Uber AI 預算超支揭示採用與回報之間的落差

據報 Uber 在 4 月已耗盡其 2026 年 AI 預算，揭示鼓勵員工使用 AI 與控制相關採用成本之間的矛盾。Uber AI 預算事件現已成為更廣泛企業辯論的焦點：使用量增加何時可證明生產力提升，而不只是開支增加？

《Business Standard》於 11 月 8 日重訪這項矛盾，描述企業正轉向開支控制、較小型模型及更具選擇性的工作分配。彭博早在 6 月已報道 Uber 的使用上限。因此，眼前的問題是正在發展的開支調整，而非公司剛公布的新政策。

對企業買家而言，核心角力在於採用目標與可量度的商業回報之間。Anthropic 的 Claude Code 正處於這一矛盾的核心。一款編碼助手可以在買方確認額外開支是否帶來更快發布、更佳軟件，或減少其他工作之前，已先受到歡迎。

Uber AI 預算事件已由採用轉向問責

彭博於 6 月 2 日報道，Uber 在年初超出預算後，已推出 AI 使用上限。報道特別點名包括 Claude Code 在內的工具。

這為開支問題建立了較早期的公開紀錄，也將原本的公司發展與 11 月更廣泛的討論區分開來。讀者不應將最新報道理解為 Uber 本週再推出新一輪限制的證據。

《Business Standard》11 月的報道將 Uber 與其他重新評估 企業 AI 成本 的公司並列。報道指出，市場對較小型模型及在模型之間分配工作的系統日益感興趣。

已有紀錄顯示的改變，是在採用速度超越原有開支假設後，企業轉向控制使用量。

公開報道未有完整交代 Uber 的內部經濟帳。它無法確定原有預算是否充足、涵蓋哪些全部開支，或所有已完成工作的價值。

這些缺口十分重要。預算耗盡可能反映浪費、意外地有用的軟件、不切實際的預測，或幾者兼而有之。單憑超支本身，無法區分這些解釋。

預算亦代表在實際需求明朗前作出的組織決定。員工發現有價值的應用場景，可能令保守預測被超越，卻不代表其經濟決策不理性。

反過來說，廣泛的熱情亦不能證明額外開支必然值得。用戶可以偏好某項工具，卻忽略審核時間、整合工作，或同事必須處理的錯誤。

因此，管理層面對的問題比員工是否喜歡該軟件更難。真正相關的問題是，其效益是否超過完整的營運負擔。

這項負擔不止於生成答案。建議的程式碼修改仍須經過審核、測試、整合及維護。只有在後續階段保留這項收益時，更快起草才會改善交付效率。

因此，相關報道支持審視開支管治，而非判定編碼助手已告失敗。它亦挑戰了「採用本身已足以證明成功」的假設。

當領導層在各部門獲得清晰的開支責任前便鼓勵實驗，這項區別尤其重要。個別決定看似合理，但合計成本仍可能超出預期。

以一個說明性例子來說，某工程團隊正調查一項棘手缺陷。多名開發人員可能各自要求助手檢查同一個儲存庫並提出解決方案。每項請求都有合理目的。

然而，公司仍須知道這些重疊調查是否產生各自不同的價值。計算活躍用戶可反映參與度，卻會忽略重複的工作。

這正是 Uber 個案所凸顯的問責缺口。採購決定與生產力判斷，不能無限期地彼此分離。

財務團隊承接了使用量儀表板無法解答的問題

開支壓力不只存在於單一科技公司。FinOps Foundation 的 2026 年行業調查 指出，98% 受訪者現時管理 AI 開支，較兩年前的 31% 大幅上升。

