Как монетизация ИИ переписывает правила программного обеспечения для предприятий

Лидеры отрасли описали будущее, в котором ИИ будет доставляться по требованию и оплачиваться в зависимости от его использования, как электричество или вода. На практике это означает, что затраты отражают потребление; они увеличиваются и уменьшаются с активностью, а не фиксируются на месте.

Программное обеспечение для предприятий давно предпочитало цену за пользователя. Независимо от того, использует ли организация систему интенсивно или только偶ически, стоимость оставалась относительно стабильной. ИИ меняет это для всех моделей. Как и в любой системе с оплатой по мере использования, не каждый запрос требует одинакового количества мощности. Простые запросы требуют мало обработки, а более сложные задачи могут потребовать значительно больше. Эта переменчивость вводит уровень вариативности использования, который многие организации теперь должны управлять. По мере роста внедрения ИИ организации cần понимать не только, где они используют ИИ, но и какие затраты на его использование и как они переводятся в ценность для бизнеса.

От доступа к результатам: новая мера ценности ИИ

Когда компании начинают понимать, насколько переменчивыми могут быть затраты на ИИ, возникает более фундаментальный вопрос: как узнать, что ИИ действительно помогает бизнесу? Первая волна внедрения ИИ была в основном обусловлена энтузиазмом и экспериментами. Следующая волна должна быть обусловлена измеримыми результатами.

Самые эффективные развертывания ИИ имеют общую черту: интеллект встроен直接 в место, где происходит работа. Вместо того, чтобы требовать от сотрудников экспортировать данные в отдельный инструмент и интерпретировать результаты самостоятельно, ИИ предоставляет информацию в рамках рабочих процессов, которые они уже используют каждый день. Когда обнаружение аномалий указывает на несоответствие в финансовом отчете, когда прогностический анализ предлагает корректировку запасов до того, как произойдет нехватка, или когда панель управления подчеркивает тенденцию денежного потока, которая требует внимания, это не выходные данные отдельной системы ИИ. Они интегрированы в инструменты, которые уже используются командами по финансам, операциям и цепочкам поставок.

Этот различие имеет значение, особенно для компаний среднего размера без больших ИТ-команд для управления сложными интеграциями. Когда ИИ встроен в платформу, где живут данные бизнеса, команды могут действовать на основе информации сразу же. Ценность проявляется в более коротких циклах, меньшем количестве исключений и лучших решениях.

Растущие расходы и давление на демонстрацию ценности

По мере того, как ИИ становится более интегрированным в повседневные операции, счетчик начинает работать, и расходы начинают расти. В некоторых организациях стоимость выполнения задач ИИ уже приближается или превышает стоимость определенных ролей. Руководящие команды хотят понять, что они получают в ответ. Улучшения производительности, более быстрые процессы и лучшее принятие решений являются частью обещаний, но они должны быть измеримыми.

В среде распределения, например, ИИ может быть применен для автоматизации обработки исключений в обработке заказов. Вместо ручного просмотра помеченных заказов система автоматически маршрутизирует и решает обычные проблемы, уменьшая задержки и освобождая персонал для более ценной работы. Влияние видимо в более коротких циклах и меньшем количестве узких мест. Эти результаты можно отслеживать, обосновать и воспроизвести – это атрибуты, которые делают финансовых директоров и операционных директоров комфортными для расширения использования ИИ, а не ограничения его.

Модели ценообразования, соответствующие тому, как ИИ действительно доставляет ценность

В ответ на растущие расходы и растущее давление на демонстрацию возврата инвестиций рынок должен перейти от единых моделей ценообразования к моделям, которые лучше отражают, как бизнес использует системы ИИ. Этот сдвиг будет иметь значительные последствия для того, как организации будут планировать бюджет для ИИ и оценивать поставщиков.

Традиционное ценообразование программного обеспечения часто не удовлетворяет компаниям среднего размера. Фиксированные лицензионные сборы применяются, независимо от того, используют ли команды систему интенсивно или едва ли, что означает, что компании часто платят за возможности, которые остаются неиспользованными. По мере того, как ИИ становится более значимым пунктом в бюджете, это несоответствие становится все труднее оправдать.

