AI 为企业自动化的是员工「讨厌的工作」，而不是「赚钱的工作」。
几天前，极客公园报道过在 AI 上押上重注的微软公司，悄悄在内部停止了大部分员工的 Claude Code 许可。
这件事十分诡异，因为这一波 AI 落地的浪潮中，面向企业用户最大的营销点就是「提效」。既然能提效，为什么微软却要停止让员工们使用 Claude Code？
微软并不是唯一一家这么干的，「紧缩 Token 用量」，不再鼓励员工疯狂 Vibe Coding，已经成了硅谷大厂的新风向。
Uber 在四个月内花完了全年的 AI token 预算。Salesforce 每年给 Anthropic 的支票大约是 3 亿美元。某位 AI 顾问透露，他的一个客户单月 AI 支出高达 5 亿美元。Meta 甚至悄悄下线了内部的「tokenmaxxing 排行榜」——那个榜单原本是为了鼓励员工多用 AI 的。
现在，企业们正在做一件几年前想都不敢想的事：
限制、并监视员工使用 AI。
为什么大厂们纷纷转向了？
「Tokenmaxxing」，时代的缩影
要理解今天的成本危机，得先搞清楚「tokenmaxxing」是什么。
这个词大概在 2025 年开始流行，字面意思是「最大化 token 使用量」。它背后是一种管理逻辑——既然公司花大钱买了 AI 工具，员工就应该拼命用，用得越多证明你越「数字化转型」，用得越少就是在浪费资源。于是很多公司设置了使用配额、排行榜、甚至绩效考核，催着员工把 AI 用起来。
结果呢？
员工开始用公司的企业级 AI 模型查天气、写生日祝福、问今天吃什么。
一项针对 2444 家公司的研究发现，企业每花 1 美元在 AI token 上，0.44 美元用于修复 AI 生成的 bug，0.27 美元用于重写 AI 产出的代码，0.11 美元消耗在审查和合并延迟上。
也就是说，每一块钱 AI 采购成本背后，还藏着将近 80% 的隐性损耗。
投资人 Shruti Gandhi 用了一个很准的比喻：「tokenmaxxing 企业，就像靠开着所有的灯来衡量生产力的公司——花更多钱，不等于产出更多。」
更讽刺的是，这些公司大多根本不知道员工在用 AI 做什么，更不知道那些任务的完成，是否因为 AI 而带来任何改变。
这场「烧钱竞赛」从 2024 年烧到了 2025 年，终于在今年集中引爆。JPMorgan 发了一篇措辞严厉的报告，标题直白得让人不舒服——《AI Token 成本正在吞噬互联网利润》。
Shopify、Spotify、ServiceNow、Roku 在财报电话会上纷纷提到，AI 成为运营支出的主要压力来源。行业整体的气氛，开始从「用 AI 多牛」转向「这钱花的到底值不值」。
当 CEO 开始质疑 ROI
仅有 14% 的 CFO 表示能看到 AI 投资有清晰可衡量的回报。
Uber 首席运营官 Andrew Macdonald，在播客里说了一句很坦诚的话——他们发现很难把员工个人生产力的提升，和公司整体的业务影响联系起来。「如果你看不出 AI 帮你向用户推了多少有价值的功能，token 成本就更难为自己辩护。」
这句话点出了企业 AI 困境的核心所在：个人效率提升，不等于公司收益增长。
员工用 AI 写周报快了三倍，但公司营收没有变化。工程师用 AI 生成代码速度翻倍，但代码「流失率」——也就是被抛弃或重写的比例——上升了 800%。
微软前首席 AI 官 Sophia Velastegui 说了一句让很多管理者不舒服的话：「大多数人默认自动化他们不喜欢的任务，而不是对公司最有价值的任务。」
说白了，企业自动化的是员工「讨厌的工作」，而不是「赚钱的工作」。
这不是技术问题，是优先级的问题。也是为什么大约 30% 的生成式 AI 项目，卡在概念验证阶段就被放弃——成本说不清，价值也说不清，老板自然不续费。
Salesforce CEO Marc Benioff 的处理方式颇具代表性。面对每年 3 亿美元的 Anthropic 账单，他的期待是一个「智能路由器」：能判断哪些查询值得用顶级模型，哪些用便宜的小模型就够了。
这个想法本身没什么新奇——早在云计算时代，「按需付费」「资源优化」就是标准操作。但 AI 这波浪潮来得太急，大家先买后想，现在才开始补课。
理性回归，还是寒冬前奏？
微软近期取消了大部分 Claude Code 的企业许可证，官方理由指向成本因素。这件事在业内引发了不小的讨论——毕竟微软自己就是 OpenAI 的最大投资方，同时又在砍竞品的订阅，这里面有多少是成本考量、多少是战略布局，很难说清楚。
但无论如何，它代表了一个信号：企业开始用脚投票了。
Harness 和 CloudZero 几乎在同一天——5 月 28 日——分别发布了 AI 成本管理工具，一个主打实时监控 AI 支出和 ROI，另一个推出「AI 财务控制平面」，帮企业把每一美元的 AI 开销和具体业务成果挂钩。
这两款产品的出现本身就说明问题：市场有需求，而且需求很急迫。
HubSpot 从今年 4 月开始调整 AI 代理的定价模型，不再按 token 收费，改为按「解决的对话数」或「生成的线索数」计费——这是一个方向性的转变，把卖方的利益和买方的实际产出对齐了。ServiceNow 也在做类似的调整。AI 厂商们正在意识到，如果他们继续卖「用量」而不是卖「结果」，企业客户迟早会集体反弹。
这场调整，是 AI 产业化必须经历的阵痛，还是更大危机的序幕？
我倾向于认为是前者。但有一个细节让人有点担心：全球 AI 软件支出预计 2026 年将达到 2.59 万亿美元，同比增长 47%，但与此同时，94% 的工程负责人表示关键 ROI 指标仍然缺失。钱越花越多，但没人知道烧在哪、烧得值不值——这个矛盾如果不解决，下一个「tokenmaxxing 时刻」只是时间问题。
Fortune 杂志的一篇分析说得很直接：「tokenmaxxing 很容易，重新设计工作流程很难。」大多数公司现在做的，是在优化现有流程，而不是重新发明商业模式。这是 AI 真正价值的所在，也是大多数企业还没有到达的地方。
理性回归是好事。但理性回归之后，企业还需要回答一个更难的问题：AI 对我们的业务，到底应该是一把锤子，还是一套新的思维框架？
如果只是用 AI 把旧的工作做得更快，账单总有一天会把你逼回到这个问题面前。
本文来自微信公众号“极客公园”（ID：geekpark），作者：桦林舞王，编辑：靖宇
