德勤咨询主管尼古拉斯·梅里齐表示，"最大化Token使用"这一策略从新奇概念，到成为最受追捧的手段，再到演变为难以控制的局面，前后不过六个月。

许多企业在2025年及2026年初采用的"AI万能论"思维，如今已带来高昂的代价。

"在CFO们甚至还未将这笔支出纳入视野之前，账单就已经打来，损失已经造成，"梅里齐说。

据多位顾问和专家向CIO Dive表示，AI支出上涨只是近几个月来推动企业采取更务实部署方式的因素之一。联邦与全球科技政策的转向，叠加员工对AI的接受度不及预期，使得这项技术在2026年的落地愈发困难。

Gartner高级总监分析师威尔·萨默表示："并非所有人都需要使用这些系统，也并非所有工作流程都需要引入AI。"

企业确实从AI中获得了一定收益，但节省成本的效果并不如预期。SAP近期的一份报告显示，AI的使用并未为企业节省开支，但确实帮助员工产生洞察、辅助决策并改善了客户互动。

对于那些花费数百万将AI嵌入工作流程、同时深知AI成本只会持续上涨的企业而言，这是一个残酷的现实——Gartner近期预测，AI模型及平台的支出将比去年增长63%，达到640亿美元。

尽管AI服务商表示基础模型成本正在改善、运营效率也在提升，但萨默指出，这并不是全貌。随着模型性能的提升，其运营成本也会随之升高。诸如智能体等复杂应用场景，单次查询所需的Token数量可达早期模型的三至五倍。

"顶级AI实验室所推出的模型，对Token的消耗增速超过了其降价速度，"萨默说。

他表示，Token成本非但没有下降，差距反而在拉大。模型能力升级与Token消耗增加所带来的成本压力，将很快超过企业通过AI效率所节省的成本——若非已然如此。

梅里齐还指出，供应商碎片化、定价模式不统一以及持续的价格波动，是企业面临的额外成本挑战。高管们正在争论如何界定AI的价值，而随着技术真实成本逐渐显现，找到这一答案也愈发迫切。

"如何将支出与业务结果挂钩，对我们很多客户来说目前仍处于摸索阶段，"梅里齐说。

就大多数企业所处的AI发展阶段而言，CIO应能将一定比例的Token消耗与营收增长、客户体验提升或团队工作效率和质量的改善挂钩。

"如果你做不到这一点，就应该及时调整，转向成本更低的模型或替代方案，"梅里齐说。

政策监管层面的新变局

尽管美国AI服务商及其用户在大部分发展历程中都未受政府监管，但2026年开启了监管的新纪元。

今年5月，美国总统唐纳德·特朗普签署行政令，建立针对前沿AI模型的自愿性审查机制，要求在模型向公众发布前评估其安全漏洞。该机制旨在筛查AI模型存在的国家安全风险，例如Anthropic于4月披露的Claude Mythos所引发的担忧。

科技咨询公司100 Mile Strategies董事总经理杰夫·勒表示："特朗普政府的整体基调是大踏步推进创新，某种程度上带有反华色彩。而现在它意识到，'我们拥有这些工具，却不知道该如何管控它们。'"

AI带来的国家安全风险是此前其他技术所不具备的。勒表示，它为各国政府和外部行为者在数字行动与实体操作层面提供了更多手段，也由此给企业带来了更多风险。

欧盟《人工智能法案》的核心透明度规则和一般监管权力本月正式生效，涵盖不可接受用例的禁止条款及AI素养义务，适用于所有希望在欧洲开展业务的AI公司。

部分AI实验室已着手提前应对监管。OpenAI于5月发布了《前沿治理框架》，对公司安全与安保实践进行了说明，并表示计划与各州及全球新兴AI法规保持一致。

民主与技术中心首席技术官、AI治理实验室主任米兰达·博根表示，这一政策格局是许多企业此前从未涉足过的领域。作出审慎决策既耗费成本又消耗时间，而瞬息万变的环境也带来了许多企业不愿面对的风险因素。

"政策环境极度动荡，"博根说，"问题不仅在于不确定性本身，更在于某家机构是否会在毫无预兆的情况下，因从事看似正常的商业活动而突然成为政策制定者的打击对象。"

博根表示，企业对AI模型的制度化审查有着强烈需求，因为它们普遍风险厌恶。但特朗普的行政令仅审查少数最新模型及大多数企业不会立即采用的风险因素。博根认为，欧盟《人工智能法案》将给企业带来更为直接的影响，因为合规要求目前仍存在大量不确定性。

"机构在这方面谨慎行事是合理的，"博根说。

员工能力跟不上，AI落地难

Forrester副总裁兼首席分析师J.P.高恩德表示，人是AI成功落地的关键。

然而，CIO对员工的期望与员工实际能力之间存在巨大落差。Forrester 2025年对企业AI使用情况的调查发现，在信息工作者中，仅有16%对AI工具有较高的理解水平，而有43%的人面临误用风险。

