2026年9月1日，Atlassian官方确认：从2026年12月3日起，Rovo credits和Automation steps将正式进入计量收费模式。这条消息在全球数百万Jira和Confluence用户的IT管理员社区中引发了一场关于企业AI工具成本管理的深度讨论。

有人把这一天称为「企业AI工具的水电费时刻」——当一个你每天都在使用的基础设施，从固定包月变成用多少付多少，它与你的关系就彻底变了。

这不只是Atlassian的故事。它是2026年企业AI工具商业模式变革的一个缩影，揭示了AI集成进入企业核心工作流后，成本结构将如何被系统性重写。

变化的具体内容：技术细节决定管理难度

Atlassian在9月1日确认的变化，主要涉及两个维度：

Rovo credits的计量化

Rovo是Atlassian的AI助手系统，覆盖Jira、Confluence、Loom等产品。Rovo credits衡量AI活动和对Teamwork Graph（Atlassian跨产品知识图谱）上下文的访问，消耗量取决于交互的复杂程度。

根据Atlassian的定价表，额外的Rovo使用费为每credit $0.01，即每1000 credits $10。

哪些操作消耗credits？Rovo Chat对话、Rovo agents执行任务、Jira Coding Agent、以及部分Teamwork Graph数据访问都会消耗credits。而Rovo Search、摘要、图表洞察和术语定义目前不在计量范围内。

这个区分本身就制造了管理复杂性：IT管理员需要清楚地了解，团队使用的哪些AI功能在12月3日之后会产生额外费用，哪些不会。对于大型企业来说，这可能涉及审计数十个部门的AI工具使用模式。

Automation steps的计量化

Atlassian Automation允许用户构建跨产品自动化工作流。此前，企业版用户享有「无限Automation steps」的权益。12月3日之后，企业版也将切换至「每月配额+超额计费」模式。

额外Automation使用费为每1000 steps $0.50。

关键的复杂性在于计量单位：Automation是按执行步骤（steps）计费，而非按规则运行次数（runs）计费。每条规则中的触发器（Triggers）、条件（Conditions）、动作（Actions）、分支（Branches）和循环（Loops）每项都可能算作一个step。一个包含「触发→条件判断→两个并行动作→循环→通知」的工作流，单次执行可能消耗5-7个steps。

对于有大量复杂工作流的团队来说，这意味着他们不能简单地用「规则运行次数×月度」来估算成本——他们需要了解每条规则的结构，并估算其平均步骤数。

双重计量：当一个工作流同时消耗两种资源

更大的管理挑战来自一个技术细节：一个工作流可能同时消耗Rovo credits和Automation steps。

具体来说，如果一条Automation规则包含了Rovo驱动的AI动作（比如「用AI总结这个Jira issue并自动回复」），那么：

  • Automation触发和基础步骤消耗Automation steps
  • Rovo的AI处理消耗Rovo credits

两个计量表同时运转。

对于已经深度集成了Atlassian AI功能的企业来说，这意味着他们的单一工作流会产生双重计费，而且两种成本都难以精确预估——因为AI交互的复杂度本身是动态变化的（同一个任务，不同上下文、不同用户的提问方式，都会影响credits消耗量）。

这是当前AI计量定价的一个普遍难题：AI能力的使用成本，具有内在的不可预测性。这与传统软件的「按用户数」或「按数据量」计费完全不同——后者有明确的上限和规律，可以精确预算；而AI交互的成本，取决于用户行为、任务复杂度和模型效率，任何一个变量的变化都会影响最终账单。

「超额自动开启」的设计选择与其背后的商业逻辑

Atlassian在实施细节上做了一个值得关注的设计选择：超额使用（extra usage）是默认开启的。

也就是说，如果你不主动去管理这个设置，在12月3日之后，当你的团队超出月度配额时，系统会自动继续服务并产生额外费用。你不会在超出时收到停用警告——你只会在账单到来时看到超出的费用。

