尽管Token成本持续下降，但随着使用量加速增长，企业仍在努力应对AI成本管理的挑战。这一转变意味着IT领导者必须重新思考如何在控制预算的同时管理其投资。

根据Flexera的一项研究，AI应用的无序扩张正在加剧企业的成本控制难题。约五分之三的IT专业人士表示，AI超支现象有所增加，而超过三分之二的受访者表示，他们对AI软件的使用情况缺乏可见性。

大型语言模型提供商OpenAI于周二发布了一篇博客文章，概述了企业在智能体时代控制支出、理解AI使用及价值创造的五个步骤。这一行动指南标志着供应商为应对日益增长的AI成本担忧所采取的最新举措。

该公司建议IT领导者应提高对AI使用和支出的可见性，跟踪模型产出结果，纳入治理机制，将AI投资作为更广泛的投资组合进行管理，并在产品价值得到验证后，使产品与需求相匹配。

据这家LLM提供商称，确定AI在组织内创造的整体价值，涉及对节省时间、决策改进程度以及完成任务数量等指标的衡量。

把握AI的价值

尽管企业对AI的信心正在增强，但C-suite高管层对技术价值的认知并非总是一致，成本担忧正逐渐成为高管们关注的首要问题。

根据Protiviti的一项研究，CIO和IT决策者对技术在推动收入增长方面的信心水平，高于CEO和董事会成员。

与此同时，Prudential Financial和Shutterstock等公司正在实施严格的AI成本管理策略。Shutterstock首席技术官兼首席信息安全官Courtney Totten在今年早些时候的FinOps X 2026大会上表示，理解AI成本“不再是可选项，而是业务战略的基础”。

作为最大的前沿AI模型提供商之一，OpenAI建议IT领导者采取五个步骤，以更自信地投资和管理AI使用及支出。

首先，企业领导者应提高对谁在使用AI、使用哪些产品和模型、消耗了多少容量以及这些使用支撑了哪些工作的可见性。

“没有这种可见性，不断增长的账单将难以解读，”OpenAI在博客文章中表示。

其次，更便宜的模型未必总能产生最佳结果，它们可能会失败并重试，从而推高Token使用量。OpenAI建议IT领导者根据模型被要求执行的工作来评估模型，并衡量达成结果的完整成本，包括模型和工具使用、尝试次数以及完成率。

IT领导者可以基于被接受的产出结果来跟踪模型成本，尤其是对于优先工作流而言。

“在客户支持场景中，这可能是一个已解决的案例，”OpenAI称。“在工程领域，这可能是一个通过审查的已测试变更。将该成本与业务价值配对，例如节省的时间、缩短的周期、保护的收入、规避的风险或创造的产能。”

这家LLM提供商还指出，治理应作为“决定哪些AI工作可以扩展的运营层”。

治理应包括明确LLM可以访问哪些上下文、数据、应用程序和工具，以及允许它们采取哪些行动。IT领导者还应指定谁批准LLM的高风险步骤，以及如何为有价值的工作流授予额外容量。

据这家LLM提供商称，虽然企业可以更广泛地授予日常功能访问权限以提升生产力和工作流，但IT领导者也应基于专有信息做出更具战略性的押注。

“最有力的候选者是那些以可观规模重复、具有明确归属、并且可以衡量质量、风险和业务价值的工作流，”OpenAI表示。

最后，在建立了能够产生价值的工作流之后，IT领导者应“将产品、容量和支持模型与其需求相匹配”，OpenAI称。