** AI 生成成本驟降至0.07美元/百萬Token，企業實際開銷卻遠超預期 **

**

【快訊重點】
2025 年《經濟學季刊》報告顯示，雖然 AI 生成文字的推論費用已從 2022 年的 20 美元降至 2024 年的 0.07 美元，但企業實際運營成本卻因資料整合、人工審核及錯誤修正等隱性開銷，仍維持在較高水平。近期德勤報告錯誤事件再次凸顯 AI 內容可靠性與成本效益之間的落差，市場對 AI 內容的「便宜」與「可用」之關係持續關注。

【核心分析】
1. **成本結構的演變** – 依據史丹佛 2025 AI Index，模型推論費用已經降至百萬 token 0.07 美元，距離 2022 年的 20 美元已經縮減 99%。然而，這僅代表模型使用費，未納入系統集成、資料蒐集、格式化、人工覆核及錯誤處理等費用。
2. **人力成本與效率提升** – 2025 年的實證研究顯示，在客服領域 AI 協助後，問題解決率提升 15%，特別是新進員工。然而，若 AI 僅產出草稿，後續的逐句審核與法務修訂仍需大量人力。
3. **錯誤重複風險** – 德勤因使用生成式 AI 引入不存在或錯位的資料，需返工約 9.76 萬澳元並修訂報告，最終結論未變但重工成本高昂。此類事件顯示，即使 AI 速度快、成本低，錯誤複製後的後續處理仍可能耗費大量時間與資金。
4. **驗證流程的重要性** – NIST 的生成式 AI 風險管理建議，企業應納入來源追溯、上線前測試、事件揭露與持續監測。將 AI 內容分類為低風險與高風險，並採用抽查與逐項確認，可降低錯誤對商譽與成本的衝擊。

【市場觀點】
– **投資人與法人的觀點**：多數投資人認為 AI 技術的推論成本已屬「低端」，但關注點集中於 AI 驅動內容的質量控制與合規風險。
– **業界評論**：一些企業 CEO 表示，AI 能快速產出初稿，但最終稿件的可靠性仍需人力把關；若忽視驗證流程，可能造成錯誤放大與商譽風險。
– **業界案例**：德勤、澳洲職場關係部門的案例提醒企業，AI 內容的可審查性與來源可追溯性是衡量成本效益的重要指標。

綜合而言，AI 生成文字的直接費用雖已降至極低，但企業若想真正實現成本節省，需將資料處理、人工審核與錯誤修正等全流程納入成本評估。否則，表面上的「便宜」可能只是將工作重擔轉移到人力資源與風險管理上，最終成本仍難以忽視。