Strategisk Cloud-udgifter og AI: Maksimering af forretningsværdi i 2024

Eksperter forudser, at 2024 vil se en stigning i cloud-udgifter, primært på grund af den øgede adoption af kunstig intelligens (AI) og generativ AI (GenAI). Kloge virksomheder undersøger allerede deres brug af AI og GenAI, med fokus på omkostningerne forbundet med cloud-budgetter. Det næste skridt er at adoptere ledelsesstrategier, der optimerer deres investeringer og sikrer bæredygtig forretningsvækst.

AI og data: en symbiotisk relation

Hvordan bidrager AI til cloud-omkostninger? Data er en stor del af det. AI er afhængig af højkvalitetsdata og store mængder af det. Tænk på det på denne måde – jo mere data, der er tilgængeligt for en AI-algoritme, jo bedre vil resultaterne være. Men at have massive mængder af data præsenterer visse udfordringer, der ofte kan resultere i en stigning i omkostninger til at understøtte anvendelsen, især i cloud.

Og ikke alle AI er ens. For eksempel er en form for AI, naturlig sprogbehandling (NLP), meget data-intensiv. NLP kan bruges i kundeservice-automatisering, dokument-sammenfatning og e-mail-oprettelse, for blot at nævne få anvendelser. Hver opgave bliver mere kompleks, når en virksomhed kræver kontekstualiserede svar. For eksempel, gennemgang af følsomme data i højt regulerede brancher som finans eller sundhedsvesen.

Der har også været en enorm vækst i volumen af data, der kan analyseres. Moderne generative AI-modeller er ofte mellem ti til hundred gange større end selv AI-modellerne fra et eller to år siden. Med større modeller og øget kompleksitet af data, samt flere anvendelsesmuligheder, stiger efterspørgslen på data, hvilket også betyder, at cloud-omkostningerne stiger.

At komplicere sagen yderligere, ændrer metoderne for at integrere cloud i virksomhedens IT-infrastruktur sig. Tidligt adspurgte mange virksomheder en lift-and-shift-migrations-tilgang, også kendt som rehosting, men det viste sig at være meget dyrt. Det viste sig, at mange virksomheder endte med at betale for tjenester, de ikke brugte ofte. Mere nyligt, da virksomheder undersøger deres cloud-brug, prøver de at finde måder at reducere omkostningerne ved at eliminere overspendingen fra de sidste par år. Men den fantastiske vækst af AI og GenAI har fået virksomheder til at overveje deres cloud-infrastruktur igen.

 Cloud-økonomi: En strategisk tilgang

Det er derfor vigtigt at forstå, hvilken værdi AI kan bringe til en organisation. Virksomhedsledere skal sætte klare forventninger til, hvordan AI vil bringe værdi til forretningsdriften, og alle hold, der er involveret i AI-projekter, skal samarbejde inden for en fælles ramme for godkendelse af AI-drevne initiativer.

En fremragende strategi for at styre omkostningerne ved AI er at udnytte cloud-økonomi. Dette indebærer at udføre en omkostnings-nytte-analyse for at tilpasse investeringerne i cloud-teknologier og forretningsprioriteter. Målet er ikke blot at reducere omkostninger og øge effektiviteten, men at maksimere den samlede forretningsværdi.

Cloud-økonomi hjælper virksomheder med at styre omkostningerne forbundet med AI, samtidig med at de fortsætter med at investere i innovative teknologier. At anvende cloud-økonomi til AI-omkostninger får AI-initiativerne til at tilpasse sig virksomhedens lange sigte-mål.

For eksempel arbejdede vi med en virksomhed, der ønskede at omstrukturere deres manuelle, bottom-up-revenu-prognose-proces. Tidligere havde virksomheden en ineffektiv metode, der manglede præcision til at følge med hurtigt skiftende markedsvilkår. Målet var at implementere en data-dreven tilgang, der forbedrede prognose-nøjagtigheden, og drev salgs- og marketing-strategier og genererede revenu-vækst. Vi designede en AI-baseret løsning, der udnyttede 30 historiske finansielle og marketing-data-typer samt offentligt tilgængelige forbruger-attitude-data. Denne data-drevne tilgang førte til en 50% reduktion i prognose-tid, hvilket øgede tilliden til revenu-forudsigelser, og gav brugbare indsigt for salgs- og marketing-holdene, hvilket resulterede i en 15% stigning i revenu inden for det første år efter implementeringen.

En anden god praksis er at implementere intelligent arbejdsbelastningsstyring for at automatisere ressourcer og justere på grund af AI-krav, hvilket frigør ressourcer til andre projekter.

For at komme i gang på denne rejse kan en virksomhed oprette et hold, der er dedikeret til cloud-økonomi, ideelt med et cloud-center for excellence (Cloud CoE), der udfører en koordinerende funktion. Dette giver virksomheder mulighed for at blive enige om beslutninger om udgifter og hvilke projekter, der er værd at overveje, for at sikre, at alle AI-initiativer er tilpasset strategiske mål og bedste praksis.

At have et godt styret cloud-økonomi-hold på plads hjælper med at optimere ydeevnen på tværs af hele organisationen. Fordelene ved strategisk cloud-styring omfatter:

• Forbedret beslutningstagning, der kommer fra at forstå data-brug og variable omkostningsmodeller.
• Tilpasning af forretningsmål med AI-investeringer for at optimere forretningsydeevne.
• Bedre ressource-udnyttelse og reduktion af spild-udgifter, hvilket giver virksomheder mulighed for at høste fuld værdi af deres cloud- og AI-investeringer.

Vi vil fortsætte med at se en stigning i AI- og cloud-investeringer i 2024, da virksomheder ser den transformative værdi i at adoptere intelligente ledelsesstrategier, der hjælper med at maksimere værdi og styre omkostninger. Rammen, der er givet af cloud-økonomi, gør det lettere at tilpasse forretningsmål med AI- og cloud-omkostninger, og sikrer, at teknologi-investeringer leverer maksimal værdi. Ved at følge en strategisk tilgang kan virksomheder navigere i kompleksiteterne ved AI-adoption og opnå langsigtede succes.