公開動態與原創分析 · 消息日期: · 消息來源
Menlo Ventures在11月3日發布的2026年企業AI報告裡，給出了一組比市場規模更值得採購負責人細看的數字：受訪企業今年AI支出平均達到去年的4.7倍，原計畫為1.9倍；實際支出的中位數是2.2倍，對應計畫為1.8倍。支出超過預期，但均值與中位數的差距也提示，不能用一個平均數替每家企業決定明年的預算。
報告基於Morning Consult在9月對近400名美國企業決策者開展的調查。Menlo同時是一家AI領域投資機構，這份報告有其樣本和研究視角。上述結果可以幫助企業提出問題，不能直接當作中國某個行業的採購標準，更不能據此推算採用AI後能獲得多少回報。
對企業而言，重要的問題是：超出的費用究竟買到了新增工作量、更好的處理結果，還是尚未整理清楚的嘗試？這三種情況可能同時出現，卻需要不同的預算決定。看到支出上升就一律壓縮，會誤傷有用的工作；看到使用量增長就繼續追加，也可能把沒有用途的產出長期保留下來。
工作範圍如何影響費用估算
按員工數估算的軟體預算相對容易理解：有多少帳號、每個帳號多少錢，通常就能得到一個起點。按使用量付費的AI服務，還會受到任務次數、材料長度、工具呼叫和反覆修改的影響。即使使用人數沒有變化，同一批人把工作範圍擴大，費用也會繼續增加。固定價產品與用量計費產品應分別看待，不能用一種估算方法覆蓋全部採購。
拿銷售團隊準備客戶簡報來說。以下是一個用於討論預算的假設：最初要求整理客戶官網和已有聯繫紀錄，後來又增加競品比較、招標資訊、管理層動向和多語言版本。每項增加看起來都有道理，合在一起卻已成為另一種研究任務。如果仍沿用最初的單份費用預期，超預算未必說明模型費用增加，也可能是企業從未正式決定研究要做到多深。
這會影響採購雙方的約定。可以先把一份簡報必須回答的問題、可使用的資料與結束條件寫清楚，額外研究由銷售按機會重要性申請。常規客戶只需要下一次會談的背景；重要商機可能值得更深入的研究。把兩者放在同一個無限擴展的任務裡，既看不出成本差異，也難以解釋為什麼有的簡報需要更久。
費用波動也可能來自重複勞動。資料缺失導致反覆尋找，任務中斷後從頭開始，內容雖然生成卻沒人使用，這些情況都值得單獨紀錄。僅憑帳單不能判斷它們佔多大比例，因此不應預先給出一個“浪費率”。管理者需要的是能追到具體任務的紀錄，以及業務人員對成果是否有用的回饋。
從實際成果評估投入
討論下一筆預算時，可以從已經交到崗位手裡的成果開始。仍以客戶簡報為例：銷售是否採用了其中的問題，是否因此補齊了必要資料，哪些內容需要重做，哪些研究雖然準確卻與本次會談無關。把這些情況和研究投入放在一起，才有理由擴大某類任務或縮減某個環節。
需要謹慎的是把員工估算的節省時間直接算成現金收益。一個人少做了一小時資料蒐集，並不自動意味著工資成本下降；時間用於更多客戶溝通，可能更有意義，但仍要看是否實際發生。對收入的影響則更難歸因，客戶成交還受產品、價格和銷售過程影響。預算討論可以認可時間與品質的改善，同時保留這些不同結果之間的距離。
墨客雲的數位員工方案也應接受同樣的判斷。以官網說明中的客戶資料整理與知識檢索為依據，專案可以圍繞一份附來源的客戶簡報約定交付，讓銷售指出哪些問題幫助了下一次會談。實際材料、授權存取、執行費用與人工複核需要在專案環境中確認。產品介紹能說明擬承擔的工作，無法替代一次真實任務的投入和使用紀錄。
有時，最合適的改進是減少AI工作量。如果客戶背景數週沒有重要變化，沿用已確認的簡報並補充新增資訊，可能比每天重做全文更合理。如果任務只是按明確規則填入幾個已知資料，表格或普通自動化也可能足夠。選擇這些辦法不會降低專案價值；把昂貴的處理留給確實需要理解與判斷的部分，才更容易持續使用。
試驗與日常任務的預算安排
試驗階段需要容許探索，否則團隊很難發現原先沒想到的用途。但探索費用應該能被識別出來，和已經穩定交付的日常任務分開討論。某次試驗沒有產生可用成果，可以結束並保留發現；不必為了證明採購正確，把每個嘗試都轉成長期執行。
日常任務則需要一個可解釋的費用範圍。預算負責人可以圍繞預計工作量、品質要求與例外情況安排資金，再為臨時的重要任務保留空間。限制過緊，可能使一項接近完成的工作被迫中斷；完全放開，又容易讓新增研究在無人作決定的情況下持續累積。規則應允許負責人看見偏離並選擇繼續、縮小範圍或停止。
Menlo的數字提供了一個審視預算假設的契機。對正在擴大AI使用的企業，更有說服力的追加理由是已經確認的業務用途，以及完成這些工作所需的投入。全行業花了多少錢，可以作為背景；下一筆錢花在哪裡，仍應從企業自己的工作和結果裡找依據。
消息來源
- Menlo Ventures: 2026 The State of Enterprise AI
原文發布: · 查閱日期:
墨客雲編輯部 · neo@mokyun.com
