Gepresenteerd door Apptio, een IBM-bedrijf
De uitgaven voor AI stijgen enorm, maar de volledige impact blijft vaak een open vraag. Om de kloof te dichten zijn duidelijke antwoorden nodig op de manier waarop AI wordt bestuurd, gemeten en gekoppeld aan bedrijfsresultaten.
ROI-onzekerheid is niet uniek voor AI: in de Apptio 2026 Technology Investment Management-rapport90% van de ondervraagde technologieleiders zei dat de onzekerheid over de ROI een matige of grote impact heeft op de algemene beslissingen over technologie-investeringen, een stijging van 5 procentpunten op jaarbasis. Met andere woorden: technologieleiders worden steeds afhankelijker van ROI, ook al weten ze niet helemaal hoe ze deze moeten meten. En de AI-economie brengt nieuwe en onvoorspelbare kosten met zich mee, wat de ROI-berekeningen nog ingewikkelder maakt. Geconfronteerd met toenemende onzekerheid en toenemende budgetten hebben technologieleiders behoefte aan een duidelijk, betrouwbaar raamwerk voor het evalueren van AI ROI.
Organisaties verwachten steeds vaker dat geschaalde AI zijn eigen geld zal verdienen, althans gedeeltelijk. Volgens het technologie-investeringsbeheerrapport van Apptio is 45% van de ondervraagde organisaties van plan innovatie te financieren door de besparingen uit AI-gestuurde efficiëntie te herinvesteren. Dat model gaat ervan uit dat dergelijke besparingen zowel haalbaar als kwantificeerbaar zijn. Ondertussen zal tweederde van de organisaties die van plan zijn bestaand budgetkapitaal opnieuw toe te wijzen aan AI behoefte hebben aan duidelijkheid over de afwegingen die daarmee gepaard gaan.
Net als in de begindagen van de publieke cloud zijn de kosten en opbrengsten van AI moeilijk te voorspellen. De prijzen variëren sterk per provider en blijven evolueren, terwijl het verbruik onvoorspelbaar is. De druk om snel te adopteren is ook formidabel nu organisaties omgaan met de dreiging van disruptie door flexibeler concurrenten.
De nieuwe wiskunde van AI ROI
Gezien de vele variabelen moeten technologieleiders AI ROI zien als een kwestie van optimalisatie. Op hoog niveau is de implementatie van AI-initiatieven onvermijdelijk. De vraag is hoe je het grootst mogelijke rendement kunt behalen – zowel financieel als organisatorisch.
Begin met het bedrijfsprobleem. Er zijn veel manieren waarop AI een positieve impact kan hebben, maar de middelen en focus van de organisatie kunnen beperkt zijn. Zorg ervoor dat u prioriteit geeft aan de juiste initiatieven door uw AI-investeringsstrategie te baseren op kwantificeerbare doelen die verband houden met echte bedrijfsresultaten. Probeert u de besluitvormingssnelheid te verbeteren? Doorvoer of capaciteit vergroten? Of op jacht naar coole cases met een hoog potentieel rendement maar minimale strategische relevantie?
Bepaal hoe succes eruit ziet. AI kan een nieuwe mogelijkheid introduceren of een bestaande uitbreiden. Voor nieuwe mogelijkheden moet u de mogelijkheden formuleren die u wilt ontsluiten, zoals nieuwe omzetmogelijkheden, workflows of besluitvormingsprocessen. Voor augmentaties stelt u de basisprestaties vast en de verwachte verbetering die u met AI wilt bereiken.
Bedenk hoe financiën uw evaluatie zullen beïnvloeden. Sommige gebruiksscenario’s kunnen op de korte termijn minimale resultaten opleveren, maar op de lange termijn aanzienlijke waarde genereren. Wat is uw termijn voor retourneren? Aan de andere kant kunnen succesvollere implementaties met snelle adoptie onverwacht hoge gevolgtrekkingsrekeningen opleveren. Zou dat betekenen dat de stekker eruit moet worden getrokken – of dat we verder moeten leunen? Hoe moet uw kosten- en rendementscurve er door de jaren heen uitzien? Terwijl u uw tijdlijn in kaart brengt, stelt u duidelijke drempels vast om te bepalen of u doorgaat, pauzeert, stopt of uw investering versnelt.
Identificeer de juiste KPI’s. Het rendement op een AI-investering kan zelfs nog moeilijker in te schatten zijn dan de kosten. Gebruik, efficiëntie en financiële impact zijn allemaal van belang. Maar de successtatistieken van AI zullen niet altijd eenvoudig zijn. Er kunnen nieuwe gebruikspatronen zijn die u nog niet kunt meten. Uw technologische omgeving kan vervolgverschuivingen ervaren die om verdere evaluatie vragen. Kunt u uw afhankelijkheid van andere tools verminderen, zoals het verminderen van het aantal zitplaatsen in uw data-analyseplatform? Hoe houdt u rekening met prijsvergelijkingen tussen verschillende tools voor meerdere AI-aanbieders met wisselende tarieven?
