ค่าใช้จ่าย AI กำลังเพิ่มขึ้น — นี่คือวิธีการควบคุมค่าใช้จ่ายเหล่านั้น

การใช้คลาวด์ยังคงเพิ่มขึ้น และค่าใช้จ่ายที่เกี่ยวข้องก็เพิ่มขึ้นด้วย โดยเฉพาะค่าใช้จ่ายที่เกิดจาก AI ในช่วงไม่นานมานี้ นักวิเคราะห์ของ Gartner คาดการณ์ว่าการใช้จ่ายของลูกค้าในบริการคลาวด์สาธารณะทั่วโลกจะเพิ่มขึ้นเป็น 723.4 พันล้านดอลลาร์ในปี 2025 จาก 600 พันล้านดอลลาร์ในปี 2024 และ 70% ของผู้บริหาร ที่สำรวจในรายงานของ IBM ระบุว่า AI เป็นตัวขับเคลื่อนสำคัญของการเพิ่มขึ้นนี้

ในเวลาเดียวกัน DeepSeek ของจีนได้สร้างความสนใจเมื่อพวกเขาอ้างว่าใช้เวลาเพียง สองเดือนและ 6 ล้านดอลลาร์ ในการฝึกอบรมโมเดล AI ของพวกเขา มีความสงสัยว่าตัวเลขเหล่านี้บอกเล่าเรื่องราวทั้งหมดหรือไม่ แต่ถ้าราคาหุ้นของ Microsoft (MSFT ) และ Nvidia (NVDA ) ที่ยังคงถูกกระตุ้นเป็นเครื่องบ่งชี้ใดๆ การประกาศนี้ได้ทำให้โลกตะวันตกตื่นตัวถึงความจำเป็นในการมีระบบ AI ที่มีประสิทธิภาพในการควบคุมค่าใช้จ่าย

จนถึงตอนนี้ บริษัทต่างๆ สามารถรักษาค่าใช้จ่าย AI ที่เพิ่มขึ้นได้โดยการเขียนมันลงเป็นค่าใช้จ่ายในการวิจัยและพัฒนา แต่ค่าใช้จ่าย AI โดยเฉพาะค่าใช้จ่ายที่เกี่ยวข้องกับผลิตภัณฑ์และคุณลักษณะที่ประสบความสำเร็จ จะส่งผลกระทบต่อค่าใช้จ่ายในการผลิต (COGS) และอัตรากำไรขั้นต้นของบริษัทในที่สุด การนวัตกรรม AI เสมาต้องเผชิญกับการตรวจสอบอย่างเข้มงวดของธุรกิจ และการประกาศที่น่าตกใจของ DeepSeek เพียงแค่เร่งกระบวนการนี้

เช่นเดียวกับการจัดการค่าใช้จ่ายคลาวด์สาธารณะ บริษัทต่างๆ จะต้องจัดการค่าใช้จ่าย AI ของตน รวมถึงค่าใช้จ่ายในการฝึกอบรมและค่าใช้จ่ายในการใช้งาน พวกเขาจะต้องเชื่อมโยงการใช้จ่าย AI กับผลลัพธ์ทางธุรกิจ 优化ค่าใช้จ่ายโครงสร้างพื้นฐาน AI ปรับปรุงกลยุทธ์การกำหนดราคาและแพ็คเกจ และเพิ่มผลตอบแทนจากการลงทุน AI

พวกเขาสามารถทำได้อย่างไร? ด้วยเศรษฐกิจหน่วยคลาวด์ (CUE)

เศรษฐกิจหน่วยคลาวด์ (CUE) คืออะไร?

CUE ประกอบด้วยการวัดและเพิ่มผลกำไรที่ขับเคลื่อนด้วยคลาวด์ กลไกพื้นฐานของ CUE คือการเชื่อมโยง数据ค่าใช้จ่ายคลาวด์กับข้อมูลความต้องการลูกค้าและรายได้ เพื่อแสดงมิติที่มีผลกำไรสูงสุดและต่ำสุดของธุรกิจ และช่วยให้บริษัทต่างๆ รู้ว่าจะต้องปรับปรุงและที่ไหน CUE ใช้กับค่าใช้จ่ายคลาวด์ทั้งหมด รวมถึงค่าใช้จ่าย AI

