עמרי נצר, קבוצת יעל: "ל-AI יש תג מחיר – מנמ"רים נדרשים לניווט חכם בין פריזמה הפיננסית והחלטות טכנולוגיות"
"מאז ש-GenAI פרצה לחיינו בסערה, ארגונים מאמצים שירותי בינה מלאכותית יוצרת בקצב חסר תקדים. אלא שמבנה העלויות של AI מורכב מאוד וההוצאה על AI, לרוב, אינה מתורגמת לערך עסקי ממשי. כדי למקסם ערך עסקי, הכרחי ליצור שיתוף פעולה הדוק בין צוותי הפיתוח, הדאטה והפיננסים בארגון – ולהפוך את העלויות לעוד 'משקפיים' באמצעותם שוקלים בחירות טכנולוגיות. לא צריך 'למבורגיני' עבור כל משימת AI", כך אמר עמרי נצר, סמנכ"ל FinOps ומעבר לענן בחטיבת All Data בקבוצת יעל (Yael Group).
לדברי נצר, "גרטנר (Gartner) צופה כי ההוצאה הגלובלית על GenAI תעמוד השנה על 644 מיליארד דולר: צמיחה של כ-76% לעומת 2024. אבל מחקר של מק'ינזי (McKinsey) מצא שרק 10-20 אחוזים מניסויי ה-AI של ארגונים הניבו ערך עסקי. בשל החלטות שגויות לגבי השקעות טכנולוגיות, ארגונים מאבדים כ-30% ממה שהשקיעו".
הצורך ב-FinOps לניהול מושכל
"נדרש למקסם ערך עסקי", הסביר נצר. "בלא לשלב תהליכי FinOps בשימושי AI, ארגונים לא יצליחו להבטיח החזר על השקעה. ההשקעה שמתחילה במרבית המקרים ב-PoC (בחינת היתכנות) קטן, עלולה לצאת משליטה. חסרה בארגונים הבנה עמוקה של תהליכי FinOps".
לדבריו, "מודלי AI מכניסים שפה חדשה גם לתחומי השימושים והעלויות. שירותי AI מבוססים על 'טוקנים' – 'מטבע' חדש שבו 'משלמים' על פיסות מידע שהמודל קולט או פולט, הדורשים 'דלק' יקר בדמות משאבי עיבוד ואימון יקרים (GPUs). בנוסף, פיתוחי AI כרוכות בניסויים, לעיתים בתהליך מחזורי עתיר השקעות באימון מודלים. אם הן מצליחות ועוברות לייצור – העלויות עלולות לחרוג מהמתוכנן".
"בניית המענה", הדגיש נצר, "צריכה לכלול מקסום ערך עסקי, שבו משתמשים טכניים יבינו את המשמעויות הכספיות של הבחירות הטכנולוגיות שלהם, ומנגד – אנשי פיננסים יבינו את היעדים והצרכים של פרויקטי AI. כשעושים שימוש ב-AI בענן הציבורי, יש ליצור הליך קבלת החלטות מושכל ומונע בזבוז".
