AI賬單與生產力幻象（黃岳永）
在生成式人工智能（GenAI）迅速滲透企業營運初期，管理層的想法相當單純：員工用AI不夠多，便會落後於同儕，進而被市場淘汰。公司於是購置工具、舉辦培訓、設立指標，甚至以「不用AI終被取代」作為口號。以使用量作為過渡性指標，本無可厚非──未曾打開工具，自然談不上提升效率。
然而，當「使用」本身成為目標，問題亦隨之而來。部分企業開始追蹤Token（詞元）消耗，設立排行榜，把高用量等同於「AI原生」。市場甚至出現「Tokenmaxxing」一詞，彷彿消耗愈多，轉型愈成功。這種指標很快流於形式：拉長提詞、反覆生成內容、多代理互評互改，把原本數分鐘的人手工作，包裝成一場計算密集的流程。畫面上忙碌非常，賬單亦同樣「亮麗」，惟產出未必更佳。
這其實是管理學的老問題：當指標變成目標，人們優化的便是數字，而非價值。Token用量或能證明「有用過AI」，卻無法證明決策更準、產品更快、客戶體驗更好，或收入有所提升。正如工廠不會因耗電上升而宣稱生產力提高，企業亦難以僅憑算力消耗，推論營運效率的改善。
要知道Token是投入，不是成果。更值得留意的是供應端的誘因。晶片、雲端與模型供應商，天然傾向鼓勵更高用量，其商業邏輯與企業的成本效益未必一致。對賣方有利之事，對買方未必同樣成立。
當企業由聊天機械人邁向自主或半自主的AI代理，成本結構更見複雜。代理在背景中可規劃、檢索、調用工具、生成與測試程式、修正錯誤、再迭代等多重步驟；用戶眼中只是「完成一項任務」，實際上卻可能消耗數百以至數千步運算。研究亦顯示，代理式任務的Token消耗可遠高於傳統問答，而更高成本並不必然帶來更高準確度。昂貴的過程，未必是更好的過程。
於是，「以AI取代人手」的賬目，其實不止於模型訂閱。企業還需承擔雲端與儲存、系統整合、網絡安全與權限、數據清理、關鍵輸出的人工審核、錯誤與幻覺修正、法律合規、代理與流程維護，以及多供應商之間的協調成本。若每一份重要內容仍須人手把關，工作未必消失，只是把人手轉為監督、審核與風險控制等形態；這端員工支出有所減少，但另一端又新增一項員工支出。
與此同時，另一個假設亦開始動搖：是否每項工作都需要最強的Frontier Model？自2025年起，多個較低成本模型相繼湧現，能力不斷提升。它們未必在所有基準測試上匹敵頂尖模型，但對大量企業日常應用而言，「夠用」往往已足以支撐業務。商業決策講求邊際效益，「世界最強」不必然等同「最合適」。
企業AI轉型，衡量標準應回到基本面：客戶體驗是否改善、決策是否更準確、產品是否更快上市、員工是否投放於更高價值工作、重大錯誤是否減少、整體新增收益或節省是否高於系統總成本。試錯仍屬必要，但終須進入有紀律的部署與評估。AI轉型的分水嶺，不在於「用得更多」，而在於「用得其所」。
更多黃岳永文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
