Проблема зернистости данных
Корпоративные AI-системы обрабатывают бизнес-операции (заказы, страховые кейсы), используя цепочки из нескольких LLM и облачных сервисов. Финансовые отделы получают счета только на уровне расчетной зернистости (settlement grain) — агрегированные данные по SKU и периоду. Это делает невозможным ответ на вопрос: «Сколько стоила конкретная заявка в AI?». Стандарт FOCUS (FinOps Open Cost and Usage Specification) унифицирует схему биллинга, но остается на уровне расчетов, не видя границ бизнес-транзакций.
Решение: Двухреестровая модель (Two-Ledger Model)
Автор предлагает архитектуру, состоящую из двух реестров, соединенных через OpenTelemetry GenAI телеметрию:
- Реестр расчетов (Settlement Ledger): данные биллинга, соответствующие стандарту FOCUS.
- Реестр атрибуции (Attribution Ledger): записи об использовании на уровне вызовов (invocation-grain), построенные на метриках OpenTelemetry.
Механизм корреляции и ценообразования
Связывание данных происходит через «корневую ось корреляции» (layered correlation spine), которая включает:
- Контекст трассировки (trace context).
- Метаданные A2A/MCP.
- Корреляцию по бизнес-ключам.
- Вероятностное сопоставление.
Каждая запись получает метку бизнес-транзакции с указанием метода и уровня уверенности. Ценообразование происходит в реальном времени через версионированную тарифную карту, а периодическая сверка связывает оба реестра с инвойсом.
Результаты симуляции
Тестирование на синтетических данных с известной истиной показало высокую эффективность модели:
| Метрика | Результат | Значение |
|---|---|---|
| Покрытие затрат | > 99% | Даже при падении распространения трассировки до нуля |
| Точность восстановления | 0.24 п.п. | Восстановление незарегистрированных расходов с погрешностью менее 0.24% |
| Снижение p99 затрат | до 61% | За счет гейтинга в процессе выполнения (mid-flight gating) |
| Ложные паузы | 2-4% | Цена за оптимизацию затрат |
Модель также позволяет выявлять ошибки биллинга провайдеров и «теневой AI» через анализ остатков (residual) после сверки.
Источник: arXiv cs.AI ↗