Iesniedza Apptio, IBM uzņēmums
Kad uz skatuves parādās tehnoloģija ar revolucionāru potenciālu, uzņēmumiem ir viegli ļaut entuziasmam pārspēt fiskālo disciplīnu. Pupiņu skaitīšana var šķist tuvredzīga, ņemot vērā aizraujošas biznesa transformācijas un konkurences dominēšanas iespējas. Wager nauda vienmēr ir objekts. Un, ja tehnoloģija ir AI, šīs pupiņas var ātri pievienoties.
AI vērtība kļūst acīmredzama tādās jomās kā darbības efektivitāte, darbinieku produktivitāte un klientu apmierinātība. Tomēr tas maksā. Ilgtermiņa panākumu atslēga ir izpratne par savstarpējām attiecībām — lai jūs varētu nodrošināt, ka AI potenciāls izpaužas reālā, pozitīvā ietekmē jūsu biznesu.
AI paātrinājuma paradokss
Lai gan mākslīgais intelekts palīdz pārveidot uzņēmējdarbību, tā finansiālā pēda bieži vien paliek neskaidra. Ja nevarat saistīt izmaksas ar ietekmi, kā varat būt pārliecināts, ka jūsu AI ieguldījumi veicinās nozīmīgu IA? Šī nenoteiktība nav pārsteigums, ka 2025. gada Gartner® Hype Cycle™ mākslīgajam intelektamGenAI ir pārcēlies uz vilšanos.
Efektīva stratēģiskā plānošana ir atkarīga no skaidrības. Ja tā nav, lēmumu pieņemšana balstās uz minējumiem un zarnu instinktu. Un uz šiem lēmumiem ir daudz jāšanas. Saskaņā ar Apptio pētījumu, 68% aptaujāto tehnoloģiju vadītāju plāno palielināt savu AI budžetu, un 39% uzskata, ka AI būs viņu departamentu lielākais nākotnes budžeta pieauguma virzītājspēks.
Taču lielāki budžeti negarantē labākus rezultātus. Gartner® arī atklāj, ka “neskatoties uz vidējiem USD 1,9 miljonu tēriņiem GenAI iniciatīvām 2024. gadā, mazāk nekā 30% AI vadītāju apgalvo, ka viņu vadītāji ir apmierināti ar ieguldījumu atdevi.” Ja nav skaidras saiknes starp izmaksām un rezultātu, organizācijas riskē palielināt ieguldījumus, nesamazinot vērtību, ko tām ir paredzēts radīt.
Lai virzītos uz priekšu ar pamatotu pārliecību, uzņēmumu vadītājiem finanšu, IT un tehnoloģiju jomā ir jāsadarbojas, lai iegūtu redzamību AI finanšu aklās zonas jomā.
AI slēptie finanšu riski
Mākslīgā intelekta augstās izmaksas var sniegt IT vadītājiem atskatus uz publiskā mākoņa agrīnajām dienām. Kad DevOps komandām un biznesa vienībām ir viegli iegādāties savus resursus, pamatojoties uz OpEx, izmaksas un neefektivitāte var ātri pieaugt. Faktiski AI projekti ir dedzīgi mākoņa infrastruktūras patērētāji, vienlaikus radot papildu izmaksas par datu platformām un inženiertehniskajiem resursiem. Un tas ir papildus marķieriem, kas tiek izmantoti katram vaicājumam. Šo izmaksu decentralizētais raksturs padara tās īpaši grūti attiecināmas uz uzņēmējdarbības rezultātiem.
Tāpat kā mākonī, mākslīgā intelekta iegūšanas vienkāršība ātri noved pie AI izplešanās. Un ierobežots budžets nozīmē, ka katrs iztērētais dolārs ir neapzināts kompromiss ar citām vajadzībām. Cilvēki uztraucas, ka AI paņems viņu darbu. Taču tikpat iespējams, ka mākslīgais intelekts atņems viņu nodaļas budžetu.
Tikmēr saskaņā ar Gartner® teikto: “Vairāk nekā 40% aģentu AI projektu tiks atcelti līdz 2027. gada beigām pieaugošo izmaksu, neskaidras biznesa vērtības vai neatbilstošas peļņas kontroles dēļ. Wager vai tie ir īstie projekti, ko atcelt? Ja nav iespējas savienot ieguldījumus ar ietekmi, kā uzņēmumu vadītāji var zināt, vai šīs pieaugošās izmaksas attaisno proporcionāli lielāka IA? ?
Bez AI izmaksu pārskatāmības uzņēmumi riskē pārtērēt, nodrošināt nepietiekamu rezultātu un neizmantot labākas iespējas palielināt vērtību.
Kāpēc tradicionālā finanšu plānošana nevar tikt galā ar AI?
Kā mēs uzzinājām, izmantojot mākoni, mēs redzam, ka tradicionālie statiskā budžeta modeļi ir slikti piemēroti dinamiskām darba slodzēm un strauji mērogojamiem resursiem. Mākoņa izmaksu pārvaldības atslēga ir bijusi marķēšana un telemetrija, kas palīdz uzņēmumiem katru mākoņdatošanas dolāru attiecināt uz konkrētiem biznesa rezultātiem. AI izmaksu pārvaldībai būs nepieciešama līdzīga prakse. Taču izaicinājuma apjoms sniedzas daudz tālāk. Papildus izmaksām par glabāšanu, aprēķinu un datu pārsūtīšanu, katrs AI projekts ietver savu prasību kopumu — no tūlītējas optimizācijas un modeļa maršrutēšanas līdz datu sagatavošanai, normatīvo aktu atbilstībai, drošībai un personālam.
