Disediakan oleh Apptio, sebuah perusahaan IBM
Ketika sebuah teknologi dengan potensi revolusioner muncul, mudah bagi perusahaan untuk membiarkan antusiasme mereka mengalahkan disiplin keuangan. Menghitung jumlah biji-bijian mungkin tampak picik mengingat adanya peluang menarik untuk transformasi bisnis dan dominasi kompetitif. Tapi uang selalu menjadi objek. Dan jika teknologinya adalah kecerdasan buatan, pil-pil ini dapat bertambah dengan cepat.
Nilai AI menjadi jelas di berbagai bidang seperti efisiensi operasional, produktivitas pekerja, dan kepuasan pelanggan. Namun, hal ini memerlukan biaya. Kunci kesuksesan jangka panjang adalah memahami hubungan antara keduanya – sehingga Anda dapat memastikan bahwa potensi AI menghasilkan dampak positif dan nyata pada bisnis Anda.
Paradoks percepatan kecerdasan buatan
Meskipun AI membantu mentransformasi proses bisnis, jejak finansialnya sering kali masih belum jelas. Jika Anda tidak dapat mengaitkan biaya dengan dampaknya, bagaimana Anda bisa yakin bahwa investasi AI Anda akan menghasilkan ROI yang berarti? Ketidakpastian ini tidak mengejutkan pada Gartner® 2025 Hype Cycle™ untuk AIGenAI telah memasuki “palung kekecewaan”.
Perencanaan strategis yang efektif bergantung pada kejelasan. Jika tidak ada, pengambilan keputusan bergantung pada dugaan dan naluri. Banyak hal bergantung pada keputusan ini. Menurut penelitian Apptio, 68% pemimpin teknologi yang disurvei memperkirakan akan meningkatkan anggaran AI mereka, dan 39% percaya AI akan menjadi pendorong terbesar pertumbuhan anggaran di masa depan di departemen mereka.
Namun anggaran yang lebih besar tidak menjamin hasil yang lebih baik. Gartner® juga mengungkapkan bahwa “meskipun rata-rata pengeluaran sebesar $1,9 juta untuk inisiatif GenAI pada tahun 2024, kurang dari 30% pemimpin AI mengatakan bahwa CEO mereka puas dengan ROI.” Jika tidak ada hubungan yang jelas antara biaya dan hasil, organisasi berisiko meningkatkan investasi tanpa meningkatkan nilai yang ingin mereka ciptakan.
Untuk bergerak maju dengan keyakinan yang kuat, para pemimpin bisnis di bidang keuangan, TI, dan teknologi harus berkolaborasi untuk mendapatkan gambaran yang jelas tentang kelemahan finansial yang disebabkan oleh AI.
Risiko finansial tersembunyi dari kecerdasan buatan
Biaya AI yang tidak terkendali dapat membuat para pemimpin TI mengingat kembali masa-masa awal munculnya cloud publik. Ketika tim DevOps dan unit bisnis mudah membeli sumber daya mereka sendiri berdasarkan OpEx, biaya dan inefisiensi dapat meningkat dengan cepat. Faktanya, proyek-proyek AI merupakan konsumen yang antusias terhadap infrastruktur cloud – sekaligus menimbulkan biaya tambahan untuk platform data dan sumber daya teknis. Ini adalah token tertinggi yang digunakan untuk setiap kueri. Sifat biaya-biaya yang terdesentralisasi membuat biaya-biaya ini sulit dikaitkan dengan hasil bisnis.
Seperti halnya cloud, kemudahan membeli AI dengan cepat menyebabkan penyebaran AI. Anggaran yang terbatas berarti bahwa setiap dolar yang dibelanjakan merupakan trade-off yang tidak disadari dengan kebutuhan lain. Banyak orang khawatir bahwa kecerdasan buatan akan mengambil alih pekerjaan mereka. Namun ada kemungkinan juga AI akan menghabiskan anggaran departemen mereka.
Sementara itu, menurut Gartner®, “Lebih dari 40% proyek AI akan dibatalkan pada akhir tahun 2027, karena meningkatnya biaya, nilai bisnis yang tidak jelas, atau kontrol yang sangat tidak memadai.” Namun apakah proyek-proyek tersebut layak untuk dibatalkan? Karena kurangnya cara untuk menghubungkan investasi dengan dampaknya, bagaimana para pemimpin bisnis dapat mengetahui apakah biaya yang lebih tinggi ini dapat dibenarkan karena laba atas investasi yang relatif lebih besar? ?
Tanpa transparansi mengenai biaya AI, perusahaan berisiko mengeluarkan uang secara berlebihan, kurang memberikan hasil, dan kehilangan peluang yang lebih baik untuk meningkatkan nilai.
Mengapa perencanaan keuangan tradisional tidak dapat menangani kecerdasan buatan
Seperti yang kami pelajari dari cloud, kami melihat bahwa model penganggaran statis tradisional tidak cocok untuk beban kerja dinamis dan penskalaan sumber daya yang cepat. Kunci untuk mengelola biaya cloud adalah penandaan dan telemetri, yang membantu perusahaan mengaitkan setiap dolar yang mereka belanjakan di cloud dengan hasil bisnis tertentu. Mengelola biaya AI memerlukan praktik serupa. Namun cakupan tantangannya lebih jauh lagi. Selain biaya penyimpanan, komputasi, dan transfer data, setiap proyek AI memiliki serangkaian persyaratannya sendiri — mulai dari optimalisasi on-the-fly dan perutean model hingga persiapan data, kepatuhan terhadap peraturan, keamanan, dan penempatan staf.
