#оптимизация_расходов — Public Fediverse posts

Создание ИИ-агента для бизнеса: 5 ключевых этапов

79% крупных компаний внедряют ИИ-агентов. Из них 66% фиксируют измеримый рост продуктивности. По данным McKinsey, 88% организаций используют ИИ хотя бы в одной бизнес-функции. Какие ошибки могут отнять до 500 000 рублей при внедрении ИИ-агентов в бизнес, как правильно выбрать агента для своих бизнес-процессов и где найти специалиста с опытом ИИ-интеграций, который не сольёт бюджет.

https://habr.com/ru/companies/tsnis/articles/1033656/

#ИИагенты #ИИагенты_для_бизнеса #Нейросети_для_бизнеса #api_нейросетей #api_для_бизнеса #автоматизация_бизнеса #оптимизация_расходов #увеличение_прибыли

Создание ИИ-агента для бизнеса: 5 ключевых этапов

79% крупных компаний внедряют ИИ-агентов. Из них 66% фиксируют измеримый рост продуктивности. По данным McKinsey, 88% организаций используют ИИ хотя бы в одной бизнес-функции. Какие ошибки могут отнять до 500 000 рублей при внедрении ИИ-агентов в бизнес, как правильно выбрать агента для своих бизнес-процессов и где найти специалиста с опытом ИИ-интеграций, который не сольёт бюджет.

https://habr.com/ru/companies/tsnis/articles/1033656/

#ИИагенты #ИИагенты_для_бизнеса #Нейросети_для_бизнеса #api_нейросетей #api_для_бизнеса #автоматизация_бизнеса #оптимизация_расходов #увеличение_прибыли

Создание ИИ-агента для бизнеса: 5 ключевых этапов

79% крупных компаний внедряют ИИ-агентов. Из них 66% фиксируют измеримый рост продуктивности. По данным McKinsey, 88% организаций используют ИИ хотя бы в одной бизнес-функции. Какие ошибки могут отнять до 500 000 рублей при внедрении ИИ-агентов в бизнес, как правильно выбрать агента для своих бизнес-процессов и где найти специалиста с опытом ИИ-интеграций, который не сольёт бюджет.

https://habr.com/ru/companies/tsnis/articles/1033656/

#ИИагенты #ИИагенты_для_бизнеса #Нейросети_для_бизнеса #api_нейросетей #api_для_бизнеса #автоматизация_бизнеса #оптимизация_расходов #увеличение_прибыли

Создание ИИ-агента для бизнеса: 5 ключевых этапов

79% крупных компаний внедряют ИИ-агентов. Из них 66% фиксируют измеримый рост продуктивности. По данным McKinsey, 88% организаций используют ИИ хотя бы в одной бизнес-функции. Какие ошибки могут отнять до 500 000 рублей при внедрении ИИ-агентов в бизнес, как правильно выбрать агента для своих бизнес-процессов и где найти специалиста с опытом ИИ-интеграций, который не сольёт бюджет.

https://habr.com/ru/companies/tsnis/articles/1033656/

#ИИагенты #ИИагенты_для_бизнеса #Нейросети_для_бизнеса #api_нейросетей #api_для_бизнеса #автоматизация_бизнеса #оптимизация_расходов #увеличение_прибыли

Как посчитать TCO автоматизации: подход Organization as Code

Вы знаете, сколько стоит сервер. У вас есть договор с хостинг-провайдером, инвойс от вендора, строка в ИТ-бюджете. А вот сколько стоят процесс согласования договора с клиентом, сопровождение в месяц, один цикл согласования заявки на закупку и другие процессы — сходу ответить сложно. Большинство компаний на эти вопросы отвечают приблизительно. В лучшем случае — оценкой в Excel, где кто-то умножил количество сотрудников на среднюю зарплату и поделил на число проектов. В худшем — интуитивным ощущением руководителя, которое потом попадает в презентацию для инвесторов как «мы оптимизировали операционные расходы на 15%». Проблема не в том, что никто не пытался посчитать, а в том, что получившаяся цифра не имеет отношения к реальности. McKinsey в исследовании Global Survey on AI фиксирует типичную ситуацию: около 60% организаций не видят EBIT-импакта от AI-проектов не потому, что технология не работает, а потому что никто не договорился, как именно измерять результат. Нет так называемого evidence pack — пакета подтверждённых данных, на который можно опереться при принятии решений. Без него пилот выглядит успешным на демо, но при масштабировании выясняется, что атрибуция была некорректной, а стоимость посчитана по-разному на разных этапах. Это касается не только AI. Любой проект автоматизации страдает от той же проблемы: вы запускаете систему, тратите бюджет, получаете отчёт о выполнении — и не можете сказать, сколько всё это стоило в пересчёте на единицу работы, сравнить два процесса по стоимости владения или оценить, окупилась ли автоматизация. Вы управляете процессом, но не знаете его реальную цену.

