AI ve velkém měřítku: Proč skutečnou výzvou je řízení hodnoty, nikoli snižování nákladů

Praktický pohled na řízení ekonomiky podnikové AI

V posledních několika letech bylo sdělení pro vedoucí pracovníky jasné: rychle přijměte AI, široce experimentujte a povzbuzujte lidi, aby ji používali.

Tento přístup pomohl organizacím překročit teorii a zjistit, co AI dokáže. Zároveň však vytvořil novou výzvu. Jak se experimentování mění v každodenní používání — a jednotlivé nástroje se vyvíjejí v automatizované pracovní postupy podporované AI — mohou náklady a složitost AI růst mnohem rychleji, než se očekávalo.

Instinktivní reakcí může být zavedení přísnějších rozpočtů nebo omezení přístupu. Domnívám se, že by to řešilo spíše symptom než základní problém.

Skutečným úkolem není jednoduše snížit výdaje na AI. Jde o to zajistit, aby každá libra investovaná do AI byla spojena se smysluplným obchodním výsledkem.

AI mění ekonomiku technologií

Tradiční podnikové technologie byly obecně pořizovány prostřednictvím relativně předvídatelných dohod: licencí, předplatných, infrastrukturních závazků a implementačních programů. Náklady bylo obvykle možné odhadnout podle počtu zaměstnanců, kapacity systému nebo dohodnutého rozsahu práce.

AI do tohoto modelu pohodlně nezapadá.

Její náklady jsou určovány skutečnou spotřebou. Mohou se lišit podle používaného modelu, množství zpracovávaných informací, délky odpovědi, návrhu pracovního postupu a počtu případů, kdy automatizovaný agent volá jiné systémy nebo modely.

Dva zdánlivě podobné úkoly proto mohou mít velmi odlišné náklady.

To se stává obzvlášť důležitým, když je AI začleněna do obchodních procesů. Jedna interakce může spustit sekvenci vyhledávání, volání modelů, validací a opakovaných pokusů. To, co vypadá jako jeden jednoduchý požadavek uživatele, se může v zákulisí stát překvapivě náročným pracovním postupem z hlediska zdrojů.

Zároveň už přístup k AI není řízen výhradně technologickým oddělením. Zaměstnanci si mohou předplácet nové nástroje, vytvářet vlastní asistenty a budovat automatizované procesy s relativně malými technickými znalostmi. Tato dostupnost je silným zdrojem inovací, ale může také vést k roztříštěnému nákupu, duplicitním schopnostem a spotřebě, kterou nikdo nevidí v úplnosti.

Proto běžné roční rozpočtování nestačí. AI vyžaduje aktivní řízení poptávky.

Začněte zviditelněním spotřeby

Organizace nemůže efektivně řídit AI, pokud neví, kde se používá.

První prioritou by mělo být vytvoření konsolidovaného pohledu na spotřebu AI napříč odděleními, aplikacemi, dodavateli a cloudovými platformami. Tento pohled musí jít nad rámec faktur. Vedoucí pracovníci by měli být schopni vidět, který obchodní proces AI používá, kdo jej vlastní, kolik stojí a jaký výsledek přináší.

Technická měřítka, jako jsou volání modelu nebo objemy zpracování, jsou užitečná pro inženýry, ale pro obchodní rozhodnutí nestačí. Smysluplnějšími ukazateli pravděpodobně budou:

1. Náklady na vyřešený zákaznický dotaz
2. Náklady na zkontrolovaný dokument
3. Náklady na kvalifikovanou obchodní příležitost
4. Náklady na vydání softwaru
5. Náklady na zpracovaný nárok, případ nebo transakci
6. Výnosy, kapacita nebo snížení rizika vytvořené pracovním postupem podporovaným AI

Tím se mění konverzace. Místo otázky, zda organizace používá příliš mnoho AI, se mohou vedoucí pracovníci ptát, zda konkrétní využití AI vytváří dostatečnou hodnotu.

Viditelnost také vytváří odpovědnost. Když je spotřeba spojena s identifikovatelným produktem, procesem nebo obchodní jednotkou, AI přestává působit jako nevysvětlený centrální technologický náklad. Stává se obchodní investicí s vlastníkem a očekávanou návratností.

Používejte správnou úroveň inteligence pro daný úkol

Organizace nepoužívají své nejkvalifikovanější lidi pro každou činnost. Stejně tak by neměly používat svůj nejvýkonnější — a obvykle nejdražší — model AI pro každý požadavek.

Mnoho rutinních úkolů, včetně klasifikace, extrakce, základního shrnování a strukturovaného návrhu textů, mohou efektivně zvládnout menší nebo levnější modely. Schopnější modely pak mohou být vyhrazeny pro práci, která skutečně vyžaduje hlubší uvažování, vyšší přesnost nebo specializovaný výkon.

Cílem není vybrat v každé situaci nejlevnější model. Cílem je vybrat nejekonomičtější možnost, která spolehlivě splňuje požadovaný standard.

Toto rozhodnutí by mělo zohledňovat víc než jen cenu. Důležité jsou také kvalita, rychlost, soukromí, odolnost a riziko. V některých případech bude prémiový model zcela oprávněný. V jiných může být vhodnější menší hostovaný model, interně provozovaný model nebo dokonce model běžící lokálně na zařízení.

Důležitou schopností je flexibilita: možnost směrovat různé pracovní zátěže na různé modely a tato rozhodnutí měnit s tím, jak se vyvíjejí technologie, ceny a požadavky.

Než optimalizujete model, zlepšete pracovní postup

Volbě modelu se věnuje velká pozornost, ale neefektivní návrh pracovního postupu může být větším zdrojem plýtvání.

