AI Token 預算將成工程管理新常態
Instagram 負責人 Adam Mosseri 認為，企業很快會把 AI Token 當成薪資、GPU 與營運費用一樣管理。工程師使用 Coding Agent 產生程式、測試、除錯與文件時，模型處理 prompt、回傳內容及長上下文都會持續計費；當用量大到接近個人薪資，公司就可能依職務與產出設定額度。Meta 目前尚未限制員工，但已停止內部 Token 用量排行榜等只鼓勵消耗、未必創造價值的做法。
現實應用
這件事最先影響大量部署 Claude Code、GitHub Copilot CLI 或內部 Agent 的軟體公司。工程主管得把 AI 成本拆到團隊、專案甚至個人，搭配程式合併速度、缺陷率與交付時間判斷 ROI。一般企業也用得上，例如限制測試環境呼叫、把昂貴模型留給架構設計，日常補全則交給較便宜模型。
期望評估
我認為低標是企業開始建立 Token 儀表板、用量警示與分級模型政策，先抓出無限重試、過長 context 和重複工作等浪費；即使沒有直接提高生產力，至少能讓 AI 帳單可預測。
我猜高標會形成「AI 計算預算跟著人才走」的制度：高信任、高產出的工程師取得更大額度，Agent 也能自動選模型、壓縮 context、快取結果。屆時衡量工程能力，可能不只看寫了多少 code，還包括能否有效調度 AI 資源。
商業策略分析
受影響的不只是 Meta。報導指出 Uber 曾在四個月內用完年度 AI Coding 預算，Microsoft 也因成本調整工程工具配置。對模型商而言，單純賣更多 Token 的蜜月期可能結束，企業客戶會要求成本控制、稽核、路由與可量化效益。
我認為值得跟進，但不該直接用個人額度做績效排名，否則工程師可能避用 AI，或刻意挑容易量化的工作。比較合理的做法是先按專案設預算，再觀察每次交付成本、品質與節省工時。Mosseri 預期模型價格戰會壓低單價，但 Agent 能做的工作也同步變多，總支出未必因此下降。