آخرین بروزرسانی در ۱۸ مرداد ۱۴۰۵ توسط Dr.Arman
بسیاری از سازمانها امروزه به دنبال استفاده بهینه از ابزارهای هوش مصنوعی در ساختار خود هستند.
شرکت ریپلینگ (Rippling) اخیراً از محصول جدیدی به نام AI Spend Console رونمایی کرد. این ابزار به مدیران کمک میکند تا هزینههای مرتبط با هوش مصنوعی را به دقت ردیابی کنند. هدف اصلی این محصول جلوگیری از مصرف بیرویه توکنها در سازمان است. این ابزار نشان میدهد که هر کارمند یا تیم چه مقدار هزینه تولید میکند. همچنین مشخص میشود که آیا این هزینهها منجر به افزایش خروجی شده است یا خیر.
داستان خلق این محصول از یک بحران مالی در خود شرکت ریپلینگ آغاز شد. در ابتدای سال جاری، مدیران شرکت تصمیم گرفتند به طور گسترده از هوش مصنوعی استفاده کنند. اما مدتی بعد متوجه شدند که کارمندان به شکلی بیرویه در حال سوزاندن منابع مالی هستند. مدیر ارشد محصول ریپلینگ از جلسهای در ماه مارس یاد میکند که عددی شوکهکننده در آن مطرح شد.
چالشهای استفاده از ابزارهای هوش مصنوعی در محیط کار
شرکت ریپلینگ دریافت که ۴۰ درصد از بودجه واحد تحقیق و توسعه صرف خرید توکنهای هوش مصنوعی میشود. این رقم معادل ۴۰ درصد کل حقوق پرداختی به کارمندان آن واحد بود. هزینهها ماهانه ۸۰ درصد رشد میکردند. این روند صعودی بسیار خطرناک به نظر میرسید. اگر این روند ادامه مییافت، هزینهها به زودی از حقوق کارمندان فراتر میرفت. مدیریت بلافاصله پروژهای فوری را برای درک بهتر این وضعیت آغاز کرد.
تحلیلها نشان داد که حدود ۱۵ درصد کارمندان مسئول ۶۰ درصد هزینههای هوش مصنوعی بودند. در یک مورد عجیب، یک مهندس به تنهایی ۵۰ هزار دلار در ماه هزینه تراشیده بود. بسیاری از کارمندان به طور پیشفرض از گرانترین مدلهای زبانی استفاده میکردند. آنها حتی برای کارهای ساده نیز به سراغ مدلهای پیشرفته میرفتند. این موضوع باعث شد شرکت به فکر راهحلی ساختاری بیفتد.
ابزارهای هوش مصنوعی مانند OpenAI و Anthropic انگیزهای برای کنترل هزینههای شما ندارند. آنها ترجیح میدهند شما بیشترین مصرف ممکن را داشته باشید. این شرکتها بینش دقیقی درباره نحوه مصرف توکنها به کاربران ارائه نمیدهند. ریپلینگ برای حل این مشکل، ابتدا با تامینکنندگان مدلها وارد مذاکره شد. آنها سقف مصرف مشخصی را برای هر ابزار تعیین کردند. اما راهکار نهایی فراتر از مذاکرات ساده بود.
نقش درگاه هوش مصنوعی در کاهش هزینههای سازمانی
تجربه ریپلینگ نشان داد که سازمانها به یک درگاه هوش مصنوعی (AI Gateway) نیاز دارند. این درگاه وظیفه دارد هر درخواست را به مناسبترین مدل ارسال کند. برای مثال، کارهای ساده نباید با مدلهای گرانقیمت انجام شوند. ریپلینگ درگاه اختصاصی خود را به عنوان بخشی از محصول جدیدش عرضه کرد. این درگاه باعث میشود مصرف توکنها بهینهسازی شود.
در جدول زیر، مقایسهای بین استراتژیهای قدیمی و جدید ریپلینگ را مشاهده میکنید:
| شاخص | قبل از مدیریت هوشمند | بعد از مدیریت هوشمند |
|---|---|---|
| سهم از بودجه تحقیق و توسعه | ۴۰ درصد | ۱۵ درصد |
| انتخاب مدل | پیشفرض گرانترین مدل | انتخاب بر اساس نیاز و هزینه |
| شفافیت هزینه | بسیار پایین | دقیق و به تفکیک کارمند |
استفاده از درگاه هوش مصنوعی به شرکت اجازه داد مدلهای ارزانتر را جایگزین کند. برای مثال، آنها دریافتند که مدل GLM 5.2 عملکردی مشابه مدلهای پیشرو دارد. اما هزینه این مدل حدود ۸۵ درصد کمتر از رقبا است. این تغییرات باعث شد هزینه نهایی به شدت کاهش یابد. با این حال، حجم کل توکنهای مصرفی شرکت تغییری نکرد.
