Prezentowane przez Apptio, firmę IBM
Kiedy na scenę wchodzi technologia o rewolucyjnym potencjale, firmom łatwo jest pozwolić, aby entuzjazm zwyciężył nad dyscypliną fiskalną. Liczenie fasoli może wydawać się krótkowzroczne w obliczu ekscytujących możliwości transformacji biznesowej i dominacji konkurencyjnej. Ale pieniądze są zawsze przedmiotem. A gdy technologią jest sztuczna inteligencja, komponenty te można szybko dodać.
Wartość sztucznej inteligencji staje się oczywista w obszarach takich jak wydajność operacyjna, produktywność pracowników i zadowolenie klientów. Ma to jednak swoją cenę. Kluczem do długoterminowego sukcesu jest zrozumienie relacji między nimi — dzięki temu możesz mieć pewność, że potencjał sztucznej inteligencji przełoży się na realny, pozytywny wpływ na Twój biznes.
Paradoks akceleracji AI
Chociaż sztuczna inteligencja pomaga przekształcać operacje biznesowe, jej własny ślad finansowy często pozostaje niejasny. Jeśli nie możesz powiązać kosztów z wydajnością, jak możesz mieć pewność, że inwestycje w sztuczną inteligencję zapewnią znaczny zwrot z inwestycji? Ta niepewność nie jest zaskoczeniem, że w ramach cyklu Gartner® Hype Cycle dotyczącego sztucznej inteligencji 2025 GenAI znalazła się w „rynnie rozczarowania”.
Skuteczne planowanie strategiczne zależy od przejrzystości. W przypadku jego braku podejmowanie decyzji opiera się na domysłach i instynkcie. A od tych decyzji wiele zależy. Według badań Apptio 68% ankietowanych liderów technologii spodziewa się wzrostu budżetów na sztuczną inteligencję, a 39% uważa, że sztuczna inteligencja będzie największym czynnikiem wpływającym na przyszły wzrost budżetów ich działów.
Jednak większe budżety nie gwarantują lepszych wyników. Gartner® ujawnia również, że „pomimo średnich wydatków na inicjatywy GenAI w 2024 r. wynoszących 1,9 mln dolarów, mniej niż 30% liderów AI twierdzi, że ich dyrektorzy generalni są zadowoleni ze zwrotu z inwestycji”. Jeśli nie ma jasnego związku między kosztami a wynikami, organizacje ryzykują skalowanie inwestycji bez skalowania wartości, którą mają tworzyć.
Aby móc działać z uzasadnioną pewnością siebie, liderzy biznesowi w dziedzinie finansów, IT i technologii muszą współpracować, aby uzyskać wgląd w finansowe słabe punkty sztucznej inteligencji.
Ukryte ryzyko finansowe sztucznej inteligencji
Olbrzymie koszty sztucznej inteligencji mogą przypomnieć liderom IT o początkach chmury publicznej. Kiedy zespoły DevOps i jednostki biznesowe mogą łatwo pozyskiwać własne zasoby w oparciu o OpEx, koszty i nieefektywność mogą szybko wzrosnąć. W rzeczywistości projekty AI są zagorzałymi konsumentami infrastruktury chmurowej, ponosząc jednocześnie dodatkowe koszty dla platform danych i zasobów inżynieryjnych. I to oprócz tokenów używanych dla każdego zapytania. Ze względu na zdecentralizowany charakter tych kosztów szczególnie trudno jest je przypisać do wyników biznesowych.
Podobnie jak w przypadku chmury, łatwość pozyskiwania sztucznej inteligencji szybko napędza jej rozprzestrzenianie. A ograniczone budżety oznaczają, że każdy wydany dolar stanowi nieświadomy kompromis z innymi potrzebami. Ludzie boją się, że sztuczna inteligencja przejmie ich pracę. Ale sztuczna inteligencja równie dobrze przejmie budżet swojego działu.
Tymczasem według Gartnera® „ponad 40% projektów AI agencji zostanie anulowanych do końca 2027 roku ze względu na rosnące koszty, niejasną wartość biznesową lub nieodpowiednią kontrolę ryzyka”. Ale czy są to właściwe projekty do anulowania? W przypadku braku sposobu powiązania inwestycji z wynikami, skąd liderzy biznesu mogą wiedzieć, czy te rosnące koszty są uzasadnione proporcjonalnie wyższym zwrotem z inwestycji? ?
Bez przejrzystości kosztów sztucznej inteligencji firmy ryzykują nadmierne wydatki, niedostateczne wyniki i utratę lepszych możliwości tworzenia wartości dodanej.
Dlaczego tradycyjne planowanie finansowe nie radzi sobie ze sztuczną inteligencją
Jak nauczyliśmy się z chmurą, widzimy, że tradycyjne statyczne modele budżetowe nie nadają się do dynamicznych obciążeń i szybkiego skalowania zasobów. Kluczem do zarządzania wydatkami na chmurę jest tagowanie i telemetria, które pomagają firmom przypisywać każdego dolara wydanego na chmurę konkretnym wynikom biznesowym. Zarządzanie kosztami sztucznej inteligencji będzie wymagało podobnych praktyk. Ale zakres wyzwania sięga znacznie dalej. Oprócz kosztów przechowywania, obliczeń i transmisji danych każdy projekt AI wiąże się z własnym zestawem wymagań — od szybkiej optymalizacji i routingu modeli po przygotowanie danych, zgodność z przepisami, bezpieczeństwo i personel.
