OpenAI 的首席财务官提出了人工智能支出的“每美元有用的情报”标准

OpenAI 首席财务官 Sarah Friar 表示，公司应该通过完成的工作而不是席位来衡量人工智能，并提出随着代币成本审查的加强，对人工智能回报进行四个问题的测试。

OpenAI 的首席财务官 Sarah Friar 敦促各公司放弃几十年来用来评估软件的指标，并采用一种新的人工智能标准——围绕完成的工作而不是使用工具的人数建立。

在 2026 年 7 月 17 日星期五发表的博客文章中，Axios、Fortune 和 CFO Dive 报道的 LinkedIn 帖子中详细阐述了 Friar 介绍的“每美元有用的情报”方法。核心论点：定义 SaaS 时代的指标——席位、活跃用户、续订——未能捕捉人工智能创造的价值。如需了解企业如何应对人工智能经济的持续分析，请关注我们的人工智能行业报道。

四个问题

Friar 建议组织通过回答四个问题来判断人工智能的价值：

1. 人工智能完成的工作重要吗？
2. 每项成功任务的成本是多少？
3. 人们可以依赖结果吗？
4. 随着使用量的增加，每一美元人工智能是否会产生更多价值？

“多年来，软件都是通过采用率来衡量的：席位、活跃用户、续订，”Friar 在 LinkedIn 上写道。 “人工智能是不同的——它需要通过完成的工作来衡量。”

该框架重新定义了代币消耗——公司支付的人工智能处理量——不是作为要最小化的成本，而是作为原材料，只有在转化为可用输出时才变得有价值。她写道：“当代币转化为人们可以使用的工作时，它们就创造了价值。”她认为，随着模型的能力变得越来越强大，它们可以承担更长的、多步骤的任务，这些任务可以维护上下文、跨工具进行推理并随时进行调整。

为什么 OpenAI 现在正在推动这个

对于人工智能行业来说，此次推介会正值一个令人不安的时刻。根据首席财务官 Dive 引用的 Gartner 数据，预计到 2026 年，全球人工智能支出将达到 2.59 万亿美元，同比增长 47%。然而，表明这些支出正在获得回报的证据仍然很少。普华永道 1 月份发布的一项研究发现，只有 12% 的首席执行官表示人工智能带来了成本和收入效益。另外 33% 的受访者表示成本或收入有所增加，而 56% 的受访者表示到目前为止他们还没有看到显着的财务收益。

这种差距正在给企业高层带来明显的挫败感。 Palantir 首席执行官 Alex Karp 最近告诉 CNBC，许多商业领袖对大型语言模型的经济学感到“厌倦”，质疑不断上升的代币成本是否会转化为回报——卡普在推广 Palantir 自己的技术时发表了这番言论，并承认这是出于商业动机。

对于销售相关代币的 OpenAI 来说，围绕结果而不是消费重新构建对话具有战略意义。如果客户通过完成的工作来衡量成功，那么为可靠地完成复杂任务的前沿模型支付更多费用看起来像是效率，而不是浪费。

摆脱席位和续约思维模式

“每美元有用的智能”的想法与对人工智能如何定价和衡量的更广泛的重新思考是一致的。传统的企业软件按席位出售；基于使用情况的人工智能定价打破了这种模式，因为根据任务的不同，单个席位现在可以消耗截然不同的计算量。 Friar 的四个问题有效地要求买家围绕“已完成的任务”和“每项成功任务的成本”建立内部会计——这是一个比员工人数更难跟踪的数字，但它反映了技术的实际用途。

并非所有人都相信新标准有利于买家。批评者指出，“已完成的工作”很难定义和审核，而且供应商有充分的动机将人工智能输出归类为成功。当模型产生自信但不正确的答案时，可靠性（弗莱尔的第三个问题）尤其难以衡量，这种现象称为幻觉。如果没有独立的验证，该指标就有可能成为营销工具而不是问责机制。

尽管如此，该提案还是反映了对话的真正转变。经过两年令人屏息的采用指标后，高管们要求提供证据证明人工智能支出正在获得回报。能够用数据回答 Friar 的四个问题的公司——无论他们使用 OpenAI 的模型还是竞争对手的模型——将是那些预算能够经受住不可避免的审查的公司。