KI könnte dazu beitragen, den Wolkensticker-Schock abzumildern - oder die Situation noch schlimmer zu machen

KI kann intelligente Automatisierung liefern, aber „es mangelt an Vertrauen in die vollständige Automatisierung“, heißt es in einem Bericht der FinOps Foundation.

Aufgrund der hohen Arbeitsbelastung und der ständig schwankenden Anzahl an Benutzeranfragen haben Cloud-Dienste am Ende des Monats vielen Finanzvorständen Kopfschmerzen bereitet. Eine monatliche Gebühr von 25.000 US-Dollar könnte im nächsten Monat plötzlich auf 200.000 US-Dollar ansteigen. Wie wir wissen, mögen CFOs solche Volatilität nicht.

Die meisten Unternehmen (69 %) geben mehr als 1 Million US-Dollar pro Jahr für Cloud Computing aus, wie eine Umfrage von Flexera bestätigt. Fast ein Viertel der Befragten (24 %) gibt derzeit mehr als 12 Millionen US-Dollar pro Jahr für die öffentliche Cloud aus. Selbst unter den kleinen und mittleren Unternehmen in der Stichprobe geben 26 % jährlich mehr als 1 Million US-Dollar aus.

Diese Kosten würden den CFOs weniger Kopfzerbrechen bereiten, wenn sie vorhersehbarer wären. Das ist möglich, aber es kommt noch ein weiterer Schlüssel ins Spiel: Künstliche Intelligenz, die in Bezug auf Rechenleistung und Speicherkapazität stark auf Cloud-Dienste angewiesen ist. Derzeit verfolgen nur wenige Organisationen die KI-Kosten, wie eine neue Studie der FinOps Foundation, einer mit der Linux Foundation verbundenen Gruppe, zu 1.245 Cloud-nutzenden Unternehmen ergab. Gleichzeitig gaben 31 % der Umfrageteilnehmer an, dass die Kosten von KI/ML ihre Cloud-Kostenmessung und -minderungsbemühungen beeinträchtigen.

Da kommt FinOps ins Spiel - das die Ausrichtung von Cloud-Ausgaben an Geschäftszielen auf der Grundlage einer datengesteuerten Entscheidungsfindung fördert - und als Lösung für den Wahnsinn angesehen wird. Allerdings gibt es noch ein Rätsel, das noch geklärt werden muss. „Wird KI/ML auf allen Ebenen der Cloud-Ausgaben zu einem der größten Kostenfaktoren werden, die es zu verwalten gilt?“ Der Autor der Umfrage, Mike Fuller, CTO der FinOps Foundation, fragt. „Oder wird die Technologie genutzt, um den Praktikern die Arbeit zu erleichtern und eine intelligentere Optimierung und Automatisierung zu ermöglichen? Ersteres geschieht für viele bereits, während Letzteres noch eine Hoffnung ist.“

Die Geschichte entwickelt sich in zwei Richtungen:

• KI für FinOps: Verwendung von KI/ML für die Praxis von FinOps selbst
• FinOps für KI: Verwaltung der KI/ML-Servicekosten in Ihrer FinOps-Praxis

Fuller stellt fest, dass die Verwaltung der KI-Kosten ein zunehmendes Problem für diejenigen darstellt, die derzeit jährlich 100 Millionen US-Dollar oder mehr für Cloud-Dienste ausgeben. „Organisationen mit insgesamt höheren Cloud-Ausgaben neigen dazu, KI/ML als eine schnell wachsende Quelle variabler Kosten zu betrachten, die verwaltet werden müssen.“ Die KI-Kosten sind derzeit für kleinere Unternehmen noch kein Problem.

„Anstatt zunächst zu helfen, wirkt sich KI tatsächlich negativ auf die Cloud-Rechnungen für Großkunden aus und wirkt sich aufgrund der gestiegenen Ausgaben in der Cloud direkt auf die Margen aus“, fügt J.R. Storment, Geschäftsführer der FinOps Foundation, hinzu.

KI sorgt für eine umfassendere und intelligentere Automatisierung, was der Schlüssel zur Automatisierung der Verfolgung und Verwaltung von Cloud-Ausgaben ist. Bezeichnenderweise besteht jedoch „ein Mangel an Vertrauen in die Vollautomatisierung, bei der Maßnahmen ohne menschliche Zustimmung ergriffen werden“, heißt es in dem Bericht. „Wir haben gehört, dass große Geldgeber, insbesondere solche in regulierten Branchen, bei der Automatisierung vorsichtiger sind. Wir haben auch gehört, dass die Integration der Automatisierung in bestehende Systeme und Arbeitsabläufe eine Herausforderung darstellt, insbesondere in Umgebungen, in denen DevOps-Teams verteilt sind und eine Mischung aus Tools in ihrer Cloud verwenden.“ Bereitstellungen.“

Bei einem solchen Mangel an Vertrauen „könnte der Aufbau einer vollständigen Automatisierung Jahre dauern“, fügen sie hinzu.