האתגרים מתפרסים על ארבעה תחומים עיקריים:
היעדר בסיס נתונים ראשוני. רוב פרויקטי ה-AI מתחילים לעקוב אחר מדדים רק לאחר ההשקה, מה שהופך כל ייחוס ערך לבלתי אפשרי . סקר ModelOp מ-2026 מצא שיותר משני שלישים מהארגונים עדיין מסתמכים על הערכות ולא על תוצאות פיננסיות נמדדות כדי להעריך את ההחזר על ההשקעה
.
שליטה של מדדי שווא (Vanity Metrics). חברות רבות עוקבות אחר משתמשים פעילים, כמות סשנים או שאילתות ביום — מדדים שאינם חושפים דבר על ערך עסקי אמיתי . המדד של 2025 היה "משתמשים". המדד של 2026 צריך להיות "תוצאות שניתנות לביקורת"
.
הפער בין פיתוח ל-ROI. דוח ה-CIO של Gartner לשנת 2026, שסקר 11,000 מנהלי מערכות מידע, מצא ש-59% מהמיזמים הארגוניים לעולם לא מגיעים לשלב הייצור, ו-71% מהמנמ"רים מתקשים לתעדף פרויקטים שיניבו תוצאות מדידות .
התפוצצות הוצאות ללא שקיפות. עלויות AI מפוזרות בין ספקים, מודלים ומחלקות רבות ללא מסגרת חשבונאית מאוחדת . מחקר של פורסטר מגלה שארגונים דוחים 25% מההוצאה המתוכננת על AI לשנת 2027, ככל שהביקורת הפיננסית גוברת
.
OpenAI — 'מודיעין שימושי לדולר'
שרה פרייאר, סמנכ"לית הכספים של OpenAI, הציגה כרטיס ניקוד בן ארבע שאלות, הבודק: האם ה-AI עובד? האם הוא חסכוני? האם הערך שהוא יוצר גדל מהר יותר מהעלות שלו? מסגרת זו מסיטה את השיחה מצריכת טוקנים גולמית לכלכלת יחידות מותאמת תוצאה .
Anthropic — 'פרימיטיבים כלכליים'
Anthropic פרסמה מסגרת המבוססת על "פרימיטיבים כלכליים" המודדת מורכבות משימה, רמת אוטונומיה וזמן שנחסך ביחס לעלות למשימה — במקום שימוש גנרי . ההנחיות הפנימיות שלהן לארגונים מדגישות מדדי הצלחה הקשורים לסף ביצועים, דיוק, שיפורי מהירות ויעילות עלות
.
קרן Tokenomics של קרן הלינוקס
הושקה ב-4 באוגוסט 2026, עם כ-30 חברות מייסדות כולל ג'יי.פי. מורגן צ'ייס, אקסנצ'ר, IBM, SAP, BNY ו-Booking.com. זהו גוף תקנים נייטרלי-ספק שמטרתו לעשות לעלויות טוקני AI מה שעשתה קרן FinOps להוצאות הענן . טיוטת הפלט הראשונה שלה, "Big-T Notation", מציעה לסטנדרטיזציה של עלות-לקריאת API (לא עלות-לטוקן), כך שהמדד ימפה ישירות ליחידת עבודה אחת שבוצעה
. הקרן מגדירה גם מדדי עלות-לשירות (cost-to-serve) שכמעט ואינם קיימים בצורה סטנדרטית כיום
.
Elisity — 'כוח אדם ביוני'
חברת אבטחת הסייבר יצרה מדד המחלק את סך ההוצאה על AI בעלות הממוצעת של עובד, ואז משווה את התפוקה המשולבת של עובדים אנושיים ו"עובדי" AI כנגד ההכנסות. זה מספק לסמנכ"לי כספים אנלוגיה ישירה של פריון עבודה להשקעה ב-AI .
מאמצים כלל-תעשייתיים
קרן FinOps פרסמה מסגרות ייעודיות ל-AI הממליצות על מדדי עלות יחידה — עלות לשאילתה, עלות למשתמש, עלות לתהליך עבודה — כדי להנגיש את הוצאות הטוקנים לבעלי העניין העסקיים . Oracle, Jellyfish ואחרות מציעות לוחות מחוונים לכלכלת טוקנים הממפים צריכה לתוצאות עסקיות ברמת תהליך העבודה
. BCG מציעה יחס פורמלי של "החזר על AI" (RoAI): תשואה כלכלית / (עלות אינטליגנציה אנושית + עלות טוקנים)
.
על פני כל המסגרות הללו, מתהווה דפוס ברור. הגישות היעילות ביותר חולקות מבנה משותף:
אף תקן יחיד לא זכה עדיין לאימוץ נרחב. אבל הכיוון ברור: קונצנזוס הולך וגדל מתהווה סביב כלכלת יחידות המקושרת לתוצאות — עלות למשימה שהושלמה, עלות לטיפול בתקלה שנפתרה, כוח אדם ביוני — במקום ספירת טוקנים גולמית. עבור סמנכ"לי כספים ומנמ"רים המחפשים נקודת התחלה, העצה של שרה פרייאר מ-OpenAI נשארת המעשית ביותר: "המקום הטוב ביותר להתחיל הוא עם תהליך עבודה אחד. הגדירו מה המשמעות של 'בוצע' ומדדו את התוצאה הזו במערכת שבה העבודה מתרחשת" .