Мы применяем куки на сайте, вы соглашаетесь на использование файлов cookie. Подробнее
Все статьи ОБ ИИ в KolerskyAI
Сколько компании тратят на программное обеспечение и искусственный интеллект: опрос руководителей служб закупок, ИТ и финансов
Поскольку ИИ продолжает изменять отрасли, его влияние на бюджеты на ИТ и расходы на программное обеспечение неоспоримо. Организации ориентируются в условиях, когда расходы на искусственный интеллект растут, затраты на программное обеспечение растут, а бюджеты на ИТ подвергаются беспрецедентному контролю для обеспечения измеримой рентабельности инвестиций. Такое объединение сил создает как возможности, так и проблемы для покупателей и продавцов программного обеспечения.
Компании, которые стратегически учитывают эти тенденции, могут сохранить конкурентное преимущество, в то время как другие рискуют столкнуться с чрезмерными расходами.
Чтобы лучше понять эту динамику, West Monroe опросил 310 руководителей отделов закупок, ИТ и финансов в банковской, медицинской, производственной, высокотехнологичной и коммунальной отраслях в США.
Создано нейросетью в одном из наших сервисов. См. Верхнее/ боковое меню
Рост расходов на ИТ и программное обеспечение
Расходы на ИТ растут во всех отраслях. В прошлом году 86% организаций увеличили свои бюджеты на ИТ, и 85% ожидают дальнейшего увеличения в следующем году. В среднем 63% компаний выделяют на ИТ 7% и более своих доходов — цифра, которая отражает продолжающуюся цифровую трансформацию и быстрое внедрение ИИ.
Однако не все расходы на ИТ растут одинаково. Расходы на программное обеспечение, в частности, растут быстрее, чем в других категориях ИТ, что обусловлено консолидацией поставщиков, усложнением функций и интеграцией искусственного интеллекта. Согласно мировому прогнозу расходов Gartner на ИТ, расходы на программное обеспечение выросли на 11,9% в 2024 году и, по прогнозам, вырастут еще на 10,5% в 2025 году, что делает его второй по темпам роста категорией после систем центров обработки данных.
Учитывая решающую роль программного обеспечения в обеспечении цифровой трансформации, автоматизации процессов и внедрении искусственного интеллекта, ожидается увеличение расходов. Однако существенной причиной этих более высоких затрат является ежегодный рост цен на SaaS и абонентскую плату за программное обеспечение. Для организаций крайне важно стратегически управлять расходами на программное обеспечение, гарантируя максимальную отдачу, достижение рентабельности инвестиций и полное использование решений, в которые они инвестируют. Активные переговоры о продлении контрактов и решение проблемы увеличения затрат необходимы для поддержания конкурентного преимущества.
С другой стороны, поставщики программного обеспечения должны быть готовы продемонстрировать рентабельность инвестиций, которую обеспечивают их решения, внедрять инновации, чтобы задействовать бюджеты на искусственный интеллект, и своевременно и последовательно взаимодействовать с заказчиками для обеспечения продления контрактов и поддержания долгосрочных партнерских отношений.
Однако не все расходы на ИТ растут одинаково. Расходы на программное обеспечение, в частности, растут быстрее, чем в других категориях ИТ, что обусловлено консолидацией поставщиков, усложнением функций и интеграцией искусственного интеллекта. Согласно мировому прогнозу расходов Gartner на ИТ, расходы на программное обеспечение выросли на 11,9% в 2024 году и, по прогнозам, вырастут еще на 10,5% в 2025 году, что делает его второй по темпам роста категорией после систем центров обработки данных.
Учитывая решающую роль программного обеспечения в обеспечении цифровой трансформации, автоматизации процессов и внедрении искусственного интеллекта, ожидается увеличение расходов. Однако существенной причиной этих более высоких затрат является ежегодный рост цен на SaaS и абонентскую плату за программное обеспечение. Для организаций крайне важно стратегически управлять расходами на программное обеспечение, гарантируя максимальную отдачу, достижение рентабельности инвестиций и полное использование решений, в которые они инвестируют. Активные переговоры о продлении контрактов и решение проблемы увеличения затрат необходимы для поддержания конкурентного преимущества.
С другой стороны, поставщики программного обеспечения должны быть готовы продемонстрировать рентабельность инвестиций, которую обеспечивают их решения, внедрять инновации, чтобы задействовать бюджеты на искусственный интеллект, и своевременно и последовательно взаимодействовать с заказчиками для обеспечения продления контрактов и поддержания долгосрочных партнерских отношений.