Atlassian会在消耗达到80%和100%配额时发送通知，但通知和收费是两回事：通知是信息，而收费是默认行为。

这个设计选择有其商业逻辑：对于大多数企业用户，工作流中断的代价远高于额外费用，Atlassian合理地判断了用户会更倾向于「先继续用，后付账」而非「停用等重置」。

但这种默认超额收费的机制，对于没有做好预算准备的企业IT团队来说，可能带来12月后的账单冲击。尤其是那些近期大量部署了Rovo agents或复杂Automation工作流的团队——它们的月度消耗量可能远高于预期配额。

还有一个需要理解的运营细节：如果管理员关闭超额使用设置，当Automation配额耗尽时，新触发的自动化规则将停止执行，但已经在运行中的规则会完成。在停用期间被触发但未执行的事件，不会进入队列等待配额重置后再处理——它们会永久丢失。对于依赖Automation处理关键业务流程（如发票处理、工单路由、合规检查）的企业，这意味着配额耗尽等于业务中断，而不只是轻微延迟。

这种「停用即丢失」的设计，进一步强化了「不如允许超额」的决策倾向。从用户行为心理学角度看，Atlassian的这个设计几乎必然会使大多数企业在月底产生超额账单——这对供应商的营收是利好。

横向比较：其他企业AI工具的计量趋势

Atlassian并不是第一个进行这种转变的企业SaaS厂商，也不会是最后一个。

微软在Copilot的定价上已经采取了类似策略：Microsoft 365 Copilot的基础订阅包含有限的「消息容量」，超出部分按用量收费。随着Copilot功能的扩展（涵盖Word、Excel、Teams、Outlook等核心办公产品），这种计量收费对企业IT预算的影响日益显著。

Salesforce在AI功能的计费上也逐步向用量计费方向演进：Einstein AI Credits、Agentforce conversations、Data Cloud credits形成了一套复杂的用量计费体系，即便是专业的IT采购团队也常常难以准确预估月度成本。本周Salesforce宣布的新三级版本定价，也是这一趋势的表现：通过版本打包来管理AI功能的访问权限和用量边界。

GitHub Copilot在企业版的定价结构中，也开始区分基础代码补全（固定月费）和Agent模式（按任务用量计费）。

这种「基础功能固定费+AI高级功能按量计费」的混合模式，正在成为2026年企业SaaS AI功能的标准定价架构。

对企业来说，面对这股潮流，有几个关键判断需要做出：其一，工具是否提供了足够的可见性工具，让你能追踪和预测AI使用量？其二，AI功能的价值是否可以量化为ROI，以支撑额外的可变成本？其三，你的团队是否有足够的AI成本管理能力，还是需要先培训或引入专门的FinOps能力？

一个值得关注的趋势是，这些用量计费往往在「免费体验期」结束后才开始。Atlassian在2024-2025年将Rovo作为「免费附加功能」推广，让大量团队建立了使用习惯。当这些习惯足够深入、替换成本足够高时，再引入计量收费——这是一种教科书式的产品飞轮策略：先让用户习惯，再让用户付费。

对企业采购决策者来说，这意味着未来评估企业AI工具的总拥有成本（TCO），必须包含用量增长后的AI成本预测，而不只是当前的订阅价格。那些看起来「免费附带AI」的工具，往往只是免费到你真正依赖它们为止。在SaaS工具的AI战略规划阶段，就应该要求供应商提供清晰的用量计费规则和成本预测工具，而不是等到账单到来时再与供应商谈判。

对IT团队的实操建议

面对12月3日的截止日期，IT管理员需要在接下来三个月完成以下准备工作。这里有一个关键的前提认知：Atlassian对于大多数企业来说是非常难以替换的——Jira在软件工程项目管理领域的市场渗透率极高，Confluence的组织知识库地位根深蒂固。这意味着「因为计量收费而迁移到替代工具」对大多数企业来说不是现实选项，更务实的策略是管理和优化，而非逃避。

