AIコストは加速する — 制御する方法

クラウドの使用は急上昇し、その関連コストも特にAIのコストが増加しています。ガートナーの分析家は、2025年には世界のエンドユーザーがパブリッククラウドサービスに費やす金額が723.4億ドルに達することを予測しています。これは、2024年の600億ドルから大幅に増加したものです。また、IBMの報告書によると、70%の幹部が、ジェネレーティブAIがこの増加の重要な要因であると述べています。

同時に、中国のDeepSeekは、AIモデルを訓練するのに2ヶ月と600万ドルしかかからなかったと主張し、波紋を広げました。ただし、この数字が全ての事実を表しているかどうかは疑問視されています。しかし、もしMicrosoft (MSFT ) とNvidia (NVDA ) の株価がまだ低下しているのを見ると、Western世界はコスト効率の良いAIシステムの必要性に気付いたようです。

現在、企業はAIコストを研究開発費用として扱ってきました。しかし、AIコスト、特に成功した製品や機能に関連するコストは、最終的に企業の販売コストと粗利益率に影響します。AIイノベーションは、いつかビジネス上の判断に直面することになるでしょう。DeepSeekの爆弾発言は、その時期を早めただけです。

企業は、AIコストを含むクラウドコストを管理する必要があります。クラウドコストデータと顧客需要データを接続し、AIインフラストラクチャコストを最適化し、価格とパッケージ戦略を洗練し、AI投資のリターンを最大化する必要があります。

どうすればできますか？クラウドユニットエコノミクス（CUE）を使用することでです。

クラウドユニットエコノミクス（CUE）とは何か

CUEは、クラウドによって駆動される利益の測定と最大化を指します。その基本メカニズムは、クラウドコストデータと顧客需要データおよび収益データを接続し、最も利益の高いビジネス次元と最も利益の低いビジネス次元を示し、企業がどこで最適化するかを示すことです。CUEは、AIコストを含むすべてのクラウド支出源に適用されます。

CUEの基盤は、コスト割り当てです。クラウドコストを、誰が、または何がそれを駆動するかによって整理します。一般的な割り当て次元には、顧客ごとのコスト、エンジニアリングチームごとのコスト、製品ごとのコスト、機能ごとのコスト、およびマイクロサービスごとのコストがあります。現代的なコスト管理プラットフォームを使用する企業は、コストを、ビジネス構造（エンジニアリング階層、プラットフォームインフラストラクチャなど）を反映するフレームワークで割り当てます。

CUEの核となるのは、ユニットコストメトリックです。コストデータと需要データを比較して、企業が顧客にサービスを提供するための総コストを示します。たとえば、B2Bマーケティング企業は、プラットフォームを介して送信される「1,000件のメッセージあたりのコスト」を計算したいとします。そこで、クラウドコストと送信されるメッセージの数を追跡し、そのデータを単一のシステムにフィードし、システムにクラウドコストをメッセージ数で割り、結果をダッシュボードにグラフ化するように指示します。

企業がコスト割り当てから始めた場合、顧客、製品、機能、チーム、マイクロサービスなど、ビジネス構造を反映するさまざまなビューで、1,000件のメッセージあたりのコストを表示できます。

結果は次のとおりです。

• 柔軟なビジネス次元で、ユニットコストメトリックをフィルタリングできます。これにより、クラウドコストを駆動するビジネス領域がわかります。
• 明らかなユニットコストメトリックが、顧客需要に対する効率を示します。
• インフラストラクチャのリファクタリング、顧客契約の微調整、価格およびパッケージモデルの洗練など、ターゲットされた効率性の向上が可能です。

AI時代のCUE

CUEモデルでは、AIコストは、クラウド支出の別の源として組み込まれています。AIコストデータを配布する方法はまだ発展途上ですが、原則として、コスト管理プラットフォームは、AIコストをAWS、Azure、GCP、SaaSコストと同様に扱います。

現代的なクラウドコスト管理プラットフォームは、AIコストを割り当て、ユニットコストメトリックのコンテキストでその効率性の影響を示します。

企業は、AIコストをいくつかの直感的な方法で割り当てる必要があります。たとえば、上記のエンジニアリングチームごとのコスト割り当てです。これは、すべてのクラウド支出源に共通の割り当て次元であり、各エンジニアリングチームが責任を負うコストを示します。これは特に役立つです。なぜなら、リーダーは、特定のチームのコストが急上昇したときに、誰に通知し、誰に責任を負わせるかを正確に知っているからです。

企業はまた、AIサービスタイプごとのコストを知りたいとします。マシンラーニング（ML）モデル、ファウンデーションモデル、OpenAIなどのサードパーティモデルなどです。または、AI機能のコストが開発からテスト、ステージング、そして最終的に本番環境に移行するにつれてどのように変化するかを理解するために、SDLCステージごとのコストを計算できます。企業は、データクレンジング、ストレージ、モデル作成、モデル訓練、推論など、AI開発ライフサイクルステージごとのコストをさらに細分化できます。

少し広い視点から見ると、CUEは、組織化されたクラウドコストデータと顧客需要データを比較し、どこで最適化するかを判断することを意味します。AIコストは、クラウドコストデータの別の源で、適切なプラットフォームがあれば、企業の全体的なCUE戦略にシームレスにフィットします。

COGSの津波を避ける

2024年の時点で、61%の企業が正式なクラウドコスト管理システムを導入していました（CloudZeroの調査による）。管理されていないクラウドコストはすぐに管理不能になります。31%の企業（コストを正式に管理していない企業と同様の割合）が大きなCOGSの影響を受け、クラウドコストが収益の11%以上を占めることを報告しています。管理されていないAIコストは、この傾向を悪化させます。

今日の最も先進的な組織は、クラウドコストを他の主要な支出と同様に扱い、そのROIを計算し、最も重要なビジネス次元別にROIを分解し、関連するチームメンバーに最適化に必要なデータを提供しています。次世代のクラウドコスト管理プラットフォームは、包括的なCUEワークフローを提供し、企業がCOGSの津波を避け、長期的な持続可能性を強化するのに役立ちます。