Costi dell’Intelligenza Artificiale: Un Report Svela l’Imprevedibilità delle Fatture

Un recente report di Splunk ha messo in luce una tendenza preoccupante per le imprese: l’adozione crescente di agenti AI e la transizione dei fornitori verso modelli di prezzo a consumo stanno rendendo i costi dell’intelligenza artificiale sempre più difficili da prevedere.

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 di base più alto ma stabile. Inoltre, oltre la metà delle aziende (55%) ammette di non riuscire a controllare efficacemente i costi associati all’intelligenza artificiale, mentre il 57% esprime preoccupazione riguardo al fatto che i costi di telemetria potrebbero superare quelli dell’infrastruttura monitorata.

Un fattore chiave di questa imprevedibilità è rappresentato dalla variabilità del consumo di token da parte degli agenti AI, che dipende da diversi fattori, tra cui il compito specifico, la complessità e la scelta del modello utilizzato. Questa fluttuazione nei costi può portare a sorprese sgradite per le aziende, costringendole a rivedere le loro strategie di budgeting.

Dal punto di vista operativo, il monitoraggio dei carichi di lavoro AI ha anche favorito una maggiore cooperazione tra i team di osservabilità e di sicurezza. Infatti, l’81% delle organizzazioni ha riportato un incremento nella collaborazione tra questi due settori, con il 73% che afferma di poter tracciare con maggiore precisione i problemi alle relative cause di sicurezza, un aumento significativo rispetto al 65% dell’anno precedente.

I leader nel campo dell’osservabilità sembrano essere particolarmente attrezzati per l’analisi dei costi: il 91% di loro è in grado di attribuire con precisione i costi a singoli agenti, modelli e carichi di lavoro, rispetto al 69% dei non leader. Questo rende i team di osservabilità centrali 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 che i team devono collaborare più intensamente rispetto al passato. Per quanto riguarda il settore finanziario, sembra esserci una preferenza crescente verso modelli di pricing più prevedibili e lineari, come quelli basati su licenze per postazione, piuttosto che sui modelli a consumo, che possono generare picchi imprevisti.

In conclusione, il report di Splunk mette in evidenza la necessità per le aziende di adottare strategie più efficaci nella gestione dei costi legati all’intelligenza artificiale, promuovendo al contempo una maggiore collaborazione tra i vari team per affrontare le sfide emergenti in questo campo.