2024 年战略云支出和人工智能：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）和生成式人工智能（GenAI）的采用率上升。精明的公司已经开始审视他们对 AI 和 GenAI 的使用，重点关注与云预算相关的成本。下一步就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。

人工智能和数据：共生关系

人工智能如何为云成本做出贡献？数据是一个很大的一部分。人工智能依赖于高质量的数据和大量的数据。可以这样想——提供给人工智能算法的数据越多，结果就会越好。然而，拥有大量的数据也会带来一些挑战，这些挑战经常会导致成本增加，特别是在云中。

并非所有人工智能都是一样的。例如，一种人工智能，自然语言处理（NLP），是非常数据密集的。NLP 可以用于客户服务自动化、文档摘要和电子邮件创建，仅举几例。每个任务都会变得越来越复杂，当企业需要上下文化的响应时，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。

可分析的数据量也经历了巨大的增长。现代生成式人工智能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，数据变得更加复杂，另外还有更多的用例，数据的需求增加，这也意味着云成本的增加。

使事情更加复杂的是，将云集成到企业 IT 基础设施中的方法正在改变。早期，许多公司采用了 lift-and-shift 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，随着企业审视他们的云使用情况，他们正在寻找方法来削减成本，通过消除过去几年过度支出的情况。但是，人工智能和生成式人工智能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

这就是为什么了解人工智能可以为组织带来什么价值非常重要。公司领导者必须为人工智能将如何为业务带来价值设定明确的期望，并且所有参与人工智能项目的团队都应在一个共享的框架内合作，以批准人工智能驱动的计划。

管理人工智能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上的投资保持一致。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。

云经济学帮助企业管理与人工智能相关的成本，同时继续投资于创新技术。将云经济学应用于人工智能成本使人工智能计划与长期业务目标保持一致。

例如，我们与一家公司合作，旨在彻底改革他们的手动、自下而上的收入预测流程。以前，该公司有一个效率低下的系统，缺乏精度，无法跟上快速变化的市场条件。目标是实施一种数据驱动的方法，提高预测准确性，这将推动销售和营销策略，并带来收入增长。我们设计了一种基于 30 种历史财务和营销数据以及公开来源的消费者情绪数据的 AI 解决方案。这种数据驱动的方法使预测时间减少了 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，这转化为第一年实施后收入增加了 15%。

另一个良好的做法是部署智能工作负载管理，以自动化资源，并根据人工智能需求进行调整，这可以释放资源用于其他项目。

要开始这段旅程，一家公司可能会创建一个专门的云经济学团队，理想情况下，一个云中心（Cloud CoE）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，确保所有人工智能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：

• 通过了解数据使用情况和可变成本模型来改善决策。
• 将业务目标与人工智能投资相一致，以优化业务性能。
• 更好地利用资源和减少浪费性支出，使企业能够充分利用他们的云和人工智能投资。

我们将继续看到人工智能和云投资的增长，因为企业看到采用智能管理策略的变革价值，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更容易将业务目标与人工智能和云成本保持一致，确保技术投资带来最大价值。通过采取战略方法，企业可以应对人工智能采用的复杂性并实现长期成功。