根據《CFO Dive》近期報導，在企業積極將人工智慧（AI）技術整合至日常營運的浪潮中，大約有六成受訪企業在過去一年遭遇了AI相關支出超出預期或預算的窘境，其中更有三分之二因此面臨自由現金流減少或可支配支出縮減的負面財務衝擊。
AI 專案預算失控的財務黑洞
這場由AI引發的財務考驗正在全球企業上演。報導指出，超支的AI專案平均超出預算幅度高達 24%，甚至有 21% 的專案超支超過 30%。儘管財務長在重大 AI 投資審判流程中的參與度，已從一年前的 42% 提升至目前的 52%，但成本失控的痛點依舊沒有獲得根本緩解。
更令人擔憂的是投資報酬率的失衡。過去兩年獲得資金挹注的AI專案中，平均僅有不到一半（49%）實現了原先預期的價值。更嚴峻的是，僅有 15% 的企業能夠真正把 AI 投資與具體的獲利能力成果完全連結，顯示多數組織仍深陷「砸重金卻不見回報」的迷思之中。
多模型策略與代理程式帶來的隱形成本
造成成本失控的原因，除了盲目投入外，還包含了日益複雜的技術架構。超過六成的高階主管預期，企業在未來 12 個月內將會採行多模型 AI 策略，這無疑讓原本就已經繁複的成本管理更加雪上加霜。特別是當企業導入能自主執行任務的智慧型軟體代理程式（AI agents）時，更容易產生無法預測的開銷。
根據《Search IT Operations》的分析指出，單一任務隨時可能觸發重複的模型呼叫，或是連動其他 agents 運作，進而大量消耗運算資源與大型語言模型處理資訊最小單位的 Token。如果沒有妥善的監管機制，企業往往要等到帳單寄來的那一刻，才會驚覺營運成本已經大幅超支。
從產業面來看，當前的 AI 導入潮正在從「技術展示」走向「成本核算」的殘酷現實。過去企業常把 AI 當作純粹的IT採購，忽略了它其實是一組需要精算經濟成果的投資組合。如果財務長無法在專案初期就掌握包含人力監督與治理在內的間接成本，並且缺乏對供應商「可觀察性」的要求，盲目追求多模型與自主代理程式只會讓現金流持續失血。
從價值矩陣到成本控制的實務解方
面對棘手的 AI 成本管理，專家提出了具體的應對框架。Capgemini Invent 執行長 Volker Darius 認為，企業必須同時衡量成本、品質與商業價值，並針對不同任務選擇最適合的模型，同時將人為監督的成本納入考量。Forrester Research 首席分析師 Kevin Ogunsua 則建議，透過設定 AI agents 的使用限制、要求供應商負責，以及將支出與業務成果緊密連結，才能有效控制開支。
具體的成本控制與評估方法包含以下幾個關鍵方向：
- 運用「價值矩陣」從財務成果與影響槓桿兩個維度來定義AI的真實價值。
- 利用「Big T framework」分析 Token 消耗，在收到帳單前掌握成本概況。
- 落實縮小請求規模、利用快取、減少模型呼叫次數等技術優化。
- 要求供應商提供更高的可觀察性，以便準確編列預算。
話說回來，技術的價值從來不由工具本身決定，而是取決於它為組織創造了多少實質效益。當 AI 成本不再是黑盒子，企業學會精準管理每一分錢的投入與產出，這場技術革命才能真正轉化為長期的競爭優勢，而不是財務報表上揮之不去的沉重負擔。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
為什麼大多數企業的 AI 專案會出現嚴重超支？
根據外媒報導，約六成受訪企業的 AI 支出超出預期，主因在於缺乏全面的成本視角、半數企業在未充分掌握完整成本前便批准支出，再加上多模型策略與 AI 代理程式（AI agents）帶來無法預測的 Token 消耗與重複呼叫。
財務長在 AI 投資決策中的角色有什麼改變？
財務長在重大 AI 投資審批流程中的參與度已從一年前的 42% 提升至目前的 52%，但多數財務長對於估算人力監督、治理等間接成本，以及擴大採用 AI後的成本預測能力，仍顯得信心不足。
企業該如何有效控制與管理 AI 的營運成本？
企業可透過設定 AI agents 使用限制、運用「價值矩陣」定義價值、使用「Big T framework」分析 Token 消耗、縮小請求規模、利用快取，並要求供應商提供更高的可觀察性來精準掌控預算。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
