外媒：在企業密集引入 AI 代理程式後，市場開始從「多用模型」轉向「如何管好模型」。 Fortune 引述 AI 公司 Hebbia 創辦人 George Sivulka 的文章稱，上一輪企業級 AI 代理商擴張過快，但多數公司並沒有建立相應的管理體系，結果是成本上升、流程反复，部分場景甚至不如人工協作穩定。
企業先擴張，後補管理
Sivulka 把這一輪短暫熱潮稱為「tokenmaxxing」。他的核心判斷是，企業並不是買到了更有效率的數位員工，而是一次性引入了大量執行品質不穩定的代理系統。問題不只在模型能力，更在於公司內部很少人能把任務講清楚、拆細並提供足夠上下文。
文章提到，Hebbia 的客戶包括 BlackRock、KKR 和美國空軍。 Sivulka 認為，許多企業在沒有預算限制、流程分工和報告機制的情況下，直接把 AI 代理連接到工作流程，放大了原本就存在的組織低效率。代理一旦收到模糊指令，就會重複呼叫模型自我修正，形成高頻消耗。
成本壓力先暴露出來
Fortune 在文中引述 UBS Global Research 的調查稱，多家 AI 原生公司私下都承認，企業客戶當前最關心的問題之一就是 token 成本。部分公司內部先前甚至沒有明確的 token 預算概念，但客戶已開始持續追問支出控制。
UBS 引述一家未具名 AI 公司稱，其對 Anthropic 的支出已從去年 12 月的 2 萬美元，升至今年 7 月即將突破 100 萬美元，7 個月增長約 50 倍。儘管如此，這家公司並未要求員工停止使用模型，而是開始設定每月門檻提醒，並限制部分行政類別使用前沿模型。
公開表態也在增加。文中提到，OpenAI 曾表示 AI 成本已成為今年以來的突出問題，Uber 也開始設定支出護欄。 UBS 估計，約 60% 的組織已將 token 成本視為現實問題，而且這一比例可能還在上升。
企業開始改用模型路由
Sivulka 認為，眼下真正缺乏的不是更多模型，而是更成熟的管理方法。他把重點放在「情境工程」上，也就是讓員工更準確地定義任務、補充背景，並把不同子任務分配到更合適的模型。
UBS 調查顯示，一些公司已開始採用「模型路由」方式處理項目，不再把單一任務整體交給同一模型，而是把其中的不同環節分配給不同模型，以兼顧效果、速度和成本。對需要擬人互動或關鍵業務結果的場景，企業會保留前沿模型；對標準化流程，則更多地使用更便宜或更快的模型。
依照這個思路，企業接下來比拼的重點，可能不再只是採購多少算力或接入多少模型，而是誰能先建立起預算、分工和任務拆解能力。文章也提到，隨著企業希望把更多內部知識交給 AI 系統，員工對知識沉澱和職缺替代的顧慮也可能進一步上升。
