在任何一次 AI 部署带来一美元回报之前，一家典型的中型市场企业就已经损失了四分之一的预算。原因既不是模型选错、用例失败，也不是供应商交付不力——而是复杂性本身。Freshworks 的新报告《Global Cost of Complexity Report》调查了 12,021 名 IT 决策者，其中 9,000 多人来自中型市场企业，将"在任何价值到来之前蒸发掉的 AI 支出"这一比例定为 25%（Freshworks, The Mid-Market AI Complexity Trap, 2026）。仅就美国中型市场推算，Freshworks 估计这一流失每年约达 160 亿美元（Freshworks via The Globe and Mail, 2026）。
这就是 AI 复杂度税，它有一种特定的形态。它不是你在 AI 上判断失误的代价，而是你在 AI 上判断正确、却在如何组装它上判断失误的代价。对于一家 200 名全职员工企业、正在审批下季度路线图的运营负责人而言，这一区别就是全部——因为这笔税不是你为雄心支付的费用，而是一处你可以堵住的渗漏。
渗漏不在模型，而在管道
中型市场对 AI 失败的多数复盘都指向了错误的诊断。当一个试点停滞时，本能反应是质疑模型、用例或团队的熟练度。而 Freshworks 的数据指向了远没有那么光鲜的东西：系统之间的连接组织。
当试点无法迈入生产时，主要原因并非能力差距，而是系统集成的复杂性（27% 的受访者提及）以及过度的配置要求（约四分之一提及）（Freshworks, 2026）。两者都是管道问题。模型在演示中能跑，却死在接线上。它够不到 CRM，无法回写工单系统，没有专家就无法配置，于是只能困在沙箱里不断累积成本，却毫无产出。
这一点之所以重要，是因为整个中型市场关于 AI 的讨论定价都错了。领导者们比较模型、争论供应商、谈判按用户计费的许可证——优化的是技术栈中早已商品化且廉价的那部分。与此同时，昂贵的那部分，即集成，却无人管理，因为在预算条目上没有人对它负责。复杂度税，就是当组织把 AI 当作采购决策、而实际工作却把它当作工程决策时，你所支付的代价。
中型市场对此的感受比市场两端都更为尖锐。大型企业拥有集成团队和平台预算来消化接线；小型企业运行的系统少到连接始终简单。而 200 到 500 名全职员工的企业处于最糟糕的位置——系统多到足以让集成变难，专门的平台工程却又少到无法让它变得廉价。正是这种结构性的夹击，使得这笔税恰恰在报告所测量之处打击得最重。
解剖这笔税：蔓延、工作负担，以及你没列入预算的那位专家
复杂性并不抽象。它在三个可衡量的地方累积，每一处都在 Freshworks 的数字中显现。
第一是工具蔓延。如今一家典型的中型市场企业运行着 4.2 个独立的 AI 工具，采用最激进者运行七个或更多（Freshworks, 2026）。每个工具的到来都解决了一个真实问题。但它们合在一起，制造出一份无人批准的协调负担：四套凭证、四种数据模型、四处可能断裂的工作流，却没有一个统一的界面让运营负责人看清究竟有什么在运行。
第二是工作负担。86% 的 IT 负责人表示，管理 AI 复杂性增加了团队的工作量，而非减少（Freshworks, 2026）。这正是应当让运营负责人当场止步的反转。为创造产能而购入的技术，反而在消耗产能——不是在它本应解放的业务部门里，而是在那个被指派去维系集成的 IT 职能里。承诺的效率红利，还没抵达一线，就以维护之名被收了回去。
第三是隐形的专家。过度配置不是一次性的安装成本，而是对稀缺人才的长期依赖——只有他们能让工具彼此对话。一份对该报告的独立分析，将中型市场走出这一陷阱的出路描述为一次有意的转向：从重度配置转向工作流原生（workflow-native）的工具——在这类软件中，集成本身就是产品，而非购买之后再加挂的专业服务项目（Futurum Group, 2026）。你最好的系统人员花在把 AI 工具粘合到一起的每一个小时，都是计入复杂度税的一个小时——无论它是否出现在某张账单上。