Финансовое влияние искусственного интеллекта
Исследователи обнаружили, что большие языковые модели (LLM) могут преуспевать в обучении из контекста. Если они предоставят магистру права несколько примеров задачи, например задач на сложение, он может научиться отвечать на новые задачи на сложение на основе предоставленного контекста.
Модель языка видения (VLM) по сути представляет собой LLM с подключенным к ней визуальным компонентом, поэтому исследователи MIT подумали, что она унаследует возможности LLM по контекстному обучению. Но это не так.
“Исследовательское сообщество пока не смогло найти черно-белый ответ на эту конкретную проблему. Узкое место может возникнуть из-за того, что некоторая визуальная информация теряется в процессе объединения двух компонентов вместе, но мы просто не знаем ”, - говорит Мирза.
Исследователи намерены улучшить возможности VLMS для выполнения контекстной локализации, которая включает в себя поиск определенного объекта на новом изображении. Они сосредоточились на данных, используемых для переобучения существующих VLM для выполнения новой задачи, процесса, называемого тонкой настройкой.
Типичные данные точной настройки собираются из случайных источников и изображают коллекции повседневных предметов. На одном изображении могут быть припаркованы автомобили на улице, а на другом - букет цветов.
“В этих данных нет реальной согласованности, поэтому модель никогда не научится распознавать один и тот же объект на нескольких изображениях”, - говорит он.
Чтобы решить эту проблему, исследователи разработали новый набор данных, взяв образцы из существующих данных видеотрекинга. Эти данные представляют собой видеоклипы, показывающие один и тот же объект, движущийся по сцене, например, тигра, идущего по лугу.
Они вырезали кадры из этих видеороликов и структурировали набор данных таким образом, чтобы каждый ввод состоял из нескольких изображений, показывающих один и тот же объект в разных контекстах, с примерами вопросов и ответов о его местоположении.
“Используя несколько изображений одного и того же объекта в разных контекстах, мы поощряем модель последовательно локализовывать интересующий объект, фокусируясь на контексте”, - объясняет Мирза.
Модель языка видения (VLM) по сути представляет собой LLM с подключенным к ней визуальным компонентом, поэтому исследователи MIT подумали, что она унаследует возможности LLM по контекстному обучению. Но это не так.
“Исследовательское сообщество пока не смогло найти черно-белый ответ на эту конкретную проблему. Узкое место может возникнуть из-за того, что некоторая визуальная информация теряется в процессе объединения двух компонентов вместе, но мы просто не знаем ”, - говорит Мирза.
Исследователи намерены улучшить возможности VLMS для выполнения контекстной локализации, которая включает в себя поиск определенного объекта на новом изображении. Они сосредоточились на данных, используемых для переобучения существующих VLM для выполнения новой задачи, процесса, называемого тонкой настройкой.
Типичные данные точной настройки собираются из случайных источников и изображают коллекции повседневных предметов. На одном изображении могут быть припаркованы автомобили на улице, а на другом - букет цветов.
“В этих данных нет реальной согласованности, поэтому модель никогда не научится распознавать один и тот же объект на нескольких изображениях”, - говорит он.
Чтобы решить эту проблему, исследователи разработали новый набор данных, взяв образцы из существующих данных видеотрекинга. Эти данные представляют собой видеоклипы, показывающие один и тот же объект, движущийся по сцене, например, тигра, идущего по лугу.
Они вырезали кадры из этих видеороликов и структурировали набор данных таким образом, чтобы каждый ввод состоял из нескольких изображений, показывающих один и тот же объект в разных контекстах, с примерами вопросов и ответов о его местоположении.
“Используя несколько изображений одного и того же объекта в разных контекстах, мы поощряем модель последовательно локализовывать интересующий объект, фокусируясь на контексте”, - объясняет Мирза.
Акцентирование внимания
Покупатели программного обеспечения сталкиваются с многочисленными проблемами, такими как растущие затраты и необходимость внедрять инновации, при этом имея дело с ограниченными бюджетами. Более 60% руководителей считают, что они тратят на ИТ больше, чем их коллеги, что создает значительное давление для обоснования расходов, демонстрации рентабельности инвестиций и получения лучших предложений при переговорах о продлении контрактов.
