GitHub Copilot กำลังเลิกขาย ‘ผู้ช่วยรายเดือน’ และขยับไปเป็นค่า compute ของทีม

TL;DR

GitHub ประกาศอย่างเป็นทางการเมื่อ 27 เมษายน 2026 ว่า Copilot ทุกแผนจะเปลี่ยนไปใช้ usage-based billing ตั้งแต่ 1 มิถุนายน 2026 โดยเลิกนับแบบ premium request แล้วเปลี่ยนเป็น GitHub AI Credits ที่คิดตาม token usage จริง

ที่สำคัญกว่านั้นคือ Copilot code review สำหรับ private repositories จะเริ่มกิน GitHub Actions minutes เพิ่มอีกชั้นด้วย

นี่ไม่ใช่แค่การเปลี่ยนระบบบิล แต่เป็นสัญญาณว่าตลาด AI coding tools กำลังขยับจากการขาย “ผู้ช่วยรายเดือน” ไปสู่การขาย compute + orchestration + workflow outcomes

Why chosen: อิง pattern ai_dev_tools จาก recommender โดยใช้มุม business_impact และ hook แบบ what changed เพราะ GitHub มี official updates สดมากในวันที่ 27 เมษายน และข้อมูล optimizer ชี้ว่าคอนเทนต์ที่ชนะตอนนี้คือเรื่องเครื่องมือที่ไม่ได้แค่เพิ่ม feature แต่เปลี่ยนวิธีเลือกซื้อ, วิธีควบคุมต้นทุน และวิธีทำงานจริงของทีม

สิ่งที่เปลี่ยนจริง ไม่ใช่แค่บิลใหม่ แต่คือวิธีมอง AI coding tools ทั้งตลาด

ถ้ามองผิวเผิน ข่าวนี้อาจดูเหมือนเรื่องของ pricing page

แต่ผมคิดว่ามันลึกกว่านั้นมาก

GitHub กำลังพูดสิ่งที่ทั้งตลาดรับรู้กันอยู่แล้ว แต่ยังไม่ค่อยมีใครพูดตรงๆ เท่านี้

คือ AI coding tools รุ่นใหม่ไม่ได้มีต้นทุนเท่ากันต่อการใช้งานอีกแล้ว

quick chat หนึ่งครั้ง กับ session ที่ปล่อย agent รันยาวเป็นชั่วโมง ใช้หลาย model calls, อ่านหลายไฟล์, วิ่งข้าม repo, review PR, retry tests, แล้วกลับมาแก้รอบสอง มันไม่ใช่งานประเภทเดียวกันเลย

แต่ในระบบ subscription แบบเดิม ผู้ใช้มักรู้สึกว่า “ก็จ่ายรายเดือนเหมือนกัน”

สิ่งที่ GitHub ทำรอบนี้คือการดึง economics ที่เคยซ่อนอยู่ข้างหลัง ออกมาไว้ข้างหน้าอย่างชัดเจน

และนั่นทำให้ข่าวนี้สำคัญ

เพราะมันไม่ได้แค่เปลี่ยนว่าเราจ่ายยังไง แต่มันเปลี่ยนว่าเราควรคิดกับ AI coding tools ว่าคืออะไร

• ไม่ใช่แค่ SaaS seat
• ไม่ใช่แค่ assistant ใน editor
• แต่เริ่มเป็น AI utility layer ของทีม

GitHub เปลี่ยนอะไรบ้าง

จากประกาศหลักของ GitHub มีการเปลี่ยนสำคัญหลายจุด

1) Premium request units จะถูกแทนที่ด้วย GitHub AI Credits

ตั้งแต่ 1 มิถุนายน 2026 เป็นต้นไป Copilot จะเลิกใช้ premium request units หรือ PRUs แล้วเปลี่ยนไปใช้ GitHub AI Credits

