针对企业日益焦虑的AI账单问题，埃森哲（Accenture）于七月发布指导方针，建议避免“一刀切”地削减使用量或禁止员工使用AI，而是应将工作分配给最具性价比且能胜任任务的模型。埃森哲指出，在其审查的绝大多数部署案例中，不到10%的用户和工作流产生了绝大部分费用。
内部公告显示，自10月1日起，埃森哲为每位员工每月提供29美元的Claude服务中央资助，超出部分需计入项目成本。此前，部分员工每月AI花费高达500至1000美元，甚至有人反映访问权限被撤销。尽管埃森哲否认对员工访问AI工具设置严格限制，但由于其超过65%的预订量为固定价格合同，令牌成本直接冲击公司利润，导致内部关于解除个人支出限额的请求激增。
从“节省令牌”到“衡量成果”
当前许多管理者纠结于“每位员工应分配多少令牌”，这往往导致短视决策。更关键的问题在于：引入AI前后，完成同一项工作的成本差异是多少？
实际案例表明，这种差异巨大。在一家投资组合公司的网站建设中，三名无建站经验的业务成员借助AI代理，三天内完成了原本报价6万美元的工作，且兼容性优于预期，令牌成本仅数百美元。在另一例并购案中，AI不仅重新格式化了演示文稿，还主动核查出重大错误，并建议将过高的出价降低40%。团队核实逻辑后采纳了建议。
这种能力跃迁改变了招聘策略。某公司原计划以每人约6万美元年薪雇佣多名初级市场营销人员，最终转而高薪聘请一人。这位非技术人员独立完成了宣传物料设计及行业对比分析软件的构建，实现了过去需专家团队才能完成的工作。
变化的核心并非生产力提升，而是能力门槛降低：理解业务问题的普通人，如今也能完成以往专属于专家的任务。
重度用户的高价值与隐性成本
企业设置限额的主要原因在于账单超预期。AI按令牌计费，普通职员每月费用约6美元，而重度用户因运行自动代理任务，年成本可达1.2万美元。软件公司Jellyfish的研究显示，重度开发者的令牌支出是轻度用户的320倍，但其产出效率也是前者的两倍。尽管第90百分位开发者的年令牌成本比中位数高出约7700美元，但其工资远高于此，且边际令牌价值远超成本。
此外，令牌账单仅占AI部署总成本的四分之一，其余包括重复尝试、闲置容量及人工检查时间。单纯削减可见的令牌费用，忽略了更昂贵的隐性成本。例如，一份季度演示文稿的制作时间从三人15小时缩减至一人2小时，虽令牌成本微薄，但取代的人工成本高昂。
避免过早监管，拥抱技术变革
纽约州2015年对加密货币行业实施过早且严格的许可要求，导致交易所撤离且未回归，这一教训警示企业不应过早自我设限。当前的审批流程、工具白名单及人均限额，可能束缚企业在2028年的竞争力。
教育界的风向转变也印证了这一趋势。从禁止到强制使用，哈佛商学院、达顿商学院及佩斯大学等纷纷为学生提供AI工具订阅。雇主已将掌握基础模型能力作为招聘应届生的核心筛选技能。
这是一场收益堪比第二次工业革命的变革。短期的账单超支可以挽回，但落后于时代的代价无法弥补。