2026年11月12日 上午 8:22
AI新聞訂 AI 工具時，大家先看的多半是固定月費。但當 AI 不只回答問題，還會自己接著做下一步，甚至和另一個 AI 來回傳話時，費用就開始跟著用量跑。這種會自己串步驟的 AI，常被稱為「AI 代理人」；計費常用的 token，可以想成 AI 讀進和寫出的文字量。一個流程跑一次不貴，一天跑幾千次、幾個代理人互相傳話，帳單就可能完全不是當初想的樣子。
新加坡 CNA 11 月 10 日刊出報導〈Banks seek to rein in soaring AI agent costs, McKinsey says〉（原文）：依 McKinsey 的《Global Banking Annual Review》，全球銀行正在設法控制 AI 代理人的成本，驅動代理人的 token 花費，可能輕易達到人力總成本的兩成（原文 could easily reach 20 per cent of total labor costs）。「兩成」是 CNA 報導引述 McKinsey 報告的說法，McKinsey 公開的報告摘要頁沒有寫這句；它是推估，不是已發生的行業平均，對象是全球銀行，更不是臺灣中小企業的數字。導入前該算哪些成本是一回事；這篇要談的是導入之後：
會自己長大的帳單，得有人負責盯，也得有上限擋著。
CNA 這篇報導寫到，控制 AI 相關花費的責任，已經移到新的團隊身上，有些銀行把它叫作「AI FinOps」。這個名字聽起來很大，背後的意思其實很簡單：AI 的錢不再是資訊部門順手付掉的一筆費用，而是有專人看、有人要交代。對小公司來說，不必成立一個團隊，但道理一樣：如果現在問「上個月 AI 花了多少、花在哪個流程」，公司裡沒有人答得出來，那就是還沒有人在盯。
先有人負責，預算才有人看。
報導提到，銀行一開始的做法，是依問題難易度，把員工導向不同的 AI 模型：簡單的問題用便宜的，難的才用貴的。McKinsey 資深合夥人、這份報告的作者之一 Vik Sohoni 接受路透社訪問時說，AI 代理人一開始運作，這套方法就沒用了，因為代理人彼此溝通，token 很快就累積起來。換句話說，人用 AI 時，費用是一次一次的提問；代理人互相傳話時，費用是一串一串的，而且沒有人在旁邊看著每一句。
看不到每一步，就更需要事先設好上限。
報導也寫到，銀行因此更挑剔要在哪裡部署代理人，集中在預期回報最高的地方。Sohoni 說，生產力帶來的節省相對容易衡量，但銀行越來越常用「AI 能帶來多少營收成長」，來判斷哪裡值得多花錢。這對小公司同樣適用：不是每個流程都要交給代理人跑，先挑那些做得好就看得到效果的地方，例如回覆詢價、整理訂單；看不出效果的地方，先別讓它無限制地跑。
不是哪裡都用，是錢花在說得出理由的地方。
同一篇報導還有一個有意思的數字：McKinsey 調查全球 4 萬 6,000 名零售銀行客戶，在有用 AI 的人裡，72% 願意讓銀行的代理人替他們辦一件金融事務，但會把自動核准的上限設在 500 美元。也就是說，連一般消費者，在願意放手的同時，也替 AI 設了一條線。這是銀行客戶的調查，不是臺灣數據，但它說明了一件事：信任和上限可以同時存在。
願意放手，不代表不設上限。
下面是我們整理的建議做法，不是 McKinsey 或銀行的建議，也不是法規。第一，指定一個人：每週看一次 AI 用量和帳單，把名字寫下來，外包或工程師設定的也算在內。第二，每個流程一個預算：客服機器人、報價自動化、內部助理分開算，月初就訂好上限。第三，設警戒線：工具或供應商後臺如果有預算通知、用量上限，就打開，用到一半和八成時通知負責人；沒有這類功能，就由負責人每週對一次帳，超過上限先暫停或改回人工。第四，代理人先小範圍試：會自己串下一步的流程，先在一個部門、一個任務跑一週，看清楚用量再擴大。第五，每月算一次：把這個流程的用量費，和它省下的工時或帶來的生意放在一起看。
上限不是不信任 AI，而是讓每一筆花費都有人交代。
AI 代理人越能幹，帳單就越可能在沒人注意時長大。銀行有錢、有人，都開始設專人、挑場景、算回報；小公司資源少，更需要在一開始就把「誰負責、上限多少、超過怎麼辦」講清楚。工具可以自己跑，帳本不行。先寫下那個人的名字，這筆帳才算開始有人管。
歡迎加入【蒲公英 AI 知識社群】。我們不追逐表面的資訊熱度，而是拆解每一次科技與商業決策背後的真實邏輯。在變動加速的時代，我們一起看的不是熱鬧，而是規則。
👉 點此加入蒲公英 AI 知識社群（連到 LINE 社群：https://line.me/ti/g2/U22Ve69yCykRi4WhI1Q8PEb0bVBN1AwlwepJwQ）
🔑 入群通關密碼：94115
