据ZDNet报道，过去一年中至少有九起AI代理使用有效凭据自行删除数据、破坏企业系统的案例，而这类故障正成为企业部署AI的隐形风险。一项对10.9万起事件的分析显示，系统恢复时间中位数自2023年以来基本没有改善，最常见的修复手段是等待另一家公司的工程师解决问题。

专门为AI支出提供管理工具的Revenium公司也在近期自查中发现，自家一名开发者的笔记本电脑上有一个AI编码助手连续运行了四天，累计调用4819次，产生3762美元费用，期间没有任何警报触发。Revenium工程师指出，这类会话并不罕见，因为AI会话费用通常按SaaS模式以平均成本估算，这种模式无法反映实际运行中的极端情况。

根据Revenium引用的客户案例，一家中型电商公司在原型测试阶段每月AI基础设施成本为5000美元，进入暂存阶段后跃升至每月50000美元，十倍增长源于未优化的RAG查询和高峰期的递归代理循环。另一案例中，一组AI代理陷入无限对话循环，持续11天未被发现，烧掉47000美元。每个单独动作看起来都合理，但累积成本远超预期。

Revenium还分析了自身90天内557个代码实施任务，其中位成本为2.24美元，最贵任务达300.97美元，但平均数据掩盖了极端值。在14680次AI运行中，前1%的运行贡献了46%的总支出，前5%占77%，而最低的90%仅占12%。工程师警告，AI支出的重心分布在尾部，传统SaaS成本控制手段针对的是曲线错误的部分。

从交互式与自动化任务对比看，10005次交互式代理会话产生109118美元费用，而4171次自动化软件开发任务仅花费6723美元，后者不足总账单的6%。Revenium团队指出，大多数成本来自工程师日常使用的交互式AI，这一类别很少被单独列项。

在30天内，12名工程师共合并1721个拉取请求，每个合并请求的成本在4.05美元至103.66美元之间，中位数为16.59美元。成本差异反映不同的工作类型和AI使用模式，团队认为这并非工程师优劣之分，而是预算维度中几乎无人衡量的变量。这些案例表明，企业若仅按平均成本管理AI代理，将难以防范失控支出。