核心概念

2026 年 6 月 18 日，OpenAI 為 ChatGPT Enterprise 推出兩項重大功能更新：使用量分析（Usage Analytics）與支出控管（Spend Controls）。這次更新標誌著企業 AI 市場進入關鍵轉折——從「能不能用」轉向「怎麼管」。

早期企業 AI 採購決策的核心是模型能力，但隨著 AI 工具在組織內深度落地，治理與成本可預測性成為新的決策軸心。OpenAI 此次推出的工具，本質上是在回應一個真實的客戶痛點：企業管理者不知道錢花在哪裡，也不知道如何在不壓制生產力的前提下設定邊界。

全球管理控制台（Global Admin Console）

OpenAI 將 ChatGPT 與 Codex 的 credit 用量整合進統一的 Admin Console，提供跨產品、跨用戶、跨模型的細粒度消耗視圖。管理者可以：

  • 追蹤 credit 消耗趨勢與歷史變化
  • 識別高用量用戶與異常使用模式
  • 透過統一 Cost API 將用量資料接入自有 BI 系統或財務工具

Cost API 的開放是這次更新中較少被強調但實際意義重大的一點——它讓企業能把 AI 用量納入現有的成本歸因體系，而不是在 ChatGPT 後台和財務系統之間做手動對帳。

多層級支出上限機制

新的支出控管功能支援三個層次的設定：

  1. 工作區預設限額（Workspace Default Limit）：全組織的基礎上限
  2. 群組層級上限（Group-Level Cap）：針對部門或團隊的差異化額度
  3. 個人覆蓋值（Individual Override）：在群組框架內調整特定用戶的額度

員工端也獲得對等的透明度：每個使用者可以查看自己的 credit 消耗，並在接近上限時主動申請額外配額。這個設計避免了「突然斷線」的用戶體驗問題，同時保持管理端的掌控。

為何現在推出這些功能

企業 AI 成本失控已有具體案例佐證。根據產業資料，Uber 在將 Claude Code 部署給 5,000 名工程師後，四個月內耗盡全年 AI 預算。更系統性的數字顯示，目前僅有 15% 的企業能將 AI 成本預測控制在 ±10% 誤差內，超過半數的組織實際支出與預算偏差超過 50%。

這種預測失準的根本原因在於 token 成本的巨大差異：市面上模型的定價從每百萬 token $0.04 到 $180 不等，相差達 4,500 倍。若缺乏路由機制與可視性，組織往往默認將所有任務送往最貴的模型，造成隱性浪費。AI Agent 的普及讓問題進一步複雜化——Agentic 工作流的 token 消耗不是線性擴展，而是幾何級數增長，單次用戶操作可能觸發 10-100 倍的 token 消耗。

關鍵要點

  • 治理先於能力：2026 年的企業 AI 採購決策，管理工具的完備程度與模型性能同等重要；能否滿足稽核需求，已成為選型的關鍵條件
  • 可視性的矛盾：更好的分析工具能揭露浪費，但不能降低推論成本本身，也無法解決固定席位定價與可變用量之間的結構性張力
  • 競爭格局：Microsoft Copilot、Anthropic Claude for Enterprise、Google Gemini for Workspace 均提供類似的治理工具；這個功能本身已成為企業 AI 平台的標配門檻，而非差異化優勢
  • 影子 AI 的隱患：68% 的員工透過個人帳號使用生成式 AI 而非企業核准平台，造成重複支出與資安曝險；集中化的支出控管機制有助於降低這類風險
  • EU AI Act 壓力：2026 年 8 月起，歐盟 AI 法案的罰款條款生效（最高 7% 年營收），企業建立 AI 使用稽核能力的時間窗口已所剩不多

實務應用

對於正在評估或已部署 ChatGPT Enterprise 的組織，這次更新的實際建議路徑：

  1. 先跑 4-6 週基準期：在設定任何上限前，先讓系統蒐集真實用量資料，識別高用量用戶與高消耗場景
  2. 用 Cost API 接入財務系統：將 AI 用量變成可按成本中心歸因的費用項目，讓部門主管看到自己的消耗
  3. 設定群組差異化額度：工程師、業務、客服的用量模式差異極大，統一上限要麼過緊要麼過鬆
  4. 分享用量報告給部門主管：透明化本身就是一種行為改變機制，比硬性限額更有彈性

延伸觀點

三份來源（elvex.com、witness.ai、shm.studio）共同指向一個核心論點：企業 AI 治理的真正挑戰不在技術，而在組織能見度的建立。

被多份來源共同驗證的觀點：

  • 執行層成本控管才有持久效果。政策層面的允許/封鎖決策效果有限；真正能在不影響生產力的前提下控制成本的機制，是在每個模型請求通過的路由層設定規則，讓策略自動繼承到所有 AI 專案。

  • 可視性是所有其他治理措施的前提。無法看到用量，就無法做路由優化，無法做合規稽核，也無法做 ROI 計算。OpenAI 這次更新的最大貢獻，是把這個基礎能力標準化。

  • 影子 AI 是隱性成本的最大來源之一。集中式治理工具能逼出影子使用——員工使用個人帳號繞過企業管控，不只是預算問題，也是資料外洩風險（相關違規事件的單次成本平均高出 $670,000）。

單一來源但有參考價值的補充觀點（elvex.com）：

  • AI Agent 的 token 消耗特性使傳統的 seat-based 預算模型根本失效，組織需要從「按用戶計費」思維轉移到「按請求治理」。這個觀點與 OpenAI 推出 credit 用量透明化的方向完全吻合。

相關頁面：Samsung Electronics × ChatGPT Enterprise：三年禁令後的企業 AI 全面轉型

反向連結

以下頁面引用了本頁：