Capgemini — 想从云中的 FINOPS 得巨价值 ？ 现在是利用成式人工智能的时候了(汉) - 2024

智能预测。GenAI 模型可用于分析历史云使用情况、模式、市场趋势和业务预测。 异常检测。AI算法有能力帮助检测支出的异常峰值和意外变化；它们还能识别潜在的过度支出、计费错误，甚至可能的纠正措施。 自动化成本优化。GenAI可以提供智能推荐；识别浪费和未充分利用资源；实施预留实例或节省计划，甚至进行架构变更。 工作负载布局和定价模型优化。GenAI 可以辅助分析多个云程序属性，包括定价模型、使用模式、市场基准、最具优势的云提供商定价、工作负载性能以及工作负载的战略部署。 花费归因和报告。大型语言模型驱动的通用人工智能（GenAI）能够分析非结构化数据，如发票和账单报告，对支出成本进行分类分配，生成高度定制化的报告，并有助于提高透明度和责任归属。 沟通与协作。基于GenAI的聊天机器人功能可以帮助FinOps团队、工程师和财务部门更有效地沟通关于云成本的信息。聊天机器人可以提供实时的成本洞察，回答问题，并帮助跟踪优化努力。 用例近距离观察 ： 智能预测 Gen AI 在智能预测中的作用 使用 Gen AI 将云成本动态考虑在内 ， 生成更准确、更灵活的财务预测 调整预先训练的 AI 模型 当前，专门针对FinOps应用定制的创新性通用人工智能（GenAI）模型并未广泛可用。然而，本文将简要探讨金融服务业企业如何利用现有模型和资源启动FinOps中GenAI的应用工作。 异常检测模型 • 用于欺诈检测或网络安全训练的模型可以应用于识别异常消费模式或计费错误 基础大型语言模型 (LLM) 时间序列预测模型 GPT - 3(和变体) • 用于预测销售或市场趋势的模型可以适应以更高的准确性预测云成本，优于传统方法。 • 基于原始成本数据生成有价值的FinOps报告• 以自然语言回答有关云成本的问题（用于FinOps聊天机器人）• 从云计费文档中提取相关信息 分类模型 • 可能会调整客户互动或支持工单分类模型以将云成本具体分配至特定项目或部门。 CODEX(或类似) • 建议成本优化的云基础设施代码更改 • 生成与FinOps相关的代码和流程文档 云提供商 AI 服务 AWS 、 Azure 、 GCP • 主要云提供商提供预构建的 AI / ML 服务; 探索组织中 FinOps 的潜在用例 在云上推进 GenAI 和 FinOps 确保持续的领导和监督 当然，今天金融机构在FinOps和GenAI的成熟度方面存在差异；因此，每家组织都必须根据当前的需求和目标来塑造自己探索和应用GenAI的方法。制定一个精心构建的战略路线图对于成功至关重要：考虑以下支柱及其支持原则，以成功地在企业内部实施GenAI用于FinOps。 • 成立专门的任务小组进行通用人工智能（GenAI）的探索与整合• 保持对行业内外不断演变的人工智能监管政策的了解 保持对数据的敏锐关注 • 源自并运用多样化的高质量数据集 • 确保所有数据均合法授权 • 与领域专家合作，随着项目进展不断优化数据集 筑牢基础 • 建立强大的FinOps文化，确保IT、财务和业务团队间的协同一致 • 实施稳健的云成本监控系统 • 招募并培养兼具FinOps和AI/ML理解的专业人才 生成和运营（GenAI在FinOps旅程中）所描述的投资回报应显著提升——但这并不意味着这一努力总是容易的。当然，在业务前进的过程中，仍有许多挑战需要应对： • 生成人工智能（GenAI）仍是一项年轻且正在成长的技术，因此组织对其潜在价值以及实施的最佳实践的理解仍在不断演变 • 不论采取何种方法，为特定业务目标和成果训练支持模型都需要时间 • 资源投入——包括时间、财务和人力——是必要的，并且根据需求范围的不同而并非微不足道 识别高影响力的用例 • 识别并专注于GenAI可以产生实际影响的领域 • 收集利益相关者对紧迫需求和挑战的意见 迭代执行 • 从小规模开始并推动迭代实施努力 • 运行小规模POC以测试生成式人工智能解决方案的潜在价值 • 定义并随后衡量明确的成功指标 在结论 FinOps 的智能策略将帮助您向前发展 生成式AI迅速成为一个重要业务技术，并在许多行业中发挥着变革性力量，生成式AI有望显著增强云FinOps流程。它还提供了更加主动、预测性和规范性的成本管理的可能性。随着生成式AI技术的成熟和应用能力的提升，我们预期这一领域将出现更为复杂且具有深远影响的应用。 现在是时候将生成式AI（GenAI）作为组织云FinOps的关键使能器来拥抱它了。我们希望您会对这份论文感兴趣，并且它能在您的团队之间引发讨论。Capgemini的GenAI和FinOps专家们非常愿意进行交流：请随时与我们联系。