หลักการคือ usage จะถูกคิดจาก

• input tokens
• output tokens
• cached tokens

จากนั้นแปลงเป็นเครดิต โดย GitHub ระบุว่า 1 AI credit = 0.01 ดอลลาร์สหรัฐ

พูดง่ายๆ คือจากเดิมที่หลายคนคิดกับ Copilot แบบ “ยิง request ไปกี่ครั้ง” มันกำลังเปลี่ยนเป็น “ใช้ compute จริงไปเท่าไร”

2) ราคา seat พื้นฐานยังไม่เปลี่ยน แต่สิ่งที่รวมมาใน seat เปลี่ยนความหมาย

GitHub ย้ำว่าราคาแผนพื้นฐานยังเท่าเดิม

• Copilot Pro = 10 ดอลลาร์/เดือน
• Copilot Pro+ = 39 ดอลลาร์/เดือน
• Copilot Business = 19 ดอลลาร์/ผู้ใช้/เดือน
• Copilot Enterprise = 39 ดอลลาร์/ผู้ใช้/เดือน

แต่การตีความราคาเหล่านี้เปลี่ยนไปแล้ว

เพราะจากนี้แผนไม่ได้แปลว่า “ใช้ได้แบบเหมารวม” แต่แปลว่า “ได้เครดิตก้อนหนึ่งสำหรับเริ่มต้น”

จาก docs ของ GitHub:

• Copilot Pro ได้ 1,000 AI credits/เดือน
• Copilot Pro+ ได้ 3,900 AI credits/เดือน
• Copilot Business ได้ 1,900 AI credits/ผู้ใช้/เดือน
• Copilot Enterprise ได้ 3,900 AI credits/ผู้ใช้/เดือน

แปลว่า seat ยังอยู่ แต่ seat กำลังกลายเป็น entry point ของ budget มากกว่าเป็นสิทธิ์ใช้งานแบบกว้างๆ เหมือนเดิม

3) Code review จะกินทั้ง AI Credits และ GitHub Actions minutes

นี่คือจุดที่ผมว่าหลายทีมจะเริ่มรู้สึกว่าของจริงมาแล้ว

GitHub ระบุชัดว่า ตั้งแต่ 1 มิถุนายน 2026 เป็นต้นไป Copilot code review จะถูกคิดค่าใช้งาน 2 ชั้นพร้อมกัน

ชั้นแรก:

• token usage ของตัว review agent จะคิดเป็น AI Credits

ชั้นที่สอง:

• infrastructure ที่รัน review บน GitHub-hosted runners จะกิน GitHub Actions minutes สำหรับ private repositories

สำหรับ public repositories ยังไม่มีการเปลี่ยนแปลงเรื่อง Actions minutes และถ้าใช้ self-hosted runners ก็ไม่กิน Actions minutes แบบเดียวกับ GitHub-hosted runners มาตรฐาน

จุดนี้สำคัญมาก เพราะมันทำให้หลายทีมเริ่มเห็นภาพชัดขึ้นว่า AI feature บางอย่างไม่ใช่แค่ “เรียก model” แต่มันคือ workflow infrastructure เต็มตัว

ทำไม GitHub ต้องทำแบบนี้

คำตอบสั้นๆ คือ เพราะ Copilot ไม่ใช่ product แบบปีที่แล้วอีกต่อไป

ทั้งในประกาศ 20 เมษายนเรื่องการคุม usage ของ individual plans และประกาศ 27 เมษายนเรื่อง usage-based billing GitHub พูดตรงกันชัดมากว่า agentic workflows เปลี่ยน compute demands ของ Copilot ไปแล้ว

สิ่งที่เพิ่มต้นทุนไม่ใช่แค่คนใช้มากขึ้น แต่คือรูปแบบการใช้เปลี่ยน

จากเดิมที่เป็น

• autocomplete
• chat สั้นๆ
• ถามตอบใน editor

กลายเป็น

• long-running coding sessions
• cloud agent
• code review บน pull request
• parallelized workflows
• tasks ที่วิ่งข้ามหลายไฟล์และหลายขั้นตอน