https://habr.com/ru/companies/1forma/articles/1032510/

#tco #возврат_инвестиций #автоматизация_процессов #bpmсистемы #enterprise #финансы_в_it #финансы #mckinsey #оптимизация_расходов #ресурсы

Как посчитать TCO автоматизации: подход Organization as Code

Вы знаете, сколько стоит сервер. У вас есть договор с хостинг-провайдером, инвойс от вендора, строка в ИТ-бюджете. А вот сколько стоят процесс согласования договора с клиентом, сопровождение в месяц, один цикл согласования заявки на закупку и другие процессы — сходу ответить сложно. Большинство компаний на эти вопросы отвечают приблизительно. В лучшем случае — оценкой в Excel, где кто-то умножил количество сотрудников на среднюю зарплату и поделил на число проектов. В худшем — интуитивным ощущением руководителя, которое потом попадает в презентацию для инвесторов как «мы оптимизировали операционные расходы на 15%». Проблема не в том, что никто не пытался посчитать, а в том, что получившаяся цифра не имеет отношения к реальности. McKinsey в исследовании Global Survey on AI фиксирует типичную ситуацию: около 60% организаций не видят EBIT-импакта от AI-проектов не потому, что технология не работает, а потому что никто не договорился, как именно измерять результат. Нет так называемого evidence pack — пакета подтверждённых данных, на который можно опереться при принятии решений. Без него пилот выглядит успешным на демо, но при масштабировании выясняется, что атрибуция была некорректной, а стоимость посчитана по-разному на разных этапах. Это касается не только AI. Любой проект автоматизации страдает от той же проблемы: вы запускаете систему, тратите бюджет, получаете отчёт о выполнении — и не можете сказать, сколько всё это стоило в пересчёте на единицу работы, сравнить два процесса по стоимости владения или оценить, окупилась ли автоматизация. Вы управляете процессом, но не знаете его реальную цену.

https://habr.com/ru/companies/1forma/articles/1032510/

#tco #возврат_инвестиций #автоматизация_процессов #bpmсистемы #enterprise #финансы_в_it #финансы #mckinsey #оптимизация_расходов #ресурсы

Как посчитать TCO автоматизации: подход Organization as Code

Вы знаете, сколько стоит сервер. У вас есть договор с хостинг-провайдером, инвойс от вендора, строка в ИТ-бюджете. А вот сколько стоят процесс согласования договора с клиентом, сопровождение в месяц, один цикл согласования заявки на закупку и другие процессы — сходу ответить сложно. Большинство компаний на эти вопросы отвечают приблизительно. В лучшем случае — оценкой в Excel, где кто-то умножил количество сотрудников на среднюю зарплату и поделил на число проектов. В худшем — интуитивным ощущением руководителя, которое потом попадает в презентацию для инвесторов как «мы оптимизировали операционные расходы на 15%». Проблема не в том, что никто не пытался посчитать, а в том, что получившаяся цифра не имеет отношения к реальности. McKinsey в исследовании Global Survey on AI фиксирует типичную ситуацию: около 60% организаций не видят EBIT-импакта от AI-проектов не потому, что технология не работает, а потому что никто не договорился, как именно измерять результат. Нет так называемого evidence pack — пакета подтверждённых данных, на который можно опереться при принятии решений. Без него пилот выглядит успешным на демо, но при масштабировании выясняется, что атрибуция была некорректной, а стоимость посчитана по-разному на разных этапах. Это касается не только AI. Любой проект автоматизации страдает от той же проблемы: вы запускаете систему, тратите бюджет, получаете отчёт о выполнении — и не можете сказать, сколько всё это стоило в пересчёте на единицу работы, сравнить два процесса по стоимости владения или оценить, окупилась ли автоматизация. Вы управляете процессом, но не знаете его реальную цену.

https://habr.com/ru/companies/1forma/articles/1032510/

#tco #возврат_инвестиций #автоматизация_процессов #bpmсистемы #enterprise #финансы_в_it #финансы #mckinsey #оптимизация_расходов #ресурсы

