Branden Jenkins 正在晚餐时，手机上的一瞥改变了那个夜晚。查看 AI 使用仪表盘后，这位首席执行官发现，自己周末的编码会话花掉了 $1,000——系统以 $1,000 为一档自动计费，扣在一张设置了自动续费的卡上。

Jenkins 是 Maxio 的首席执行官。这是一家由私募股权支持、总部位于 Atlanta 的软件公司，未来几年有望实现每年 $100 million 的收入。Maxio 向其他 B2B 软件公司销售订阅计费和收入管理软件。按他自己的说法，他本人也接近公司内部 AI 支出排行榜的前列——这对首席执行官来说是一个不寻常的位置。“A thousand is not that much, I would say, but for one weekend, it’s pretty annoying,” 他在接受 Fortune 采访时表示。谈到自己的 AI 代理时，他形容其“cooking away”，并将自己的反应概括为：“Wow, I just got here quickly.”

在他的公司内部——以及更广泛的美国企业界——这件事已成为一种寓言，用来说明“agentic” AI 工具在没人察觉前就可能迅速消耗资金，直到账单到来。但 Jenkins 表示，意外账单并不是他夜里睡不着的原因。更深层的问题更复杂，也更具人性：他自己的员工对于被这项技术——以及被他本人——超越的“不安全感”。

一个周末如何变成 $1,000 的教训

Jenkins 自称是一位技术型 CEO，会自己构建代理和自动化流程。他说，即使不在办公桌前，也能用 Claude 从手机上写代码——这也是他在晚餐时调试并迭代一个项目的原因。为这些会话准备的 token 钱包被设置为每次余额耗尽时自动补充 $1,000，因此它会悄无声息地为他的卡片重新充值，不需要再多想一秒——直到他看到总额。

“我不像很多员工那样会碰到限制、需要申请批准，” Jenkins 说，他把自己这种不设上限的内部预算看作一种福利，也是一种负担。“所以我开始认真琢磨，‘这到底会是什么样子？’”

他表示，自己发现大量浪费都归结于模型选择不当，以及对话失控式偏移——即 AI 系统把用户带到他们原本并不想去的路径上。“很多时候，烧钱的是代理自己的错误，” Jenkins 说。“你会发现自己一直在聊天，然后事情就失控了。”

回想自己与 bots 的对话时，他说：“你就会觉得，‘对，对，我喜欢这个，再来点这个，再来点那个。’突然之间你就到了谁知道哪里的地方，然后你会想，‘不，我根本不想要这个。’所以有些钱就是白白浪费了，因为它把你带到了那里。”

他的经历与如今业内广泛记录的模式相呼应。Gartner 估计，agentic AI 模型每项任务可能需要比标准聊天机器人交互多 5x 到 30x 的 token；而一项 WitnessAI 调查发现，68% 的美国公司表示，过去一年里至少有部分 AI 项目超出预算，其中三分之一称超支“mostly or always”。Hebbia 首席执行官 George Sivulka 曾用一句话形象概括这一点：使用代理意味着“you just hired a million bad employees.”

这一后果甚至有了一个昵称：“tokenmaxxing”，即最大化不设上限的 AI 使用。据报道，Uber 在四个月内就耗尽了其整个 2026 年 AI 编码预算；而 Amazon 在推出无限制使用权限后，据报道曾在单月花费 $500 million 用于 AI——那个月，“tokenmaxxing”也随之“死去”。与之相比，Jenkins 那个 $1,000 的周末只是小数点后的误差，但他强调，这仍然是真金白银。“Claude 里没有退款按钮，也没有争议申诉按钮，” Jenkins 说，并补充说也许本该有。

行业里的省钱技巧

晚餐事件之后，Jenkins 开始寻找降低自身 token 消耗的方法——据他所说，其中很多是从 TikTok 上流传的 AI 优化技巧学来的，而不是来自自己的工程团队。他开始按复杂程度把不同任务分配给不同模型：基础数学交给更轻量的 Claude’s Haiku，中等层级模型处理常规编码，而把最昂贵、推理能力最强的模型留给真正的战略规划。

他还采用了自己称为 orchestration layers 的做法——第三方工具，通常以免费的 GitHub 仓库形式分发，用来压缩 AI 输出并减少浪费的 token。其中一个他称为“Caveman mode”的模式，会强制 AI 助手用简短、直接的句子回复，而不是长篇展开的回答，Jenkins 估计这能将 token 使用量降低 70%。他描述的另一种模式“grunt mode”，会把回复压缩到一两个词：“It’s very trite.” 他还提到了包括“Superpowers”和“Ponytail”在内的其他工具，称它们属于同一套地下式省钱技巧生态。

