公司们正在认识到,试图将非确定性数学强行引入零错误商业环境只会增加工作量,而非减少。
摘要
公司们意识到,将非确定性人工智能强行应用于零错误商业环境会适得其反,导致预算削减和试点项目失败,因为投资回报率始终难以实现。
企业无限制AI实验的时代正因自身重量而崩塌。公司们在几个月内就烧光了全年代币预算,但在利润方面毫无成果。由于完全没有投资回报率,大型企业正从“大量消耗代币”转向积极限制用户支出、取消试点项目,并威胁要在年底前削减AI预算,除非这项技术奇迹般地不再失败。科技巨头们打造了一款爆款产品,因为它对个人来说是一个不可思议的、流畅的、非确定性的对话工具。而当他们试图强行将这项技术转向僵化的、自动化的企业“智能体”,来为价值数万亿美元的基础设施建设辩护时,他们正在破坏最初让人们关注的那个对话引擎。争相IPO是一场疯狂的套现竞赛,要在市场意识到一个结构性真相之前完成:这些产品永远停留在演示阶段,一旦接触现实世界就会退化。过去十个月里,我们看到一个可预测的循环:公司展示一个闪亮的新功能,但三周后在实际使用条件下就会崩溃并失败。它从未足够稳固到可以建立真正的业务,而他们心知肚明。
相似文章
企业是否将AI用错了地方?
这项分析质疑了将AI机械地插入所有企业工作流程的做法,指出确定性系统往往需要传统软件而非概率性模型。它主张采取一种战略方法,区分AI能够创造杠杆效应的领域与成熟架构仍占据优势的领域。
企业正紧急阻止员工因小任务耗尽AI预算
此前鼓励大量使用AI的企业现在正实施削减措施,以防止员工将预算浪费在琐碎任务上,因为AI代币的高昂成本引发了对投资回报的质疑。
如果你的内部数据仍然一团糟,就别再试图把AI硬塞进你的MVP了。
一位开发者主张,如果企业的底层数据基础设施很差,就应该停止将AI强行塞入最小可行产品,而是专注于用确定性代码或数据清理来解决特定瓶颈,然后再追求定制的AI集成。
研究称企业正浪费AI效率提升
BCG一项研究发现,74%的非管理层白领员工经常使用AI,每周至少节省一天时间,但许多企业难以将效率提升转化为可衡量的价值。
Ed Zitron:“人工智能没有投资回报。”他错在哪里?
Ed Zitron认为人工智能缺乏可衡量的投资回报率,指出了大量超支的案例以及LLM成本固有的不可预测性。文章批评了该行业无法量化回报的问题,并敦促人们保持怀疑态度。