By Keshavan Thiagaraja
Private AI Model Developer & AI Security Consultant Helping SMEs and Enterprises Build Secure AI Solutions Sydney, Australia.
B.Sc. (Computer Science, Mathematics and Statistics),
M.Sc. (Information Technology)
E-Commerce Professional
บทนำ: ถ้าเอเจนต์ AI พร้อมสำหรับงานผู้เชี่ยวชาญแล้ว ทำไมตัวที่ดีที่สุดทำได้แค่ 12 เปอร์เซ็นต์?
มาตรวัดชุดใหม่ที่สร้างจากงานผู้เชี่ยวชาญจริงที่ได้รับค่าจ้าง เพิ่งประเมินโมเดล AI ชั้นนำยี่สิบตัว และตัวที่ดีที่สุดทำคะแนนได้ 12 เปอร์เซ็นต์
เอเจนต์ AI ทำงานที่ธุรกิจของคุณจ่ายให้ผู้เชี่ยวชาญทำได้หรือไม่? ตารางคะแนนที่ซื่อสัตย์สำหรับข้อกล่าวอ้างนั้นจะเป็นอย่างไร? และคุณควรถามอะไรผู้ขายก่อนเซ็นสัญญา?
ในฐานะนักพัฒนาโมเดล AI อิสระและที่ปรึกษาความมั่นคง AI ที่ทำงานกับ SME และองค์กรขนาดใหญ่ในซิดนีย์ ผมถูกถามคำถามเหล่านี้ทุกสัปดาห์ คำตอบมีความสำคัญต่องบประมาณ บุคลากร และความเสี่ยง
บทความนี้อธิบายว่ามาตรวัด GDPx วัดอะไร ตัวเลขของมันพิสูจน์อะไรได้และพิสูจน์อะไรไม่ได้ และบทเรียนเชิงปฏิบัติสำหรับผู้นำทุกคนที่กำลังประเมินเอเจนต์ AI ในไตรมาสนี้
1. GDPx วัดอะไรจริงๆ
สัปดาห์นี้ บริษัทวิจัย SemiAnalysis ได้เผยแพร่ GDPx มาตรวัดที่ประกอบด้วย 206 งานใน 11 สาขาที่คัดเลือกมาเพราะผู้คนใช้มันหาเลี้ยงชีพ: การออกแบบชิป ความมั่นคงทางไซเบอร์ งานกฎหมาย การเทรดเชิงปริมาณ ชีววิทยา วิศวกรรมซอฟต์แวร์ และอื่นๆ
พันธมิตรอุตสาหกรรมสิบสี่รายจัดเตรียมงานเหล่านั้น และโมเดลชั้นนำยี่สิบตัวถูกประเมิน มาตรวัดนี้โดดเด่นไม่ใช่เพราะความยาก แต่เพราะวัตถุดิบของมัน: งานที่ผู้คนได้รับค่าจ้างให้ทำ
2. ตารางคะแนน: ยี่สิบโมเดล เพดานเดียวที่ต่ำ
ผู้นำคือ Claude Opus 5.5 ทำได้เพียง 12 เปอร์เซ็นต์ Gemini 4 Carbon ได้ 10.9 และ GPT-6 Astra ได้ 9.6
อย่างไรก็ตาม ตารางคะแนนคือจุดเริ่มต้น ไม่ใช่คำตัดสิน ตัวเลขเหล่านี้วัดงานของบริษัทเดียวด้วยเกณฑ์ของบริษัทนั้นเอง และมันบรรยายโมเดลของวันนี้ ไม่ใช่ของปีหน้า
3. ขีดจำกัด: สิ่งที่ GDPx พิสูจน์ไม่ได้
GDPx ไม่สมบูรณ์แบบ มันใช้งานของบริษัทเดียวและเกณฑ์ประเมินของบริษัทเดียว ยังไม่มีการทำซ้ำโดยอิสระ และบริษัทนั้นขายงานวิจัยให้กับอุตสาหกรรมเดียวกับที่มันประเมิน
บทเรียนคือให้ถือตัวเลขนี้อย่างระมัดระวัง แต่ทิศทางถูกต้อง เพราะมันวัดโมเดลจากงานที่สร้างรายได้ ไม่ใช่เรื่องไม่เป็นเรื่องที่น่าประทับใจ