GitHub ถึงกับบอกตรงๆ ว่าวันนี้ quick chat question กับ multi-hour autonomous coding session อาจมีราคากับระบบเท่ากันในแพ็กเกจเดิม ซึ่งไม่ sustainable อีกต่อไป

พูดอีกแบบคือ รอบแรกของ AI coding tools ขาย “ความตื่นเต้น” ได้ แต่พอของเริ่มถูกใช้จริงในงานยาวๆ ต้นทุนจริงก็เริ่มตามมาทวง

นี่เป็นสัญญาณว่าตลาดกำลังเปลี่ยนจาก SaaS seat ไปสู่ AI utility

ผมคิดว่าจุดใหญ่ที่สุดของข่าวนี้ไม่ได้อยู่ที่ GitHub เพียงเจ้าเดียว แต่อยู่ที่สิ่งที่มันบอกเกี่ยวกับตลาดทั้งหมด

AI coding tools กำลังขยับจากโมเดลธุรกิจแบบนี้

• ซื้อ seat
• ได้สิทธิ์ใช้ระดับหนึ่ง
• heavy user ถูกเฉลี่ยต้นทุนรวมกับ light user

ไปสู่โมเดลแบบนี้

• seat เป็นแค่ฐาน
• usage จริงเป็นตัวแปรหลัก
• budget controls, pooling, cost centers, model pricing เริ่มกลายเป็นของจำเป็น

นี่เป็นจุดเปลี่ยนสำคัญมาก เพราะเมื่อ tool เริ่มทำงานแทนเราได้ยาวขึ้น ขนานขึ้น และอัตโนมัติมากขึ้น คำถามของผู้บริหารจะไม่ใช่แค่

• ทีมใช้หรือยัง
• productivity ดีขึ้นไหม

แต่จะกลายเป็น

• task แบบไหนคุ้มสุด
• model ไหนควรใช้กับงานไหน
• workflow ไหนควรเปิดให้รันอัตโนมัติ
• งานไหนควรมี hard budget
• ค่า review automation ควรถูก charge กลับไปที่ทีมไหน

นี่คือภาษาของ cloud economics มากกว่าภาษาของ SaaS subscription

Individual users ต้องระวังอะไร

สำหรับคนใช้ Copilot คนเดียว ข่าวนี้ไม่ได้แปลว่าโลกพัง แต่แปลว่าต้องเริ่มคิดเรื่อง cost-awareness มากขึ้น

จาก docs ของ GitHub สำหรับ individual plans มีประเด็นสำคัญคือ

• monthly plans จะถูก migrate อัตโนมัติวันที่ 1 มิถุนายน 2026
• annual plans จะไม่ auto-renew แบบเดิม และมีผลเรื่อง model multipliers เปลี่ยน
• ถ้าใช้เครดิตหมด จะไม่มี fallback experience แบบเดิมที่ลดไปใช้ model ถูกกว่าอัตโนมัติ
• ถ้าอยากใช้ต่อ ต้องยอมให้มี additional budget หรือรอรอบบิลถัดไป

อีกประเด็นที่น่าสนใจคือ GitHub เริ่มเตือนตรงๆ แล้วว่าอะไรทำให้ usage พุ่ง

• conversation ที่ยาวและซับซ้อน
• agent mode / cloud agent
• model ที่แพงกว่า
• parallel workflows แบบ /fleet

นี่เป็นสัญญาณชัดมากว่า user skill รอบใหม่จะไม่ใช่แค่ prompt ให้เก่ง แต่ต้อง เลือกโหมดการใช้ให้คุ้ม ด้วย

