Minden héten beszélek olyan cégvezetőkkel, akik rettegnek egy dologtól: az „AI-hitelkártyaszámlától”. Olvasták a híreket a milliókat spóroló vállalatokról, de hallottak rémtörténeteket is rosszul konfigurált API-szkriptekről, amelyek egyetlen éjszaka alatt £5 000-os számlát generáltak. Ez a félelem hezitáláshoz vezet, a hezitálás pedig az elavuláshoz.
Ha modern kkv-k növekedését szolgáló AI-stratégiát épít, az AI-kiadásokat nem kezelheti úgy, mint egy standard szoftver-előfizetést. Nem úgy működik, mint a Microsoft 365 vagy a Slack. Az AI-költségek dinamikusak, hibridek és – felügyelet nélkül – rendkívül változékonyak.
Egy AI-fókuszú vállalkozás vezetése során szerzett tapasztalataim alapján a megoldás nem a kevesebb költés, hanem a jobb kategorizálás. Én egy általam 3-szintű AI-költségvetésnek nevezett keretrendszert használok. Ez elkülöníti a kiadásokat Közüzemi, Felhasználási és Tőke jellegű csoportokra. Ez nem csupán könyvelési kérdés; arról szól, hogy megértsük, mely költségek jelentik a „bérleti díjat”, és melyek a vállalat jövőbeli szellemi tulajdonába történő „befektetések”.
A probléma: A „szoftveres” mentális modell
💡 Szeretné, hogy Penny elemezze vállalkozását? Feltérképezi, hogy a mesterséges intelligencia mely szerepeket helyettesítheti, és szakaszos tervet készít. Indítsa el az ingyenes próbaidőszakot →
A legtöbb kkv azért bukik el az AI-átállás során, mert a 2010-es évek „SaaS” mentális modelljét alkalmazza a 2020-as évek AI-valóságára. Felhasználónkénti fix havidíjra számítanak. De ahogy az AI a „munkát segítő szoftverből” a „munkát elvégző szoftverré” válik, az árazási modellek a felhasználói fiókoktól a kimeneti teljesítmény (output) felé tolódnak el.
Amikor egy embert vesz fel, az idejéért fizet (fix). Amikor egy AI-ágat alkalmaz, gyakran a gondolkodásáért fizet (változó). Ha nem számol ezzel a váltással, a pénzügyi igazgatója le fogja állítani az AI-kezdeményezéseket abban a pillanatban, amint az első használatalapú számla megérkezik a postaládájába.
Ennek elkerülése érdekében le kell bontanunk azt a három különböző módot, ahogyan az AI megjelenik a mérlegben.
1. szint: Közüzemi költségek (A „bérleti” réteg)
A közüzemi költségek a legismerősebbek. Ezek a fix díjas SaaS-előfizetések, ahol az ár kiszámítható.
- Példák: ChatGPT Plus (£16/hó), Claude Pro, Perplexity Pages, vagy a már használt eszközök AI-val bővített verziói (mint a Notion AI vagy az Adobe Firefly).
- A modell: Felhasználónkénti, havi díjas.
- A kockázat: „Licenctúlburjánzás” (Seat Creep). 50 licenc fizetése, miközben csak 10 ember használja ténylegesen a fejlett funkciókat.
Ezen a szinten az elsődleges cél a konszolidáció. Sok vállalkozás három különböző LLM-előfizetést fizet ugyanazon alkalmazott után. Mielőtt újabb AI-fiókokat adna hozzá, tekintse meg SaaS megtakarítási útmutatónkat, hogy megbizonyosodjon róla, nem fizet-e már most is feleslegesen redundáns szoftverekért.
Penny meglátása: Az 1. szintű költségeket „emelt szintű alkalmazotti rezsiként” kell kezelni. Itt nem vált ki munkaköröket; a meglévő csapatát teszi 20%-kal gyorsabbá. Ha nem lát 20%-os növekedést a kibocsátásban, mondja le az előfizetést.
2. szint: Felhasználási költségek (A „Token” réteg)
Itt éri a legtöbb kkv-t váratlan meglepetés. A felhasználási költségek használatalapúak, amelyeket jellemzően az olyan modellek felé irányuló API-hívások generálnak, mint a GPT-4o, a Claude 3.5 Sonnet vagy a Gemini.
Az AI világában „tokenekről” beszélünk – ez nagyjából 750 szó szöveget jelent. Minden alkalommal, amikor az egyedi ügyfélszolgálati botja válaszol egy kérdésre, vagy az automatizált lead-gyűjtője feldolgoz egy LinkedIn-profilt, tokeneket költ.
A „Token-csapda”
Láttam már olyan vállalkozásokat, amelyek gyönyörű automatizálási folyamatokat építettek naponta több ezer e-mail feldolgozására, majd rájöttek, hogy a kkv-k hatékonyságát célzó AI-stratégiájuk nem számolt azzal a ténnyel, hogy a GPT-4o jelentősen drágább, mint a GPT-4o-mini a nagy volumenű, alacsony komplexitású feladatoknál.
A 2. szint előrejelzéséhez ki kell számítania a műveletenkénti költséget (CPA):
- Azonosítsa a műveletet: pl. „egy ügyfélszolgálati jegy összefoglalása”.
- Becsülje meg a token-volument: Átlagos bemenet (a jegy) + Átlagos kimenet (az összefoglaló).
- Szorozza meg az API-tarifával: (Bemeneti tokenek * ráta) + (Kimeneti tokenek * ráta).
Ha £0.02-ba kerül egy jegy összefoglalása, és havonta 10 000 jegye van, akkor a 2. szintű költségvetése erre a feladatra £200. Ez rendkívül olcsó egy emberi munkaerőhöz képest, de ez egy változó költség, amely az üzleti sikerrel együtt skálázódik. Ha megduplázza az ügyfelei számát, megduplázódik az AI-számlája is.
