Total cost of ownership

Total cost of ownership (TCO) คือกรอบคิดในการประเมินต้นทุนทั้งหมดของการเป็นเจ้าของหรือใช้งานสิ่งหนึ่งตลอดช่วงอายุการใช้งาน ไม่ใช่แค่ราคาที่จ่ายตอนซื้อ TCO นับทั้งต้นทุนทางตรงอย่างราคาซื้อและค่าติดตั้ง และต้นทุนทางอ้อมอย่างค่าดูแลรักษา ค่าบุคลากร และค่าเสียเวลาระบบล่ม เข้าไปด้วยกัน คำนี้ไม่ใช่ศัพท์ที่เกิดจากวงการ ai เอง แต่เป็นคำเก่าของวงการไอทีที่ Gartner Group เป็นผู้ทำให้แนวคิดนี้เป็นที่นิยมตั้งแต่ปี 1987 แม้รากของแนวคิดการคิดต้นทุนแบบเต็มวงจรจะเก่ากว่านั้น ย้อนไปถึงต้นศตวรรษที่ 20 ตามที่ Wikipedia สรุปไว้ (Wikipedia)

ในบริบท AI ยุคนี้ ค่า license หรือค่า subscription ต่อที่นั่งของเครื่องมืออย่าง ChatGPT Enterprise หรือ Microsoft 365 Copilot เป็นแค่ยอดภูเขาน้ำแข็งที่มองเห็นในใบเสนอราคา ส่วนที่จมอยู่ใต้น้ำและมักถูกลืมนับคือค่าใช้จ่ายตามปริมาณการเรียกใช้จริงแบบ input-tokens/output-tokens ค่าเตรียมและทำความสะอาดข้อมูลก่อนป้อนเข้าระบบ ค่าเวลาคนที่ต้องทำ human-review ตรวจงานก่อนปล่อยออกไปจริง ค่าอบรมทีมให้ใช้เป็นตามแนว upskilling และค่าดูแลระบบต่อเนื่อง Glean บริษัทที่ทำเครื่องมือค้นหาความรู้ในองค์กรด้วย AI ให้ตัวเลขประมาณการของตัวเองไว้ในบทความที่ปรับปรุงล่าสุดเมื่อธันวาคม 2025 ว่า สำหรับองค์กรขนาดกลาง ค่าใช้จ่ายก้อนแรกซึ่งนับรวมทั้งค่า license ซอฟต์แวร์ ค่าพัฒนาเฉพาะทาง และค่าบริการติดตั้งวางระบบ มักอยู่ราว 100,000 ถึง 200,000 ดอลลาร์สหรัฐ ส่วนค่าโครงสร้างพื้นฐานปีละ 20,000 ถึง 60,000 ดอลลาร์ และค่าดูแลระบบปีละ 30,000 ถึง 50,000 ดอลลาร์ นั้น บทความไม่ได้ระบุว่าใช้กับองค์กรขนาดไหน ตัวเลขชุดนี้เป็นการประมาณการของ Glean เองโดยไม่ได้อ้างอิงงานวิจัยใด และ Glean ก็เป็นผู้ขายเครื่องมือประเภทนี้ จึงควรอ่านเป็นภาพคร่าวๆ ของโครงสร้างต้นทุนมากกว่าตัวเลขอ้างอิง ส่วน Cohere บริษัทผู้พัฒนาโมเดลภาษา ชี้ประเด็นที่ลึกกว่านั้นในบทความของตัวเองว่าราคาต่อ token ที่เห็นเป็นแค่ส่วนหนึ่งของต้นทุนจริง เพราะ "TCO คือระบบทั้งระบบที่ผลิต token ออกมา" ไม่ใช่แค่ราคาต่อ token เดี่ยวๆ โดยยกตัวอย่างเปรียบเทียบต้นทุนต่อล้าน token ไว้ว่า ถ้าใช้ฮาร์ดแวร์ของตัวเอง (การ์ด H100 ผ่อนต้นทุนตลอด 5 ปี) จะอยู่ที่ราว 0.11 ถึง 0.12 ดอลลาร์ ถ้าเช่า instance บนคลาวด์จะอยู่ที่ราว 0.89 ดอลลาร์ และถ้าเรียกผ่าน API ของโมเดลระดับแนวหน้าจะอยู่ที่ราว 2.00 ดอลลาร์ เงื่อนไขสำคัญที่ต้องอ่านคู่กันเสมอคือ Cohere ระบุเองว่าตัวเลขฝั่งฮาร์ดแวร์ของตัวเองจะถูกจริงก็ต่อเมื่อใช้งานหนักต่อเนื่องเท่านั้น จุดคุ้มทุนเทียบกับการเช่าอยู่ที่ราวสี่ชั่วโมงการใช้งานต่อวัน ต่ำกว่านั้นการเช่าถูกกว่าเพราะเครื่องที่ปล่อยว่างคือต้นทุนที่เสียเปล่า นอกจากนี้บทความไม่ได้ระบุว่าตัวเลขฝั่งคลาวด์และฝั่ง API คิดจากโมเดลหรือผู้ให้บริการรายใด และ Cohere เองก็ขายบริการติดตั้งโมเดลให้องค์กร ตัวเลขทั้งสามชุดจึงเป็นตัวอย่างประกอบเหตุผลของ Cohere ไม่ใช่ราคาตลาดตายตัวที่ใช้ได้กับทุกกรณี

