Проблемы окупаемости инвестиций в ИИ и решения TBM

При поддержке Apptio, компании IBM

Расходы на искусственный интеллект стремительно растут, но его реальный эффект зачастую остается под вопросом. Чтобы закрыть этот пробел, требуются четкие ответы на вопросы о том, как ИИ регулируется, оценивается и связывается с бизнес-результатами.

Неопределенность окупаемости инвестиций (ROI) свойственна не только ИИ: согласно отчету Apptio за 2026 год по управлению технологическими инвестициями (Apptio 2026 Technology Investment Management Report), 90% опрошенных руководителей технологических компаний отметили, что неопределенность ROI умеренно или существенно влияет на общие решения об инвестициях в технологии, что на 5 процентных пунктов больше по сравнению с прошлым годом. Другими словами, технологические лидеры все больше полагаются на ROI, даже если не до конца знают, как его измерять. При этом экономика ИИ сопряжена с новыми и непредсказуемыми затратами, что еще больше усложняет расчеты окупаемости. Сталкиваясь с растущей неопределенностью и увеличивающимися бюджетами, технологические лидеры нуждаются в четкой и надежной структуре для оценки окупаемости инвестиций в ИИ.

Организации все чаще ожидают, что масштабное внедрение ИИ окупится самостоятельно, по крайней мере частично. Согласно отчету Apptio по управлению технологическими инвестициями, 45% опрошенных организаций намерены финансировать инновации за счет реинвестирования средств, сэкономленных благодаря повышению эффективности с помощью ИИ. Эта модель предполагает, что такая экономия одновременно достижима и поддается количественной оценке. Между тем, двум третям организаций, планирующих перераспределить существующий бюджетный капитал в пользу ИИ, потребуется ясность в отношении связанных с этим компромиссов.

Подобно ранним дням общедоступного облака, затраты на ИИ и отдачу от него трудно предсказать. Цены сильно различаются у разных провайдеров и продолжают меняться, в то время как уровень потребления не поддается прогнозированию. Давление необходимости быстрого внедрения также огромно, поскольку организации сталкиваются с угрозой вытеснения более гибкими конкурентами.

Новая математика окупаемости инвестиций в ИИ

Учитывая множество переменных, технологическим лидерам следует рассматривать ROI от ИИ как задачу оптимизации. В общем и целом внедрение инициатив в сфере ИИ неизбежно. Вопрос заключается в том, как добиться наибольшей возможной отдачи — как финансовой, так и организационной.

Начните с бизнес-проблемы. Существует множество способов, с помощью которых ИИ может принести пользу, однако ресурсы и фокус организации могут быть ограничены. Убедитесь, что вы уделяете приоритетное внимание правильным инициативам, основывая свою стратегию инвестиций в ИИ на измеримых целях, привязанных к реальным бизнес-результатам. Пытаетесь ли вы повысить скорость принятия решений? Увеличить пропускную способность или производительность? Или же вы гоняетесь за интересными частными случаями с высоким потенциалом отдачи, но минимальной стратегической значимостью?

Определите, как выглядит успех. ИИ может внедрить новые возможности или расширить существующие. Для новых возможностей сформулируйте те перспективы, которые вы хотели бы открыть, например новые возможности получения дохода, рабочие процессы или процессы принятия решений. Для расширения существующих возможностей установите базовые показатели производительности и ожидаемый прирост, которого вы стремитесь достичь с помощью ИИ.

Подумайте, как финансы повлияют на вашу оценку. Некоторые сценарии использования могут показать минимальные результаты в краткосрочной перспективе, но принести значительную ценность в долгосрочной. Каковы ваши сроки возврата инвестиций? С другой стороны, более успешные внедрения с быстрым принятием пользователями могут генерировать неожиданно высокие счета за вывод моделей из эксплуатации (инференс). Означает ли это необходимость свернуть проект или инвестировать еще больше? Как должна выглядеть кривая затрат и отдачи с течением лет? По мере составления графика установите четкие пороги, чтобы определить, будете ли вы продолжать, приостанавливать, прекращать или ускорять свои инвестиции.

Определите правильные ключевые показатели эффективности (KPI). Отдачу от инвестиций в ИИ может быть оценить даже сложнее, чем затраты. Важны использование, эффективность и финансовое влияние. Но показатели успеха ИИ не всегда будут прямолинейными. Могут появиться новые паттерны использования, для измерения которых у вас пока нет инструментов. Ваша технологическая среда может претерпеть последующие изменения, требующие дополнительной оценки. Сможете ли вы снизить зависимость от других инструментов, например сократить количество лицензий в вашей платформе аналитики данных? Как вы учтете перекрестное сравнение цен для нескольких провайдеров ИИ с меняющимися тарифами?