Penny meglátása: Az első három hónapban mindig a várható volumen 1,5-szeresével tervezze a 2. szintet. A prompt engineering iteratív folyamat; a kezdeti szakaszban több tokent fog költeni a promptek „hibakeresésére”, mint a tényleges éles üzemeltetésre.
3. szint: Tőkeköltségek (Az „architektúra” réteg)
A 3. szint az „építési” fázist képviseli. Ez az, amikor nem csak valaki más eszközét használja, hanem saját, egyedi AI-képességet épít.
- Példák: Egy RAG (Retrieval-Augmented Generation) rendszer fejlesztése, amely „elolvassa” a cég összes belső PDF-ét, vagy egy modell finomhangolása (fine-tuning) a saját márkastílusára.
- A modell: Egyszeri fejlesztési díjak + folyamatos karbantartás.
- A logika: Itt hoz létre vállalati értéket.
Egy kkv számára a 3. szint befektetés az operatív alfába. Ha ugyanazokat a kész eszközöket használja, mint a versenytársai (1. szint), nincs előnye. Ha saját adatfolyamot épít, amely lehetővé teszi, hogy az AI kezelje az iparág-specifikus megfelelőségi papírmunka 90%-át (3. szint), akkor versenyelőnyre (moat) tesz szert.
A 3. szintnek azonban van egy „karbantartási adója”. Az AI-modellek fejlődnek. Egy GPT-4-re épített rendszer összeomolhat vagy hatástalanná válhat a GPT-5 érkezésekor. Évente a kezdeti fejlesztési költség legalább 20%-át be kell terveznie a „modell-drift” és az architekturális frissítések kezelésére.
Az „ügynökségi adó” vs. AI-kiadások
Az AI-költségvetés értékelésekor össze kell hasonlítania azt az alternatívákkal. A legtöbb kkv sokat költ ügynökségekre tartalomgyártás, SEO vagy alapvető adatbevitel céljából. Ez gyakran egy „láthatatlan” költség, amely a marketingbüdzsékben bújik meg.
Gyakran mondom az ügyfeleimnek, hogy egy havi £500-os 2. szintű API-keret valójában hatalmas megtakarítás, ha kivált egy havi £3,000-os megbízási díjat egy junior végrehajtói pozíció esetében. Ha megnézi az AI-alapú költségkezelési összehasonlításunkat, a matematika tagadhatatlanná válik. Ön nem csak egy új költséget ad hozzá; a „nem hatékony emberi ráfordítást” alakítja át „hatékony számítási ráfordítássá”.
Hogyan készítse el AI-előrejelzését (Lépésről lépésre)
Egy robusztus, kkv-k számára kidolgozott AI-stratégia megalkotásához kövesse ezt a 4 lépéses folyamatot:
1. Auditálja az „árnyék-AI-t”
Az alkalmazottai valószínűleg már most is használnak AI-t. Lehet, hogy vállalati adatokat töltenek fel ingyenes eszközökbe, vagy egyéni ChatGPT Plus előfizetéseket számolnak el. Térképezze fel ezeket. Ez az Ön bázis szintű, 1. szintű kiadása.
2. Azonosítsa a „volumencsúcsokat”
Nézze meg a legnagyobb volumenű manuális folyamatait. Az ügyfélszolgálat az? A számlázás? A lead-generálás? Becsülje meg a havi volument a 2. szintű előrejelzéshez. Ha aggódik a változó költségek miatt, vizsgálja meg, hogyan korrelálnak azok a bevételével. Ha az AI-költségei csak akkor emelkednek, amikor az eladásai is, az egy „kellemes” probléma.
3. Állítson be „vészleállítókat”
A 2. szintű (API) költéseknél használjon olyan eszközöket, mint az OpenPipe vagy a natív OpenAI irányítópult, hogy kemény korlátokat szabjon. Ha a kerete £500, állítson be egy £500-os limitet. Jobb, ha egy bot egy napra leáll, mintha egy £10,000-os meglepetésre ébredne.
4. Hasonlítsa össze az energia- és rezsiköltségekkel
Ahogy figyeli az üzleti energiaköltségeket a rezsi alacsonyan tartása érdekében, kezelje a „számítási energiát” is alapvető közműként. A jövőben az „intelligencia” költsége éppolyan alapvető része lesz az eredménykimutatásának, mint ma az áram ára.
Az AI-költségvetés 90/10-es szabálya
Ezzel a gondolattal búcsúzom: A 90/10-es szabály.
Amikor az AI átveszi egy funkció 90%-át (mint a 2. szintű automatizálásnál), a maradék 10% (emberi felügyelet) már nem egy teljes munkaidős pozíció. Ez egy olyan felelősség, amelyet be kell olvasztani egy másik munkakörbe.
Ha betervezi az AI-eszközöket, de nem strukturálja át azokat az emberi szerepköröket, amelyeket azok kiegészítenek vagy kiváltanak, akkor nem transzformációt hajt végre, hanem csak növeli a költségeket. Egy sikeres AI-költségvetésnek végül az „adminisztratív bérek” olyan csökkenését kell mutatnia, amely jelentősen meghaladja az „API-tokenek” költségének növekedését.
A tanulság? Ne a változó számlától féljen. Féljen a dolgok régi módon történő elvégzésének fix költségeitől.
Készen áll, hogy megtudja, hol rejtőznek a legnagyobb megtakarítási lehetőségei? Vizsgáljuk meg a folyamatait, és találjuk meg azokat a 2. szintű lehetőségeket, amelyeket a versenytársai elmulasztanak.