هوش مصنوعی. آیا اصطلاحی وجود دارد که وضعیت ابر در سال 2024 یا چشم انداز شرکت برای سال 2025 را بهتر توصیف کند؟ بر اساس گزارش IDC، هزینههای جهانی هوش مصنوعی در سال 2024 به حدود 235 میلیارد دلار رسید و اکنون پیشبینی میکنند که تا سال 2028 به رقم خیرهکننده 631 میلیارد دلار برسد.
هوش مصنوعی در حال حاضر ثابت کرده است که میتواند انقلابی در عملیات تجاری ایجاد کند، اما هنوز چالشهای زیادی در ادغام آن و حتی بیشتر در تعیین تأثیرات کاربری و مالی وجود دارد. مهمترین این موارد اطمینان از این است که هوش مصنوعی برای پاسخگویی به نیازهای خاص یک کسبوکار سفارشی شده و بازگشت سرمایه (ROI) هر طرحی را از نزدیک نظارت میکند. همانطور که رایانش ابری مقیاسبندی منابع درخواستی را معرفی کرد، هوش مصنوعی فرصتهای بیشتری را برای خودکارسازی صرفهجویی در هزینه و بهرهوری آشکار میکند. با این حال، کسبوکارها باید تلاشهای پذیرش قبلی را در نظر بگیرند، بهویژه، انتخاب ادغامهای سنجیده و بهبودهای کوچک در مقابل رویکرد یکباره.
سازمانها باید تلاش کنند تا از اصول عملیات مالی (FinOps) برای موفقیت در پذیرش هوش مصنوعی استفاده کنند. برنامهریزی و اجرای عملگرایانه تلاشها در فضای هوش مصنوعی برای جلوگیری از کسری بازگشت سرمایه که میتواند زمانی رخ دهد که سازمانها به دنبال نوآوری هستند، بسیار مهم است.
استفاده از FinOps برای همسویی هوش مصنوعی
FinOps یک رویکرد مدیریتی است که بر مسئولیت مشترک در قبال زیرساخت رایانش ابری و هزینههای مربوط به آن متمرکز است. Global Market Estimates گزارش داده است که بازار FinOps از 832.2 میلیون دلار در سال 2023 به بیش از 2.75 میلیارد دلار تا سال 2028 افزایش خواهد یافت. بخش عمدهای از این امر ناشی از پذیرش سریع و جهانی هوش مصنوعی از پلتفرمهای سازمانی تا کاربران مصرفکننده خواهد بود.
شرکتها در تلاش هستند تا از شلنگ آتش هوش مصنوعی بنوشند، و متأسفانه، آنها در حال ایجاد استراتژیهای هوش مصنوعی در زمان واقعی هستند، زیرا برای افزایش درآمد و بهرهوری کارکنان عجله دارند. در حالت ایدهآل، شما میخواهید قبل از استفاده از هوش مصنوعی در عملیات، یک پایه داشته باشید. این باید شامل تأکید بر مدیریت هزینه، تخصیص منابع و پیگیری بازگشت سرمایه باشد. این نیز تمرکز FinOps است که میتواند از خطاها جلوگیری کرده و فرآیندها را برای پیشبرد پذیرش هوش مصنوعی بهبود بخشد.
این پایه میتواند یک نقشه راه یکپارچهسازی شامل موارد استفاده، ابزارهای امیدوارکننده و برنامهای برای رسیدگی به پیادهسازی ارائه دهد.
هزینهها و کنترل
نظرسنجی انجام شده توسط Ernst & Young نشان داد که تعداد رهبران ارشد کسبوکار که 10 میلیون دلار یا بیشتر در هوش مصنوعی سرمایهگذاری میکنند، تقریباً در سال 2025 دو برابر خواهد شد. با این حال، در همان زمان، این مطالعه اشاره میکند که بسیاری از سرمایهگذاریهای هوش مصنوعی میتواند از همان ابتدا به دلیل نداشتن زیرساخت مناسب دچار مشکل شوند. این امر اجرای استراتژیهای مؤثر برای مدیریت و کنترل هزینهها را حیاتی میکند.
برای شروع، شرکتها باید بودجهای ایجاد کنند و پروژههای هوش مصنوعی را که میخواهند انجام دهند، پیشبینی کنند. این برنامهریزی یکی از ارکان FinOps است و باید به طور دقیق هزینه کل طرحها را ارزیابی کند، بر تخصیص منابع (از جمله کارکنان) تأکید کند و اضافهپرداختهای صورتحساب را حذف کند. بهینهسازی هزینه همچنین میتواند به شناسایی فرصتها و کاهش هزینهها کمک کند. تمرکز جدید بر خدمات هوش مصنوعی در ابر میتواند مقیاسپذیری و کارایی هزینه را افزایش دهد، زیرا آنها نسبت به اضافهپرداختها و استفاده ناکارآمد بسیار حساستر هستند. حتی اگر سازمانها هوش مصنوعی را در حجم کاری کاربر نهایی پیادهسازی نکنند، باز هم فرصتی برای ایجاد سیستمهای داخلی با استفاده از هوش مصنوعی برای کمک به شناسایی کارایی عملیاتی و اجرای کنترلهای هزینه بر روی زیرساختهای موجود وجود دارد.
دردها و دستاوردها
تحلیلگران Forrester معتقدند که اگر هوش مصنوعی با استراتژی کسبوکار هماهنگ باشد، شرکتها میتوانند موفقیت بلندمدتی را با هوش مصنوعی ببینند. مدیران ارشد اطلاعات (CIO) احتمالاً کسانی هستند که بیش از همه از مقیاسبندی هوش مصنوعی حمایت خواهند کرد، با این حال آنها همچنین میدانند که نشان دادن بازگشت سرمایه میتواند یک فرآیند دردناک باشد. با در نظر گرفتن این موضوع، موارد زیر را در نظر بگیرید:
- توسعه معیارها و شاخصها: این به مدیران ارشد اطلاعات اجازه میدهد تا تأثیر طرحهای هوش مصنوعی را ارزیابی کنند.
- نشان دادن نتایج: بر عملکرد عملیاتی تأکید کنید و یافتهها را به صورت قابل فهم به C-suite ارائه دهید.
- نظارت و تجزیه و تحلیل: استفاده از هوش مصنوعی را در سراسر کسبوکار دنبال کنید و جزئیات رشد را در زمینههای کلیدی مانند تعامل با مشتری، فروش، کارایی و پسانداز بیان کنید.
- انجام بررسی عملکرد: انجام منظم این موارد میتواند دادههایی تولید کند که نشان میدهد هوش مصنوعی در کجا تأثیر مثبتی دارد و در کجا شکست میخورد.
شیوههای FinOps میتوانند دید مالی بیشتری را در سرمایهگذاریهای هوش مصنوعی ارائه دهند، تصمیمگیری را تقویت کرده و بازگشت سرمایه را به حداکثر برسانند. با استراتژیهای پیشرفته برای کنترل هزینهها و تخصیص منابع، کسبوکارها میتوانند به راحتی بر پیچیدگیهایی که پذیرش هوش مصنوعی را خفه میکنند غلبه کرده و در عین حال دستاوردها را ثابت کرده و حمایت بیشتری از تصمیمگیرندگان جلب کنند.