商傳媒｜何映辰／台北報導

隨著企業積極將人工智慧（AI）專案從實驗階段推向實際營運，如何在控管預算下有效運用AI，已成為關鍵挑戰。數據可觀測性公司Bigeye於週三推出「成本異常偵測」（Cost Anomaly Detection）新功能，整合至其Agent Trust Hub平台，旨在自動化監控AI代理程式（AI agent）與資料消費者的非預期支出狀況。

過去，企業通常仰賴人工監控或稽核來發現AI支出的波動，導致問題往往要到月底收到帳單時才被察覺。國際資料公司（IDC）分析師Stewart Bond指出，根據調查，有高達三分之二的企業在AI代理程式的開銷上超出預算。他強調：「每一美元浪費的AI代理程式支出，都代表著治理的失敗。你無法管理沒有衡量的東西，許多組織在代理程式支出上，仍缺乏即時發現問題的機制。」

Bigeye的這項新功能不僅能偵測支出顯著增加的情況，也能捕捉到支出異常下降的狀況。Stewart Bond解釋，有時AI代理程式的成本「悄悄降至零」，可能意味著代理程式已停止運作，這是一種經常被忽略的失敗模式。安永（EY）美國AI脈動調查也顯示，高達82%投資AI的資深主管擔憂AI代幣（AI Token）的使用量及相關成本。

Bigeye執行長Eleanor Treharne-Jones表示，這項新功能是應客戶需求而開發。她指出，當AI代理程式從測試進入實際應用，成本歸屬變得複雜，工作流程的代幣用量可能飆升，或無聲無息地降至接近零，團隊往往要到收到帳單或代理程式停止提供價值時才發覺。新功能提供詳細警示，說明導致支出異常的AI動作，例如AI代理程式陷入重複嘗試的循環，或因憑證過期、整合失敗而停止通訊。

Moor Insights & Strategy分析師Mike Leone認為，雖然許多成本工具都能捕捉到支出暴增的代理程式，但Bigeye更獨特之處在於其「歸因」能力。他表示，Bigeye能將代理程式的支出追溯到其查詢的特定資料表，並能與較舊的系統整合，提供更全面的可觀測性（data observability）。數據可觀測性是一種確保資料品質和流程運作正常的機制，讓企業能即時發現並解決資料問題。

目前市場上已有AWS、Databricks、微軟和Snowflake等公司推出AI支出控制功能。Bigeye將其成本異常偵測與資料血緣（data lineage）和治理能力整合，為其提供競爭優勢。Stewart Bond建議，Bigeye和其他供應商未來應將重心從單純的警示轉向自動化解決方案，例如提供預算護欄和自動化資源優化，並建立完整的AI決策審計紀錄，以應對日益成長的代理程式營運痛點。