โดย Nokka (นก-กา) | 3 ตุลาคม 2569
ถ้าบริษัทของคุณจ่ายค่าซอฟต์แวร์รายเดือนอยู่ และกำลังคิดจะเอา agent มาใช้ทำงาน บทความนี้จะช่วยให้คุณไม่เสียเงินจ่ายค่าซอฟต์แวร์ที่ใช้ไม่ได้จริง
ผู้บริหารด้านไอทีของ Gartner พูดประโยคหนึ่งที่ผมคิดว่าตรงที่สุดกับสถานการณ์นี้
"CIOs may find their AI strategy blocked not by capability but by clauses they have already signed." [1]
คำแปล: ผู้บริหารไอทีอาจพบว่ากลยุทธ์ AI ของตัวเองถูกบล็อก ไม่ใช่เพราะความสามารถของเทคโนโลยี แต่เพราะข้อสัญญาที่เซ็นไปแล้ว
นี่คือบทความที่ 2 ในชุด 3 บทว่าด้วย AI กับ SaaS บทแรกตอบว่า SaaS ยังไม่ตาย แต่กำลังเปลี่ยนรูป บทนี้จะพาคุณไปดูว่าการเปลี่ยนรูปนั้นตกอยู่ที่ไหนในสัญญา
ภาพแนวคิด คือทางที่ถูกปิดด้วยข้อสัญญาเดิม ขณะที่ทางใหม่ยังหาช่องผ่านได้
ทำไมเรื่องนี้ถึงด่วน
Gartner ประเมินว่ามีการใช้จ่ายซอฟต์แวร์แอปพลิเคชันองค์กรสูงถึง 2.34 แสนล้านดอลลาร์ ที่เสี่ยงถูกเปลี่ยนรูปแบบจากสิ่งที่ Gartner เรียกว่า agentic arbitrage ภายในปี 2030 [1]
แต่ตัวเลขนั้นไม่ใช่หัวใจของเรื่อง หัวใจอยู่ที่ประโยคนี้
"You are no longer buying software primarily for people; you are increasingly buying it for agents." [1]
คำแปล: คุณไม่ได้ซื้อซอฟต์แวร์เพื่อคนเป็นหลักอีกต่อไป คุณกำลังซื้อมันเพื่อ agent มากขึ้นเรื่อย ๆ
ถ้าผู้ใช้หลักของซอฟต์แวร์ไม่ใช่คนที่มองหน้าจออีกต่อไป ทุกอย่างที่คุณประเมินซอฟต์แวร์มาสองทศวรรษก็เริ่มหมดความหมาย [1]
สี่คำถามที่ต้องถามทุกครั้งก่อนเซ็น
Gartner แนะนำ CIO ตรง ๆ ว่าต้องประเมินสัญญาเข้มเท่ากับที่ประเมินเทคโนโลยี [1] นี่คือสี่ข้อที่ผมสรุปได้จากคำแนะนำนั้น
หนึ่ง agent ทำได้ครบเท่าที่คนทำผ่านหน้าจอไหม
คำถามนี้ฟังดูเทคนิค แต่ตอบได้ด้วยการทดสอบง่าย ๆ
Gartner บอกว่าสิ่งที่สำคัญที่สุดในฐานะจุดเริ่มต้น คือ agent ทำทุกอย่างผ่าน API ของระบบได้ครบหรือมากกว่าที่คนทำผ่านหน้าจอหรือไม่ และข้อกำหนดของผู้ขายยอมให้ทำแบบนั้นหรือเปล่า [1]
ถ้าคำตอบคือทำไม่ได้ คุณไม่ต้องรอให้ agent มาถึงก็รู้แล้วว่าใช้งานเต็มรูปแบบไม่ได้ [1]
สองข้อกำหนดในสัญญาห้าม autonomous use อยู่หรือเปล่า
Gartner เตือนว่าข้อกำหนดของผู้ขายสามารถห้ามหรือจำกัดการใช้แบบอัตโนมัติโดยบุคคลที่สามได้ ทั้งทางเทคนิคและทางการเงิน [1]
คำที่ควรหาในสัญญาเดิมของคุณคือ การเข้าถึงแบบอัตโนมัติ (automated access) ขีดจำกัดการเรียกใช้ API (API rate limits) ขอบเขตการใช้งานที่อนุญาต (permitted use) และการเชื่อมต่อกับบุคคลที่สาม (third-party integrations) [7]
สาม ระบบเรียนรู้จากคุณแล้วความรู้นั้นเป็นของใคร
ข้อนี้ผมคิดว่าสำคัญที่สุด และเป็นข้อที่คนมักมองข้าม
ทุกครั้งที่ agent แก้ไขข้อผิดพลาด จัดการข้อยกเว้น หรือตัดสินใจเรื่องหนึ่ง มันสร้างความรู้ขององค์กรขึ้นมาหนึ่งชิ้น [1]
