← Back to blog

Az MI nagy léptékben: az igazi kihívás az érték menedzselése, nem a költségcsökkentés

Category
Az MI nagy léptékben: az igazi kihívás az érték menedzselése, nem a költségcsökkentés

Az elmúlt években az üzleti vezetők számára az üzenet egyértelmű volt: vezessék be gyorsan az MI-t, kísérletezzenek széles körben, és ösztönözzék az embereket a használatára.

Ez a megközelítés segített a szervezeteknek túllépni az elméleten, és felfedezni, mire képes az MI. Új kihívást is teremtett azonban. Ahogy a kísérletezésből mindennapi használat lesz – az egyes eszközökből pedig automatizált, MI-alapú munkafolyamatok –, az MI költségei és összetettsége sokkal gyorsabban nőhetnek a vártnál.

Ösztönös reakció lehet a költségvetések szigorítása vagy a hozzáférés korlátozása. Meggyőződésem, hogy ez a tünetet kezelné, nem a mögöttes problémát.

Az igazi feladat nem egyszerűen az MI-kiadások csökkentése. Hanem annak biztosítása, hogy az MI-be fektetett minden egyes font értelmes üzleti eredményhez kapcsolódjon.

Az MI megváltoztatja a technológia gazdaságtanát

Abstract visualisation of consumption-based AI demand and cloud resource patterns

A hagyományos vállalati technológiát általában viszonylag kiszámítható konstrukciókban vásárolták: licencek, előfizetések, infrastruktúra-vállalások és bevezetési programok formájában. A költségek többnyire megbecsülhetők voltak a munkavállalói létszám, a rendszerkapacitás vagy a megállapodott munkarész alapján.

Az MI nem illeszkedik kényelmesen ebbe a modellbe.

Költségét a tényleges felhasználás alakítja. Változhat a használt modell, a feldolgozott információ mennyisége, a válasz hossza, a munkafolyamat felépítése, valamint az alapján, hogy egy automatizált ügynök hányszor hív meg más rendszereket vagy modelleket.

Két látszólag hasonló feladat költsége ezért nagyon eltérő lehet.

Ez különösen fontossá válik, amikor az MI beágyazódik az üzleti folyamatokba. Egyetlen interakció keresések, modellhívások, ellenőrzések és újrapróbálkozások sorozatát indíthatja el. Ami egyetlen egyszerű felhasználói kérésnek tűnik, a háttérben meglepően erőforrás-igényes munkafolyamattá válhat.

Ugyanakkor az MI-hez való hozzáférést már nem kizárólag a technológiai részleg irányítja. A munkatársak új eszközökre fizethetnek elő, saját asszisztenseket építhetnek, és viszonylag csekély technikai tudással automatizált folyamatokat hozhatnak létre. Ez a hozzáférhetőség az innováció erőteljes forrása, de széttagolt beszerzést, párhuzamos képességeket és olyan felhasználást is eredményezhet, amelyet senki sem lát teljes egészében.

Éppen ezért a hagyományos éves költségvetés-tervezés nem elegendő. Az MI aktív keresletkezelést igényel.

Kezdjük a felhasználás átláthatóvá tételével

Abstract visualisation of AI consumption connected to business outcomes

Egy szervezet nem tudja hatékonyan kezelni az MI-t, ha nem tudja, hol használják.

Az első prioritás az MI-felhasználás összesített képének kialakítása az osztályok, alkalmazások, beszállítók és felhőplatformok szintjén. Ennek a képnek túl kell mutatnia a számlákon. A vezetőknek látniuk kell, melyik üzleti folyamat használ MI-t, ki felel érte, mennyibe kerül, és milyen eredményt hoz.

Az olyan technikai mutatók, mint a modellhívások vagy a feldolgozott mennyiségek, hasznosak a mérnökök számára, de üzleti döntésekhez nem elegendők. Az értelmesebb mérőszámok valószínűleg a következők:

  • Egy megoldott ügyfélmegkeresés költsége
  • Egy átnézett dokumentum költsége
  • Egy minősített értékesítési lehetőség költsége
  • Egy szoftverkiadás költsége
  • Egy feldolgozott kárigény, ügy vagy tranzakció költsége
  • Egy MI-alapú munkafolyamat által teremtett bevétel, kapacitás vagy kockázatcsökkentés

Ez megváltoztatja a beszélgetést. Ahelyett, hogy azt kérdeznék, túl sok MI-t használ-e a szervezet, a vezetők azt kérdezhetik, hogy az MI egy adott felhasználása elegendő értéket termel-e.

