跨行业这篇主要帮你做:01 信号Signal

Oliver Wyman:智能体让 AI 账单在运行时才定,预算既要能叫停,也要说得清钱花在哪,还要看收益进没进损益表

作者 Runwise 增长研究院 · 审核 Jackie Pan · AI 整理 · 编辑审核 · 发布 2026-11-17 · 实质复核 2026-11-18 · 下次复核 2027-05-17 · 阅读 11 分钟

Oliver Wyman:The economics of agentic AI: Obsolescence, why agents set the meter, and how executives fund and value what they buy 封面
原报告封面 · 点击查看原文

智能体上线后,AI 预算为什么容易提前用完,该怎么管?

报告认为,花多少由智能体在运行时自己决定,按人头或单点估计做的预算必然失准。它建议在规模化之前建好请求标签、单个智能体的上限和熔断,再按 P50/P90 区间做预算,用单位结果成本和流失率判断值不值。我们建议先在两三个负载上试四周。

30 秒看懂

报告认为按人头和单点估计做的 AI 预算已经失效;它的调查显示,已把智能体投入日常运营的 CIO 多数设了上限,而全部 CIO 中能按团队看清消耗的只有三成。我们建议先在两三个智能体负载上试四周,再决定预算怎么改。

  • 54%预算提前用完已经在发生已把智能体投入日常运营的 CIO 中,54% 的 AI 预算提前用完。第 9 页
  • 22%按分布封顶做预算的只有两成22% 的 CIO 按分布做预算并自动执行硬上限,25% 仍用单点估计。第 18 页
  • 45%近半 CEO 说收益很少进损益表45% 的 CEO 说已获得的收益只有很少部分成了可确认的价值。第 29 页
本页目录

关键事实

出处:Oliver Wyman:The economics of agentic AI(2026年10月)

  • 54%已把智能体投入日常运营的 CIO 中,54% 的人 AI 预算提前用完第 9 页
  • 63%已把智能体投入日常运营的 CIO 中 63% 设了单个智能体的上限和熔断开关;全部 CIO 中只有 30% 能按团队和负载看到消耗第 16 页
  • 1,000 倍报告引用 Bai 等人在一个软件工程基准上的测量:智能体任务消耗的 token 约为同等对话的 1,000 倍,同一任务重复运行的差距最高 30 倍第 4 页
  • 22%4% 的 CIO 没有用例级运行成本预测,25% 用单点估计,49% 做区间预测但不强制封顶,22% 按分布做预算并自动执行硬上限第 18 页
  • 40% 对 51%40% 的 CEO 为效益到来前的低谷投了钱并承诺全周期支持,51% 投了钱但没有确保全周期支持;12% 的 CIO 说低谷投入有被直接砍掉的风险第 11 页
  • 61% 对 4%61% 的 CEO 认为收益主要来自重造工作方式和治理数据,4% 认为来自购买最好的工具和模型;29% 的 CEO 为平台、数据和变革单独圈出资金,60% 增加了 AI 支出但没有圈定第 11 页
  • 78%78% 的 CIO 不衡量任务收益与交付价值之间的流失率,73% 不把隐性的转型成本加到 token 账单上第 12 页
  • 45%22% 的 CIO 衡量任务收益与交付价值之间的流失率,45% 的 CEO 说目前获得的收益只有很少部分进入损益表、成为可确认的价值第 29 页
  • 74% 对 48%74% 的 CEO 预计未来两到三年年度生产率提升超过 10%,48% 的 CIO 拿到的资金对应 1% 到 10% 的目标;40% 的 CIO 说 CEO 的期望超过 20%第 35 页
  • 34% 对 57%34% 的 CEO 为被释放的产能指定了高管负责人,57% 预计没人负责也会完成重新安排;CIO 方面 41% 指定了负责人,45% 没有;只有 18% 的 CIO 在成本负责人这一项达到成熟阶段第 33 页
其余 18 条口径与补充事实
  • 全部受访 CIO 中,30% 能按团队和工作负载看到 token 消耗,30% 仍按席位或全职人数做预算,40% 按消耗做预算但看不到分团队、分负载的数据 第 9 页
  • 报告引用的同一基准测量中,智能体任务的输入与输出 token 之比约 150:1,对话场景接近持平 第 17 页
  • 报告建模示意:一封邮件约 0.5k token、约 0.01 美元,一份 50 页的分析约 37k token、约 0.2 美元,一次 4 小时的智能体运行约 700k token、约 9 美元 估计 第 18 页
  • 报告的示意价格里,最便宜一档到前沿一档的模型输出价格相差约 60 倍 估计 第 21 页
  • 报告引用 Epoch AI:自 2023年起同等性能的成本每年下降约 13 倍,按能力节点不同每年下降 9 到 900 倍;引用 Gundlach 等人:运行最新前沿模型的价格每年上涨 3 到 18 倍 第 19 页
  • 53% 的 CEO 预计智能体 AI 会作为有意的投入推高 IT 成本,43% 预计大体持平、在内部重新分配 第 19 页
  • 已把智能体投入日常运营的 CIO 中,略超一半按统一策略把请求发给达标的最便宜模型,42% 由各团队或临时决定,4% 全部发给一个前沿模型 第 20 页
  • 第 23 页的图写按统一策略路由到达标的最便宜模型的比例为 54% 第 23 页
  • 成熟度自评的六个维度中有四个以起步阶段占比最大,包括成本归属 46%、强制控制 51%、费率管理 53%,没有一个维度的成熟比例达到五分之一 第 12 页
  • 45% 的 CIO 说价值局限在孤立的试点里,3% 在企业层面的损益表上看到了价值 第 30 页
  • 期望与可证明价值对比图:22% 的 CIO 衡量流失率,45% 的 CEO 说收益很少进入损益表,48% 的 CIO 资金对应 1% 到 10% 的目标,74% 的 CEO 预计年增幅超过 10% 第 31 页
  • 6% 的 CIO 对外部交付能力主要按结果付费,28% 仍主要按席位或工时付费 第 33 页
  • 62% 的 CIO 在发布层面衡量工程产出,29% 仍只看提交或代码量 第 35 页
  • 已把智能体投入日常运营的 CIO 中,一半估计更换主要基础模型要 21 到 60 个工程师日 第 22 页
  • 第 34 页写 51% 的 CEO 为低谷投钱但没有确保全周期支持,7% 让低谷投入面临被直接砍掉的风险 第 34 页
  • 已把智能体投入日常运营的 CIO 共 48 人;全部受访 CIO 130 人,运行成本预算一题 126 人 第 23 页
  • CEO 样本 70 人(损益转化一题 69 人),CIO 样本 130 人 第 31 页
  • 报告称其能力、治理和指标框架基于对 200 位高管的调查和客户项目 公司说 第 17 页

