在过去多年里，各家公司一直在大力推广人工智能，如今首席信息官和其他C-suite技术领导者正随着支出上升、回报仍不明朗而收紧控制。这样的收缩标志着一个显著转变：从以黑客松、广泛工具访问和试验为特征的采用阶段，转向更为克制的运营阶段，颇类似于企业在最初的云计算争夺期后最终实施成本治理的路径。

在Samsara，首席信息官Stephen Franchetti已为这家科技公司4,100名员工积极采用了广泛的AI工具。他已批准使用Anthropic的Claude、Google的Gemini、OpenAI的ChatGPT以及AI编程代理Cursor，同时还建立了一个内部系统，按日跟踪所有可记录的AI支出。需要如此细粒度监控，凸显出基于使用量、由token驱动的定价——在企业软件中仍相对新颖——与大多数公司习惯编列预算的按席位订阅模式有着根本差异。不过，最近Samsara已对部分非技术员工设置使用上限，而研发等更依赖AI进行高强度编码和数据分析的团队则拥有更大的试验空间。

“我们花了一些时间才确定合适的上限，以确保每个人都得到妥善支持，”Franchetti表示。“但这让人们在某种程度上能够掌控，并可以自行决定使用哪些模型。”

这一变化反映出美国企业界更广泛的趋势。全球AI支出预计今年将达到2.5万亿美元，较前一年增长44%。在多年通过培训课程、黑客松，以及向员工广泛开放编程工具、代理和聊天助手来推动AI采用之后，一些技术领导者如今开始限制这些工具的使用频率，并重新培训员工，以更好地理解能够胜任许多日常办公任务、更小且更便宜的AI模型。

已有多家公司表示，2026年的AI预算已超出最初预期，却未带来相应的业务价值。AI超大规模云服务商也听到了这些抱怨，并通过推出更便宜的模型或降价作出回应。OpenAI、Anthropic、Google及其他主要模型提供商之间的竞争态势也随之加剧，因为企业客户正在释放信号：决定长期合同归属的，不只是能力，还有成本效率。

Gartner研究公司的定量建模和经济预测专家Will Sommer表示：“2026年是每个人都发现AI其实真的很难的一年。”他说：“它不是免费午餐。要把它做好，需要大量思考和努力。”Sommer警告称，公司很容易在AI工具上为每位员工花费数千美元，而这些工具的输出实际上毫无用处，也无法提升生产率。

Gartner在6月发布的一份偏空报告也警告称，由于token消耗上升以及收费模式转向按使用量计费，到2028年AI编程成本将超过普通开发者的薪资。这一预测凸显了企业AI采用的核心矛盾：与开发者工作流程结合最紧密的工具——读取、编写和调试代码的编程代理——也是最消耗token的应用之一，因此成为成本超支的主要驱动因素。

在电子签名软件公司Docusign，首席技术官Sagnik Nandy表示，公司对成本挑战采取了非常认真的态度。“我们非常认真地对待这件事，无论是在内部使用场景，还是我们向外部传播这些经验，”他说。在内部，Nandy指出每位工程师都已采用AI工具，而且他们开发的代码中有75%是由AI发起的。

不过，Nandy很快发现，AI代码代理在执行任务前，会被设计为访问Docusign的整个代码库以获取上下文。“那会消耗很多token，因为你试图读取一切，”他说。Nandy随后调整了这些编程代理，使其默认设置只拉取与开发者当前所做狭窄任务相关的上下文，从而将token使用量减少了近50%。这一优化说明，工程团队正在认识到，提示架构和上下文管理——而不仅仅是模型选择——会显著影响AI部署的单位经济性。

Yum Brands首席数字和技术官Jim Dausch表示，AI token使用目前还不是“一个重要数字，但其走势是我们在关注的”。今年早些时候，他确实注意到这家KFC和Taco Bell的运营商的AI token使用量和支出都在上升。

但Dausch认为，AI工具被要求执行的大多数任务——或许高达95%——都可以由更基础、成本更低的模型处理。这促使Yum加强了关于AI模型使用的培训，并建议业务领导者像管理部门编制人数一样，严格管理数字支出。“我们正努力让成本归属及其管理方式更民主化，这样它就不只是IT的一项支出，”Dausch说。

在医疗保健巨头Cigna Group，公司通过与多个AI超大规模云服务商供应商合作，广泛布局，使员工能够在一些不需要太强推理能力的任务中使用小语言模型或更早、成本更低的版本。“真正让成本飙升的方式，就是在没有任何护栏的情况下使用最昂贵的模型，”Cigna首席数据、数字和AI官Katya Andresen说。Cigna已批准70多种不同的AI模型用于内部用途，Andresen表示，虽然算力和AI token使用量在增加，但由于这种多模型策略，总支出并未以同样速度上升。这一策略反映出一种更成熟的AI工具使用观：将模型能力和成本与任务复杂度相匹配，而不是默认采用最强大的选项。

房地产经纪公司Compass的首席技术官Shay Artzi表示，他的AI投资主要集中在三类人群：工程师、公司面向房地产专业人士的AI Assistant工具，以及更广泛的企业员工群体。工程师最早大规模使用AI，但Artzi表示，他在早期就对token支出保持谨慎，并且并未强制要求所有代码都必须借助AI编写。

Compass试用了多种AI编程工具，最终选择与该领域两家巨头Anthropic和Google合作，并设置了某些财务方面的限制。“我们还为每位工程师设定了预算，这样他们就能清楚自己在如何支出，”Artzi说。

John Kell

本文最初发表于Fortune.com