Wydatki na sztuczną inteligencję maleją: 5 kroków, które pomogą przygotować się na kolejną fazę konsumpcji

Przez ostatnie dwa lata wiele organizacji traktowało wdrażanie sztucznej inteligencji jako cel sam w sobie. Im więcej użytkowników, narzędzi i doświadczeń, tym lepiej. Jednak dziś liderzy nie mierzą już sukcesu wyłącznie na podstawie wdrożenia. Pytają teraz o koszty, o to, gdzie sztuczna inteligencja generuje realną wartość i czy firmy mogą sobie pozwolić na odpowiedzialne skalowanie jej rozwoju.

To kolejny rozdział w zarządzaniu wydatkami na sztuczną inteligencję i technologię. Firmy, które odniosą sukces w tym środowisku, niekoniecznie będą tymi, które będą konsumować najwięcej technologii, ale raczej tymi, które będą w stanie powiązać konsumpcję technologii z mierzalną wartością biznesową. To podejście jest zgodne z ideą, że przyrostowe zyski są kluczem do sukcesu w dziedzinie sztucznej inteligencji.

To przejście od maksymalizacji użyteczności do maksymalizacji wartości, określane mianem „valuemaxxing”, stanowi ogromne wyzwanie stojące przed liderami technologii.

Kadra kierownicza, która już teraz zastosuje się do tych pięciu kroków, będzie gotowa na przyszłość, w której zużycie technologii i wartość biznesową trzeba będzie mierzyć łącznie:

1. Osiągnięcie prawdziwej wizji obejmującej cały stos technologiczny

Organizacje nie mogą zarządzać tym, czego nie widzą. Ta potrzeba staje się jeszcze bardziej paląca, gdy koszty są zmienne, rozproszone i stale się zmieniają.

Konsumpcja technologii nie ogranicza się już dziś do jednego budżetu lub systemu. Obejmuje teraz aplikacje SaaS, infrastrukturę chmurową, platformy danych, modele AI, agentów i infrastrukturę ogólnie. AI dodaje kolejny poziom złożoności, gdzie wydatki można wyrazić za pomocą tokenów, kredytów, wykorzystania modeli, zużycia GPU, transferu danych i aplikacji opartych na AI.

Obecnie zaledwie 31% organizacji deklaruje jasną wizję oprogramowania AI, a 59% odnotowuje wzrost marnotrawstwa wydatków na AI z roku na rok. W związku z tym posiadanie pojedynczego, niezawodnego źródła informacji obejmującego cały stos technologiczny jest ważniejsze niż kiedykolwiek.

Bez kompleksowego spojrzenia na zużycie technologii organizacje podejmują decyzje w oparciu o rozproszone informacje. Takie spojrzenie nie polega tylko na kontrolowaniu kosztów, ale także na zrozumieniu, gdzie inwestycje generują wartość, a gdzie wydatki są marnotrawione.

2. Opracowanie modelu zarządzania konsumpcją

Wiele organizacji zachęcało do szeroko zakrojonych eksperymentów ze sztuczną inteligencją, by później odkryć, że jej wykorzystanie wymknęło się spod kontroli. Dlatego posiadanie wewnętrznych ram zarządzania jest kluczowe dla sukcesu każdej firmy. Zarządzanie zapewnia zespołom niezbędne mechanizmy kontroli, umożliwiające odpowiedzialne skalowanie, zwłaszcza w obliczu rosnącego znaczenia zarządzania agentami AI.

W szczególności w odniesieniu do sztucznej inteligencji, liderzy muszą przejść od podejścia „najczęściej stosowanego” do podejścia „najlepiej stosowanego”. Chodzi o określenie, czy sztuczna inteligencja poprawia czas cyklu, jakość obsługi klienta, wydajność operacyjną, wzrost przychodów lub jakikolwiek inny ważny wskaźnik biznesowy.

Aby pokierować tym procesem, duże firmy coraz częściej (85%) powołują dedykowane zespoły ds. sztucznej inteligencji i zarządzania technologią lub kadrę kierowniczą wyższego szczebla, aby zapewnić przejrzystość, kontrolę i współpracę między zespołami. Firmy muszą koniecznie zapobiec temu, by sztuczna inteligencja stała się niekontrolowanym centrum kosztów.