Perpaduan kompleks antara faktor-faktor yang selalu berubah ini menjadikan tim keuangan dan bisnis tidak memiliki visibilitas yang jelas terhadap pembelanjaan terkait AI – dan tim TI kesulitan untuk menyelaraskan penggunaan dengan hasil bisnis. Namun tidak mungkin melacak ROI secara akurat dan akurat tanpa koneksi ini.
Nilai strategis dari transparansi biaya
Transparansi biaya memungkinkan pengambilan keputusan yang lebih cerdas – mulai dari mengalokasikan sumber daya hingga mengerahkan talenta.
Menghubungkan sumber daya AI tertentu ke proyek yang mereka dukung membantu pengambil keputusan teknologi memastikan proyek bernilai tinggi memiliki apa yang mereka butuhkan untuk berhasil. Menetapkan prioritas yang tepat sangat penting terutama ketika terdapat kekurangan talenta terbaik. Jika para insinyur dan ilmuwan data yang mendapat kompensasi tinggi ditempatkan di terlalu banyak proyek percontohan yang menarik namun tidak penting, maka akan sulit untuk menetapkan poros strategis berikutnya – dan mungkin mendesak –.
Praktik terbaik FinOps juga berlaku untuk AI. Wawasan biaya dapat menyoroti peluang untuk meningkatkan infrastruktur dan mengatasi pemborosan, baik dengan menyesuaikan ukuran kinerja dan latensi agar sesuai dengan kebutuhan beban kerja, atau dengan memilih model yang lebih kecil dan lebih hemat biaya daripada menggunakan model bahasa besar (LLM) terbaru secara default. Seiring kemajuan pekerjaan, pelacakan dapat menandai kenaikan biaya sehingga para pemimpin dapat dengan cepat fokus ke arah yang lebih menjanjikan sesuai kebutuhan. Sebuah proyek yang masuk akal dengan biaya X mungkin tidak layak dilakukan dengan biaya 2X.
Perusahaan yang mengadopsi pendekatan biaya AI yang terstruktur, transparan, dan terkelola dengan baik akan lebih mungkin mengeluarkan uang yang tepat dengan cara yang benar dan mendapatkan ROI yang optimal dari investasi mereka.
TBM: Kerangka kelembagaan untuk mengelola biaya kecerdasan buatan
Transparansi dan pengendalian biaya AI bergantung pada tiga praktik:
Manajemen Keuangan TI (ITFM): Kelola biaya dan investasi TI selaras dengan prioritas bisnis
Operasi keuangan: Mengoptimalkan biaya cloud dan ROI melalui akuntabilitas keuangan dan efisiensi operasional
Manajemen Portofolio Strategis (SPM): Prioritaskan dan kelola proyek untuk memastikan tercapainya nilai bisnis yang maksimal
Secara kolektif, ketiga disiplin ilmu ini membentuk Manajemen Bisnis Teknologi (TBM) – sebuah kerangka kerja terstruktur yang membantu para pemimpin teknologi, bisnis, dan keuangan menghubungkan investasi teknologi dengan hasil bisnis guna meningkatkan transparansi keuangan dan pengambilan keputusan.
Sebagian besar perusahaan sudah mulai menggunakan teknologi TBM, baik mereka menyadarinya atau tidak. Mereka mungkin telah mengadopsi beberapa bentuk FinOps atau manajemen biaya cloud. Atau mungkin mereka sedang mengembangkan keahlian TI keuangan yang kuat. Atau mereka mungkin mengandalkan Perencanaan Agile Perusahaan atau manajemen proyek manajemen portofolio strategis untuk mewujudkan inisiatif dengan lebih sukses. Kecerdasan buatan dapat bergantung dan mempengaruhi semua bidang ini. Dengan menyatukan mereka di bawah satu payung dengan model dan kosa kata yang sama, TBM memberikan kejelasan penting mengenai biaya AI dan dampaknya terhadap bisnis.
Keberhasilan AI bergantung pada nilai, bukan hanya kecepatan. Transparansi biaya yang diberikan oleh TBM memberikan peta jalan yang dapat membantu para pemimpin bisnis dan TI melakukan investasi yang tepat, memberikan hasil yang hemat biaya, melakukan penskalaan secara bertanggung jawab, dan mengubah AI dari kesalahan yang merugikan menjadi aset bisnis yang terukur dan penggerak strategis.
Sumber: Siaran Pers Gartner®, Gartner® Memprediksi Lebih dari 40% Proyek AI Akan Dibatalkan pada Akhir Tahun 2027, 25 Juni 2025 https://www.Gartner®.com/en/newsroom/press-releases/2025-06-25-Gartner®-pre dicts-over-40-percent-of-agentic-ai-projects-will-be-canceled-by-end-of-2027
GARTNER® adalah merek dagang terdaftar dan merek layanan Gartner®, Inc. dan/atau afiliasinya di Amerika Serikat dan internasional, dan digunakan di sini dengan izin. Semua hak dilindungi undang-undang.
Ajay Patel adalah Managing Director Apptio dan IT Automation di IBM.
Artikel bersponsor adalah konten yang diproduksi oleh perusahaan yang membayar postingan tersebut atau memiliki hubungan kerja dengan VentureBeat, dan selalu diberi label dengan jelas. Untuk informasi lebih lanjut, hubungi penjualan@venturebeat.com.
Tautan sumber
