Как оптимизировать и управлять облачными финансами с ИИ

Облачные технологии стали неотъемлемой частью инфраструктуры предприятий. Облака дают гибкость, масштабируемость и доступ к высокопроизводительным ресурсам. Однако с ростом использования облачных вычислений возникают вызовы, связанные с эффективным финансовым управлением облачной средой. Может ли тут помочь искусственный интеллект? Читайте о роли ИИ в оптимизации затрат и управлении облачными финансами, о перспективах инструментов на основе искусственного интеллекта и барьерах внедрения ИИ-функциональности в FinOps-решения.

Рост рынка FinOps и ИИ-эволюция

Мировой рынок публичных облачных сервисов продолжает уверенно расти. Gartner оценивает глобальные расходы на публичные облака в 2023 году на уровне 563,6 миллиарда долларов и прогнозирует прирост в 20.4% в 2024-ом. Рынок FinOps растет вместе с рынком облаков. Согласно исследованию Global Market Estimates, мировой рынок FinOps в 2023 году составлял более 800 миллионов долларов, и к 2028 году вырастет до 2,8 миллиарда долларов с ежегодным приростом (CAGR) 18%.

Аналитики выделяют тренды на применение ИИ-инструментов как при исследовании облачного рынка в целом, так и при изучении тенденций в управлении расходами на облако. Gartner подчеркивает влияние генеративного ИИ (GenAI) на рост доходов гиперсейлеров, а исследование Foundry показывает, что подавляющее большинство респондентов планируют использовать возможности машинного обучения (57%) в облаках. Кроме того для успешной реализации облачной стратегии респонденты ожидают помощи провайдера в управлении облачными расходами (37%).

Модели искусственного интеллекта/машинного обучения (AI/ML) используются для управления расходами на облако сравнительно давно. На рынке существует значительное число FinOps-платформ, которые предлагают функции прогнозирования и оптимизации облачных расходов на базе ИИ. Подобные модели обучаются на базе данных об использовании облачных ресурсов большого числа потребителей, дообучаются на данных клиента. Они способны строить прогнозы и давать рекомендации по оптимизации.

Трансформеры, как графовые нейронные сети, улучшили NLP. Особая архитектура обработки естественного языка позволила быстрее обучать модели построения цепочек. Вместо последовательной обработки данных подход позволяет параллельно анализировать контекст, и в результате мы получаем более эффективные инструменты для распознавания и генерации текстов.

Результатом стало появление больших языковых моделей (моделей, позволяющих создавать значительные фрагменты осмысленного текста) и генеративного ИИ, где искусственный интеллект способен создать не только текст, но и программный код или изображения. Успех Chat GPT, показавший широту возможностей использования большой языковой модели, запустил новый виток внедрения ИИ — в том числе и в инструменты управления расходами.

Тренды FinOps

Принципы и возможности, которыми должна обладать компания для реализации FinOps, за последние 2-3 года не претерпели изменений, однако фокус практикующих экспертов смещается. Рассмотрим актуальные тренды в развитии и применении FinOps.

Во-первых, при выборе облачных решений компании сегодня обращают первостепенное внимание на экономическую эффективность, соизмеряя получаемую выгоду с затратами на облако, как свидетельствует исследование IDC. Заказчики фокусируются на максимизации отдачи от вложений в облачные технологии.

Как показывает исследование FinOps Foundation за 2023 год, при управлении облачными расходами на первый план выходят такие задачи, как формирование культуры FinOps внутри компаний и оптимизация использования ресурсов (rightsizing). При этом снижается акцент на мониторинге аномалий, обеспечении механизмов возмещения затрат подразделениям (showback) и управлении скидками.

Большинство опрошенных компаний достигли высокого уровня зрелости в части прогнозирования собственных расходов на облака. При этом резко выросло число организаций, перешедших от долгосрочного (раз в год) к краткосрочному (ежемесячному) планированию затрат.

Растет популярность собственных инструментов для управления облачными расходами. Их применяют чаще, чем сторонние решения (кроме нативных средств облачных провайдеров). Это может говорить о недостаточном соответствии готовых продуктов потребностям бизнеса в управлении затратами на облако, а также о доступности разработки таких инструментов.

Вместе с тем рынок готовых решений для управления облачными расходами (FinOps platforms) продолжает консолидироваться. В 2023 крупнейшие ИТ-компании, такие как Flexera и IBM, объявили о покупках перспективных вендоров этого сегмента, усиливая собственные позиции.

