ساخت یک دارایی، نه یک هزینه

هنگامی که مشتریان در مورد هزینه های AI صحبت می کنند، مکالمه معمولا با قیمت های توکن شروع می شود و با دسترسی به آخرین و تواناترین مدل در ابر به پایان می رسد. آیا همیشه به این سطح توانایی نیاز دارند؟ نه لزوما. این اغلب جایی است که مکالمه می رود.

همانطور که AI از آزمایش به تولید حرکت می کند، انتخاب مدل تنها بخشی از معادله است. هنگامی که تقاضا ثابت و حیاتی می شود، یک رویکرد مصرف تنها می تواند هزینه های AI را به یک آیتم خط ماهانه متغیر تبدیل کند که پیش بینی به عنوان استفاده، حجم کار و تغییر نیازهای مدل دشوار است.

در آن مرحله، سوال دیگر به سادگی نیست که کدام مدل را مصرف کند یا کدام ارائه دهنده کمترین قیمت توکن را ارائه می دهد: این است که چگونه AI را از نظر اقتصادی، پیش بینی شده و در مقیاس پایدار اجرا کنیم.

AI از خلبانان جدا شده به سبد تولید حرکت می کند: دستیاران، سیستم های بازیابی و دانش و برنامه های عامل. کارکنان خدمات مشتری، IT، تحقیق و پردازش کسب و کار می توانند جریان های کاری چند مرحله ای را در سراسر سیستم های سازمانی اجرا کنند و تقاضا تکراری را در مدل ها، داده ها و ابزار ایجاد کنند.

این در حال حاضر شروع به اتفاق افتادن می کند. دولت 2026 Deloitte در شرکت نشان می دهد که بسیاری از رهبران چه می بینند: دسترسی کارگران به AI در سال 2025 5 درصد افزایش یافته و انتظار می رود که سهم شرکت هایی با حداقل 40 درصد از پروژه های AI خود در تولید، ظرف شش ماه دو برابر شود.

هنگامی که AI به مجموعه ای از کارهای همیشه تبدیل می شود، نه مجموعه ای از آزمایشات، تغییر اقتصاد. قیمت گذاری مصرف به تیم ها انعطاف پذیری و تعهد محدود می دهد. اما هنگامی که استفاده پایدار، قابل پیش بینی و به اندازه کافی بزرگ می شود تا ظرفیت بهره وری را حفظ کند، رهبران باید سوال متفاوتی بپرسند: آیا هنوز هم منطقی است که AI یک درخواست را در یک زمان بخرید یا وقت آن است که در ظرفیتی که می توانند بهینه سازی و کنترل کنند سرمایه گذاری کنند؟

این یک بحث ابر انتزاعی در مقابل پیش بینی نیست. این یک تصمیم کسب و کار بارگذاری کار است. در 12 تا 18 ماه آینده، چه مقدار تقاضای AI می تواند شرکت را به طور منطقی انتظار داشته باشد؟ این ظرفیت چگونه به طور مداوم استفاده می شود؟ هنگامی که چندین بار کاری زیرساخت ها را به اشتراک می گذارد، شرکت می تواند هزینه های ثابت را در سراسر استفاده های مولد تر گسترش دهد – اثبات اقتصاد مالکیت.

سوال این است که چقدر دویدن می کنید

مالکیت به طور خودکار پاسخ ارزان قیمت نیست. این تنها زمانی منطقی است که یک شرکت بتواند ظرفیت را کارآمد نگه دارد.

هر سازمان دارای نقطه متقاطع است، سطح استفاده پایدار که در آن ظرفیت مالکیت می تواند اقتصادی تر از خرید آن در یک زمان باشد. هیچ شماره جهانی وجود ندارد. این بستگی به مدل های مورد استفاده، تعادل توکن های ورودی و خروجی، الزامات عملکرد، طراحی سیستم، هزینه های انرژی و مدل عملیاتی مورد نیاز برای حمایت از آن دارد.

