Hoe leg je een audittraject vast voor beslissingen over AI-uitgaven?

U creëert een audittraject voor beslissingen over AI-uitgaven door elke financiële verbintenis vast te leggen, evenals de redenering erachter, wie deze heeft goedgekeurd en welk resultaat ermee werd beoogd. Dit houdt in dat u AI-investeringen met dezelfde strikte governance behandelt als elke andere grote IT-uitgave, waarbij u rekening houdt met de unieke snelheid en ondoorzichtigheid die AI-aankopen met zich meebrengen. In de onderstaande paragrafen wordt elk aspect van die uitdaging nader toegelicht.

Waarom is het moeilijker om de uitgaven voor AI bij te houden dan die voor traditionele IT?

AI-uitgaven zijn moeilijker te volgen dan traditionele IT-kosten, omdat ze een combinatie vormen van onvoorspelbare, op verbruik gebaseerde prijsstelling, gedecentraliseerde besluitvorming en snelle iteratiecycli die de standaardcontrolemaatregelen bij inkoop omzeilen. In tegenstelling tot een softwarelicentie of een servercontract kunnen AI-kosten onopgemerkt oplopen over verschillende teams, modellen en API-aanroepen heen, nog voordat de financiële afdeling of het IT-management zelfs maar een post op de begroting ziet.

Er zijn verschillende structurele factoren die het bijhouden van AI-uitgaven bijzonder moeilijk maken:

• Prijsstelling op basis van verbruik: De meeste AI-diensten brengen kosten in rekening per token, per inferentie of per rekenuur. De kosten variëren afhankelijk van gebruikspatronen waarover individuele teams zelf de controle hebben, en niet de centrale IT-afdeling.
• Decentrale invoering: Bedrijfsonderdelen en productteams schaffen AI-tools vaak rechtstreeks aan via creditcards of cloudmarktplaatsen, waarbij ze de traditionele goedkeuringsprocedures omzeilen.
• Snel wisselen tussen modellen: Teams wisselen regelmatig van model of leverancier naarmate de mogelijkheden zich verder ontwikkelen, waardoor het moeilijk is om stabiele kostenreferenties vast te stellen.
• Vage grenzen: AI-kosten zijn vaak verwerkt in bredere cloudfacturen, waardoor het moeilijk is om een onderscheid te maken tussen de uitgaven voor AI en die voor algemene infrastructuur.

Het gevolg is dat de cloudkosten pas achteraf zichtbaar worden, zonder dat er een bestuursstructuur is om die kosten te koppelen aan zakelijke beslissingen. Dit is hetzelfde patroon dat we in bredere zin zien bij financieel beheer van de cloud, en het vraagt om dezelfde discipline: gestructureerde verantwoording voordat de uitgaven uit de hand lopen.

Wat houdt een audittraject voor AI-uitgaven eigenlijk in?

Een audittraject voor AI-uitgaven omvat een gedocumenteerd overzicht van elke financiële beslissing met betrekking tot AI, waarin wordt vastgelegd wat er is aangeschaft, hoeveel het heeft gekost, wie hiervoor toestemming heeft gegeven, welk bedrijfsresultaat hiermee moest worden ondersteund en of dat resultaat is behaald. Het is niet louter een transactielogboek. Het is een governance-instrument dat uitgaven koppelt aan doelstellingen en resultaten.

Een volledig audittraject voor AI-uitgaven bevat doorgaans de volgende elementen:

1. Besluitverslag: De datum, de besluitvormer en de specifieke AI-investering of -toezegging die wordt gedaan.
2. Zakelijke motivering: Een schriftelijke toelichting waarin wordt uitgelegd waarom aan deze AI-investering prioriteit is gegeven, welk probleem hiermee wordt opgelost en welke bedrijfsdoelstelling hiermee wordt ondersteund.
3. Kostenraming en werkelijke kosten: De geraamde uitgaven op het moment van goedkeuring en de daadwerkelijk gemaakte kosten, bijgehouden in de loop van de tijd.
4. Goedkeuringstraject: Wie heeft op elk niveau de controle uitgevoerd en goedgekeurd, met inbegrip van IT, financiën en het bedrijfsmanagement, voor zover van toepassing.
5. Prestatie-indicatoren: De maatstaven die zijn gebruikt om te beoordelen of de investering de verwachte waarde heeft opgeleverd.
6. Tijdstempels van beoordelingen: Geplande evaluatiemomenten waarop de uitgavenbeslissing opnieuw werd bekeken in het licht van de daadwerkelijke resultaten.

Zonder deze onderdelen is het onmogelijk om de transparantie van het AI-budget aan te tonen aan de raad van bestuur, de accountants of de toezichthouders, die in toenemende mate een gedocumenteerd beheer van de technologie-uitgaven verwachten.

Hoe wordt de verantwoordelijkheid voor beslissingen over AI-uitgaven toegewezen?