报告卡片

发布机构
Oliver Wyman(奥纬咨询)
发布日期
原报告没有写日期,本文按官网同名 PDF 的文件日期推定为 2026-10-15(官网列出它的文章页标 2026-10-19);调查时间为 2026年7月,调查数据的日期按月末 2026-07-31 记
样本与方法
Oliver Wyman 2026年 CEO 与技术负责人平行调查:CEO 70 人,CIO 130 人,其中 48 位已把智能体投入日常运营;token 消耗数字是报告引用的 Bai 等人 2026年基准测量,单任务成本和模型价格是报告的建模示意
原文
Oliver Wyman 官网文章页(英文),页面上可下载 PDF;本文页码为交来的 PDF 物理页序号,共 39 页
结论有效期
6 个月,2027-05-17 前复核

01 信号Signal报告里最重要的变化:AI 预算的单位从人头变成了 token

报告认为,过去按全职人数和席位编 IT 预算的做法,在智能体面前失效了:账单由智能体在运行时决定,批预算时根本定不下来。报告给出的依据是,在已把智能体投入日常运营的 CIO 中,54% 的人 AI 预算提前用完。

看得见消耗的企业也不多。全部受访 CIO 中,30% 能按团队和工作负载看到 token 消耗,30% 仍按席位或全职人数做预算,最大的一组 40% 已经按消耗做预算,却看不到分团队、分负载的数据。

报告还指出一个反直觉的现象:同等能力的单价在跌,总账单却在涨,因为用量往最新的前沿模型迁移,那里的价格跌得慢。报告引用 Epoch AI 的数据,自 2023年起同等性能的成本每年下降约 13 倍;又引用 Gundlach 等人的测量,运行最新前沿模型的价格每年上涨 3 到 18 倍。CEO 也大多按这个方向做打算:53% 预计智能体 AI 会作为有意的投入推高 IT 成本,43% 预计大体持平、在内部重新分配。

Deflation and rising bills are true simultaneously.

