Shobana Sruthi Mohan, analyste entrepreneur de ManageEngine

Le gaspillage d’intelligence artificielle n’est pas concentré dans une seule partie du présupposé technologique. Il se répartit entre les modèles d’API, les assistants de programmation, les plates-formes de productivité, les applications indépendantes et les fonctions d’IA intégrées aux programmes et logiciels que les organisations sont en train de payer. Certains coûts sont liés et dépendent des licences contractuelles ; d’autres augmentent la fonction d’utilisation.

El gasto en IA está creciendo con rapidez. Gartner a annoncé que le gaspillage mondial des modèles et des plates-formes d’IA atteindrait 64 000 millions de dollars en 2026, soit 63,4% plus qu’en 2025. Afin d’augmenter l’adoption, les organisations ont également fait face à une pression majeure pour contrôler les coûts et démontrer que resultados aportan estas inversiones.

Sans embargo, il s’agit d’un problème financier moins évident. Les organisations n’ont pas seulement des difficultés à savoir quand Gastan est en IA, mais elles entendent également ce qui se passe exactement.

L’IA génère des duplicités que les auditoires traditionnels ne détectent pas

Dans la gestion traditionnelle du logiciel, le résultat est relativement simple, identifiant le gasto en recursos qui ne se sert pas. Les organisations peuvent acheter des licences attribuées, des inactivations permanentes et des applications qui sont déjà nécessaires. La IA complique cette tâche, car divers produits peuvent offrir des fonctions similaires.

Un développeur peut utiliser un assistant de programmation indépendant, même si sa plate-forme de développement habituelle offre des fonctions spécifiques. Une équipe de marketing peut s’abonner à une application de rédaction avec notamment des prestations équivalentes à disposition dans son logiciel de productivité. Une unité d’affaires peut intégrer l’API d’un modèle à un flux de travail dans d’autres équipements et a développé une capacité similaire dans une autre partie de l’organisation.

Dans tous ces cas, les outils peuvent être utilisés de manière active, car un auditoire conventionnel de logiciel peut détecter quelque chose apparemment inutile. Les duplicités sont plus évidentes lorsque l’on analyse ce qui fait vraiment tout cet outil. Les équipes peuvent revenir sur des modèles de langue de grand tamaño (LLM) de proposition générale pour créer des nécessités distinctes et, au même moment, payer par des outils spécialisés d’IA qui offrent des fonctions similaires. Alors que les fournisseurs pensent qu’ils incorporent des prestations d’IA au logiciel existant, ces duplications se multiplient. Un auditoire centré uniquement sur le montant de l’application ne peut pas être révélé si une fonction est disponible pour un autre abonnement, ce qui rend difficile l’identification des montants redondants et la justification du coût de chaque outil.

Le gasto en IA est transféré à un point ciego partagé

L’adoption de l’IA facilite également que les décisions de gasto se déplacent hors du département central de TI. Un développeur peut expérimenter avec l’API d’un modèle, une équipe commerciale peut s’abonner à une application de IA ou un employé peut utiliser une fonction de IA incluse sur une plateforme que vous utilisez.

Chaque décision peut être raisonnable par séparation, mais l’organisation peut perdre la vue sur les coûts ensemble. L’API du modèle peut incrémenter la consommation de ressources dans le nu ; l’application de IA peut nécessiter des intégrations supplémentaires ; et le flux de travail automatisé peut générer un volume d’utilisation considérable à mesure qu’il étend son adoption.

L’enquête Global AI Pulse Q2 2026 de KPMG a révélé que seulement 35 % des directives confirmaient une visibilité complète des agents opérationnels de l’IA, alors que les 42 % signifiaient qu’ils offraient une visibilité partielle. De plus, les organisations avec une grande visibilité sur ces coûts ont cinq fois plus de chances de confirmer qu’elles ont constaté un retour à l’inversion. Par conséquent, la visibilité financière a des implications qui sont les plus importantes pour le contrôle des coûts. Cependant, les équipes financières et le consommateur ne comprennent pas l’activité en général, tandis que les équipes technologiques observent l’adoption sans avoir une vision complète de leur impact économique.

Les agents compliqueront la planification présupposée

Les agents de l’IA ont également une autre capacité de complexité. Vous pouvez lancer des actions, interagir avec plusieurs systèmes commerciaux et consommer des ressources de modèles et d’infrastructures sans qu’une personne ait à travailler sur chaque marché.

Gartner a annoncé que, en 2028, les entreprises de la liste Fortune 500 opérant dans les médias, avec plus de 150 000 agents d’IA, ont commencé à moins de 15 de 2025. Le consultant recommande de maintenir un inventaire centralisé, de définir les identités et les autorisations des agents et de superviser en permanence. votre comportement.

La prolifération des agents a des conséquences économiques. Si un agent accède à diverses applications, réalise des appels à modèles et exécute des flux de travail de forme automatique, il ne peut pas connaître le prix d’un abonnement pour comprendre son coût. Les organisations tendent à savoir quel agent est responsable de chaque activité, avec quelle fréquence est exécutée, quelles ressources consomment ce processus de négociation de support.

Cela modifie également les prévisions de consommation. Lorsque le coût de l’IA dépend de l’utilisation, il peut augmenter la consommation, car il faut acquérir plus de licences. Un flux de travail qui commence comme un petit essai pilote peut générer une consommation considérable lorsque cela fait partie du journal de l’opérateur.

La gouvernance doit incorporer la dimension financière

La réponse ne consiste pas en quelque chose de chaque initiative de l’IA dans un long processus d’approbation. Les organisations ont besoin d’une visibilité suffisante pour promouvoir l’expérimentation et, en même temps, maintenir le contrôle sur le consommateur et ses responsables.

La première étape consiste à élaborer un inventaire des applications d’IA, des API, des outils de développement, des fonctions intégrées et des agents. À partir d’ici, les équipes de TI et les finances peuvent identifier les responsables, faire un suivi de l’utilisation et détecter les duplicités, en plus d’évaluer si les nouveaux outils apportent la plus grande valeur aux capacités de ceux qui sont disponibles.

Un outil spécifique pour le suivi du produit peut réunir dans une vue unique les applications, les abonnements, la consommation d’API et les coûts associés. Vous pouvez également détecter les fonctions dupliquées, les patrons d’utilisation inhabituelles, les abonnements inactifs et les augmentations de coûts, et intégrer le suivi de l’activité des agents et de la consommation des modèles à mesure qu’ils prolongent leur adoption. L’objectif est de fournir aux organisations la visibilité nécessaire pour amplifier les initiatives qui fonctionnent et réviser les gastos qui ont déjà eu leur sentiment, sans pour autant accompagner l’expérimentation.

Par Shobana Sruthi Mohan, analyste d’entreprise chez ManageEngine

A lire également