با گسترش سریع فناوری‌های هوش مصنوعی، سازمان‌ها با چالش جدیدی در مدیریت هزینه‌ها روبرو شده‌اند. مصرف بی‌رویه «توکن‌ها» (Tokens) و مدل‌های مبتنی بر مصرف می‌تواند منجر به فراتر رفتن از بودجه‌های پیش‌بینی شده شود. این مسئله نه تنها یک چالش مالی، بلکه یک ریسک امنیتی نیز محسوب می‌شود.
چالش هزینه‌های غیرقابل پیش‌بینی
برخلاف نرم‌افزارهای سنتی، هزینه‌های هوش مصنوعی اغلب بر اساس میزان مصرف (Consumption-based) است. این ویژگی، در کنار کنجکاوی بالای کارکنان، می‌تواند منجر به تخلیه سریع بودجه شود. گزارش‌ها نشان می‌دهند که درصد قابل توجهی از شرکت‌ها از بودجه‌های تعیین شده برای هوش مصنوعی فراتر می‌روند. پیش‌بینی می‌شود که در آینده نزدیک، هزینه‌های مربوط به ابزارهای کدنویسی مبتنی بر هوش مصنوعی، حتی از حقوق توسعه‌دهندگان نیز فراتر رود.
ریسک هوش مصنوعی سایه (Shadow AI)
یکی از بزرگترین تهدیدات، استفاده از ابزارهای هوش مصنوعی بدون اطلاع بخش IT یا امنیت است که به آن «هوش مصنوعی سایه» (Shadow AI) گفته می‌شود. این رفتار علاوه بر اتلاف منابع، «سطح حمله» (Attack Surface) سازمان را نیز افزایش می‌دهد. استفاده از ابزارهای مدیریت نشده می‌تواند منجر به نشت داده‌ها و عدم انطباق با استانداردهای امنیتی شود.
راهکارهای حاکمیتی و استراتژیک
برای مدیریت این وضعیت، اتخاذ رویکردهای زیر توصیه می‌شود:
- تعیین سقف مصرف (Caps): تعیین محدودیت‌های سخت‌گیرانه برای مصرف توکن در زمان استقرار ابزارها، از بروز هزینه‌های ناگهانی جلوگیری می‌کند.
- ایجاد مرکز تعالی (Center of Excellence – CoE): تشکیل یک تیم چندوظیفه‌ای متشکل از متخصصان امنیت، IT، مالی و حقوقی برای نظارت بر پذیرش استراتژیک هوش مصنوعی.
- یکپارچه‌سازی و تجمیع ابزارها: به جای استفاده از چندین پلتفرم مجزا، باید از قابلیت‌های هوش مصنوعی که در ابزارهای موجود سازمان (Ecosystem) تعبیه شده‌اند، استفاده کرد. این کار هم هزینه‌ها را کاهش داده و هم سطح حمله را محدود می‌کند.
در نهایت، هدف از اعمال محدودیت‌ها، جلوگیری از نوآوری نیست؛ بلکه هدف، اطمینان از این است که هرگونه سرمایه‌گذاری در حوزه هوش مصنوعی، ارزش واقعی برای کسب‌وکار ایجاد کند و با چارچوب‌های امنیتی سازمان همسو باشد.