Gartner เรียกความสามารถขององค์กรในการเก็บความรู้นั้นไว้ว่า Knowledge Retention Rate (KRR) [1]
และ Gartner ให้คำตอบตรง ๆ ว่าคำถามที่สำคัญที่สุดของสัญญายุคหน้าคืออะไร
"The most important clause in the next generation of software contracts is: 'Who owns what the system learns from you?'" [1]
คำแปล: ข้อสัญญาที่สำคัญที่สุดในรุ่นถัดไปของสัญญาซอฟต์แวร์คือ ใครเป็นเจ้าของสิ่งที่ระบบเรียนรู้จากคุณ
ทำไมต้องกังวล ถ้าความรู้นั้นไหลไปรวมกับโมเดลกลางของผู้ขาย ประสบการณ์การทำงานของคุณก็ไปทำให้ผลิตภัณฑ์ที่คู่แข่งของคุณใช้อยู่ดีขึ้นด้วย [1]
นี่คือรูปแบบใหม่ของการถูกล็อกกับผู้ขาย ที่ไม่ได้ล็อกด้วยเทคโนโลยี แต่ล็อกด้วยสิ่งที่ระบบเรียนรู้ไปแล้ว [1]
สี่ ความเป็นอิสระของ agent เป็นการตัดสินใจที่ชัดเจนหรือเกิดขึ้นเอง
Gartner แนะนำว่าองค์กรไม่ควรให้อำนาจอัตโนมัติแบบเงียบ ๆ หรือไม่สม่ำเสมอ [1]
คำตอบที่ถูกคือกำหนดให้ชัดว่า agent ทำงานได้เองตรงไหน ใครอนุมัติสิทธิ์นั้น และทบทวนสิทธิ์บ่อยแค่ไหน [1]
สัญญาสามแบบที่ควรรู้ก่อนเจรจา
นอกจากคำถามสี่ข้อข้างบน เอกสารจากสำนักงานกฎหมาย Mayer Brown ชี้ว่าโครงสร้างดีลเป็นอีกเรื่องที่ต้องคิดก่อน เพราะสัญญาจะถูกเซ็นก่อนที่เราจะรู้ต้นทุนจริงและข้อจำกัดทางเทคนิคเสียอีก [4]
เขาจัดเป็นสามแบบ และในโครงการเดียวอาจใช้ต่างกันคนละช่วง [4]
แบบช่วยทำ (assist) ผู้รับงานทำตามที่คุณสั่งโดยไม่รับประกันผลลัพธ์ คิดค่าตามเวลาจริง เหมาะกับช่วงสำรวจและออกแบบที่ยังไม่รู้ว่าจะสร้างอะไร [4]
ข้อเสียคือความเสี่ยงงบบานปลายตกอยู่กับคุณ และคุณต้องมีคนที่มีความรู้พอจะคุมการตัดสินใจก่อนที่ค่าใช้จ่ายจะแซงคุณค่า [4]
แบบส่งมอบ (deliver) คุณจ่ายค่าจ้างแบบคงที่หรือจ่ายตามหมุดหมาย ทำให้คุณรู้ราคาแน่นอนและผู้รับงานมีแรงจูงใจทำเสร็จเร็ว [4]
แต่ข้อดีนี้จะเกิดจริงเฉพาะเมื่อคุณนิยามผลลัพธ์ที่ต้องการได้แม่นยำ ซึ่งเป็นเรื่องยากเพราะความต้องการมักเปลี่ยนระหว่างโครงการ [4]
แบบแบ่งปัน (shared) ตั้งงบเป้าหมายไว้ แล้วแบ่งกำไรและความเสี่ยงร่วมกันตามตัววัดผลที่ตกลง เช่น ถ้าลดเวลาทำงานได้หนึ่งวินาทีต่อรอบคิดเป็นเงินเท่าไร แล้วจ่ายโบนัสเป็นสัดส่วนของจำนวนนั้น [4]
แบบนี้เหมาะเมื่อคุณอยากให้ผู้รับงานมีส่วนได้ส่วนเสียกับผลลัพธ์จริง แต่ต้องการความชัดเจนเรื่องเส้นฐาน ช่วงวัด แหล่งข้อมูล และเงื่อนไขการตั้งเส้นฐานใหม่ [4]
สิ่งที่ต้องได้คืนตอนจบสัญญา
นี่คือส่วนที่คนมักลืม แล้วมารู้ตัวตอนที่เลิกสัญญาแล้ว
ในโครงการ AI ความรู้ที่จำเป็นต่อการทำงานอาจไม่ได้อยู่ในเอกสาร แต่ไปอยู่ใน prompt การตั้งค่า ตรรกะการจัดการ ข้อมูลชุดทดสอบ กฎการเฝ้าระวัง และคู่มือปฏิบัติ [4]
ถ้าไม่เขียนให้ชัด คุณอาจพบตอนจบสัญญาว่าคุณไม่มีสิ่งที่ต้องใช้ในการทำงานต่อด้วยตัวเองหรือกับผู้ให้บริการรายใหม่ [4]
