沃卡惠随着经济继续放缓和云的财务支出加速，组织正在寻找优化其云支出并充分利用美元的方法。
使用AI支持的工具可以提供难以通过历史手动流程实现的见解和建议，从而帮助组织优化其云支出。
这意味着利用AI进行云优化是一种独特的“特定于工作负载”的努力。
因此，IT团队和开发人员必须使用定制的 AI 优化模型来微调他们的云支出管理方法。
一种可以帮助管理云支出的基于 AI 的技术是机器学习，因为它用于根据组织 IT 系统的先前使用模式训练模型（负责管理工作负载）。
一旦经过训练，机器学习模型不仅可以用于预测单个资源的使用，还可以适当地自动缩放它们。
预测使用模式，未来使用
“说实话，没有人愿意在没有得到充分利用的情况下为按需付费的云资源付费，”Nerdio 首席执行官 Vadim Vladimirskiy 说。“这就是基于人工智能的云优化技术的用武之地。”
它可以帮助组织分析过去的使用模式并在每个资源的基础上预测未来的使用情况，从而允许自动扩展机制增长，同时缩小云足迹以响应预期需求。
“最终的结果是，当使用速度慢时，计费电表的旋转减少，而当使用率高时，计费电表的旋转增加，”他说。“这意味着组织实际上是在为使用的东西付费，而不是统一费率。”
毕马威 (KPMG) 美国人工智能负责人 Sreekar Krishna 解释了两种重要的基于人工智能的技术，它们可以提供帮助：模拟，用于创建许多假设/假设场景，以及预测，或根据当前条件预测未来的发展方向.
“虽然这些方法在过去被大量用于支出分析，但新人工智能方法的出现，尤其是深度学习方法，已经极大地推动了模拟和预测领域，”他说。“与旧的传统方法相比，现在可以轻松模拟复杂情况。”
Granulate 首席战略官 Andrew Diaz 指出，基于 AI 的云工具的主要优势之一是它们能够学习和适应组织的使用习惯，从而可以更好地监控和管理成本驱动的工作负载。
“通过持续分析云基础设施，这些工具可以识别导致更高云成本的瓶颈和惯例，使组织能够显着减少他们的云支出，”他说。
然而，人工智能对云管理的好处不仅仅是节省资金。
“通过自动优化以提高应用程序性能，DevOps 团队可以专注于创新和生产力，而不是将时间花在手动监控和调整上，”Diaz 补充道。
首席信息官、负责战略的 IT 领导者
Vladimirskiy 表示，负责监督组织 IT 战略的首席信息官和高管负责评估和实施有效的基于 AI 的云优化解决方案。
由于基于 AI 的云优化系统的功效取决于负责管理相应工作负载的模型的训练程度，因此不建议组织从头开始。
“专门专注于此类优化的供应商将能够跨多个组织访问更深入的数据，以训练这些模型并最终创建成功的 AI 云优化解决方案，”他说。
Diaz 同意，在实施 AI 来管理云支出和控制成本方面，主要利益相关者主要是 IT 管理，但财务起着关键作用。
“IT 团队负责实施和维护基于 AI 的技术，并帮助从这些工具的结果中寻找意义，”他解释道。
在支付云资源费用时，财务是最后一站，控制组织预算的哪一部分用于云资源和用于帮助管理云的 AI 技术。
毕马威的 Krishna 将首席财务官、财务转型主管、基础设施会计主管、首席信息官和云领导者列为利益相关者，并补充说应用人工智能来管理云支出将是一个特别具有挑战性的问题。
“从历史上看，IT 与财务或首席财务官与首席信息官之间在技术支出方面存在摩擦，”他说。“云技术的出现带来的技术消费便利加剧了这一挑战。”
他指出，云已经使技术消费化，企业中的任何人都可以单击单选按钮并承担增量成本。
“现在比以往任何时候都更不可能产生正确的架构或成本概况来优化云支出，”他说。“我们认为，除非 IT 和财务部门建立新的合作伙伴关系来解决技术支出问题，否则控制云支出的挑战将无法解决。”
对云管理的需求不断增长
根据最近的一份 ESG Global报告，来自中端市场和企业公司的 742 名高级 IT 决策者中有 71% 预计将在 2023 年开发和部署云原生应用程序，比 2022 年增加 11%。
Nerdio 的 Vladimirskiy 解释说，随着组织继续大力投资云及其服务，重要的是要记住，实施 AI 云支出管理策略始于缓慢燃烧。
该方法将需要针对非关键任务工作负载进行定期评估和测试，然后逐步部署到生产环境中。
“为了让公司尽快看到他们的钱用得其所，并尽快取得成果，尤其是在经济不确定的情况下，他们尽快开始这一过程至关重要，”他说。
Krishna 补充说，数字化转型的速度正在加快，导致更多地使用云优先服务。
他说：“除非对这些云服务的业务使用情况进行非常详细的遥测，否则很难始终估计云服务的扩散情况。”“重要的是组织要抓住机会构建一个强大的数据收集平台，以帮助进行云支出分析。”
