State of FinOps 2026: AI คือตัวเปลี่ยนเกม
98% ขององค์กรบริหาร AI spend แล้ว (จาก 31% เมื่อ 2 ปีก่อน) แต่ยังมองไม่เห็น cost ที่แท้จริงและวัด ROI ไม่ได้ สรุปทุกมิติของ AI ใน State of FinOps 2026
20 ก.พ. 2569 | 8 นาที
- 98% ขององค์กรบริหาร AI spend แล้ว (จาก 31% เมื่อ 2 ปีก่อน) แต่ความท้าทายใหญ่สุดคือยังมองไม่เห็น cost ที่แท้จริง และวัด ROI ไม่ได้
- หลายองค์กรถูกขอให้ "หาเงินจาก optimization มา fund AI" ทำให้ FinOps กลายเป็นตัวเชื่อมระหว่างการประหยัดกับการลงทุน
- AI for FinOps กำลังเกิดขึ้น ตั้งแต่ anomaly detection ไปจนถึง natural language querying ทีมที่เริ่มก่อนจะได้เปรียบ
ในตอนที่แล้วเราเห็นภาพรวมว่า FinOps เปลี่ยนไปแค่ไหน ตอนนี้จะลงลึกเรื่องที่ใหญ่ที่สุดของ report ฉบับนี้ นั่นคือ AI ที่กลายเป็นทั้ง workload ที่ต้องบริหาร และเครื่องมือที่ช่วยทำ FinOps ได้ดีขึ้น
จาก 31% สู่ 98% ใน 2 ปี
AI Spend Management พุ่งจาก 31% เป็น 98% ใน 2 ปี
ปี 2024 มีเพียง 31% ขององค์กรที่บริหาร AI spend ปี 2025 เพิ่มเป็น 63% และปี 2026 พุ่งขึ้นเป็น 98% ขององค์กรบริหาร AI spend แล้ว
AI ย้ายจาก “เรื่องที่กำลังจะมา” เป็น “เรื่องที่ต้องทำทุกวัน” ใน 2 ปี ไม่มี technology ไหนเติบโตเร็วขนาดนี้
แนวปฏิบัติที่คุณใช้กำกับดูแล public cloud spend ควรรวม AI เข้าไปด้วยโดยธรรมชาติ มันเป็นแค่อีกหนึ่งหมวด spend ที่ต้องการ discipline และ governance เหมือนกับ technology อื่นๆ
ความท้าทายที่ยังแก้ไม่ตก
แม้ 98% จะบริหาร AI spend แล้ว แต่ไม่ได้หมายความว่าทำได้ดี มี FinOps Practitioner รายงานปัญหาหลัก 3 ข้อ
3 ปัญหาใหญ่ของ AI Cost Management
- Visibility: pricing model ของ AI ต่างกันทุก provider ทั้ง token, inference, GPU utilization ปนกันจนมองไม่เห็นภาพรวม โดย monitoring ของ AI spend (tokens, LLM requests, GPU utilization) เป็น feature ที่ถูก request มากที่สุดสำหรับ FinOps tooling
- Allocation: การแบ่ง AI cost ไปหา business unit ยากกว่า infrastructure ทั่วไปมาก เพราะ AI workloads มักถูกใช้ข้าม team และข้าม project
- ROI/Value: AI investment ส่วนใหญ่ยังเป็น exploratory ทำให้วัดผลตอบแทนไม่ได้ชัดเจน
AI ของคุณสร้าง value หรือเปล่า? ยังไม่มีใครตอบคำถามนี้ได้
ปัญหาเหล่านี้ไม่ใช่เรื่องใหม่สำหรับ FinOps เพราะ cloud เคยเจอปัญหาเดียวกันเมื่อหลายปีก่อน แต่ AI มีความซับซ้อนเพิ่มขึ้นจาก pricing model ที่หลากหลายกว่า และ usage pattern ที่คาดเดาได้ยากกว่า
Self-Fund AI: เมื่อ Optimization กลายเป็นแหล่งทุน
หลายองค์กรนำเงินจาก optimization savings มาลงทุนใน AI ซึ่งสร้าง dynamic ที่น่าสนใจ เพราะ FinOps ไม่ได้แค่ลด cost อีกต่อไป แต่กลายเป็นตัวเชื่อมระหว่างความประหยัดกับการลงทุนเชิงกลยุทธ์
แรงกดดัน 2 ทาง
องค์กรต้อง optimize ให้ได้มากขึ้นเพื่อ fund AI ในขณะที่ practitioner รายงานว่า “big rocks” ของ cloud waste หมดแล้ว เหลือแต่ savings เล็กๆ ที่ต้องใช้ effort มากขึ้นในการทำ
AI investment ยังคงเพิ่มขึ้นเรื่อยๆ และยังกระจายไปหลายทิศทางมากขึ้นด้วย ซึ่งหมายถึงความซับซ้อนที่เพิ่มขึ้น ตอนนี้เน้น time to market เป็นหลัก เราจึงจำกัด guardrails ไว้เพื่อไม่ให้ชะลอ innovation และ progress
