AI 被 CFO 按住计算器：企业开始给 token 对账

烧掉 AI 预算的，未必是写代码写到飞起的工程师。

404 Media 拿到的埃森哲内部会议录音里，反常点就在这里：不少 token 消耗来自非技术员工。任务也不神秘，PDF 转图片、转 Markdown、转幻灯片，都是办公室日常小活。

这事的重点不是“AI 没用”。重点是企业终于发现，AI 不是免费复印机。过去喊“大家都用起来”，现在 CFO、COO、CIO 开始追问：这些 token，换回了什么？

发生了什么：AI 账单开始从座位费变成用量费

录音中，埃森哲 agentic AI strategy lead Justice Kwak 提到，公司内部看到的情况是，token consumption 并不主要由工程师推动，很多来自 non-engineers。

他还提到，企业从简单聊天机器人，扩展到 agentic workflows、Copilot、Claude Code、Codex 这类工具后，AI 支出正在变得更接近成本结构里的实项，也更难预测。

几个信号放在一起看，变化已经很清楚：

这里不能夸大。材料没有给出埃森哲内部具体支出数字，也不能证明企业 AI 需求崩盘。

它至少说明一件事：AI 已经用到足够广，广到财务部门不能再把它当创新试验费用处理。

为什么重要：全员使用 AI，天然会撞上预算墙

过去企业买 SaaS，常见逻辑是按座位数付费。买多少账号，预算大致可控。

AI 工具不一样。它越来越像电表。

一次提问、一次长文档处理、一次代码生成、一次 agent 后台调用，都可能转成 token 消耗。模型越会干活，越可能多走几步；上下文越长，账单越难看；流程越自动，消耗越不容易被员工感知。

这就是管理难点。

员工看到的是“顺手”。财务看到的是“无边界”。业务主管看到的是“可能省时间”，但很难立刻说清省了多少、值多少钱、能不能复用。

非技术员工用 AI 做 PDF 转幻灯片，不该被简单骂成浪费。有些活确实能省时间，尤其是格式转换、初稿整理、资料归纳。

问题在于，低价值任务和高价值任务会混在同一个账单里。没有项目标签，没有预算上限，没有产出归因，最后只能一起挨刀。

对 CFO 来说，下一步不是喊停 AI，而是延后采购、压缩额度、要求供应商给出更细的用量报表。

对 IT 和技术管理层来说，麻烦更具体：要给不同团队设置配额，要区分模型档位，要把高成本工具接入审批流程，还要解释为什么同样是“用 AI”，销售整理 PDF 和工程师跑 Claude Code 不该用同一套规则。

这就是 AI 普及后的第一道硬门槛：不是会不会用，而是能不能对账。

接下来观察什么：token 能否和业务价值挂钩

我不太买账的是那种顺滑叙事：工具越多，效率越高，企业自然会买单。

企业不会永远为“看起来先进”付费。尤其当 AI 从聊天机器人进入 agentic workflows，成本就不再是一个简单的软件订阅项，而是持续消耗项。

接下来最该看两个变量。

第一，企业能不能把 token 消耗打到具体业务上。哪个部门用了，哪个项目用了，替代了多少人工时间，产出了什么可复用结果。回答不上来，预算就会被统一收紧。

第二，供应商能不能提供更可控的成本结构。固定额度、分层模型、调用上限、审计报表、项目级结算，都会变得比“模型又强了多少”更重要。

“天下熙熙，皆为利来。”这句话放在这里很准。

埃森哲一边推动员工和客户采用 AI，一边准备推出 Token IQ 这类成本治理产品，并不矛盾。AI 普及到一定程度，新生意就会从“帮你上 AI”变成“帮你别把预算烧糊”。

历史上也不是第一次。电力进入工厂后，老板不会只问机器能不能转，还会装电表、算班次、改流程。互联网广告兴起后，企业也从“投放越多越好”，走到按转化率、获客成本、留存回收期算账。

AI 现在走到类似位置。不完全一样，但权力结构很像：技术部门负责兴奋，业务部门负责使用，财务部门负责踩刹车。

这次不是 AI 泡沫破裂的证据。至少目前只能看到成本治理压力上升，看不到需求崩盘。

更准确的判断是：AI 从“文化运动”进入“预算纪律”。

很多公司过去把 AI adoption 当成口号：不用就落后，用得多就先进。启动阶段，这种口号有效。规模化阶段，它会制造误判。

因为组织里最容易扩张的，往往不是高价值流程，而是低摩擦消耗。

真正成熟的企业 AI，不是让每个人无限制地问模型。它要进入能算账的流程：低价值任务用便宜模型，高价值任务给足上下文，关键流程留下审计记录，超额使用必须能解释业务收益。

开头那个反常点，其实正是答案。

烧钱的不是某个神奇场景，而是日常。AI 最大的成本风险，也藏在日常。