人工智慧的下一個挑戰是盈利能力

每個技術變革最終都會演變為一個商業問題。對於人工智慧而言，這個時刻已經到來，而且來得比大多數領導團隊準備的要快。多年來，技術投資的企業案例遵循著熟悉的模式：識別問題、選擇解決方案、談判合同，然後財務團隊將其納入計劃。成本是可預測的，回報是可衡量的，商業模型基本能自行運轉。然而，人工智慧正在改變這一切，給企業帶來新的挑戰：大多數企業賴以生存的財務基礎設施是否能夠支撐AI執行的成本？

利潤率清晰地說明了問題。圍繞傳統軟體模型建立的企業利潤率約為80%，而AI驅動企業的利潤率僅為20-30%。這一差距帶來的影響遠超技術領域，波及任何依賴AI工具、平臺或服務的企業。董事會關於AI的討論仍集中在採用和能力上，而對錶面之下的成本結構關注甚少——這種成本結構與以往不同，因為AI快速擴充套件，需要持續的模型管理和商業控制，而大多陣列織尚未建立這些機制。

人工智慧的採用速度比企業財務控制的速度更快。今年早些時候，優步因其AI預算消耗速度遠超預期，原因是缺乏商業控制。財務團隊無法像建模席位或固定費用那樣建模使用量。當AI模型成本發生變化時，下游的經濟狀況也隨之改變，往往沒有預警。本月，GitHub也宣佈轉向更昂貴的基於使用量的定價模式，這預示著AI行業正經歷更廣泛的價格調整。每個財務官都面臨同樣的問題：當供應商改變收費方式時，企業能多快感受到影響？

大多陣列織透過已使用的工具和平臺採用了AI，這些通常是新增了AI功能的軟體訂閱。無論企業是否積極使用AI功能，這些工具的成本都在上升，並往往被吸收到訂閱續約和合同升級中，而財務團隊尚未追問投資是否帶來回報。軟體行業過去建立席位訂閱模式，即固定數量的使用者支付可預測的月費。這一模式正在被瓦解，取而代之的是基於使用量的定價，成本根據AI的實際消耗（如處理的令牌數、完成的任務和API呼叫次數）波動。對於管理這些關係的財務團隊而言，這引入了傳統預算方法無法處理的變數。

複雜性迅速累積。一個毛利率80%的SaaS企業可以吸收一些損失，但一個毛利率約20%的AI企業則做不到。在這樣的利潤率下，原本是四捨五入誤差的賬單缺口隨著業務擴充套件會變得代價高昂。與我們合作的企業現在同時執行四到五種定價模型，以跟上其產品現實，而這些模型從未設計用於此。席位訂閱現在與使用閾值、令牌消耗、積分、年度承諾、超額費用和混合定價結構疊加，並隨著產品成熟而不斷演變。

財務官的對話不能等待。如果你正在經歷這一變化，企業領導者需要更早提出更尖銳的問題：我們如何被收費？這種情況可能如何改變？我們的財務基礎設施能否提供可見性和控制力？這意味著財務團隊在預測時需要超越人頭和固定許可。這意味著採購團隊在簽署基於使用量的合同前要理解其內容。這意味著財務官要AI支出不視為技術預算專案，而是作為需要主動商業管理的可變成本。第一批審視AI損益表的財務官已經在進行這些重要的對話，建立支援它的控制和賬單基礎設施。那些未能建立相應商業嚴謹性的公司將遇到困難——當賬單到來時，他們會發現這一點，而且可能比預期更快。