Как посчитать TCO автоматизации: подход Organization as Code

Вы знаете, сколько стоит сервер. У вас есть договор с хостинг-провайдером, инвойс от вендора, строка в ИТ-бюджете. А вот сколько стоят процесс согласования договора с клиентом, сопровождение в месяц, один цикл согласования заявки на закупку и другие процессы — сходу ответить сложно. Большинство компаний на эти вопросы отвечают приблизительно. В лучшем случае — оценкой в Excel, где кто-то умножил количество сотрудников на среднюю зарплату и поделил на число проектов. В худшем — интуитивным ощущением руководителя, которое потом попадает в презентацию для инвесторов как «мы оптимизировали операционные расходы на 15%». Проблема не в том, что никто не пытался посчитать, а в том, что получившаяся цифра не имеет отношения к реальности. McKinsey в исследовании Global Survey on AI фиксирует типичную ситуацию: около 60% организаций не видят EBIT-импакта от AI-проектов не потому, что технология не работает, а потому что никто не договорился, как именно измерять результат. Нет так называемого evidence pack — пакета подтверждённых данных, на который можно опереться при принятии решений. Без него пилот выглядит успешным на демо, но при масштабировании выясняется, что атрибуция была некорректной, а стоимость посчитана по-разному на разных этапах. Это касается не только AI. Любой проект автоматизации страдает от той же проблемы: вы запускаете систему, тратите бюджет, получаете отчёт о выполнении — и не можете сказать, сколько всё это стоило в пересчёте на единицу работы, сравнить два процесса по стоимости владения или оценить, окупилась ли автоматизация. Вы управляете процессом, но не знаете его реальную цену.

https://habr.com/ru/companies/1forma/articles/1032510/

#tco #возврат_инвестиций #автоматизация_процессов #bpmсистемы #enterprise #финансы_в_it #финансы #mckinsey #оптимизация_расходов #ресурсы

Управление затратами в облаке: от общего бюджета до детализации по cost-центрам

По данным рыночных исследований, только треть организаций точно знает, на что тратится их облачный бюджет. Остальные 80%+ косплеят лося, несущегося по горящему лесу – их ведет судьба. В конце месяца они получают счет за облако, но разобраться, кто и на что потратился, у них не получается. Да и как тут разобраться, если одни команды экономят и оптимизируют, другие боятся пожертвовать ресурсоемкими экспериментами, а третьи просто забывают выключить тестовые среды? История смешная – ситуация страшная. Ведь когда компания переходит в облако, руководство ждет, что это облегчит контроль за расходами и повысит эффективность финансирования. На деле же нередко оказывается так, что инфраструктура становится, во-первых, менее выгодной, а, во-вторых, менее понятной. Все дело в особенностях облачной модели бюджетирования, которая сильно отличается от традиционной. Ну и дались тогда нам эти облака, возразит пытливый финдир? Против логики, конечно, не попрешь. Но любую проблему при должном усердии можно решить, и чаще всего довольно элегантно. Так, непонятки с бюджетированием легко устраняются при помощи одного простого слова – детализация.

https://habr.com/ru/companies/finops_ru/articles/950396/

#оптимизация_расходов #costeffective_серверы #финопс #finops #devops #cloud_efficiency #управление_затратами #cloud #облака #облачная_инфраструктура

FinOps против классического финконтроля: почему CFO больше не может игнорировать облачные расходы

Облачный рынок в России растет очень стремительно. Только в 2024 году он достиг 392 миллиардов рублей, увеличившись на 26% год к году. Впечатляет, правда? Значит, все больше компаний предпочитают облако. Но чем популярнее оно становится, тем сильнее проявляется проблема перерасхода финансов. Исследования показывают, что 67% организаций тратят на обслуживание облачной инфраструктуры больше, чем было запланировано. То есть с одной стороны все получили гибкость, масштабируемость и отсутствие головной боли с апгрейдом и обслуживанием. А с другой – непредсказуемость расходов, потому что старые методы финпланирования в облачной среде работают примерно как Tesla на дровах. И с этим надо что-то делать.

https://habr.com/ru/companies/finops_ru/articles/949200/

#облака #сервисы #finops #devops #оптимизация_расходов #cloud_efficiency #облачная_инфраструктура #cloud #финопс #облачные_решения

Облачный плюрализм: почему одни компании мигрируют в облака, а другие строят свои дата-центры

Прямо сейчас российская ИТ-сфера переживает довольно противоречивый период. С одной стороны, объем облачного рынка достиг 165 млрд рублей в 2024 году, прибавив за предшествующие 12 месяцев почти четверть. С другой, мы видим отчетливую тенденцию на строительство собственных дата-центров, к которой присоединяется все больше компаний, в том числе весьма крупных. Они вкладывают миллиарды в создание железной инфраструктуры. То есть фактически речь идет о двух разнонаправленных трендах, развивающихся параллельно друг другу. Вопрос только в том, кто же прав?