ROI 的时钟被调到了错误的时间
在第一笔税之上还叠着第二笔，而且它是心理层面的。中型市场期待回报的时间表，是工作根本无法兑现的。
约 73% 的高管期望 AI 投资在八个月内显现 ROI。然而对相当一部分组织而言，仅仅是部署——把系统跑起来并完成集成——就要花六到十二个月（Freshworks, 2026）。期望的窗口还没等到实施的窗口打开，就已经关上了。可预见的结果是：项目在第八个月被判定为失败，被砍掉预算并被替换——这又给蔓延添了一件新工具，并把集成负担清零。复杂度税与急躁税彼此放大。
这正是一个惊人采用数据背后的无声机制：尽管投资意愿近乎普遍，却只有约 15% 的中型市场企业将 AI 集成进了核心运营，而 36% 仍困在试点中（Freshworks via The Globe and Mail, 2026）。试点炼狱不是雄心的失败，而是一只被调得比它所计时的集成更快的时钟的算术。
反方论点："每件工具都配得上它的位置"
来自运营负责人的诚实反驳是：这 4.2 个工具并非浪费——每一个都是经过深思熟虑选定的，每一个都解决了某个问题，而整合它们有可能丢失企业如今已经依赖的能力。为了让幻灯片上的数字变小而拔掉一件还在用的工具，本身就是另一种虚荣。
这一反驳站得住，而回应并不是"用更少的工具，因为越少越整洁"。回应在于：一件工具的成本不是它的许可证——而是它的许可证，加上它在集成、配置和工作负担中所占的那一份，而这正是 Freshworks 的数据刚刚量化的。一件把狭窄任务做得很好、却需要长期维护承诺和对接每一个其他系统的定制连接器的工具，一旦计入复杂度税，可能是净负的。整合不是审美上的极简主义，而是把支出从技术栈中渗漏的那部分（定制集成）转移到不渗漏的那部分（连接天生内建的工作流原生平台）。你买到的不是更少的能力，而是同样的能力，却没有那张管道账单。
本季度的对策：冻结、整合、重置时钟
这可转化为运营负责人在季度结束前能做出的三个具体决定。
冻结新增试点。 对向技术栈中添加任何新的 AI 工具实行临时禁令。每一个新试点都增加一处集成面，并把某人的 ROI 时钟清零。冻结并非反 AI；它是从你已经拥有的 AI 中获得回报的前提条件。解除冻结的门槛是：一件新工具必须替换掉两件现有工具，而不是与它们并列。
朝工作流原生工具整合。 用工作本身、而非功能清单，去审视这 4.2 个工具。绘出哪些能力是真正承重的，再把它们迁移到集成为原生、而非靠配置的平台上。目标是更少的界面、更少的凭证，以及更少会让工作流悄然断裂的节点——而那正是 27% 的集成税和 86% 的工作负担所栖身之处。
把 ROI 时钟重置为十二个月。 把每一个进行中的 AI 项目，重新锚定到一个与现实相符的"部署加回报"周期——六到十二个月部署，然后是可衡量的回报——而不是那个正在过早扼杀可行项目的八个月期望。在错误的里程碑上评判一个项目，正是一个还在运转的系统在它本可回本的前一个季度被砍掉预算的方式。
这些举措没有一项需要新模型、新供应商或新增编制。它们需要的是一位愿意把 AI 当作集成纪律、而非购物清单来对待的运营负责人。
本季度的决定
Freshworks 的数字——在任何回报之前就损失 25%——之所以令人不适，恰恰因为它无关技术。中型市场不是在糟糕的赌注上损失了四分之一的 AI 预算，而是在正确的赌注上、因组装拙劣而损失：工具太多、配置太重，以及一只对其底层集成而言调得太快的时钟。
所以，在你批准下一笔 AI 预算条目之前，先问一问复杂度税真正提出的那个问题：我们是在增加能力，还是在增加表面积？如果你的 AI 技术栈增长得比你整合它的能力更快，那么本季度回报最高的一步不是再来一个试点，而是一次冻结、一次整合，以及对"回报何时被允许到来"的一次诚实重置。明年胜出的企业，不会是运行最多 AI 工具的那些，而会是停止为自己已经拥有的工具缴税的那些。
