高盛、思科等企业收紧员工AI使用：设预算、限额度

据《商业内幕》报道，高盛、思科、摩根大通等企业过去几年一直鼓励员工用 AI，如今却转向更有针对性的部署方式。做法包括设定使用预算、追踪调用量，以及限制特定员工或特定工具的访问权限。这些措施的背后，是企业一边加码 AI 投入，一边想压低随之而来的安全风险。

麦肯锡公司技术、媒体和电信业务高级合伙人拉里 · 哈马莱宁（Lari Hämäläinen）提到，越来越多企业已经看到员工使用 AI 的频率“大幅上升”，因此有必要定下明确的使用规范和限制。

高盛

他在接受彭博电视采访时说：“某些工作确实需要最前沿的模型，尤其是网络安全领域。”不过他接着表示，“很多工作并不需要最前沿的模型”，普通的 AI 工具就够员工提升效率了。

还有一类企业，起初政策相对宽松，目的是推动员工用起 AI，现在则开始收紧相关开支。

思科

帕特尔表示，随着使用量持续增长，他打算为手下 3.2 万名员工团队中的各级管理人员设定 Token 使用预算。

《商业内幕》此前报道，摩根大通今年 9 月已对部分工程师使用 Anthropic 旗下 Claude Code 的额度作出限制，每月上限 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，公司正把 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。

企业加强员工 AI 使用管理，距离一些公司公开炫耀员工消耗了多少 Token，其实才过去没几个月。

Visa 曾透露，公司每月 Token 使用量今年 2 月为 1 万亿，3 月已增至近 2 万亿，并向 AI 使用量最大的员工发放奖励。

今年 3 月，英伟达首席执行官黄仁勋（Jensen Huang）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）。他还开玩笑说，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”。

另有一些企业推出数据看板，让管理层更直观地掌握员工使用 AI 的情况，有时也用来鼓励更多员工参与。

比如迪士尼今年 4 月上线的 AI 使用数据看板显示，公司里使用 AI 最频繁的员工平均每天发起数百次请求，Token 消耗量达到数千万级别。

毕马威美国（KPMG US）的做法类似。今年 5 月，公司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 万名员工更频繁、更深入地使用 AI。

不过，随着员工逐渐把 AI 融入日常工作，毕马威现在已经不再用这个数据看板监控 AI 使用情况。公司发言人透露，相关工具原本的推广任务已经完成。

企业开始追求每个 Token 的实际价值

眼下 AI 开支持续攀升，企业的管理重点正从扩大使用规模转向提高投资回报。

风险投资机构 Menlo Ventures 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 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）。

投入增长，并不代表企业已经拿到相应回报。Gartner 今年 5 月至 7 月对约 2000 名科技行业高管所做调查显示，只有 13% 的受访者表示，其所在企业已从 AI 技术中获得显著价值。

Millennium Alliance 联合创始人亚历克斯 · 索博尔（Alex Sobol）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。

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

另外，如果使用不当，向员工开放广泛的 AI 访问权限还可能埋下安全隐患，这也是企业开始更谨慎管理 AI 使用的另一个原因。

毕马威 2025 年的一项调查覆盖了 1000 多名美国员工，结果显示：44% 的受访者在工作中有过未经授权或不当使用 AI 的情况；把公司敏感信息或知识产权传到公开 AI 平台上的人，占到 46%。

做人力资源管理软件的初创公司 Rippling 同样收紧了口子：今年 8 月，这家公司给 AI 工具定下了每月使用上限。在此之前，公司内部估算过，Token 开销有可能吃掉研发团队整体人力成本预算的 40%。

Rippling 表示，实施使用限制并优化模型调用路由后，Token 支出占比的预测值已降至 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（Matt MacInnis）把话讲得很明白：“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。”