人工智能厂商渴望客户增加用量,而企业客户则希望借此削减开支。这种目标错位给旨在提升效率的技术行业带来了棘手挑战。随着首席财务官(CFO)着手编制2027年预算,核心问题愈发尖锐:巨额AI支出是否真正带来了回报?

行业通用的进度指标往往无法提供完整答案。Salesforce报告显示其技术已完成70亿个“代理工作单元”,但单一业务成果可能需消耗大量此类单元。ServiceNow则在10月28日向投资者表示,其内部AI应用每年创造价值超10亿美元,是2025年底预估值的两倍。

这些数据虽有助于供应商向资本市场证明价值,却未能消除买家对实际效果的疑虑。自动化活动的增加既可能代表有效产出,也可能仅是重复尝试。在Infosys,这种张力已直接影响营收预期:尽管AI收入环比增长29%,占总销售额10.5%,但受定价压力及客户生产力提升导致的合同价值缩水影响,该公司将全年增长前景下调至1%-2%。新增AI业务必须弥补因现有工作变得更便宜而损失的收入。

CloudZero调查显示,三分之二的高管表示董事会要求在使用进一步AI投资前提供回报证明;而Protiviti的研究指出,仅35%的财务组织认为自己能有效衡量AI回报。企业AI领导者坦言,当供应商认为问题已解决而客户仍面临额外工作时,基于结果的定价难以提供保护;若更便宜的模型能达成相同效果,高昂的使用费便缺乏说服力。

Snowflake:建议部分客户减少AI支出

Snowflake首席执行官Sridhar Ramaswamy主张,只有当AI消耗带来运营改善并取代现有成本时,支出才是合理的。该公司2027财年第二季度产品收入达14.9亿美元,同比增长37%,净收入留存率为126%。

Ramaswamy表示,相比庆祝消耗量,他更关注积压工作减少、发货周期加快及团队能力拓展。随着AI普及,企业应消除承包商费用、代理机构保留金及冗余软件等支出。在一例库存运营合同续约中,Snowflake自动代理将对账流程从6名分析师两周的工作量缩短至两小时,但客户财务团队最初拒绝续约。直到Snowflake证明该技术可防止数百万美元过时产品降价、淘汰两个遗留商业智能工具并消除门店投诉后,交易才最终达成。“技术速度是内部指标,财务部门看重的是硬性成本置换和操作确定性。”Ramaswamy称。

基于同样逻辑,Snowflake建议某金融服务公司将常规支持工单路由至较小的开源模型,仅将前沿模型用于复杂推理。这一调整使工作负载成本减半以上,且未牺牲准确性。“若更便宜的模型能以零保真度损失完成相同工作,运行最昂贵模型便是糟糕的商业决策。”他说。

Zendesk与Atomicwork:重新定义“付费成果”

Zendesk首席执行官Tom Eggemeier认为,基于结果的定价能将支出与服务组织完成的工作紧密挂钩。该公司拥有近2万名AI客户,2025年AI年度经常性收入超2亿美元,预计2026年将突破4亿美元。

然而,定义成功并非易事。Eggemeier指出,关闭工单本身并不意味着交互符合支付条件,成果应与解决特定问题所需的合格工作量挂钩,而非单独计算每条消息。Zendesk的Outcome AI平台仍处于早期访问阶段,公司正在分析其实际运作方式。在其定价结构中,无论AI独立解决问题还是有人协助,合格成果的合同价格保持不变,AI辅助的手动移交不会触发二次收费。

Atomicwork联合创始人兼首席执行官Vijay Rayapati持更狭窄观点:“关闭工单只是行政事件,员工重新投入工作才是成果。”若AI快速回答却导致员工花费大量时间故障排除,实则是转嫁工作。Atomicwork仅在任务真正完成时计费,自主解决定义为员工可直接使用系统,而非仅提供说明。该公司按每个完成成果收取1至3美元,并保证从ServiceNow迁移的客户可将总拥有成本降低50%。

Rackspace:衡量部署成熟度与隐性成本

Rackspace首席执行官Gajen Kandiah强调,衡量AI回报需计入维持系统运行的人力成本。他将工程时间分为“构建”(持久改进)和“保姆式维护”(一次性修正),目标是随部署成熟减少后者。在美国一家大型医疗保健提供商的早期部署中,工程师大部分时间花在改进源数据而非修正AI本身。随着数据质量提升,所需工程支持减少。

Rackspace有时也建议客户减少初期AI用量,如对常规处理使用传统软件,仅在结构化规则需额外帮助时使用AI。这种方法使运营成本更可预测,但也减少了Rackspace执行的AI工作量。“我们必须愿意帮助客户减少在我们的支出,”Kandiah表示,“为客户不再需要的服务工作维持收费是难以辩护的。”

今年7月,Rackspace因摆脱低利润率工作并投资AI,将年度收入预期下调1.5亿美元;随后第三季度业绩促使其中位数全年收入预期上调3500万美元。该公司还宣布与Together AI和Blacksmith达成约6.1亿美元的AI基础设施协议。季度总收入6.09亿美元,同比下降9%,调整后营业利润上升12%,净亏损5400万美元。资本支出增至1.04亿美元,经营性现金流为3600万美元。

行业共识:建立基线与关注财务转化

SAP旗下Reltio首席产品官Ansh Kanwar指出,AI成本反映底层数据质量。他建议比较使用碎片化数据与统一数据进行相同任务的成本、速度和准确性,以区分数据改进与AI本身的贡献。

Anthropic美洲负责人Kate Jensen表示,公司越来越多地根据具体业务问题而非技术能力选择AI项目。其S-1文件显示,第三季度收入170亿美元,净收入留存率约900%(不含消费者计划)。Jensen建议在部署前就成功标准达成共识,并将结果与无AI情况下的基线对比。“每位领导者都应能说明完成了什么、完成得有多好,以及在Claude没有帮助下的处境。”她说。

麦肯锡QuantumBlack高级研究员Michael Chui指出,个人生产力提升未必转化为组织财务收益。2026年AI状态调查显示,80%受访者称AI提高了个人生产力,但仅37%报告AI有助于息税前利润(EBIT),约6%将至少5%的EBIT归因于AI。Chui认为,有意义的财务收益通常要求改变整个工作流程,且结果显现需要时间。CFO需通过中间指标(如提案进入短名单比例)判断投资轨迹,并在续约时明确后续成果要求。最终,这些证据将决定客户愿意支付多少,或是否继续合作。