亞馬遜（Amazon）內部 AI 專案傳出嚴重超支。根據《金融時報》（Financial Times）7 月 30 日報導，亞馬遜多項原本看似例行的開發工作，在導入大型語言模型後出現遠超預期的成本，其中一項使用 Anthropic Claude Sonnet 的作者資料比對專案，最終支出高達 180 萬美元，較原定預算超出 860%。
報導指出，這項專案的目標是將作者資訊與亞馬遜網站上的商品列表進行配對，但專案最終未能上線。更受關注的是，相關成本異常並未立即被發現，而是在問題發生約五個月後才曝光。
單一專案支出達 180 萬美元
內部資料顯示，作者資料比對專案是目前揭露的最大宗超支案例。該專案採用 Claude Sonnet 處理資料與程式開發工作，原本被視為日常性質的任務，卻因長時間持續使用 AI 資源，累積出高額帳單。
除上述案例外，亞馬遜內部簡報也列出另外兩項成本增加的專案：
| 專案 | 額外支出 | 用途或狀況 |
|---|---|---|
| 作者資料比對 | 約 180 萬美元 | 將作者資訊與網站商品列表進行配對，專案未能上線 |
| 財務稽核工具 | 約 54.1 萬美元 | 與財務稽核工具相關的開發專案 |
| 物流配送系統 | 約 13.4 萬美元 | 目標是縮短物流配送時間 |
來源未提供上述專案的完整技術架構、實際 token 使用量或各項成本的細部分布，因此目前無法確認超支主要來自模型推理、重複執行、代理流程失控，或其他開發與部署因素。
亞馬遜：零星案例無法代表整體 AI 使用情況
面對外界對 AI 成本失控的關注，亞馬遜在內部簡報中表示，公司正透過實驗、學習與改進，持續最佳化 AI 的使用方式，其中也包括提升成本效率。
亞馬遜同時強調，若只挑選零星案例，並不能反映公司整體使用 AI 的情況。這項說法顯示，公司將相關事件視為 AI 導入過程中的個別問題，而非足以代表所有 AI 專案的普遍結果。
AI 代理讓傳統小錯誤變成高額支出
這些超支事件也凸顯企業導入 AI 代理與按 token 計費服務後所面臨的新風險。在傳統軟體開發中，某些重複執行、流程設計不佳或資源使用效率低落的錯誤，成本可能相對有限；但在大型語言模型環境下，若代理持續呼叫模型、反覆修正程式碼或執行未受限制的工作流程，相關支出可能快速累積。
當 AI 工具被授予較高的自主權，企業除了需要評估模型能力，也必須同步掌握執行次數、token 用量、權限範圍與中止條件。否則，即使單次操作的成本不高，長時間未被偵測的錯誤仍可能轉化為大額帳單。
亞馬遜收緊 AI 權限並建立支出控管
消息同時提到，亞馬遜今年稍早曾因 AI 程式碼機器人失誤，導致 AWS 出現多起服務中斷。公司後來改以限制 AI 代理權限來降低風險，原本用於鼓勵員工增加 AI 使用的內部排行榜，也因成本壓力而取消。
目前，亞馬遜工程團隊據悉正建立自動化防護機制，計畫將未來專案的 AI 支出直接納入部署流程管控。這類做法可能包括在部署前檢查預算、限制代理可執行的操作，以及在成本異常時自動停止工作流程；不過，來源並未提供完整機制與上線時間表。
整體而言，這些案例反映企業在擴大生成式 AI 應用時，挑戰已不只在於模型準確度與開發效率，也包括成本可預測性、權限管理及即時監控。對亞馬遜而言，如何在維持 AI 實驗速度的同時，避免代理式工作流程產生失控支出，將成為後續導入的重要管理課題。