Šis sarežģītais pastāvīgi mainīgo faktoru kopums padara saprotamu, ka finanšu un biznesa komandām trūkst skaidras ar AI saistītos tēriņus, un IT komandām ir grūti saskaņot lietošanu ar biznesa rezultātiem. Taču bez šiem savienojumiem nav iespējams precīzi un precīzi izsekot IA.
Izmaksu pārredzamības stratēģiskā vērtība
Izmaksu pārredzamība ļauj pieņemt gudrākus lēmumus — no resursu piešķiršanas līdz talantu izvietošanai.
Konkrētu AI resursu savienošana ar to atbalstītajiem projektiem palīdz tehnoloģiju lēmumu pieņēmējiem nodrošināt, ka augstvērtīgākajiem projektiem tiek nodrošināts tas, kas nepieciešams, lai gūtu panākumus. Pareizo prioritāšu noteikšana ir īpaši svarīga, ja trūkst labāko talantu. Ja jūsu augsti atalgotie inženieri un datu zinātnieki ir sadalīti starp pārāk daudziem interesantiem, guess nebūtiskiem pilotiem, būs grūti nodrošināt personālu nākamajam stratēģiskajam un, iespējams, steidzīgajam punktam.
FinOps labākā prakse vienlīdz attiecas uz AI. Ieskats par izmaksām var atklāt iespējas optimizēt infrastruktūru un novērst atkritumu problēmas, vai nu pareizi pielāgojot veiktspēju un latentumu, lai tie atbilstu darba slodzes prasībām, vai arī izvēloties mazāku, rentablāku modeli, nevis pēc noklusējuma izmantot jaunāko lielo valodu modeli (LLM). Darbam turpinoties, izsekošana var norādīt uz pieaugošajām izmaksām, lai vadītāji pēc vajadzības varētu ātri pagriezties daudzsološākos virzienos. Projekts, kuram ir jēga par X izmaksu, var nebūt vērtīgs ar 2 X izmaksām.
Uzņēmumi, kas izmanto strukturētu, pārredzamu un labi pārvaldītu pieeju AI izmaksām, visticamāk, tērēs pareizo naudu pareizajos veidos un redzēs optimālu ieguldījumu atdevi.
TBM: uzņēmuma sistēma AI izmaksu pārvaldībai
Pārredzamība un AI izmaksu kontrole ir atkarīga no trim praksēm:
IT finanšu vadība (ITFM): IT izmaksu un investīciju pārvaldība atbilstoši biznesa prioritātēm
FinOps: Mākoņa izmaksu un IA optimizēšana, izmantojot finansiālo atbildību un darbības efektivitāti
Stratēģiskā portfeļa pārvaldība (SPM): Projektu prioritāšu noteikšana un pārvaldīšana, lai labāk nodrošinātu, ka tie sniedz uzņēmumam maksimālu vērtību
Šīs trīs disciplīnas kopā veido Tehnoloģiju biznesa vadību (TBM) — strukturētu sistēmu, kas palīdz tehnoloģiju, biznesa un finanšu līderiem saistīt ieguldījumus tehnoloģijās ar biznesa rezultātiem, lai nodrošinātu labāku finanšu pārredzamību un lēmumu pieņemšanu.
Lielākā daļa uzņēmumu jau ir ceļā uz TBM neatkarīgi no tā, vai viņi to apzinās vai nē. Viņi, iespējams, ir pieņēmuši kādu FinOps vai mākoņa izmaksu pārvaldības veidu. Vai arī viņi var attīstīt spēcīgas finanšu zināšanas IT jomā. Vai arī viņi var paļauties uz uzņēmuma elastīgo plānošanu vai stratēģiskās portfeļa pārvaldības projektu pārvaldību, lai veiksmīgāk īstenotu iniciatīvas. AI var izmantot un ietekmēt visas šīs jomas. Apvienojot tos zem viena jumta ar kopīgu modeli un vārdu krājumu, TBM sniedz būtisku skaidrību par AI izmaksām un to radīto ietekmi uz uzņēmējdarbību.
AI panākumi ir atkarīgi no vērtības — ne tikai no ātruma. Izmaksu pārredzamība, ko nodrošina TBM, piedāvā ceļvedi, kas var palīdzēt biznesa un IT vadītājiem veikt pareizos ieguldījumus, nodrošināt tos rentabli, mērogot tos atbildīgi un pārvērst AI no dārgas kļūdas par izmērāmu biznesa aktīvu un stratēģisku virzītājspēku.
Avoti: Gartner® preses relīze, Gartner® prognozē, ka vairāk nekā 40% aģentu AI projektu tiks atcelti līdz 2027. gada beigām, 2025. gada 25. jūnijam
GARTNER® ir Gartner®, Inc. un/vai tā saistīto uzņēmumu reģistrēta preču zīme un pakalpojumu zīme ASV un starptautiskā mērogā, un šeit tiek izmantota ar atļauju. Visas tiesības paturētas.
Ajay Patel ir IBM Apptio un IT automatizācijas ģenerāldirektors.
Sponsorētie raksti ir saturs, ko ražo uzņēmums, kas vai nu maksā par ziņu, vai kuram ir biznesa attiecības ar VentureBeat, un tie vienmēr ir skaidri atzīmēti. Lai iegūtu vairāk informācijas, sazinieties gross sales@venturebeat.com.
