AI 工具買了一堆，錢就這樣沒了
Uber 4 個月燒完整年 AI 預算這件事，我看到的第一反應不是「哇好誇張」，而是「這我懂」。
不是說我們公司有 Uber 那個量級的問題啦，但那種「工具開好開滿，然後完全感覺不到產出在哪裡」的迷失感，我很熟。
我們在導入 AI 工具大概是去年底的事。一開始想說，工具多了選擇就多了，效率應該會變好。老闆問我要不要評估幾個工具，我說好啊，反正試試看嘛。
然後就開始了一段很混亂的時期。
真正的問題不是錢
我自己用下來，最卡的不是工具本身好不好用，而是沒有人說清楚「什麼任務用什麼工具」。
我們同時開著大概 4、5 個工具的試用，有人用 A 寫需求文件、有人用 B 跑程式、有人用 C 做 mock。每個工具的計費方式都不一樣，有些是 per seat，有些是 token-based，有些是兩者混合。
結果月底帳單出來，我花了快 2 個小時才搞清楚每個工具到底幫我們做了什麼、值不值得繼續付。
說難聽一點，那兩個小時本身就是浪費。
一天切幾次工具，其實是個問題
後來我注意到一件事：我一天大概切換工具 8 到 12 次。
這不是誇張的數字，是我真的記錄過大概一週的使用情況。每次切換都有一個「對話重建」的成本，你要重新跟 AI 講你在做什麼、上下文是什麼、你想要什麼輸出格式。
如果是工程師在用 coding 工具，這個問題更明顯。因為 context 是靠 codebase 建的，每次新起一個對話 window，就要重新餵一遍。如果你要跑高品質的推理，token 消耗更是直接翻倍。
我當時沒有想到這件事，就放任大家自由使用。現在回頭看，這個決策的成本是可以被算出來的。
驗收標準是最大的漏洞
Uber 後來加的那個 1500 美元 per person per tool per month 的 cap，我覺得這個方向是對的，但它解決的是結果，不是根因。
根因是：你不知道「做到什麼程度」算可以。
我跟工程師同事有過幾次這樣的討論：「這個需求用 AI 寫了一半，但感覺怪怪的，要繼續 prompt 還是自己接？」沒有標準，就繼續 prompt，token 繼續燒。
我自己寫需求文件的時候也一樣。一個 PRD 來回修了 13 輪，最後用的版本其實跟第 4 輪差不多。中間那 9 輪我在幹嘛？在找一個根本不存在的「更好」。
如果一開始就說：「3 輪之內要拍板，超過就代表需求本身還沒想清楚，先暫停」，可能結果會不一樣。
誰有資格開高成本模式？
這是我最後才想清楚的一件事。
我們公司有幾個人用的是比較貴的 API，是因為他們需要更強的推理能力。但也有人用高成本模式只是因為「感覺比較強」，結果做的任務根本不需要那個等級。
這不是說他們不好，是因為從來沒有人設定過「什麼任務用什麼 tier 的模型」。這個判斷力，其實要從 PM 這邊做出來，不能全部丟給工程師自己決定。
我現在做的一個簡單框架，就是把任務分三類：
草稿、探索性的東西，用基本模型就好，對錯不是重點，速度和量才是。
要給外部看的、要進產品的，可以用中等偏強的，但要設一個「最多幾輪 prompt」的限制。
需要強推理的，或者會影響架構決策的，才開高成本。而且要有人 review 輸出，不是丟進去就信。
這個框架沒有很複雜，但光是「說出來、讓團隊知道」這個動作，就已經能省掉很多亂花的成本。
回到 Uber 那個新聞。他們管理層開始懷疑 AI 支出和實際產出之間的 ROI，我完全可以理解那種感覺。
問題不是工具不好，是你沒有辦法回答「這個月我們花的這些錢，到底換到了什麼」。
如果你答不出來，那個錢就是消失了，不是被用掉的。
作者：菲菲