Навлизането на генеративния изкуствен интелект в бизнеса във всички сфери изглежда пренаписва правилата за формиране на технологичните бюджети. След като през последните години полагаха усилия да „приютят“ облачните услуги в ИТ бюджетите, сега финансистите са изправени пред ново предизвикателство.
Според доклада „Състоянието на FinOps за 2026 г.“ на FinOps Foundation, цели 98% от глобалните практикуващи финансисти вече са натоварени със задачата да управляват разходите за AI, спрямо едва 31% през 2024 г. Освен това управлението на разходите за AI се превърна в най-търсеното умение за екипите по финанси на технологиите тази година.
„Все още сме в доста ранен етап на възприемане на AI. Повечето организации са във фазата на концептуална проверка, опитват се да разберат нещата“, каза Мат Пинтер, главен технически директор за Азиатско-тихоокеанския регион в Apptio, компания на IBM, специализирана в софтуер за управление на ИТ разходите.
Токените – новата метрика за таксуване
Ценообразуването на AI може да варира значително в зависимост от видовете услуги и моделите на внедряване. За готови за употреба инструменти като ChatGPT или Gemini основната метрика за таксуване е токенът – фундаментална единица данни, обработвани от AI.
„Изглежда, че индустрията се е стандартизирала именно върху това. Токените са основният механизъм за таксуване“, каза Пинтер. В резултат, оптимизирането на заявките за намаляване на използването на токени се превръща в един от най-ефективните начини за контрол на разходите за AI.
На този фон компаниите започват да третират токените като корпоративна валута. Някои организации вече говорят за токеномика, предоставяйки на разработчиците месечен лимит от токени за писане на програмен код или преглед на код.
„Давате на някого бюджет от токени и казвате: „Ето какво имате на разположение, за да вършите работата си“. След това те решават как да свършат работата си в рамките на определения бюджет“, каза Пинтер. „Можете да видите как започва да се случва тази промяна в мисленето, при която инженерите казват: „Искам да съм сигурен, че го използвам отговорно“.
Фокусът върху разработчиците отразява нарастващата тенденция за изместване във финансовите практики, при което разходите се оптимизират чрез механизми като отстъпки за отговорно използване и правилно оразмерени инстанции по-рано в жизнения цикъл на разработката на софтуера.
Според FinOps Foundation, финансовите екипи са започнали да работят с колегите от другите отдели по изграждането на калкулатори за ценообразуване и предлагайки насоки преди внедряване.
Скритите разходи на вътрешния AI
Докато готовите за употреба AI услуги предлагат удобство, изграждането на вътрешен AI може да бъде значително по-скъпо. Това изисква осигуряване на високо ценени графични процесори (GPU) в центъра за данни или в облака, както и справяне с явлението, което Пинтер нарича „скритите разходи на изкуствения разум“.
„Нещата стават много по-сложни, защото сега говорим за инфраструктурата, необходима за поддържане на вътрешни AI решения“, каза той. „Ако са в центъра за данни, тогава трябва да се вземат предвид разходите за електроенергия за захранване на тези системи“.
На свой ред екологичният отпечатък на AI все повече обвързва финансовите правила със зелените политики, особено в Азиатско-тихоокеанския регион, където новите закони за опазване на климата задължават компаниите да измерват и намаляват въглеродните емисии. Чрез оптимизиране на използването на облака организациите могат едновременно да намалят сметките си и въглеродния си отпечатък.
Освен публичните облачни услуги, близо половината от финансовите екипи активно управляват разходите за физически центрове за данни, за да обхванат пълния спектър на изискванията за AI изчисления, според доклада на FinOps Foundation. Тези екипи също работят с екипите по околна среда, социални въпроси и управление (ESG) по инициативи за устойчиво развитие.
Търсенето на възвръщаемост на инвестициите
Въпреки значителните инвестиции в AI, много компании се затрудняват да формулират неговата възвръщаемост на инвестициите (ROI). „Много клиенти в момента пропускат това“, каза Пинтер. „Казали са им: „Заемете се с AI“, но нямат ясна крайна цел“.
Само 7,5% от предприятията интегрират финансовия аспект в проектите си за AI, според IDC. Поради това практиците насърчават повече бизнеси да изчисляват точната икономика на единица продукт на AI.
В един сценарий банка, която обработва ипотечни кредити, може да установи базова цена, например 8 щ.д. на кредит за 1000 кредита на месец, и да измери финансовото въздействие от внедряването на AI.
„В идеалния случай трябва да видите увеличаване на броя на ипотеките и намаляване на времето за обработка“, каза Пинтер. „Можете да кажете: „Утроихме това и намалихме себестойността на единица с 10%“.
Тук може да помогне моделът за управление на бизнес-технологиите (Technology Business Management – TBM). Пинтер отбелязва, че последната версия на модела дава на предприятията начин да изчислят ценовата структура на различните AI услуги и модели на внедряване, обединявайки традиционното финансово управление на ИТ и финансовите дейности.
Като по ирония решението за управление на разходите за AI включва още повече AI. Пинтер очаква откриването на аномалии, базирано на изкуствен разум, да се окаже от съществено значение за предотвратяване на шокови сметки от неправилно конфигурирани облачни инстанции.
Чатботовете с естествен човешки език също биха могли да заменят таблата за бизнес-анализи, позволявайки на ръководителите да задават въпроси за достигане до лесни аналитични изследвания.
Всичко това няма да се случи толкова лесно, колкото експертите препоръчват. „Става дума за културната промяна, за да накараш всички да се включат“, каза Пинтер.
„Може да нямате ръководители, които са напълно убедени, а инженерите може да са скептични. Получаването на организационно одобрение, при което всички казват: „Да, това ще направим“, е най-голямото предизвикателство“, заключава той.
