随着企业在AI部署上日趋成熟，并加大对先前技术投资的力度，高管们面临的压力已达到白热化程度。

2026年初是“tokenmaxxing”的时代，即尽可能多地使用AI计算单元以显得高效。但近几个月，AI供应商从固定费率订阅转向基于消费定价的趋势明显加快。

德勤咨询负责人Nicholas Merizzi表示，最大化token使用从新奇概念演变为最耀眼的策略，再到难以管理的局面，仅用了六个月时间。

许多企业在2025年及2026年采用的“万事皆用AI”心态，如今带来了更大的价格标签。

“在CFO们甚至还没来得及将其纳入雷达之前，账单和损失就已经造成了，”Merizzi说。

顾问和专家告诉CIO Dive，AI支出上升只是近几个月企业采取更务实AI部署方法的因素之一。联邦和全球技术政策的变化，加上员工采用AI的情况不理想，使得2026年AI部署更加困难。

“并非每个人都需要访问这些系统，”Gartner高级总监分析师Will Sommer说，“也并非每个工作流都需要使用AI。”

成本呈指数级增长

企业报告称从AI中获得了收益，但并未获得预期的成本节省。最近一份SAP报告发现，使用AI并未为企业节省资金，但确实帮助员工创造洞察、做出决策并与客户互动。

对于花费数百万美元将技术嵌入工作流的企业来说，这是一个严峻的现实，而且他们知道AI成本只会增长——Gartner最近预测，AI模型和平台支出将比去年增长63%，达到640亿美元。

尽管AI供应商报告称基础模型成本正在改善，运营效率也在提高，但这并非全貌，Sommer说。随着模型进步，其运营成本也更高。复杂用途，如代理模型或代理，单次查询所需的token可能是早期模型的三到五倍。

“领先AI实验室生产的模型对token的渴求速度超过了它们降价的速度，”Sommer说。

Token成本并未下降，而是在扩大，他说。模型能力和token消耗增加带来的成本上升，将很快超过企业从AI效率中找到的任何成本节省——如果还没有超过的话，Sommer说。

供应商碎片化、不一致的定价模型和持续的价格波动是企业面临的额外成本挑战，Merizzi说。高管们正在争论如何定义AI价值，但随着技术真实成本显现，找到价值变得越来越重要。

“将支出与业务成果联系起来的能力，对我们许多客户来说仍在发展中，”Merizzi说。

在大多数公司的AI生命周期中，CIO应该能够将部分token与收入增长、客户体验的积极差异或团队工作的速度和质量的提升联系起来。

“如果你做不到，就应该进行调整，使用成本更低的模型和替代方案，”Merizzi说。

AI政策转变

尽管美国AI供应商及其使用企业在技术生命周期的大部分时间里大多免受政府监管，但2026年开启了新的监管时代。

唐纳德·特朗普总统于5月签署了一项行政命令，建立对前沿AI模型的自愿审查，以在公开发布前评估安全漏洞。该命令旨在筛查AI模型的国家安全担忧，例如Anthropic在4月发布的Claude Mythos所引发的担忧。

“特朗普政府在推进创新方面基本上是全力加速，带有某种反华视角，”科技咨询公司100 Mile Strategies管理负责人Jeff Le说，“而现在它意识到，‘哦，我们有这些不知道如何控制的工具。’”

AI以先前技术未曾有过的方式带来了国家安全风险。Le说，它让政府和外国行为者在数字活动和物理操作方面有了更多访问和选择。在此过程中，它也为企业带来了更多风险。

欧盟AI法案的核心透明度规则和一般监督权力已于本月早些时候生效，适用于所有希望在欧洲运营的AI公司。该法案包括对不可接受用例的禁令和AI素养义务。

一些AI实验室一直在努力走在法规前面。OpenAI在5月发布了其前沿治理框架，展示了公司的安全实践。该公司表示计划与新兴的州和全球AI法规保持一致。

政策环境是许多公司以前从未需要应对的，民主与技术中心首席技术官兼AI治理实验室主任Miranda Bogen说。做出明智决策既昂贵又耗时，她说，不断变化的条件带来了许多公司不愿应对的风险因素。

