羅世宏專欄》AI省錢的神話，究竟由誰埋單？
過去兩年，全球科技業掀起一波又一波裁員潮。企業提出的理由往往大同小異：生成式AI可以用更低的成本完成同樣的工作，因此縮減人力是理所當然的效率升級選擇。
但實際情況，未必是這樣。
AI不一定能降本增效
今年五月，KPMG發布一份調查報告，訪問全球二千一百四十五位企業高階主管。結果顯示，約三分之一的受訪者坦承，他們並不真正了解AI按使用量計費的成本結構。許多企業在導入AI工具時，既沒有做好預算估算，也缺乏使用監控與支出管理機制。
原本被期待用來節省成本的AI，如今反而成為企業財務管理的新風險。Uber的經驗，尤其凸顯了這個問題。
今年上半年，Uber在四月就用完了全年度的AI預算，距離年底還有八個月。
主要原因之一，是工程師大量使用Claude Code、Cursor等AI程式設計輔助工具。這類工具通常按工程師人數、工具授權及token使用量計費，重度使用者每月產生的費用可達五百至兩千美元。
更值得注意的是，Uber一度在公司內部設置使用排行榜，鼓勵員工競相使用AI，並把使用率視為創新文化的象徵。
當「用得多」本身被當成進步與創新的指標，預算失控其實不令人意外。Uber後來只得在年中緊急踩煞車，規定每位員工使用每項AI工具的月支出上限為一千五百美元，同時建立內部儀表板追蹤使用狀況；一旦超過額度，就必須取得主管核准。
Uber營運長也公開承認，公司很難把AI使用成本與具體的產品改善或乘客價值一一對應。換句話說，企業投入了大量算力費用，卻未必能說清楚究竟換來了多少可衡量的回報。
KPMG的報告還提到另一家未具名企業。這家公司因為沒有為員工授權設定上限，竟在一個月內累積了五億美元的AI支出。
這兩個案例都指向同一個問題：AI工具擴散的速度，超過企業治理與財務制度調整的速度。
薪資成本變成算力租金
企業裁員時，通常宣稱AI取代人力代表效率提升，省下的是薪資與人事成本。然而，Uber等案例顯示，被削減的薪資支出，很可能很快又以「算力租金」的形式重新出現。
兩者雖然都列在企業成本中，性質卻截然不同。
薪資是可見的、定期的，也受到勞動法規與集體協商制度的約束。算力費用則會隨使用量即時累積，價格與支出高度波動，現行勞動法制幾乎無從介入。
《勞動基準法》不會要求企業向工會揭露每月消耗了多少token，現有的集體協商制度也很少觸及AI工具的採購規模、使用額度與成本上限。當企業把人力支出轉換成雲端服務與模型使用費，成本不只是換了一個科目，也離勞工的監督與協商更遠了一步。
對勞工而言，這帶來兩種後果。
首先，某些被AI取代的工作並沒有真正消失，而是轉由演算法、資料中心與數位基礎設施承接。工作所需的資源仍然存在，只是成本被記在另一個地方。
其次，當企業宣稱AI替公司省下多少錢時，這筆帳往往既不透明，也難以驗證。企業可能只是把原本相對穩定、可預期的人力成本，換成波動更大、缺乏上限的雲端費用。最終總支出未必下降，甚至可能不減反增。
OpenAI執行長山姆．奧特曼（Sam Altman）最近接受媒體訪問時也提到，他收到的客戶抱怨幾乎如出一轍：「我的公司在第一季就花光了整個二〇二六年的預算，能不能讓AI便宜一點？」
台灣如何面對這道算術題？
台灣目前正處在一個微妙的時刻。無論企業或政府機關，都在積極評估導入生成式AI工具；相關的數位轉型論述，也大量沿用了矽谷熟悉的效率語言。
假如政府機關開始大規模採用按token計費的基礎模型，算力支出應如何納入公共預算的民主監督？行政機關若無法掌握AI工具的實際使用成本，立法院、審計機關與公民社會又要如何追蹤財政資源的流向與效益？
和大多數國家一樣，台灣目前的勞動法制與集體協商架構，幾乎沒有針對「導入AI工具如何影響勞動條件」建立揭露與協商機制。
因此，雇主可以單方面決定採用哪些AI工具、哪些職務必須使用、如何評量使用成效，也可以自行設定或取消使用額度。勞工不僅難以參與決策，甚至未必能充分理解，AI的導入將如何改變工作內容、績效標準、人力配置與裁員風險。
當算力帳單取代部分薪資成本時，勞動關係並沒有因此變得更平等，只是變得更加不透明。
KPMG全球顧問主管羅伯．費雪（Rob Fisher）在報告中指出：「AI如今既是財務管理的優先事項，也是技術發展的優先事項。真正的風險不在於是否投資AI，而在於企業在缺乏成本能見度與經濟理解的情況下投資AI。」
他談的是企業財務，但放到公共政策與勞動關係中，同樣成立。
重新拆解AI的效率敘事
我認為，AI工具確實可以提升部分工作流程的效率。但真正需要質疑的，不是AI究竟有沒有用，而是「AI必然省錢」為何會被視為理所當然，以及這種看法究竟無視了哪些問題。
它無視於算力費用的真實規模及其波動性，也無視於企業從固定授權費走向按使用量計費之後，與模型供應商之間已然改變的權力關係。
它還無視於另一項重要事實：在現行勞動制度下，工會與勞工對AI導入的成本、用途與影響，幾乎沒有知悉和參與協商的機會。
對台灣而言，無論討論企業治理、政府採購或勞動政策，都不能再只問AI能做什麼，我們也必須進一步追問：大規模導入AI花多少錢？成本由誰承擔？誰能參與鄉關決策？以及，更重要的是，效率提升所帶來的利益由誰享有？