出处:Oliver Wyman:The economics of agentic AI(2026年10月) · 第 11 页

(引文大意:单价下降和账单上涨同时成立。)

按消耗做预算的企业,多数看不到分团队数据
010203040按席位做预算按消耗无细分按消耗可细分30%40%30%010203040按席位做预算按消耗无细分按消耗可细分30%40%30%

来源:Oliver Wyman:The economics of agentic AI(2026年10月) · 第 9 页 · 数据截至 2026-07-31

数据表
按消耗做预算的企业,多数看不到分团队数据
项目占全部受访 CIO 的比例
按席位做预算30%
按消耗无细分40%
按消耗可细分30%

02 拆解Structure原因:报告认为与我们认为

报告把预算失准归到一个原因上:花多少由智能体运行时的分支、重试和工具调用决定;我们同意这个机制,但它的测量证据来自编程类任务,推到别的负载上要先用自己的数据验证。

报告的调查显示,多数预算还没按这个机制编:4% 的 CIO 没有用例级的运行成本预测,25% 仍用单点估计,49% 做区间预测但不强制封顶,22% 按分布做预算并自动执行硬上限。报告的建模示意也说明了跨度:同一个主流模型按标价算,一封邮件约 0.5k token、约 0.01 美元,一份 50 页的分析约 37k token、约 0.2 美元,一次 4 小时的智能体运行约 700k token、约 9 美元。

报告的另一个判断是,控制做得比归属快。已把智能体投入日常运营的 CIO 中,63% 设了单个智能体的上限和熔断开关;全部 CIO 中只有 30% 能按团队和负载看到消耗。报告把这概括为能叫停支出,却说不清钱花在哪。最强的手段是路由:略超一半的 CIO 已按统一策略把请求发给达标的最便宜模型,42% 仍由各团队或临时决定;报告的示意价格里,最便宜一档到前沿一档相差约 60 倍。

Most organizations can stop spend but cannot explain spend

出处:Oliver Wyman:The economics of agentic AI(2026年10月) · 第 16 页

(引文大意:多数企业能叫停支出,却说不清钱花在哪。)

报告认为

报告认为,智能体会分支、重试、调用工具、派生子任务,所以“自己决定”用多少算力。报告引用 Bai 等人在一个软件工程基准上的测量:智能体任务消耗的 token 约为同等对话的 1,000 倍,同一任务重复运行的差距最高 30 倍;智能体每一步都会重读累积的上下文,输入与输出 token 之比约 150:1。成本因此是一个右尾很长的分布,风险在尾部而不在均值,而且模型会系统性地低估自己的消耗,所以只有强制上限才算财务控制。

我们认为

我们认为机制成立,但数字不能直接搬:1,000 倍和 30 倍都来自编程任务,客服问答、文档摘要这类步骤固定的负载,尾部是否也这么长,报告没有测。要检验,就给自己的每次请求打上标签,记两周同一类任务的 token 消耗,算 P90 和 P50 的比值:比值在两倍以内,单点估计加缓冲还够用;比值越大,越需要按区间做预算并设硬上限。这更适合已经让智能体自主跑多步任务的企业;只买了按席位计费的办公助手的企业,眼下预算风险不在这里。

按分布做预算并设硬上限的 CIO 只占两成多
012.52537.550无用例级预测单点估计区间预测不封顶分布加硬上限4%25%49%22%012.52537.550无用例级预测区间预测不封顶4%25%49%22%

来源:Oliver Wyman:The economics of agentic AI(2026年10月) · 第 18 页 · 数据截至 2026-07-31

数据表
按分布做预算并设硬上限的 CIO 只占两成多
项目占受访 CIO 的比例
无用例级预测4%
单点估计25%
区间预测不封顶49%
分布加硬上限22%

03 选项Options对行业意味着什么:IT 管控制,财务管价值,CEO 管低谷

报告说,任务层面的效率提升大多在到达利润之前就流失了。22% 的 CIO 衡量任务收益与交付价值之间的流失率,45% 的 CEO 说目前获得的收益只有很少部分进入损益表、成为可确认的价值。期望和能证明的东西差得更远:74% 的 CEO 预计未来两到三年年度生产率提升超过 10%,而 48% 的 CIO 拿到的资金只对应 1% 到 10% 的目标。这四个比例出自不同人群和不同题目(CEO 70 人,CIO 130 人),只能各看各的,不能当成同一个指标比较。

报告认为,收益来自重造流程,不来自买工具,但钱没有跟着这个判断走:61% 的 CEO 认为收益主要来自重造工作方式和治理数据,只有 4% 认为来自购买最好的工具和模型;可是只有 29% 的 CEO 为平台、数据和变革单独圈出了资金,60% 增加了 AI 支出却没有圈定。下表左列是角色,右列先写报告的建议,再写我们的补充。