องค์กรต้องคิดใหม่เรื่อง budget architecture

สำหรับธุรกิจ ผมว่าข่าวนี้สำคัญกว่ามาก

เพราะ GitHub ไม่ได้แค่เปลี่ยนหน่วยคิดเงิน แต่มันเพิ่มชั้นของการบริหารต้นทุนเข้ามาใน workflow ของ engineering โดยตรง

1) pooled usage สำคัญมาก

GitHub ระบุว่า Copilot Business และ Enterprise จะใช้เครดิตแบบ pooled ที่ระดับ billing entity

แปลว่าองค์กรไม่ได้มี bucket แยกแข็งๆ ต่อคนเท่านั้น แต่มี shared pool ที่ให้ power users ดึง usage ไปใช้ได้มากกว่า ขณะที่คนใช้น้อยช่วย offset กันได้

ในเชิงปฏิบัติ อันนี้ดีมาก เพราะของจริงในทีม dev usage ไม่ได้กระจายเท่ากันอยู่แล้ว

แต่ในอีกมุมหนึ่ง มันก็ทำให้เกิดคำถามใหม่ว่า ใครคือ power user ที่สร้างมูลค่าคุ้มกับการกินเครดิตเยอะ และใครคือ power user ที่แค่เผา budget

2) budget controls จะกลายเป็นเรื่อง governance

GitHub เพิ่ม budget controls หลายระดับ

• enterprise
• organization
• cost center
• user

นี่หมายความว่า AI tool procurement จะเริ่มไม่จบแค่การซื้อ seat แต่ต้องไปต่อถึงการออกแบบ governance

เช่น

• ทีมใดเปิด additional usage ได้
• ทีมใดหยุดที่ included usage เท่านั้น
• review agent ใช้ได้กว้างแค่ไหน
• user-level budget ควรให้เท่ากันทุกคนไหม
• cost center ใดรับภาระ automation cost

สำหรับบริษัทที่มีหลายทีมและหลาย repo เรื่องนี้จะกลายเป็นโจทย์จริงเร็วมาก

3) code review เริ่มมีต้นทุน infrastructure ที่ต้องมองเห็น

ก่อนหน้านี้หลายทีมอาจมอง AI code review เป็น feature เสริม

แต่เมื่อ GitHub บอกชัดว่ามันกินทั้ง AI Credits และ Actions minutes สำหรับ private repos มันทำให้เราต้องเริ่มมอง code review automation เป็น operational workload

ผลกระทบเชิงนโยบายอาจมีตั้งแต่

• จะเปิด review ทุก PR หรือเฉพาะ PR ใหญ่
• จะใช้กับทุก repo หรือเฉพาะ critical repos
• จะให้ review รันทุก commit หรือเฉพาะก่อน merge
• จะใช้ GitHub-hosted runners หรือย้ายบางส่วนไป self-hosted

นี่ไม่ใช่คำถามเชิง feature แล้ว แต่มันเป็นคำถามเชิง platform strategy

สิ่งที่ตลาด AI dev tools น่าจะเห็นต่อจากนี้

ผมคิดว่าประกาศนี้จะมีแรงกระเพื่อมกว้างกว่าหน้า pricing ของ Copilot เอง

เพราะมันสะท้อนความจริง 3 ข้อของตลาด

ข้อแรก: heavy agent usage แพงกว่าที่ subscription แบบเดิมรับไหว

เมื่อ tools ดีขึ้น คนก็ไม่ได้ใช้แค่ถาม code snippet แต่ใช้ทำงานยาวขึ้น ลึกขึ้น และขนานขึ้น

ต้นทุนเลยไม่โตแบบเส้นตรง แต่โตตามทั้ง

• model quality
• context length
• tool use
• retries
• workflow orchestration

ข้อสอง: differentiation จะย้ายจาก “model access” ไปสู่ “workflow efficiency”

