Copilot 成本控制的企業治理
這一頁是寫給組織與企業管理員的。目標是：在 GitHub 有文件支援的前提下控制成本，不自己發明不存在的控制機制。
真正控制成本的是什麼
最重要的三個槓桿：
- 預算上限
- 使用者層級預算控制
- 模型可用性
Prompt 壓縮依然重要，但那是用量效率槓桿，不是管理員計費控制。
1. 先設定預算
在 2026 年 6 月 1 日之後，Business 與 Enterprise 的治理主軸改成 AI credits 與 usage-based billing。可參考 GitHub 的組織與企業 usage-based billing 指南與計量產品的預算設定文件。
GitHub 文件中的重點：
- 可以在 organization、enterprise 或 cost center 層級設預算
- 可以設定達到預算時停止使用
- 也有 user-level budgets
- 使用者預算設為
$0代表該使用者無法使用 usage-based 功能
要注意一個重點：預算不會讓 prompt 變小，也不會減少每個 prompt 的 token，它只是替 AI credit 支出設上限。
實務預設：
- 先用非零測試預算啟動 rollout
- 提早開 alerts
- 觀察報表正常後，再開 stop usage
- 每月固定檢查，不要等超支才看
2. 用 User-Level Budgets 做每人收緊
對 Business / Enterprise 來說，2026/06/01 之後最乾淨的每人上限，就是 GitHub usage-based billing 指南所記載的 user-level AI credit budget。文件明確指出：使用者預算設為 $0 代表該使用者無法使用 usage-based 功能。
管理思維應轉成：
- 先看 AI credit 用量
- 再看模型選擇、聊天深度、agent 時長
實務模式：
- 一般使用者配低一些的 user-level 預算
- 重度使用者只有在工作需要明確時才提高
- 每月檢查，價值不明顯的使用者再降回來
舊制備註： 若你還在為 6/1 之前的客戶做準備，premium request management 說明的是即將淘汰的控制模型，只能當成過渡期指引。
3. 啟用模型前先審查
GitHub 支援由 organization 或 enterprise owner 控制成員可用的 AI 模型，做法見在 Copilot 中設定 AI 模型存取。 把這當成官方支援的模型治理方式。
建議的審查清單：
- 哪些 workflow 真的需要 premium 模型
- 哪些團隊會產生可量化價值
- 哪些使用者維持 Auto 或 included models 就足夠
- 啟用後要看哪份 usage report
- 若成本跳升卻沒有品質收益，要用什麼 rollback 條件
4. 把 Custom Instructions 放在正確層級
GitHub 文件區分：
- repository instructions（見新增 repository custom instructions）
- organization instructions（見新增 organization custom instructions）
重要的是它們的套用範圍不同。
尤其對成本控制來說，要注意：
- 組織層級 instructions 不要假設在 IDE 一定生效
- 如果你想讓 VS Code 或 JetBrains 也有精簡行為，應該把關鍵 always-on 規則放在 repo instructions
建議分工：
- Org instructions： 廣泛政策、review 提醒、GitHub.com surfaces 的跨 repo 規則
- Repo instructions： coding、build、精簡輸出等 IDE 也需要的規則
- Path-specific instructions： 只有局部需要的細規則
5. 分開組織可行，但只是有條件的做法
若你需要不同的 org-level model policies 或獨立 billing boundary，拆成不同 organizations 可能有用。
但這不是萬靈丹，代價包括：
- 更多管理成本
- license 分配更複雜
- 使用者若跨多 org，流程更麻煩
只有當政策或計費邊界真的值得時，才考慮這條路。
6. 量測正確的東西
請看 GitHub usage reports 與 AI-credit reporting，重點問這四件事：
- 哪些團隊最常超過基線支出
- 哪些使用者消耗最多 AI credits
- 哪些模型真的和更好結果有關，而不是只是習慣
- 哪些 agent workflows 花很多錢，卻沒有相稱交付價值
外部 benchmark 可以做補充，但不能取代你自己的 Copilot usage data。llm-stats.com 可當成獨立的參考點，但請把它當成補充性 benchmark，既不是 GitHub 官方指引，也不能取代你自己的 Copilot usage reports。
7. 6 月 1 日切換清單
如果你在幫客戶準備 2026 年 6 月 1 日的切換：
- 把管理思維從 request counters 轉成 AI-credit budgets
- 先決定哪些使用者需要緊 user-level budgets
- 在 frontier models 變成直接成本前，先審模型可用性
- 提醒團隊：code completions 與 next edit suggestions 不計入 AI credits
- 優先觀察長 chat 與 agent workflows，因為它們最容易放大支出
建議的企業預設
- 預設模型路徑用 Auto
- 廣泛 rollout 前先設預算
- 需要時用 user-level AI credit budgets 做更細控制
- premium 模型先審後開
- repo instructions 保持小而精
- 只有在 cost center／政策邊界真的合理時才拆 org
這套做法刻意很無聊：先用便宜預設，再用例外方式擴 premium，最後用量測結果決定是否擴張。