AI 被視為企業提升效率、降低成本的重要工具，但隨著越來越多公司大規模導入生成式 AI，新的問題也浮上檯面：人力成本看似下降，AI 使用成本卻快速膨脹，甚至讓企業難以衡量真正的投資報酬率。
據外媒報導，Uber 今年便遇上典型案例。該公司 CTO 發現，原本規劃給全年使用的 AI 工具預算，竟在前四個月就幾乎用盡。Uber 去年底導入 Claude Code 後，內部工程師使用率相當高，約 95% 工程師每月都會使用相關工具，部分程式碼提交也來自 AI 輔助生成。然而，驚人的使用率也伴隨高昂帳單，每位工程師每月 API 調用費約落在 500 至 2000 美元之間，甚至同一名工程師在不同日期的使用成本可相差十倍。
問題在於，AI 帶來的支出暴增，並未清楚轉換成可量化的產品成效。Uber COO Andrew Macdonald 也曾在播客中坦言，目前 token 消耗與真正交付給使用者的功能之間，尚未建立明確關聯。換句話說，公司確實花了錢，工程師也確實利用 AI 寫出更多程式碼，但這些投入到底讓用戶體驗提升多少、帶來多少新功能或商業價值，仍難以回答。
這也反映企業導入 AI 的第一個困境：若全面讓員工使用 AI，效率似乎提升，但成本很快失控；若選擇用 AI 取代人力，則未必真的創造更高價值。
研究機構 Gartner 近期針對 350 家年收入超過 10 億美元的全球企業進行調查，結果顯示，約 80% 企業在部署 AI 後都有裁員行動。不過，調查也指出，裁員比例與 AI 投資報酬率之間並沒有明顯相關。裁員較多的企業，並不一定比裁員較少的公司獲得更高回報。
這項結果凸顯 AI 裁員的矛盾。裁員確實能短期降低人事支出，讓財報數字看起來更精簡，但省下來的成本不等於新的業務價值。Gartner 的觀點也指出，裁員可以釋放預算，卻不會自動創造成長。對許多企業而言，AI 裁員有時更像是一種對外訊號，代表公司正在跟上 AI 浪潮、提升營運效率，藉此回應投資人與董事會期待。
另一方面，生成式 AI 的收費模式，也讓傳統企業預算管理面臨挑戰。過去企業軟體多採按席位收費，每位員工一年多少費用，成本相對可預測。但 AI 工具多以 token 或 API 使用量計價，用多少算多少，且不同員工、不同任務的消耗差異極大。這意味著企業很難在年初準確預估全年 AI 支出。
這種模式就像企業從固定月費會員制，突然改成每次使用都要付費的服務。員工用得越多，公司支出越高；但若限制使用，又可能擔心落後競爭對手。企業因此陷入兩難：不用 AI，怕錯過效率革命；大量使用 AI，又擔心帳單失控。
當企業將預算從員工薪資轉向 AI 工具，真正受益者可能是模型與基礎設施公司。Anthropic、OpenAI 等 AI 公司營收快速成長，正是建立在大量企業用戶持續購買 API、模型服務與算力資源之上。過去淘金熱中，最賺錢的不一定是淘金者，而是賣鏟子的人；如今 AI 產業裡，API、token 與算力，正成為新的「鏟子」。
因此，AI 並非單純替企業省錢，而是在改變企業花錢的方式。過去企業把錢花在人力、薪資與組織培養上，如今部分預算轉向模型、token 與雲端算力。對企業來說，真正重要的問題不再是「有沒有導入 AI」，而是能否建立清楚的成本控管與成效評估機制。
AI 確實有機會提升效率，也可能催生新的工作型態，例如 AI 協調員、模型營運、資料治理等職位。但在此之前，企業若只把 AI 視為裁員工具或形象工程，恐怕會陷入「人裁掉了、成本沒降下來、價值也沒長出來」的尷尬局面。AI 增效的真正考驗，並不是花多少 token，而是這些 token 最後能否轉化成可被使用者感受到的產品與服務。