ถ้าทุกเจ้ามี frontier models ให้เลือกมากขึ้น คำถามใหม่จะเป็น

• ใครใช้ token คุ้มกว่า
• ใคร cache บริบทได้ดีกว่า
• ใครลด wasted runs ได้ดีกว่า
• ใครช่วยทีมตั้ง guardrails และ budgets ได้ดีกว่า

พูดง่ายๆ คือ product ที่ชนะอาจไม่ใช่ตัวที่ “ฉลาดสุด” อย่างเดียว แต่คือ ตัวที่ ให้ผลลัพธ์ต่อดอลลาร์ดีที่สุด

ข้อสาม: buying decision ขององค์กรจะเปลี่ยน

ที่ผ่านมา หลายองค์กรซื้อ AI coding tools คล้ายซื้อ license เพิ่ม productivity

แต่จากนี้ไป procurement ที่ดีต้องตอบคำถามพวกนี้ด้วย

• included usage พอไหมกับ workload จริง
• ถ้า overflow แล้วจะ charge กลับอย่างไร
• review automation และ agent runs สร้าง ROI พอหรือเปล่า
• org มี visibility ต่อ usage มากพอไหม
• ถ้าต้อง cap spend จะกระทบทีมไหนก่อน

นี่คือระดับคำถามที่ mature ขึ้นเยอะ และผมคิดว่าจะกลายเป็นเรื่องปกติของตลาดภายในปีนี้

สิ่งที่ทีมไทยควรทำตอนนี้

ถ้าทีมคุณใช้ Copilot หรือกำลังประเมิน AI coding tools ผมว่ามี 5 เรื่องที่ควรทำทันที

1) แยก workload ก่อน

อย่าเหมารวมว่า “AI coding” คือก้อนเดียว

แยกให้ชัดว่า usage ของทีมมีอะไรบ้าง เช่น

• chat / Q&A
• code generation
• debugging
• code review
• long-running cloud agent
• parallel agent workflows

เพราะแต่ละงานกินต้นทุนต่างกันมาก

2) ตั้ง model policy ให้เหมาะกับงาน

งานบางอย่างไม่จำเป็นต้องใช้ model แพงสุด ถ้าใช้ frontier model กับทุกอย่าง budget จะพุ่งเร็วโดยไม่จำเป็น

องค์กรที่ได้ ROI ดีกว่า มักไม่ได้เกิดจากการเปิดของแรงสุดทุกที่ แต่เกิดจากการจับคู่ model กับงานให้เหมาะ

3) มอง code review เป็น metered workflow

ถ้าจะใช้ Copilot code review อย่างจริงจัง ให้คิดแบบเดียวกับ workflow automation อื่นๆ คือมี

• trigger policy
• scope policy
• runner policy
• budget policy

อย่ามองว่าเป็น feature เล็กๆ ที่เปิดทิ้งไว้ได้เสมอ

4) ทำ usage visibility ให้ทีมเห็น

ถ้าคนใช้ไม่เห็นต้นทุน เขาจะ optimize ยาก

อย่างน้อยควรให้ทีมรู้ว่า

• อะไรแพงกว่าอะไร
• พฤติกรรมแบบไหนเผาเครดิตเร็ว
• parallel usage มี tradeoff อย่างไร
• budget ของตัวเองอยู่ตรงไหน

5) อย่า optimize cost จนฆ่า value

ข้อนี้ก็สำคัญเท่ากัน

เป้าหมายไม่ใช่ใช้เครดิตให้น้อยที่สุด แต่คือใช้ให้ คุ้มที่สุด

ถ้างานบางชิ้นใช้ agent แพงขึ้นแต่ช่วยลด cycle time ของทีม, ลด defect หรือเร่ง release ได้จริง นั่นอาจเป็นต้นทุนที่คุ้มมาก

โจทย์จึงไม่ใช่ “ลด usage อย่างเดียว” แต่คือ “แยกว่า usage ไหนสร้างผลลัพธ์ และ usage ไหนเป็น waste”