AI อยู่ทุกที่ ไม่ใช่แค่ cloud
AI investment ไม่ได้กระจุกอยู่แค่ใน cloud อีกต่อไป องค์กรวางแผนลงทุน AI ข้ามทั้ง cloud, SaaS, data center, และ private cloud พร้อมกัน
AI ไม่ใช่ technology category ที่แยกออกมาต่างหาก แต่เป็น cross-cutting theme ที่ฝังอยู่ในทุก technology ดังนั้น FinOps practitioner จะเจอ AI cost ไม่ว่าจะมองไปทางไหน
สำหรับ FinOps practitioner นี่หมายความว่า AI value management จะปรากฏขึ้นในทุกส่วนของ technology portfolio ไม่ว่าจะเตรียมตัวไว้หรือไม่ก็ตาม
AI for FinOps: เมื่อ AI ช่วยทำ FinOps
อีกด้านหนึ่งของเหรียญคือ AI ไม่ได้เป็นแค่ workload ที่ต้องบริหาร แต่ยังเป็นเครื่องมือที่ช่วยทำ FinOps ได้ดีขึ้นด้วย ผู้ตอบแบบสอบถามให้คะแนนความสำคัญของ AI for FinOps สูงกว่าค่ากลาง โดยทีมที่ทำ unit economics, บริหาร AI spend, หรือมี spend สูง มักให้คะแนนสูงเป็นพิเศษ
Use cases ที่เริ่มเห็นในปัจจุบัน:
- Anomaly detection ตรวจจับความผิดปกติของ cost และ alerting ที่เร็วขึ้น
- Automated right-sizing แนะนำการปรับขนาด resource อัตโนมัติ
- Natural language querying ถาม cost data ด้วยภาษาธรรมชาติแทนการเขียน query
- Automated discount procurement จัดซื้อ discount instruments (เช่น Reserved Instances, Savings Plans) อัตโนมัติ
- Auto-tagging ติด tag ให้ resource อัตโนมัติเพื่อเร่ง allocation
Priority อันดับ 1 ตอนนี้คือ AI for FinOps มีการเน้นอย่างมากในองค์กรให้ใช้ AI เพื่อเพิ่ม productivity และ efficiency ของทีมทั้งหมด
AI for FinOps อาจเดินตามเส้นทางเดียวกับ FinOps tooling อื่นๆ คือเริ่มจากทีม advanced ก่อน แล้วกลายเป็น standard practice ทีมที่เริ่มทดลองตอนนี้จะได้เปรียบเมื่อมันกลายเป็นมาตรฐาน
ตอนถัดไปจะลงลึกเรื่อง Shift Out ว่า FinOps ขยายขอบเขตจาก cloud ไปครอบคลุม SaaS, Licensing, Data Center, และ Private Cloud ได้อย่างไร และทำไม Allocation ถึงเป็นจุดเริ่มต้นของทุก technology
แหล่งข้อมูล
ข้อมูลทั้งหมดในบทความชุดนี้มาจาก State of FinOps 2026 Report โดย FinOps Foundation (CC BY 4.0)
รับบทความผ่านทางอีเมล
บทความที่เกี่ยวข้อง
Gross Margin ที่ CFO เห็นผิดมาตลอด
ค่า AWS ทั้งก้อนไม่ใช่ COGS ทั้งหมด ต้องแยกต้นทุนที่ให้บริการลูกค้าโดยตรง (COGS) ออกจากค่าใช้จ่ายภายใน (OpEx) ถึงจะเห็น Gross Margin ที่แท้จริง จัดประเภทผิดตั้งแต่ต้น = ตัดสินใจผิดทั้งหมด
Cloud Visibility คือจุดเริ่มต้นของทุกอย่าง
FinOps Practitioner เปิด Cost Explorer ให้ทุกคนเห็นว่าค่า AWS 2.1 ล้านบาทไปอยู่ที่ไหนบ้าง RDS กิน 29%, Lambda 24%, ElastiCache 14% แต่ยังตอบไม่ได้ว่า 'ทีมไหน' ใช้เท่าไหร่ เพราะไม่มี Tag
Showback vs Chargeback กับความรับผิดชอบต่อค่า Cloud
HotelGO มี 3 ทีม Product ใช้ AWS ร่วมกัน แต่ไม่มีใครรู้ว่าทีมตัวเองใช้เท่าไหร่ FinOps Practitioner เริ่มจาก Showback (ส่ง report) แต่ไม่ได้ผล พอเปลี่ยนเป็น Chargeback (ตัดงบจริง) พฤติกรรมเปลี่ยนทันที ค่า Cloud ลด 10% ใน 3 เดือน