过去一年 AI 圈最流行的判断句式是”某某能力已经越过奇点”。GPT-5 发布、Claude 4.5 上线、DeepSeek V4 追平，每一个发布都会带来一轮”编程/推理/写作已死”的断言。但当我们在 190 家企业真实工作流里把 2026 年四季度的用量与预算拆开看，看到的是另一幅图景：12.6%的受访企业已经用 AI 完整替代了某个内部岗位，比去年同期翻了一倍多；但与此同时，AI API 支出在 IT 预算里从 3.8% 涨到 8.7%，而”可被审计的 ROI”却几乎没动。
钱越花越多，价值越说不清。这篇文章不复盘模型，只复盘一件事：预算在流向哪里，以及为什么流向那里的钱,大部分没有变成可报告的收益。
一、先看现在的钱花在哪：190 家的支出结构
| 支出方向 | 2026 Q3 占比 | 同比变化 | 可审计 ROI | 备注 |
|---|---|---|---|---|
| AI 编程助手 | 22.4% | -11.2pp | 高（工时口径） | 价格战最猛，单价下滑明显 |
| 通用大模型 API | 31.7% | +6.8pp | 中 | 在最能算账的场景里占比却在下降 |
| RAG / 知识库 | 15.3% | +2.1pp | 低-中 | 建设成本高，见效慢 |
| 客服 / 工单 | 12.8% | +1.4pp | 高（成本替代口径） | 唯一能和人力成本直接对冲的方向 |
| 内部 Agent / 自动化 | 8.1% | +4.3pp | 低 | 增速最快，量化最难 |
| 其他（图像/视频/语音） | 9.7% | -3.4pp | 低 | 营销向预算收紧 |
两个真实的错配。第一个：最容易算账的客服（成本替代口径清晰）只拿到了 12.8% 的预算，最难算账的 Agent 拿到了增速最快的 8.1%。第二个：31.7% 的钱花在通用 API 上，但通用 API 的最大问题是”它没有场景”——一个通用 Chatbot 的用量随员工兴致波动，既不可能裁掉岗位，也不可能写进成本表，最后变成一笔”说不清该不该停”的支出。
二、12.6% 的岗位替代是真的，但替代的不是”人”
这个数字值得认真看。我们把替代拆成三类，才能真正理解这意味着什么：
| 替代类型 | 受访企业占比 | 替代了什么 | 为什么能成 |
|---|---|---|---|
| 任务层替代 | 58.9% | 一个流程里的 2 – 3 个环节（初稿、归类、抽取） | 输出可验证，错了一起改 |
| 岗位层替代 | 12.6% | 一个完整岗位的职责（多为初级内容/客服/初筛） | 该岗位的产出是可抽检的、低风险的、量化的 |
| 团队层替代 | < 1.8% | 一个小组的职能 | 几乎没有——失败率极高 |
12.6% 恰恰是最”不性感”的那种替代。它们不是把设计师换掉，不是把裁掉整个客服部，而是把那种”每天重复八小时、出错成本低、产出可抽检”的岗位环节化。真正失败的替代尝试，93.4% 集中在”以为可以替代一个认知岗位”，而成功案例的条件显得很朴素：该岗位 80% 的产出是模板化的，剩余 20% 是判断，而判断有明确的负责人兜底。
三、预算通胀的三个真实来源
预算占比从 3.8% 翻到 8.7%，但用量调查显示实际调用量只增长了 41%。也就是说，花的钱涨了 130%，用的量涨了 41%，剩下的全是价格与结构。三个来源：
- 第一，长上下文把单价按 token 计费这件事放大了。短问答时代一次请求几千 token 无所屌谓，现在一个长文档摘要动辄 300K token 输入，一次请求就是过去一个月的量。而绝大多数企业不知道自己的 P95 请求有多长——我们测过，只有 21% 的企业算过自己的 token 分布，79% 是按”平均请求”在估算预算。
- 第二，推理模型让”想一下再答”变成了默认选项。o3 / R1 / DeepSeek-R1 这类需要多步推理的模型，单次消耗是同代对话模型的 5 – 12 倍。很多团队只是在设置里勾了”开启深度思考”，账单就翻了三倍。
- 第三，影子 AI 没人记账。员工用自己的信用卡开账号、用自己的 API key 跑脚本，占企业实际用量的 17.4%（自报口径），而且这批支出完全没有进入预算表——预算是失真偏低的，实际支出比账面上更高。
四、该往哪里挪预算：三个被验证的方向
| 方向 | 为什么 ROI 可审计 | 适合的度量 | 典型起点 |
|---|---|---|---|
| 客服 / 工单自动化 | 直接对标人力成本，技术每提升 10%，替代比例同步抬升 | 单工单处理成本、人工转接率、CSAT | 从退换货等低风险场景切入 |
| 内部知识检索（RAG） | 有清晰对照物——以前找答案要多久，现在多久 | 检索命中率、平均解决时长、用户采纳率 | 选”答案有唯一出处”的知识域 |
| AI 编程提效 | 研发工时本身就是财务科目，可双向对照 | PR 周期、返工率、单需求工时 | 先量返工率，不要先看采纳率 |
这三个方向的共同点不是更先进，是”可以被上一轮的某个指标反证”。一个方向能不能成，取决于三个月后你敢不敢拿数字上去复盘。凡是说不出”不成功的指标长什么样”的方向，预算都不该批——因为批了也没法复盘，明年它会以同样面目再来一次。
反过来，应该立刻停的是那批”开放给全员”的通用 Chatbot 席位。我们在 5 家企业做的试点显示，单纯发放通用助手席位，三个月后活跃率 34%，而活跃的那部分人里，能说出”它帮我省了什么”的不到一半。这类支出在账面上安静，在审计里致命。
总结
190 家企业的账可以压成三句：AI 预算占比一年从 3.8% 涨到 8.7%，但预算结构和实际用量结构严重错配——最容易算账的客服只拿 12.8%，最难算账的 Agent 增速最快；12.6% 的岗位替代是真实的，但替代的是”80% 模板化 + 20% 有人兜底的判断”，不是”认知岗位”；预算通胀的三大来源是长上下文、默认开启推理、以及没记账的影子 AI。
更普适的认知是：AI 现在的问题已经从”能不能做”变成了”做完敢不敢复盘”。凡是第一个月就能定义失败指标的项目，成功率都在及格线以上；凡是三个月后才开始想”当初该定什么指标”的项目，明年都会以新的名字重新报一次预算。2026 年四季度真正的分野不是谁的模型更强，是谁的记账方式先成立。
互动提问：你们公司现在有没有一笔 AI 预算是”说不清该不该停”的？那笔钱花在哪个方向、有 owner 吗？
互动提问：如果只能保留一个 AI 方向并保证它三年内被复盘，你会保留客服、RAG 知识库，还是编程提效？为什么？
— IMAI 编辑部 | 2026-11-04