มุมมองของผม: นี่คือช่วงเปลี่ยนผ่านจาก AI novelty ไปสู่ AI operations

ผมชอบข่าวนี้ตรงที่มันทำให้ภาพลวงตาบางอย่างหายไป

ภาพลวงตานั้นคือความเชื่อว่า AI coding tools จะเก่งขึ้นเรื่อยๆ โดยที่รูปแบบธุรกิจยังเหมือนซอฟต์แวร์แบบเดิมได้ตลอด

ความจริงคือพอ AI เริ่มทำงานแทนเราได้มากขึ้น มันก็เริ่มมีต้นทุนแบบแรงงานดิจิทัลจริงๆ

• ใช้ model ไหน
• วิ่งนานแค่ไหน
• อ่าน context เยอะแค่ไหน
• เรียก tools กี่รอบ
• review กี่ครั้ง
• ทำงานเดี่ยวหรือเป็น fleet

ทุกอย่างเริ่มมีน้ำหนักทางเศรษฐศาสตร์มากขึ้น

ผมเลยมองว่าการเปลี่ยนบิลของ GitHub รอบนี้ เป็นสัญญาณว่าตลาดกำลังโตพ้นช่วง novelty แล้ว และกำลังเข้าสู่ช่วงที่คำถามเรื่อง

• unit economics
• governance
• workflow design
• budget visibility
• platform operations

จะสำคัญพอๆ กับ benchmark หรือ model leaderboard

และสำหรับทีมที่พร้อม นี่ไม่ใช่ข่าวร้าย

มันคือโอกาส

เพราะเมื่อทุกคนเริ่มเห็นต้นทุนจริงชัดขึ้น ทีมที่ออกแบบ workflow ได้ดีกว่า จะได้เปรียบชัดขึ้นเหมือนกัน

FAQ

GitHub กำลังขึ้นราคา Copilot หรือเปล่า?

ราคา seat พื้นฐานของ Pro, Pro+, Business และ Enterprise ยังไม่เปลี่ยนตามประกาศวันที่ 27 เมษายน 2026 แต่สิ่งที่เปลี่ยนคือการวัด usage จาก premium requests ไปเป็น AI Credits ที่คิดตาม token usage จริง

อะไรจะกิน AI Credits บ้าง?

GitHub ระบุว่า Copilot Chat, Copilot CLI, Copilot cloud agent, Copilot Spaces, Spark และ third-party coding agents อยู่ในกลุ่มที่คิด AI Credits แต่ code completions และ next edit suggestions ยังไม่คิด AI Credits

ทำไม Copilot code review ถึงต้องกิน Actions minutes ด้วย?

เพราะ GitHub อธิบายว่า code review ทำงานบน agentic architecture ที่รันบน GitHub Actions ด้วย จึงไม่ได้มีแค่ต้นทุน model แต่มีต้นทุน infrastructure ของ runner ด้วย โดยเฉพาะใน private repositories

องค์กรควรเริ่มจากอะไร ถ้ายังไม่พร้อม?

เริ่มจาก 3 อย่างก่อน

• แยก workload ว่า AI ถูกใช้กับงานประเภทไหนบ้าง
• ตั้ง visibility ให้เห็น usage และผู้ใช้หนัก
• วาง budget policy ขั้นพื้นฐานก่อนเปิด additional usage แบบกว้าง

—

สรุปสั้นที่สุด: GitHub ไม่ได้แค่เปลี่ยนวิธีเก็บเงิน แต่กำลังบอกเราว่า AI coding tools ได้ขยับจาก “เครื่องมือช่วยเขียน” ไปเป็น “ระบบงานที่มีต้นทุนปฏิบัติการจริง” แล้ว

และคนที่ชนะรอบต่อไป อาจไม่ใช่คนที่มี AI เก่งสุด แต่อาจเป็นทีมที่ใช้มันได้คุ้มและคุมได้ดีที่สุด