3. Renegocjacja umów w celu zapewnienia elastyczności i rozliczalności

Modele cenowe technologii zmieniają się w niespotykanym dotąd tempie. Długoterminowe, stałe umowy mogą nadal obowiązywać, ale zarządzanie nimi stało się trudniejsze w środowiskach, w których użytkowanie może się szybko zmieniać.

Liderzy muszą dziś regularnie analizować umowy z dostawcami, aby upewnić się, że odzwierciedlają one rzeczywiste wzorce użytkowania i przyszłe potrzeby biznesowe. Jest to szczególnie ważne, ponieważ dostawcy sztucznej inteligencji stale wprowadzają nowe modele konsumpcji i strategie monetyzacji.

Firmy powinny spodziewać się większej, a nie mniejszej złożoności cen. Celem nie jest po prostu negocjowanie niższych kosztów, ale zawieranie umów, które dają firmom przestrzeń do innowacji, jednocześnie zachowując kontrolę nad wydatkami.

4. Współpraca zespołów ds. technologii, finansów i zakupów

Koszty zależne od wykorzystania wpływają na wiele zespołów. Podczas gdy zespoły technologiczne kontrolują wolumen wykorzystania, inne działy sprawują niezbędny nadzór, przy czym dział finansowy odpowiada za wpływ na budżet, a dział zaopatrzenia zarządza kontraktami z dostawcami. Bez spójności organizacje mogą łatwo stracić kontrolę nad wydatkami.

Organizacje, które dobrze zarządzają konsumpcją, budują wspólną wizję użytkowania, kosztów i wartości. Ustanawiają wspólne wskaźniki, jasno określają odpowiedzialność i regularnie współpracują między działami.

Gdy zespoły pracują w oparciu o te same dane i tę samą definicję wartości, decyzje stają się bardziej przemyślane i unikają kosztownych niespodzianek.

5. W jaki sposób sztuczna inteligencja przekształca proces doskonalenia z reaktywnego w ciągły?

Wykorzystaj narzędzia sztucznej inteligencji, aby lepiej radzić sobie ze wzrastającą złożonością samej technologii konsumpcyjnej.

Optymalizacja nie może pozostać jedynie okresowym ćwiczeniem budżetowym. Zanim problem z kosztami pojawi się w raporcie, zużycie może już ulec zmianie.

Sztuczna inteligencja może pomóc zespołom w odkrywaniu nietypowych wzorców użytkowania, identyfikowaniu strat, przewidywaniu popytu i wspieraniu inteligentniejszego planowania w zespołach. Optymalizacja oparta na sztucznej inteligencji musi jednak być powiązana z celami określonymi przez człowieka. Celem jest pomoc zespołom w podejmowaniu lepszych i szybszych decyzji, z jaśniejszym wglądem w to, co jest wykorzystywane, jaki jest jego koszt i gdzie generuje wartość.

Przekształcanie konsumpcji technologii w wartość

Kolejny etap rozwoju sztucznej inteligencji w przedsiębiorstwach będzie wyglądał zupełnie inaczej niż pierwszy. Przez ostatnie kilka lat nacisk kładziono na eksperymentowanie i wdrażanie. Przyszłość należy do organizacji, które potrafią wykazać się odpowiedzialnością, zarządzaniem i wartością.

Sztuczna inteligencja przyspieszyła transformację branży w kierunku modeli technologicznych zorientowanych na konsumenta, stwarzając nowe wyzwania ekonomiczne i nowe możliwości. W miarę jak organizacje będą rozszerzać wykorzystanie sztucznej inteligencji, zrozumienie relacji między użytkowaniem, kosztami i wpływem na biznes stanie się kluczową przewagą konkurencyjną.

Szał adopcji sztucznej inteligencji dobiega końca. W ślad za nim podąża bardziej zdyscyplinowana wizja, zarządzanie i rozliczalność finansowa, które określą, kto z powodzeniem skaluje innowacje, a kogo obciążą koszty.