IT之家11月11日消息，据《商业内幕》报道，在过去几年不断鼓励员工拥抱AI技术之后，包括高盛、思科和摩根大通在内的企业，正开始采取更有针对性的AI部署策略。从设定使用预算、追踪调用量，到限制特定员工或工具的访问权限，这些不同的管理措施背后，是企业在不断加大AI投入的同时，也希望降低相关安全风险。

麦肯锡公司（McKinsey&Company）技术、媒体和电信业务高级合伙人拉里·哈马莱宁（LariHämäläinen）表示，越来越多的企业意识到，员工使用AI的频率正在“大幅上升”，因此有必要为其设定明确的使用规范和限制。

高盛董事长兼首席执行官戴维·所罗门（DavidSolomon）本月表示，尽管该银行正在迅速扩大AI工具的覆盖范围，让旗下4.5万名员工都能使用更多AI产品，但并没有必要让所有员工每天都能访问最先进的模型。

他在接受彭博电视采访时表示：“某些工作确实需要最前沿的模型，尤其是网络安全领域。”但他同时指出，“很多工作并不需要最前沿的模型”，普通AI工具就足以帮助员工提高效率。

另一些企业则在最初采取相对宽松的政策推动员工使用AI后，开始限制相关开支。

思科首席产品官吉图·帕特尔（JeetuPatel）上个月在CXOTalk播客节目中，将公司早期的AI推广策略比作学习骑自行车。当时，思科允许开发团队连续数月无限量使用AI编程工具的Token，让员工先熟悉并掌握AI技术，而不是一开始就考虑使用效率。

随着使用量不断增长，帕特尔表示，他计划为旗下拥有3.2万名员工的团队中的各级管理人员设定Token使用预算。

此前，《商业内幕》报道称，摩根大通已于今年9月对部分工程师使用Anthropic旗下ClaudeCode的额度设置了限制，每月上限为2,000美元（IT之家注：现汇率约合13,376元人民币）。

该银行发言人表示，公司正在将AI使用成本与生产效率、工作质量、风险降低程度以及实际业务影响挂钩。

企业开始加强对员工AI使用情况的管理，距离一些公司公开炫耀员工消耗了多少Token，其实还不到几个月。

Visa曾表示，公司每月的Token使用量从今年2月的1万亿增长至3月的近2万亿，并为AI使用量最大的员工提供奖励。

今年3月，英伟达首席执行官黄仁勋（JensenHuang）表示，公司计划每年为工程师使用Token投入最高20亿美元（现汇率约合133.76亿元人民币）。他甚至开玩笑称，如果一名年薪50万美元（现汇率约合334.4万元人民币）的工程师只使用了价值不到25万美元（现汇率约合167.2万元人民币）的Token，他会“感到非常担忧”。

与此同时，一些企业还推出了数据看板，让管理层能够更直观地了解员工使用AI的情况，有时也借此鼓励更多员工参与。

例如，今年4月迪士尼推出的AI使用数据看板显示，公司使用AI最频繁的员工平均每天会发起数百次请求，Token消耗量达到数千万级别。

类似地，毕马威美国（KPMGUS）今年5月表示，希望通过为咨询业务部门推出数据看板，鼓励旗下约1万名员工更加频繁、更加深入地使用AI。

不过，随着员工逐渐将AI融入日常工作，毕马威目前已经停止通过该数据看板监控AI使用情况。公司发言人透露，相关工具已经完成了原本的推广任务。

企业开始追求每个Token的实际价值

如今，AI开支持续攀升，促使企业将管理重点从扩大使用规模转向提高投资回报。

风险投资机构MenloVentures的一项最新研究显示，截至今年9月，企业在AI部署方面的支出已达到1,770亿美元（现汇率约合1.18万亿元人民币），而2025年全年这一数字仅为330亿美元（现汇率约合2,206.96亿元人民币）。

但投入增长并不意味着企业已经获得相应回报。Gartner在今年5月至7月对约2000名科技行业高管进行的一项调查显示，只有13%的受访者表示，其所在企业已经从AI技术中获得了显著价值。

MillenniumAlliance联合创始人亚历克斯·索博尔（AlexSobol）表示，企业AI账单不断膨胀，部分原因在于员工缺乏控制使用量的动力。

MillenniumAlliance是一个面向企业高管、采取邀请制的交流组织。索博尔指出，如果企业不设定使用限制，员工“就会想尽一切办法使用AI”。

此外，如果使用不当，向员工开放广泛的AI访问权限还可能带来安全隐患，这也是企业开始更加谨慎管理AI使用情况的另一个原因。

毕马威2025年针对1000多名美国员工开展的一项调查显示，44%的受访者曾在未经授权或不恰当的情况下，在工作中使用AI；另有46%的受访者曾将公司敏感信息或知识产权上传至公开AI平台。

人力资源管理软件初创公司Rippling也采取了类似措施。今年8月，公司开始对AI工具设置月度使用上限。此前，公司预计Token支出可能达到研发团队整体人力成本预算的40%。

Rippling表示，通过实施使用限制并优化模型调用路由，Token支出占比的预测值已经降至10%至15%，而Token使用量仍基本维持在此前的峰值水平。

Rippling首席产品官马特·麦金尼斯（MattMacInnis）强调：“我们的目的不是削减AI成本。只要这些支出能够带来实际生产价值，我们完全可以接受成本继续增长。”