您是否应该在组织中使用AI时尽量减少token用量？我认为大多数组织不应照搬这个建议。

最近，像Uber和Amazon这样的公司开始限制员工使用AI token，理由是消耗过大。特别是Amazon，已经不再将每位员工的AI token用量作为绩效评估的KPI。乍一看，这类新闻可能让人以为正确做法是专注于用AI直接产生结果，同时控制token用量。然而，现实很可能是他们已经完成了大量AI用例的测试。虽然这可能是“哎呀，我们花得比预期多”的情况，或者只是转向效率，但毫无疑问，他们在利用AI方面比那些几乎没怎么使用过AI的公司拥有更多的经验和专业知识。如果你只看表面，在还没有掌握这项技术之前就采取限制token用量或只将AI用于能立即产生结果的任务的立场，那就会在这样一个潜力巨大的领域缩小试错范围。如果那样做，我认为你会发现公司所能做到的只是一些微小的效率提升——那种甚至算不上AI代理的琐碎任务自动化；说白了，就是RPA。我相信，那些局限于这种低级AI使用的公司，与那些虽然一度在AI成本上超支、但通过广泛试错在个人和组织层面积累了深厚AI经验的公司之间的差距，将变得无法弥补。目前我几乎全身心投入自己公司的产品开发，但偶尔也会收到各种公司关于AI实施的咨询。许多人试图从一开始就追逐结果，跳过试错过程。正因为如此，我经常给那些感觉进展不顺利的人提供建议。你见过身边有谁试图推动AI项目并立即获得结果，却没有经历试错过程而成功的吗？这样的人真的存在吗？