Sektor publiczny przepala pieniądze na SaaS. Decydenci szukają sposobów jak skalować usługi cyfrowe, nie tracąc kontroli nad budżetem i suwerennością danych [raport Capgemini]

Eksperci Capgemini dostrzegli, że wdrażanie nowoczesnych technologii w sektorze publicznym powoli wymyka się spod kontroli finansowej. Wzorzec pt. „najpierw chmura, a dopiero potem koszty” (często po stworzeniu i uruchomieniu usługi) jest szczególnie widoczny w sektorze publicznym. 65% uczestników sektora publicznego zadeklarowało taką postawę, w porównaniu ze średnią dla wszystkich branż wynoszącą 54%.

Jednakże zapotrzebowanie na usługi chmurowe w sektorze publicznym nie tylko nie zmaleje, ale w najbliższych latach prognozowany jest jego systematyczny wzrost. Rozwiązania te w coraz większym stopniu stanowią podstawę dostarczania usług przez urzędy, a także sposobu, w jaki sektor ten radzi sobie z nowymi lub okresowymi potrzebami – na przykład podczas wyborów, obsługi zapytań obywateli przez chatboty AI czy korzystania z platform do pracy zdalnej i współpracy.

– Sektor publiczny znajduje się dziś w momencie transformacji cyfrowej, w którym dane, chmura, dane i sztuczna inteligencja stały się fundamentem skalowalnych usług publicznych. Wyzwanie nie leży w samym wdrażaniu tych technologii, lecz w zaprojektowaniu spójnego modelu operacyjnego, który pozwala rozwijać innowacje przy zachowaniu kontroli nad kosztami i danymi. FinOps powinien być traktowany jako element strategii transformacji – obecny już na etapie przetargów i projektowania architektury – który umożliwia świadome, decyzje dotyczące wykorzystania chmury i AI. – wskazuje Artur Kmiecik- Head of Cloud and Infrastructure Delivery w Capgemini Polska.

Badanie CRI ujawniło kilka zaskakujących faktów na temat trudności, z jakimi borykają się organizacje sektora publicznego w kontrolowaniu wydatków na chmurę. Brak optymalizacji sprawia, że aż 61% badanych z sektora publicznego określa koszty technologii „na żądanie” w swoich organizacjach mianem finansowej „czarnej dziury”. Każde niepotrzebne zapytanie do sztucznej inteligencji i każda pozostawiona bez opieki usługa w chmurze generuje dodatkowe koszty. 68% badanych postrzega marnotrawstwo zasobów chmurowych jako duże wyzwanie – to wynik znacznie wyższy niż średnia dla wszystkich sektorów, wynosząca 59%. Tym bardziej, że sztuczna inteligencja konsumuje nie tylko budżety, ale i prąd.

Koniec końców, zaledwie około 30% organizacji we wszystkich branżach osiągnęło zakładane cele w zakresie oszczędności. Ten brak optymalizacji przyczynia się m.in. do sytuacji, w której globalne zapotrzebowanie na energię ze strony centrów danych wzrośnie o 50% do 2027 r. i aż o 165% do końca tej dekady.

– Wyzwania, które obserwujemy w sektorze publicznym, wynikają przede wszystkim z braku pełnej widoczności i podejścia datadriven do zarządzania środowiskami cloud, SaaS i AI. Bez połączenia danych finansowych, technicznych i biznesowych trudno skutecznie skalować rozwiązania cyfrowe i maksymalizować ich wartość. Dopiero taka perspektywa umożliwia świadome zarządzanie portfelem usług oraz dalszy rozwój nowoczesnych, opartych na danych usług publicznych. – komentuje Artur Kmiecik- Head of Cloud and Infrastructure Delivery w Capgemini Polska.

Problemy te występują również w sektorze prywatnym. Według danych Capgemini, 76% organizacji deklaruje, że w ciągu ostatnich 12 miesięcy przekroczyło budżet na chmurę publiczną (średnio o 10%).

Problemy z utrzymaniem dyscypliny wydatków wynikają również z polityk cenowych firm dostarczających oprogramowanie. Rosnąca popularność sztucznej inteligencji, popyt na infrastrukturę cyfrową, a także inflacja, powodują wzrost kosztów usług w chmurze w różnych sektorach. Na przykład Google Workspace, jeden z czołowych dostawców rozwiązań SaaS, podniósł już ceny swoich planów abonamentowych o 20%. Branża boryka się również ze zjawiskiem tzw. „shrinkflacji w modelu SaaS”, polegającym na tym, że dostawcy oferują ograniczoną funkcjonalność przy zachowaniu tych samych stawek.

Eksperci podkreślają, że rozwiązaniem problemów z kontrolą wydatków nie jest odwrót od nowoczesnych technologii, ale wprowadzenie rygorystycznych ram operacyjnych FinOps, które optymalizują koszty i łączą finanse z technologią i biznesem. W niedalekiej przyszłości może się okazać konieczne przejście na tzw. „oszczędną architekturę AI” (frugal AI) oraz automatyzację – wdrożenie narzędzi automatycznie wyłączających zbyteczne zasoby i licencje poza godzinami pracy. Pozwoli to przynajmniej częściowo zwiększyć oszczędności w związku z wykorzystaniem AI i SaaS zarówno w sektorze publicznym, jak i prywatnym.