意外的AI成本正迫使企業重新審視實施方案。根據成本管理軟體公司Mavvrik發布的《2026年AI成本治理現狀報告》，近半數企業機構表示，AI支出超預算問題已上升至董事會層面。該報告於今年4月至5月期間，對396家跨行業企業機構展開調查。
AI採用與治理之間的脫節，正在對項目推進產生連鎖影響——四分之一的受訪者表示，已因不可預見的成本而推遲或取消了AI計劃。
對於三分之二的企業而言，意外的AI成本已對至少一項業務決策產生實質性影響；與此同時，三分之一的企業在賬單持續攀升的壓力下，啟動了緊急凍結支出措施。
AI支出的來源已不再局限於模型本身，而是日益分散，覆蓋開發者工具、數據平台、基礎設施及智能體工作負載等多個層面。這種碎片化態勢，加之缺乏有效監管，使首席資訊官和財務負責人愈發難以全面掌握AI項目的總成本，也難以準確衡量投資回報率。
"AI正在從根本上改變基礎設施的消耗方式和成本積累模式，"Mavvrik首席執行官桑迪普·戈爾（Sundeep Goel）在報告中表示，"過去可預測的IT支出，如今已變得動態分散，且越來越難以準確歸因。"
Gartner數據與分析研究主管麗塔·薩拉姆（Rita Sallam）指出，隨著企業從簡單的生成式AI部署邁向自主智能體階段，上述挑戰正變得愈加突出。
"儘管單位模型成本（例如每Token的價格）看似在下降，但隨著智能體工作流
日趨複雜、對高級推理能力的需求不斷提升，每項任務實際完成的成本反而在上升，"她在發給CIO Dive的郵件中寫道，"定價模式正向基於使用量的方式轉變，這進一步加劇了運行複雜自主智能體工作流的費用壓力，而這些費用往往遠遠超出這些工作流原本預期節省的成本。"
可見性缺口正在指揮鏈上產生多米諾骨牌效應，最終左右業務決策、觸發緊急支出審查，並隨著企業重新評估成本而改變AI項目走向。
"所有人都在談論AI帶來的投資回報，但投資回報歸根結底是道數學題，"Benchmarkit首席執行官雷·萊克（Ray Rike）在報告中說道，"如果不清楚自己的成本，就根本無法準確計算投資回報率。"
高管們長期以來一直在與隱性成本博弈。Wasabi Technologies去年發布的數據顯示，近三分之二的企業因意外產生的使用費和數據傳出費用不斷疊加，導致雲儲存預算嚴重超支。
在支出缺口不斷擴大的背景下，成本管理措施也在持續加強。谷歌雲、AWS和微軟等雲服務提供商在審查壓力日益加劇的情況下，已相繼下調部分儲存相關費用。與此同時，原本針對雲成本設計的FinOps實踐，如今也被引入AI領域，用於幫助企業抵禦高額AI賬單的衝擊。
薩拉姆認為，首席資訊官應將AI成本優化視為一項架構層面的必要要求，而非事後才進行的財務復盤。
"企業還應將成本優化直接內嵌到智能體工作流的設計中，"她補充道，"要根據任務匹配合適的模型，避免犯'殺雞用牛刀'的錯誤。"
薩拉姆還特別強調，將簡單查詢路由至成本較低的模型，以及使用更小型、特定領域的語言模型，都是可行的優化策略。
她同時指出，企業在推進AI部署的同時，還應同步投入治理、安全與數據基礎建設，認為這些投入是維持長期投資回報的必要保障。
"AI用戶自身也扮演著重要角色，"她補充說，"他們必須了解自身AI使用行為所帶來的財務影響。企業應強制推行AI素養培訓，教導用戶具備AI Token的財務意識——你可不希望他們用最昂貴的推理模型去查天氣預報。"
Q&A
Q1：Mavvrik的《2026年AI成本治理現狀報告》主要發現了什麼問題？
A：報告對396家企業的調查顯示，意外的AI成本已成為普遍問題：近半數企業的AI超支問題已上升至董事會層面，四分之一的受訪者因不可預見成本而推遲或取消AI項目，三分之一的企業甚至啟動了緊急凍結支出措施。AI支出來源已從單純的模型費用，擴展至開發者工具、數據平台、基礎設施及智能體工作負載等多個層面，治理缺失使成本管理難度大幅上升。
Q2：為什麼智能體工作流會導致AI成本不降反升？
A：Gartner研究主管麗塔·薩拉姆指出，雖然單位模型的Token價格看起來在下降，但隨著智能體工作流日趨複雜、對高級推理能力的需求增加，完成每項任務的實際成本反而在上升。同時，定價模式正向基於使用量的方向轉變，這進一步疊加了運行複雜自主智能體的費用，而這些費用往往超過了這些工作流原本預期節省的金額。
Q3：企業應該如何有效控制AI使用成本？
A：專家建議從多個層面入手：首先，將成本優化內嵌到智能體工作流的架構設計中，根據任務複雜度匹配合適的模型，避免過度使用高成本推理模型；其次，將簡單查詢路由至更低成本的模型，或採用小型領域專用語言模型；此外，應同步加強AI治理、安全與數據基礎建設，並對AI用戶推行Token財務素養培訓，讓員工了解不同AI使用行為背後的實際費用。