Параллельно активизировались и нишевые игроки, специализирующиеся на отдельных аспектах FinOps или интеграции со специфическими облачными платформами.

Еще одной важной тенденцией стало признание важности FinOps ключевыми облачными провайдерами — AWS, Microsoft и Google. В 2023 году они начали внедрять стандарты отчетности, стали участниками FinOps Foundation, а также расширили функционал собственных инструментов для управления расходами на облачные услуги.

Наконец, наблюдается тренд на использование возможностей ИИ для упрощения взаимодействия пользователей с платформами управления облачными затратами. В частности, все чаще применяются чат-боты и голосовые помощники на базе языковых моделей.

Эволюция FinOps

Стоит отметить, что сама «операционная модель» FinOps появилась относительно недавно — примерно 4 года назад. Хотя практика управления облачными расходами существует примерно столько же, сколько существует само облако («cloud computing») в нынешнем его понимании — то есть примерно с 2006 года. Именно тогда CEO Google отметил новую облачную модель инфраструктуры на конференции, а AWS запустил свои первые сервисы.

Одним из первых руководств по оптимизации затрат на облако стала методология AWS Well-Architected Framework в 2015 году. Она определяла принципы развертывания облачной инфраструктуры и использования сервисов AWS наиболее экономичным способом.

Примерно в то же время аналитическое агентство Gartner предложило стратегический подход к управлению расходами на IaaS и PaaS.  Gartner уделяет особое внимание прогнозированию расходов и первым выделяет этап планирования облачной инфраструктуры.

Модель FinOps, появившаяся в 2019 году, вобрала лучшие практики предыдущих концепций: ориентация на бизнес-ценность облака, этапность, выделение роли держателей практики. Ее отличие — акцент на взаимодействии финансовых и технических подразделений, итеративности процессов оптимизации затрат, ориентации на гибкую культуру технологических компаний.

Augmented FinOps — хайп или логическое развитие практики?

В 2023 году аналитическая компания Gartner включила понятие Augmented FinOps (дополненный FinOps) в цикл развития перспективных технологий применительно к облачным вычислениям. Согласно прогнозам, в будущем дополненный ФинОпс станет неотъемлемой частью максимизации ценности облачных вложений.

Дополнить FinOps призваны технологии искусственного интеллекта и машинного обучения. Gartner предрекает появление ИИ-систем, которые автоматически будут оптимизировать расходы на облачные ресурсы на основе заданных на естественном языке бизнес-целей компании.

Такие системы смогут в ответ на запросы финансовых директоров не просто анализировать текущие затраты и давать рекомендации по их снижению. Но и самостоятельно вносить изменения в конфигурацию используемых облачных сервисов, применять скидки, переносить нагрузку между разными провайдерами — с целью оптимизации расходов на облако.

По сути, Augmented FinOps можно рассматривать как автоматизацию процессов управления облачным бюджетом, которые сейчас выполняются вручную специалистами по FinOps совместно с бизнес-подразделениями.

Искусственный интеллект в концепции Augmented FinOps призван выполнять следующие ключевые функции:

• Трансформировать запросы и потребности бизнеса в технические задачи и конкретные требования к архитектуре, функционалу и производительности облачной инфраструктуры.
• Моделировать влияние различных вариантов конфигурации облачных платформ на текущие и будущие затраты на инфраструктуру с учетом прогнозов использования мощностей.
• Оперативно находить оптимальный баланс между бизнес-функционалом облачных сервисов и экономической эффективностью их эксплуатации, исходя из задач, бюджетов и требований бизнеса.

В теории, Augmented FinOps способен дать компаниям ряд преимуществ в управлении затратами на облако:

• Улучшенное прогнозирование расходов на основе построения и анализа предиктивных ИИ-моделей использования и стоимости облачных сервисов. Это позволяет снизить риски незапланированных перерасходов.
• Интеллектуальная оптимизация облачной инфраструктуры и проактивный контроль затрат на основе выявления шаблонов ее использования и моделирования сценариев.
• Автоматизация рутинных задач анализа расходов и инфраструктуры. Снижение когнитивной нагрузки на персонал и вероятности ошибок.

Роли ИИ в оптимизации затрат и управлении облачными финансами

Модели искусственного интеллекта могут анализировать в режиме реального времени данные об использовании облачных ресурсов. Это позволяет оперативно выявлять случаи перерасхода, а также давать конкретные рекомендации специалистам по оптимизации облачной инфраструктуры и снижению затрат без потери производительности и безопасности.

