FinOps AI治理要求新KPI，代幣經濟學重塑企業成本模型

企業AI支出加速增長，正在對FinOps AI治理進行壓力測試。傳統的成本優化手段——如標籤、合理調整大小和預留容量——在面對以代幣為基礎的成本模型、不透明的計費方式以及變化速度快於治理框架的架構時，顯得力不從心。

壓力十分明顯。根據FinOps基金會發布的《2026年FinOps狀況報告》，如今98%的從業者管理AI支出，而兩年前這一比例僅為31%——然而大多數組織仍然缺乏在規模上控制AI支出的可見性和治理結構。SailPoint Technologies公司的資深FinOps分析師Victoria Levy指出，FinOps for AI必須彌合採納與問責之間的差距。

Levy表示：“關鍵績效指標將有顯著不同。我們現在有代幣，所以人們會提出每代幣成本，或者每其他業務驅動因素的代幣數。這些指標最終會匯聚成有用的東西，我認為它們將成為新基礎的一部分，然後我們就能在此基礎上構建內部實踐。”

在FinOps X 2026大會上，Levy與theCUBE的John Furrier和Paul Nashawaty進行了交流，討論了FinOps AI治理如何需要新模型、跨職能協作以及基於結果的指標，從而將成本管理提升為業務價值。

FinOps AI治理要求自動化與跨團隊協作

從FinOps X現場傳遞出的最明確信號之一是，自動化不再是可選項。Levy指出，沒有自動化，最佳實踐一引入就會退化。執行——而不僅僅是建議——才能讓收益持久。

“如果你沒有自動化，只是告訴人們遵循最佳實踐併合理調整大小，那隻能是一次性的，”她説，“你需要實施強制執行，以確保已經完成的工作得以保持，然後才能在此基礎上進行其他優化。”

Levy指出，孤島決策是FinOps AI治理中的一個反覆出現的挑戰。如今AI計費的顆粒度遠低於傳統雲發票，因此跨職能背景——財務、工程和安全團隊之間——對於理解某項成本是浪費還是有意為之的架構權衡至關重要。

“每個人都應該與其他所有人溝通，因為成本背後有太多背景信息，”她説，“你可能認為某個成本效率低下，但團隊可能有其他原因，比如安全要求——所以那不是浪費。也許它實際上很有價值。通過溝通，你就能獲得做出更好決策的背景。”

以下是完整的視頻採訪，屬於SiliconANGLE和theCUBE對FinOps X 2026的報道：

（* 披露：theCUBE是FinOps X活動的付費媒體合作伙伴。FinOps基金會作為theCUBE活動報道的贊助商，以及其他贊助商均不對theCUBE或SiliconANGLE的內容擁有編輯控制權。）