的是“错过AI”，那么到了2026年，一个更现实的问题正在出现：AI投入不断增长，回报究竟在哪里？Token不是万能的AI提效已是行业共识。一个典型场景是AI编码，从微软、Meta到腾讯、阿里、百度，AI已贡献可观比例的代码。在会议纪要整理、知识检索、文档生成等办公场景中，AI对于效率提升效果明显。发放一定Token额度，激发员工的创造力、提升工作效率是具有正向意义的举措。它让AI变成每个人的工具，加速了技术在一线业务中的渗透，也培养了一支具备AI协作能力的员工队伍。但为什么一些企业大规模投入AI，却换不来预期中的产出？AI投入与产出严重脱节，根源往往不在技术，而在于如何使用AI。贝恩报告认为，许多企业正陷入一种“基于信仰的豪赌”。企业不断购买新的AI工具，为Copilot、模型授权和云服务买单，却因为内部数据混乱、工作流割裂以及组织协同问题，导致大量项目长期停留在试点阶段，始终无法进入核心业务流程。一位从业者对记者分析，过去两年，不少企业持续增加AI相关预算。但这些预算增长并不完全来自清晰的商业规划，更多源于FOMO（错失恐惧）情绪——担心错过技术浪潮，担心在竞争中落后。于是，大量资金流向模型采购、软件授权、云服务和算力资源。但大家渐渐发现，Token消耗量并不天然对应生产力。如果企业把Token消耗量当KPI、把AI使用率等同于创新力，在不梳理流程和组织的前提下全员投入，再好的工具价值也会被稀释。与此同时，许多企业低估了AI落地背后的工程复杂度。尽管AI能力出色，但将其适配到具体业务场景、与业务流程深度结合，仍需要大量的工程工作：提示词工程、检索增强生成（RAG）调优、输出校验、成本控制、权限管理……这些累活往往被忽略。艾媒咨询CEO张毅在接受第一财经采访时表示，自己在接触不少企业后发现，其中一些只计算了显性的API调用费，却忽视了人工校对、数据治理等隐性成本。还有的将AI大量用于处理低价值的杂活，难以转化为营收或财务报表上的产出。此外，由于缺乏分级限制，低端场景也在滥用高价大模型，导致无效调用激增。归结起来就是：高Token消耗，但降本效果不明显。他分析道，在早期特定阶段，科技大厂以Token消耗量评价员工AI落地成效并绑定绩效，确实有助于鼓励员工融入AI环境。但时间一长，员工可以通过刷数据、堆砌算力制造“表面数字化”，却没有实质业务产出。“所有员工的参与，都
=*=*=*=*=*=
当前为第3/4页
下一页-上一页-
=*=*=*=*=*=
返回新闻列表
返回网站首页