企业评估 AI 投入产出时，正在从“用了多少”转向“省下了什么”。Anthropic 编程工具 Claude Code 的负责人 Boris Cherny 表示，单看 Token 消耗或仪表盘使用量，只能反映活跃度，不能直接说明 AI 是否带来回报。
不只看使用量
Cherny 在 X 平台发文谈到企业采用 AI 的路径时表示，当员工已经把 AI 工具纳入日常流程后，下一步就是衡量实际收益。他认为，很多公司会先看使用数据，但这类指标更接近活动记录，而不是投资回报。
他提出，更有意义的问题是：如果没有 AI，这项工作是否原本需要工程团队投入时间去完成；如果答案是肯定的，那么企业就可以进一步估算本来要花多少人工工时，以及对应的人力成本。这部分节省，才更接近 AI 带来的直接回报。
回报体现在节省工时
按照他的说法，企业不应把注意力停留在模型调用成本本身，而应把 AI 看作替代部分工程劳动的工具。对于代码生成、修复和维护类任务，这种衡量方式尤其直接，因为企业通常可以较清楚地估算原本需要投入的开发资源。
Cherny 还提到，更大的收益不只是“更快完成同样的事”，而是让修复和维护更多转入后台，释放团队去做新的建设性工作。当团队不再被大量重复性任务占用时，企业才可能开始推进过去资源不足、难以排期的项目。
企业开始重新计算AI成本
这番表态也反映出企业对 AI 支出的关注点正在变化。此前一段时间，行业内一度流行围绕 Token 使用规模来衡量 AI 进展，但随着投入扩大，企业开始更重视成本控制和实际产出。
近期，多家科技和金融公司高管都公开谈到这一问题。摩根大通首席执行官 Jamie Dimon 日前表示，企业的 AI 成本正在快速上升，因此公司会像管理其他资源一样，更理性地评估投入。OpenAI 首席执行官 Sam Altman 也表示，降低支出、提升价值，已成为企业客户频繁提出的话题。
从这一趋势看，企业采购和部署 AI 工具的重点，正从追求更高调用量，转向证明这些工具是否真正减少了人工投入，并扩大了团队可完成工作的范围。