https://habr.com/ru/companies/finops_ru/articles/948034/

#облака #инфраструктура #облачная_инфраструктура #оптимизация_расходов #датацентры #финопс #devops #finops #cloud_efficiency #сервисы

Как попробовать FinOps бесплатно и понять, что это дает: изучаем платформу FinOps Radar

Насколько облака удобны и приятны в использовании, настолько же они и непредсказуемы. Особенно, если не перестроить “железную” модель бюджетирования под облачную. В этом случае практически гарантирован исход, при котором инфраструктурные затраты будут превышать планы в полтора, а то и два раза. Сказывается невозможность контролировать расходы вручную. Слишком уж много нюансов и переменных влияет на итоговый счет. Обычно проблему решают специализированные FinOps-инструменты, но они чаще всего, либо дорогие, а потому не подходят для начинающих, либо попросту не учитывают особенностей российских платформ. Но у FinOps Radar этих недостатков нет.

https://habr.com/ru/companies/finops_ru/articles/946880/

#облака #cloud #оптимизация_расходов #сервисы #инструменты_для_команды #облачная_инфраструктура #облачные_технологии #devops #cloud_efficiency #finops

Почему облачные расходы невозможно предугадать, и к чему это приводит

Многие российские компании, отказались от железной инфраструктуры и, перейдя в облако, столкнулись с неожиданным парадоксом. Финансовое планирование, которое должно было стать проще, на деле усложнилось настолько, что потеряло всякий смысл. Ситуации, когда стартап закладывал в месячный бюджет 500 тысяч рублей на облачные расходы, а по итогу получал счет на 1.2 миллиона, стали обычным делом. И это не единичные случаи. Исследование Flexera за 2023 год показывает, что с перерасходом сталкиваются примерно 45% всех организаций. А, по данным Wasabi, и вовсе 60%. Конечно, так быть не должно.

https://habr.com/ru/companies/finops_ru/articles/945882/

#облака #cloud #finops #devops #cloud_efficiency #финопс #оптимизация_расходов #сервисы #облачная_инфраструктура

Как приучить технарей не спускать бюджет на облако. Руководство по созданию культуры ответственного потребления

Облако, несмотря на все свои преимущества, довольно коварно с точки зрения управления затратами. В отличие от железной инфраструктуры, где вы физически ограничены возможностями закупленных серверов, облачные ресурсы кажутся безлимитными. Они позволяют развернуть сколько угодно мощных проектов и баз данных, ничем вас не ограничивая. Заплатить за все, конечно, придется, но не сейчас, а потом. Это создает опасную иллюзию бездонности облака. В результате к концу месяца финансовый отдел получает счета, которые могут в разы превышать ожидания. И хуже всего, что так работает почти каждый второй.

https://habr.com/ru/companies/finops_ru/articles/944800/

#облака #cloud #финопс #finops #devops #cloud_efficiency #оптимизация_расходов #сервисы #облачная_инфраструктура

Топ-10 облачных хранилищ, которые работают в России

Несмотря на то что мы здесь говорим в основном об облачной инфраструктуре для корпораций, для рядового пользователя облако – это никакой не Kubernetes, не Terraform и даже не виртуалка в Selectel. Для большинства это интернет-приложение, куда можно слить 50 гигов фоточек, чтобы освободить память на телефоне. И пренебрегать интересами этой категории наших потенциальных читателей было бы неправильно. Так что представляем вашему вниманию топ-10 облачных сервисов, которые работают в России.

https://habr.com/ru/companies/finops_ru/articles/942596/

#облака #cloud #finops #финопс #cloud_efficiency #devops #оптимизация_расходов #сервисы #облачная_инфраструктура

Как оценить ROI от внедрения FinOps: метрики для бизнеса

Впасть в зависимость от облачных сервисов в корпоративном сегменте довольно просто. Сначала ты просто переносишь пару приложений для тестов, потом соглашаешься на расширенный план, и вот уже через год IT-директор хватается за голову от счетов, которые выросли в несколько раз. Хуже всего, что с течением времени сервисов становится только больше, команды разворачивают новые проекты, а контроля за тратами как не было, так и нет. Кто запустил эти 50 инстансов? За что платим 200 тысяч в месяц? Почему расходы на машинное обучение выросли втрое? В таких условиях FinOps перестает быть просто модным термином, становясь, по сути, единственным рабочим способом вернуть контроль над IT-бюджетом. Остается самая малость – доказать руководству, что эти инвестиции окупятся. А тут без конкретных метрик и четкого расчета ROI не обойтись.

