最近，我和在几家不同世界 500 强企业任职的同事交流了一番。这些企业有以下共同点：
- 它们都是市值数十亿美元、员工超 7.5 万人的巨头，且都是全球化公司。
- 它们本身不是 IT 公司，却重度依赖 IT（和所有大企业一样），所处的也都是存在已久的传统行业。
- 它们的利润率从微薄到极薄不等，成本控制对这些公司至关重要。它们不是微软、谷歌、迪士尼或摩根大通那种在运营上挥金如土的企业，而是每一块钱都要算清楚去向的公司。
- 这些公司都设有庞大的 IT 部门，从现场修打印机的人到资深软件架构师一应俱全。
每家公司都在引入并采用 AI。但在每一个案例中，这些精打细算的企业都在退缩。各家公司的 IT 专业人士讲的故事如出一辙：
- 他们被配发了 Copilot，因为公司和微软签了企业协议。
- 用它写 Visual Studio 里的模板代码还凑合，但他们真正想要的是更好的模型和智能体。
- 管理层因为 token 成本，下令“不行，只能用 Copilot”。
- 管理层对部署智能体一直持怀疑态度，除非能证明明确降本。
- 既然证明不了，智能体的部署就非常有限。有个案例中，那家巨型企业在用的唯一智能体，是个密码重置机器人。
AI 难道不该大幅削减成本吗？
当你看谷歌、微软这类由 IT 驱动的企业时，很难理解其中的成本收益——它们不用市场价买 AI，且高度聚焦新产品、新能力。而上面这些企业，产品与服务年复一年几乎不变，提升利润的唯一途径就是赢得新客户或降低成本。
用经济学的话说，（简化的）成本方程是：
成本 = 劳动力 + 资本（机器、厂房等）
Whatshould 发生的是这样：
成本 = AI × 劳动力 + 资本（机器、厂房等）
换言之，AI 应当作为劳动力成本的系数。AI 销售会说这个系数应小于 1（比如 0.8），从而压低劳动力成本。但现实是：
成本 = AI × 劳动力 + 资本（机器、厂房等）+ AI 的成本
而 AI 的成本，比 AI 作用于劳动力的系数还要大。也就是说，AI 是一项新增的成本投入，而非劳动力的替代品。在某些情形下，劳动力上的系数甚至不小于 1。
为什么会这样？有几个原因：
AI 带来的收益并不显著。 这怎么可能？因为人类仍在回路中——审校 AI 生成的市场报告、复查 AI 写的代码等等。不仅有审校环节，往往还有返工/修正环节。想象你在餐厅当个快餐厨师，管理层又雇了一个厨师。第二个厨师需要培训，反而拉低了你的总产出；等他培训完，你还得不断检查他的活儿。当然，像“给吐司抹黄油”“给牛排盘摆装饰”这类事你可以放心交给他，但主菜仍得靠你。和 AI 共事往往就是这种感觉。换言之，AI 也会制造工作。
减少分钟数不等于减少人头。微软大肆宣传各种 Copilot 指标，说某公司员工因 AI 每周省下 46 分钟，或某些员工平均每周省 2 小时。但这并不能线性、整齐地累加。仅仅因为我每周能省 45 分钟，不代表你有 53 名员工就能省出 40 小时、从而裁掉一个人。（就算能，相对你付的 token 费用，回报也相当寒酸。）极少有企业能如此高效地回收人力。
它叫生成式 AI：当然，用 AI 设计营销 banner 而非雇人类画师，确有成本收益。但今天没人会说“把财务部门裁了，以后让 ChatGPT 管账”。Shouldn’t 那不该正是 AI 擅长的事吗？它能吞下所有晦涩的税法、公开的申报法规、几本会计教材，然后处理你的开票、账单和应收账款……对吧？没人这么想。当前形态的 AI 之所以叫 generative AI ，是有原因的。它擅长的是给你出十几个 logo 方案供挑选，但如果你让它以同样方式连着处理十几次客户工作流，它就会出错。
从经济理论看，AI 会提升盈利能力的预测，不仅取决于让单个任务更快，更取决于降低企业提供服务的整体成本。如果 AI 只加快了孤立任务，却未能减少劳动力投入、扩大产出或消除生产瓶颈（反而以 token 消耗的形式引入了一项显著的新可变成本），那么生产函数并未发生有经济意义的偏移。
原文链接：https://lowendbox.com/blog/the-economics-of-ai-and-why-cost-conscious-companies-hate-it/