测试 AI 工具？不要忘记考虑总成本。

在 2023 年，AI 很快从一个新颖和未来主义的想法转变为各个企业战略的核心组成部分。虽然 ChatGPT 是最受欢迎的 影子 IT 软件应用之一，IT 领导者已经开始正式采用 AI 工具。虽然各个部门使用的 ChatGPT 许可证的平均使用率仍然相对较低（不到 30%），Productiv 的数据 显示，IT 部门使用该应用程序最多，达到 27%，这表明公司正在测试 AI 工具，如 ChatGPT，以确定如何将其纳入政策。

ChatGPT 不是 IT 领导者在正式采用之前测试的唯一新 AI 软件——这意味着企业领导者面临着一个紧迫的挑战：掌握 AI 预算的艺术。在企业中实施生成性 AI 的成本可以从每月几百美元到 190,000 美元（及以上），这取决于基于精细调整的开源模型的定制生成性 AI 解决方案。无论您是否直接投资于 AI 项目，还是购买具有内置 AI 的软件，AI 的成本都是真实的、正在增长的，并且正在被转嫁给最终用户。企业无法承担由于 AI 相关成本而导致的意外支出。

事实是，大多数您使用的供应商都将采用——或已经采用——某种 AI 战略，并且许多供应商需要调整其定价结构以考虑运行这些 AI 模型的实际成本。对于最终用户来说，这些 AI 辅助功能代表了真正的附加值。为了应对这一挑战，以下是三种方法来管理 AI 支出并最大化投资回报率：

为软件销售方式的变化做好准备

软件交易中捆绑销售是常见的做法。不幸的是，AI 工具的成本可能太高，无法被捆绑到现有的软件包中（即使是 Microsoft 的 Copilot 也需要大约每用户 30 美元，而典型的企业软件包的成本在每用户 25-40 美元之间）。我们正处于软件功能包装方式发生巨大变化的前沿，这将影响您的整体支出。您的遗留交易是安全的，但预计新合同将反映出 AI 处理的成本高于平均 SaaS 的事实。

这种转变的一部分是因为 AI 工具通常采用基于使用情况的定价；例如，AI 记录工具 Fireflies AI 按照每分钟使用时间计费。这种模式可能会迅速增加成本，特别是对于未能密切监控其使用情况的企业。请仔细关注这些定价结构——并开始建立新的模型来帮助评估成本和价值，以反映这一正在变化的范式。

在 AI 投资回报率方面，努力了解结果

几乎每个现有软件工具都在推出新的 AI 功能——如果它们还没有这样做，很可能它们很快就会这样做！我们期待着一波新的 SaaS 扩张浪潮，由 AI 驱动，这可能会引发对新供应商的评估和尝试的新一轮热潮。将会有许多新的工具和功能需要评估，但如果您没有密切关注这些工具的结果量化，您将有可能花费大量资金，却获得很少的回报。

在考虑是否值得花费 AI 工具的成本时，超越成本是至关重要的——将越来越重要的是了解哪些 AI 工具在您的软件栈中驱动实际结果。谁变得更加高效，为什么？哪些系统或流程得到了特定采用的有意义的优化？努力了解所交付的结果的价值将帮助您为额外的支出辩护，并使您能够拒绝不太有用的功能的升级。

计算所有权成本（TCO）

评估 AI 工具的所有权成本需要比传统软件更深入的分析。在采取新的工具之前，评估 AI 软件的独特设置和集成要求。如果软件需要您在自己的数据上训练其模型，成本可能会增加。同时，持续的数据和安全管理可能比维护传统软件更复杂、更耗费资源。例如，实施基于 AI 的患者管理系统的医疗保健提供者必须考虑将其与现有的电子健康记录系统集成以及为确保 AI 的有效性而进行的持续数据管理的额外费用。

很明显，AI 最终将改变业务运营，但这些转变需要一种新的预算和成本管理方法。企业领导者必须通过了解独特的定价模型、评估 AI 在其软件生态系统中的作用、进行彻底的价值评估和计算 TCO 来保持领先地位。通过采用这些策略，企业可以在不受意外支出的影响的情况下利用 AI 的力量，确保将 AI 智能地和可持续地融入其企业结构中。