https://habr.com/ru/companies/finops_ru/articles/941440/

#финопс #finops #roi_облака #оптимизация_расходов #cloud #devops #облачные_технологии #облачная_инфраструктура #cloud_efficiency #сервисы

Крупному бизнесу в России запретят иностранные облака с 2027 года: причины, последствия и курс на суверенный FinOps

Несмотря на то что всеобъемлющее импортозамещение в России идет уже несколько лет, все еще существует немало исключений. Особенно в части софта и онлайн-услуг. Многим компаниям до сих пор позволяется использовать зарубежные сервисы, поэтому даже условно отключенные у нас AWS, Microsoft Azure и Google Cloud продолжают обслуживать корпоративных клиентов. Но эта ситуация может кардинально изменится уже через два года.

https://habr.com/ru/companies/finops_ru/articles/940378/

#облака #cloud #finops #devops #cloud_efficiency #финопс #оптимизация_расходов #облачная_инфраструктура #облачные_технологии #сервисы

Когда Вселенная выставляет счёт: Как космическое расширение объясняет ваш cloud bill

13.8 миллиардов лет назад квантовые флуктуации породили Вселенную. Сегодня подобный эффект возникает в дата-центрах: одна команда запускает виртуальную машину, другая — контейнер, и вот уже ваша облачная инфраструктура стремительно расширяется. В физике это называют Большим взрывом , в FinOps — Cloud Sprawl . Но что, если законы астрофизики могут объяснить — и даже обуздать — поведение облаков?

https://habr.com/ru/companies/finops_ru/articles/939270/

#облачные_технологии #облачная_инфраструктура #управление_облачными_затратами #оптимизация_расходов #облака #cloud #финопс #finops #devops

Cloud Financial Management: 7 ключевых метрик, которые должен отслеживать каждый технический специалист

Российский бизнес активно инвестирует в облака, но по сравнению с развитыми странами этот сегмент у нас в стране пока занимает довольно скромное место. В США, к примеру, облачные сервисы уже

https://habr.com/ru/companies/finops_ru/articles/938066/

#облака #cloud #finops #devops #cloud_efficiency #финопс #оптимизация_расходов

Что такое FinOps, зачем он нужен в 2025 году и с чем его едят

Были времена, когда переход в облако казался прямо-таки идеальным решением. Благодаря ему не нужно было покупать серверы, строить дата-центры, содержать администраторов и делать все, что так сильно нагружало штат и бюджет. Отказ от собственной инфраструктуры действительно сильно облегчал компаниям жизнь – особенно на первых порах – и ускорял запуск проектов. Но со временем затраты на облака стали серьезной статьей расходов, добавив сложностей финансовому планированию. Именно поэтому появилось такое явление как FinOps . А что это такое и с чем его едят – сейчас разберем.

https://habr.com/ru/companies/finops_ru/articles/936768/

#облака #cloud #finops #devops #cloud_efficiency #финопс #оптимизация_расходов

[Перевод] Забудьте об облачных вычислениях. On-premises снова в игре

Облако долгое время воспринималось как безальтернативная основа современной инфраструктуры: гибко, удобно, масштабируемо. Но по мере роста нагрузки и счетов всё больше компаний начинают пересматривать это допущение. От стартапов до крупных игроков — растёт интерес к on-premises, где выше вход, но больше контроля и предсказуемости. В статье — разбор экономических и операционных причин, почему облачный энтузиазм пошёл на спад, примеры репатриации, реальные цифры и аргументы, которые заставляют смотреть в сторону серверной комнаты.

https://habr.com/ru/companies/otus/articles/916204/

#ITинфраструктура #Облачные_вычисления #onpremises #репатриация_из_облака #Оптимизация_расходов #мониторинг #Локальные_серверы

[Перевод] Как я случайно сэкономил компании полмиллиона долларов

Разработчик под ником Ludic*, автор технического блога Ludicity, сэкономил своей компании полмиллиона долларов за пять минут. Это больше, чем он заработал для работодателей за всю его карьеру, поскольку сфера деятельности, о которой далее пойдёт речь, — обман. Он всего лишь нажал на пять кнопок. Под катом Ludic рассказывает, как так получилось, и почему ему обидно, что произошедшая ситуация возможна в принципе. *Обращаем ваше внимание, что позиция автора может не всегда совпадать с мнением МойОфис.

https://habr.com/ru/companies/ncloudtech/articles/783564/

#data_science #перевод #мойофис #зарубежный_опыт #экономия #оптимизация_расходов