「免费」AI 功能的真实成本
你将推出的最昂贵的 AI 功能，就是那个构建时免费的功能。
我见过这种事发生的次数多得数不清。一个团队演示一个模型，模型令人印象深刻，有人说"我们周五前就能搞定"，一周之后，生产环境里就多了一个 AI 功能——没有预算科目、没有负责人、没有维护计划。演示是免费的。而这个功能将会花费一大笔钱，而且没有人为它做过预算。
问题不在于人们低估了 AI。而在于他们算错了成本的对象。他们算的是模型——API 调用、算力、许可证。但模型几乎从来不是最贵的那部分。
发票上看不到的成本
一个"免费"的 AI 功能实际要付出什么代价，下面逐项列出。
数据。模型并不是天生就懂你的业务。它需要你的文档、产品数据、历史案例、边界情况。得有人去整理、清洗、标注这些数据，并让它们保持最新。这不是一个项目，而是一项持续的成本——它从功能上线之前就开始了，而且永远不会结束。
评估。你怎么知道这个功能够不够好？你需要一套测试集、一个基线，以及当模型在你脚下不断变化时检查质量的流程。模型会更新，而更新会改变行为。没有评估层，你就没有质量门槛，你有的只是一个愿望。
运营。这个功能需要监控、升级机制，以及针对关键输出的人工审核路径。得有人盯着错误率，抢在客户之前发现糟糕的回答，并判断模型何时需要重新训练或更换。正是这一层把演示变成了服务。
重新训练与维护。模型会漂移，数据会变化，世界在前进。一个三月份还准确的功能，到九月份就变得平庸了，而且必须有人发现并修复它。这不是一次性成本，而是你从未订阅过却一直在付费的服务。
还有一个人人都忘记的科目：审核人力。每一个触及客户、合同或合规边界的 AI 输出，都需要人来检查。这份人力是真实的、持续的，并且会随规模增长。那个免费的功能正在悄悄地把相当于一个全职人力的审核时间，加到某个人的一周里。
模型是 AI 功能中最便宜的部分。围绕它的一切——数据、评估、运营、审核——才是钱真正花掉的地方。
为什么会少算
成本算错并不是偶然，而是结构性的。
演示展示的是模型在做令人印象深刻的事，而令人印象深刻的这部分，恰恰是现在真正便宜的部分。昂贵的部分在演示时是看不见的。没人演示数据管道，没人演示评估集，没人演示升级路径。于是决策就建立在了可见的成本——API 调用——之上，而那些看不见的成本会在之后以意外的方式到来，也就是以紧急情况的方式到来。
另一个结构性原因是：AI 功能被当作实验来构建，然后未经任何仪式就晋升到生产环境。实验没花任何钱，因为它跳过了一切——没有数据契约、没有评估、没有运营、没有审核。然后它奏效了，人人都喜欢它，它就留了下来。这次晋升从未触发预算审查，于是这个功能永远活在实验的预算上，而那份预算是零。
能够修复它的成本框架
把功能当作服务来核算成本，而不是当作项目。项目有终点，而服务会一直运行下去。
服务成本有四项，而且都是持续性的：数据维护，因为源数据会变；评估，因为模型会变；运营，因为生产环境从不睡觉；审核人力，因为输出很重要。把这四项加起来，乘以功能的生命周期，再与替代方案比较——不用 AI 做这件事，或者买一个已经包含维护的产品。
当你这样核算成本时，决策会变得更清晰。那个看似免费的功能现在有了真实的价格，于是与供应商价格的比较，就变成了真实数字之间的比较，而不是"免费"对"付费"。供应商的价格开始显得合理了，因为供应商的价格主要就是你差点要低估的那部分维护成本。
在演示之前要问的问题
在让那个令人印象深刻的演示启动倒计时之前，先问一个问题：谁来为维护买单？
不是谁构建它，而是谁维护它——数据、评估、运营、审核。如果答案是"我们到时候再想办法"，那你就已经找到了这个功能的真实成本，而且它将用救火的方式来支付。如果答案是一个名字和一个预算科目，你才有机会得到一个真正"免费"的功能——也就是说，它的成本恰好是你计划中的成本，这才是唯一有意义的那种免费。
免费的 AI 功能是一个神话。便宜的模型是真实存在的，而它正是那个陷阱。成本一直都在模型周围的那一层里，而模型周围的那一层，正是演示永远不会展示给你的部分。
在构建功能之前，核算服务成本、指定负责人、为维护做好预算。演示依然会让你印象深刻，只是它再也骗不了你了。