Je wijst de verantwoordelijkheid voor beslissingen over AI-uitgaven toe door op drie niveaus duidelijk vast te leggen wie waarvoor verantwoordelijk is: wie het budget beheert, wie individuele uitgaven goedkeurt en wie verantwoordelijk is voor het resultaat. Voor elke AI-investering moet er een specifieke zakelijke verantwoordelijke zijn, niet alleen een technisch team, omdat de waarde van AI-uitgaven uiteindelijk een zakelijk resultaat is, en geen technische output.

In de praktijk gaat de verantwoordingsplicht mank wanneer de financiële afdeling, de IT-afdeling en de bedrijfsonderdelen elk vanuit hun eigen perspectief optimaliseren zonder dat er sprake is van een gezamenlijke bestuursstructuur. Dit is een van de vier terugkerende problemen die we zien bij organisaties die op weg zijn naar een volwassen FinOps-werkwijzen: applicatieteams sturen de uitgaven aan, maar de IT-afdeling krijgt de rekening gepresenteerd, en er is geen enkele afdeling die van begin tot eind verantwoordelijk is voor de beslissing.

Om die kloof te dichten, hebben organisaties baat bij:

• Aangewezen AI-budgetverantwoordelijken per initiatief: Een specifieke persoon binnen de businessunit die verantwoordelijk is voor zowel de uitgaven als het resultaat.
• Vastgestelde beslissingsbevoegdheden: Duidelijke criteria voor wat op teamniveau kan worden goedgekeurd en wat de goedkeuring van IT, de financiële afdeling of het management vereist.
• Frequentie van de functieoverschrijdende evaluaties: Regelmatige bijeenkomsten waarbij de afdelingen Financiën, IT en de bedrijfseigenaren de uitgaven voor AI gezamenlijk, en niet afzonderlijk, evalueren.
• Mechanismen voor terugvordering of terugbetaling: Kostenverdeling die de AI-uitgaven zichtbaar maakt voor de teams die deze kosten veroorzaken, waardoor het gevoel van verantwoordelijkheid wordt versterkt.

Welke tools en frameworks ondersteunen de controleerbaarheid van AI-uitgaven?

Tot de tools en kaders die de controleerbaarheid van AI-uitgaven ondersteunen, behoren FinOps-kaders voor cloudgebaseerde AI-kosten, IT-financieelbeheerplatforms voor bedrijfsbrede kostentoewijzing en Technology Business Management-structuren die technologie-uitgaven koppelen aan bedrijfswaarde. Geen enkele tool lost het probleem op zichzelf op. Controleerbaarheid vereist een combinatie van data-infrastructuur, governanceprocessen en organisatorische afstemming.

Vanuit het perspectief van een raamwerk biedt het FinOps-raamwerk een gestructureerde aanpak voor het beheer van op verbruik gebaseerde AI-kosten, inclusief taggingstandaarden, toewijzingsbeleid en optimalisatiefrequenties. Wanneer het wordt geïntegreerd met een TBM-taxonomie, wordt het mogelijk om AI-uitgaven te traceren vanaf individuele clouddiensten tot aan de bedrijfsmogelijkheden die deze ondersteunen. Deze integratie zorgt ervoor dat ruwe kostengegevens worden omgezet in bruikbare inzichten voor besluitvorming.

Wat de tools betreft, bieden platforms zoals Apptio Cloudability gedetailleerd inzicht in het gebruik van cloudgebaseerde AI, terwijl het bredere pakket van Apptio de toewijzings- en rapportagestructuren ondersteunt die nodig zijn voor formele controleerbaarheid. Met de juiste tools moet u op elk moment kunnen aangeven welke AI-investeringen actief zijn, wie er verantwoordelijk voor is, wat ze kosten en welke waarde ze opleveren.

Voor organisaties die zowel on-premises als cloud-gebaseerde AI-workloads beheren, biedt de combinatie van ITFM- en FinOps-mogelijkheden een uniform overzicht. Dit is belangrijk om weloverwogen beslissingen te kunnen nemen over waar AI-workloads moeten worden uitgevoerd en hoe de kosten zich in de verschillende omgevingen tot elkaar verhouden.

Hoe leg je de redenen voor investeringsbeslissingen op het gebied van AI vast?

Je legt de grondgedachte achter investeringsbeslissingen op het gebied van AI vast door op het moment dat de beslissing wordt genomen de zakelijke vraag waarop een antwoord wordt gegeven, de overwogen alternatieven, de verwachte kosten en baten, en de criteria voor het beoordelen van het succes vast te leggen. Documentatie achteraf is geen audittrail. Het is een reconstructie, en die houdt zelden stand bij nader onderzoek.