报告的消耗测量来自编程任务,它举的单位结果是解决的工单、处理完的理赔和通过的代码变更。我们认为最先碰到这个问题的是两类场景:一是让编程智能体自主改代码的软件团队,消耗的尾部最长;二是客服工单、保险理赔这类按件计量的流程,最容易算出单位结果成本。要检验,就比较这两类负载和其他负载的 P90 与 P50 之比,以及能否按件算出成本。

CIO报告建议:把单个智能体的上限、熔断、降级到便宜模型、请求打标签和统一成本账本做成平台服务,在规模化之前上线。我们补充:先做打标签,报告说这是上线后最难补的一项,没有它,上限只能挡住超支,解释不了超支。
CFO报告建议:按用例做 P50/P90 区间预算,在 P90 以上设自动执行的硬上限;先做费用展示,等预测稳定再分摊到部门;用单位结果成本和流失率作为每个 AI 立项的门槛。我们补充:立项前先量基线,否则流失率无从算起。
CEO 与执委会报告建议:把效益到来前的低谷写进计划,按投资来资助,不在第一次成本冲高时就砍。我们补充:同时约定什么情况下才算该停,例如流失率连续几个季度不改善,避免“保护低谷”变成无限期投入。
业务负责人报告建议:被释放出来的人力要有唯一的负责人去重新安排,否则省下的时间不会变成利润。我们补充:先挑一个按件计量的流程,例如每张工单或每笔理赔,才算得出单位结果成本。
期望已经定了,转化还没人量
020406080CIO测流失率CEO称少入损益CIO资金低目标CEO期望大增22%45%48%74%020406080CIO测流失率CIO资金低目标22%45%48%74%

来源:Oliver Wyman:The economics of agentic AI(2026年10月) · 第 31 页 · 数据截至 2026-07-31

数据表
期望已经定了,转化还没人量
项目占各自受访者的比例(CEO 70 人,CIO 130 人)
CIO测流失率22%
CEO称少入损益45%
CIO资金低目标48%
CEO期望大增74%

04 试点Pilot一个四周内能做的小试验:给两三个智能体负载记账并设上限

这是我们的建议,依据是报告关于“先记账、再设上限、最后按区间做预算”的顺序,报告本身没有给出试验。做法:挑两到三个已经在跑的智能体负载,每个负载指定一名负责人;给这些负载的每次请求打上团队、用例和智能体的标签,并记录 token 数、所用模型和是否命中缓存。

时间安排:第一周不改任何做法,只打标签、只记录,算出每类任务的 token 消耗中位数和九十分位数,作为基线;后三周对每类任务设单任务上限,取基线九十分位数的一点五倍,接近上限时自动降级到便宜一档的模型,并每周把各团队的消耗发给负责人看,先不分摊费用。

判断规则:后三周被上限拦下或降级的任务不超过百分之五,人工抽检的质量合格率没有下降,而且被拦任务的比例没有逐周上升,就把这套上限和标签推广到其他负载,并开始按区间编下一期预算。被拦的任务超过一成,或抽检合格率比第一周低了五个百分点以上,就停下,先查上限是否定得太紧。介于两者之间时,不扩大范围,把上限调到九十分位数的两倍再跑两周。每类任务少于一百次运行时不做判断,只延长记录时间。

四周试验:一周基线、三周设上限,按规则判断
  1. 选负载挑两到三个在跑的智能体负载,每个指定一名负责人。
  2. 记基线第一周只打标签、只记录,算出每类任务消耗的中位数和九十分位数。
  3. 设上限后三周按九十分位数的一点五倍设单任务上限,接近上限时降级到便宜模型。
  4. 判断被拦任务不超过百分之五且质量不降就推广,超过一成或质量下降就停。

05 复盘Measure建议跟踪的指标

这六个指标取自报告给 CIO 和 CFO 列的两张指标表,我们各挑了三个最先能量的。前三个由 IT 每周看、后三个由财务每季度看,这个频率是我们的建议;报告强调的是两组不要混用,IT 的控制指标喂给财务的价值指标,但不能代替它。“预算落在区间内”是我们对报告“预测准确度”一项的落地写法,报告原文看的是预算偏差和修订频率。

