هزینه‌ی فناوری و هوش مصنوعی؛ چارچوب سنجش برای CFO
هزینه‌ی فناوری برای مدیران مالی سال‌ها یک بند تقریباً ثابت در بودجه بود. حالا با اشتراک‌های SaaS، ابر و مصرف هوش مصنوعی، بخش بزرگی از آن به مصرف وابسته است و پیش‌بینی و کنترلش دشوارتر شده است. این نوشته یک چارچوب عملی برای تحلیل هزینه‌ی فناوری و هوش مصنوعی می‌دهد.
چرا هزینه‌ی فناوری دیگر قابل‌پیش‌بینی نیست
سه نسل هزینه را مقایسه کنید:
- قراردادهای ثابت: بودجه‌بندی ساده بود، چون بیشتر هزینه‌ی IT یک مبلغ توافق‌شده بود.
- SaaS: هزینه به تعداد کاربر وابسته شد، پس باید میان فرض تعداد نیرو و هزینه‌ی IT رابطه می‌ساختید.
- ابر: هزینه به مصرف وابسته شد. در شرکت‌های فناوری، مصرف ابر بخشی از COGS است و روی اقتصاد واحد و قیمت‌گذاری اثر می‌گذارد.
حالا هوش مصنوعی گام بعدی است. هزینه‌ی آن با توکن، مدل، عامل و کار تعریف می‌شود و هر کارمند می‌تواند مصرف بسیار متفاوتی داشته باشد.
قانون ۱۰۰/۱: ارزش از کدام یک‌درصد می‌آید؟
قانون پارتو می‌گوید ۸۰٪ ارزش از ۲۰٪ فعالیت می‌آید. در هوش مصنوعی به نظر می‌رسد این نسبت حتی تندتر باشد: بخش بزرگ ارزش از سهم بسیار کوچکی از مصرف می‌آید، اما هنوز نمی‌دانیم کدام سهم. بعضی کارکنان مبالغ زیادی خرج می‌کنند و بخشی از آن واقعاً ارزشمند است. اگر مهندسی با دو برابر هزینه‌ی حقوقش خروجی چند برابر بدهد، هزینه توجیه‌پذیر است.
برای همین سقف یکسان برای همه خطر دارد: هم روی مصرف کم‌ارزش خرج می‌کند و هم ممکن است همان مصرف ارزشمند را محدود کند.
هشت اقدام برای کنترل هزینه‌ی فناوری
۱. اول حسابداری را مرتب کنید
نیروی انسانی، نرم‌افزار، ابر، هوش مصنوعی، زیرساخت و توسعه‌دهنده‌ی بیرونی را جدا ببینید. هزینه‌ی ثابت، هزینه‌ی هر کاربر، هزینه‌ی مصرفی و پروژه‌ی سرمایه‌ای را تفکیک کنید. دفتر کل و مراکز هزینه باید همین تفکیک را بگیرند.
۲. پیش‌بینی را بر محرک‌های هزینه بنا کنید
- SaaS: تعداد کاربر و میزان استفاده
- ابر: حجم کار، مصرف و هزینه‌ی واحد
- هوش مصنوعی: مدل، توکن، عامل و وظیفه
- نیروی فناوری: ظرفیت توسعه و برنامه‌ی تحویل
پیش‌بینی اول احتمالاً غلط است، اما فهم شما را بهتر می‌کند. روش کلی در مدل ساده برای همکاران واحدها آمده است.
۳. هدررفت آشکار SaaS را بزنید
مجوزهای خریداری‌شده را با مجوزهای فعال مقایسه کنید. قابلیت‌های تکراری، صندلی‌های ویژه‌ی بی‌استفاده و سررسید تمدیدها را بررسی کنید. این بخش ساده‌ترین صرفه‌جویی است.