FinOps 是將科技開支與商業責任及價值連結起來的實務。其日益擴大的 AI 職能，反映這些成本愈來愈需要財務與工程團隊協調處理。

這項調查涵蓋 FinOps 社群中 1,192 名受訪者。這是一個具意義的從業員樣本，但並不代表所有企業，也不能證實存在普遍的財務困境。

調查結果亦顯示，AI 投資強勁，企業正尋求優化節省，以資助進一步採用。因此，財務審視可支持擴張，而不一定意味著退縮。

直接壓力落在必須同時解釋開支，以及該開支所購得商業成果的領導者身上。

工程管理者面對互相拉扯的指令。他們需要員工發掘有用的應用場景，卻又不能把無限實驗視為營運模式。

財務領導者面對另一種資訊問題。帳單顯示支出，卻很少說明助手是否消除了工作、轉移了工作，還是增加了額外責任。

採購團隊則必須根據不確定需求評估商業承諾。合約可以令使用量更容易購買，卻不會令成果更容易量度。

當預算限制中斷有用活動時，產品領導者便要承受後果。一項突然出現的開支上限，可能在專案中途改變交付假設。

這些壓力匯聚於每項獲接受成果的成本，即達到既定標準的產出所涉及的完整開支。該標準必須包括品質。

對軟件團隊而言，獲接受的成果可能是經審核、成功投入生產且未有造成額外缺陷的修改。生成的程式碼只是中間產物。

對客戶支援營運而言，獲接受的成果可能是一項得到正確解決的請求。引發另一輪聯絡的流暢回覆，並不能帶來相同價值。

對知識工作者而言，有用的成果可能是一份附有可追溯證據的準確簡報。需要大量核實的快速草稿，帶來的是另一種經濟命題。

這些例子說明，通用的使用量目標為何會帶來問題。不同工作承擔不同風險、審核要求，以及補救錯誤的機會。

一個部門若降低開支，卻增加人工修正，未必真的改善了其經濟效益。它只是將成本轉移到較不顯眼的類別。

反之亦然。若較高的模型開支能移除過去消耗稀缺員工注意力的瓶頸，這種支出可能合理。

這令歸因成為企業辯論的核心。公司需要將使用量與對應的團隊、工作流程及成果連結起來。

歸因不代表必須把每次員工請求都當作財務例外處理。過多審批摩擦可能耗去該軟件原本承諾節省的同樣工作時間。

更大的改變在於責任何時進入流程。開支假設愈來愈應在使用量成為會計上的意外之前，納入產品及工程決策。

這正是企業 AI 管治不能止步於儀表板的原因。可見度指出資金流向；評估工作成果才能決定資金是否應該投放於此。

模型路由改變經濟效益，但也增加一層決策

11 月的報道指向模型編排，即一個在工作流程中協調模型及工具的控制系統。模型路由則選擇由哪個模型處理特定工作。

這項區別重要，因為組織並非在每個步驟都需要相同能力。文件分類與處理複雜例外情況，要求並不相同。

較小型模型或能充分處理範圍狹窄的分類工作。當工作涉及模糊性或艱深推理時，能力更強的模型可能仍然必要。

選擇性使用模型為預算壓力提供了合理應對方式，但其價值取決於完整工作流程。

這改變了 Anthropic、Microsoft 和 Google 等供應商之間的比較方式。企業買家必須評估每項服務應置於何處，而非為所有活動選擇單一模型。

這並不能確立這些公司之間的通用排名。相關比較取決於買家的實際工作負載、整合要求及對錯誤的容忍度。

一個在獨立評估中表現良好的模型，仍可能在商業流程中造成問題。其輸出可能需要更多審核，或交付速度太慢。

路由本身亦引入判斷。系統必須決定哪些請求足夠簡單，可走較低要求的路徑；哪些則需要額外能力。

錯誤分配可抹去預期節省。若把困難請求送往能力不足的模型，可能需要重複處理、升級處理或人手修復。

過度謹慎的分配則有相反問題。把例行工作送到最消耗資源的選項，雖保留能力，卻削弱路由的財務理據。

因此，經濟問題不只延伸至初始請求所選的模型，也包括該選擇失敗後會發生甚麼。

一個說明性的文件工作流程可具體呈現這種取捨。系統可能先識別文件類型，再擷取資料，然後標示含糊段落供人審閱。

這種安排只有在早期步驟能可靠辨識自身限制時才有幫助。未被發現的分類錯誤，可能污染後續所有環節。

組織亦承接維護工作。提示詞、評估例子、升級規則及模型行為都可能隨時間改變。

這些責任都是與較簡單部署方案比較時的一部分。複雜系統不會只因個別請求看似較便宜，便自動變得符合成本效益。

這正是語境與知識工作相關之處。語境是模型為理解及完成請求而接收的資訊。

傳送無關材料可能加重工作流程，卻無助改善結果。傳送太少資料，則可能迫使員工重複解釋或修正誤解。

同一實務問題亦見於 可搜尋知識庫。找到正確來源材料與生成答案，是工作中彼此獨立的部分。

這種關連並不能證明任何特定產品可節省成本。它說明買家為何應在選擇模型的同時，檢視資訊檢索。

Uber 的 AI 預算爭議因此不止涉及開支上限。它提出了一個設計問題：工作中哪些部分值得投入額外運算資源，哪些則不值得？

Agents 可同時擴展能力與消耗

AI agent 是一種會反覆使用模型與工具來完成任務的系統。這種重複活動改變了請求與消耗之間的關係。

一次聊天互動可能在得出答案後便結束。Agent 則可以檢查檔案、執行驗證、重新考慮其做法，並在交付結果前持續工作。

Anthropic 在 2025 年 6 月對其 多 agent 研究系統 的說明中，明確指出了這項取捨。該公司表示，其自身評估中，token 消耗增加，同時效能亦有所提升。

