คลิฟ ไวซ์แมน ผู้ก่อตั้งและซีอีโอของ Speechify AI โต้แย้งในตอนหนึ่งของซีรีส์วิดีโอของ 20VC ว่าบริษัทซอฟต์แวร์ยุคใหม่จำเป็นต้องปรับโครงสร้างการทำงานอย่างพื้นฐานเพื่อรับมือกับต้นทุนการประมวลผลด้าน AI ที่สูงขึ้น ไวซ์แมนเชื่อว่ารูปแบบการบริหารแบบเดิมจะไม่รอดกับการเปลี่ยนแปลงนี้ และบริษัทต้องตัดโครงการใดๆ ที่ไม่ได้ขับเคลื่อนลูกค้าที่จ่ายเงินโดยตรง เพื่อเป็นทุนค่าใช้จ่ายในการทำให้ “เครื่องจักรมีสติปัญญา”
กลยุทธ์ขายมาก่อนเป็นหลักการสำคัญ
ไวซ์แมนสนับสนุนแนวทางที่ให้ความสำคัญกับการขายในทุกการตัดสินใจของบริษัท เขามองว่าการตลาดคือสมการของการแปลงผู้สนใจเป็นลูกค้า (conversion) มากกว่าการสร้างแบรนด์ และกล่าวว่า: “Growth is just an arbitrage game. คุณกำลังแข่งขันกับทุกคนอีกคนในโลกที่อยากให้ผลิตภัณฑ์ของคุณไปอยู่ต่อหน้าผู้ใช้”
ภายใต้ปรัชญานี้ Speechify ทดสอบโฆษณาที่สร้างด้วย AI เกือบหนึ่งพันรายการต่อวัน เพื่อหาว่าอะไรที่ทำให้ผู้ใช้กลายเป็นลูกค้าที่จ่ายเงินจริงๆ ไวซ์แมนเน้นย้ำว่า: “ทำเฉพาะสิ่งที่นำไปสู่ conversion เท่านั้น ถ้าคุณไม่ได้คนที่ convert จริงๆ บนผลิตภัณฑ์ของคุณ ก็ไม่มีประโยชน์ที่จะทำงานที่คุณกำลังทำอยู่”
โฆษณาแบบขับเคลื่อนด้วย AI และการเจาะกลุ่มด้วยข้อมูล
เมื่อบริษัทต่างๆ หันไปใช้เครื่องมือแชทที่ใช้ AI ซึ่งเก็บข้อมูลส่วนตัวของผู้ใช้ โอกาสด้านโฆษณาใหม่ก็เกิดขึ้นพร้อมความเสี่ยงด้านความเป็นส่วนตัว ไวซ์แมนชี้ให้เห็นถึงศักยภาพของข้อมูลชุดนี้ว่า: “มหาศาล เพราะมันรู้เรื่องคุณเยอะมาก… OpenAI รู้ทุกอย่างเกี่ยวกับประวัติของคุณ และสิ่งที่คุณสนใจอยู่ในใจลึกๆ ของคุณ”
เขาให้เหตุผลว่าค่าโฆษณาที่สูงจะกลายเป็นเรื่องไม่สำคัญ หากพิสูจน์ผลตอบแทนจากการลงทุนได้ด้วยการติดตามที่เหมาะสม "จ่าย CPM สูงได้ ถ้าคนที่เห็นแล้ว convert และถ้าคุณมีการระบุที่มาที่ชัดเจน (attribution) ไวซ์แมนอธิบาย โดยชี้ว่า SDK ตัวใหม่ของ OpenAI สำหรับการติดตามนั้น “สำคัญมาก” สำหรับแนวทางนี้
การใช้โทเค็นเป็นค่าใช้จ่ายการดำเนินงานมาตรฐาน
ไวซ์แมนคาดการณ์ว่าจะเกิดการเปลี่ยนแปลงพื้นฐานในงบประมาณของบริษัท: “ปีหน้าผมคาดว่าเราจะใช้จ่ายกับโทเค็นมากกว่าที่ใช้กับเงินเดือน. ตอนนี้ยังถือว่าแปลก แต่ผมไม่คิดว่ามันจะยังแปลกในระยะยาว”