"这意味着他们在工作中其实并没有准备好使用AI，但当他们真正使用时，又会给组织带来风险，"高恩德说。

Forrester还发现，不足半数受访信息工作者表示，他们清楚何时应该质疑AI的输出结果；42%的受访者表示，他们有时会因伦理、隐私或业务风险而不使用AI。

员工反映，由于缺乏对AI部署方式和时机的掌控感，他们对自主系统感到个人层面的风险，进而主动限制使用。据CompTIA数据显示，即便在使用AI的情况下，职业人士将AI用于业务工作的比例也仅占总使用量的四分之一。

"员工普遍存在的理解不足、技能欠缺和伦理缺失，是企业不仅难以成功推行AI，还难以实现良好业务成果、正向投资回报以及当前所有挑战的重大障碍，"高恩德说。

他指出，高管层预期与员工技能之间的失衡，通常是机构性的结构问题。在企业内部，大多数员工并非技术人员，也未能获得充分的资源来学习这一新的岗位技能。大多数公司跳过了真正将AI融入组织所需的系统性变革和员工培训环节。

AI今年已成为大量裁员的导火索，但高恩德认为，那些认为可以用AI智能体替代岗位的高管，预期过于乐观。大多数员工使用AI是为了辅助完成部分任务，而非取代整个岗位。

"AI正在为那些与AI本身无关的财务驱动型裁员背锅，"高恩德说，"AI真的还没有准备好做那些工作。"

如何夺回主动权

面对AI成本结构变化、监管趋严和员工能力不足等多重挑战，CIO可以通过以下方式重新掌握主动权。

萨默表示，首先，技术管理者需要清晰掌握自身Token消耗状况。为控制成本，可以将通用AI模型替换为更具针对性的垂直领域模型或开源模型，也可以调整模型的运行方式，例如通过调节延迟来提升使用效率。

CIO还可以调整模型的使用权限，限制循环调用次数，或设定谁可以在何时运行模型。最后，企业应针对AI的运营优势，对实际工作流程进行相应改造。

"如果AI支出波动较大且超出预期，问题可能并不真正出在模型上，"萨默说，"症结或许在于，人类理解问题的方式与AI解决问题的方式之间存在错位。"

勒表示，对于尚未明确AI商业应用场景、也未确定如何衡量AI成效的高管，应当先收缩投入，待厘清上述问题后再行推进。同时，他们也需要对员工的实际能力有清醒认识。

"在CIO的视角下，要全面把握各层级员工究竟真正理解和使用了多少，这非常困难，"勒说，"这既涉及教育，也涉及对所有人的再培训。"

高恩德表示，每个组织——即便是AI早期采用者或技术原生型团队——都需要提升员工的AI知识储备，才能实现正向投资回报。

他建议企业不要依赖在线自助培训，而应专门安排时间，通过面向非技术员工的沙盒黑客马拉松等方式，学习如何借助AI解决实际问题。他强调，不应要求员工在业余时间自学AI技能。

他山之石：谨慎前行，但不能停步

如今，"不用AI就出局"的悬崖式冲刺心态已成过去，这一点十分清晰，勒说。这项技术目前成本高昂、风险较大、距离无缝集成仍有距离，无法继续充当许多企业以为触手可及的"魔法棒"。

但这并不意味着AI会就此退场。在加速还是踩刹车的抉择之间，勒表示企业仍将继续踩下油门。

"如果你踩刹车，将付出代价。踩油门，若能建立足够的监督、问责与合规机制来有效管理，你或许能处于更有利的位置，"勒说，"但这是一个充满风险的节点。希望当你冲到悬崖边缘时，已经长出了足够的翅膀，可以飞翔。"

Q&A

Q1：企业AI部署的Token成本为什么越来越高？

A：随着AI模型性能不断提升，其运营成本也在同步上涨。尤其是智能体等复杂应用，单次查询所需Token数量可达早期模型的三到五倍。Gartner分析师指出，顶级AI实验室推出的模型对Token的消耗增速，已超过其降价速度。叠加供应商定价不统一、价格持续波动等因素，企业的AI账单正在快速膨胀，不少CFO在意识到问题之前损失已经造成。

Q2：欧盟《人工智能法案》对企业有哪些影响？

A：欧盟《人工智能法案》的核心透明度规则已于近期正式生效，涵盖禁止不可接受用例和AI素养义务等要求，适用于所有希望在欧洲开展业务的AI公司。由于合规标准目前仍存在大量不确定性，企业面临较高的合规成本和决策压力。专家建议，机构在欧盟法规方面应谨慎行事，避免因"正常商业活动"意外触发监管风险。

Q3：企业员工的AI使用能力现状如何？

A：Forrester 2025年调查显示，信息工作者中仅有16%对AI工具有较高理解，而43%面临误用风险。不足半数受访者清楚何时应质疑AI输出，42%因伦理或隐私顾虑而有时放弃使用AI。员工普遍缺乏足够的培训资源，企业也多跳过了系统性的组织变革。专家建议通过沙盒黑客马拉松等实践方式提升员工AI技能，而非依赖在线自助培训。