技术支出激增成企业新痛点
根据Gartner 2024年4月报告显示,全球企业技术成本正以8%的年均增幅快速攀升,其增速已显著超越许多企业营收或预算增幅。在数字化转型加速背景下,三重压力也正加剧这一趋势:
· AI带来的算力军备竞赛;
· 全球技术人才供给的结构性短缺;
· 数据安全的持续性投入需求。
值得关注的是,84%的企业将技术投入列为战略级预算(IDC数据)。如何辨识"必要支出"与"资源浪费"成为管理者的关键课题。
成本迷雾中的价值迷失
高知特Cognizant与ADAPT联合了发布关于《构建智能技术成本管理》的研究报告(调研主要覆盖澳新地区),以帮助更好地了解首席信息官(CIO) 和首席财务官(CFO)如何衡量技术投入的商业价值。联合研究发现,技术投入的商业价值评估正陷入系统性困境:
1、成本可见性断崖式下跌:仅53%的IT/业务领导具备成本透明度认知,较两年前下降20个百分点;
2、价值论证能力缺失:65%的决策者无法清晰呈现投入产出关系;
3、管控手段匮乏:67%的机构缺乏有效的成本控制工具;
这种"预算黑洞"现象直接导致:企业在AI算力升级投入与遗留系统维护支出之间陷入两难。
成本管控的新杠杆
近年来,许多企业通过离岸外包和向云端迁移成功降低了成本。但随着这些红利逐渐耗尽,面对日益严峻的成本挑战,则需要探索新的价值杠杆来控制成本。
新的降低成本的策略可以从以下四个方面进行考虑:
· 精准投资决策:深度理解业务与客户价值,对活动和服务进行优先级排序;
· 流程重构:优化工作交付方式以降低成本、提升效率与质量;
· 技术伙伴协作:从按工时采购转向与规模化技术专家合作,获取规模经济、弹性产能和技术能力;
· 架构简化:破解长期存在的技术复杂性,实现更快速、安全、经济的业务能力交付。
技术经济学的重构实践
基于与大型企业的合作实践分析,高知特发现多数组织在技术经济性优化方面存在30%-50%的潜力差距。所谓"经济性"不仅指成本,还包含价值与速度的平衡,其优先级因企业战略而异。那些具备精简架构和先进工作模式的企业更接近潜力上限。
例如,高知特曾与两家非常相似的企业合作,这两家企业都需要进行变革以满足相同的行业合规标准。这两家企业不仅项目范围相同,而且在市场上提供的产品也基本相同,但其中一家企业在该项目上的花费是另一家的两倍。超支部分约半数源于低效工作模式,半数来自历史技术债务导致的架构复杂性。
架构简化虽非新概念,但多数企业未能系统性地识别成本负担根源。上述例子中,该企业意识到自己受到架构复杂性的阻碍,但并没有真正认识到由此产生的成本和变革负担规模。也没有采取针对性、系统性根本原因分析方法来解决这个问题。在我们取得成功的案例中,突破点往往不在技术层面,而在于系统性决策机制与风险管理权衡。对于技术障碍,可建立工厂式流程实现数据迁移或应用重构。
企业破局之道在于加大技术投入吗?
我们呼吁技术领导者突破现有技术框架,以更前瞻的视野进行战略布局。在人工智能与自动化机遇持续涌现的当下,企业应如何重新审视成本全景?当前,技术支出仅占企业整体运营成本的一小部分。若通过强化技术投资并精准评估其商业价值转化,能否有效降低组织综合成本负担,进而实现AI驱动的效率跃升?
关键在于,若要在产品与服务中深度整合新兴技术,企业需建立可信的成本-价值映射分析体系。唯有通过数据驱动的洞察与跨部门协作,才能推动管理层对预算分配达成共识,实现技术投资向战略性资源倾斜的转型。
构建现代化组织
通过创新工具、敏捷工作模式与深度洞察决策,助力企业重构技术经济模型。不仅能优化现有技术架构的成本效益,更能通过价值导向的路线图设计,实现技术投入与商业成果的动态平衡。
当技术成本增速突破生产力曲线临界点时,企业的破局点不在单纯的成本削减,而在于重塑技术投入的商业价值坐标系。那些能率先建立技术经济神经网络的企业,将在智能化转型中获得持续的成本敏捷性与价值创造力。
关于高知特:
高知特Cognizant (Nasdaq-100: CTSH) 致力于帮助企业实现高质量数字化转型,重构与优化流程,改善体验,促进企业在瞬息万变的世界中保持领先优势。高知特与您一起共创美好生活。欢迎访问Cognizant.com了解更多内容。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。