别用叉车搬咖啡杯：你的AI账单，可能从4美分涨到了1块2

前段时间，一位做电商的朋友跟我倒苦水。

他说，公司去年上了AI客服，演示的时候全场鼓掌，今年续费的时候财务脸色发青。他问我：不是说AI降价了吗？怎么我们越用越贵？

我说，你先别急着看发票，先回答我一个问题：你知道你买的这个"AI"，底下跑的到底是什么东西吗？

他愣住了。

这可不是他一个人的问题。我接触过的企业团队里，几乎没人故意选最贵的方案，但多付钱的事天天在发生。今天，咱们就把这笔糊涂账，算清楚。

四种机器，一张清单

你清单上那些AI功能，扒开来看，底层只有四种机器。

什么叫规则引擎？就是有人提前写好的"如果……就……"。50美元以下、30天以内，自动退款。就这么简单。跑起来几乎不要钱，每次结果还一模一样。缺点也明摆着：写规则的人没想到的情况，它当场卡住。不过卡住是好事，你马上就知道坏了。

第二种，预测模型。它拿历史数据练出来的规律，给新输入打个分。线索评分、流失概率，你营销自动化平台里早就躺着一堆了。单次调用便宜，输出稳定。但一旦遇到训练数据里没见过的东西，它一声不吭地给你个没用的答案。

第三种，生成式。大语言模型，客户怎么写它就怎么懂，怪词、口语、没见过的句式，统统不怕。代价是单次调用更贵，还多了一种前面两种机器都造不出来的故障：它会用流利的、完整的、看起来毫无破绽的句子，一本正经地引用一条你根本没有的退款政策。

第四种，智能体。生成模型外面套一圈循环，能调工具：查订单、对政策、发退款、走客户喜欢的渠道发确认，一气呵成。这是四台机器里的叉车。

叉车当然能搬咖啡杯。

但每一步循环，它都要把前面攒下的上下文重新发一遍；每一步犯的小错，都会带进下一步。灵活性和覆盖面是上去了，账单和风险也跟着上去了。

一个客户退款的请求，四种机器都能处理。区别在于，价格能差出30倍。

4美分，和1块2

EY 算过一笔账，我看的时候心里咯噔一下。

同样一次客户服务交互，2023年用简单聊天机器人做，成本大概4美分。到2026年，换成带工具、带子智能体、带重试的智能体流程， roughly 1.2美元。

同一件事。30倍。

EY 还提醒了一句更扎心的：模型厂商开给你的发票，只占你实际支出的一部分。剩下那部分藏在哪，咱们后面说。

有同学可能会说：不对啊，token 单价从2023年初以来一直在跳水，公开的价格追踪都摆在那儿，成本明明在降。

没错，单价在降。

但总账在涨。

Gartner 估过，一个智能体任务消耗的 token，是一次普通生成式对话的5到30倍。为什么？因为机器干到第20步的时候，它得重新对一遍原始需求，把开头的上下文再付一遍钱。20步下来，同一份上下文，你买了20次。

单价打三折，用量翻十倍。你说总账是涨还是跌？

为什么偏偏是营销遭殃

还有一个放大器，专门砸在咱们营销人头上。

单品描述一条一毛钱的零头，听起来是 rounding error，对吧？可你每个季度要刷新20万个SKU。一张工单9毛钱，对比人工处理的12美元，简直是白送，对吧？可你一年有40万张工单。把这个数字带进预算会，你试试。

整个公司里，没有哪个职能像营销这样，把同一个小任务重复这么多次。

重复，是选错工具的利息。别的部门选错，多付一次钱；营销选错，每个季度都在付。

四个坑

那为什么明明白白的账，还是有人往里跳？我观察下来，就四个普普通通的原因。

第一，试点根本测不出量产成本。500次交互的 PoC，token 账单小到没人看得见。真实的经济账，要等合同签完、跑上一两个季度的生产量，才浮出水面。到那时候，你没有筹码了。

第二，把施工方法当成了产品档次。"生成式""智能体"本来是描述系统怎么搭的，市场上却慢慢变成了价格档位。厂商说"全面智能体化"，说的是架构；买家听见的是"升级版"。这是两码事。大量普通的辅助工作底下就是个生成模型，大量真正的跨系统协调干脆跑在规则上，连模型都没有。

第三，管机制的人不在房间里。采购谈单价，法务审数据，营销看效果。至于这套系统是不是杀鸡用了牛刀？那是工程和数据团队的事。可他们通常不在采购那张谈判桌上。

第四个坑最深：校验是要花钱雇人的。规则坏了，第一遍就能看出来。生成的内容引用了你没有的政策，看起来跟正确的一模一样。所以必须有人读。这个"读"，不出现在AI那一栏预算里，它出现在人头编制里。很多团队算了算力、漏了校验，最后发现这个功能真正的运行成本，是一个全职读它输出的人。

怎么办

说了这么多，药方其实就一句话：

永远从最轻的那台机器开始，轻到不够用了，再换重的。

具体怎么做？三件事。

给每一次厂商对话加一个问题：这个功能底层是哪种机制？按我们的真实量算，含人工审核，一年多少钱？用生成式的价格办预测模型的事，是一次不会报警的失血，而且用得越多，流得越快。

盘一遍你现在四个层次的家底。去找那条"最简单的任务，跑着最复杂的半自动流程"的组合。它大概率是你AI预算里最大的一笔糊涂账，也往往是最容易砍的一笔，因为你的技术栈里多半已有更简单的工具能干出差不多的结果。

试点之前，先按生产量定价。拿厂商给的每次交互单价，乘上你真实的年度量，再把审核和返工的时间加上。趁你还有谈判筹码的时候，把这笔账算完。

当然，有些需求就是配得上智能体这种重炮，有些活儿混合着用最划算，规则打底、智能体兜长尾。也有些活，用回那台老实的规则机器，反而又快又稳。

要不要请叉车，先看看你到底要搬什么。

更祝你，下一张AI账单，不再是惊吓。