Fornito da Apptio, una società IBM
Quando entra in scena una tecnologia potenzialmente rivoluzionaria, è facile che l’entusiasmo delle aziende ostacoli la disciplina finanziaria. Il conteggio dei fagioli può sembrare miope di fronte alle entusiasmanti opportunità di trasformazione aziendale e di vantaggio competitivo. Ma il denaro è sempre un oggetto. E quando la tecnologia è l’intelligenza artificiale, quei fagioli possono essere raccolti rapidamente.
Il valore dell’intelligenza artificiale è chiaramente evidente in aree quali l’efficienza operativa, la produttività dei dipendenti e la soddisfazione del cliente. Ma questo ha un prezzo. La chiave del successo a lungo termine è comprendere la relazione tra i due; così potrai assicurarti che il potenziale dell’intelligenza artificiale si traduca in un impatto reale e positivo per il tuo business.
Paradosso dell’accelerazione dell’IA
Sebbene l’intelligenza artificiale possa contribuire a trasformare le operazioni aziendali, la sua impronta finanziaria spesso rimane poco chiara. Se non riesci a collegare i costi all’impatto, come puoi essere sicuro che i tuoi investimenti nell’intelligenza artificiale forniranno un ROI significativo? Questa incertezza, Gartner® 2025 Hype Cycle per l’intelligenza artificialeLa GenAI è caduta nella “causa della delusione”.
Una pianificazione strategica efficace dipende dalla chiarezza. In sua assenza, il processo decisionale si basa su supposizioni e istinti. E molto dipende da queste decisioni. Secondo una ricerca di Apptio, il 68% dei leader tecnologici intervistati prevede di aumentare i propri budget per l’intelligenza artificiale e il 39% ritiene che l’intelligenza artificiale sarà il principale motore della futura crescita del budget del proprio dipartimento.
Ma budget più grandi non garantiscono risultati migliori. Gartner® rileva inoltre: “Nonostante una spesa media di 1,9 milioni di dollari per iniziative GenAI nel 2024, meno del 30% dei leader dell’IA afferma che i propri CEO sono soddisfatti del ritorno sull’investimento”. Se non esiste una connessione chiara tra costi e risultati, le organizzazioni corrono il rischio di aumentare gli investimenti senza aumentare il valore che mirano a creare.
Per andare avanti con fondata fiducia, i leader aziendali nei settori della finanza, dell’IT e della tecnologia devono collaborare per rendere visibile il punto cieco finanziario dell’IA.
Rischi finanziari nascosti dell’intelligenza artificiale
I costi incontrollati dell’intelligenza artificiale potrebbero offrire ai leader IT un flashback agli albori del cloud pubblico. Quando è facile per i team e le business unit DevOps effettuare il provisioning delle proprie risorse su base OpEx, i costi e le inefficienze possono accumularsi rapidamente. In effetti, i progetti di intelligenza artificiale sono avidi consumatori di infrastrutture cloud e comportano anche costi aggiuntivi per piattaforme dati e risorse ingegneristiche. E questo si aggiunge ai token utilizzati per ogni query. La natura decentralizzata di questi costi rende particolarmente difficile attribuirli ai risultati aziendali.
Come nel caso del cloud, anche la facilità di fornitura dell’intelligenza artificiale sta portando alla rapida diffusione dell’intelligenza artificiale. E i budget limitati significano che ogni dollaro speso rappresenta un compromesso inconscio con altri bisogni. Le persone temono che l’intelligenza artificiale possa togliergli il lavoro. Ma è altrettanto probabile che l’intelligenza artificiale si farà carico del budget del proprio dipartimento.
Nel frattempo, secondo Gartner®, “Oltre il 40% dei progetti di intelligenza artificiale delle agenzie sarà annullato entro la fine del 2027 a causa dell’aumento dei costi, dell’incertezza del valore aziendale o dell’inadeguatezza dei controlli dei rischi”. Quindi sono questi i progetti giusti da cancellare? Poiché non esiste un modo per collegare gli investimenti all’impatto, come possono i leader aziendali sapere se questi maggiori costi sono giustificati da un ritorno sull’investimento proporzionalmente più elevato? ?
Senza trasparenza sui costi dell’intelligenza artificiale, le aziende corrono il rischio di spendere troppo, di fornire risultati insufficienti e di perdere migliori opportunità per creare valore.
Perché la pianificazione finanziaria tradizionale non è in grado di gestire l’intelligenza artificiale?
Come abbiamo imparato dal cloud, i tradizionali modelli di budget statico non sono adatti per carichi di lavoro dinamici e risorse in rapida scalabilità. La chiave per la gestione dei costi del cloud è stata l’etichettatura e la telemetria, che aiutano le aziende a collegare ogni dollaro di spesa per il cloud a risultati aziendali specifici. Anche la gestione dei costi dell’intelligenza artificiale richiederà pratiche simili. Ma la portata della sfida va ben oltre. Oltre ai costi di archiviazione, elaborazione e trasferimento dei dati, ogni progetto di intelligenza artificiale comporta i propri requisiti, dalla rapida ottimizzazione e instradamento dei modelli alla preparazione dei dati, conformità, sicurezza e personale.
