OpenAI 財務長端出「AI 時代成績單」：別再看 demo，看每次成功任務的成本

OpenAI 財務長 Sarah Friar 週四在官網發表〈AI 時代的計分卡〉一文，提出一套衡量 AI 投資報酬率的框架。四個核心指標：有用的工作量（useful work，AI 實際完成了多少有價值的產出）、每次成功任務的成本（cost per successful task）、可靠度（dependability）、以及算力報酬率（return on compute）。訴求對象很明確——那些已經砸錢買了 AI 工具、卻還在用「員工好像變快了」這種模糊感覺向董事會交代的企業。

四個指標裡最鋒利的是「每次成功任務的成本」：分母不是 API 呼叫次數也不是 token 量，是「成功完成的任務」。同一件事讓代理重試五次才做對，成本就是五倍；模型單價再便宜，失敗率高照樣是賠錢貨。把「可靠度」獨立成一軸也是同樣邏輯——企業要的不是偶爾驚豔的天才，是每次都及格的員工。

由賣方的財務長來教買方怎麼算帳，時機不是偶然。本站今日報導的 Mozilla 開源現況指出開放權重推論成本 36 個月跌了 50 倍，昨日也報導過微軟訓練業務主打自家模型更省更划算——當「便宜」成為對手的主武器，OpenAI 的回應是把戰場從單價移到「每次成功的總成本」，言下之意是：我們的模型貴，但一次就做對。

歸剛點評：這套框架本身是好東西，台灣企業導入 AI 時直接拿去用都不吃虧——特別是「每次成功任務成本」這個指標，能戳破九成 AI 導入簡報的泡泡。但要記得出題者的立場：計分卡的每一軸都恰好是頂級閉源模型的主場，沒有一軸叫「資料主權」或「供應商綁定風險」。用人家的考卷考試，就別怪出題老師都考自己的強項。