Az átláthatóság felelősségre vonhatóságot is teremt. Ha a felhasználás azonosítható termékhez, folyamathoz vagy üzleti egységhez kapcsolódik, az MI megszűnik megmagyarázhatatlan központi technológiai kiadásnak látszani. Gazdával és várt megtérüléssel rendelkező üzleti befektetéssé válik.

Az adott feladathoz illő szintű intelligenciát használjuk

Abstract routing of workloads to appropriately sized AI models

A szervezetek nem a legképzettebb munkatársaikat használják minden tevékenységhez. A legerősebb – és általában legdrágább – MI-modelljüket sem kellene minden kéréshez használniuk.

Sok rutinfeladatot, például az osztályozást, az adatkinyerést, az alapvető összefoglalást és a strukturált szövegszerkesztést, kisebb vagy olcsóbb modellek is hatékonyan elláthatnak. A képességesebb modelleket ezután azokra a munkákra lehet fenntartani, amelyek valóban mélyebb gondolkodást, nagyobb pontosságot vagy szakértői teljesítményt igényelnek.

A cél nem az, hogy minden helyzetben a legolcsóbb modellt válasszuk. Hanem az, hogy a leggazdaságosabb olyan megoldást válasszuk, amely megbízhatóan teljesíti az előírt színvonalat.

Ennél a döntésnél az árnál többet kell figyelembe venni. A minőség, a sebesség, az adatvédelem, a rugalmasság és a kockázat egyaránt számít. Bizonyos esetekben egy prémium modell teljesen indokolt. Máskor egy kisebb, felhőben üzemeltetett modell, egy belsőleg működtetett modell, vagy akár egy eszközön helyben futó modell lehet megfelelőbb.

A lényeges képesség a rugalmasság: hogy a különböző munkaterheléseket különböző modellekhez lehessen irányítani, és ezeket a döntéseket a technológia, az árak és az igények változásával módosítani lehessen.

A modell optimalizálása előtt javítsuk a munkafolyamatot

Abstract efficient AI workflow with redundant steps removed

A modellválasztás sok figyelmet kap, de a nem hatékony munkafolyamat-tervezés ennél nagyobb pazarlásforrás lehet.

Az MI-rendszerek ismételten feldolgozhatnak olyan információt, amelyre nincs szükségük, szükségtelenül hosszú beszélgetési előzményeket őrizhetnek meg, vagy a feladat igényénél jóval részletesebb válaszokat adhatnak. Az automatizált ügynökök eredménytelen hurkokba kerülhetnek, megismételhetik a sikertelen műveleteket, vagy drága szolgáltatásokat hívhatnak meg akkor is, amikor egy egyszerűbb szabály elegendő lett volna.

Ezeket a problémákat ritkán oldja meg a beszerzés önmagában. Átgondolt mérnöki munkát és folyamattervezést igényelnek.

A szervezeteknek meg kell vizsgálniuk, hogy képesek-e a következőkre:

  • Csak a feladat szempontjából releváns információt küldeni
  • Újrahasznosítani a már előállított eredményeket
  • Egyértelmű válaszformátumokat és megfelelő hosszkorlátokat meghatározni
  • Határokat szabni az automatikus újrapróbálkozásoknak és az eszközhasználatnak
  • Az egyszerű kéréseket egyszerűbb modelleken keresztül irányítani
  • Csak az igazán összetett eseteket továbbítani magasabb szintre
  • Újratervezni egy gyenge folyamatot, mielőtt MI-t adnánk hozzá

Ez az utolsó pont fontos. Egy nem hatékony folyamat automatizálása nem feltétlenül teszi hatékonnyá. Pusztán azt eredményezheti, hogy a hatékonytalanság gyorsabban és nagyobb léptékben működik.

Építsük be az irányítást a felhasználói élménybe

Abstract AI platform protected by embedded governance guardrails

A szabályzatok és a képzések továbbra is fontosak maradnak, de nem hordozhatják magukon a vállalati MI-kezelés teljes terhét.

Ésszerűen nem várható el a legtöbb munkatárstól, hogy minden modell, prompt vagy automatizált munkafolyamat gazdaságtanát megértse. Azt sem kellene tőlük megkövetelni, hogy minden MI-szolgáltatás használatakor szabályzati dokumentumot tanulmányozzanak.

A jó irányítást ezért magába a technológiába kell beépíteni.

A szervezet MI-környezetének képesnek kell lennie jóváhagyott hozzáférési szabályok alkalmazására, szokatlan felhasználás azonosítására, ésszerű korlátok érvényesítésére, és a kérések legmegfelelőbb szolgáltatáshoz irányítására. Ahol a többletköltség vagy -kockázat indokolt, ott legyen világos jóváhagyási vagy továbbítási útvonal.