Token 是模型處理或生成的文字單位。Anthropic 表示，其 agents 通常消耗約為聊天互動四倍的 token。

該公司的多 agent 系統會協調多個 agents，根據其數據，消耗的 token 約為聊天互動的 15 倍。這些數字描述的是其研究系統。

它們並非對 Claude Code、所有 agent 產品或現時企業部署的通用衡量。若直接套用到 Uber，將會誇大證據所能支持的結論。

能力更強的自動化可能需要更多運算資源，因此降低消耗未必必然是正確目標。

Anthropic 的說法支持一個較為狹窄的結論：部分架構刻意投入更多資源，以完成更困難的工作。其經濟合理性取決於由此產生的價值。

這為預算超支的敘事提供了一項有用的平衡觀點。當系統能完成較簡單軟件無法處理的工作時，公司理性上可以增加消耗。

困難在於分辨具成效的持續運作與無效的重複活動。兩者都可能產生冗長的活動紀錄及龐大帳單。

以程式開發 agent 為例，它可能在提出修正方案後執行測試、發現另一項失敗，然後修改做法。這些額外工作可以避免提交不完整的改動。

另一個 agent 則可能反覆修改程式碼，卻始終未能找出根本問題。表面相似的活動，可能帶來截然不同的結果。

當多個 agents 同時運作時，這種分辨變得更困難。平行工作可以縮短所需時間，同時增加整體消耗。

因此，管理人員需要區分員工投入的注意力與機器活動。系統運行得更久，並不代表開發人員在整段期間都被佔用。

同樣地，員工表面上的節省時間，也未必反映轉交給另一個團隊的審核工作。工作流程兩端都很重要。

這令聊天助手、程式開發 agents 與協調式 agent 系統之間的簡單比較變得複雜。在表面看來相近的用戶請求下，它們可能執行截然不同份量的工作。

商業案例必須說明到底改變了甚麼。系統是否完成了過往不切實際的分析、減少了員工的瓶頸，還是僅僅產生更多材料？

品質亦應納入評估。當較昂貴的一次運行能避免帶來重大後續影響的錯誤時，它可能更值得選擇。

承認這些好處與審視帳單之間並無矛盾。真正的矛盾出現在組織要求雄心勃勃的自動化，卻以員工只會交換簡短訊息的方式來編列預算。

預算預測必須反映產品實際執行的工作。否則，成功採用本身就可能成為觸發緊急限制的原因。

生產力證據難以得出簡單結論

反對開支上限最有力的理由很直接：它們可能連同浪費一併壓制有用工作。沒有輔助證據，限制無法區分兩者。

反對無限制開支最有力的理由同樣直接：員工的觀感可能與量度結果不同。滿意度與生產力是相關但不同的問題。

獨立 AI 評估機構 METR 在一項使用 2025 年初工具的研究中說明了這種區別。獲准使用 AI 協助的資深開源開發人員，完成工作所需時間反而長了 19%。

該研究涉及 16 名開發人員及 246 項任務。其狹窄的研究場景很重要，包括參與者對既有專案的熟悉程度，以及當時可用的工具。

這並不能證明現今的程式開發助手會拖慢每一位開發人員。將較早期的結果視為當前的普遍結論，將會歪曲研究。

METR 在 2026 年 2 月 24 日的生產力衡量更新中提出了另一項複雜因素。研究人員表示，後續實驗數據對當前生產力影響提供了不可靠的估計。

部分開發人員不願參與，因為他們不想在沒有 AI 的情況下工作。參與者亦沒有納入某些任務，造成選擇偏差問題。

METR 認為開發人員很可能比以往獲得更大的好處，但強調難以確定其幅度。這正反映出衡量上的挑戰。

使用量上升和預算超支，都不能判定 AI 是否創造淨價值。

這種不確定性直接影響對 Uber AI 預算故事的解讀。公開紀錄支持其存在開支控制問題，但沒有提供完整的生產力收支表。

