Путаница вокруг корпоративного искусственного интеллекта возникает из-за того, что разные группы в организации по-разному управляют своей работой и ставят перед собой разные цели, отмечает портал The New Stack по следам проведенной FinOps Foundation в июне в Сан-Диего конференции FinOpsX 2025.

Почему так трудно заставить команду инженеров рассказать, каковы затраты на инструменты ИИ?

Дело не в язвительных инженерах, по крайней мере в большинстве случаев. Дело в том, как различные группы в организации управляют своей работой и какие KPI они для себя устанавливают. Команды DevOps чувствительны к посягательствам. Команды FinOps подвергаются критике за настойчивое стремление контролировать расходы на работу, которую инженерная команда считает важной.

Группы DevOps и FinOps могут сотрудничать, и они часто делают это в организациях, которые воплощают структурированные подходы, позволяющие каждой группе достичь своих целей и согласовать их с интересами предприятия в целом.

Группа DevOps управляет конвейером доставки, чтобы обеспечить быстрое и эффективное развертывание ПО в производстве. Группа FinOps оптимизирует расходы на облачные вычисления и добивается выгоды для организации.

Конференция в Сан-Диего показала, что реальность ИИ открывает новый лабиринт, который бесконечно сложнее, чем управление традиционными расходами на облачные вычисления и приносимой ими пользой.

KPI DevOps не совпадают с усилиями специалистов по FinOps, говорит Роберт Ривз, независимый консультант и один из основателей компании Liquibase, занимающейся управлением изменениями в базах данных и использующей подход, который она называет «Database DevOps».

Как многие знают, KPI для инженеров DevOps включают среднее время восстановления, скорость и количество запусков в производство, выполняемых командой. По словам Ривза, руководство смотрит на инженеров через призму этих KPI. И это не совпадает с тем, как это видит FinOps. «Поэтому и возникает такой разрыв, — поясняет он. — Инженеры смотрят на практиков FinOps и говорят: „Почему вы указываете мне, как делать мою работу? Я же не говорю вам, как делать вашу работу“. Вот в чем заключается конфликт».

Ограниченная видимость затрат

По мнению Ривза, грядущее выглядит не очень радужно. Команды FinOps имеют ограниченный обзор инструментов и платформ, используемых инженерными командами для интеграции возможностей генеративного ИИ (GenAI) в свои продукты.

«Обе стороны пытаются сделать что-то хорошее для организации, — отмечает он. — Но делают они это по-разному, и обе стороны говорят: „О, как же трудно с вами работать“. И теперь на все это накладываются проблемы внедрения ИИ».

Команды разработчиков могут получать больше инвестиций на разработку ИИ. В то же время команды FinOps часто имеют ограниченное представление о стоимости этих инструментов и платформ, а также о том, какую пользу они приносят. И хотя инвестиции продолжают поступать, команда разработчиков может даже не взимать дополнительную плату; вместо этого она иногда поглощает расходы по стратегическим соображениям. Команды FinOps смотрят на инженерные команды и спрашивают: «А какие модели вы используете?». Задавать все эти вопросы им может быть непросто.

«Я думаю, что расходы на ИИ — это бомба замедленного действия», — говорит Ривз.

Джей Р. Стормент, исполнительный директор FinOps Foundation, считает, что профессионалы FinOps в настоящее время должны сосредоточиться на сборе данных. Только зная данные, можно добиться оптимизации.

К своей чести, FinOps Foundation подготовила значительный объем информации для команд, вступающих в мир FinOps с ИИ. Например, Фонд создал фреймворк для количественной оценки ИИ и его влияния на предприятие. Фонд также объявил о новой сертификации под названием «FinOps for AI».

По словам Ривза, сообщество знает, какой возврат инвестиций (ROI) дают расходы на облака. Он отмечает заслугу FinOps Foundation в том, что фонд выпустил FinOps Open Cost and Usage Specification (FOCUS) и стандартную модель данных для оценки расходов на облачные вычисления у всех провайдеров. На FinOpsX Фонд объявил о выпуске FOCUS версии 1.2.

Давление со стороны руководства компании

Руководство компании хочет использовать возможности ИИ. Команды разработчиков продуктов ощущают давление, а также видят, что их конкуренты наращивают возможности ИИ, усиливая гонку.

Кроме того, компании тратят целые небольшие состояния на GPU. Один из пользователей облачного сервиса — авиакомпания — имеет команду инженеров, работающих в три восьмичасовые смены 24 часа в сутки.

И это ставит FinOps-специалистов в затруднительное положение. Они наконец-то достигли того момента, когда могут оптимизировать расходы на облачные вычисления, но теперь приходит ИИ и многое меняет.

«Теперь им приходится беспокоиться о расходах на ИИ, будь то GPU, использование LLM (большой языковой модели) или что-то еще», — говорит Ривз.

Продуктовые команды внедряют ИИ в предлагаемые ими услуги. Однако инженерные команды не совсем прозрачны в отношении моделей, которые они используют. Кроме того, облачные провайдеры не раскрывают информацию о своих внутренних стеках, платформах, инструментах и других компонентах и возможностях, которые используются в их предложениях по ИИ. Они, конечно, не обсуждают конфигурацию своего оборудования и то, какие пользовательские чипы они используют. Довольно необычно было бы обсуждать методологии обучения или источники данных.

Тем не менее, деньги на ИИ текут рекой. Компании так набросились на ИИ, что крупные консалтинговые фирмы получают запросы на ИИ от клиентов, которые сталкиваются с их внутренними мандатами. Им нужно что-то с ИИ. Поэтому они используют ИИ как готовый сервис, основанный на стандартной LLM.

«И вот у вас есть разные части организации, которые тратят кучу денег на ИИ, — говорит Ривз. — Однако, похоже, не все, кто хочет потратить деньги на ИИ, получают одобрение бюджета, и это создает проблемы, потому что бизнес не знает, какой отдел имеет наилучший ROI для этих расходов».