Systémy AI mohou opakovaně zpracovávat informace, které nepotřebují, uchovávat zbytečně dlouhé historie konverzací nebo vytvářet odpovědi mnohem podrobnější, než úkol vyžaduje. Automatizovaní agenti se mohou dostávat do neproduktivních smyček, opakovat neúspěšné akce nebo volat drahé služby, když by stačilo jednodušší pravidlo.

Tyto problémy se zřídka vyřeší pouze nákupem. Vyžadují promyšlené inženýrství a návrh procesů.

Organizace by měly zkoumat, zda mohou:

1. Odesílat pouze informace relevantní pro daný úkol
2. Znovu používat výsledky, které již byly vytvořeny
3. Definovat jasné formáty odpovědí a vhodné limity délky
4. Nastavit hranice pro automatizované opakované pokusy a používání nástrojů
5. Směrovat jednoduché požadavky přes jednodušší modely
6. Eskalovat pouze skutečně složité případy
7. Přepracovat špatný proces dříve, než do něj přidají AI

Na tomto posledním bodě záleží. Automatizace neefektivního procesu jej nutně nezefektivní. Může pouze umožnit, aby neefektivita fungovala rychleji a ve větším měřítku.

Zabudujte správu do samotného používání

Zásady a školení zůstanou důležité, ale nemohou nést celé břemeno řízení podnikové AI.

Od většiny zaměstnanců nelze rozumně očekávat, že budou rozumět ekonomice každého modelu, promptu nebo automatizovaného pracovního postupu. Neměli by ani muset nahlížet do dokumentu se zásadami pokaždé, když používají službu AI.

Dobrá správa by proto měla být zabudována přímo do technologie.

Prostředí AI v organizaci by mělo být schopno uplatňovat schválená pravidla přístupu, identifikovat neobvyklou spotřebu, vynucovat rozumné limity a směrovat požadavky na nejvhodnější službu. Tam, kde jsou dodatečné náklady nebo riziko oprávněné, by měla existovat jasná cesta pro schválení nebo eskalaci.

Díky tomu se odpovědná spotřeba stává pro uživatele přirozenou cestou. Zároveň to umožňuje, aby správa probíhala v okamžiku aktivity, kdy může ovlivnit výsledek, nikoli až o týdny později, když dorazí faktura.

Stejný princip platí pro doporučení. Kontextové rady poskytnuté ve chvíli, kdy někdo vytváří pracovní postup AI, budou pravděpodobně užitečnější než jednorázové školení absolvované o měsíce dříve.

Přistupujte k ekonomice AI jako k trvalé schopnosti

Řízení poptávky po AI by se nemělo stát dočasným cvičením zaměřeným na snižování nákladů, vedeným pouze technologickým týmem.

Vyžaduje průběžnou spolupráci mezi technologiemi, financemi, nákupem, řízením rizik a obchodním vedením. Tyto funkce musí společně předvídat poptávku, monitorovat spotřebu, hodnotit dodavatele a propojovat výdaje s měřitelnými výsledky.

Tato schopnost musí také zohledňovat, že trh se bude nadále měnit. Nejvýkonnější model dnes nemusí zítra nabízet nejlepší hodnotu. Nadále se budou objevovat noví dodavatelé, obchodní struktury a možnosti nasazení.

Dlouhodobá závislost na jediném modelu nebo poskytovateli proto může přinést finanční i provozní riziko. Organizace by si měly zachovat schopnost přesouvat pracovní zátěže, přehodnocovat rozhodnutí o sourcingu a kombinovat nakupované, interně vyvíjené a hostované schopnosti.

Stará otázka, zda koupit, nebo vytvořit, se stává příliš úzkou. Lepší otázkou je, jak sestavit — a průběžně upravovat — správnou kombinaci služeb, modelů a provozních přístupů pro každou pracovní zátěž.

Kontrola nákladů by měla podporovat ambice

Existuje riziko, že rostoucí výdaje na AI povedou organizace k přehnané opatrnosti právě ve chvíli, kdy technologie začíná přinášet smysluplné výsledky.

To by byla chyba.

Silné finanční řízení není nepřítelem inovací. Je tím, co umožňuje udržitelné inovace. Když organizace dokáže identifikovat plýtvání, může přesměrovat zdroje k pracovním postupům s největším potenciálem. Když rozumí nákladům na výsledek, může se informovaně rozhodovat, kde škálovat. Když je správa zabudována do prostředí, zaměstnanci mohou inovovat v rámci jasných a praktických hranic.

Organizace, které uspějí s AI, nemusí být nutně ty, které utratí nejvíce — ani ty, které budou škrtat nejtvrději. Budou to ty, které rozumějí tomu, kde AI vytváří odlišující hodnotu, a dokážou tomu odpovídajícím způsobem řídit svou spotřebu.

Další fáze podnikové AI tedy bude méně definována přístupem k modelům a více disciplínou řízení.

Otázka už nezní jednoduše: „Kolik AI používáme?“

Zní: „Čeho s ní dosahujeme — a stojí tento výsledek za investici?“

O CloudSigma

CloudSigma je globální poskytovatel cloudových služeb umožňující flexibilní, bezpečná a suverénní cloudová prostředí napříč federovanou sítí místních partnerů. Naším posláním je poskytovat zákazníkům plnou kontrolu, transparentnost a důvěru v to, jak používají a spravují své digitální zdroje.

Více informací najdete na www.cloudsigma.com

Autor: Anthony Limby – CEO CloudSigma

Příklad příkazu