Questo complesso mix di fattori in continua evoluzione rende comprensibile che i team finanziari e aziendali non abbiano una visibilità dettagliata sulla spesa relativa all’intelligenza artificiale e che i team IT facciano fatica a conciliare l’utilizzo con i risultati aziendali. Ma senza queste connessioni è impossibile monitorare il ROI in modo preciso e accurato.
Il valore strategico della trasparenza dei costi
La trasparenza dei costi consente decisioni più intelligenti, dall’allocazione delle risorse all’impiego dei talenti.
Collegare risorse IA specifiche ai progetti che supportano aiuta i decisori tecnologici a garantire che ai progetti di maggior valore venga fornito ciò di cui hanno bisogno per avere successo. Stabilire le giuste priorità è fondamentale, soprattutto quando i migliori talenti scarseggiano. Se i tuoi ingegneri e data scientist ben pagati sono dispersi in troppi progetti pilota interessanti ma non essenziali, sarà difficile trovare personale per il prossimo perno strategico e forse immediato.
Le migliori pratiche FinOps si applicano anche all’intelligenza artificiale. Gli approfondimenti sui costi possono rivelare opportunità per ottimizzare l’infrastruttura ed eliminare gli sprechi dimensionando correttamente le prestazioni e la latenza per soddisfare i requisiti del carico di lavoro o scegliendo un modello più piccolo ed economicamente vantaggioso anziché utilizzare l’ultimo Large Language Model (LLM) per impostazione predefinita. Il monitoraggio dell’avanzamento del lavoro può segnalare l’aumento dei costi in modo che i leader possano orientarsi rapidamente in direzioni più promettenti quando necessario. Un progetto che ha senso a un costo X potrebbe non valere a un costo doppio.
Le aziende che adottano un approccio strutturato, trasparente e ben gestito ai costi dell’intelligenza artificiale hanno maggiori probabilità di spendere il denaro giusto nel modo giusto e di ottenere il miglior ROI sui propri investimenti.
TBM: un framework aziendale per la gestione dei costi dell’IA
La trasparenza e il controllo sui costi dell’IA dipendono da tre pratiche:
Gestione finanziaria informatica (ITFM): Gestire i costi e gli investimenti IT in linea con le priorità aziendali
FinOps: Ottimizzazione dei costi del cloud e del ritorno sull’investimento attraverso la responsabilità finanziaria e l’efficienza operativa
Gestione strategica del portafoglio (SPM): Assegnare priorità e gestire meglio i progetti per garantire che forniscano il massimo valore all’azienda
Queste tre discipline formano collettivamente la Technology Business Management (TBM); è un quadro strutturato che aiuta i leader tecnologici, aziendali e finanziari a collegare gli investimenti tecnologici ai risultati aziendali per una migliore trasparenza finanziaria e un migliore processo decisionale.
La maggior parte delle aziende è già sulla strada del CPC, che se ne rendano conto o meno. Potrebbero aver adottato una qualche forma di FinOps o di gestione dei costi del cloud. Oppure potrebbero sviluppare una forte esperienza finanziaria per l’IT. Oppure possono affidarsi alla gestione dei progetti Enterprise Agile Planning o Strategic Portfolio Management per realizzare iniziative con maggiore successo. L’intelligenza artificiale può apportare benefici e avere un impatto su tutte queste aree. Unendo questi aspetti sotto un unico ombrello con un modello e un vocabolario comuni, la TBM apporta notevole chiarezza sui costi dell’intelligenza artificiale e sull’impatto aziendale che offrono.
Il successo dell’intelligenza artificiale non dipende solo dalla velocità ma anche dal valore. La trasparenza dei costi fornita da TBM fornisce una tabella di marcia che può aiutare i leader aziendali e IT a fare gli investimenti giusti, a realizzarli in modo economicamente vantaggioso, a ridimensionarli in modo responsabile e a trasformare l’intelligenza artificiale da un errore costoso in una risorsa aziendale misurabile e un abilitatore strategico.
Fonti: comunicato stampa Gartner®, Gartner® prevede che oltre il 40% dei progetti di intelligenza artificiale delle agenzie saranno annullati entro la fine del 2027, 25 giugno 2025 https://www.Gartner®.com/en/newsroom/press-releases/2025-06-25-Gartner®-predicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
GARTNER®, Gartner®, Inc. e/o le sue affiliate, registrati negli Stati Uniti e a livello internazionale, e qui utilizzati con autorizzazione. Tutti i diritti riservati.
Ajay Patel è Direttore generale di Apptio e IT Automation presso IBM.
Gli articoli sponsorizzati sono contenuti prodotti da un’azienda che ha pagato per il post o ha un rapporto commerciale con VentureBeat e sono sempre chiaramente contrassegnati. Contatta per maggiori informazioni sales@venturebeat.com.
