变AI成本挑战为增长机遇

当前位置：首页
» 科技 » 变AI成本挑战为增长机遇

变AI成本挑战为增长机遇

由Apptio（IBM旗下公司）呈现

人工智能（AI）的支出正急剧攀升，但其全部影响往往仍是一个悬而未决的难题。要弥合这一差距，就需要对AI如何被治理、衡量以及与业务成果挂钩给出清晰的答案。

投资回报率（ROI）的不确定性并非AI独有：在《Apptio 2026年技术投资管理报告》中，90%受访的技术领导者表示，ROI不确定性对整体技术投资决策有中度或重大影响，这一比例较去年上升了5个百分点。换言之，技术领导者正日益依赖ROI——即便他们尚不完全清楚如何衡量它。而AI经济学涉及全新的、不可预测的成本，这进一步使ROI的计算复杂化。面对日益增长的不确定性与预算投入，技术领导者亟需一个清晰、可靠的框架来评估AI的ROI。

越来越多的组织期望规模化应用AI能够实现自我造血，至少是部分实现。根据Apptio的技术投资管理报告，45%的受访组织计划通过AI驱动效率所节省的资金来资助创新。该模式假设这些节省是可实现的且可量化的。与此同时，计划将现有预算资本重新分配给AI的三分之二的组织，则需要明确了解其中涉及的权衡取舍。

与公共云的早期阶段类似，AI的成本和回报难以预测。不同供应商的定价差异巨大且持续演变，而消费模式则不可预测。当组织在敏捷竞争对手带来的颠覆威胁中 navigate 时，快速采纳AI的压力也十分巨大。

AI投资回报率（ROI）的新算法

考虑到诸多变量，技术领导者应将AI ROI视为一个优化问题。从宏观层面看，实施AI项目势在必行。关键在于如何实现最大化的回报——无论是财务上还是组织层面。

始于业务问题

AI能带来积极影响的方式有很多，但组织的资源和精力有限。确保您优先考虑正确的项目，方法是将AI投资策略建立在与真实业务成果挂钩的可量化目标之上。您是试图提升决策速度？还是增加吞吐量或产能？或是追逐那些潜在回报高但战略相关性低的边缘案例？

定义成功的模样

AI可以引入新能力或增强现有能力。对于新能力，要阐明您希望解锁的可能性，例如新的收入机会、工作流程或决策流程。对于增强能力，则需设定基线性能以及您希望通过AI实现的预期提升。

考量财务影响

一些用例可能在短期内效果有限，但能在长期创造巨大价值。您的回报周期是多久？另一方面，成功率高且采用迅速的部署可能会产生意想不到的高昂推断费用。这是意味着要叫停项目，还是进一步加大投入？您的成本和回报曲线在多年间应呈现何种形态？在规划时间线时，请设定清晰的阈值，以决定您是继续、暂停、停止还是加速投资。

识别关键绩效指标（KPIs）

评估AI投资的回报甚至比评估其成本更为困难。使用情况、效率和财务影响都至关重要。但AI的成功指标并非总能显而易见。可能会有您尚未找到衡量方法的新使用模式。您的技术环境也可能随之发生后续变化，需要进一步评估。您能否减少对其他工具的依赖，例如减少数据 analytics 平台的席位？您将如何为多个AI供应商不断变化的费率进行跨工具定价比较？

要获得全面的理解和洞察，您还必须考虑该举措与您更广泛战略的一致性，并考虑您本可以进行的其他投资的机会成本。请记住，您并非在孤立地评估AI的业务价值；您是在决定它是否是所有投资中有限的资本的最佳用途。

这些决策需要远超传统采购（如网络基础设施或企业软件）所需的洞察力。在AI经济学的复杂性中 navigate 的技术领导者，应考虑采用一个新的数据驱动决策框架。

借助TBM实现AI投资的可持续性

技术业务管理（TBM）有助于使ROI更加具体和可衡量，从而使其与业务相关联。通过整合IT财务管理（ITFM）、AI FinOps（AI工作负载的云财务管理）和战略投资组合管理（SPM），TBM框架将整个企业的财务、运营和业务数据连接起来。这使得能够从广泛维度核算AI的价值和成本，并将假设性的创新转化为经得起审查的董事会报告和预算理由。

TBM可以帮助领导者建立一个值得信赖的成本基础，捕捉AI在人力、基础设施、推断、存储和应用方面的支出。随着AI工作负载动态变化，TBM提供了对其在本地系统和云环境中支出分布的可见性——两者都需要为专业技能进行不同的容量规划。该框架还将投资与业务成果联系起来，使AI举措与战略优先级和可衡量的结果保持一致。通过提高可见性，您能够快速发现问题并做出决策，例如及早发现成本激增。早期检测有助于判断使用模式的变化是否值得转移资金。这种财务和运营数据的统一视图，有助于领导者随着采用率的提高而扩展有效的方法，并重新评估无效的方法。TBM为整个AI支出管理对话提供了至关重要的可见性和背景。即使定价演变、工具变更和工作流程调整，您也可以应用同样的分析方法来理解哪些方法真正有效，并证明ROI。在TBM框架内实现AI运营化的领导者能够：