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
本文探讨了AI发展的未来趋势,详细分析了六条有望实现通用人工智能(AGI)的技术路径。随着生成式AI和大语言模型面临发展瓶颈,业界开始将目光转向其他AI发展方向。这六条路径包括神经符号AI、神经形态AI、具身AI、多智能体AI、以人为中心的AI和量子AI。每种路径都有其独特优势和挑战,可能单独或组合推动AI进入下一个发展阶段,最终实现与人类智能相当的AGI系统。
微软研究院发布突破性多语言AI技术UPDESH,通过"自下而上"数据生成策略,让AI真正理解不同文化背景下的语言表达。该技术基于各语言维基百科内容生成950万个训练数据点,覆盖13种印度语言,显著提升低资源语言AI性能,为构建文化敏感型AI系统提供新路径。
培生公司第三季度销售增长加速,并预示年底表现更强劲,但其AI应用可能是更重要的发展。该公司虚拟学习部门销售额激增17%,学生注册人数攀升。培生运营的在线学校将AI工具嵌入课程材料中,公司表示有越来越多证据显示这些工具帮助学生取得更好成绩。公司推出了AI学习内容组合,包括AI素养模块和融合人工导师与AI学习工具的视频平台。
NVIDIA团队提出RLBFF方法,将AI训练中的复杂评价转化为明确的二元判断标准,解决了传统人类反馈模糊和可验证奖励局限的问题。该方法在多个权威测试中取得突破性成果,其中JudgeBench获得第一名,训练的模型性能媲美知名商业模型但成本仅为其5%,为AI训练领域带来重要方法论创新。