“政策环境如此动荡，”Bogen说，“这不仅关乎不确定性，还关乎一个机构是否会因为做了看似正常业务的事情而意外成为政策制定者的目标。”

企业渴望对AI模型进行制度化审查，因为它们厌恶风险，Bogen说。但特朗普的行政命令审查的是大多数企业不会立即采用的最新型号和风险因素的狭窄范围。欧盟AI法案可能会给企业带来更直接的后果，因为围绕合规的样貌仍有很多不确定性，Bogen说。

“机构在那里谨慎行事是有道理的，”Bogen说。

提升员工技能

人是成功采用AI的关键部分，Forrester副总裁兼首席分析师J.P. Gownder说。

但CIO对员工的期望与现实能力之间存在巨大差距，他说。在2025年一项关于组织如何使用AI的调查中，Forrester发现只有16%的信息工作者对AI工具有高度理解，而43%的人有误解的风险。

“这意味着你并没有真正准备好在工作场所使用AI，但当你使用它时，它会给组织带来风险，”Gownder说。

Forrester还发现，不到一半的受访信息工作者表示他们知道何时质疑AI的输出，42%的人表示有时因伦理、隐私或业务风险而避免使用AI。

员工报告称，由于缺乏对AI部署方式和时间的控制，他们感受到自主系统带来的个人风险。因此，他们限制了自己的使用。当他们使用AI时，业务任务仅占专业人士总AI使用的四分之一，根据CompTIA数据。

“员工普遍缺乏理解、技能和伦理，这不仅是成功采用AI的巨大障碍，也是推动良好成果、积极投资回报以及我们目前面临的所有挑战的巨大障碍，”Gownder说。

高管层期望与员工技能之间的不平衡通常是制度性的，Gownder说。在企业内部，大多数员工不是技术专家，也没有获得适当资源来学习他们角色中的这一新部分。大多数公司跳过了真正嵌入AI并培训员工所需的组织改革。

技术是今年大量裁员的核心，但认为可以用AI代理取代角色的高管期望过高，Gownder说。大多数员工使用AI帮助完成部分任务，而不是做整个工作。

“AI被归咎于与AI无关的金融化裁员，”Gownder说，“AI还没有真正准备好做那项工作。”

IT领导者下一步该怎么做

被不断变化的AI成本结构、法规和劳动力需求压得喘不过气的CIO们，可以从知道有办法重新获得控制权中找到一些安慰。

首先，技术高管需要清楚了解他们的token消耗情况，Sommer说。为了控制成本，他们可以更换为更领域特定的模型或开源模型。他们还可以改变模型的运行方式，调整延迟等因素以获得更高效的利用。

CIO还可以改变谁或什么可以运行模型，调整循环次数，或设置谁可以操作以及何时运行的权限。最后，组织应改变物理工作流，以反映AI的操作优势。

“如果AI支出波动并超出预期，问题可能不在模型本身，”Sommer说，“问题可能在于人类对问题的思考方式与AI实际解决问题的方式不一致。”

不了解业务用例以及如何衡量AI成功的高管应收回投资，直到这些明确为止，Le说。他们还需要对员工能力有现实的了解。

“人们真正理解正在使用和部署的内容有多少？”Le说，“从CIO的角度来看，要全面掌握各级人员的教育和再教育确实很难。”

每个组织——即使是早期采用AI或技术原生的组织——都需要提高员工的AI知识才能看到投资回报，Gownder说。

组织不应依赖在线、按需培训，Gownder说。他建议公司投入时间，通过为非技术员工举办沙盒黑客马拉松来学习如何使用AI解决问题。重要的是，组织不应强迫员工在个人时间学习AI技能，他说。

显然，带着“要么AI，要么灭亡”的心态冲向悬崖边缘的日子已经过去，Le说。技术太昂贵、太冒险、离无缝集成太远，无法继续成为许多公司认为被承诺的魔法。

但它肯定不会消失。在加速或刹车之间选择，Le说公司将继续踩油门。

“如果你刹车，你会受到惩罚。踩油门，如果你能获得足够的监督、问责和合规性来管理它，你可能处于更有利的位置，”Le说，“但这是一个风险点。希望如果你到达悬崖边缘，你已经建造了足够的翅膀可以飞翔。”