AI 觀察 CHAPTER AI OBSERVER
權威報告解讀編輯審閱稿
麥肯錫 Agentic Economics：從 Token 成本到完成工作
Token 單價下降，並不保證每件工作更便宜。從報告觀察到可核對的工作安排。
來源：McKinsey／QuantumBlack · 發表：2026-07-13 · Is that AI agent worth it? Agentic economics and the modern operating model。
Token 單價下降，並不保證每件工作更便宜。七月的麥肯錫文章把討論焦點轉到完成業務工作的整體經濟性。本期提出一份可核對的成本記錄：先確認甚麼結果算完成，再合併模型、工具、重試與人工處理的實際成本。
原文主張與性質
原文強調，企業需要判斷 Agent 的輸出是否正確、是否要由人監督或修補，以及完成工作的價值是否足以支持營運成本。它提出以業務結果管理機器工作的框架。官方原文。
這是一篇管理觀點文章，並引用不同調查與經驗；不能把它當成一份對所有企業適用的 ROI 保證。本期閱讀公開正文及其來源說明，沒有把被引用調查的全部資料庫重新分析。
分會解讀：先定義「完成」
回覆得快，未必交付得快
若 AI 很快產生一份資料整理，但同事仍需逐行查來源、修正格式與重做計算，流程的實際交付時間可能沒有縮短。量度應從收到任務開始，到被指定責任人驗收為止；不能只記模型的回覆時間。
將失敗成本放回同一張表
重試、更換工具與人工處理往往分散在不同記錄。只看 API 帳單，容易把這些成本漏掉。團隊可以用一個任務編號把實際支出和處理時間串起來；資料不齊時應標示缺口，不填寫想像中的節省數值。
分開比較常見工作與例外工作
同一條流程的常見任務與高難度例外，可能適合不同安排。若沒有標示工作類型，一組較便宜的簡單任務便可能掩蓋少數成本很高的失敗。按工作類型分組，是讓比較有意義的必要步驟。
一份可重用的成本記錄
| 欄位 | 記錄方式 |
|---|---|
| 任務編號與類型 | 與原始工作要求對照，不含不必要的個人資料 |
| 完成與驗收 | 記下交付條件、驗收人與實際完成時間 |
| 模型及工具 | 使用實際版本、用量及帳單，保留當時條款 |
| 重試與返工 | 記下原因、次數及實際處理時間 |
| 人工投入 | 記錄審閱、修改、批准及例外處理 |
| 未知項目 | 明確標示目前不能量度的成本或收益 |
這份編輯建議的記錄格式，可讓成本與任務驗收放在同一處核對。比較時可用「全部可核實成本／獲驗收的完成任務數」作一個共同單位；零件或成果品質不同的工作，不應直接平均。
小型實踐：先跑一條流程
選一項低風險、重複性較高的文件整理工作。保留現有做法，並在同樣輸入下試一個 AI 輔助版本。指定同一驗收標準，記錄未完成、需要重做與需要人工處理的情況。不要只挑成功案例，也不要把內部試驗直接當成可以全面上線的證據。
比較之後，團隊應可以回答：哪些步驟值得繼續試，哪些步驟仍需要人工，以及缺少哪些資料才可以作下一次決定。只有具備這些記錄，成本討論才不會隨供應商每次更新單價而重新開始。
大灣區適用性與限制
跨市場團隊還要處理幣種、服務地區、文件語言與供應商可用性。這些條件可能影響完整流程，但不等於每項差異都能換算成收益。工具配置與採購應由負責人按實際任務、成本記錄及合約條件決定。
本期討論題
團隊目前把「完成任務」記在哪裏？如果帳單顯示模型更便宜，但返工變多，誰能把兩者放在同一個決策表？
編輯資料
編製日期：2026 年 10 月 7 日。本期為按當時已發表資料編製的回溯選輯，狀態：補刊草稿，供編輯審閱。企業應用部分為編輯解讀與實踐提案。