4. คอลัมน์ต้นทุน: 51 ดอลลาร์ เทียบกับ 16 ดอลลาร์
ผู้นำใช้จ่ายเฉลี่ยประมาณ 51 ดอลลาร์ต่องานที่เสร็จสมบูรณ์ รองชนะเลิศใช้จ่ายเฉลี่ยประมาณ 16 ดอลลาร์สำหรับคะแนนที่ห่างกันไม่ถึงหนึ่งจุด
หากกลยุทธ์เอเจนต์ของคุณสมมติว่าความสามารถและต้นทุนเคลื่อนไปด้วยกัน ตารางนี้บอกว่าไม่ใช่ เส้นทางที่ถูกที่สุดสู่ผลลัพธ์ตอนนี้มีความสำคัญเชิงกลยุทธ์พอๆ กับตัวผลลัพธ์ และการวิเคราะห์นั้นควรอยู่ที่ฝ่ายจัดซื้อ ไม่ใช่หน้าการตลาด
5. การอ่านข้อเสนอของเอเจนต์เทียบกับตัวเลขสาธารณะ
การสาธิตที่คุณจะเห็นในไตรมาสนี้ล้วนอ้างว่าพร้อมสำหรับงานผู้เชี่ยวชาญ มาตรวัดสาธารณะที่ระบุชื่อเพิ่งตั้งเพดานไว้ที่ 12 เปอร์เซ็นต์
นั่นไม่ได้ทำให้เอเจนต์ไร้ประโยชน์ แต่หมายความว่าเขตการใช้งานที่ซื่อสัตย์ในวันนี้คืองานที่แคบ มีเครื่องมือวัดที่ดี และมีมนุษย์ตรวจสอบ ไม่ใช่แผนกอัตโนมัติที่ขายกันบนเวที
บทเรียนสำหรับผู้นำทุกที่
ประการแรก ยุคของการสาธิตจบลงแล้ว เมื่ออุตสาหกรรมเริ่มโต้เถียงกันเรื่องตารางคะแนน การสาธิตได้หยุดตัดสินข้อถกเถียงแล้ว
ประการที่สอง ต้นทุนและความสามารถไม่ได้เคลื่อนไปด้วยกัน นำต้นทุนต่องานที่เสร็จสมบูรณ์เข้าสู่การจัดซื้อ ข้างๆ คะแนน
ประการที่สาม อ่านทุกข้อเสนอของเอเจนต์เทียบกับตัวเลขสาธารณะ เขตการใช้งานที่ซื่อสัตย์ในวันนี้แคบ วัดได้ดี และมีมนุษย์ตรวจสอบ
สุดท้าย ถามคำถามเดียวกับผู้ขาย AI ทุกรายในไตรมาสนี้: แสดงคะแนนของคุณในมาตรวัดอิสระที่อิงตามงานสำหรับงานแบบของผม และต้นทุนของคุณต่องานที่เสร็จสมบูรณ์ หากพวกเขาตอบไม่ได้ คุณได้เรียนรู้สิ่งที่มีค่ากว่าการสาธิต
บทสรุป: การวัดมาแทนที่การตลาดแล้ว
เพดาน 12 เปอร์เซ็นต์ไม่ใช่เหตุผลที่จะหันหลังให้เอเจนต์ AI แต่เป็นเหตุผลที่จะซื้อมันด้วยหลักฐานแทนความตื่นเต้น
ปัญญาประดิษฐ์จะได้รับตำแหน่งของมันจากผลลัพธ์ที่วัดได้ ไม่ใช่การแสดงบนเวที ในที่สุด คณิตศาสตร์ของต้นทุนต่องานที่เสร็จสมบูรณ์ ที่นับอย่างซื่อสัตย์ จะเป็นผู้ตัดสินว่าเทคโนโลยีนี้ควรอยู่ที่ใดอย่างแท้จริง
เอกสารอ้างอิงและอ่านเพิ่มเติม
SemiAnalysis, “GDPx: The General Agentic Benchmark” – https://gdpx.semianalysis.com
SemiAnalysis, บันทึกการวิจัยและการวิเคราะห์อุตสาหกรรม – https://semianalysis.com
คิดอย่างคณิตศาสตร์ วิศวกรรมอย่างชาญฉลาด นำอย่างกลยุทธ์ สร้างอย่างรับผิดชอบ ขยายอย่างทั่วโลก สร้างคุณค่าทางธุรกิจที่แท้จริงผ่านปัญญาประดิษฐ์
#ArtificialIntelligence #AIStrategy #AIGovernance #EnterpriseAI #ITImpress
