公开动态与原创分析 · 消息日期： · 消息来源
Menlo Ventures在11月3日发布的2026年企业AI报告里，给出了一组比市场规模更值得采购负责人细看的数字：受访企业今年AI支出平均达到去年的4.7倍，原计划为1.9倍；实际支出的中位数是2.2倍，对应计划为1.8倍。支出超过预期，但均值与中位数的差距也提示，不能用一个平均数替每家企业决定明年的预算。
报告基于Morning Consult在9月对近400名美国企业决策者开展的调查。Menlo同时是一家AI领域投资机构，这份报告有其样本和研究视角。上述结果可以帮助企业提出问题，不能直接当作中国某个行业的采购标准，更不能据此推算采用AI后能获得多少回报。
对企业而言，重要的问题是：超出的费用究竟买到了新增工作量、更好的处理结果，还是尚未整理清楚的尝试？这三种情况可能同时出现，却需要不同的预算决定。看到支出上升就一律压缩，会误伤有用的工作；看到使用量增长就继续追加，也可能把没有用途的产出长期保留下来。
预算为什么容易低估工作量
按员工数估算的软件预算相对容易理解：有多少账号、每个账号多少钱，通常就能得到一个起点。按使用量付费的AI服务，还会受到任务次数、材料长度、工具调用和反复修改的影响。即使使用人数没有变化，同一批人把工作范围扩大，费用也会继续增加。固定价产品与用量计费产品应分别看待，不能用一种估算方法覆盖全部采购。
拿销售团队准备客户简报来说。以下是一个用于讨论预算的假设：最初要求整理客户官网和已有联系记录，后来又增加竞品比较、招标信息、管理层动向和多语言版本。每项增加看起来都有道理，合在一起却已成为另一种研究任务。如果仍沿用最初的单份费用预期，超预算未必说明模型变贵，也可能是企业从未正式决定研究要做到多深。
这会影响采购双方的约定。可以先把一份简报必须回答的问题、可使用的资料与结束条件写清楚，额外研究由销售按机会重要性申请。常规客户只需要下一次会谈的背景；重要商机可能值得更深入的研究。把两者放在同一个无限扩展的任务里，既看不出成本差异，也难以解释为什么有的简报需要更久。
费用波动也可能来自重复劳动。资料缺失导致反复寻找，任务中断后从头开始，内容虽然生成却没人使用，这些情况都值得单独记录。仅凭账单不能判断它们占多大比例，因此不应预先给出一个“浪费率”。管理者需要的是能追到具体任务的记录，以及业务人员对成果是否有用的反馈。
哪些工作值得继续投入
讨论下一笔预算时，可以从已经交到岗位手里的成果开始。仍以客户简报为例：销售是否采用了其中的问题，是否因此补齐了必要资料，哪些内容需要重做，哪些研究虽然准确却与本次会谈无关。把这些情况和研究投入放在一起，才有理由扩大某类任务或缩减某个环节。
需要谨慎的是把员工估算的节省时间直接算成现金收益。一个人少做了一小时资料搜集，并不自动意味着工资成本下降；时间用于更多客户沟通，可能更有意义，但仍要看是否实际发生。对收入的影响则更难归因，客户成交还受产品、价格和销售过程影响。预算讨论可以认可时间与质量的改善，同时保留这些不同结果之间的距离。
墨客云的数字员工方案也应接受同样的判断。以官网说明中的客户资料整理与知识检索为依据，项目可以围绕一份附来源的客户简报约定交付，让销售指出哪些问题帮助了下一次会谈。实际材料、授权访问、运行费用与人工复核需要在项目环境中确认。产品介绍能说明拟承担的工作，无法替代一次真实任务的投入和使用记录。
有时，最合适的改进是减少AI工作量。如果客户背景数周没有重要变化，沿用已确认的简报并补充新增信息，可能比每天重做全文更合理。如果任务只是按明确规则填入几个已知数据，表格或普通自动化也可能足够。选择这些办法不会降低项目价值；把昂贵的处理留给确实需要理解与判断的部分，才更容易持续使用。
给试验和日常使用不同的预算
试验阶段需要容许探索，否则团队很难发现原先没想到的用途。但探索费用应该能被识别出来，和已经稳定交付的日常任务分开讨论。某次试验没有产生可用成果，可以结束并保留发现；不必为了证明采购正确，把每个尝试都转成长期运行。
日常任务则需要一个可解释的费用范围。预算负责人可以围绕预计工作量、质量要求与例外情况安排资金，再为临时的重要任务保留空间。限制过紧，可能使一项接近完成的工作被迫中断；完全放开，又容易让新增研究在无人作决定的情况下持续累积。规则应允许负责人看见偏离并选择继续、缩小范围或停止。
Menlo的数字提供了一个审视预算假设的契机。对正在扩大AI使用的企业，更有说服力的追加理由是已经确认的业务用途，以及完成这些工作所需的投入。全行业花了多少钱，可以作为背景；下一笔钱花在哪里，仍应从企业自己的工作和结果里找依据。
消息来源
- Menlo Ventures: 2026 The State of Enterprise AI
原文发布: · 查阅日期:
本页内容由 墨客云AI（南京薄幕软件科技有限公司）发布与维护。 咨询与场景诊断预约：180-1290-1065 · neo@mokyun.com