六个指标,三个给 IT 管控制,三个给财务管价值
  • 已打标签的支出占比能归到团队、用例和智能体的支出占比,看归属有没有补上。
  • 达标最便宜模型占比发给达标的最便宜模型的请求占比,看路由有没有省钱。
  • 异常发现到止损的时间从消耗异常到被叫停用了多久,看上限和熔断是否真能用。
  • 预算落在区间内实际支出是否落在 P50 到 P90 区间之内,看预测是否校准。
  • 单位结果成本每张解决的工单、每笔处理完的理赔要花多少,看值不值。
  • 流失率任务层面省下的时间有多少没变成交付成果,看收益是否进了利润。

局限与反对意见

样本小,而且基数不同。调查只有 CEO 70 人、CIO 130 人;54% 预算提前用完、63% 设了上限和熔断这类数字,基数只是其中已把智能体投入日常运营的 48 位 CIO,30% 能看到分团队消耗、22% 按分布做预算这类数字的基数是全部 CIO(运行成本预算一题为 126 人)。报告把 63% 和 30% 放在一起对比,本文的核心观点卡片沿用了这个对比,但两个比例来自不同人群。

原报告前后口径不一:低谷投入有被直接砍掉风险的比例,第 11 页写 12% 的 CIO,第 34 页的语境是 CEO,写 7%;按统一策略路由的比例,第 11 页写一半,第 20 页写略超一半,第 23 页的图写 54%。成熟度自评的数字,报告自己也说不能和第一、二章的控制与可见性数字直接比较。

token 消耗的倍数来自单一编程基准,不是 Oliver Wyman 自己的调查;单任务成本和模型价格是报告的建模示意,报告注明不是基准值。报告也说成本的量级随供应商、负载形态和合同而变,机制只能当方向看,门槛要按自己的数据定。最容易被新数据改写的是 1,000 倍和 30 倍这两个倍数:它们来自单一编程基准,非编程负载的测量一出来就要重看;其次是 54% 这个比例,基数只有 48 人。

反对意见:报告由一家卖咨询服务的公司发布,结论指向“先建平台、先做治理”,正好是它的业务;报告自称这是关于架构和控制的看法,不是产品推荐。另外,给每个智能体设硬上限会拦下本该完成的任务,报告把降级到便宜模型作为缓冲,但没有给出被拦任务的比例和质量损失,这要靠第四节的试验自己量。

整理说明:原报告没有写发布日期,本文的发布日期 2026-10-15 是按官网同名 PDF 的文件日期推定的,不是原稿里写的。官网可下载的 PDF 与交来的文件大小不同,两份未必是同一版本;本文的数字和页码都以交来的文件为准,没有用官网文件补充。第 3 页、第 10 页、第 23 页图表的文字层里标签和数值顺序是乱的,本文的数字改取正文页:第 9 页、第 11 页、第 16 页,以及标签顺序清楚的第 18 页和第 31 页的图。

常见问题

单价一直在降,为什么 AI 账单还在涨?

报告认为降价的是固定能力的单价,用量却在往价格跌得慢的前沿模型迁移,智能体的调用量也随用例增加。所以要按总额做预算,管的是模型组合,而不是单价。

已经有成本看板了,还要设上限吗?

要。报告认为看板在花完之后才有反应,没有强制上限时,智能体会在几小时里花掉一个月的预算,上限、限流和熔断要放在执行路径里。

P50/P90 区间预算是什么意思?

按用例统计同类任务的消耗,用中位数做计划,用九十分位数定预算额度,并在略高于九十分位数的位置设自动执行的硬上限。报告认为预测只是计划,上限才是财务控制。

流失率怎么算?

报告把它定义为任务层面的收益中,没有变成交付成果的那部分占比,例如省下的时间没有变成更多解决的工单。要先在试点前量好基线,才能算出来。

只用了按席位收费的办公助手,这篇文章和我有关吗?

眼下关系不大。报告说的预算风险来自自主跑多步任务的智能体;你开始让智能体在后台自动运行时,再按第四节的试验先记账、再设上限。

这份报告的数据有哪些要小心?

调查样本不大,几个关键比例的基数是已投入日常运营的少数 CIO;token 倍数来自单一编程基准;同一指标在不同页的写法不一致。局限一节列了具体位置。

SOURCE TRACE · 来源追溯

Oliver Wyman:The economics of agentic AI(2026年10月)引用页:第 4 页 第 9 页 第 11 页 第 12 页 第 16 页 第 17 页 第 18 页 第 19 页 第 20 页 第 21 页 第 22 页 第 23 页 第 29 页 第 30 页 第 31 页 第 33 页 第 34 页 第 35 页核对 2026-11-17

发现错误?去报错 →

接着读

分享这篇文章