可信的評估需要檢視可比較的工作，包括完成工作所需的時間及品質要求。精選的成功案例無法提供這種比較。

精選的失敗案例同樣無法做到。困難事件可以揭示弱點，但對全公司平均影響未必說明太多。

任務選擇亦帶來另一項障礙。員工通常會為預期 AI 有幫助的工作選用 AI，令其與未使用 AI 的工作更難比較。

隨着工具改進，工作本身也可能改變。團隊可能嘗試更具雄心的專案，而不是更快完成完全相同的專案。

這可以在不明顯減少每項任務工時的情況下創造價值，也可能掩蓋更高的雄心是否真的帶來有用結果。

個人與組織層面收益的差異，帶來更多不確定性。開發人員可以工作得更快，但共享的審核能力可能成為新的瓶頸。

例如，更多建議改動可能增加資深審核人員面對的待審隊列。因此，公司需要評估整體交付情況，而不只是起草速度。

這些是分析上的可能性，而非有關 Uber 的已報道發現。它們說明為何消耗數據不能代替對軟件交付的評估。

懷疑態度應同時適用於財務控制及供應商聲稱。較低帳單並不能證明某項政策提升了生產力。

限制措施值得按結果評估，就如擴張措施一樣。否則，企業可能以開支目標取代採用目標，並重複同一個衡量錯誤。

三項訊號將顯示開支紀律是否改善成果

下一階段應透過可觀察的改變來判斷，而不是又一輪關於 AI 轉型的廣泛說法。有三項訊號尤其值得關注。

第一項是僱主是否將開支政策與交付成果連結起來。當公開說明限制措施時，同時處理品質、已完成工作及員工能力，會更有參考價值。

若公司在減少不必要消耗後，仍展現穩定或改善的交付表現，將會加強選擇性控制的理由。單靠開支下降，仍會令生產力問題懸而未決。

相反，若證據顯示限制措施延誤了有價值的專案，便會削弱不加區分上限的理據。政策的實際影響比表面上的嚴格程度更重要。

第二項訊號是供應商如何包裝及管治 agent 活動。買方應留意能將消耗歸因於特定任務及工作流程的產品更新。

對重複動作、升級處理及任務完成提供更清晰的控制，有助企業理解自己購買的是甚麼。它們的價值仍需要在實際工作中驗證。

供應商對效率的說法，應區分減少資源使用與降低能力。系統完成較少工作，未必代表它變得更有效率。

第三項訊號是有關已完成工作的更強證據。涵蓋審核、修正及後續品質的評估，將可填補使用量儀表板尚未解決的缺口。

在可比較任務中反覆觀察所得的結果，將能提高信心。若結果只限於生成內容或員工觀感，現時的大部分不確定性仍會存在。

下一項有用的發展，是在消耗與獲接納的工作之間建立更清晰的連結，而不只是再次提高採用率。

在未來數月，這些訊號提供了更有根據的方法，以評估企業 AI 預算控制。它們也容許不同部門得出不同結果。

程式開發團隊、研究小組及支援營運未必需要得出相同結論。它們的任務、錯誤成本及自動化機會各有不同。

因此，企業買方應避免將另一家公司的開支決定當成現成答案。Uber 的經驗指出了一個每個組織仍需自行調查的問題。

供應商亦然。預算審視可以獎勵那些更容易證明其效益的產品，即使這些產品需要大量運算資源。

它亦可揭露那些表面成功其實建基於衡量活動而非結果的部署。隨着以 agent 為基礎的工作流程承擔更多責任，這個區別將愈來愈重要。

企業內下一場有用的討論，應將預算負責人與對完成工作負責的人連結起來。從一個可評估產出的工作流程開始。詢問員工完成了甚麼、甚麼需要修正，以及 AI 進入流程後有何改變。比較所需的完整投入，包括審核及跟進工作。在證據仍不完整時，保持問題開放。Uber 的 AI 預算事件提供了一個理由，要求進行這種核算，但不應假設答案必然支持擴張或限制。在將另一個採用里程碑視為商業成果之前，應提出一個更具體的問題：甚麼有用工作達到可接受標準，而組織為達至這個成果付出了多少？