驯服AI代币陷阱：运营总监和采买总监如何控制增长最快的外部支出类别

驯服AI代币陷阱运营总监和采买总监如何控制增长最快的外部支出类别© Oliver Wyman2 核心论点过去的经验表明，这一转型可能会带来痛苦。 许多迹象表明，人工智能可能正沿着与云服务采用类似的路径发展。与供应商的持续讨论让人联想到十年前的情景。支出增长迅速，且管理严重不足。尽管人工智能的实施尚处于早期阶段，但关键依赖关系和经济表现恶化可能最早只需几年时间。预期的收益或许无法完全如今，人工智能的成本往往失控——组织内没有人掌握全局，也无法真正掌控其真实成本。 挑战在于，在不扼杀创新的前提下，如何控制人工智能快速增长的成本。人工智能正成为一个独特且快速增长的外部支出类别，正在改变着每家组织。 残酷的现实是，大多数公司尚未准备好管理这场转型。全球范围内，收养（或指“采用”）AI技术已呈加速态势。 当前的核心挑战在于如何扩大AI的规模应用，同时避免其成本失控。这需要建立跨多个成本项目的可见性、控制力及商业纪律，这些成本项目包括多个业务单元试点、SaaS附加组件、模型订阅、使用量、云基础设施以及转型预算，还有AI赋能服务合同。尚未全无希望。 Oliver Wyman近期强调了COO和CPO如何利用人工智能来优化其职能内的采购流程和运营模式。采购部门通过实施人工智能将获得的知识，应能使COO和CPO在人工智能的采纳中发挥核心作用，帮助整个组织将同样的透明度和纪律应用于所有人工智能成本。具体来说，尤其是目前这些收益是基于假设而非可衡量的。若要企业将 AI 的潜在用例优势转化为实际影响，AI 管理至关重要。 这需要让 AI 成本透明化，管理需求，通过模型分层来控制访问权限和消耗，协商供应商经济条款，并确保捕获生产力提升带来的收益。© Oliver Wyman3 AI powered capabilities embedded inSaaS, cloud,professionalservices, andIT contractsAlready visible price increase trends, highlylikely to risehigher inthe future Cloud compute, integration, orchestration, security, governance, implementation services  Sharp increase, correlated to number of use cases and the size of the user population Tokens, application programming interface calls, agent actionsOverall increase due to sharp volume increase, by the token unit price reduction (for foundation models)Seats, subscriptions, enterpriselicensesMore thana three-fold, year-over-year increase in employee AI subscriptions +++= 图1：总AI成本公式奥利弗·怀曼分析访问使用赋能总计人工智能成本供应商保费谁能访问人工智能？多少人工智能用户消耗？需要什么让人工智能安全运行规模化吗？供应商提供什么？内置人工智能收费现有产品服务？内容趋势并非完全抵消我们常常将AI成本误认为是仅限于token的费用。 实际上，总AI成本公式融合了其他影响因素，这些因素会显著影响总成本线，尤其是在AI应用规模扩大之后。除了访问和使用成本之外，总AI成本还包括安全与赋能成本，嵌入在其他要素中的供应商溢价（例如SaaS附加服务和云服务），以及专业服务（参见附表1）。1 Gartner新闻中心，Gartner®表示，2026年全球人工智能支出总额将达到2. 5万亿美元，2026年1月。Gartner是Gartner, Inc.和/或其附属公司的商标。早期解释：AI实际上成本是多少？根据 Gartner® 咨询公司发布的报告1，预计到2026年，全球人工智能支出总额将达到2. 52万亿美元，同比增长44%。我们觉得这一数字融合了多种性质差异显著的要素，而这些要素很大程度上是由外部供应商驱动的。© Oliver Wyman4 对于管理层而言，混合定价模式带来了复杂的挑战。 要有效管理成本，就需要针对每个组成部分采取不同的控制措施。许可证需要权限管理。代币和API调用需要消耗治理。基础设施成本管理需要架构和云端的纪律性。数据使用管理需要执行权利和再利用规则。服务成本管理需要控制范围。最后但同样重要的是，要探究基础模型中内含的溢价，需要应对商业挑战。基础模型相对的“黑箱”性质意味着，组织可能仅对AI定价结构中嵌入的溢价有有限的理解。 这种不透明带来的风险可能导致成本控制失效，因为它限制了买方有效质疑已发生成本的能力。• 人工智能成本需作为独立的支出类别进行管理，而非仅仅是组织内一系列孤立采购的总和 • 由于该挑战具有全局性，首席采购官需要协助塑造人工智能支出类别的议程人工智能的管理方式需要与以往的技术实施略有不同：对于企业客户而言，转向混合收入模式最重要的因素是混合定价模式所带来的商业曝光机会。 企业需要意识到，虽然他们可能通过座位费支付访问权限，但一旦AI嵌入工作流程，他们也可能会产生可变使用成本。买家越快将人工智能视为一个完整的支出类别越好，因为人工智能的使用范围正在急剧增长，而供应商格局和定价模式都在快速演变。 在不久的将来，影响、塑造和控制支出的机会窗口可能会关闭。透明度正在降低，因为提供 AI 基础模型的供应商正将其定价模式从纯粹的按座次访问模式转向混合式变现。 访问通常通过订阅来定价，而规模使用则通过代币、API 调用、代理、上下文和计算费用进行变现。对于购买者而言，这意味着 AI 支出不再像固定的 SaaS 许可证那样，而更像是一种云服务式的消费类别。© Oliver Wyman5 1 2 3 4 5 人工智能成本高度分散——涉及预算、供应商、试点项目、续订和使用模式。买方往往缺乏基准、使用预测、成本效益分析或可信的替代方案。弱控制有限的谈判筹码控制成本需要关注五个主要挑战：低能见度规格管理不善过时的定价模式传统的定价结构往往无法体现由人工智能驱动的生产效率和基于消费的成本。或绩效激励，阻止了买方充分实现人工智能带来的经济效益当前，在组织迅速投身于人工智能及其成本，且所处环境变化极快的形势下，大多数企业尚未实施充分的成本控制也就不足为奇了。 这项任务十分紧迫。人工智能（AI）支出目前正随着使用量的指数级加速而快速增长，这对代币价格产生了混合效应，并且由于按使用量计价已成为常态，现在给客户带来了更大的通胀风险敞口。人工智能定价仍然不透明。 当前价格演变呈现非对称性，人工智能使用单位价格下降的同时，接入和嵌入式价格却在上涨。当人工智能支出失控时用户获得超出其使用场景所需的高级功能、更高型号等级或访