Wie man die Ausgaben für KI-Generierung unter Kontrolle bekommt

Wie man die Ausgaben für KI-Generierung unter Kontrolle bekommt

Der Aufbau eines 70 Milliarden Modelle erfordert erhebliche Rechenleistung, da selbst ein Unternehmen, das On-Prem-Modelle bereitstellen möchte, nach wie vor mit Einrichtungskosten konfrontiert ist. Azure bietet zwar jetzt eine Pay-as-you-go-Option an, bei der Kunden nur die Token-Kosten zahlen, aber die Einrichtungskosten bleiben bestehen. Um den besten Szenario zu erreichen, in dem Unternehmen nur für die Infrastrukturkosten zahlen, müssen sie weiterhin über ausreichende Rechenkapazitäten und andere Aspekte wie Netzwerke verfügen.

Ein weiterer unerwarteter Kostenfaktor bei der Einführung von generativer KI in der Produktion sind die erforderlichen Aufsichtskosten. Viele Systeme erfordern menschliche Kontrolle oder teure technische Sicherheitsvorrichtungen, um die Genauigkeit zu überprüfen, Risiken zu reduzieren oder aus Gründen der Compliance zu handeln. Durch regulatorische Anforderungen kann es auch zu zusätzlichen Kosten für Unternehmen kommen. Diese müssen die Sicherheit von gen AI-Modellen und damit verbundenen Systemen gewährleisten, was ebenfalls nicht zu unterschätzende Kosten verursachen kann.

Bei AI-Sprawl-Projekten sollten Unternehmen darauf achten, nicht alle Projekte auf einmal zu starten, sondern klare Ziele und Kostenstrukturen festzulegen, um eine nachhaltige Implementierung zu gewährleisten. Ein zu schnelles Vorgehen kann zu übermäßigen Kosten führen und zu ineffizienten Nutzung von Ressourcen. Es wird empfohlen, sorgfältig zu prüfen, wo gen AI einen echten Mehrwert bieten kann, und die Projekte schrittweise und nachhaltig aufzubauen, anstatt gleich alles einzukaufen.

Es ist wichtig, AI-Projekte sorgfältig zu planen, um sicherzustellen, dass sie einen positiven Effekt haben. Es wird geraten, Projekte zu priorisieren, die Umsatz generieren, Kosten senken und die Markenbindung verbessern. Durch die Auswahl von Projekten mit möglichst breiter Auswirkung und klar definierten Datenanforderungen können Unternehmen unnötige Kosten vermeiden und einen effizienten Einsatz von generativer KI sicherstellen.