۴. اقتصاد واحد محاسبات بسازید
بپرسید خدمت‌رسانی به یک مشتری، پردازش یک تراکنش یا ارائه‌ی یک قابلیت چقدر هزینه دارد. با رشد کسب‌وکار این هزینه بهتر می‌شود یا بدتر؟
۵. روی هوش مصنوعی کنتور بگذارید
مصرف را به تفکیک کارمند، تیم، مدل، عامل و جریان کار ثبت کنید و مهم‌تر، آن را به خروجی وصل کنید. ابزارهای مدیریت هزینه‌ی ابر و کارت‌های شرکتی در این زمینه رشد می‌کنند.
۶. مصرف را هوشمندانه بهینه کنید
مسیریابی مدل یعنی کارهای ساده به مدل ارزان و کارهای دشوار به مدل گران برود. هدف این است که برای انتخاب منوی ناهار یک جلسه از قوی‌ترین مدل استفاده نشود.
۷. زبان صرفه‌جویی را سخت‌گیرانه کنید
«یک ساعت صرفه‌جویی کردم» صرفه‌جویی مالی نیست مگر در صورت سود و زیان دیده شود. اگر دیده نمی‌شود، یعنی بهره‌وری به جای دیگری «بازسرمایه‌گذاری» شده است. شاید درست باشد، اما باید پرسید کجا و چه بازدهی داشته است. این منطق در ماندگاری صرفه‌جویی هزینه هم بحث شده است.
۸. برنده‌ها را تغذیه کنید
جایی که بازطراحی واقعی جریان کار به صرفه‌جویی ملموس رسیده، سرمایه‌ی لازم را کم نگذارید تا الگو شود. برای کنترل مصرف می‌توانید از سیاست هزینه‌کرد و سه لایه کنترل هم کمک بگیرید.
یک مثال عددی ساده
فرض کنید شرکتی ۲۰۰ کارمند دارد و ماهانه ۳۰ هزار دلار برای ابزارهای هوش مصنوعی هزینه می‌کند. اگر مصرف را به تفکیک تیم ثبت کنید و ببینید ۳ تیم، ۶۰٪ هزینه را مصرف می‌کنند، پرسش درست این است که آن تیم‌ها چه خروجی دارند: زمان تحویل کوتاه‌تر شده؟ هزینه‌ی خدمت‌رسانی کم شده؟ اگر بله، محدودیت یکسان برای همه خطاست. اگر نه، همان‌جا باید تمرکز کرد.
پرسش‌های متداول
آیا باید برای مصرف هوش مصنوعی سقف تعیین کرد؟
سقف یکسان برای همه معمولاً هم هدررفت ایجاد می‌کند و هم مصرف ارزشمند را محدود می‌کند. بهتر است مصرف را اندازه بگیرید و به خروجی وصل کنید.
کوچک‌ترین قدم برای شروع چیست؟
اصلاح کدگذاری دفتر کل و مراکز هزینه تا هزینه‌های ثابت، به‌ازای کاربر، مصرفی و پروژه‌ای از هم جدا شوند.
چطور صرفه‌جویی هوش مصنوعی را اثبات کنیم؟
فقط وقتی صرفه‌جویی است که در سود و زیان دیده شود؛ مثلاً کاهش هزینه‌ی خدمت‌رسانی یا افزایش درآمد. صرفه‌جویی زمانی که جای دیگری خرج شده، بازسرمایه‌گذاری است.
مسیریابی مدل چه کمکی می‌کند؟
کارهای ساده را به مدل ارزان می‌فرستد و مدل گران را برای کارهای پیچیده نگه می‌دارد؛ هزینه‌ی هر کار پایین می‌آید.
جمع‌بندی
برای مدیریت هزینه‌ی فناوری راه‌حل یگانه‌ای وجود ندارد. شروع کار حسابداری درست، مدل هزینه‌ی مبتنی بر محرک، پاک‌سازی هدررفت SaaS، اقتصاد واحد محاسبات و کنتور مصرف هوش مصنوعی متصل به خروجی است. مالی باید فهم عمیق‌تری از اقتصاد فناوری بسازد، چون سازمان‌ها و سیستم‌های فعلی برای این نوع هزینه طراحی نشده‌اند.