隨著經濟繼續放緩和云的財務支出加速，組織正在尋找優化其云支出并充分利用美元的方法。

使用AI支持的工具可以提供難以通過歷史手動流程實現的見解和建議，從而幫助組織優化其云支出。

這意味著利用AI進行云優化是一種獨特的“特定于工作負載”的努力。

因此，IT團隊和開發人員必須使用定制的 AI 優化模型來微調他們的云支出管理方法。

一種可以幫助管理云支出的基于 AI 的技術是機器學習，因為它用于根據組織 IT 系統的先前使用模式訓練模型（負責管理工作負載）。

一旦經過訓練，機器學習模型不僅可以用于預測單個資源的使用，還可以適當地自動縮放它們。

預測使用模式，未來使用

“說實話，沒有人愿意在沒有得到充分利用的情況下為按需付費的云資源付費，”Nerdio 首席執行官 Vadim Vladimirskiy 說。“這就是基于人工智能的云優化技術的用武之地。”

它可以幫助組織分析過去的使用模式并在每個資源的基礎上預測未來的使用情況，從而允許自動擴展機制增長，同時縮小云足跡以響應預期需求。

“最終的結果是，當使用速度慢時，計費電表的旋轉減少，而當使用率高時，計費電表的旋轉增加，”他說。“這意味著組織實際上是在為使用的東西付費，而不是統一費率。”

畢馬威 (KPMG) 美國人工智能負責人 Sreekar Krishna 解釋了兩種重要的基于人工智能的技術，它們可以提供幫助：模擬，用于創建許多假設/假設場景，以及預測，或根據當前條件預測未來的發展方向.

“雖然這些方法在過去被大量用于支出分析，但新人工智能方法的出現，尤其是深度學習方法，已經極大地推動了模擬和預測領域，”他說。“與舊的傳統方法相比，現在可以輕松模擬復雜情況。”

Granulate 首席戰略官 Andrew Diaz 指出，基于 AI 的云工具的主要優勢之一是它們能夠學習和適應組織的使用習慣，從而可以更好地監控和管理成本驅動的工作負載。

“通過持續分析云基礎設施，這些工具可以識別導致更高云成本的瓶頸和慣例，使組織能夠顯著減少他們的云支出，”他說。

然而，人工智能對云管理的好處不僅僅是節省資金。

“通過自動優化以提高應用程序性能，DevOps 團隊可以專注于創新和生產力，而不是將時間花在手動監控和調整上，”Diaz 補充道。

首席信息官、負責戰略的 IT 領導者

Vladimirskiy 表示，負責監督組織 IT 戰略的首席信息官和高管負責評估和實施有效的基于 AI 的云優化解決方案。

由于基于 AI 的云優化系統的功效取決于負責管理相應工作負載的模型的訓練程度，因此不建議組織從頭開始。

“專門專注于此類優化的供應商將能夠跨多個組織訪問更深入的數據，以訓練這些模型并最終創建成功的 AI 云優化解決方案，”他說。

Diaz 同意，在實施 AI 來管理云支出和控制成本方面，主要利益相關者主要是 IT 管理，但財務起著關鍵作用。

“IT 團隊負責實施和維護基于 AI 的技術，并幫助從這些工具的結果中尋找意義，”他解釋道。

在支付云資源費用時，財務是最后一站，控制組織預算的哪一部分用于云資源和用于幫助管理云的 AI 技術。

畢馬威的 Krishna 將首席財務官、財務轉型主管、基礎設施會計主管、首席信息官和云領導者列為利益相關者，并補充說應用人工智能來管理云支出將是一個特別具有挑戰性的問題。

“從歷史上看，IT 與財務或首席財務官與首席信息官之間在技術支出方面存在摩擦，”他說。“云技術的出現帶來的技術消費便利加劇了這一挑戰。”

他指出，云已經使技術消費化，企業中的任何人都可以單擊單選按鈕并承擔增量成本。

“現在比以往任何時候都更不可能產生正確的架構或成本概況來優化云支出，”他說。“我們認為，除非 IT 和財務部門建立新的合作伙伴關系來解決技術支出問題，否則控制云支出的挑戰將無法解決。”

對云管理的需求不斷增長

根據最近的一份 ESG Global報告，來自中端市場和企業公司的 742 名高級 IT 決策者中有 71% 預計將在 2023 年開發和部署云原生應用程序，比 2022 年增加 11%。

Nerdio 的 Vladimirskiy 解釋說，隨著組織繼續大力投資云及其服務，重要的是要記住，實施 AI 云支出管理策略始于緩慢燃燒。

該方法將需要針對非關鍵任務工作負載進行定期評估和測試，然后逐步部署到生產環境中。

“為了讓公司盡快看到他們的錢用得其所，并盡快取得成果，尤其是在經濟不確定的情況下，他們盡快開始這一過程至關重要，”他說。

Krishna 補充說，數字化轉型的速度正在加快，導致更多地使用云優先服務。

他說：“除非對這些云服務的業務使用情況進行非常詳細的遙測，否則很難始終估計云服務的擴散情況。”“重要的是組織要抓住機會構建一個強大的數據收集平臺，以幫助進行云支出分析。”