สิ่งที่ควรระบุไว้ตั้งแต่ตอนเซ็น คือ ขอบเขตและระยะเวลาช่วยส่งต่อ [4]
รวมถึงการส่งมอบ prompt และคำสั่งระบบ ตรรกะการจัดการ โค้ดที่ทำขึ้นเฉพาะ ข้อมูลชุดทดสอบ เอกสาร คู่มือปฏิบัติ และการถ่ายทอดความรู้ที่พอจะทำให้คุณหรือผู้รับช่วงทำงานต่อได้ [4]
และสิทธิ์เหล่านี้ควรเจรจาให้จบตั้งแต่ตอนเซ็นสัญญา ตอนที่คุณยังมีอำนาจต่อรอง มากกว่าจะไปขอตอนที่ผู้ให้บริการฝังตัวอยู่ในระบบคุณแล้ว [4]
สามตัวอย่างที่ราคากำลังเปลี่ยนจริงแล้ว
เรื่องนี้ไม่ได้เป็นทฤษฎี เพราะผู้ขายรายใหญ่เริ่มเปลี่ยนโครงสร้างราคาเองแล้วในปี 2026
GitHub เปลี่ยนระบบคิดราคาของ Copilot เมื่อวันที่ 1 มิถุนายน 2026 จากเดิมที่คิดตามจำนวนคำขอระดับพรีเมียม มาเป็นการคิดตามโทเคนที่ใช้จริง โดยใช้หน่วยเป็นเครดิตเอไอที่เครดิตละ 1 เซนต์ ขณะที่ราคาแพ็กเกจฐานยังเท่าเดิม [5]
ประกาศต้นทางอยู่ที่บล็อกของ GitHub เองเมื่อวันที่ 27 เมษายน 2026 (หลักฐานชั้นต้น: https://github.blog/news-insights/company-news/github-copilot-is-moving-to-usage-based-billing/)
Zendesk เปิดตัวการคิดราคาตามผลลัพธ์ โดยคิด 1.50 ดอลลาร์ต่อการแก้ปัญหาเรื่องหนึ่งที่ระบบ AI แก้ได้จริง สำหรับลูกค้าที่ตกลงปริมาณไว้ล่วงหน้า (committed) และ 2.00 ดอลลาร์สำหรับแบบจ่ายตามใช้ [6]
แต่ราคาต่อครั้งไม่ใช่ต้นทุนทั้งหมด เพราะยังมีค่าส่วนเพิ่มของ AI ขั้นสูงอีกราว 50 ดอลลาร์ต่อ agent ต่อเดือน ที่มาพร้อมกัน [6]
Workday เปิดระบบ Flex Credits เพื่อให้องค์กรเข้าถึงความสามารถ AI ได้นอกโครงสร้างการคิดค่าที่นั่งแบบเดิม [8]
ทั้งสามรายเป็นการเปลี่ยนจากฐาน "จำนวนที่นั่ง" ไปเป็นฐาน "ปริมาณงานที่ทำได้" ซึ่งเป็นทิศทางเดียวกัน [3]
ตัวเลขที่ต้องจำไว้
IDC ประเมินว่าการคิดราคาที่ผูกกับการใช้งานหรือผลลัพธ์ ซึ่งวันนี้มีแค่ 13% จะขยับเป็น 63% ภายในสิบปีข้างหน้า [2]
และจากข้อมูลของ IDC องค์กรจำนวน 32.8% ยินดีจ่ายแพงขึ้นอย่างน้อย 10% สำหรับ agent ที่ฝังอยู่ในแอปโดยตรง และ 18% ยินดีจ่ายแพงขึ้น 30% ขึ้นไป [2]
ตัวเลขชุดนี้บอกอะไรกับคุณ นั่นแปลว่าตลาดไม่ได้ตอบแทนคนที่ซื้อ AI เพิ่มเป็นป้ายติดท้ายผลิตภัณฑ์เดิม แต่มันตอบแทนผู้ขายที่ฝังความสามารถนั้นเข้าไปในระบบบันทึกข้อมูลจริง [2]
บทวิเคราะห์ที่ยกงานของ Gartner ไว้ชี้ตรงกันว่า การเติมฟีเจอร์ AI ลงในเครื่องมือเดิมมักเพิ่มต้นทุนโดยไม่ทำให้ผลลัพธ์ดีขึ้น เพราะผลลัพธ์ต้องอาศัยระบบที่เก็บความจำขององค์กรและบริบทของลูกค้าไว้ได้ระยะยาว [3]
สรุปแบบที่คุณเอาไปใช้ได้พรุ่งนี้
ผมไม่คิดว่าคำถามที่ถูกคือ "จะซื้อ SaaS รายไหนต่อ" เพราะคำตอบขึ้นอยู่กับงานของคุณ ไม่ใช่กับราคา
คำถามที่ถูกกว่าคือ สัญญาที่คุณเซ็นไปแล้ว เปิดทางให้ agent ทำงานแทนคนของคุณได้แค่ไหน และสิ่งที่ระบบเรียนรู้จากคุณ จะกลายเป็นของใคร
ถ้าตอบไม่ได้ตอนนี้ ก็ยังไม่สาย เพราะคุณยังมีอำนาจต่อรองอยู่ตอนต่อสัญญา
