麥肯錫喺2026年8月25日發佈嘅《2026年AI現狀》（The State of AI in 2026: On the road to ROI）同相關分析，向企業潑咗盆冷水：隨住AI由簡單嘅聊天模型轉向能自主完成多步任務嘅智能體（Agent），企業AI支出快速上升，且成本波動遠高於預期。同一項任務喺唔同智能體或唔同執行路徑下，費用差距最高可達30倍。大約三分之一組織已經將超過10%嘅技術同通訊預算投入AI，六成受訪者計劃明年繼續加碼，近五分之一坦言AI運營成本已開始限制使用。企業正面臨「越用越貴、未必帶嚟相稱回報」嘅現實考驗。

詳細情況

麥肯錫調查顯示，大型企業喺智能體部署上走得較快：年營收超過10億美元嘅組織中，有40%報告正喺規模化使用AI智能體（上年為27%），而細規模組織嘅比例基本持平。用作編碼嘅智能體已經比較常見，約兩成受訪者（喺大型企業中達31%）正喺規模化應用。近三成組織甚至因為可用嘅智能體編碼工具而自行開發，放棄購買部分軟件產品或功能。

成本壓力核心係智能體同聊天式AI嘅本質分別。聊天模型主要係生成文本，token消耗較可控；但智能體需要規劃、調用工具、觀察結果、反覆修正，通常經歷多輪推理同外部互動。麥肯錫指出，不同智能體或同一智能體嘅唔同執行路徑，完成相同任務嘅成本波動可達30倍。麥肯錫高級合夥人Lari Hämäläinen形容：「想像你喺營運一項業務，但每日成本可能相差30倍。」

呢種波動來自任務路徑嘅不確定性、模型選擇、推理深度、多智能體協作方式，以至人工覆核比例。用於編碼嘅智能體尤其食token，成為帳單敏感區。同時，大約20%受訪者表示AI相關運營成本（包括token）已經限制到使用，儘管大多數企業仍計劃增加投入。

報告亦承認智能體嘅效率潛力：喺部分轉型辦公室嘅任務中，智能體可將人工時間縮短35%–40%，有時甚至超過70%。關鍵係企業能否準確衡量「節省時間同產出價值」能否覆蓋其高度波動嘅運行成本。目前，淨有約6%受訪者屬於「AI高績效者」（AI對EBIT貢獻明顯且達5%以上），企業級財務影響比例同上年基本持平，顯示規模化價值轉化仍落後於投入嘅熱情。

可能影響

1. 從「可唔可以用」轉向「用得起、算得清」

企業唔可以再淨係以「能力強」作為選型標準，必須建立任務級成本核算同ROI評估。若同一目標存在30倍成本差異，系統架構（單一智能體 vs 多智能體）、模型路由、快取策略同人工介入閾值將成為核心治理議題。傳統IT預算模式難以直接套用，AI FinOps（AI成本運營）可能成為新嘅剛需。

2. 編碼與自動化場景首當其衝

軟件開發團隊大量使用編碼智能體，token消耗高且路徑多變，帳單最易失控。部分公司已經開始設置使用限額。企業需分清「適合由智能體全權處理」同「只適合做輔助」嘅任務，避免喺低價值環節過度消耗算力。

3. 投資熱情與回報落差可能加劇

六成企業計劃加碼AI，但真正帶來顯著EBIT貢獻嘅比例仍然偏低。若成本持續上升而價值驗證不足，董事會同財務部門可能會收緊預算，導致部分試點被叫停或降級。高績效組織同普通組織嘅差距或會進一步擴大。

4. 供應商與架構選擇受影響

更平、可預測嘅模型同平台將更受青睞；能提供清晰成本可視化、