企業AI支出愈用愈多，最後會變生產力還是帳單？

 

AI使用擴大，企業開始重算每項工作的成本

截至今年10月24日，ChatGPT全球每週活躍使用者已突破12億人，超過三分之一的對話訊息與工作直接相關。AI已大量進入日常職場，企業支出也跟著增加。當使用規模從員工自行嘗試，走向部門與全公司的制度化導入，成本管理自然成為下一個課題。

今年10月下旬，聯發科(2454)傳出調整工程師使用AI工具的Token額度。Token可理解為模型處理文字與指令的計價單位，額度調整因此引起產業關注。聯發科回應，公司會依照任務複雜度，自動搭配適合的語言模型，提升Token使用效益，支援持續擴大的內部需求。

這項作法反映企業導入AI後的管理方向。複雜任務可交給能力較強、成本較高的模型；一般整理、分類與摘要，則可使用較精簡的模型。模型分級使用有助於控制浪費，也能避免所有工作都採用最高規格。

 

模型單位成本下降，應用增加推高總帳單

OpenAI東南亞暨台灣大型企業客戶總監王曉凡指出，新一代模型的處理能力提升後，單一運算單位成本可下降約五成至七成五。企業帳單仍可能上升，原因來自可處理的任務種類增加，使用人數與頻率也同步擴大。

所以，Token價格只呈現成本的一個切面。企業更適合計算完成一項工作需要多少時間、模型費用與人力，以及最後產生多少可衡量的成果。我常說，投資要算總報酬；企業評估AI也要算每項任務的完整投入與產出。

員工各自訂閱工具，短期內容易快速普及，長期則可能出現重複付費、資料分散與權限混亂。將個人使用習慣逐步納入企業協作流程，才能看清楚哪些部門節省了工時，哪些專案增加了收入，哪些用途只有新鮮感。

 

AI原生流程先從低投入、高價值任務切入

企業導入AI時，流程設計會影響投資回報。產業專家建議採用AI原生思維，重新整理工作步驟，再決定哪些環節交由模型處理。若只把工具接到原有流程上，重複核對、人工轉貼與部門斷點仍會留下來。

早期導入可從高度重複、附加價值較低的例行工作開始，例如資料整理、文件分類與固定格式的初步彙整。這些任務規則較清楚，節省多少工時也較容易衡量。企業也能運用AI處理過去受技術門檻限制的進階資料分析，擴大原先難以執行的工作範圍。

低投入、高價值的任務較容易在初期建立成果。省下的人力可轉往跨部門協作、策略規劃與需要經驗判斷的工作。AI帶來的價值，最後仍要回到營收、成本、效率與風險等可追蹤項目。

 

FinOps與私有資料治理決定長期效益

成本增加後，企業需要導入FinOps財務營運管理。這套方法會把雲端與運算費用拆分到各部門、專案及使用情境，讓管理者持續比較支出與成果。費用拆到專案層級後，企業才能辨認高效益用途，也能及早處理重複採購與閒置資源。

資安治理同樣需要同步建立。企業可透過行為監控、存取權限審查與機密資料分級，掌握員工把哪些內容交給模型處理。AI使用量擴大時，權限邊界與稽核紀錄會直接影響營運風險。

前科技部部長陳良基提醒，AI演算法迭代速度很快，企業無須持續追逐最新、規模最大的模型。資源可集中於維護與累積高品質私有資料，並建立符合自身營運需求的治理制度。模型會更新，企業資料與工作流程會持續累積。

從投資分析角度看，企業採用AI的規模擴大，只能確認需求正在成長。長期商業效益仍要看任務成本能否量化、流程能否重整、專案費用能否追蹤，以及私有資料與權限管理能否同步成熟。這四項條件，會決定AI支出最後形成生產力，或持續停留在快速增加的帳單上。