成功采用 AI 后，企业往往还需要进行第二轮部署，却很少为此做好准备

大约三年前，我购买了人生中第一个付费 AI 订阅，并开始测试它究竟能为我做些什么。起初只是个人尝试，后来逐渐发展成一个小型内部项目，接着是全公司的企业订阅，最终演变为覆盖几乎所有部门的 AI 部署——包括开发、财务、法务、营销和支持部门。

总体而言，第一阶段进展顺利。大约六个月内，我们的内部开发速度提高了约五倍。与此同时，另一个数字也在上升：我们的 AI 支出增加了约15倍。

那时我才意识到，成功采用 AI 本身也可能带来问题。随着这项技术得到广泛应用，我们最初制定的规则已不再适用。AI 接触到更多公司数据、承担更多任务，成本可能因此失控，而许多工具本身仍由外部服务提供商掌控。

那么，当 AI 应用取得成效，但公司已无法完全掌控 AI 的使用方式时，首席执行官该怎么办？让我们试着回答这个问题。

别再把 AI 的活跃使用等同于业务成效

我很快就注意到，在第一轮部署期间，采用情况指标——例如活跃用户数量或使用频率——确实有参考价值。作为领导者，你会想知道员工是否在使用这些工具，具体用了哪些工具，以及 AI 是否真的为他们节省了时间。然而，一旦使用范围扩展到整个公司，这些数字就不再那么有用了。

我们自己就亲眼见证了这一点。一旦人们能够使用强大的模型，他们就开始用这些模型处理几乎所有事情。有一阵子，员工甚至开始问 AI 纽约现在几点。当然，这个例子很荒唐，但它说明，使用量增长得有多快，却未必能为公司创造任何实质价值。

Shopify 将 AI 深度整合后，也遇到了类似的问题：其内部智能体 River 如今最多负责起草一半生产代码拉取请求。然而，首席执行官 Tobi Lütke 最近提醒大家注意他所说的“垃圾手雷”：员工不经妥善检查，就把 AI 生成的内容转交出去，结果让其他人不得不审核、修正，甚至总结这些产出。

换句话说，更多 AI 活动很容易带来更多工作，而不是更多价值。一家公司可能有亮眼的使用数据和海量产出，但其中一部分产出只会让其他人多出一项任务。

这正是首席执行官需要改变的地方。提示词、登录次数和令牌消耗量，都显示工作流程中有大量活动；但它们并不能说明 AI 是否真正物有所值。

速度提升会带来新的瓶颈

有句俗话说，欲速则不达。我认为这句话也适用于 AI，因为我们已经发现，AI 让人们“更快”并不意味着工作量会突然减少。

在开发工作中，AI 如今能让团队在相同时间内编写出多得多的代码，但关键在于，所有这些代码上线之前仍须经过检查。毫无疑问，自动化审查确实有帮助。

然而，要完全放心地信任它，还远远谈不上。因此，开发人员虽然花在亲自编写所有内容上的时间少了，如今却有多得多的产出需要审核、测试并作出判断。

换句话说，工作并没有消失，只是换了一种形式出现。

考虑到需要人工关注的代码量也随之增加，我们的开发速度提高五倍这件事听起来就没那么令人震撼了。启用 AI 的工作流程，其实际成本还包括检查 AI 产出所花的时间，尤其是判断这些产出是否值得信任所花的时间。

第二轮部署势在必行

在我看来，企业需要进行我所说的 AI“第二轮”部署。

第一轮部署主要着眼于推动采用：让人们获得使用权限，寻找应用场景，了解这项技术在哪些方面确实有帮助、在哪些方面没有帮助。但经过几个月的实际使用后，你已经掌握了远比假设更有价值的东西——关于成本在哪些方面不断上升、哪些团队产出更好，以及人们在哪些环节花太多时间检查 AI 输出的第一手证据。

因此，我认为现在正是重新设计 AI 使用规则的时机，而不是一味推动更广泛的使用。实际操作中，我会重点关注三件事：

• 让模型与任务相匹配。常规请求可以交由规模较小、成本较低的模型处理，而更复杂的工作则交给值得投入额外成本的模型。最终目标是避免为低价值任务支付前沿模型的高昂费用。
• 明确哪些环节必须由人把关。对于生产代码、法律文件或其他影响重大的产出，要规定哪些环节必须由人工批准结果，之后才能继续推进工作流程。此外，还要针对敏感数据制定访问规则，让员工清楚哪些模型可以接收这些数据，哪些不可以。
• 即使认为自己不需要备用方案，也要制定一份。如果关键工作流程依赖外部服务提供商，就应充分记录提示词、集成、数据流和特定于模型的依赖关系，以便在紧急情况下将这项工作负载迁移到另一家服务提供商。

这就是首次与第二次 AI 部署的区别。第一次会问：我们可以在哪里使用 AI？第二次则会问：我们应该在哪里使用 AI、遵循哪些规则，以及成本是多少？

再次扩大部署规模前，先进行审计

AI 的应用取得成效、首次部署似乎也很成功之后，我不会再用同样的方式持续扩大规模一年。在实际使用约 90 至 180 天后，我会停下来审查公司实际构建了什么。

这意味着要衡量已实现的业务成果，根据任务的实际价值来匹配模型及其成本，找出哪些环节仍必须经过人工审核，以及哪些工作流程可以在某种程度上进一步接近完全自动化。

首次部署证明，AI 能让公司提高效率。第二次部署则能避免这种效率提升演变为不必要的支出、失控的访问权限，或企业从未明确同意承担的供应商依赖。