51% 的企业 AI 预算正在超支：美国合众银行秋季 CFO 调查里的三本账，与银行的 AI 投入治理

美国合众银行《2026年秋季CFO洞察报告》给出一组反差数据：69%的企业财务高管认为AI投资正带来实质商业机会、67%称过去一年已获正面影响，但51%的组织AI工具与平台支出超出预算。

超支主要发生在按用量、按 token 计费的模式下——40% 略微超支、11% 显著超支；而该行春季调查显示，企业平均只对 41% 的 AI 投资衡量了 ROI，在被衡量的部分里仅 47% 产生正回报。 也就是说，相当多的组织在"算不清回报"的情况下花超了钱。

智能体已经进入财务后台：现金预测/流动性管理与反欺诈/网络安全是当前领先用例；现金预测智能体的采用率随企业规模剧烈分化，从年营收 1 亿–2.5 亿美元企业的 23%，一路升到 50 亿美元以上企业的 74%。

这份调查对银行有双重含义：银行既是 AI 的重度使用方，需要给自己的 AI 投入建 FinOps 与 ROI 度量；又是服务千万企业 CFO 的金融机构，企业客户的 AI 预算焦虑与财资智能化，本身就是新的业务机会。 本文先核验数据，再算清三本账，最后给出落地建议。

一、调研口径核验

报告调研于 2026 年 8 月 5—27 日进行，样本为 1000 名美国企业高级财务领导，覆盖年收入 1 亿美元至 50 亿美元以上的多个行业；近半数为公司、区域或事业部 CFO，30% 所在企业年营收不低于 20 亿美元。该系列调查自 2021 年起持续开展，本期与 2026 年春季调查对比。需说明：以下均为受访企业的自报数据（survey-based），反映财务负责人的主观判断与口径，并非经审计的财务结果。

二、第一本账：机会账——信心与投入是真实的

1. 69% 的财务领导认为全社会 AI 投资增长为本企业带来实质性商业机会，67% 称过去 12 个月已对业务产生正面影响。
2. 正面影响呈现明显的规模效应：年营收 50 亿美元以上企业 81% 报告正面影响、20 亿–50 亿美元为 80%，而 1 亿–2.5 亿美元企业仅 52%。
3. 应对通胀的首选是提效而非裁员：72% 的财务领导正通过投资 AI 与自动化提升生产力来缓解通胀压力，"减少人手"在九项应对中垫底（28%）。
4. 宏观情绪回暖：对美国经济三年期乐观比例由春季的 58% 升至 68%，对本企业三年财务前景乐观者由 64% 升至 71%。

三、第二本账：成本账——过半超支，且源于计费模式

1. 51% 的组织过去 12 个月 AI 工具与平台成本超出预算，其中 40% 略超、11% 显著超；36% 与预算持平、8% 低于预算（该题排除了"不追踪 AI 使用成本"的受访者）。
2. 报告明确点名超支场景是按用量或按 token 定价（usage-based / token-based pricing）——成本不再是一次性软件许可，而是随调用量、业务量波动的可变支出。
3. 这与行业趋势相互印证：第三方汇编显示，2026 年全球 AI 支出高速增长、基础设施占比超过四成，企业内部 AI 预算快速扩张，而"创新试验预算"占比明显收缩（该口径来自第三方研究，非本报告，需单独看待）。

四、第三本账：度量账——ROI 盲区比超支更值得警惕

1. 合众银行春季调查显示，财务领导平均只对 41% 的 AI 投资追踪了 ROI；在被衡量的投资中，仅 47% 报告正回报——大型企业更可能建立度量能力并获得正回报。
2. 另一份 2026 年 CFO 调研（非合众银行报告，由媒体于 10 月 9 日转述）发现，财务人员平均把约 26% 的工作日用于核验或纠正财务类 AI 的输出。这提示自动化节省的时间，有相当一部分被"人工复核"重新吃掉。
3. 把三本账连起来看：机会真实、投入超支、但度量缺位——这正是新技术扩张期典型的"先上车、后补票"，风险不在于花钱，而在于无法区分哪些钱产生了价值、哪些是沉没成本。