یک سیستم دانش بازیابی می تواند مشخصات هزینه بسیار متفاوتی از یک دستیار ساده داشته باشد، زیرا ممکن است زمینه بسیار بیشتری برای هر تعامل پردازش کند. جریان کار فاکتوریک می تواند دوباره متفاوت باشد: یک کار واحد ممکن است شامل استدلال تکراری، بازیابی، تماس های مدل و استفاده از ابزار باشد. به همین دلیل است که معیارهای عمومی هزینه کافی نیست. شرکت ها باید کارهای واقعی خود را مدل سازی کنند، تقاضا و ظرفیت اندازه مورد انتظار را درک کنند.

در سطح بهره برداری مناسب، سود نه تنها هزینه موثر پایین تر است، بلکه پیش بینی بیشتری نیز دارد: توانایی مدیریت ظرفیت هوش مصنوعی به عنوان یک سرمایه گذاری استراتژیک به جای تماشای یک خط هزینه ماهانه با استفاده از مدل و تقاضا برای کار.

مالکیت تنها زمانی کار می کند که قرار است کار کند.

تصمیم سرمایه تنها نیمی از معادله است. حتی زمانی که اقتصاد از مالکیت حمایت می کند، ظرفیت فقط زمانی ارزش ایجاد می کند که کسب و کار به سرعت به تولید برسد و آنها را در حال اجرا نگه می دارد.

این بیشتر از نصب زیرساخت ها است. این یک مدل عملیاتی است که تکنولوژی را به پذیرش و نتایج کسب و کار متصل می کند: آوردن کاربران و کار بر روی هیئت مدیره، مدیریت چگونگی استفاده از AI، بررسی استفاده و به طور مداوم شناسایی مورد بعدی استفاده با ارزش بالا.

هدف این است که ابتدا ارزش ایجاد کنید، سپس آن را بسازید. این بدان معنی است که اندازه گیری استفاده، شناسایی ظرفیت کم ارزش، و اضافه کردن کار با ارزش اضافی بر روی پلت فرم در طول زمان. بدون این نظم و انضباط، کسب و کار هرگز نمی تواند ارزش اقتصادی را که سرمایه گذاری را توجیه می کند، درک کند. با آن، ظرفیت AI به یک دارایی تولیدی تبدیل می شود که کسب و کار می تواند بهینه سازی، گسترش و استفاده از آن برای ایجاد ارزش قابل اندازه گیری.

سه سوال برای پرسیدن

قبل از انجام سرمایه، رهبران باید سه سوال بپرسند:

آیا تقاضا به اندازه کافی پایدار، قابل پیش بینی و بزرگ می شود تا ظرفیت اختصاصی را توجیه کند؟

در چه سطحی از استفاده مالکیت منطقی اقتصادی است؟

آیا می توانیم این ظرفیت را از طریق تصویب، حکومت و ادامه گسترش استفاده، حفظ کنیم؟

تغییر را عمدا انجام دهید

همانطور که AI به تولید می رود، سازمان هایی که بیشترین ارزش را ایجاد می کنند، فراتر از قیمت های توکن و آخرین مدل به نظر می رسند. آنها خواهند دانست که چه زمانی تقاضا برای یک مدل اقتصادی مختلف می خواهد و آنها نظم عملیاتی را برای تولید این ظرفیت دارند.

این زمانی است که AI هزینه ای را متوقف می کند و به یک دارایی تبدیل می شود.

این محتوا توسط HPE تولید شده است. این نوشته توسط کارکنان سرمقاله MIT Technology Review نوشته نشده است.

💻 کدزن | طراحی سایت و سامانه‌های آنلاین
🚀 ایده‌ات رو به یک محصول آنلاین حرفه‌ای تبدیل کن
🌐 www.codzan.ir
💬 طراحی • توسعه • پشتیبانی