ИИ способен предложить оптимальные настройки и режимы эксплуатации для различных сервисов, варианты распределения нагрузки в мультиоблачной среде, а также подобрать лучшие тарифные планы на основе анализа текущих потребностей бизнеса. Решения FinOps могут автоматически применять такие рекомендации с учетом заданных ИТ-политик. Это повышает скорость и качество управления облачными расходами.

Крупнейшие международные технологические компании, такие как Google, Microsoft, Amazon активно инвестируют в разработку инструментов ИИ для FinOps на базе собственных облачных платформ. Производители специализированного ПО для FinOps за рубежом также активно внедряют ИИ для анализа данных, прогнозирования и поиска финансовых аномалий. Благодаря моделям ИИ организациям уже сейчас удается оптимизировать конфигурацию облачной инфраструктуры и предотвращать перерасход средств на обслуживание облачной ИТ-инфраструктуры.

Человек и ИИ — партнеры в новой парадигме FinOps

Несмотря на огромные возможности искусственного интеллекта, в том числе для управления затратами на облачные ресурсы, роль человека в FinOps незаменима.

Экспертная оценка инсайтов, полученных с помощью ИИ, а также разработка и контроль реализации стратегии по управлению облачными расходами — важнейшие факторы успеха.

Специалистов с хорошим знанием особенностей облачной инфраструктуры, прикладным пониманием реальных возможностей и ограничений ИИ, и базовой финансовой грамотностью на рынке мало. Спрос на них будет расти.

Вызовы на пути применения ИИ в FinOps

Можно выделить три ключевых фактора, сдерживающих внедрение искусственного интеллекта в FinOps-инструменты:

Первый — проблема доверия бизнеса к рекомендациям «черного ящика в китайской комнате», которым является ИИ. Бизнес хочет четко понимать, как именно искусственный интеллект оптимизирует затраты, на основании чего делает те или иные выводы. Разработчики при этом не раскрывают подробностей используемых моделей и построенных на них систем: для них это «know-how», на котором строится технологическое лидерство и рыночное конкурентное преимущество.

Второй — риски кибербезопасности при предоставлении искусственному интеллекту доступа к большим объемам данных, включая конфиденциальную информацию, утечка и раскрытие которой может быть болезненной для компании.

Третий — угроза «ошибок алгоритма», когда на основе искаженных данных искусственный интеллект может принять ошибочные бизнес-решения, что приведет к значительным финансовым потерям. Требуется контроль со стороны экспертов. Кроме того, системы ИИ могут подвергаться целевым кибератакам, которые не всегда можно обнаружить. «Ошибка» может быть запущена командой-триггером через заданный период времени.

Поэтому перед тем, как внедрять любое ИИ-решение, которому будет предоставлен доступ к бизнес-системе, тем более финансовым потокам, да еще и наделять его возможностью автоматически принимать решения и вносить изменения в процессы, необходимо понимать, как именно обеспечена надежность и безопасность системы, какие барьеры и меры приняты для предотвращения возможных атак и мошеннических действий. И, конечно, нужно иметь план Б на случай, если все же «что-то пошло не плану».

Четвертый барьер — нехватка квалифицированных специалистов, разбирающихся как в ИТ, облачных технологиях и ИИ, так и в финансовом менеджменте. Без экспертов не обойтись. А где искать этих единорогов — большой вопрос.

Перспективы ИИ в FinOps

В ближайшие 2-3 года года компании будут активно экспериментировать и внедрять искусственный интеллект в свои FinOps-стратегии. Мы станем свидетелями не только грандиозных успехов, но и ряда громких провалов, связанных с атаками и утечками, на которых нам предстоит учиться.

В оптимистической перспективе через несколько лет ИИ-функциональность станет неотъемлемой частью FinOps-продуктов. ИИ-системы будут предлагать стратегии по оптимизации мультиоблачных сред и сценарии развития ИТ-инфраструктуры для бизнеса. Более отдаленное будущее — за полной ИИ-автоматизацией облачного управления.

Со своей стороны мы в «Инферит Клаудмастер» внимательно изучаем возможности применения ИИ в FinOps и ориентируемся на те бизнес-результаты, которых клиенты смогут достичь при наличии такой функциональности в нашем продукте.

‍

Оригинал статьи на РБК