Jon Pollock, 首席产品官，Acumatica Jon Pollock 首席产品官，Acumatica

人工智能货币化如何重写企业软件规则

行业领袖曾描述过一个未来，人工智能将按需交付，并根据使用量收费，就像电力或水一样。在实践中，这意味着成本反映了消费；它们随着活动的变化而上下波动，而不是固定的。企业软件长期以来一直偏爱每用户定价。无论组织是否大量使用系统或只偶尔使用，成本基本保持不变。人工智能正在改变这一点，适用于所有模型。就像任何计量系统一样，并非每个请求都需要相同的功率。简单的查询需要很少的处理，而更复杂的任务可能会消耗大量的资源。这一可变性引入了一定的使用差异，许多组织现在需要管理。随着人工智能的采用增加，组织需要了解不仅他们在哪里使用人工智能，还有使用人工智能的成本以及如何将其转化为业务价值。从访问到结果：人工智能价值的新衡量标准随着公司开始了解人工智能成本的可变性，一个更根本的问题出现了：如何判断人工智能实际上是否帮助了业务？人工智能采用的第一波主要是由兴奋和实验驱动的。下一波应该由可衡量的结果驱动。最有效的人工智能部署共享一个共同的特征：智能直接嵌入工作发生的地方。与要求员工将数据导出到单独的工具并自行解释结果相比，人工智能在他们每天使用的工作流程中提供见解。当异常检测标志金融报告中的差异，当预测分析在短缺之前建议库存调整，当仪表盘突出显示需要关注的现金流趋势时，这些都不是独立人工智能系统的输出。它们是集成到财务、运营和供应链团队已经依赖的工具中。这种区别很重要，尤其是对于中型公司，没有大型IT团队来管理复杂的集成。当人工智能嵌入在业务数据所在的平台中时，团队可以立即采取行动。价值体现在更短的周期时间、更少的异常和更好的决策中。支出增加和展示价值的压力随着人工智能更加融入日常运营，计量开始运行，支出开始增加。在一些组织中，运行人工智能工作负载的成本已经接近或超过了某些角色的成本。领导团队希望了解他们获得了什么回报。生产力增益、更快的流程和更好的决策都是承诺的一部分，但它们需要是可衡量的。在分销环境中，例如，人工智能可能应用于自动化订单处理中的异常处理。与手动审查标记的订单相比，系统自动路由和解决常规问题，减少延迟并释放人员用于更高价值的工作。影响在更短的周期时间和更少的瓶颈中可见。这些结果是可追溯的、可辩护的和可复制的——这些是让CFO和COO感到舒适的属性，而不是限制人工智能的使用。与人工智能实际交付价值相符的定价模型为了应对不断增加的成本和日益增长的展示投资回报率的压力，市场需要从一刀切的定价转向更好地反映企业使用人工智能系统的定价模型。这一转变将对组织如何预算人工智能和评估供应商产生重大影响。传统软件定价通常无法满足中型组织的需求。固定许可费无论团队是否大量使用系统，成本都保持相对稳定。人工智能正在改变这一点。就像任何计量系统一样，并非每个请求都需要相同的功率。简单的查询需要很少的处理，而更复杂的任务可能会消耗大量的资源。这一可变性引入了一定的使用差异，许多组织现在需要管理。随着人工智能的采用增加，组织需要了解不仅他们在哪里使用人工智能，还有使用人工智能的成本以及如何将其转化为业务价值。基于消费的定价通过将成本与实际使用量联系起来来解决这个问题。企业可以从特定功能开始（例如自动化发票处理、需求预测、异常处理），验证投资回报率，然后扩展。成本随着活动而扩大，组织不必为尚未证明其价值的工具付费。一些供应商正在更进一步，尝试将结果与完成的任务（例如解决支持请求或关闭工作流）绑定的定价模型。这些模型使供应商能够将其定价与传统上与人力劳动而非软件许可相关的运营预算对齐。这些区别对于评估平台的买家来说很重要。具有相似功能的两个解决方案可以根据请求的效率、模型选择和数据结构具有非常不同的成本结构。后台高效运行的平台可以将节省的成本传递给客户。后台运行效率低下的平台可能会在使用量扩大时产生意外的成本。采用率正在加速，但结果仍然有所不同采用率继续加速，定价和成本结构发生变化。更低的进入成本和云平台的更容易访问使更多的组织能够尝试和部署人工智能工具。尤其是小型和中型企业，比以前的创新更快地采用这些技术。然而，采用并不总是转化为影响。一些组织以有针对性和明确定义的方式部署人工智能，并看到明显的好处。其他组织在没有明确计划的情况下广泛扩大使用，很难确定结果。活动增加，但结果更难以确定。两组之间的差距往往取决于是否可以让每天做出决策的人真正使用人工智能生成的见解，还是这些见解只被数据科学家和IT人员使用。让人工智能可用于做决定的人为了使人工智能产生一致的价值，它必须可用于负责运营决策的人，而不仅仅是那些具有技术背景的人。一个可以使用普通语言查询运营数据并获得有意义答案的财务经理不需要等待IT部门的报告。一个可以在现有工作流程中看到需求预测的仓库主管不需要单独的系统来采取行动。这是自然语言处理能力在实际人工智能采用的最大差异之处。当用户可以通过对话命令生成报告或查询数据而无需SQL、技术培训或提交票据时，使用人工智能的障碍大大降低。采用率加快，因为技术变得可用于那些需要它的人。成功的衡量标准从部署转移到日常使用，从使用转移到结果。展望未来企业软件正在进入一个新的阶段，这是由人工智能的使用方式所塑造的。成功的组织不一定是那些拥有最大的人工智能预算的组织。他们是那些将智能嵌入核心工作流程、将支出与这些工作流程提供的价值对齐、并确保运行这些工作流程的人可以使用可用的工具的组织。评估人工智能战略的商业领袖必须问更艰难的问题，而不是“我们是否拥有人工智能？”更有用的问题是： 人工智能在哪里嵌入到驱动结果的工作中？ 我们的定价模型是否奖励价值而不仅仅是活动？ 每天做出决定的人是否可以使用我们构建的内容？ 以清晰和纪律的方式解决这些问题的组织将更好地应对接下来发生的事情。