五、智能体进入财务后台：规模分化是关键信号

新闻稿披露，智能体（agentic AI）正从客服、文案走向财务核心运营，现金预测/流动性管理与反欺诈/网络安全是两大领先用例。其中现金预测智能体的采用率：年营收 1 亿–2.5 亿美元企业为 23%，而 50 亿美元以上企业高达 74%。这三倍多的差距说明，智能体在财务后台的落地有较高的数据、集成与治理门槛，本质上是"规模与能力的游戏"，也意味着中小机构若缺乏外部赋能，可能在财资智能化上进一步拉开差距。

六、对银行的启示之一：作为 AI 使用方，先建"AI 的财务纪律"

1. 把 FinOps 延伸到 AI（AI FinOps）。 对 token、算力、模型调用建立分用例、分部门、分客户群的成本归集与实时可观测，设置预算阈值、用量告警与硬限额，避免"影子 AI"和年底集中超支。
2. 把成本当可变负债管理。 用量计费使 AI 成本从资本开支转为随业务量波动的运营开支，财资与计划部门应在预算模型中引入调用量假设、单价下降曲线与敏感性分析，而非沿用固定许可的老办法。
3. 先建 ROI 度量，再规模化。 大公司的高正回报与其度量能力高度相关；银行应为每个用例预先定义业务指标（处理时长、差错率、人工节约、风险损失下降）与基线，做到"无度量不扩量"。
4. 计入隐性的核验成本。 智能体参与现金预测、反诈等高风险环节时，人工复核不可省；应把复核工时计入总成本，并通过 harness、可验证环境与运行时关卡降低复核负担，而不是把节省简单等同于裁撤人力。
5. 用组合管理对冲不确定性。 参照风险投资组合思路，把 AI 投入分为必做的基础设施、见效快的流程提效与高风险高回报的探索类，分别设定预算比例、止损点与退出机制，这与监管要求的"风险分类分级、高风险准入、评估退出"方向一致。

七、对银行的启示之二：作为金融服务商，接住企业 CFO 的焦虑

1. 企业客户的 AI 预算超支与 ROI 压力，会转化为对"按效果付费、结果可度量"的金融与科技服务的需求——银行在输出财资、风控、供应链金融智能体时，宜采用与客户业务结果挂钩的定价，而非单纯卖调用量。
2. 现金预测/流动性管理智能体是最确定的企业需求之一，银行可把账户、交易、结算数据优势产品化为智能现金管理、动态流动性预警与智能授信，尤其服务采用率仅 23% 的中小客户，缩小其与大企业的能力鸿沟。
3. 反欺诈/网络安全智能体既是本行刚需，也可对外输出为企业客户的交易风控、KYC 与反诈服务，形成新的中间业务收入。
4. 为 AI 投入提供配套金融方案：设备与算力融资、SaaS/智能体订阅的供应链金融、基于真实用量数据的授信，都可能成为公司金融的新场景。

结语

合众银行这份调查的价值，在于它用财务负责人的口径戳破了一个流行假设——"用上 AI"不等于"赚到 AI"。 当一半组织在算不清回报的情况下超支，当智能体的后台采用率随规模相差三倍，AI 竞争的下半场已经不是"用不用"，而是"会不会管、算不算得清、能不能把节省真正再投资为增长"。对银行而言，既要用管风险的纪律管好自己的每一分 AI 预算，也要把企业客户这场"预算焦虑"转化为可度量、可信赖、按结果计价的金融服务——这正是风险管理能力在智能时代的直接变现。

（注：文中 51%、69%、67%、23%/74%、72%/28% 等数据均来自美国合众银行《2026 年秋季 CFO 洞察报告》及 9 月 29 日新闻稿，调研口径与时间已在正文说明；41%/47% 的 ROI 数据来自该行 2026 年春季调查；26% 核验工时来自另一份媒体转述的 CFO 调研，全球 AI 支出口径来自第三方研究，均已分别标注，不构成投资意见。）