In Breve
- Quali fattori rendono i costi dell'AI imprevedibili?
- La transizione verso modelli di prezzo a consumo e l'uso di agenti AI con consumi variabili.
- Come influisce il monitoraggio dei carichi di lavoro sull'operatività?
- Favorisce la collaborazione tra team di osservabilità e sicurezza.
- Qual è la preferenza dei reparti finanziari riguardo ai modelli di pricing?
- Modelli più prevedibili e lineari rispetto a quelli a consumo.
Un recente report di Splunk ha messo in evidenza come la transizione dei fornitori verso modelli di prezzo a consumo, insieme all’adozione crescente di agenti AI, stia rendendo i costi dell’intelligenza artificiale sempre più difficili da prevedere per le aziende. Secondo lo studio, il 60% delle organizzazioni intervistate ha dichiarato che i picchi nelle fatture relative all’AI generano un livello di stress finanziario superiore rispetto a un costo fisso più elevato ma costante.
Inoltre, più della metà delle aziende (55%) ha affermato di non riuscire a gestire efficacemente i costi associati all’AI. Un dato preoccupante è che il 57% degli intervistati teme che i costi di telemetria possano superare quelli dell’infrastruttura monitorata. Questo è dovuto al fatto che gli agenti AI possono consumare quantità variabili di token in base al compito, alla complessità e al modello scelto, contribuendo così all’imprevedibilità delle spese.
Dal punto di vista operativo, il monitoraggio dei carichi di lavoro AI ha portato a un aumento della cooperazione tra i team di osservabilità e sicurezza. L’81% delle organizzazioni ha riportato un incremento nella collaborazione, mentre il 73% ha dichiarato di essere in grado di tracciare con precisione i problemi alle relative cause di sicurezza, rispetto al 65% dell’anno precedente.
I leader nel campo dell’osservabilità si sono dimostrati particolarmente abili nell’analisi dei costi: il 91% di loro ha affermato di poter attribuire con precisione i costi a singoli agenti, modelli e carichi di lavoro, in contrapposizione al 69% dei non leader. Questo rende i team di osservabilità essenziali nelle valutazioni del ritorno sugli investimenti (ROI) legati all’AI.
Jeetu Patel, Chief Product Officer di Cisco, ha sottolineato l’importanza della convergenza tra dati di osservabilità e sicurezza, evidenziando come i team debbano collaborare più che mai. Per quanto riguarda il reparto finanziario, sembra esserci una preferenza crescente per modelli di pricing più prevedibili e lineari, come quelli basati su postazioni, rispetto ai modelli a consumo che possono generare costi imprevisti.