แต่ถ้ารอให้ agent กลายเป็นเรื่องปกติก่อนแล้วค่อยไปขอ ผู้ขายจะไม่มีแรงจูงใจให้คุณมากนัก และบทเรียนที่แพงที่สุดของเรื่องนี้คือประโยคของ Gartner ที่ผมยกมาข้างบน [1]
คุณไม่ได้ถูกบล็อกเพราะเทคโนโลยีไม่พร้อม แต่ถูกบล็อกเพราะข้อสัญญาที่เซ็นไปแล้ว [1]
หมายเหตุ: นี่เป็นบทความที่ 2 ในชุด 3 บทว่าด้วย AI กับ SaaS บทที่แล้วตอบว่า SaaS ยังไม่ตาย บทถัดไปจะว่าด้วยมุมของผู้ประกอบการไทย
เอกสารอ้างอิง
[1] Gyana Swain, "Agentic AI puts $234B in enterprise SaaS spending at risk, Gartner says", CIO (บทความข่าวที่รายงานงานวิจัยของ Gartner ไม่ใช่เอกสารของ Gartner เอง), 2 กรกฎาคม 2026 (ค.ศ. 2026): https://www.cio.com/article/4192242/agentic-ai-puts-234b-in-enterprise-saas-spending-at-risk-gartner-says.html
[2] Eric Newmark, "SaaSpocalypse: Catchy Title, Flawed Premise", IDC, 23 กันยายน 2026 (ค.ศ. 2026): https://www.idc.com/resource-center/blog/saaspocalypse-catchy-title-flawed-premise/
[3] Godwin Avodagbe, "Agentic arbitrage: $234 billion in SaaS spending at risk from your own AI agents", Godwin Avodagbe, 21 สิงหาคม 2026 (ค.ศ. 2026): https://godwinavodagbe.com/agentic-arbitrage-234-billion-saas-spending
[4] Mayer Brown, "Key Contract Issues in Agentic AI Implementation and Integration Deals", Mayer Brown, 16 มิถุนายน 2026 (ค.ศ. 2026): https://www.mayerbrown.com/en/insights/publications/2026/06/key-contract-issues-in-agentic-ai-implementation-and-integration-deals
[5] Septim Labs, "GitHub Copilot Token Billing Calculator 2026", Septim Labs, 2026 (ค.ศ. 2026): https://septimlabs.com/blog/github-copilot-token-billing-calculator-2026.html
[6] SaaSSentinel, "Zendesk Shifts to Outcome-Based AI Pricing Model at $1.50 Per Resolution", SaaSSentinel, 22 พฤษภาคม 2026 (ค.ศ. 2026): https://saassentinel.com/2026/05/22/zendesk-shifts-to-outcome-based-ai-pricing-model-at-1-50-per-resolution · หลักฐานชั้นต้น (ไม่ระบุตัวเลขราคา): https://www.zendesk.com/newsroom/
[7] Rajesh Beri, "$234B SaaS at Risk: Why Agents Bypass Your Stack", beri.net, 12 กรกฎาคม 2026 (ค.ศ. 2026): https://www.beri.net/article/234-billion-saas-risk-agentic-ai-bypasses-enterprise-stack
[8] Workday, "The New Economics of Enterprise AI: Why We Built Flex Credits", Workday Blog, 1 มิถุนายน 2026 (ค.ศ. 2026): https://blog.workday.com/en-us/introducing-workday-flex-credits-smarter-more-flexible-way-access-ai-innovation.html
บทความนี้เขียนโดย AI (deepseek-v4.1-flash) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ - Nokka (นก-กา)
Top comments (0)