AI制定卓越的商业决策

“切勿签订排他性合同而断送后路——未来之事，谁也无法预料。”
——维里蒂·哈丁，《时代》“全球AI领域100位最具影响力人物”之一

人工智能并不便宜，而且本就不应便宜。那句古老的格言——“如果你不付费购买产品，你自己就是产品”，在这个新时代依然适用。若想收获人工智能带来的红利，就得准备好投入大笔资金。

你需要了解的知识
人工智能的具体应用场景不同——是微调前沿模型还是自主研发模型，其成本构成也会有显著差异。大致来说，若不考虑仅使用免费增值版本的场景，商业应用主要分为以下三种场景。

1.现成方案
向基础模型提供商（如OpenAI、Grok等）支付许可费，通常按用户数计费，有时也会依据令牌使用量（即输入数据量）计费。这种商业合作关系简单且直接，偏向交易性质。既可以按个人规模付费，也可以按团队规模采购，后者通常能享受到一定的规模经济优惠

2.即插即用
向基础模型提供商购买更高级的企业版许可，这类服务需要通过API接入，最常见的例子就是ChatGPT企业版。其定价采用定制化模式，不仅基于服务使用量和用户数量，还会考量数据摄入、训练及存储的规模。推理成本（即实际使用成本）是需要重点关注的部分，前沿模型开发者也一直在努力降低这部分成本。这类商业合作关系更为复杂，但能让你对自身数据拥有更多控制权。多数情况下，你会获得管理控制权限、分析工具和账户支持，还能自主决定企业数据的存储位置，以及是否将其排除在模型未来的训练数据集之外。

3.内部模型开发
这是最复杂的一种场景，但可以说，在此场景下你能获得最大程度的控制权。具体而言，就是采用开源模型并在内部进行开发（第5章已详细阐述）。这种方式会产生一系列成本。

它是如何运作的
现成方案和即插即用模型的成本概念相对简单。举个大致的成本例子：微软365 Copilot（微软的企业级人工智能解决方案）于2024年推出时，定价为每月30美元，按年签约且最低用户数为300人。这意味着，即便是最小规模的企业合同，每年成本也超过10万美元。再比如，一个10人团队使用ChatGPT（非企业版），每年成本大概在5000美元至6000美元。
那么，内部模型配置开发（即采用开源模型并对其优化）的成本与之相比如何呢？这完全取决于你的具体需求。成本大致可分为以下几类。
• 初始搭建成本：包括图形处理器等硬件成本、基础设施搭建费用，以及模型训练所需的数据获取成本。
• 开发成本：涵盖数据科学家和软件工程师的人力成本（用于模型开发与打磨）、训练人工智能模型的计算资源成本，以及测试费用。
• 运营成本：包括云计算费用、本地服务器的能源成本，以及模型维护、保养、漏洞修复、故障排除和安全测试的人员成本。
• 许可与法律成本：可能涉及人工智能生成内容的知识产权许可费用，以及为确保合规而产生的法律服务费。

这些成本既包含固定成本，也包含可变成本，其中可变成本会随着用户数量和数据量的增加而递增。截至2024年，一个相对简单、针对特定任务（如视频或语音分析）的模型，训练成本可能在5万美元左右；而更复杂的、基于多任务的模型，成本则在20万至50万美元之间。
需要注意的是，上述所有成本均未包含更广泛的工作流程转型成本——这类成本至关重要，包括员工培训、新工具相关的故障排除与适配开发、变革管理，以及可能产生的客户服务咨询成本等。

这对你的组织有何影响
企业的决策往往基于成本。鉴于生成式人工智能的价值仍处于显现和成熟阶段，财务总监首先考虑的必然是成本——即便人工智能工具和许可可能带来潜在收益（尽管相当可观），这些收益也只能退居其次。
你需要从一开始就向同事明确：人工智能模型并非免费的，其应用所涉及的资金规模相当庞大。话虽如此，为了缓解潜在的财务压力，你不妨制定一个小型商业案例，清晰阐述人工智能所带来的收益。短期内，这些收益可能包括以下几项。
•成本节约：若已为企业级人工智能做好预算，可以通过争取最具性价比的方案来实现成本节约。
•生产力与效率提升：最终体现在通过使用人工智能工具节省的员工工时上。一些传统的工时与动作研究（例如，“客服代表每周需要多少小时来转录对话并将其录入我们的ERP系统？”）将有助于你了解潜在的时间节约量。但真正棘手的问题是：这些生产力提升能否切实“转化为现金”？只有在因使用人工智能而减少员工人数的情况下，才能实现这一点。

•质量改进：在这个新兴领域，目前还不宜为此孤注一掷。但如果你有充分信心，认为人工智能有助于减少欺诈（例如，法国税务部门巧妙利用人工智能技术发现了2万多个隐藏的游泳池，为政府带来了1000万欧元的收入）或降低行政错误成本，且这些改进能带来明确的财务价值，那么你或许可以将其纳入人工智能的商业案例中。
在追求成本节约的过程中，切勿因受诱惑而与人工智能模型提供商签订长期合同——12个月的期限已足够。你还需要确保未来能轻松切换提供商，其中一个关键考量因素是数据的可移植性和所有权。你应致力于保留在合同范围内开发的知识产权和数据的控制权，并且确保未来能轻松将相关数据迁移至其他提供商。放弃这些权利或许能降低部分成本，但你需要想清楚：现在以及未来几年，这些权利对你而言价值几何？

在哪里可以了解更多信息
这个领域很难获得客观观点，因为涉及金钱时，大多数人都有利益牵扯。关于哪种人工智能模型及其提供商最适合你，你很难找到真正公正的评价。尽管如此，那些与人工智能公司没有直接商业关系的咨询机构可以充当公正的中间人。互联网上也有很多可靠的声音，致力于提供无偏见的评测。你对不同模型选项之间的差异——比如单次查询的令牌输入量（这是大语言模型计算文本序列的术语，1000个词元约等于750个单词）、用户数量、最短使用月数、单用户价格等，量化得越清晰，你的评估就能越客观。

获取这些信息的最佳方式就是直接与人工智能公司的客户代表沟通。鉴于他们中的大多数可能会用人工智能来辅助客户互动，所以，即便你只是为了收集信息以便做决策而占用他们的时间，也不必过于内疚。此外，签约前一定要仔细审核合同，可请公司的法务团队协助。你肯定不想遇到任何意想不到的麻烦。

值得一试的工具
在与人工智能公司的客服代表沟通时，别不好意思问他们能提供哪些免费福利。在竞争激烈的市场中，很多公司愿意提供额外优惠来吸引新客户。有一款名为 NibbleAI的人工智能工具，甚至宣称能利用人工智能自动完成谈判。如此一来，你甚至可以用人工智能来帮自己争取最划算的人工智能交易。当然，签约前务必仔细阅读条款细则，了解清楚其中的商业和法律含义。

可在下次会议中分享的董事会级见解
“一个小模型大约要5万美元，大模型则高达50万美元。”
“每月每位用户30美元听起来不多，但要留意最低用户数量要求。”“没错，表面成本很重要，但更重要的是人工智能能给我们带来的价值。在做决定之前，我们对这一点的认识足够清晰了吗？”