Ez a felelős felhasználást teszi a felhasználó természetes útjává. Lehetővé teszi azt is, hogy az irányítás a tevékenység pillanatában érvényesüljön, amikor még befolyásolhatja az eredményt, nem pedig hetekkel később, amikor megérkezik a számla.

Ugyanez az elv érvényes az iránymutatásra is. Az MI-munkafolyamat létrehozása közben kapott, helyzethez igazított tanács valószínűleg hasznosabb, mint egy hónapokkal korábban elvégzett egyszeri képzés.

Az MI gazdaságtanát kezeljük tartós képességként

Abstract continuous operating loop connecting AI technology, economics, risk and business value

Az MI iránti kereslet kezelése nem válhat átmeneti költségcsökkentési gyakorlattá, amelyet kizárólag a technológiai csapat vezet.

Folyamatos együttműködést igényel a technológia, a pénzügy, a beszerzés, a kockázatkezelés és az üzleti vezetés között. Ezeknek a területeknek együtt kell előrejelezniük a keresletet, nyomon követniük a felhasználást, értékelniük a beszállítókat, és a kiadásokat mérhető eredményekhez kapcsolniuk.

Ennek a képességnek azt is fel kell ismernie, hogy a piac folyamatosan változni fog. A ma legjobban teljesítő modell holnap már nem biztos, hogy a legjobb értéket kínálja. Új beszállítók, kereskedelmi struktúrák és telepítési lehetőségek fognak megjelenni.

Egyetlen modelltől vagy szolgáltatótól való hosszú távú függés ezért pénzügyi és működési kockázatot egyaránt jelenthet. A szervezeteknek meg kell őrizniük annak lehetőségét, hogy munkaterheléseket áthelyezzenek, újraértékeljék a beszerzési döntéseket, és vásárolt, házon belül fejlesztett és hosztolt képességeket kombináljanak.

A „vegyünk vagy építsünk” régi kérdése egyre szűkebbé válik. A jobb kérdés az, hogyan állítsuk össze – és igazítsuk folyamatosan – a szolgáltatások, modellek és működési megközelítések megfelelő keverékét az egyes munkaterhelésekhez.

A költségkontrollnak az ambíciót kell támogatnia

Abstract cost control supporting confident AI ambition

Fennáll a veszélye annak, hogy a növekvő MI-kiadások a szervezeteket túlzottan óvatossá teszik éppen akkor, amikor a technológia érdemi eredményeket kezd hozni.

Ez hiba lenne.

A szilárd pénzügyi menedzsment nem az innováció ellensége. Ez teszi lehetővé a fenntartható innovációt. Ha egy szervezet képes azonosítani a pazarlást, át tudja csoportosítani az erőforrásokat a legnagyobb potenciállal rendelkező munkafolyamatokra. Ha érti egy eredmény költségét, megalapozott döntéseket hozhat arról, hol érdemes skálázni. Ha az irányítás be van építve a környezetbe, a munkatársak világos és gyakorlatias keretek között újíthatnak.

Az MI-vel sikeres szervezetek nem feltétlenül azok lesznek, amelyek a legtöbbet költenek – vagy amelyek a legkeményebben vágnak. Azok lesznek, amelyek értik, hol teremt az MI megkülönböztető értéket, és ennek megfelelően tudják irányítani a felhasználásukat.

A vállalati MI következő szakaszát ezért kevésbé a modellekhez való hozzáférés, inkább a menedzsmentfegyelem fogja meghatározni.

A kérdés már nem egyszerűen az, hogy „Mennyi MI-t használunk?” Hanem az, hogy „Mit érünk el vele – és megéri-e ez az eredmény a befektetést?”


A CloudSigma-ról

A CloudSigma globális felhőszolgáltató, amely rugalmas, biztonságos és szuverén felhőkörnyezeteket tesz lehetővé helyi partnerek föderált hálózatán keresztül. Küldetésünk, hogy ügyfeleink teljes kontrollt, átláthatóságot és bizalmat kapjanak digitális erőforrásaik használata és kezelése felett.

További információ: www.cloudsigma.com

Szerző: Anthony Limby – a CloudSigma vezérigazgatója

Preslav Dobrev

Preslav Dobrev

Author · CloudSigma

Preslav Dobrev is a Creative designer at CloudSigma, focusing on consistent business identity using traditional and innovative marketing channels. He is adept at merging artistic vision with strategic marketing to create impactful brand narratives.

Comments

No comments yet. Be the first.