سنجش بهرهوری نیروی کار و بازگشت سرمایه
یکی از ویژگیهای مهم این کنسول، داشبوردهای تحلیل عملکرد است. این داشبوردها تعداد درخواستهای هر کارمند را با خروجی کار او مقایسه میکنند. برای مهندسان، این خروجی شامل خطوط کد و تعداد درخواستهای Pull است. اگر مهندسی هزینه بالایی داشته باشد اما کدهایش دوبارهکاری بخواهند، سیستم هشدار میدهد. این رویکرد به مدیران کمک میکند تا بهرهوری نیروی کار را به دقت اندازه بگیرند.
مدیریت هزینههای هوش مصنوعی تنها یک بحث مالی نیست. این موضوع مستقیماً با فرهنگ سازمانی در ارتباط است. ریپلینگ افرادی را به عنوان «کاپیتان هوش مصنوعی» انتخاب کرد. این افراد وظیفه دارند به دیگران در استفاده موثر از این ابزارها کمک کنند. آموزش کارمندان برای انتخاب مدل درست، بخشی از این فرآیند است. بدون آموزش، ابزارهای فنی به تنهایی کافی نخواهند بود.
مراحل پیادهسازی مدیریت هزینهها در سازمان به شرح زیر است:
- تحلیل وضعیت فعلی مصرف توکنها در تمام واحدها.
- تعریف شاخصهای کلیدی عملکرد برای سنجش بهرهوری نیروی کار.
- راهاندازی درگاه هوش مصنوعی برای مسیریابی هوشمند درخواستها.
- تعیین سقف بودجه برای تیمها و پروژههای مختلف.
- آموزش مداوم کارمندان توسط متخصصان داخلی شرکت.
ریپلینگ تلاش میکند استفاده از هوش مصنوعی را در سایر بخشها نیز گسترش دهد. برای مثال، تیمهای جذب مشتری از هوش مصنوعی برای تحلیل دادهها استفاده میکنند. داشبوردها بررسی میکنند که آیا این کار باعث افزایش سرعت جذب مشتری میشود یا خیر. اگر پیوندی بین هزینه توکن و بهرهوری وجود نداشته باشد، دسترسی محدود خواهد شد. این یعنی دسترسی به هوش مصنوعی دیگر مانند ایمیل یک حق پیشفرض نیست.
در نهایت، ابزار AI Spend Console به عنوان یک محصول مستقل نیز قابل خریداری است. این ابزار با سایر سیستمهای مدیریت منابع انسانی یکپارچه میشود. ریپلینگ با این کار، تجربه تلخ و پرهزینه خود را به یک راهکار تجاری تبدیل کرد. اکنون سازمانهای دیگر میتوانند از همان ابتدا جلوی اتلاف بودجه را بگیرند. مدیریت هزینههای هوش مصنوعی کلید بقای کسبوکارها در عصر جدید است.
بسیاری از شرکتهای بزرگ اکنون به دنبال مدلهای متنباز و ارزانتر هستند. استفاده از مدلهای چینی یا گزینههای کمهزینه برای کارهای روتین بسیار رایج شده است. ریپلینگ نشان داد که با مدیریت درست، میتوان خروجی را حفظ کرد و هزینهها را کاهش داد. این درس بزرگی برای تمام مدیران فناوری در سراسر جهان است. هوش مصنوعی باید ابزاری برای سودآوری باشد، نه چاهی برای بلعیدن بودجه شرکت.
در دنیای امروز، شفافیت در هزینهها حرف اول را میزند. ابزارهایی که این شفافیت را فراهم میکنند، ارزشمندترین داراییهای یک سازمان خواهند بود. ریپلینگ با تمرکز بر مدیریت هزینههای هوش مصنوعی، مسیر جدیدی را باز کرده است. این مسیر به جای مصرف انبوه، بر مصرف هوشمندانه و باکیفیت تمرکز دارد.
منبع:
After Rippling blew millions on AI in months, it built an employee ROI tool
مطالب مرتبط