การใช้ LLM ในการคำนวณค่าเฉลี่ยก็เหมือนกับการใช้บาซูก้ายิงแมลงวัน การวิเคราะห์เชิงวิพากษ์กรณีการใช้งานจริง: Instacart, Google, Uber, DoorDash ความจริง? กรณีศึกษาที่น่าสนใจที่สุดยังคงใช้แนวทาง "มนุษย์ร่วมวง" นั่นคือ AI เข้ามาช่วย ไม่ใช่เข้ามาแทนที่ แอปพลิเคชันที่ดีที่สุดคือแอปพลิเคชันที่ปรับแต่งให้เหมาะกับโดเมนเฉพาะ ไม่ใช่โดเมนทั่วไป บริษัทที่ประสบความสำเร็จไม่ใช่บริษัทที่นำ LLM มาใช้อย่างกว้างขวางที่สุด แต่เป็นบริษัทที่นำกลยุทธ์มาใช้อย่างมีกลยุทธ์มากที่สุด

ในขณะที่ทุกคนกำลังเร่งนำ GPT-5 มาใช้ แต่ก็ยังมีคนทำเงินจากการขายปุ่มอยู่ดี โอกาสที่แท้จริงของ AI ในปี 2025 ไม่ใช่การคิดค้นสิ่งเดิมๆ แต่เป็นการแก้ปัญหาที่แท้จริงโดยไม่ต้องใช้งบประมาณอย่างฟุ่มเฟือย กลุ่มเป้าหมายที่ถูกประเมินค่าต่ำเกินไป เช่น การปรับแต่งเฉพาะบุคคลที่ไม่ทำให้ลูกค้ารู้สึกเหมือนอยู่ใน Black Mirror ผู้ช่วยทางการแพทย์ที่สามารถแยกแยะหวัดออกจากห้องฉุกเฉินได้ ระบบวิเคราะห์ข้อมูลสำหรับธุรกิจขนาดกลางและขนาดย่อมที่เกลียด Excel ความสำเร็จล่ะ? ไม่ใช่สำหรับผู้ที่มี AI ที่ทรงพลังที่สุด แต่สำหรับผู้ที่ทำให้ AI เข้าถึงได้ มีประโยชน์ และยั่งยืน

"ข้อมูลคือกุญแจสำคัญ เปรียบเสมือนจอกศักดิ์สิทธิ์ของ AI เชิงสร้างสรรค์" — ฮิลารี แพคเกอร์ ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ American Express การจัดการข้อมูลคิดเป็น 80% ของความพยายามทั้งหมดในโครงการ AI DeepSeek ได้เปลี่ยนโฉมหน้าของวงการนี้: ต้นทุนการอนุมานอยู่ที่ 1 ใน 30 ของ OpenAI ดาริโอ อโมเดอิ: ต้นทุนลดลง 4 เท่าต่อปี "ผมคาดว่าต้นทุนจะลดลงเหลือศูนย์" — ประธานเจ้าหน้าที่ฝ่ายเทคโนโลยีของ Intuit การผสมผสานระหว่างการกลั่นกรองและ RAG คือเสน่ห์ที่บริษัทส่วนใหญ่ใช้ อนาคตล่ะ? โมเดลเฉพาะเจาะจงและคุ้มค่าจำนวนมากที่ฝังรากลึกอยู่ในข้อมูลองค์กร

บอสตัน 1630: วัวสร้างเส้นทาง ผู้ก่อตั้งปูทางให้ ผลลัพธ์ที่ได้คือ ถนนคดเคี้ยวที่ยังคงหลงเหลืออยู่จนถึงทุกวันนี้ บริษัทต่างๆ ก็ทำแบบเดียวกัน พวกเขา "แปลงกระบวนการที่ไม่มีประสิทธิภาพให้เป็นดิจิทัล" แทนที่จะออกแบบใหม่ "การใช้ ChatGPT เพื่อเขียนอีเมลให้เร็วขึ้นในกระบวนการที่ใช้เวลา 12 นาทีในการตัดสินใจง่ายๆ" ไมเคิล แฮมเมอร์: "หยุดปูทางให้วัว ลบมันออกแล้วเริ่มใหม่" คำถามที่ถูกต้องไม่ใช่ "ทำอย่างไรให้เร็วขึ้น" แต่เป็น "ทำไมเราถึงทำแบบนั้น"