در نمایش‌های فروش، هوش مصنوعی با عددی ماهانه وسوسه‌کننده معرفی می‌شود؛ هزینه هر کاربر یا هر درخواست آن‌قدر کم که تصمیم‌گیری بی‌دردسر به نظر برسد. اما تجربه سازمان‌هایی که از مرحله آزمایش گذشته‌اند روایت دیگری دارد: قیمت واقعی هوش مصنوعی چند برابر پیش‌فاکتور است و بخش عمده‌اش در سطرهایی نوشته می‌شود که از قبل کسی برایشان بودجه نگذاشته بود. شناخت هزینه کل مالکیت، مرز میان پروژه‌های سودآور و سوخت‌های بودجه است.
پردازش؛ قبضی که همیشه رشد می‌کند
نخستین خط پنهان، پردازش است. کار با مدل‌های بزرگ، ظرفیت محاسباتی سنگینی می‌طلبد و این ظرفیت یا در قبض ابر ظاهر می‌شود یا در خرید سخت‌افزار اختصاصی. نکته خطرناک برای مدیر مالی این است که این هزینه مصرف‌محور است: هرچه ابزارها محبوب‌تر شوند و کاربران بیشتر تجربه کنند، قبض بزرگ‌تر می‌شود. موفقیت، خودش هزینه دارد؛ و بدون سقف و پایش، پروژه‌ای که خوب شروع شده، در پایان فصل با غافلگیری مالی تمام می‌شود.
داده و یکپارچه‌سازی؛ پرهزینه‌ترین سیاه‌چاله
هیچ مدلی بهتر از داده‌ای که می‌خورد کار نمی‌کند و آماده‌سازی داده، گران‌ترین بخش خاموش پروژه است: پاک‌سازی، انتقال از سیستم‌های قدیمی، ساختن خطوط لوله، تعریف دسترسی و حریم خصوصی، و بستن درهای نشت امنیتی. تجربه نشان می‌دهد این بخش از کار معمولاً طولانی‌تر از برآورد اولیه درمی‌آید و چون دیده نمی‌شود، در جلسات ارائه از قلم می‌افتد؛ اما در عمل، تفاوت پروژه‌ای که کار می‌کند و پروژه‌ای که فقط نمایش است، در همین لوله‌های داده‌ای رقم می‌خورد.
نگهداری؛ هزینه‌ای که تمام نمی‌شود
نسخه‌های نمایشی فصلی دارند و سیستم‌های واقعی، دهه‌ای. مدل‌ها فرسوده می‌شوند: جهان تغییر می‌کند، داده تازه می‌شود و رفتار مدل به‌آرامی منحرف می‌گردد؛ پس پایش مستمر، بازآموزی دوره‌ای و به‌روزرسانی زیرساخت، سطرهای دائمی بودجه‌اند، نه پروژه‌ای یک‌باره. به آن، هزینه پاسخ‌گویی انسانی و اصلاح خطاها را هم باید افزود؛ سیستم‌هایی که با مشتری واقعی سروکار دارند، همیشه به لایه بازبینی انسانی نیاز دارند و این لایه، حقوق و آموزش و ابزار خودش را می‌خواهد.
انسان‌ها؛ گران‌ترین و مهم‌ترین خط
و اما هزینه‌ای که هیچ پیش‌فاکتوری ندارد: تغییر شیوه کار افراد. ابزار بی‌استفاده، همان هزینه لایسنس است بدون هیچ بازگشتی. بازآموزی کارکنان، بازطراحی فرایندها، همراهسازی مدیران میانی که می‌ترسند جایشان خالی شود، و ساختن سازوکار جمع‌آوری بازخورد، همه زمان و پول می‌برد. سازمان‌هایی که این خط را در بودجه نمی‌بینند، معمولاً پس از یک سال، فهرست بلندبالایی از ابزارهای بی‌استفاده در صورت‌های مالی خود دارند؛ سرمایه‌ای خوابیده که فقط بابتش هزینه می‌شود.
چگونه درست بودجه ببندیم
پنج توصیه عملی باقی می‌ماند. نخست، بودجه را برای هزینه کل مالکیت ببندید نه پیش‌فاکتور: پردازش، داده، نگهداری و آموزش، برای افق چندساله. دوم، برای هر پروژه شاخص سنجش موفقیت از روز اول نوشته شود؛ بدون سنجه، هر خرجی توجیه‌پذیر می‌شود. سوم، شروع کوچک اما واقعی: یک فرایند اصلی که دردی قابل اندازه‌گیری دارد، بهتر از ده پایلوت نمایشی است. چهارم، برای مصرف سقف تعریف کنید و هشدار بگذارید تا قبض‌ها غافلگیر نکنند. و پنجم، خروجی هر فصل را صادقانه مرور کنید و پروژه‌های بی‌نتیجه را ببندید؛ در دنیای هوش مصنوعی، بزرگ‌ترین صرفه‌جویی، قطع خرجِ بی‌ثمر است.
دیدگاه‌ها(0)
نظر خود را با ما به اشتراک بگذارید. دیدگاه‌ها بازبینی می‌شوند و درج لینک مجاز نیست.
هنوز دیدگاهی ثبت نشده است. اولین نفر باشید.
افزودن دیدگاه