ทำไมเครื่องมือเขียนโค้ดด้วย AI ถึงเริ่มแพงขึ้น และเหตุใดบางบริษัทใหญ่จึงเริ่มทบทวนการใช้ Claude Code

นักวิจัยบางรายยังเตือนว่า หากปริมาณโค้ดเพิ่มขึ้นแต่คุณภาพลดลง อาจทำให้เกิด “technical debt” หรือภาระการดูแลโค้ดในระยะยาวเพิ่มขึ้น

ต้นทุนที่สูงขึ้นของ Claude Code

อีกประเด็นสำคัญคือเรื่องราคาและโครงสร้างการคิดค่าบริการ

รายงานระบุว่าประมาณการค่าใช้จ่ายการใช้งาน Claude Code สำหรับองค์กรเพิ่มขึ้น โดยค่าใช้จ่ายเฉลี่ยต่อ developer ต่อวันที่ใช้งานจริงเพิ่มจาก ประมาณ 6 ดอลลาร์เป็นราว 13 ดอลลาร์ และผู้ใช้ 90% มีค่าใช้จ่ายไม่เกินประมาณ 30 ดอลลาร์ต่อวัน

หากคิดรวมในระดับองค์กร ค่าใช้จ่ายทั่วไปอาจอยู่ที่ประมาณ 150–250 ดอลลาร์ต่อเดือนต่อ developer ก่อนการปรับแต่งระบบให้ประหยัดขึ้น

สาเหตุสำคัญคืออุตสาหกรรมกำลังเปลี่ยนจากค่าบริการแบบเหมาจ่ายรายเดือน ไปสู่ โมเดลคิดเงินตามการใช้งานจริง (usage‑based billing) เช่น การคิดตามจำนวน token หรือปริมาณการประมวลผล ซึ่งหมายความว่าการใช้งานมากขึ้นก็ทำให้ค่าใช้จ่ายเพิ่มขึ้นโดยตรง

กรณี Uber: งบ AI ทั้งปีหมดภายใน 4 เดือน

ตัวอย่างที่ถูกพูดถึงมากคือ Uber

มีรายงานว่าบริษัทใช้งบประมาณเครื่องมือ AI สำหรับปี 2026 หมดตั้งแต่เดือนเมษายน หลังเปิดให้วิศวกรประมาณ 5,000 คน ใช้เครื่องมืออย่าง Claude Code อย่างกว้างขวาง

กรณีนี้สะท้อนปัญหาที่องค์กรขนาดใหญ่เริ่มพบ คือแม้ค่าใช้จ่ายต่อคนต่อวันจะดูไม่สูงมาก แต่เมื่อคูณด้วยจำนวนผู้ใช้หลายพันคน ต้นทุนรวมสามารถเพิ่มขึ้นอย่างรวดเร็ว

กรณี Microsoft: ลดไลเซนส์และหันไปใช้ Copilot

อีกกรณีหนึ่งคือ Microsoft ซึ่งมีรายงานว่ากำลัง ยกเลิกไลเซนส์ Claude Code ภายในองค์กรส่วนใหญ่ หลังจากก่อนหน้านี้เปิดให้พนักงานหลายพันคนใช้งาน

บริษัทกำลังปรับทิศทางโดยผลักดันให้ทีมพัฒนาหันไปใช้ GitHub Copilot CLI แทนในหลายทีม

รายงานระบุว่าการตัดสินใจนี้เกี่ยวข้องกับแนวคิดเรื่อง “shared accountability” หรือการควบคุมค่าใช้จ่ายด้าน AI ภายในองค์กร ซึ่งแสดงให้เห็นว่าการบริหารต้นทุน AI เริ่มกลายเป็นประเด็นสำคัญสำหรับบริษัทเทคโนโลยีขนาดใหญ่

ทำไมเรื่องนี้ขัดกับความคาดหวังว่า AI จะทำให้ซอฟต์แวร์ถูกลง

แนวคิดที่หลายคนเชื่อคือ AI จะทำให้การพัฒนาซอฟต์แวร์เร็วขึ้นและต้นทุนต่ำลง

แต่ในทางปฏิบัติ ความเป็นจริงอาจซับซ้อนกว่า เพราะ:

• เครื่องมือเองกลายเป็นต้นทุนการดำเนินงานก้อนใหม่
• โมเดลคิดเงินตามการใช้งานทำให้ค่าใช้จ่ายคาดการณ์ยาก
• ผลลัพธ์ด้าน productivity ยังไม่สม่ำเสมอในทุกบริบท

ดังนั้น แม้ AI coding tools จะช่วยได้มากในบางงาน เช่น การสร้างโค้ดเบื้องต้น การทดลองไอเดีย หรือการเขียนเอกสาร แต่หลักฐานบางส่วนชี้ว่าประโยชน์ด้านประสิทธิภาพยังไม่แน่นอนในงานซอฟต์แวร์ที่ซับซ้อน

สิ่งที่ข้อมูลในตอนนี้บอกเรา

หลักฐานที่มีอยู่ในตอนนี้ชี้ไปในทิศทางหลัก ๆ ดังนี้

• การใช้งาน AI สำหรับเขียนโค้ดเพิ่มขึ้นอย่างรวดเร็วในองค์กร
• ต้นทุนการใช้งานจริงในระดับองค์กรเริ่มสูงและคาดการณ์ยาก
• บางบริษัทกำลังปรับกลยุทธ์ เช่น จำกัดการใช้งาน เปลี่ยนเครื่องมือ หรือควบคุมงบประมาณมากขึ้น

อย่างไรก็ตาม รายงานบางส่วนเกี่ยวกับ Uber และ Microsoft มาจากสื่อหรือแหล่งข่าวรอง จึงควรมองว่าเป็นข้อมูลที่ รายงานตามข่าว มากกว่าจะเป็นคำประกาศอย่างเป็นทางการของบริษัททั้งหมด

โดยรวมแล้ว แนวโน้มไม่ได้ชี้ว่าองค์กรกำลังเลิกใช้ AI สำหรับการเขียนโค้ด แต่กำลังเข้าสู่ช่วง ปรับสมดุลระหว่างต้นทุน การกำกับการใช้งาน และผลลัพธ์ด้าน productivity มากกว่า