เพื่อให้แน่ใจว่าเครื่องมือ AI ถูกนำไปใช้อย่างแท้จริง เขากำหนดให้พนักงานส่งภาพหน้าจอหรือวิดีโอที่แสดงการทำงานรายวันกับเทคโนโลยี ผู้นำด้านวิศวกรรมต้องกดดันทีมให้ “เผาผลาญ” เครดิตการประมวลผลเป็นจำนวนหลายพันต่อวัน
ความเร็วในการปฏิบัติการผ่านการตัดการประชุม
ไวซ์แมนบังคับใช้แนวทางปฏิบัติที่เข้มงวดเพื่อเร่งการพัฒนาผลิตภัณฑ์:
- พนักงานส่งเป้าหมายรายวันให้หัวหน้าของตน
- การโทรศัพท์แทนที่การคุยยาวในเธรดข้อความ
- เร่งการทบทวนสำหรับงานที่ทำข้ามโปรเจกต์
- บังคับเวลาตอบกลับภายใน 60 วินาทีสำหรับข้อความภายในองค์กร
- ห้ามการประชุมสถานะแบบเดิม
เขาให้เหตุผลว่า “การประชุมที่มีคนพูดคนเดียวขณะที่คนอื่นฟังเฉยๆ” ทำให้บริษัทช้าลงโดยไม่จำเป็น
การผลิตคือเพียงตัวชี้วัดประสิทธิภาพเท่านั้น
ในระบบการบริหารของไวซ์แมน โค้ดที่ส่งมอบขึ้น production จะมาแทนที่การประเมินผลแบบเดิม “ถ้าคุณทำอะไรได้เจ๋งมากแต่ยังไม่อยู่ใน production มันก็คือการเสียเวลา…คุณจะไม่ได้เครดิตใดๆ จนกว่าจะอยู่ใน production…คุณไม่จำเป็นต้องทำ performance review”
การปรับแต่งโครงสร้างพื้นฐานและเศรษฐศาสตร์ต่อหน่วย
ไวซ์แมนยอมรับว่าช่วงแรกค่าใช้จ่ายด้านการประมวลผลสูงมากจน Speechify “รู้สึกเหมือนกำลังดำเนินงานการกุศลมากกว่าธุรกิจ” บริษัทจึงปรับโครงสร้างพื้นฐานจนกระทั่งการประมวลผลตัวอักษรหนึ่งล้านตัวเสียค่าใช้จ่ายเพียงไม่กี่ดอลลาร์
เขาติดตามเศรษฐศาสตร์ต่อหน่วยอย่างใกล้ชิด โดยดูว่าแต่ละปฏิสัมพันธ์กับผู้ใช้สร้างกำไรหรือไม่ และคาดหวังแผนที่จะลดต้นทุนการประมวลผลในระยะยาว แม้ว่าเขาจะเชื่อว่าการขาดทุนชั่วคราวที่ได้รับการสนับสนุนผ่านเงินทุนเวนเจอร์ที่ไปยังผู้ให้บริการโครงสร้างพื้นฐานด้าน AI เป็นกลยุทธ์ในระยะแรกที่ยอมรับได้ แต่เขาย้ำว่าสิ่งสำคัญคือการแก้ปัญหาต้นทุนการประมวลผล เพื่อให้ไปสู่ความสามารถทำกำไรในที่สุด
นัยกว้างต่อความเหลื่อมล้ำ
ไวซ์แมนโต้แย้งว่าความได้เปรียบจากพลังการคำนวณที่แพงทำให้บริษัทเทคโนโลยีขนาดใหญ่ได้เปรียบ และทำลายเส้นทางอาชีพแบบเดิม เขาแนะนำให้คนทั่วไปยืนหยัดเพื่อประโยชน์ของตนเองในภูมิทัศน์นี้ โดยยกหลักการไปใช้กับอุตสาหกรรมที่ถูกกำกับ เช่น การดูแลสุขภาพ: “ปัญหาไม่ได้อยู่ที่หมอ ปัญหาอยู่ที่ระบบ”