但问题在于，Jenkins 说，这些做法对普通员工并不可及。“These are nerdy things,” 他说。“Do we need sales leaders and service leaders and marketers finding this stuff?” 他认为，真正的组织风险，正是从这种差距——高频用户像他一样掌握的东西，与其余员工能够接触到的东西之间的差距——开始的。

为什么他认为，不安全感而非成本，才是更大的威胁

当被要求对自己在向数百名员工推广 AI 时遇到的问题进行排序时，Jenkins 并没有先谈成本。他提到需要主动管理的三种力量：inefficiency、inequality，以及他反复提及的 insecurity。

Jenkins 说，他为公司里的每个人都通过 vibe-coding 权限成为构建者而感到自豪，但这种变化在人类层面上也带来了冲击。

“[Token overspend] really not the problem, but it could easily be the excuse,” Jenkins 说。他描述自己只是因为学会了如何做，就在领导团队各部门内部主动构建工具和自动化流程，并观察到对方的反应逐渐变得不安。“他们中有一个人来找我说，‘This put me on edge. I should be coming to you with these things. I’ve got to catch up. I feel so behind.’”

他表示，这种动态在多个管理层级中不断重演：“Am I doing my job? Am I keeping up? Will this replace my job? Will this replace my team members?”

他还指出，在部门层面也出现了类似的焦虑，其根源在于工具使用权的不平等。公司最初向全员推出 ChatGPT，随后又为约 50 名集中在销售和营销部门的员工引入了更昂贵的 Claude——这引发了被排除在外团队的反弹。“People were like, wait a minute, why don’t I have Claude? Why do they get that and we don’t get that?” 他说。“That’s an inequality.”

Jenkins 认为，这种焦虑最终对公司文化的侵蚀，远比任何一张失控账单更严重，因为它会影响员工是否真正使用这些工具——或者因为恐惧而悄悄抵触它们。

为人和代理绘制组织架构图

Jenkins 说，Maxio 的应对方式是结构性的。整个高管团队都经历了一次正式的组织设计流程，每位高管不仅要梳理自己部门下属的人员，也要梳理这些人如今直接管理的 AI 代理。结果是一张字面意义上的混合组织架构图——人的名字与代理功能叠加在一起——公司把它当作一份动态的管理文档。

公司还扩大了 DevOps 组织，专门治理越来越多由员工自行构建、以非正式方式编写的内部工具——业内人士把这类软件称为“vibe-coded”软件——这些工具虽然起初只是边项目，却已经成为业务的支柱部分。“It can’t just be with Tim that vibe-coded it on the weekend,” Jenkins 说，并指出如果构建关键内部工具的员工离职或生病，就会带来连续性风险，同时还存在安全性和可扩展性尚未解决的问题。

在他看来，更大的财务故事并不是偶尔四位数的 token 超支，而是公司底层用工数学的变化。Jenkins 说，公司的人数增长不再像过去那样随着收入同步扩张，从而推高了 annual recurring revenue per employee——他认为这比更显眼、但相对较小的 token 账单，更能清楚反映 AI 对成本结构的真实影响。

“我不是说我们要因为 AI 而大幅裁员，但我们的员工人数不应该再以以前那样的速度增长，” Jenkins 说。“这对我们的业务是一个很大的变化，而且这一切都归因于 AI。” 他也同意，晚餐时偶尔跳出 $1,000 的 token 消耗，就像你必须支付的一种税——一个 AI 代理同事只是误解了这份工作的真正含义。

Jenkins 说，他并不认为这些足以成为退缩的理由。“Right now there’s so much good that outweighs a lot of this,” 他说，并认为 AI 采用带来的效率提升足够大，因此偶尔的浪费、由幻觉驱动的偏航，甚至四位数的意外账单，不过都是抵达那里所必须付出的代价。工程负责人在第一次听到 Jenkins 的省 token 技巧时，把这些建议轻轻带过，告诉他公司“not at the level of we’re spending more on A.I. than [on] people, because there are examples of that out there. We’re nowhere close to that.” Jenkins 说自己并不反对——但他坚信那一天会到来。“It probably will be a thing.”

在这篇报道中，Fortune 记者使用生成式 AI 作为研究工具。编辑在发表前核实了信息准确性。

本报道最初刊载于 Fortune.com