大厂们开始"省着用"AI了，这转变来得比想象中快很多

最近一个挺有意思的现象：好多大公司开始控制员工用AI了。

微软悄悄停掉了内部大部分员工的Claude Code许可。Uber四个月内就把全年的AI预算花光了。Salesforce每年要付给Anthropic差不多3亿美元。有家公司单月在AI上就烧了5亿美元。Meta更绝，悄悄下线了内部的"tokenmaxxing排行榜"——要知道这个榜单本来是为了鼓励员工多！用！AI！的。

从前两年疯狂催着"用起来用起来"，到现在开始限制、甚至监视员工怎么用AI，这个转变来得比所有人想的都要快。

先说说啥是"tokenmaxxing"

这个词大概是2025年开始流行起来的，简单说就是"把Token用到最大量"。背后逻辑其实挺好理解：公司花大钱买了AI工具嘛，那员工当然得拼命用，用得越多说明公司数字化转型搞得越好。所以很多公司就设了使用配额、搞排行榜，甚至把AI使用量写进绩效考核里，逼着大家多用。

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、或者问"今天中午吃什么"——你能想象这烧的都是公司的钱吗？

有一项针对两千多家公司的调查发现：企业每在AI上花1美元，就有0.44美元是用来修AI自己生成的bug的，0.27美元是重写AI写的代码，还有0.11美元花在审查和合并代码的延迟上。换句话说，每一块钱的AI采购成本背后，还有将近8毛钱的隐性成本藏在里面，根本看不见。

有个投资人说的话挺在理的，他说这些tokenmaxxing公司，就像一家公司靠开着所有灯来证明自己生产力强一样——花更多钱，不等于产出更多，逻辑是断的。

当老板开始问"投了这么多钱到底有啥用"

情况确实不太妙。只有14%的CFO说自己能看到AI投资有清晰可以衡量的回报。

Uber的首席运营官Andrew Macdonald说了句大实话，他说他们发现员工个人效率提升，跟公司整体业务结果根本对不上账。"你要是看不出AI帮你向用户推了多少有价值的功能，那这笔token花得就没法解释。"

他这句话其实把现在企业AI困境的最核心问题点醒了：员工用AI写周报快了，但公司营收没涨啊。工程师用AI写代码速度翻倍了，但代码写了又被扔掉的比例上升了800%。你写了再多代码，最后全白写了，有什么用呢？

微软前首席AI官Sophia Velastegui也说了，大多数人用AI自动化的是他们自己不喜欢干的任务，而不是对公司利益最大化最有价值的任务。公司花大钱自动化的，是员工自己"不想干的活"，不是"真正赚钱的活"。这其实不是什么技术难题，是做决策的顺序出了问题。

现在风向变了，开始从"用得多"转向"结果好"

微软取消Claude Code许可这件事，其实传递了一个很清晰的信号：企业开始用钱投票了。

最近Harness和CloudZero几乎同时发布了AI成本管理工具，一个主打实时监控AI花了多少钱、到底值不值，另一个推出"AI财务控制面板"，帮企业把每一块钱的AI开销都跟具体业务成果挂上钩。HubSpot从4月开始改了定价方式，不再按token收费了，而是按"解决了多少个对话"或者"生成了多少条线索"来收钱，思路完全变了。ServiceNow也在往这个方向走。

AI厂商们慢慢也明白过来了：你们一直按用量卖，不按结果卖，企业客户迟早要翻脸。

最后说两句

Fortune杂志有篇分析说得挺直接：tokenmaxxing很容易，重新设计工作流程才是真的难。现在大多数公司做的事都是在用AI优化现有的流程，而不是重新发明商业模式。但后者才是AI真正价值所在，也是大多数企业还没走到的地方。

理性回归当然是好事。但回归之后，每个公司还得面对一个更难的问题：AI对你的业务来说，到底就是一个更好用的工具，还是一种全新的思维方式？

如果只是用AI把以前那些活干得更快，那账单总有一天会把你逼回到这个问题前面。等到那一天真来了，谁想明白了这个问题的答案，谁就能在下一轮竞争里活下来。