第一步：建立用量基线（9月内完成）

  • 审计当前所有团队的Rovo功能使用情况（哪些团队在用Rovo Chat、Rovo agents、Jira Coding Agent？频率如何？）
  • 梳理所有活跃的Automation规则，统计每条规则的平均步骤数和月运行频率
  • 计算当前月度等效Rovo credits消耗量和Automation steps消耗量

第二步：预算规划（10月完成）

  • 基于基线数据，估算12月3日之后的月度AI工具成本
  • 考虑业务增长因素（预计新增的Rovo使用场景？新的自动化需求？）
  • 与业务部门协商，确定可接受的AI工具月度预算上限
  • 购买Atlassian的预付包（prepaid packs）作为部分成本优化策略

第三步：治理架构设置（11月完成）

  • 在Atlassian Administration中设置组织级别的月度用量上限
  • 建立Automation规则创建的审批流程（特别针对可能产生高消耗的AI增强型规则）
  • 培训团队了解哪些操作会消耗credits，哪些不会
  • 建立用量监控告警（在80%配额时通知相关负责人）

第四步：建立月度审查机制（12月起持续执行）

  • 每月查看实际用量vs预算的差异
  • 识别超出预期的使用模式并进行针对性优化
  • 定期（季度）与业务部门重新评估AI工具的ROI，调整预算分配

第一层洞察：「包月SaaS」到「用量计费」的商业模式革命

Atlassian的这次调整，放在更大的产业背景下来理解，是一个信号：企业AI工具的商业模式，正在经历一次根本性的转型。

传统SaaS的核心定价逻辑是：「按用户数付费」（per seat）。你为一个用户支付一个固定月费，无论这个用户用多还是用少，价格不变。这个模式的优势是可预测性：IT预算可以精确地按人头计算，财务部门可以对AI工具的成本建立清晰的模型。

AI的引入打破了这个逻辑的基础。

当一个「用户」实际上是一个AI agent，可以在一天内执行数千次任务时，「按用户数付费」将严重低估实际的计算成本；当AI交互的价值（和成本）高度依赖于「每次交互的复杂度」时，固定月费无法准确反映资源消耗。

用量计费（usage-based pricing）是解决这个问题的自然方案：让支付金额与实际价值和资源消耗对齐。从供应商角度来看，这是更可持续的定价模式；从用户角度来看，这是更难管理的成本结构。

2026年，越来越多的企业AI工具开始转向这个方向：OpenAI的API已经是按token计费，Anthropic的API也是类似结构。现在，连以「固定包月」著称的传统SaaS巨头，也开始把AI功能从「增值附加」变成「独立计量」。

Atlassian是这波转变中的一个明显案例，但绝不会是最后一个。

第二层洞察：IT部门的「AI成本管理」能力正在成为必要技能

Atlassian的变化提出了一个对企业IT管理者而言紧迫的问题：你有能力管理这种成本结构吗？

传统的IT预算管理，主要涉及固定合同谈判（年度/多年License费用）、用户席位管理（增减团队成员）和基础设施成本（服务器、网络带宽）。这些都是相对可预测、可规划的成本。

AI工具的用量计费引入了一个新的维度：AI使用行为产生的动态成本。这要求IT团队具备全新的能力：

使用量基线建立：在12月3日之前，Atlassian建议IT团队审计当前的Rovo和Automation使用模式，建立月度基线数据。但很多企业没有工具来精细追踪每个团队、每个项目的AI工具使用情况。

工作流成本估算：对于每条重要的Automation工作流，IT团队需要了解其平均步骤数和Rovo使用量，才能估算月度成本。这本质上是一个「为AI工作流建模」的任务，需要技术深度和业务理解的结合。

支出治理架构：谁有权限创建新的Automation规则？谁有权限审批Rovo agent任务？这些决策在过去可能相对宽松，但在计量收费之后，每一个新的AI工作流都意味着潜在的成本。

