CFO严控AI预算：十倍投入仅获两倍回报

科技行业对人工智能的应用，正进入一个更注重实效的阶段。单纯依靠投入算力、堆砌词元就能取胜的时代，或许已经过去。企业管理平台Jellyfish近期公布的数据揭示了一个值得深思的现象：消耗AI词元最多的团队，其最终效率未必最高。

这背后，是一场关于效率与成本的重新权衡。Jellyfish的研究聚焦于编程领域，发现了一个鲜明对比：在使用Claude Code的开发者中，消耗词元最多的前10%人群，其词元使用量可达普通开发者中位数水平的十倍。然而，他们的产出成果仅高出约两倍。

这里需要解释一下“词元”的概念。你可以将其理解为AI模型处理信息时分解出的基本“文字单元”。它既是模型运算的原料，也是当前多数AI服务计费的核心依据——通常按每百万词元计价。

“这个差距已经足够说明问题，”Jellyfish的人工智能与研究主管尼古拉斯·阿尔科拉诺指出，“那种无节制、近乎‘滥用’式的词元消耗，绝非可持续的策略。”他透露，企业的首席财务官们已经开始关注并控制相关成本。“如今在大多数公司，任何开支都需要合理解释。客户希望业务提速，也愿意为AI投资，但前提是每一分钱都必须花在刀刃上，能带来明确价值。”

效率与成本的悖论

Jellyfish的洞察基于对数百家企业、数十万软件工程师行为的分析。其核心结论明确：盲目追求词元消耗量，不仅无法线性转化为实际效益，反而会快速推高企业运营成本。这正将科技行业推向一个新阶段：AI的使用效率，比使用规模更为关键。

阿尔科拉诺比喻道：“即便你能论证AI创造的综合价值高于人工，但一旦词元成本急剧攀升，CFO们审视财务报表时，依然会感到压力。”

数据揭示了这种“高强度”使用的程度。报告显示，Claude Code的高频用户，人均每周词元消耗量高达2.25亿，而平台监测的普通软件工程师，周均消耗量约为3200万。

另一方面，AI的助力效果确实存在。以衡量代码产出的通用指标“合并请求”的数量来看，AI使用率高的团队，其处理量比使用率低的团队高出77%。这似乎形成了一个悖论：使用AI确实更快，但最“重度”的用户，并未获得与之匹配的超额回报。

什么才是正确的衡量标尺？

问题出在衡量标准上。阿尔科拉诺强调，孤立的词元总量是一个充满“噪音”的指标，不足以准确评估工作效率。即使工程师的工作习惯不变，AI模型本身的版本更新，也可能导致处理相同任务所消耗的词元数量发生显著波动。这意味着，开发者的资源消耗速度，并不能真实反映其产出效能。

那么，企业管理者应该关注什么？阿尔科拉诺的建议是，转向以成果为导向的指标，例如“单次代码合并请求的成本”。这比单纯统计总消耗量更有意义。

换言之，通过大量使用AI来提升效率存在明显的“边际效应递减”。公司数据证实，频繁借助AI编程辅助的高活跃用户整体效率更高，但为了获取额外的效率提升，所需投入的成本增幅是不成比例的。

阿尔科拉诺描述了一种典型的低效场景：“有些人不愿在动手前花时间规划最优方案，而是让多个AI智能体以不同方式尝试，最后再挑选最佳结果。这个过程会产生大量无效的工作量和词元消耗。方法或许可行，总成本可能仍低于纯人工开发，但比起事先制定清晰方案，这种方式要浪费得多。”

寻找“甜蜜点”

在阿尔科拉诺看来，理想的路径并非抑制AI使用，而是推动其更广泛、更理性的普及。目标是让更多工程师进入一个“中等合理使用区间”，既避免因使用不足而落后，也杜绝因过度消耗资源造成的浪费。

维持这种适中、高效的AI应用水平，才能将人工智能转化为企业持久的运营优势。这意味着，企业既能稳健地借助AI提升产品交付的速度与质量，又不必为追求微弱的产出增量而陷入成本失控的境地。这场AI效率革命的下半场，理性比狂热更为重要。