Om volledige context en inzicht te krijgen, moet u ook rekening houden met de afstemming van het initiatief op uw bredere strategie en rekening houden met de opportuniteitskosten van de investeringen die u anders misschien zou hebben gedaan. Houd er rekening mee dat u de bedrijfswaarde van AI niet op zichzelf evalueert; u beslist of dit het beste gebruik van eindig kapitaal is voor al uw beleggingen.
Deze beslissingen vereisen een niveau van inzicht dat veel verder gaat dan wat nodig was om traditionele aankopen zoals netwerkinfrastructuur of bedrijfssoftware te rechtvaardigen. Technologieleiders die de complexiteit van de AI-economie doorkruisen, zouden een nieuw raamwerk voor datagestuurde besluitvorming moeten overwegen.
AI-investeringen duurzaam maken met TBM
Technology Business Management (TBM) helpt de ROI concreter en meetbaarder te maken, zodat deze relevant kan zijn voor het bedrijf. Door IT Financial Management (ITFM), AI FinOps (financieel beheer in de cloud voor AI-workloads) en Strategic Portfolio Management (SPM) samen te brengen, verbindt een TBM-framework financiële, operationele en zakelijke gegevens binnen de hele onderneming. Dit maakt het mogelijk om rekening te houden met de waarde en kosten van AI over een breed scala aan dimensies – en hypothetische innovatie te vertalen naar bestuurspresentaties en budgetmotivaties die onder de loep blijven.
TBM kan leiders helpen een betrouwbaar kostenfundament op te bouwen dat de AI-uitgaven voor arbeid, infrastructuur, gevolgtrekking, opslag en applicaties vastlegt. Terwijl de AI-workloads dynamisch veranderen, biedt TBM inzicht in de manier waarop die uitgaven worden verdeeld over on-premise systemen en cloudomgevingen – die beide een verschillende capaciteitsplanning voor gespecialiseerde vaardigheden vereisen. Het raamwerk verbindt investeringen ook met bedrijfsresultaten, waardoor AI-initiatieven worden afgestemd op strategische prioriteiten en meetbare resultaten. Dankzij de grotere zichtbaarheid kunt u problemen identificeren en snel beslissingen nemen, zoals het vroegtijdig signaleren van kostenpieken. Vroegtijdige detectie kan helpen bepalen of de gebruiksverschuiving een verschuivende financiering verdient. Dit uniforme beeld van financiële en operationele gegevens helpt leiders te schalen wat werkt en opnieuw te beoordelen wat niet werkt naarmate de acceptatie toeneemt. TBM biedt essentiële zichtbaarheid en context tijdens het hele gesprek over AI-uitgavenbeheer. Zelfs als de prijzen evolueren, de tooling verandert en de workflows veranderen, kunt u dezelfde analytische aanpak toepassen en begrijpen wat echt werkt en de ROI aantonen. Leiders die AI binnen een TBM-framework operationeel maken, kunnen:
-
Evalueer de ROI op zowel project- als portfolioniveau
-
Ontdek onverwachte kostenpieken
-
Vergelijk meerdere AI-tools
-
Begrijp de rimpeleffecten in run-the-business-systemen
-
Verdedig investeringsbeslissingen met vertrouwen
-
Begrijp en beheer de totale kosten en het gebruik gedurende de hele levenscyclus van een AI-investering
Van theorie naar praktijk
Organisaties gaan verder dan AI-experimenten, en we zijn voorbij het punt waarop deze investeringen uitsluitend op basis van optimisme kunnen worden gefinancierd. Te midden van de toegenomen onzekerheid en kostengevoeligheid stellen besturen meer strategische vragen en wil de financiële sector betrouwbare gegevens.
Leiders van ondernemingen die AI behandelen als een beheerde investering, en niet als een gok op innovatie, zijn degenen die het met succes zullen opschalen. Om AI op een verantwoorde manier te financieren, moeten leiders duidelijkheid creëren over de reikwijdte, resultaten, kostenfactoren en paraatheid. Een TBM-gedreven aanpak biedt de databasis, zichtbaarheid en verantwoordelijkheid om die beslissingen te nemen.
Lees hier meer over hoe Apptio TBM transformeert het beheer van IT-uitgaven in het AI-tijdperk.
Ajay Patel is General Manager bij Apptio, een IBM-bedrijf.
Gesponsorde artikelen zijn inhoud die is geproduceerd door een bedrijf dat voor de post betaalt of een zakelijke relatie heeft met VentureBeat, en deze is altijd duidelijk gemarkeerd. Voor meer informatie kunt u contact opnemen met sales@venturebeat.com.