Чтобы получить полный контекст и понимание, вы также должны принять во внимание соответствие инициативы вашей более широкой стратегии и учесть альтернативную стоимость инвестиций, которые вы могли бы сделать в противном случае. Помните, что вы не оцениваете ценность ИИ для бизнеса изолированно; вы решаете, является ли это наилучшим использованием ограниченного капитала среди всех ваших инвестиций.

Эти решения потребуют уровня понимания, значительно превосходящего то, что было необходимо для обоснования традиционных закупок, таких как сетевая инфраструктура или корпоративное ПО. Технологическим лидерам, преодолевающим сложности экономики ИИ, следует рассмотреть новую систему принятия решений на основе данных.

Обеспечение устойчивости инвестиций в ИИ с помощью TBM

Управление технологическим бизнесом (Technology Business Management, TBM) помогает сделать ROI более конкретным и измеримым, чтобы он был значимым для бизнеса. Объединяя финансовый менеджмент ИТ (ITFM), FinOps для ИИ (облачное финансовое управление для рабочих нагрузок ИИ) и стратегическое управление портфелем (SPM), концепция TBM связывает финансовые, операционные данные и данные бизнеса по всему предприятию. Это позволяет учитывать ценность и стоимость ИИ по широкому спектру параметров и переводить гипотетические инновации в презентации для совета директоров и обоснования бюджета, выдерживающие любые проверки.

TBM может помочь руководителям создать надежную базу затрат, которая учитывает расходы на ИИ в отношении персонала, инфраструктуры, инференса, хранения данных и приложений. По мере динамичного изменения рабочей нагрузки ИИ, TBM обеспечивает прозрачность распределения этих расходов между локальными системами (on-premises) и облачными средами — и то, и другое требует различного планирования емкости для специализированных навыков. Эта концепция также связывает инвестиции с бизнес-результатами, согласовывая инициативы в области ИИ со стратегическими приоритетами и измеримыми результатами. Повысив уровень прозрачности, вы сможете быстро выявлять проблемы и принимать решения, например, вовремя фиксировать всплески затрат. Раннее обнаружение может помочь определить, требует ли изменение характера использования корректировки финансирования. Этот единый взгляд на финансовые и операционные данные помогает руководителям масштабировать то, что работает, и пересматривать то, что не работает, по мере роста популярности внедряемых решений. TBM обеспечивает необходимую видимость и контекст для обсуждения вопросов управления расходами на ИИ. Даже по мере изменения цен, смены инструментов и трансформации рабочих процессов вы можете применять один и тот же аналитический подход, понимать, что действительно работает, и демонстрировать ROI. Руководители, которые внедряют ИИ в рамках концепции TBM, могут:

• Оценивать окупаемость инвестиций как на уровне проектов, так и на уровне портфеля

• Замечать неожиданные всплески затрат

• Сравнивать несколько инструментов ИИ

• Понимать сопутствующие эффекты в системах, обеспечивающих работу бизнеса

• Уверенно отстаивать инвестиционные решения

• Понимать общие затраты и уровень использования на протяжении всего жизненного цикла инвестиций в ИИ и управлять ими

От теории к практике

Организации переходят от этапа экспериментов с ИИ к моменту, когда эти инвестиции больше не могут финансироваться исключительно на волне оптимизма. В условиях повышенной неопределенности и чувствительности к затратам советы директоров задают все более стратегические вопросы, а финансовые отделы требуют надежных данных.

Руководители предприятий, которые относятся к ИИ как к управляемой инвестиции, а не как к ставке на инновации, — это те, кто сможет успешно масштабировать его технологии. Чтобы ответственно финансировать ИИ, лидеры должны обеспечить ясность в отношении масштаба, результатов, факторов затрат и готовности. Подход на базе TBM обеспечивает основу данных, прозрачность и подотчетность для принятия таких решений.

Узнайте больше о том, как Apptio TBM трансформирует управление ИТ-расходами в эпоху ИИ.

Аджай Патель (Ajay Patel) — генеральный директор Apptio, компании IBM.

Спонсорские статьи — это контент, подготовленный компанией, которая либо оплачивает публикацию, либо имеет деловые отношения с VentureBeat, и они всегда четко маркируются. Для получения дополнительной информации обращайтесь по адресу sales@venturebeat.com.