管AI别只看模型价格，像管投资组合一样管支出

从GPT-4到GPT-5.4，每百万token价格跌了97%。GPT-5.6在编码测试里，输出token少用了54%，每任务时间少了57%。价格在降，性能在涨，但企业管钱的问题没变简单：花在哪、值不值、怎么管。

OpenAI给企业客户画了个框架——把AI支出当成投资组合来管。

评估AI的真实成本：不只算token

便宜的模型可能频繁失败，人工一介入，总成本反而更高。具体操作：先定义什么叫“足够好”，然后用真实任务测，边缘案例也别落下。高频高价值的工作流，要追踪每次可接受结果的总成本——包括模型费、工具费、尝试次数、完成率、延迟和人工审核。任务难度不一样，模型也别一刀切。

按三层次组合管理投资

AI投资分三个层次：广泛的生产力工具（每个人都能用的日常工具）、特定功能工作流（重复任务的效率提升），以及少量围绕公司专有上下文构建的战略性部署。

钱跟着成熟度走。探索阶段试模型能不能干；验证阶段用代表案例和明确质量标准卡；生产阶段才砸资源搞集成、控制、可靠性和变更管理。

集中建共享能力，降低重复投入

身份认证、可信连接器、知识库、评估工具、可观测性、模型路由、可复用代理模式——这些能力应该集中出钱。新工作流启动，直接调现成的，不用从头搭一套。

治理和控制不能等

ChatGPT Work给管理员一个集中控制台，能按用户、产品、模型看采用率、信用和支出。管理员能定义：AI能用哪些上下文、能接哪些工具、能干什么事、高风险步骤谁批准、高效工作流怎么加容量。

OpenAI还有零数据保留选项，专门给隐私要求高的企业。企业得搭治理框架，不止在工具层面。

企业可以选现成的，也可以定制

ChatGPT Work自带聊天、编码、代理工作流、连接器、插件、计算机使用和管理，开箱即用。更大规模部署，OpenAI Frontier和Deployment Company帮着企业建和管理跨系统的AI同事。OpenAI的AI部署工程师直接对接客户，搞评估、架构、延迟、可靠性和工作流设计。

不过材料没提这些服务的收费，也没说清“计算机使用”是桌面自动化还是别的。零数据保留选项是不是覆盖所有模型和用例，也不明确。

对企业来说，真问题不是模型不够强，而是价值不够清楚。