單個工程師看起來不高，但當企業有數千名開發者時，總成本會非常可觀。

Uber案例：AI預算比想像中更快燒完

多家媒體報導指出，Uber在2026年推廣AI編程工具（特別是Claude Code）後，使用量迅速飆升。

• 公司約有 5,000名工程師使用相關工具
• AI工具採用率在幾個月內大幅提升
• 結果 整個2026年的AI工具預算在4月就被用完

這個案例顯示，即使是大型科技公司，在預算模型上也可能低估AI工具的實際消耗速度。

問題並不完全在於工具本身，而是：

• 採用速度超出預期
• 缺乏團隊或專案層級的使用限制
• token計費在高頻使用情境下成本累積極快

對財務與IT管理層來說，這讓AI工具從「效率工具」變成需要嚴格治理的新型營運成本。

微軟為何重新調整策略

另一個引發關注的案例來自微軟。

報導指出，微軟在2025年底到2026年初曾向數千名員工開放Anthropic的Claude Code，包括工程師、產品經理與設計師等角色。

然而不到半年，微軟據報開始：

• 取消大部分內部Claude Code授權
• 將開發者轉向 GitHub Copilot CLI 作為主要AI編程工具

微軟將此描述為對AI支出的「共同責任」（shared accountability），顯示企業開始把AI成本管理視為核心治理問題，而不是附帶支出。

重要的是，這並不代表微軟放棄AI開發工具，而更像是：

• 重新選擇成本結構更可控的工具
• 強化內部治理
• 推動自家AI開發平台

AI真的讓軟體開發更便宜嗎？

AI編程工具最常見的承諾，是「讓開發更快、更便宜」。但目前的研究結果其實相當複雜。

一項針對資深開源開發者的隨機對照實驗顯示，在允許使用AI工具的情況下，工程師完成任務 平均慢了約19%。

原因包括：

• 需要花更多時間檢查AI生成的程式碼
• 對大型既有程式庫理解不足
• 產生更多需要審查與修改的程式碼

另一項研究也指出，如果AI讓程式碼產量增加，但品質下降，團隊可能需要花更多時間維護與修復問題，進而累積「技術債」。

因此在某些情境下，AI確實能提升效率；但在大型、複雜或長期維護的系統中，收益並不一定如宣傳所說那麼明顯。

企業AI工具正在進入「成本現實期」

綜合目前的證據，有幾個趨勢越來越清楚：

• AI編程工具正在快速普及
• 成本在大規模部署時變得更加明顯且難以預測
• 企業開始限制使用、調整工具或重新談判授權

Uber與微軟的案例顯示，企業並沒有放棄AI開發工具，而是進入新的階段：從實驗與快速導入，轉向成本控制與治理。

仍存在的不確定性

需要注意的是，目前關於Uber與微軟的部分資訊來自媒體報導，而非完整的官方財報或正式公告，因此仍應視為「已報導的說法」，而非完全確認的公司披露。

此外，現有研究也沒有證明所有AI編程工具都缺乏經濟效益，只是顯示：在大型企業環境中，成本、治理與實際生產力之間的平衡仍在探索中。

單個工程師看起來不高，但當企業有數千名開發者時，總成本會非常可觀。

Uber案例：AI預算比想像中更快燒完

多家媒體報導指出，Uber在2026年推廣AI編程工具（特別是Claude Code）後，使用量迅速飆升。

• 公司約有 5,000名工程師使用相關工具
• AI工具採用率在幾個月內大幅提升
• 結果 整個2026年的AI工具預算在4月就被用完

這個案例顯示，即使是大型科技公司，在預算模型上也可能低估AI工具的實際消耗速度。

問題並不完全在於工具本身，而是：

• 採用速度超出預期
• 缺乏團隊或專案層級的使用限制
• token計費在高頻使用情境下成本累積極快

對財務與IT管理層來說，這讓AI工具從「效率工具」變成需要嚴格治理的新型營運成本。

微軟為何重新調整策略

另一個引發關注的案例來自微軟。

報導指出，微軟在2025年底到2026年初曾向數千名員工開放Anthropic的Claude Code，包括工程師、產品經理與設計師等角色。

然而不到半年，微軟據報開始：

• 取消大部分內部Claude Code授權
• 將開發者轉向 GitHub Copilot CLI 作為主要AI編程工具

微軟將此描述為對AI支出的「共同責任」（shared accountability），顯示企業開始把AI成本管理視為核心治理問題，而不是附帶支出。

重要的是，這並不代表微軟放棄AI開發工具，而更像是：

• 重新選擇成本結構更可控的工具
• 強化內部治理
• 推動自家AI開發平台

AI真的讓軟體開發更便宜嗎？

AI編程工具最常見的承諾，是「讓開發更快、更便宜」。但目前的研究結果其實相當複雜。

一項針對資深開源開發者的隨機對照實驗顯示，在允許使用AI工具的情況下，工程師完成任務 平均慢了約19%。

原因包括：

• 需要花更多時間檢查AI生成的程式碼
• 對大型既有程式庫理解不足
• 產生更多需要審查與修改的程式碼

另一項研究也指出，如果AI讓程式碼產量增加，但品質下降，團隊可能需要花更多時間維護與修復問題，進而累積「技術債」。

因此在某些情境下，AI確實能提升效率；但在大型、複雜或長期維護的系統中，收益並不一定如宣傳所說那麼明顯。

企業AI工具正在進入「成本現實期」

綜合目前的證據，有幾個趨勢越來越清楚：

• AI編程工具正在快速普及
• 成本在大規模部署時變得更加明顯且難以預測
• 企業開始限制使用、調整工具或重新談判授權

Uber與微軟的案例顯示，企業並沒有放棄AI開發工具，而是進入新的階段：從實驗與快速導入，轉向成本控制與治理。

仍存在的不確定性

需要注意的是，目前關於Uber與微軟的部分資訊來自媒體報導，而非完整的官方財報或正式公告，因此仍應視為「已報導的說法」，而非完全確認的公司披露。

此外，現有研究也沒有證明所有AI編程工具都缺乏經濟效益，只是顯示：在大型企業環境中，成本、治理與實際生產力之間的平衡仍在探索中。