“每月只给29美元用Claude”？曝埃森哲有人单月烧掉1000美元，官方紧急回应：不是硬性上限
每个月只给 29 美元（约合人民币 193 元）用 AI，够干什么？
对于普通聊天、写写邮件、整理文档来说，这笔钱或许够用。但如果你每天都在用 Claude Code 写代码、跑测试，让 AI 智能体反复执行任务，29 美元可能还没撑几天，就已经见底了。
最近，咨询巨头埃森哲（Accenture）就因为一项 Claude 费用政策引发关注：据 404 Media 报道，公司从今年 10 月 1 日起，每月集中承担的 Claude 使用费用为每位员工 29 美元；而此前，有员工每月使用 Claude Code 的费用高达 500-1000 美元。
从 29 美元到 1000 美元，相差超过 30 倍。消息传出后，不少人将其理解为埃森哲开始限制员工使用 AI——毕竟，埃森哲本身就是积极推动企业 AI 转型的咨询巨头，还与 Claude 的开发商 Anthropic 达成了多年战略合作。
一边鼓励企业拥抱 AI，一边又要精打细算地管理自家员工的 AI 账单，这种反差自然引发了讨论。
有人一个月花 500 美元，超额费用谁来承担？
据 404 Media 最近报道，埃森哲在一份发给员工的内部备忘录中，说明了 Claude 使用费用的新安排：公司每月集中承担每位员工 29 美元的费用，超出部分则需要通过工作分解结构（Work Breakdown Structure，WBS）计入具体项目或团队，并获得相应的预算支持。
WBS 可以简单理解为企业内部的项目计费编码：这笔钱究竟花在哪个客户项目、哪个团队的工作上，都需要有明确的归属。
举个例子，一名员工当月使用了价值 500 美元的 Claude 服务。如果公司集中承担 29 美元，剩余的 471 美元就需要由相应项目或团队承担，而不是继续全部记在公司的统一费用账上。
也就是说，员工想要继续高强度使用 Claude不是不行，但必须有人为额外开支买单。埃森哲随后也明确表示，将其政策理解为每月严格限制员工使用 AI 工具的说法并不准确：29 美元只是用于说明公司资助方式的一部分，不能直接等同于员工的使用上限。
不过，埃森哲的内部备忘录也强调，即便提供了项目编码并获得使用许可，也不代表员工就能无限期、持续地访问 Claude。据报道，已有一名员工失去了 Claude 的使用权限，而这一情况与费用调整之间是否存在直接联系，目前还不能确定。
另外，埃森哲并未公开这份备忘录，也没有披露具体有多少员工受到影响。因此，29 美元究竟适用于哪些员工、如何计算，以及超额费用的审批标准是什么，目前也没有完整答案。
一边推广 AI，一边为何要管账单？
如开头所说，这件事受到关注，还有一个重要背景：埃森哲并不是一家不看好 AI 的企业。
去年12 月 9 日，埃森哲与 Anthropic 宣布达成多年战略合作，计划加速 AI 在大型企业中的应用。双方计划培训约 3 万名埃森哲专业人员使用 Claude，并推动 Claude Code 在开发团队中落地——当时，Anthropic CEO Dario Amodei 还称，这是公司“有史以来最大规模的部署”。
既然如此，埃森哲为什么还要调整自家员工的 Claude 费用安排？
原因不难理解。埃森哲拥有约 81.4 万名员工，如果每个人都能不受限制地使用 AI，哪怕平均每人的额外支出并不高，累积起来也可能是一笔可观的费用。
更何况，埃森哲是一家咨询服务公司，项目成本会直接影响利润：据报道，埃森哲超过 65% 的订单来自固定价格合同，对于这类项目，客户支付的合同金额通常不会因为员工多调用了几次 AI 就自动增加；如果 AI 使用费用没有提前纳入项目报价，新增成本就可能由埃森哲自行承担。
因此，把超额 AI 支出计入具体项目，相当于要求项目负责人明确回答一个问题：这笔钱到底花得值不值？如果 AI 能帮团队缩短交付时间、减少返工，项目承担额外费用或许很合理；但如果只是让员工用 AI 反复尝试，却没有带来明确收益，那公司自然会重新审视这笔支出。
所以，AI 预算应该该按人头算吗？
如果你觉得埃森哲的每月 29 美元太“抠”，可以看看其他公司发生了什么：
Uber 在 2026 年初全量部署 Claude Code，95% 的工程师都在用，结果四个月就烧光了全年的 AI 编码预算；
微软的 Experiences + Devices 部门则因为重度用户每月 500-2000 美元的 Token 账单，在今年 5 月取消了大部分 Claude Code 许可证，要求工程师在财年结束前迁移到自家的 GitHub Copilot CLI；
三星对员工开放的 Claude、Gemini 和 ChatGPT 也实施了分级 Token 配额。
不仅如此，更宏观的数字更能说明问题：2025 年底到 2026 年初，Token 单价下降了大约一半，但同期 Token 消耗量增长了 450%；另一组数据也显示，企业 AI 预算的平均值从 2024 年的 120 万美元膨胀到了 2026 年的 700 万美元。
单价越便宜，总账单越吓人——“杰文斯悖论”在企业AI的账本上活生生地重演了一遍。
如果只看账单，很容易得出一个简单结论：使用 AI 越少，公司节省的钱就越多。毕竟每月 500-1000 美元的 AI 账单，听起来确实有些夸张。但如果了解 AI 编程工具的工作方式，就不难理解这笔钱是怎么花出去的。
普通聊天通常是一问一答；但 AI 编程 Agent 在接到一个任务后，可能会连续检查代码文件、分析问题、生成代码、运行测试，再根据报错修改方案，并且任务越复杂、执行链条越长，Token 消耗就可能越高。
不同模型的成本也有明显差异。以 Anthropic 公布的 API 计费模式为例，输入和输出 Token 分别计费，能力更强的模型通常单价也更高。企业实际使用费用还可能受到缓存、额外工具调用、套餐安排和商业折扣等因素影响。
这就出现了一个问题：同样是使用 Claude，有人只是让它写一封邮件，有人却让它连续工作数小时，分析代码、执行测试、反复修复问题——两者的实际成本，自然不能简单地按人头平均计算。
一名员工每月花费 500 美元使用 AI 编程工具，如果因此完成了原本需要投入大量人力的工作，这笔钱可能很划算；另一名员工即使只花 29 美元，如果生成的内容错误频出、需要大量人工修改，也未必创造了价值。
因此，比起只统计每个人花了多少 Token，或许企业更需要知道：AI 完成了一项任务究竟花了多少钱？与原来的工作方式相比，节省了多少时间和人力？最终交付质量有没有下降？
最后，如果你是公司的负责人，你会怎么制定 AI 预算呢？是给每位员工设置固定额度，超出就要申请，还是允许员工根据工作需要自由使用呢？
本文来自微信公众号“CSDN”，整理：郑丽媛，36氪经授权发布。