คนทำงานไทยมักเจอคำนี้ตอนต้องอธิบายผู้บริหารว่าทำไมงบ AI ที่ขอเพิ่มถึงสูงกว่าค่า subscription ที่เห็นในใบแจ้งหนี้รายเดือน หรือตอนเทียบราคาระหว่างผู้ให้บริการสองเจ้าที่ค่า license ต่างกันแต่ต้นทุนแฝงต่างกันคนละแบบ ข้อควรระวังคือเครื่องคำนวณ TCO ที่ผู้ให้บริการแต่ละรายทำขึ้นเองมักเลือกนับหรือไม่นับต้นทุนบางประเภทให้ผลลัพธ์ออกมาดูดีสำหรับสินค้าตัวเอง จึงต้องเช็คเสมอว่านับอะไรบ้างก่อนเอาไปเทียบข้ามเจ้า อีกจุดที่ Cohere เตือนไว้คือการตัดสินใจทางวิศวกรรมที่ดูสมเหตุสมผลทีละอย่าง เช่น ขยาย context window ให้ตอบได้ดีขึ้น เพิ่มขั้นตอนค้นข้อมูลก่อนตอบเพื่อลดการมั่ว หรือให้ agent วนเรียกเครื่องมือหลายรอบกว่าจะได้คำตอบ เมื่อรวมกันแล้วทำให้โครงสร้างต้นทุนเปลี่ยนไปมาก โดย Cohere สรุปไว้ว่าผู้ใช้เห็นการโต้ตอบแค่ครั้งเดียว แต่บริษัทจ่ายค่าทั้งสายงานที่อยู่เบื้องหลัง ทำให้การประเมิน TCO ล่วงหน้าทำได้ยากกว่าการซื้อซอฟต์แวร์แบบเดิม

ตัวอย่างจากบทสนทนาจริง

ฝ่ายจัดซื้อ: "เจ้า A เสนอราคา license ถูกกว่าเจ้า B เกือบครึ่ง แบบนี้เลือกเจ้า A เลยได้ไหมคะ"

ทีมไอที: "ต้องดู TCO ก่อนครับ ไม่ใช่แค่ค่า license เจ้า A อาจถูกเพราะคิดแยกค่า token ต่างหากตามปริมาณที่เราใช้จริง พอทีมเราเรียกใช้งานหนักทุกวัน ค่าใช้จ่ายรายเดือนอาจแซงเจ้า B ก็ได้ ยังไม่นับค่าเวลาที่ทีมต้องมาตรวจทานงานก่อนส่งออกและค่าอบรมให้พนักงานใช้เป็น ขอเวลาผมประเมินต้นทุนรวมทั้งปีของทั้งสองเจ้าก่อนสรุปนะครับ"

ระวังสับสนกับ

• ai-roi : TCO คือฝั่งต้นทุนเพียงด้านเดียวที่ต้องนับให้ครบก่อน ส่วน AI ROI เป็นการเอาผลตอบแทนทางธุรกิจที่ได้กลับมาหักลบกับ TCO นั้นอีกที TCO นับผิดหรือนับไม่ครบ ตัวเลข ROI ที่คำนวณต่อจะผิดตามไปด้วย