如果对智能体AI软件市场快速增长的预测是可信的，那么典型企业很快就会将其AI预算的很大一部分用于支付智能体费用——这些工具可以使用AI在数字系统中执行操作。

但是，所有这些智能体是否真正创造价值，很大程度上取决于企业如何有效管理其智能体AI成本。部署效率低下的智能体可能会导致AI支出飙升，而生产力或运营效率却没有相应提升。

IT领导者面临的一个关键问题是，如何在智能体成本失控之前控制它们——这是CIO们现在就需要开始回答的问题，因为企业仍处于智能体AI采用的早期阶段，对如何实施和管理智能体仍有很大控制权。

什么推动了智能体成本

从广义上讲，智能体支出可分为四个类别：

AI成本管理挑战

在这四个类别中，只有一个——智能体AI软件成本——相对可预测且易于控制。智能体AI软件供应商通常对其定价透明，这使得预测软件本身的成本变得相对容易。

然而，管理其他三个类别的智能体AI成本往往具有挑战性。核心原因是智能体可能以难以预测的方式行为。这是因为现代AI系统在设计上是非确定性的——这意味着相同的输入不会总是产生相同的输出。

对于智能体而言，非确定性使得几乎不可能准确预测智能体将如何完成请求——甚至无法假设它历史上完成任务的方式在未来会保持不变。因此，Token成本、基础设施资源消耗率和智能体维护需求也可能发生变化。

智能体AI工作流成本：现实世界的例子

为了说明这一挑战，让我们看看现实世界中智能体AI流程的成本如何根据智能体处理任务的方式而变化。

想象一个软件开发智能体被要求生成代码来在应用程序中实现新按钮。无法提前知道智能体将生成哪些确切的代码。也不可能准确预测它将如何测试和调试其代码。然而，它生成的代码总行数以及在编写和验证代码时与大语言模型的交互总数对流程的总成本有重大影响。

另一个例子是，营销人员使用的内容制作智能体来创建产品手册。同样，无法知道智能体将生成多少文本或图像，它会要求大语言模型参考企业现有产品手册作为上下文多少次，或者在产生最终产品之前会完成多少次新手册的迭代。智能体的更多工作会带来更高的成本，主要是由于Token使用以及CPU和内存开销。这也可能增加IT部门管理智能体所需的时间和精力，因为更活跃的智能体需要更多的监督和维护。

平衡成本管理与智能体自主性

部署智能体的人类可以定义参数（例如，"保持新代码总行数低于100行"或"仅查看最近三个产品手册作为示例"），以限制智能体的行动范围——进而限制它们产生的成本。

但是，这样做的问题是它削弱了使用智能体的部分价值。用户花在告诉智能体如何完成任务上的时间越多，智能体为人类节省的时间和精神负担就越少。此外，限制智能体产生的工作长度或复杂性可能会降低其质量。

因此，企业需要找到充分利用智能体潜力但不会破产的方法。

控制智能体支出的9个可行做法

幸运的是，有一些方法可以控制智能体成本，而不对智能体的行动能力设置人为或任意的限制。业务和IT领导者应该考虑以下做法：

从哪里开始智能体成本管理以及后续步骤

在所有这些做法中，选择一个最大化成本控制能力的智能体AI平台和架构是大多数企业早期应该采取的最重要步骤，以领先于不必要的智能体AI支出。早期为智能体实施成本监控也很关键，因为如果不知道实际成本是什么，就不可能控制成本。

从那里开始，企业可以实施更多战术性做法，如内容缓存和自动化工作流重复，以在日常基础上降低智能体成本。

同样重要的是用组织责任和智能体支出管理流程来补充技术控制。例如，企业可能要求任何部署智能体的人在这样做之前评估智能体的总成本。对智能体AI支出和成本优化机会进行定期、重复的审查也能在很大程度上帮助控制财务浪费。

总结

使智能体如此强大的特性——它们自主和灵活行动的能力——也使得它们的成本难以预测。但通过创新策略和控制措施，组织可以确保智能体的成本不会超过它们创造的价值。

Q&A

Q1：什么是AI智能体？它们的成本为什么难以预测？

A：AI智能体是能够使用AI在数字系统中执行操作的工具。它们的成本难以预测是因为现代AI系统在设计上是非确定性的，相同输入不会总是产生相同输出，因此智能体的行为方式、Token使用量、基础设施消耗和维护需求都可能变化。

Q2：如何在不限制AI智能体能力的情况下控制成本？

A：可以通过选择能最大化成本控制能力的平台架构、早期实施成本监控、使用内容缓存和自动化工作流重复等技术手段，同时建立组织责任和管理流程，如要求部署前评估总成本、定期审查支出等方式来控制成本。

Q3：AI智能体成本主要包括哪些方面？

A：AI智能体成本主要包括四个类别：智能体AI软件成本、Token使用成本、基础设施资源消耗成本以及智能体维护成本。其中只有软件成本相对可预测，其他三个类别都因智能体行为的不确定性而难以控制。