一份最新報告指出，企業在軟體開發中導入人工智慧（AI）的成本效益，關鍵在於組織管理與治理模式，而非單純的技術應用。報告強調，缺乏透明的成本追蹤與健全的治理機制，將導致 AI 投資效益兩極化，甚至產生無人負責的隱性成本，因此集中化的管理視圖對領導決策至關重要。
一份最新報告指出，人工智慧（AI）在軟體開發中的成本與效益，主要並非取決於技術本身，而是企業內部的組織管理與治理模式。《Ibm.com》於週一（8月24日）發布的分析報告強調，AI 的導入效果如同放大鏡，能加速強化組織原有的優勢，但也可能讓破碎混亂的管理問題更快速地浮現，並付出更高的代價。
報告闡明，若組織內部缺乏健全的治理機制，將導致 AI 應用時出現重複工作、失控的實驗，以及前後不一致的採用狀況。例如，當獎勵機制偏向鼓勵原始 AI 使用量時，開發人員可能會將低價值任務導向昂貴的 AI 模型，只為滿足使用率指標。相反地，若過度強調節省開支，開發團隊可能會在具備高價值潛力的工作中，未能充分利用 AI，反而將成本轉嫁至後續的返工修正上，且這些成本往往被歸類在 AI 預算之外。
缺乏對 AI 使用量及成效的全面洞察，企業將難以分辨哪些 AI 工作具備生產力，哪些只是耗費不貲的實驗。這使得財務運營（FinOps，一種結合財務與IT營運的管理模式）專業人員在管理 AI 成本的透明度與分配上，面臨最大挑戰。他們需要更清晰的視角來追蹤與歸因 AI 相關的支出項目，才能做出有效的決策。
此外，早在開發工作啟動前，供應商選擇、模型彈性、企業級定價策略，以及重複使用的工具數量，都會對 AI 導入的總體成本產生影響。隨著 AI 逐漸融入日常開發流程，其性質也從「創新投資」轉變為「營運開支」。報告提醒，若組織未能妥善處理這種預算性質的轉變，最終可能導致 AI 相關成本無人負責，形成管理盲區。若企業能建立集中化的 AI 使用、成本、治理及成效視圖，將有助於領導階層做出更明智的決策。