هزینه‌های هوش مصنوعی در حال افزایش است — در اینجا نحوه کنترل آن‌ها آمده است

استفاده از رایانش ابری همچنان در حال افزایش است و هزینه‌های مرتبط با آن نیز به همین ترتیب افزایش می‌یابد — به‌ویژه، اخیراً هزینه‌های ناشی از هوش مصنوعی. تحلیلگران گارتنر پیش‌بینی می‌کنند که هزینه‌کرد کاربران نهایی در سراسر جهان برای خدمات ابری عمومی در سال ۲۰۲۵ به ۷۲۳.۴ میلیارد دلار خواهد رسید که نسبت به حدود ۶۰۰ میلیارد دلار در سال ۲۰۲۴ افزایش قابل توجهی دارد. همچنین، ۷۰٪ از مدیران مورد بررسی در گزارش IBM، هوش مصنوعی مولد را به عنوان عامل اصلی این افزایش ذکر کرده‌اند.

هم‌زمان، شرکت چینی DeepSeek با ادعای اینکه آموزش مدل هوش مصنوعی‌اش تنها دو ماه و ۶ میلیون دلار هزینه داشته است، سروصدا به پا کرد. تردیدهایی وجود دارد که آیا این ارقام تمام ماجرا را بیان می‌کنند یا خیر، اما اگر قیمت سهام همچنان متزلزل مایکروسافت و انویدیا نشانه‌ای باشد، این اعلامیه دنیای غرب را متوجه نیاز به سیستم‌های هوش مصنوعی مقرون‌به‌صرفه کرد.

تا به امروز، شرکت‌ها توانسته‌اند هزینه‌های فزاینده هوش مصنوعی را به‌عنوان هزینه‌های تحقیق و توسعه (R&D) محاسبه کنند. اما هزینه‌های هوش مصنوعی — به‌ویژه آن‌هایی که با محصولات و ویژگی‌های موفق مرتبط هستند — در نهایت بر هزینه کالای فروخته شده (COGS) شرکت‌ها و در نتیجه، بر حاشیه سود ناخالص آن‌ها تأثیر خواهند گذاشت. نوآوری‌های هوش مصنوعی همیشه قرار بود با نگاه دقیق منطق تجاری روبرو شوند؛ اعلامیه جنجالی DeepSeek فقط این جدول زمانی را کوتاه‌تر کرد.

درست مانند سایر بخش‌های رایانش ابری عمومی، شرکت‌ها باید هزینه‌های هوش مصنوعی خود را، شامل هزینه‌های آموزش و مصرف، مدیریت کنند. آن‌ها باید هزینه‌کرد هوش مصنوعی را با نتایج تجاری مرتبط سازند، هزینه‌های زیرساخت هوش مصنوعی را بهینه‌سازی کنند، استراتژی‌های قیمت‌گذاری و بسته‌بندی را اصلاح نمایند و بازده سرمایه‌گذاری‌های هوش مصنوعی خود را به حداکثر برسانند.

چگونه می‌توانند این کار را انجام دهند؟ با اقتصاد واحد ابری (Cloud Unit Economics - CUE).

CUE شامل اندازه‌گیری و به حداکثر رساندن سود حاصل از رایانش ابری است. سازوکار اصلی آن اتصال داده‌های هزینه ابری به داده‌های تقاضای مشتری و درآمد است که سودآورترین و کم‌سودترین ابعاد یک کسب‌وکار را آشکار می‌کند و بنابراین به شرکت‌ها نشان می‌دهد که چگونه و در کجا بهینه‌سازی کنند. CUE در تمام منابع هزینه‌کرد ابری، از جمله هزینه‌های هوش مصنوعی، کاربرد دارد.

اساس CUE، تخصیص هزینه است — سازمان‌دهی هزینه‌های ابری بر اساس اینکه چه کسی و/یا چه چیزی باعث ایجاد آن‌ها می‌شود. ابعاد تخصیص رایج شامل هزینه به ازای هر مشتری، هزینه به ازای هر تیم مهندسی، هزینه به ازای هر محصول، هزینه به ازای هر ویژگی و هزینه به ازای هر میکروسرویس است. شرکت‌هایی که از پلتفرم مدیریت هزینه مدرن استفاده می‌کنند، اغلب هزینه‌ها را در چارچوبی تخصیص می‌دهند که ساختار تجاری آن‌ها را منعکس می‌کند (سلسله مراتب مهندسی، زیرساخت پلتفرم و غیره).

سپس، قلب CUE معیار هزینه واحد است که داده‌های هزینه را با داده‌های تقاضا مقایسه می‌کند تا هزینه کلی خدمت‌رسانی را به شرکت نشان دهد. به عنوان مثال، یک شرکت بازاریابی B2B ممکن است بخواهد «هزینه به ازای هر ۱۰۰۰ پیام» ارسال شده از طریق پلتفرمش را محاسبه کند. برای انجام این کار، باید هزینه‌های ابری و تعداد پیام‌های ارسالی خود را ردیابی کند، آن داده‌ها را به یک سیستم واحد وارد نماید و به آن سیستم دستور دهد که هزینه‌های ابری خود را بر تعداد پیام‌ها تقسیم کرده و نتیجه را در یک داشبورد ترسیم کند.