เขาเห็นว่า “การเข้าถึงเทคโนโลยีกำลังกลายเป็นสิ่งจำเป็นต่อการอยู่รอดทางเศรษฐกิจ” และกล่าวว่า “การไม่มีโทรศัพท์คือเรื่องบ้า” เพราะสมาร์ตโฟนกลายเป็นสิ่งจำเป็นพื้นฐาน
ข้อโต้แย้ง: งานวิจัยภายนอกและมุมมองทางเลือก
แม้แนวทางของไวซ์แมนจะเน้นการนำ AI มาใช้แบบดุดันและการใช้จ่ายจำนวนมาก แต่งานวิจัยจากภายนอกให้รายละเอียดที่มีความแตกต่าง:
เกี่ยวกับโฆษณาที่สร้างด้วย AI: การศึกษาปี 2026 ที่ครอบคลุมโดย MarTech พบว่า 57% ของผู้บริโภคไว้วางใจแบรนด์มากขึ้นเมื่อใช้ AI แต่ 34% กังวลเรื่องความเป็นส่วนตัวของข้อมูล และ 24% ไม่ชอบประสบการณ์ที่ปรับแต่งให้เหมาะกับตัวตนมากเกินไป ข้อมูลนี้ชี้ว่า การทดสอบโฆษณา AI แบบดุดันอาจช่วยเพิ่ม conversion แต่มีความเสี่ยงที่จะเข้าไปในสิ่งที่ไวซ์แมนเรียกว่า “โซนหลอนๆ” หากการปรับแต่งเกินกว่าความสบายใจของผู้ใช้
เกี่ยวกับการใช้โทเค็นและผลลัพธ์: รายงาน DORA ปี 2025 ของ Google โต้แย้งว่า AI ส่วนใหญ่จะขยายทั้งจุดแข็งและจุดอ่อนที่องค์กรมีอยู่แล้ว โดยผลตอบแทนที่ใหญ่ที่สุดมาจากการพัฒนาระบบพื้นฐานขององค์กร มากกว่าการเพิ่มเครื่องมือเท่านั้น ข้อนี้ชี้ว่า การผลักให้พนักงานเผาผลาญเครดิตการประมวลผลมากขึ้นอาจทำให้กิจกรรมเพิ่มขึ้น แต่ไม่ได้รับประกันว่าสินค้าจะดีขึ้น เว้นแต่เวิร์กโฟลว์ กระบวนการทบทวน และวัฒนธรรมวิศวกรรมจะต้องแข็งแรง
เกี่ยวกับพลวัตของต้นทุนการประมวลผล: Nvidia รายงานในปี 2025 ว่าต้นทุนสำหรับ inference ลดลงได้จากการปรับแต่งโมเดลและการปรับปรุงโครงสร้างพื้นฐาน อย่างไรก็ตาม การวิเคราะห์โครงสร้างพื้นฐาน AI ของ ARK ในปี 2026 ยังประเมินว่าเงินลงทุนด้านโครงสร้างพื้นฐานของ AI จะเพิ่มเกือบสามเท่าจาก 500,000 ล้านดอลลาร์สหรัฐในปี 2025 ไปจนเกือบ 1.5 ล้านล้านดอลลาร์สหรัฐในปี 2030 สิ่งนี้ชี้ว่า “ผู้ชนะ” จะเป็นบริษัทที่เปลี่ยนต้นทุนต่อหน่วยที่ลดลงและดีมานด์ที่เพิ่มขึ้นให้กลายเป็นมาร์จินที่ยืนระยะได้ ไม่ใช่แค่บริษัทที่ใช้จ่ายกับการประมวลผลมากที่สุดเท่านั้น
สรุปนี้อ้างอิงจากตอนหนึ่งของซีรีส์วิดีโอของ 20VC ที่มี Cliff Weitzman และจัดทำด้วยความช่วยเหลือของ AI พร้อมการทบทวนเชิงบรรณาธิการ
