8 月 28 日快訊裡，最值得往下看的，是微軟員工匿名試算表曝光後引發的 AI 成本討論：有人在 28 天內回報約 2.8 萬美元的 AI 使用金額，折合新台幣約 88 萬元。這個數字很戲劇化，但真正重要的不是某一個人花了多少，而是企業 AI 正在從「大家快去用」進入「用了以後到底創造什麼價值」的階段。
Business Insider 8 月 25 日報導指出，這份微軟內部員工自願、匿名維護的薪酬試算表，今年新增了「每月 AI 使用金額」欄位；約 350 名美國員工填入過去 28 天的 AI 使用價值，中位數約 300 美元，最高值來自客戶與合作夥伴解決方案部門，約 2.8 萬美元。因為資料是自願回報，不能代表微軟全體員工，但它提供了一個罕見窗口：AI 在公司內部不是抽象口號，而是會被計量、被分配、也會被財務部門看見的真實成本。
AI 使用量，不等於 AI 生產力
這起事件最值得注意的地方，是報導同時提到：在這份有限樣本裡，較高 AI 使用金額並沒有明顯對應到更高獎金、更大調薪或更高晉升機率。這不代表 AI 沒有價值，也不代表重度使用者一定是在浪費；它只提醒企業一件事，AI 使用量本身不是績效。
很多公司在導入 AI 的第一階段，都會鼓勵員工多試、多問、多把工作丟給模型。這很合理，因為沒有使用就沒有學習。但當大家習慣之後，問題就會從「有沒有用」變成「用在哪裡」。同樣花 300 美元，有人可能省下十幾小時重複勞動；有人可能只是讓 AI 寫出一堆最後還要重做的文字。費用相同，價值完全不同。
為什麼 Token 會燒得這麼快？
大型語言模型的費用通常和 Token 有關。你丟進去的文件、聊天紀錄、程式碼、表格、會議逐字稿，都是輸入 Token；模型回覆的分析、摘要、程式碼和推理過程，則是輸出 Token。當工作情境變成「把整包資料丟給 AI，請它看完再整理」，成本就會非常快地上升。
更關鍵的是，企業使用 AI 往往不是單次聊天。很多工具會在背景反覆呼叫模型：一次讀資料、一次分類、一次生成、一次檢查、一次改寫，甚至讓 AI 代理自己嘗試多條路徑。表面上員工只按了一個按鈕，背後可能已經跑了好幾輪昂貴推論。這就是為什麼 AI 成本不像訂閱軟體那樣穩定，而更像雲端運算：用量一上來，帳單就會跟著跳。
Microsoft Azure OpenAI 官方定價頁也把企業選項分成按量付費、預留吞吐量等模式。這背後的意思很現實：如果工作量不穩定，按量付費彈性高，但也容易出現暴衝；如果需求穩定，企業會想用更可預期的預算管理方式。AI 已經不只是工具採購，而是基礎設施成本管理。
公司接下來會怎麼管 AI？
微軟這件事像是一個風向球。當企業發現 AI 使用成本開始可觀，管理方式通常會從寬鬆試用，走向更細的治理。第一是預算上限：不同部門、不同職能、不同專案可能會有不同額度。第二是使用追蹤：不只看花了多少，也要看模型用在哪些任務。第三是模型分級：不需要最強模型的任務，就改用較便宜的小模型或批次處理。
這對員工來說，不一定是壞事。真正成熟的管理，不是禁止大家使用 AI，而是讓昂貴模型用在值得的地方。例如重大客戶提案、複雜程式碼審查、法規資料整理、研究報告初稿，可能值得使用高階模型；但一般格式整理、短文改寫、簡單分類，就不一定需要最貴的推理模型。
未來企業內部很可能會出現一種新的工作習慣：使用 AI 之前，先判斷任務價值與模型等級。這有點像差旅制度，不是不能出差，而是要問這趟出差是否必要、搭什麼艙等、是否能改成線上會議。AI 也會從「無感刷卡」變成「有成本意識的工作資源」。
上班族可以先養成三個 AI 成本習慣
1. 不要整包亂丟：先切出真正需要 AI 看的段落，避免讓模型讀大量無關內容。
2. 先用便宜方式試：簡單摘要、分類、格式整理，不一定需要最高階模型。
3. 記錄產出價值：省了多少時間、少了多少錯誤、加快哪個流程，比「我用了很多 AI」更重要。
AI 成本會改變企業績效語言
過去談 AI 生產力，很多人喜歡用很大的數字：節省多少人力、提升多少效率、加速多少流程。但真正進入公司內部後，問題會變得更細：誰使用？用在哪個流程？花了多少？原本需要多久？輸出有沒有被採用？最後有沒有減少錯誤、提升成交率、縮短客戶等待時間，或提高工程品質？
Microsoft Viva 的研究也提到，AI 轉型第一章是部署工具、推動採用、追蹤使用；下一章則要看 AI 是否轉化為有意義的工作價值。這句話很切中現況。企業不會永遠為「看起來很先進」買單，尤其當雲端、GPU、資料中心和授權費用都是真金白銀時，AI 一定會被拉回投資報酬率的語言裡。
對管理者來說，這意味著不能只看員工有沒有打開 AI 工具。更重要的是，要重新設計流程：哪些任務適合 AI 先做，哪些步驟需要人工審查，哪些輸出必須留下紀錄，哪些成本可以共用，哪些行為應該被限制。AI 治理不是行政阻力，而是讓 AI 真正變成生產力的前提。
我們的觀察
微軟員工 28 天燒掉 2.8 萬美元這個數字之所以吸睛，是因為它把 AI 的抽象熱潮變成了一張帳單。過去大家談 AI，常常停在模型多聰明、工具多方便；但企業真正要面對的是，這些方便背後有算力、電力、資安、資料治理和審查成本。
這不代表企業會少用 AI，反而代表 AI 正在變成熟。當一項技術真的進入核心工作流程，公司一定會開始量化它、分級它、限制浪費、獎勵有效使用。未來的 AI 高手，不會只是最會丟提示詞的人，而是能用最少的上下文、最合適的模型、最清楚的驗證流程，把 AI 轉成可靠成果的人。
所以這則新聞不是在說「AI 太貴不要用」，而是在說「AI 終於貴到需要被認真管理」。從今天開始，企業 AI 的關鍵字會從採用率，慢慢轉向單位成本、流程價值、模型分級與可稽核成果。這才是 AI 從玩具變成基礎設施的真正標誌。
延伸來源
- 本篇延伸自 NineLife AI 8 月 28 日快訊：單人一個月燒掉 88 萬元 AI 費！
- Business Insider：Microsoft employees reveal how much cash they're burning on AI
- Yahoo Finance：Microsoft cracks down on employee AI use after one worker spent $28,000 in 28 days
- Microsoft Azure：Azure OpenAI Service pricing
- Microsoft Viva：The human conditions behind AI value at work
- Microsoft FY2026 Form 10-K
作者：NineLife AI 編輯室
最後更新：2026年9月9日
本文由 NineLife AI 編輯室整理公開資料後撰寫，可能使用 AI 工具協助草稿整理；發布前會人工檢查來源、事實與語意。內容僅供資訊參考，不構成法律、投資、醫療、稅務或其他專業建議。
留言
張貼留言
留言會先經過審核。歡迎補充觀點或來源；請勿張貼廣告、無關連結、成人、賭博、藥品或自動產生的內容。