از آنجایی که شرکت با تخصیص هزینه شروع کرده است، می‌تواند هزینه به ازای هر ۱۰۰۰ پیام خود را بر اساس مشتری، محصول، ویژگی، تیم، میکروسرویس یا هر دیدگاه دیگری که منعکس‌کننده ساختار تجاری‌اش می‌داند، مشاهده کند.

نتایج:

• ابعاد تجاری انعطاف‌پذیر که می‌توانند معیار هزینه واحد خود را بر اساس آن‌ها فیلتر کنند و به آن‌ها نشان دهند کدام حوزه‌های کسب‌وکارشان باعث افزایش هزینه‌های ابری می‌شوند.
• یک معیار هزینه واحد روشنگر که به آن‌ها نشان می‌دهد با چه کارایی‌ای به تقاضای مشتری پاسخ می‌دهند.
• توانایی انجام بهبودهای هدفمند کارایی، مانند بازسازی زیرساخت، اصلاح قراردادهای مشتری یا بهبود مدل‌های قیمت‌گذاری و بسته‌بندی.

در مدل CUE، هزینه‌های هوش مصنوعی فقط یک منبع دیگر از هزینه‌کرد ابری هستند که می‌توانند در چارچوب تخصیص یک کسب‌وکار گنجانده شوند. نحوه انتشار داده‌های هزینه توسط شرکت‌های هوش مصنوعی هنوز در حال تحول است، اما در اصل، پلتفرم‌های مدیریت هزینه، هزینه‌های هوش مصنوعی را تقریباً به همان روشی که هزینه‌های AWS، Azure، GCP و SaaS را مدیریت می‌کنند، در نظر می‌گیرند.

پلتفرم‌های مدرن مدیریت هزینه ابری، هزینه‌های هوش مصنوعی را تخصیص داده و تأثیر کارایی آن‌ها را در چارچوب معیارهای هزینه واحد نشان می‌دهند.

شرکت‌ها باید هزینه‌های هوش مصنوعی خود را به چند روش شهودی تخصیص دهند. یکی از آن‌ها می‌تواند هزینه به ازای هر تیم باشد که پیش‌تر ذکر شد؛ یک بعد تخصیص مشترک برای همه منابع هزینه‌کرد ابری که هزینه‌هایی را که هر تیم مهندسی مسئول آن است، نشان می‌دهد. این امر به‌ویژه مفید است زیرا مدیران دقیقاً می‌دانند در صورت افزایش ناگهانی هزینه‌های یک تیم خاص، چه کسی را باید مطلع کرده و مسئول بدانند.

شرکت‌ها همچنین ممکن است بخواهند هزینه به ازای هر نوع سرویس هوش مصنوعی خود را بدانند — مدل‌های یادگیری ماشین (ML) در مقابل مدل‌های پایه در مقابل مدل‌های شخص ثالث مانند OpenAI. یا می‌توانند هزینه خود را به ازای هر مرحله از چرخه حیات توسعه نرم‌افزار (SDLC) محاسبه کنند تا بفهمند هزینه‌های یک ویژگی مجهز به هوش مصنوعی با انتقال از توسعه به آزمایش، مرحله‌بندی و در نهایت تولید، چگونه تغییر می‌کند. یک شرکت می‌تواند حتی جزئی‌تر عمل کرده و هزینه خود را به ازای هر مرحله از چرخه حیات توسعه هوش مصنوعی، شامل پاک‌سازی داده‌ها، ذخیره‌سازی، ایجاد مدل، آموزش مدل و استنتاج، محاسبه کند.

کمی از جزئیات فاصله بگیریم: CUE به معنای مقایسه داده‌های هزینه ابری سازمان‌یافته با داده‌های تقاضای مشتری و سپس یافتن نقاط بهینه‌سازی است. هزینه‌های هوش مصنوعی فقط یک منبع دیگر از داده‌های هزینه ابری هستند که با پلتفرم مناسب، به‌طور یکپارچه در استراتژی کلی CUE یک شرکت قرار می‌گیرند.

تا سال ۲۰۲۴، تنها ۶۱٪ از شرکت‌ها سیستم‌های رسمی مدیریت هزینه ابری را پیاده‌سازی کرده بودند (بر اساس نظرسنجی CloudZero). هزینه‌های ابری مدیریت‌نشده به‌زودی غیرقابل مدیریت می‌شوند: ۳۱٪ از شرکت‌ها — مشابه بخشی که هزینه‌های خود را به‌طور رسمی مدیریت نمی‌کنند — ضربه‌های بزرگی به COGS خود متحمل می‌شوند و گزارش می‌دهند که هزینه‌های ابری ۱۱٪ یا بیشتر از درآمد آن‌ها را مصرف می‌کند. هزینه‌های مدیریت‌نشده هوش مصنوعی فقط این روند را تشدید خواهند کرد.

سازمان‌های پیشرو امروزی، هزینه‌های ابری را مانند هر هزینه عمده دیگری در نظر می‌گیرند، بازگشت سرمایه (ROI) آن را محاسبه می‌کنند، آن ROI را بر اساس مهم‌ترین ابعاد تجاری خود تفکیک می‌کنند و اعضای تیم مربوطه را با داده‌های مورد نیاز برای بهینه‌سازی آن ROI توانمند می‌سازند. پلتفرم‌های مدیریت هزینه ابری نسل بعدی، یک گردش کار جامع CUE ارائه می‌دهند که به شرکت‌ها کمک می‌کند از سونامی COGS اجتناب کرده و پایداری بلندمدت خود را تقویت کنند.