AI-kosten versnellen — Hier is hoe u ze onder controle houdt

De gebruiksvriendelijkheid van de cloud blijft stijgen, evenals de daarmee samenhangende kosten – vooral de laatste tijd die door AI worden aangedreven. Gartner-analisten voorspellen dat de wereldwijde uitgaven van eindgebruikers voor openbare cloudservices in 2025 zullen stijgen tot $723,4 miljard, vanuit bijna $600 miljard in 2024. En 70% van de ondervraagde executives in een IBM-rapport noemden generatieve AI als een kritische driver van deze toename.

Tegelijkertijd zorgde China’s DeepSeek voor ophef toen het beweerde dat het slechts twee maanden en $6 miljoen nodig had om zijn AI-model te trainen. Er is enige twijfel of die cijfers het hele verhaal vertellen, maar als de nog steeds geschokte aandelenkoersen van Microsoft (MSFT ) en Nvidia (NVDA ) enig indicatie zijn, wekte de aankondiging de westerse wereld op voor de noodzaak van kostenefficiënte AI-systemen.

Tot nu toe konden bedrijven de toenemende AI-kosten behandelen als R&D-afschrijvingen. Maar AI-kosten – vooral die welke samenhangen met succesvolle producten en functies – zullen uiteindelijk de kosten van goederen verkocht (COGS) van bedrijven raken en, dienovereenkomstig, hun brutowinstmarges. AI-innovaties zouden altijd onderworpen worden aan de strenge controle van het bedrijfsverstand; DeepSeek’s bombarieke aankondiging verkortte die tijdlijn alleen maar.

Net zoals ze dat doen met de rest van de openbare cloud, zullen bedrijven hun AI-kosten moeten beheren, inclusief zowel trainings- als consumptiekosten. Ze zullen AI-uitgaven moeten koppelen aan bedrijfsresultaten, AI-infrastructuurkosten moeten optimaliseren, prijzen en verpakkingsstrategieën moeten verfijnen en de retour op hun AI-investeringen moeten maximaliseren.

Hoe kunnen ze dat doen? Met cloud unit economics (CUE).

Wat is cloud unit economics (CUE)?

CUE bestaat uit de meting en maximalisatie van cloud-gedreven winst. De fundamentele mechanisme is het koppelen van cloudkosten aan klantvraag en omzetgegevens, waardoor de meest en minst winstgevende dimensies van een bedrijf zichtbaar worden en bedrijven kunnen zien hoe en waar ze moeten optimaliseren. CUE is van toepassing op alle bronnen van cloud-uitgaven, inclusief AI-kosten.

De basis van CUE is kostenallocatie – het organiseren van cloudkosten volgens degene die ze aandrijven. Veel voorkomende allocatiedimensies zijn kosten per klant, kosten per engineerings-team, kosten per product, kosten per functie en kosten per microservice. Bedrijven die een moderne kostenbeheerplatform gebruiken, alloceren kosten vaak in een kader dat hun bedrijfsstructuur weerspiegelt (hun engineeringshiërarchie, platform-infrastructuur, enz.).

Daarna is het hart van CUE de unitkosten-maatstaf, die kostengegevens vergelijkt met vraaggegevens om een bedrijf te laten zien wat de totale kosten zijn om een dienst te verlenen. Een B2B-marketingbedrijf kan bijvoorbeeld zijn “kosten per 1.000 berichten” willen berekenen die via zijn platform worden verzonden. Daarvoor moet het zijn cloudkosten en het aantal verzonden berichten bijhouden, die gegevens in één systeem invoeren en dat systeem instrueren om zijn cloudkosten door het aantal berichten te delen en het resultaat in een dashboard te grafischeren.

Aangezien het bedrijf begon met kostenallocatie, kan het vervolgens zijn kosten per 1.000 berichten bekijken per klant, product, functie, team, microservice of welke andere weergave het ook geschikt acht voor zijn bedrijfsstructuur.

De resultaten:

• Flexibele bedrijfsdimensies waarmee ze hun unitkosten-maatstaf kunnen filteren, waardoor ze kunnen zien welke gebieden van hun bedrijf hun cloudkosten aandrijven
• Een verhelderende unitkosten-maatstaf die aangeeft hoe efficiënt ze de klantvraag verwerken
• De mogelijkheid om gerichte efficiëntieverbeteringen door te voeren, zoals het herschrijven van infrastructuur, het aanpassen van klantcontracten of het verfijnen van prijzen en verpakkingsmodellen

CUE in de AI-tijdperk

In het CUE-model zijn AI-kosten slechts een andere bron van cloud-uitgaven die in een bedrijfsallocatiekader kan worden opgenomen. De manier waarop AI-bedrijven kostengegevens verspreiden, is nog in ontwikkeling, maar in principe behandelen kostenbeheerplatforms AI-kosten op dezelfde manier als AWS-, Azure-, GCP- en SaaS-kosten.

Moderner cloudkostenbeheerplatforms alloceren AI-kosten en laten hun efficiëntie-impact zien in de context van unitkosten-maatstaven.

Bedrijven zouden hun AI-kosten op een handvol intuïtieve manieren moeten alloceren. Eén manier is de eerder genoemde kosten per team, een allocatiedimensie die voor alle bronnen van cloud-uitgaven wordt gebruikt, waardoor de kosten zichtbaar worden die elk engineerings-team verantwoordelijk is. Dit is vooral nuttig omdat leiders exact weten wie ze moeten informeren en verantwoordelijk moeten houden als de kosten van een bepaald team plotseling stijgen.

Bedrijven zouden ook hun kosten per AI-servicetype willen weten – machine learning (ML)-modellen versus foundation-modellen versus third-party-modellen zoals OpenAI. Of ze zouden hun kosten per SDLC-fase kunnen berekenen om te begrijpen hoe de kosten van een AI-geactiveerde functie veranderen terwijl deze van ontwikkeling naar testen naar staging en uiteindelijk naar productie gaat. Een bedrijf kan nog meer granulair zijn en zijn kosten per AI-ontwikkelingsleven-cyclusfase berekenen, inclusief gegevensreiniging, opslag, modelcreatie, modeltraining en inferentie.

Als we even uitzoomen van de details: CUE betekent het vergelijken van georganiseerde cloudkosten met klantvraaggegevens en vervolgens bepalen waar te optimaliseren. AI-kosten zijn slechts een andere bron van cloudkosten die, met het juiste platform, naadloos in een bedrijfsbrede CUE-strategie passen.

Het vermijden van de COGS-tsunami

Vanaf 2024 hadden slechts 61% van de bedrijven formeel cloudkostenbeheersystemen geïmplementeerd (volgens een CloudZero-enquête). Onbeheerde cloudkosten worden al snel onbeheerbaar: 31% van de bedrijven – vergelijkbaar met het percentage dat zijn kosten niet formeel beheert – lijdt onder grote COGS-verliezen, waarbij ze melden dat cloudkosten 11% of meer van hun omzet verbruiken. Onbeheerde AI-kosten zullen deze trend alleen maar verergeren.

Vandaag de dag behandelen de meest vooruitstrevende organisaties cloudkosten als elke andere grote uitgave, berekenen de ROI ervan, breken die ROI af naar hun meest kritieke bedrijfsdimensies en voorzien de desbetreffende teamleden van de benodigde gegevens om die ROI te optimaliseren. Next-generation cloudkostenbeheerplatforms bieden een alomvattende CUE-werkstroom, waardoor bedrijven de COGS-tsunami kunnen vermijden en hun langetermijnlevensvatbaarheid kunnen versterken.