没有人愿意给技术团队开一张空白支票。然而，在企业最初争相拥抱AI时，许多首席财务官实际上被要求这么做。如今，在接连收到几笔出乎意料的帐单后，如何控制成本已成为当务之急。
这个问题正在银行业逐渐发酵。银行的科技预算本就面临多方需求挤压，从旧有资讯科技系统现代化到网路安全，都在争夺资源。业界对提高生产力寄予厚望的一项技术是AI智能体，它能自主处理复杂任务，但这类AI本质上很难编列预算，因为每项任务究竟会消耗多少算力往往难以预测。
Bain & Co．合伙人兼金融服务高级分析全球负责人Bhavi Mehta表示，他其实不认为组织里有任何人真正掌握得很好；如果要做XYZ这件事，成本到底会是多少。他表示，随着AI朝更复杂的推理和代理式工作流程发展，完成特定任务所需的token（词元）数量可能有很大差异。随着银行扩大AI应用，在衡量商业价值的同时掌握成本也越来越重要。
根据AI评测公司Evident最新报告，在其追踪的全球50大银行中，只有12家曾公开说明采用AI预期或已实现的回报。然而，几乎所有首席执行官都在大谈AI的潜在效益。从花旗到高盛等美国多家银行在第三季财报电话会议上都谈到增加AI投资，但能够提出AI支出或其带来财务效益确切数字的高层寥寥无几。
随着银行业从试验阶段走向实际部署，彭博访问了十多名工程师、企业高层及顾问，了解他们的经验和因应策略。
虽然tokenmaxxing（即工程师尽可能大量使用AI）的做法已经臭名昭着，但token用量失控并非总是由此造成。
德意志银行科技、数据与创新策略长Christoph Rabenseifner表示，该行的监控系统发现个别员工消耗异常大量token后，结果发现其中许多人其实是在从事有实际效益的工作。因此，银行并未切断他们的使用权限，而是引导他们以更有效率的方式使用AI。Rabenseifner还表示，该行曾将一项工作改由规模较小、经过专门训练的模型处理，而非使用大型前沿模型，成本因而降至原来的几分之一。
Banco Santander SA只会先用大型前沿模型测试某项应用能否达到品质标准，一旦确认可行，就把工作转移至较轻量、成本更低的模型。该行AI长Ignacio Bernal表示，这种做法让每笔贷款核准流程的执行成本从约5欧元（5.61美元）降至0.03欧元。
Bernal表示，当一家全球性银行把AI从试验阶段推向正式营运，推论成本就不再只是可以忽略不计的小数目，而会成为真正的营运成本项目。他指出，有些流程一年要执行数百万次，运算支出因此可能大幅增加。
加拿大帝国商业银行（CIBC）发现，包括Anthropic的Opus在内，效能最强大的模型，每名员工每月成本可能高达3，000加元（2，130美元）；数千名员工加起来的费用可能相当惊人。为控制成本，该行把使用权限限制在数百名员工，仍在测试中的最新内建工作平台CAI 2.0则限制为250名使用者，每人每月可花费4至250加元。
AI智能体正成为成本上升的主要驱动因素。根据Evident，大型银行2026年第一季公布19个AI智能体应用案例，高于上一季的8个。第二季数量减半，但并非银行对AI代理的热情降温，而是开始要求它们承担更复杂的工作。例如，富国银行希望AI智能体在投入各项工作流程前，先掌握房贷流程中的1，100个步骤。
与传统AI工具不同，智能体系统能自主执行复杂的多步骤任务，包括分析财务报表、追踪借款人、验证文件以及侦测洗钱活动。这类处理工作需要大量运算资源，意味着token消耗更多，也进一步推高每月成本。
一名高级数据主管表示，在部分团队第一周就用光分配到的token额度后，该行决定把token额度集中管理，并建立一个AI代理，在提示词送进模型之前先加以精简。这位主管在谈论内部事务时要求匿名。
责任编辑：于健 SF069
