---|---|
| Chatbot ความรู้ | ตอบคำถามจากเอกสารอนุมัติชุดเล็ก | เวอร์ชันข้อมูลและการไม่ตอบเมื่อไม่พบ |
| Automation | จัดประเภทคำขอ แล้วให้คนยืนยันก่อนส่งต่อ | Trigger ซ้ำ ข้อมูลไม่ครบ และ queue |
| Agent | ร่างข้อมูลจาก CRM ผ่าน tools ที่จำกัด | สิทธิ์ API การอนุมัติ writes และ audit trail |
5. Checklist ก่อนขอประเมิน AI
- ตัวอย่างงานจริงที่ตัดข้อมูลลับออกและผลที่อยากได้
- รายการระบบ API เจ้าของบัญชีและขอบเขตข้อมูล
- เกณฑ์คุณภาพ เวลาและต้นทุนที่ยอมรับได้
- ผู้ตรวจผลและขั้นที่ต้องอนุมัติโดยคน
- วิธี fallback หยุดใช้งานและแก้ข้อมูลผิด
ใช้ pilot เพื่อตัดสินใจขยายผล
เริ่มจากช่วงทดลองที่วัดได้ เปรียบเทียบเวลางานเดิมกับงานใหม่รวมเวลาตรวจแก้ ดู failure และค่าบริการจริงด้วย ถ้าชุดทดสอบผ่านแต่ทีมยังต้องทำซ้ำทั้งหมดอาจต้องปรับ scope หรือใช้ automation ที่ไม่ต้องมี AI บางขั้น เป้าหมายคือแก้ภาระงานที่มีหลักฐาน ไม่ใช่เพิ่ม Agent ให้ทุก process
เทียบขอบเขต AI Agent กับ AI Automation →
คุยโจทย์ pilot กับทีมที่ปรึกษา AI →