Ta złożona mieszanka stale zmieniających się czynników sprawia, że zrozumiałe jest, że zespołom finansowym i biznesowym brakuje dokładnego wglądu w wydatki na sztuczną inteligencję, a zespoły IT mają trudności z pogodzeniem wykorzystania z wynikami biznesowymi. Jednak bez tych połączeń niemożliwe jest precyzyjne i dokładne śledzenie ROI.
Strategiczna wartość przejrzystości kosztów
Przejrzystość kosztów umożliwia podejmowanie mądrzejszych decyzji — od alokacji zasobów po wdrażanie talentów.
Łączenie określonych zasobów sztucznej inteligencji z wspieranymi przez nie projektami pomaga decydentom technologicznym zapewnić, że projekty o najwyższej wartości otrzymają to, czego potrzebują, aby odnieść sukces. Ustalenie właściwych priorytetów jest szczególnie ważne, gdy nie ma wystarczającej liczby najlepszych talentów. Jeśli Twoi wysoko opłacani inżynierowie i analitycy danych zostaną oddelegowani do zbyt wielu interesujących, ale nieistotnych projektów pilotażowych, trudno będzie zatrudnić kolejne strategiczne – i być może pilne – centrum.
Najlepsze praktyki FinOps mają zastosowanie w równym stopniu do sztucznej inteligencji. Analiza kosztów może ujawnić możliwości optymalizacji infrastruktury i ograniczenia marnotrawstwa poprzez odpowiednie dobranie wydajności i opóźnień do wymagań obciążenia lub wybranie mniejszego, bardziej opłacalnego modelu zamiast wdrażania w najnowszym modelu wielojęzycznym (LLM). W miarę rozwoju firmy śledzenie może sygnalizować rosnące koszty, dzięki czemu menedżerowie mogą w razie potrzeby szybko skierować się w stronę bardziej obiecujących kierunków. Projekt, który ma sens przy kosztach X, może nie opłacić się przy kosztach 2X.
Firmy, które przyjmują zorganizowane, przejrzyste i dobrze zarządzane podejście do wydatków na sztuczną inteligencję, częściej wydają właściwe pieniądze we właściwy sposób i osiągają optymalny zwrot z inwestycji (ROI) ze swoich inwestycji.
TBM: firma zajmująca się zarządzaniem kosztami sztucznej inteligencji
Przejrzystość i kontrola kosztów sztucznej inteligencji zależy od trzech praktyk:
Zarządzanie finansami IT (ITFM): Zarządzanie kosztami i inwestycjami IT zgodnie z priorytetami biznesowymi
FinOps: Optymalizacja kosztów chmury i ROI poprzez odpowiedzialność finansową i efektywność operacyjną
Strategiczne zarządzanie portfelem (SPM): Ustalanie priorytetów i zarządzanie projektami w celu lepszego zapewnienia, że dostarczają one maksymalnej wartości dla firmy
Razem te trzy dyscypliny tworzą Technology Business Management (TBM) — ustrukturyzowaną strukturę, która pomaga liderom technologicznym, biznesowym i finansowym łączyć inwestycje technologiczne z wynikami biznesowymi w celu uzyskania lepszej przejrzystości finansowej i podejmowania decyzji.
Większość firm jest już na drodze do TBM, niezależnie od tego, czy zdają sobie z tego sprawę, czy nie. Być może przyjęli jakąś formę FinOps lub zarządzania kosztami w chmurze. A może rozwijają silną specjalistyczną wiedzę finansową w zakresie IT. Mogą też polegać na zwinnym planowaniu przedsiębiorstwa lub zarządzaniu projektami w ramach strategicznego zarządzania portfelem, aby skuteczniej realizować inicjatywy. Sztuczna inteligencja może czerpać ze wszystkich tych obszarów i wpływać na nie. Łącząc je w ramach jednego modelu i wspólnego słownictwa, TBM zapewnia niezbędną przejrzystość kosztów sztucznej inteligencji i możliwego przez nie wpływu na biznes.
Sukces sztucznej inteligencji zależy od wartości – nie tylko od szybkości. Przejrzystość kosztów zapewniana przez TBM stanowi plan działania, który może pomóc liderom biznesowym i IT w dokonywaniu właściwych inwestycji, realizowaniu ich w sposób opłacalny, odpowiedzialne skalowanie oraz przekształcanie sztucznej inteligencji z kosztownego błędu w wymierny zasób biznesowy i czynnik strategiczny.
Źródła: komunikat prasowy Gartner®, Gartner® przewiduje, że do końca 2027 r. ponad 40% projektów Agentic AI zostanie anulowanych 25 czerwca 2025 r.
GARTNER® jest zastrzeżonym znakiem towarowym i znakiem usługowym firmy Gartner®, Inc. i/lub jej podmiotów stowarzyszonych w USA i za granicą i został tu użyty za zgodą. Wszelkie prawa zastrzeżone.
Ajay Patel jest dyrektorem generalnym ds. Apptio i automatyzacji IT w IBM.
Artykuły sponsorowane to treści tworzone przez firmę, która płaci za publikację lub ma relacje biznesowe z VentureBeat i zawsze są wyraźnie oznaczone. Aby uzyskać więcej informacji, prosimy o kontakt sprzedaż@venturebeat.com.