รากฐานของ CUE คือ การกำหนดค่าใช้จ่าย — การจัดระเบียบค่าใช้จ่ายคลาวด์ตามผู้ที่หรือสิ่งที่ขับเคลื่อนมัน มิติการจัดสรรค่าใช้จ่ายทั่วไปรวมถึงต้นทุนต่อลูกค้า ต้นทุนต่อทีมวิศวกร ต้นทุนต่อผลิตภัณฑ์ ต้นทุนต่อคุณลักษณะ และต้นทุนต่อไมโครเซอร์วิส บริษัทที่ใช้แพลตฟอร์มการจัดการค่าใช้จ่ายสมัยใหม่ thườngกำหนดค่าใช้จ่ายในกรอบที่สะท้อนถึงโครงสร้างธุรกิจของตน (ลำดับชั้นของวิศวกร โครงสร้างพื้นฐานแพลตฟอร์ม ฯลฯ)

จากนั้น ส่วนสำคัญของ CUE คือ ต้นทุนหน่วย ซึ่งนำข้อมูลค่าใช้จ่ายมาเปรียบเทียบกับข้อมูลความต้องการ เพื่อแสดงต้นทุนรวมในการให้บริการแก่ลูกค้าให้กับบริษัท ตัวอย่างเช่น บริษัทการตลาด B2B อาจต้องการคำนวณ “ต้นทุนต่อ 1,000 ข้อความ” ที่ส่งผ่านแพลตฟอร์มของตน เพื่อทำเช่นนี้ พวกเขาจะต้องติดตามค่าใช้จ่ายคลาวด์และจำนวนข้อความที่ส่ง นำข้อมูลนั้นเข้าสู่ระบบเดียว และสั่งให้ระบบนั้นหารค่าใช้จ่ายคลาวด์ด้วยจำนวนข้อความและแสดงผลลัพธ์ใน داشบอร์ด

เนื่องจากบริษัทเริ่มต้นด้วยการกำหนดค่าใช้จ่าย พวกเขาจึงสามารถดูต้นทุนต่อ 1,000 ข้อความตามลูกค้า ผลิตภัณฑ์ คุณลักษณะ ทีม ไมโครเซอร์วิส หรือมุมมองที่สะท้อนถึงโครงสร้างธุรกิจของตน

ผลลัพธ์:

• มิติทางธุรกิจที่ยืดหยุ่น ซึ่งสามารถกรองต้นทุนหน่วยได้ เพื่อแสดงให้เห็นว่าพื้นที่ใดของธุรกิจที่ขับเคลื่อนค่าใช้จ่ายคลาวด์
• ต้นทุนหน่วยที่ให้ความเข้าใจเกี่ยวกับประสิทธิภาพในการตอบสนองความต้องการลูกค้า
• ความสามารถในการปรับปรุงประสิทธิภาพเป้าหมาย เช่น การปรับโครงสร้างพื้นฐาน การปรับเปลี่ยนสัญญาลูกค้า หรือการปรับปรุงรูปแบบการกำหนดราคาและแพ็คเกจ

CUE ในยุค AI

ในแบบจำลอง CUE ค่าใช้จ่าย AI เป็นเพียงแหล่งหนึ่งของค่าใช้จ่ายคลาวด์ที่สามารถรวมเข้ากับกรอบการจัดสรรค่าใช้จ่ายของธุรกิจได้ วิธีการกระจายข้อมูลค่าใช้จ่าย AI ของบริษัท AI ยังคงพัฒนา แต่โดยหลักการแล้ว แพลตฟอร์มการจัดการค่าใช้จ่ายคลาวด์จะจัดการค่าใช้จ่าย AI ในลักษณะเดียวกับค่าใช้จ่าย AWS, Azure, GCP และ SaaS

แพลตฟอร์มการจัดการค่าใช้จ่ายคลาวด์สมัยใหม่จะจัดสรรค่าใช้จ่าย AI และแสดงผลกระทบต่อประสิทธิภาพในการใช้งานภายในต้นทุนหน่วย

บริษัทควรจัดสรรค่าใช้จ่าย AI ในวิธีที่直截และง่ายต่อการเข้าใจ เช่น ต้นทุนต่อทีมวิศวกร ซึ่งเป็นมิติการจัดสรรค่าใช้จ่ายที่พบได้ทั่วไปสำหรับทุกแหล่งค่าใช้จ่ายคลาวด์ โดยแสดงถึงค่าใช้จ่ายที่ทีมวิศวกรแต่ละทีมรับผิดชอบ นี่มีประโยชน์อย่างมากเพราะผู้นำรู้ว่าควรแจ้งและรับผิดชอบต่อทีมใดเมื่อค่าใช้จ่ายของทีมใดๆ เพิ่มขึ้น