预算意外的应急预案：当月度消耗超出预算时，IT团队应该怎么做？是紧急停用某些工作流，还是继续允许超额并在下月预算中修正？这需要提前制定决策框架。

这些能力需求，对许多企业IT团队来说都是新的。「AI成本管理专家」——一个听起来非常2026年的职位——可能很快会成为企业IT部门的标配角色。在未来两到三年内，随着AI工具的用量计费模式在企业SaaS领域全面普及，具备AI工具成本优化能力的IT专业人员，将成为企业数字化转型中不可或缺的角色之一。

第三层洞察：企业AI成本的不可预测性，将重塑IT治理

Atlassian的计量收费，揭示了一个更深层的治理挑战：在AI时代，IT成本的可预测性正在系统性下降。

传统的IT预算周期通常是年度的：在年底规划下一年的IT投入，签署合同，锁定价格。这个模型在固定License费用的时代运作良好。

但用量计费的AI工具，打破了这种年度规划的基础。一个2026年1月的AI工具使用预算，到6月可能因为新功能发布、新用例开发或团队规模变化，与实际消耗差异显著。

更根本的问题是：AI工具使用量的增长，本质上是业务需求驱动的，而不是IT决策驱动的。当销售团队开始用AI agents自动处理CRM记录，当工程团队开始用AI agents自动生成测试用例，IT团队很难预先设定一个「合理的AI使用上限」——因为这等于限制了业务团队的生产力。

这个矛盾没有简单的解决方案。企业需要在「充分利用AI提升效率」和「控制AI工具成本」之间找到一个动态的平衡点。这个平衡点不是一次性设定的，而是需要随业务变化持续调整。

Atlassian在12月3日之前给了企业3个月的准备时间。但真正的挑战，不在于3个月后是否设置了正确的上限，而在于如何在此后的每个月，持续地做出成本与价值的权衡决策。这种持续运营的能力，对许多企业IT团队来说是全新的挑战，需要工具、流程和人员技能的系统性升级。

结语

Atlassian的Rovo计量收费，是2026年企业IT界「AI成本管理」主题的开篇故事。它既是具体的管理挑战（12月3日前建立基线），也是更大趋势的缩影（AI工具从固定成本到可变成本的转型）。

对IT管理员来说，这个变化带来的直接任务是清晰的：审计使用量、建立基线、设置上限、制定超额策略。但背后更深的调适，是接受一个新现实：在AI工具深度集成的企业里，IT成本管理将永远不再是一项可以年度计划、设定后忘记的工作。它将成为一种持续运营的能力，像管理云计算成本一样，需要实时监控、持续优化。

那些已经在云成本管理（FinOps）上积累了经验的IT团队，会发现自己有了意想不到的先发优势——因为AI用量管理和云资源用量管理，在方法论上惊人地相似：都需要可见性（监控）、可控性（上限设置）、可优化性（工作负载分析）和可预测性（基线建模）。

在AI融入每一个工作流的未来，企业IT的核心竞争力，将越来越体现在「让AI发挥最大价值，同时将成本控制在可接受范围内」的精细运营能力上。

这不是末日预言，而是一个成熟市场的正常演进——云计算的早期，IT团队同样经历了从「固定机房预算」到「按需付费云支出」的阵痛。那段历史，给了我们一个预判：学会管理这种新型成本结构，需要时间，需要工具，也需要组织文化的调整。2026年的企业AI水电费账单，只是这个漫长调适过程的起点。

企业AI工具的「水电费时刻」已经到来。你准备好了吗？

参考资料

  1. TechRepublic: “Atlassian Will Meter Rovo and Automation Dec. 3: What Admins Need to Budget” (2026-09-03): https://www.techrepublic.com/article/news-atlassian-rovo-automation-pricing/
  2. Atlassian官方Rovo使用限制文档: https://support.atlassian.com/rovo/docs/rovo-usage-limits/
  3. Atlassian官方Automation定价更新: https://www.atlassian.com/licensing/automation
  4. Atlassian官方超额使用管理指南: https://support.atlassian.com/subscriptions-and-billing/docs/manage-extra-usage-for-a-meter/
  5. TechRepublic: “Why AI Agents Are a Top Priority” (参考背景): https://www.techrepublic.com/article/why-ai-agents-are-a-top-priority/