Een praktische aanpak is om de onderbouwing in de goedkeuringsworkflow zelf in te bouwen. Voordat er toestemming wordt gegeven voor een uitgave aan AI, moet het aanvragende team een korte investeringsnota opstellen waarin het volgende aan de orde komt:

• Welk zakelijk probleem of welke zakelijke kans wordt met deze AI-investering aangepakt?
• Welke alternatieven zijn onderzocht en waarom is voor deze optie gekozen?
• Wat de verwachte kosten zijn over een bepaalde periode
• Welk meetbaar resultaat zal aangeven of het een succes is?
• Wat de aanleiding voor een herziening is als de kosten de raming overschrijden of de resultaten achterblijven

Dit document hoeft niet uitgebreid te zijn. Een gestructureerd formaat van één pagina volstaat voor de meeste beslissingen over AI-uitgaven onder een bepaalde drempelwaarde. Het belangrijkste is dat het bestaat, dat het samen met de financiële administratie wordt bewaard en dat het op gezette tijden opnieuw wordt bekeken. Strategisch portefeuillebeheer Deze principes zijn hier rechtstreeks van toepassing: AI-initiatieven moeten worden beschouwd als portefeuillebeleggingen waarvoor een gedocumenteerde motivering nodig is, en niet alleen een toewijzing van middelen.

Wanneer moet er op basis van uitgaven voor AI een formele evaluatie of escalatie plaatsvinden?

Uitgaven voor AI moeten aanleiding geven tot een formele evaluatie of escalatie wanneer de kosten een vooraf goedgekeurde drempel overschrijden, wanneer het beoogde bedrijfsresultaat is gewijzigd, wanneer het uitgavenpatroon aanzienlijk afwijkt van de prognose, of wanneer een nieuwe AI-verbintenis risico’s met zich meebrengt die niet in de oorspronkelijke goedkeuring waren opgenomen. Deze triggers moeten vooraf worden vastgesteld en mogen niet achteraf worden geïdentificeerd.

Specifieke escalatieredenen die je in je bestuursmodel zou moeten opnemen, zijn onder meer:

• Kostenafwijking boven een vastgesteld percentage: Bijvoorbeeld: de werkelijke uitgaven liggen in een bepaalde maand meer dan 20% boven de goedgekeurde raming.
• Uitbreiding van het toepassingsgebied: Wanneer een AI-tool die oorspronkelijk voor één team of één gebruikssituatie was goedgekeurd, op grotere schaal wordt ingezet zonder dat daarvoor een nieuwe goedkeuring is verkregen.
• Wijzigingen in leverancier of model: Wanneer een team van AI-aanbieder of -model verandert, heeft dat vaak gevolgen voor zowel de kostenstructuur als het risicoprofiel.
• Afwijking in de uitkomst: Wanneer de bedrijfsindicator die met de investering moest worden verbeterd, na een bepaalde periode niet de verwachte ontwikkeling vertoont.
• Gebeurtenissen op het gebied van regelgeving of naleving: Wanneer nieuwe vereisten invloed hebben op de manier waarop AI-tools kunnen worden gebruikt of op de gegevens die ze kunnen verwerken.

Door deze triggers in uw governance-cyclus in te bouwen, worden beslissingen over AI-uitgaven niet alleen vastgelegd op het moment van goedkeuring. Ze worden gedurende hun gehele levenscyclus actief beheerd, en dat is precies wat echt AI-kostenbeheer vereist.

Hoe wij u helpen bij het opzetten van financiële verantwoording op basis van AI

Wij werken samen met organisaties die verder willen gaan dan alleen inzicht in de kosten en op zoek zijn naar een gestructureerd, besluitvormingsgericht beheer van hun AI- en clouduitgaven. Zo ziet dat er in de praktijk uit:

• FinOps-strategie en -implementatie: We ontwerpen een bestuursmodel waarin rollen, beslissingsbevoegdheden en goedkeuringsprocessen voor AI-uitgaven worden vastgelegd, afgestemd op de afdelingen Financiën, IT en de bedrijfsafdelingen.
• Kostenverdeling en tagging: Wij implementeren de data-infrastructuur waarmee AI-kosten kunnen worden toegerekend aan specifieke teams, producten en bedrijfsresultaten, in plaats van dat ze alleen maar worden samengevoegd in een cloudfactuur.
• Kaders voor audittrajecten: Wij helpen u bij het opzetten van documentatieworkflows en beoordelingsschema’s waarmee individuele uitgavenbeslissingen worden omgezet in een onderbouwd en controleerbaar dossier.
• Integratie van TBM en FinOps: We koppelen operationeel AI-kostenbeheer aan strategisch IT-financieel beheer, zodat het management een totaalbeeld krijgt van waar de technologie-uitgaven naartoe gaan en wat ze opleveren.
• Beoordeling van de FinOps-rijpheid: We brengen uw huidige mogelijkheden op het gebied van AI en cloudgebaseerd financieel beheer in kaart en bieden u een concreet stappenplan voor verbetering.

Als u een duidelijk controlespoor wilt aanleggen voor uw beslissingen over AI-uitgaven en de bijbehorende bestuursstructuur wilt opzetten, neem contact met ons op om te bespreken waar we moeten beginnen.