战略云支出和 AI：在 2024 年最大化业务价值

专家预测，2024 年将会看到 云支出 的增加，这主要是由于人工智能（AI）和 生成式 AI（GenAI）的采用率增加。精明的公司已经开始检查他们对 AI 和 GenAI 的使用，关注与云预算相关的成本。下一步是采用管理策略来优化他们的投资并确保可持续的业务增长。

AI 和数据：共生关系

AI 如何为云成本做出贡献？数据是一个重要部分。AI 依赖于高质量的数据和大量的数据。可以这样想——可用的数据越多，AI 算法的结果就越好。然而，拥有大量的数据也带来了一些挑战，这些挑战通常会导致云中支持应用程序的成本增加。
并非所有 AI 都是相同的。例如，AI 的一种形式，自然语言处理（NLP）非常依赖数据。NLP 可以用于客户服务自动化、文档摘要和创建电子邮件，仅举几例。每个任务在需要上下文响应的业务中都会变得越来越复杂。例如，在金融或医疗保健等高度监管的行业中审查敏感数据。
近年来，能够分析的数据量也呈现了巨大的增长。现代生成式 AI 模型 通常比一年或两年前的 AI 模型大 10 到 100 倍。随着模型变大和数据复杂性的增加，以及更多的用例，数据需求也增加了，这也意味着云成本增加了。
使情况更加复杂的是，将云集成到企业 IT 基础设施中的方法正在发生变化。早期，许多公司采用了提升和转移的迁移方法，也称为重新托管，但这非常昂贵。结果表明，许多公司最终为他们不经常使用的服务付费。最近，随着企业检查他们的云使用情况，他们正在尝试找到方法来削减成本，消除过去几年的过度支出。然而，AI 和 GenAI 的惊人增长使公司重新考虑他们的云基础设施。

云经济学：战略方法

这就是为什么理解 AI 可以为组织带来什么价值非常重要。公司领导者必须为 AI 如何为业务带来价值设定明确的期望，并且所有参与 AI 项目的团队都应在一个共享的框架内合作，以批准 AI 驱动的计划。
管理 AI 成本的优秀策略是利用云经济学。这涉及进行成本效益分析，以使在云技术和业务优先级方面的投资保持一致。目标不仅仅是降低成本和提高效率，而是最大化整体业务价值。
云经济学有助于企业管理与 AI 相关的成本，同时继续投资于创新技术。将云经济学应用于 AI 成本可以使 AI 计划与长期业务目标保持一致。
例如，我们与一家公司合作，该公司希望彻底改革他们的手动、自下而上的收入预测过程。以前，该公司有一个效率低下的系统，缺乏精度，无法跟上迅速变化的市场条件。目标是实施一种数据驱动的方法，以提高预测的准确性，这将驱动销售和营销策略，并产生收入增长。我们设计了一个利用 30 种历史财务和营销数据类型以及公开来源的消费者情绪数据的基于 AI 的解决方案。这种数据驱动的方法导致预测时间减少了 50%，这提高了收入预测的可靠性，并为销售和营销团队提供了可行的见解，这转化为在实施第一年内增加了 15% 的收入。
另一个好的做法是部署智能工作负载管理，以自动化资源，并根据 AI 需求进行调整，这可以释放资源用于其他项目。
为了开始这段旅程，一家公司可能会创建一个专门从事云经济学的团队，理想情况下，云中心卓越（Cloud CoE）将执行协调功能。这使企业能够就支出和值得考虑的项目做出决定，以确保所有 AI 计划都与战略目标和最佳实践保持一致。
拥有一个管理良好的云经济学团队可以帮助优化整个组织的性能。战略云管理的好处包括：

• 来自于理解数据使用和可变成本模型的改进决策。
• 将业务目标与 AI 投资保持一致，以优化业务性能。
• 更好的资源利用和减少浪费性支出，使企业能够充分利用他们的云和 AI 投资。

我们将继续看到 AI 和云投资在 2024 年的增加，因为企业看到采用智能管理策略的转型价值，这些策略有助于最大化价值和控制成本。云经济学提供的框架使企业能够将业务目标与 AI 和云成本保持一致，以确保技术投资带来最大价值。通过采取战略方法，企业可以应对 AI 采用的复杂性并实现长期成功。