過去幾年，生成式AI快速崛起，許多企業擔心錯過技術浪潮，紛紛投入AI工具與平台。從客服系統、文件管理、程式開發到市場分析，幾乎所有部門都開始導入AI。市場普遍認為，AI將如同當年的網際網路與雲端運算一樣，成為企業競爭力的重要基礎。當企業大規模使用AI之後，一個過去較少被討論的問題逐漸浮現，也就是Token成本失控。

近期國際顧問公司Accenture便要求部分員工減少不必要的AI使用。管理階層發現，大量員工使用AI執行簡單工作，例如將PDF轉換成簡報、整理會議紀錄、格式化文件或進行基礎資料查詢。這些看似微不足道的操作，在數萬名員工同時使用的情況下，累積出驚人的Token支出。Accenture內部主管甚至直接指出，企業目前看到的是AI Token成本快速上升的現象，而非對應比例的生產力提升。

Uber的案例更加具有代表性。根據多家媒體報導，Uber原本編列的2026年AI開發預算，在短短4個月內便已消耗殆盡。公司將Claude Code等AI程式開發工具開放給約5,000名工程師使用，結果AI支出遠超預期。最後管理階層不得不限制員工使用額度，並重新檢討AI工具的採購與管理方式。更值得注意的是，Uber高層公開表示，目前仍看不出大量Token消耗與產品成功之間存在明確關聯。

類似情況也出現在微軟。部分部門曾經積極導入Claude Code等AI開發工具，但由於使用量快速增加，相關授權成本超出預期，最後不得不重新評估授權策略與使用規範。企業管理者開始發現，AI的問題不在於單價昂貴，而在於使用量成長速度遠遠超過預期。

旅遊平台Priceline同樣面臨類似挑戰。根據企業資訊主管分享的經驗，原本的AI工具續約報價竟比前一年度高出4至5倍。原因並非模型價格上漲，而是企業內部使用量快速增加，使得整體帳單持續擴大。

這些案例顯示，AI產業正在從「授權經濟」進入「消耗經濟」。過去企業購買軟體，多半採用固定授權模式。企業每年支付固定費用後，成本大致可以預測。生成式AI則完全不同。無論是輸入資料、生成內容、執行分析或啟動AI代理人，每一次操作都會消耗Token。當使用規模擴大後，成本將呈現非線性成長。

瑞銀近期訪談多家大型企業資訊主管後發現，約60%的企業已開始限制AI支出。部分企業建立Token預算制度，部分企業限制高成本模型使用權限，也有企業減少AI工具數量，以避免年度預算失控。這代表市場正在從追求使用量成長，轉向追求投資報酬率。

這種現象背後反映的是AI產業的根本矛盾。過去幾年，OpenAI、Anthropic、Google、Meta等企業透過補貼與低價策略快速擴大市場規模。大量投資人願意投入資金，是因為相信未來企業將願意支付更高價格使用AI服務。當市場進入實際營運階段後，企業開始要求證明AI是否真的創造價值。

企業管理者真正關心的問題其實很簡單。如果每月花費100萬元購買AI服務，能否創造超過100萬元的效益。如果答案無法被證明，再先進的模型也難以長期獲得企業支持。

從目前發展趨勢來看，AI產業已經進入第二階段競爭。第一階段比的是模型能力與市場聲量。第二階段比的則是成本效率與商業價值。未來勝出的企業不一定擁有最大的模型，而是能夠以最低成本創造最大價值的企業。

這對台灣企業具有重要啟示。過去兩年許多企業將AI視為數位轉型的象徵，只要導入AI似乎就代表企業具有創新能力。未來這種思維將逐漸失效。企業需要建立新的管理能力，也就是AI財務治理能力。

企業在導入AI時，應建立明確的Token預算制度，針對不同部門設定使用上限。高成本模型應優先用於高價值工作，例如研發、策略分析或技術開發。行政文書、資料整理與一般查詢則可採用成本較低的小型模型或開源模型。所有AI專案都應建立投資報酬率指標，包括節省工時、增加營收、降低錯誤率與提升客戶滿意度等具體成果。

未來企業競爭力的差異，可能不在於誰擁有最多AI工具，而在於誰最懂得管理AI成本。過去企業管理水電費、設備折舊與雲端資源，未來還要管理Token消耗。董事會、財務長與資訊長必須共同參與AI治理，因為AI已經不只是技術議題，而是經營管理議題。

AI技術仍然具有改變世界的潛力，但市場已經開始進入現實階段。當企業開始逐筆檢查AI帳單，當財務部門開始追蹤每一個Token的支出，產業競爭的焦點將從技術神話回到商業本質。真正重要的問題不再是企業用了多少AI，而是企業透過AI創造了多少價值。

（文章僅代表作者觀點，不代表Newtalk新聞立場。）