บริษัทอาจต้องการทราบ ต้นทุนต่อประเภทบริการ AI — โมเดลการเรียนรู้ของเครื่อง (ML) เทียบกับโมเดลพื้นฐาน เทียบกับโมเดลของบุคคลที่สาม เช่น OpenAI หรือไม่ พวกเขาอาจคำนวณต้นทุนต่อระยะการผลิตซอฟต์แวร์ (SDLC) เพื่อทำความเข้าใจว่าค่าใช้จ่ายของฟีเจอร์ AI ที่ขับเคลื่อนด้วย AI เปลี่ยนแปลงไปอย่างไรเมื่อผ่านจากขั้นตอนพัฒนาไปสู่ขั้นตอนการทดสอบ ขั้นตอนการเตรียมการ และสุดท้ายคือขั้นตอนการผลิต บริษัทอาจเจาะจงมากขึ้นและคำนวณต้นทุนต่อระยะการผลิต AI รวมถึงการทำความสะอาดข้อมูล การจัดเก็บข้อมูล การสร้างโมเดล การฝึกอบรมโมเดล และการอนุมาน

เมื่อมองออกไปจากรายละเอียดเล็กๆ น้อยๆ: CUE หมายถึงการเปรียบเทียบข้อมูลค่าใช้จ่ายคลาวด์ที่จัดระเบียบแล้วกับข้อมูลความต้องการลูกค้า และจากนั้นหาวิธีในการปรับปรุง ค่าใช้จ่าย AI เป็นเพียงแหล่งหนึ่งของข้อมูลค่าใช้จ่ายคลาวด์ที่สามารถรวมเข้ากับกลยุทธ์ CUE ของบริษัทได้ด้วยแพลตฟอร์มที่เหมาะสม

การหลีกเลี่ยงคลื่นยักษ์ COGS

ณ ปี 2024 มีเพียง 61% ของบริษัท ที่มีระบบการจัดการค่าใช้จ่ายคลาวด์ที่เป็นทางการ (ตามการสำรวจของ CloudZero) ค่าใช้จ่ายคลาวด์ที่ไม่ได้รับการจัดการจะกลายเป็นค่าใช้จ่ายที่ไม่สามารถจัดการได้: 31% ของบริษัท — ซึ่งคล้ายกับส่วนของผู้ที่ไม่ได้จัดการค่าใช้จ่าย — ต้องเผชิญกับการถูกโจมตีจาก COGS โดยรายงานว่าค่าใช้จ่ายคลาวด์ใช้ไป 11% หรือมากกว่าของรายได้ ค่าใช้จ่าย AI ที่ไม่ได้รับการจัดการจะทำให้แนวโน้มนี้รุนแรงขึ้น

องค์กรที่มีวิสัยทัศน์ในปัจจุบันรักษาค่าใช้จ่ายคลาวด์ไว้เหมือนกับค่าใช้จ่ายอื่นๆ ที่สำคัญ โดยคำนวณผลตอบแทนจากการลงทุน (ROI) การแบ่งต้นทุน ROI ตามมิติทางธุรกิจที่สำคัญที่สุด และให้อำนาจแก่สมาชิกในทีมที่เกี่ยวข้องด้วยข้อมูลที่จำเป็นในการเพิ่มประสิทธิภาพ ROI แพลตฟอร์มการจัดการค่าใช้จ่ายคลาวด์ยุคใหม่เสนอกระบวนการทำงาน CUE ที่ครอบคลุม ช่วยให้บริษัทหลีกเลี่ยงคลื่นยักษ์ COGS และเสริมสร้างความยั่งยืนในระยะยาวโดยการคำนวณ ROI ของมัน การแบ่ง ROI ออกตามมิติทางธุรกิจที่สำคัญที่สุด และเพิ่มประสิทธิภาพ ROI ด้วยข้อมูลที่จำเป็นในการเพิ่มประสิทธิภาพ ROI ให้กับสมาชิกในทีมที่เกี่ยวข้อง