← Alla artiklar Ledarskap

Att styra AI-kostnaden i skala

Att styra AI-kostnaden i skala

Att styra AI-kostnaden i skala

Det finns ett mönster som dyker upp i organisation efter organisation. Ledningen bestämmer att alla får en licens — det är AI-transformationen. En budget sätts, oftast med antagandet att en bråkdel av människorna verkligen använder verktygen och resten inte rör dem. Sedan, några månader in, är budgeten spräckt och ingen kan förklara varför.

Fråga vad som hände och det kommer fram. De vet inte vem som nyttjar vad. De vet inte om det används i arbetet eller privat. Leverantörernas prissättning är i rörelse. Någon ville ha 20-dollarsnivån, någon annan drev på för 200-dollarsnivån, och ingen styr det — det bara händer. I en organisation med tusentals personer finns det inget vettigt sätt att härleda kostnaden tillbaka till en budget.

Det som faktiskt hände är att de köpte licenser och kallade det styrning. Du får inte det ena genom att köpa det andra. Du kan inte styra det du inte ser.

Samla in deterministiskt

Det första draget är insyn, och det är mekaniskt, inte magiskt. Det som är värt att mäta är mätbart: nyttjande per person (commits och rader från repositorierna), kostnad per person (mot API:et), och vilken licensnivå varje person ligger på. Klona repona, dra siffrorna, spåra kostnaden. Det här lagret är programmatiskt och deterministiskt. Det finns inget omdöme i att samla in det, vilket är precis därför du kan automatisera det utan en sekunds tvekan.

Behandla måttet ärligt

Motstå sedan frestelsen att lita på siffran för mycket. Commits och rader är en grov signal, inget mer. En av de mest seniora på ett team skriver få rader med hög komplexitet — en dags tänkande, fyra rader, rakt till produktion. Trehundra rader från någon annan kan betyda att de aldrig riktigt engagerade sig. Siffran pekar; den drar inte slutsatsen. Mät utfall, och känn gränserna för den proxy du använder för att göra det.

Behåll beslutet mänskligt

Här är linjen som spelar mest roll, och det är där det mesta av "AI-styrningen" går fel. Insamling är en sak. Att besluta är en annan.

I det ögonblick någon ber om den automatiserade rapporten — den där modellen inte bara samlar in datan utan drar slutsatsen och rekommenderar åtgärden — bör du sätta emot. Du kan inte agera på en slutsats du inte kan validera, och modellen kan inte tala om för dig vad en siffra betyder för den här organisationen, den här personen, den här månaden. Den betydelsen är beslutet, och beslutet är det ledningen är ansvarig för. Automatisera det så har du automatiserat bort den enda del som var din att äga.

Så: automatisera insamlingen, presentera insikten, och låt en människa ta beslutet. Deterministisk insyn plus mänskligt omdöme är styrning en organisation faktiskt kan leva med. En dashboard som beslutar åt dig är det inte.

Jobbet är omdömet

Rapporten är den enkla delen. Den svåra delen — att läsa den mot det du vet om arbetet, människorna och stunden, och sedan besluta — är jobbet. Det är därför det ligger hos en människa och stannar där.

Du köper inte styrning. Du bygger insynen, och du äger beslutet.


Relaterat: Mät utfall, inte aktivitet och Skills som styrning.