Для решения этих проблем покупатели должны придерживаться более стратегического подхода к инвестициям в программное обеспечение. Развитие процессов управления портфелем позволяет организациям сосредоточиться на меньшем количестве категорий с более высокой отдачей, напрямую связанных с бизнес-результатами. Использование данных бенчмаркинга также может улучшить переговоры по контрактам, особенно с помощью инструментов, улучшенных искусственным интеллектом. Кроме того, подтверждение рентабельности инвестиций с помощью операционных показателей важно для обоснования расходов на ИТ, а подготовка к кадровым перестановкам, таким как изменения в составе подрядчиков, сотрудников и автоматизации, гарантирует, что предприятия остаются гибкими по мере роста внедрения искусственного интеллекта.
Для поставщиков программного обеспечения давление заключается в обосновании растущих темпов обновления при одновременном обеспечении измеримой и количественной ценности. Покупатели теперь ожидают, что возможности искусственного интеллекта являются частью пакета, но распространение функций искусственного интеллекта - это не выход. Покупатели не захотят платить за избыточные функции у разных поставщиков или за функции, которые мало используются на постоянной основе.
Чтобы оставаться конкурентоспособными, поставщики должны сосредоточиться на результатах, а не на функциях, помогая заказчикам оптимизировать весь свой технологический стек. Инновационные модели ценообразования и развертывания также имеют решающее значение для завоевания популярности искусственного интеллекта. Поставщики услуг, которые делятся с заказчиками достижениями в области искусственного интеллекта посредством корректировки тарифов или расширения услуг, могут укрепить доверие и лояльность в условиях растущей конкуренции.
Для решения этих проблем покупатели должны придерживаться более стратегического подхода к инвестициям в программное обеспечение. Развитие процессов управления портфелем позволяет организациям сосредоточиться на меньшем количестве категорий с более высокой отдачей, напрямую связанных с бизнес-результатами. Использование данных бенчмаркинга также может улучшить переговоры по контрактам, особенно с помощью инструментов, улучшенных искусственным интеллектом. Кроме того, подтверждение рентабельности инвестиций с помощью операционных показателей важно для обоснования расходов на ИТ, а подготовка к кадровым перестановкам, таким как изменения в составе подрядчиков, сотрудников и автоматизации, гарантирует, что предприятия остаются гибкими по мере роста внедрения искусственного интеллекта.
Для поставщиков программного обеспечения давление заключается в обосновании растущих темпов обновления при одновременном обеспечении измеримой и количественной ценности. Покупатели теперь ожидают, что возможности искусственного интеллекта являются частью пакета, но распространение функций искусственного интеллекта - это не выход. Покупатели не захотят платить за избыточные функции у разных поставщиков или за функции, которые мало используются на постоянной основе.
Чтобы оставаться конкурентоспособными, поставщики должны сосредоточиться на результатах, а не на функциях, помогая заказчикам оптимизировать весь свой технологический стек. Инновационные модели ценообразования и развертывания также имеют решающее значение для завоевания популярности искусственного интеллекта. Поставщики услуг, которые делятся с заказчиками достижениями в области искусственного интеллекта посредством корректировки тарифов или расширения услуг, могут укрепить доверие и лояльность в условиях растущей конкуренции.
Заключение
Чтобы получить более глубокое представление и практические стратегии, ознакомьтесь с полным отчетом опроса, чтобы увидеть, как ведущие организации ориентируются в меняющемся ландшафте расходов на программное обеспечение и искусственный интеллект.
Состояние расходов на программное обеспечение и ИИ определяется тонким балансом: покупатели должны согласовывать свои инвестиции со стратегическими приоритетами, контролируя затраты, а поставщики должны обеспечивать измеримую ценность на фоне растущих ожиданий клиентов и требований к ИИ. Для обеих групп дисциплинированное управление портфелем и нацеленность на результат имеют решающее значение для навигации в этой меняющейся среде.
Искусственный интеллект меняет будущее расходов на ИТ и программное обеспечение, но его перспективы сопряжены с проблемами. Компании, которые стратегически подходят к ИИ, инвестируя в области с высокой отдачей, избегая избыточности и демонстрируя рентабельность инвестиций, будут позиционировать себя как долгосрочные успешные. И наоборот, те, кто не сможет адаптироваться, рискуют отстать на растущем конкурентном рынке.
Сочетая инновации с контролем затрат, организации могут раскрыть весь потенциал искусственного интеллекта и программного обеспечения для стимулирования роста, эффективности и дифференциации в предстоящие годы.