Ценообразование на основе потребления решает эту проблему, связывая стоимость с фактическим использованием. Бизнес может начать с конкретной возможности (например, автоматизированной обработки счетов, прогнозирования спроса, обработки исключений), проверить возврат инвестиций и расширить оттуда. Затраты масштабируются с активностью, и организации не блокируются для оплаты инструментов, прежде чем они продемонстрируют ценность. Некоторые поставщики идут дальше, экспериментируя с моделями ценообразования на основе результатов, связанных с выполненными задачами, такими как решение запроса поддержки или закрытие рабочего процесса. Эти модели позволяют поставщикам согласовать свое ценообразование с операционными бюджетами, которые традиционно были связаны с человеческим трудом, а не с лицензиями на программное обеспечение.

Эти различия важны для покупателей, оценивающих платформы. Две решения с похожими наборами функций могут иметь очень разные структуры затрат в зависимости от того, насколько эффективно они маршрутизируют запросы, выбирают модели и структурируют данные. Платформа, которая работает эффективно на заднем плане, передает эти экономии. Платформа, которая не работает эффективно, может генерировать непредвиденные затраты по мере роста использования.

Внедрение ускоряется, но результаты все еще различаются

Внедрение продолжает ускоряться, поскольку появляются сдвиги в ценообразовании и структуре затрат. Более низкие первоначальные затраты и более легкий доступ через облачные платформы позволили большему количеству организаций экспериментировать с инструментами ИИ и развертывать их. Малые и средние предприятия, в частности, быстрее принимают эти технологии, чем предыдущие поколения приняли более ранние инновации.

Тем не менее, внедрение не всегда переводится в влияние. Некоторые организации развертывают ИИ в целевых, хорошо определенных способах и видят явные выгоды. Другие расширяют использование широко без четкого плана того, как оно связано с бизнес-целями. Активность увеличивается, но результаты труднее определить. Разрыв между двумя группами часто заключается в том, могут ли люди, ответственные за принятие решений каждый день, действительно действовать на основе сгенерированных ИИ информации, или используют ли эти сведения только данные ученые и ИТ-специалисты.

Сделать ИИ доступным для людей, которые выполняют работу

Чтобы ИИ постоянно генерировал ценность, он должен быть доступен для людей, ответственных за оперативные решения, а не только для тех, у кого есть технический опыт. Финансовый менеджер, который может запросить оперативные данные на простом языке и получить осмысленный ответ, не должен ждать отчета от ИТ. Супервайзер склада, который может увидеть прогнозы спроса внутри своего существующего рабочего процесса, не нуждается в отдельной системе, чтобы действовать на их основе.

Это то место, где возможности обработки естественного языка делают наибольшую разницу в практическом внедрении ИИ. Когда пользователи могут генерировать отчеты или запрашивать данные через разговорные команды – без SQL, без технической подготовки, без подачи заявки – барьер для использования ИИ значительно снижается. Внедрение ускоряется, поскольку технология становится доступной для тех, кто в ней нуждается. Мера успеха смещается от развертывания к ежедневному использованию и от использования к результатам.

Взгляд вперед

Программное обеспечение для предприятий вступает в новую фазу, сформированную тем, как ИИ теперь используется. Организации, которые преуспевают, не обязательно являются теми, у которых есть самые большие бюджеты на ИИ. Это те, кто встроил интеллект в свои основные рабочие процессы, согласовал свои расходы с ценностью, которую эти рабочие процессы доставляют, и обеспечил, чтобы люди, которые управляют этими рабочими процессами, могли использовать доступные им инструменты.

Бизнес-лидеры, оценивающие свою стратегию ИИ, должны задавать более сложные вопросы, чем “У нас есть ли ИИ?”. Более полезные вопросы:

• Где ИИ встроен в работу, которая стимулирует результаты?
• Награждает ли наша модель ценообразования ценность или только активность?
• Могут ли люди, принимающие решения каждый день, использовать то, что мы построили?

Организации, которые подходят к этим вопросам с ясностью и дисциплиной, будут лучше подготовлены к навигации в том, что произойдет дальше. Вопросы являются: Где ИИ встроен в работу, которая стимулирует результаты? Награждает ли наша модель ценообразования ценность или только активность? Могут ли люди, принимающие решения каждый день, использовать то, что мы построили? Организации, которые подходят к этим вопросам с ясностью и дисциплиной, будут лучше подготовлены к навигации в том, что произойдет дальше.