外媒：AI代理热潮退去后企业开始补管理课

外媒：在企业密集引入 AI 代理后，市场开始从“多用模型”转向“如何管好模型”。Fortune 援引 AI 公司 Hebbia 创始人 George Sivulka 的文章称，上一轮企业级 AI 代理扩张过快，但多数公司并没有建立相应的管理体系，结果是成本上升、流程反复，部分场景甚至不如人工协作稳定。

企业先扩张，后补管理

Sivulka 把这轮短暂热潮称为“tokenmaxxing”。他的核心判断是，企业并不是买到了更高效的数字员工，而是一次性引入了大量执行质量不稳定的代理系统。问题不只在模型能力，更在于公司内部很少有人能把任务讲清楚、拆细并提供足够上下文。

文章提到，Hebbia 的客户包括 BlackRock、KKR 和美国空军。Sivulka 认为，很多企业在没有预算约束、流程分工和汇报机制的情况下，直接把 AI 代理接入工作流，放大了原本就存在的组织低效。代理一旦收到模糊指令，就会反复调用模型自我修正，形成高频消耗。

成本压力先暴露出来

Fortune 在文中援引 UBS Global Research 的调研称，多家 AI 原生公司私下都承认，企业客户当前最关心的问题之一就是 token 成本。部分公司内部此前甚至没有明确的 token 预算概念，但客户已开始持续追问支出控制。

UBS 引述一家未具名 AI 公司称，其对 Anthropic 的支出已从去年 12 月的 2 万美元，升至今年 7 月即将突破 100 万美元，7 个月增长约 50 倍。尽管如此，这家公司并未要求员工停止使用模型，而是开始设置月度阈值提醒，并限制部分行政类岗位使用前沿模型。

公开表态也在增多。文中提到，OpenAI 曾表示 AI 成本已成为今年以来的突出问题，Uber 也已开始设置支出护栏。UBS 估计，约 60% 的组织已把 token 成本视为现实问题，而且这一比例可能还在上升。

企业开始改用模型路由

Sivulka 认为，眼下真正缺的不是更多模型，而是更成熟的管理方法。他把重点放在“上下文工程”上，即让员工能更准确地定义任务、补充背景，并把不同子任务分配给更合适的模型。

UBS 调研显示，一些公司已开始采用“模型路由”方式处理项目，不再把单个任务整体交给同一模型，而是把其中的不同环节分配给不同模型，以兼顾效果、速度和成本。对需要拟人交互或关键业务结果的场景，企业会保留前沿模型；对标准化流程，则更多使用更便宜或更快的模型。

按照这一思路，企业接下来比拼的重点，可能不再只是采购多少算力或接入多少模型，而是谁能先建立起预算、分工和任务拆解能力。文章还提到，随着企业希望把更多内部知识交给 AI 系统，员工对知识沉淀和岗位替代的顾虑也可能进一步上升。